Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Computação Científica II (EEL7031) Resolução de Equações Não-lineares (polinômios e equações transcendentais) 2 Objetivo Geral Objetivos Estudar o problema de determinar, por métodos numéricos, as raízes de polinômios e equações transcendentais. Tópicos principais Introdução. O método da bissecção O método da secante. O método da posição falsa O método de Newton. Análise de erros e aceleração da convergência. O método de Müller. Análise dos métodos e de software. 3 Introdução Problema de interesse Dado uma função determinar a existência e o valor de: Histórico Os primeiros estudos datam do Século IX, realizados por matemáticos árabes que difundiram a utilização do sistema decimal e do zero na escrita de números. Em 1746, D’Alembert enunciou o Teorema Fundamental da Álgebra, demonstrado por Gauss em 1799, que estabelece: “toda a equação polinomial de grau n possui exatamente n raízes”. O matemático Niels Abel, em 1824, provou que as equações de quinto grau ou superior não podem ser resolvidas por radicais e combinações de coeficientes. A partir destes resultados e até os dias atuais, os métodos de cálculo das n raízes de um polinômio de grau n são voltados aos métodos iterativos. :f 0)( que tal xfx 4 Introdução Características dos métodos iterativos Os métodos iterativos são constituídos por 4 partes principais: Estimativa inicial: uma ou mais aproximações para a raiz desejada. Atualização: uma fórmula que atualize a solução aproximada. Critério de parada: uma forma de estabelecer quando parar o processo iterativo em qualquer caso. Estimador de exatidão: está associado ao critério de parada e provê uma estimativa do erro cometido. 5 Introdução Critérios de parada Há 4 critérios básicos de parada de métodos iterativos: Tolerância relativa na variável: Tolerância absoluta na função: Número de DSE: Número máximo de iterações permitido: Comentários O segundo critério é, sempre que possível, preferido em relação ao primeiro por ser mais confiável. O terceiro critério fornece uma idéia mais clara da exatidão obtida. 1 1 i ii x xx 2)( ixf kxxDSE ii ),( 1 maxn 6 O método da bissecção Elementos básicos Usado para determinar uma solução para no intervalo , supondo: uma função contínua; . corta o eixo x em pelo menos um ponto no intervalo . 0)()( bfaf )(xf 0)( xf ba, )(xf ba, Algoritmo geral Calcular no ponto médio de : Se escolhe-se um novo intervalo de modo que tenha sinais opostos nas extremidades ou Repetir os passos anteriores até atingir a precisão desejada. )(xf ba, 2/)( bap 0)( pxf )(xf 0)()( pxfaf 0)()( pxfbf 7 O método da bissecção Algoritmo geral Um intervalo contendo uma aproximação para a raiz de é construído de um intervalo contendo a raiz, como segue: Calcule: Então, faça: ],[ 11 nn ba 0)( xf ],[ nn ba 0)()( se ; e 0)()( se ; e 11 11 nnnnnn nnnnnn pfafbbpa e pfafpbaa ,2,1 , 2 n ab ap nnnn 8 O método da bissecção Algoritmo )(*5.0 5.2 Fim.p/ vá,, saída :então 5.1 e e Enquanto 5. Fim.p/ vá,"inadequado intervalo" saída ,0 Se .4 e )( ),( Faça .3 1 , , Faça .2 )0)()(|,,f(x),b,(a, dadosEntrar .1 1 max22 11 11 max21 iii ii iii ba ba baba bap ba abaSe niff a,b ff ffbffaff ibbaa bfafn Pare. :Fim 7. " " saída , Se .8 Fimp/ vá," " saída , Se 7. iterações em exatidão aatingiu Não" saída , Se .6 1 4.5 )( , )( , :senão )( , )( , :então 0)( Se 5.3 12 12 max max 11 11 11 11 ib ia ibii iaii ibii iaii ai bpf apf n ni ii bffbb affpa bffpb affaa fpf 9 O método da bissecção Exemplo Determine a raiz de no intervalo 0104)( 23 xxxf 2,1 10 O método da bissecção Análise de convergência Para cada passo do método, o comprimento do intervalo conhecido é divido por 2. Então, pode-se escrever: Assim, pode-se determinar um limite para o número necessário de iterações para assegurar uma determinada tolerância TOL, ou seja: Seja p a raiz de f(x) e seja o erro na iteração j. Uma vez que Logo: nn ab pp 2 TOL ab n 2 n TOL ab 2 TOL ab n 2log jj ppE 0)()( , 2 1 1 1 jj jj j pfpf pp p 2 1 2 1 1 j jj j E EE E 2 1 lim 1 j j j E E O método da bissecção tem convergência linear 11 O método da bissecção Comentários Teoricamente, o método é seguro e converge em um número fixo de iterações, tanto menor quanto menor for o intervalo [a,b]. Contudo, poderão ocorrer dificuldades para: Identificar a existência de raízes em um intervalo [a,b] qualquer, ao longo do processo iterativo, se ocorrer um erro de arredondamento, mesmo que pequeno, no momento em que se avalia o sinal da função nos extremos ou no ponto médio de [a,b]. encontrar um intervalo inicial para funções que possuam raízes de multiplicidade par ou muito próximas, tais como aquelas ilustradas nas figuras abaixo. 12 O método da secante Elementos básicos Definir um intervalo e os pontos Construir a linha reta definida pelos pontos acima - secante de f(x). Escolher como solução a interseção da reta com o eixo x Repetir o procedimentos sucessivamente para os intervalos )(, e )(, 1100 pfppfp ))(,( 11 pfp ))(,( 00 pfp ],[ 01 pp ],[,],,[ ],,[ 12312 nn pppppp 13 O método da secante Formulação matemática A equação da linha secante através de é: A intersecção com o eixo x em (p2,0) satisfaz: Generalizando, resulta: ))(,( e ))(,( 1100 pfppfp )( )()( )( 1 01 01 1 px pp pfpf pfy )( )()( )(0 12 01 01 1 pp pp pfpf pf )()( ))(( 01 011 12 pfpf pppf pp ,2,1 ; )()( ))(( 1 1 1 n pfpf pppf pp nn nnn nn A interseção da secante com o eixo x poderá ocorrer fora do intervalo de interesse e, por isso, o método nem sempre converge. 14 O método da secante Critérios de parada Tolerância de convergência: Limite máximo de iterações: TOLpp nn 1 maxnn Advertência Embora algebricamente equivalente recomenda-se, para se evitar cancelamentos subtrativos, não substituir a equação de iteração )()( ))(( 1 1 1 nn nnn nn pfpf pppf pp )()( )()( 1 11 1 nn nnnn n pfpf ppfppf p por 15 O método da secante Exemplo Determine a raiz deno intervalo 0104)( 23 xxxf 2,1 Note que o resultado final foi obtido com 6 iterações, aproximadamente a metade do número de iterações realizadas pelo método da bissecção. 16 O método da posição falsa Elementos básicos Sob as mesmas condições iniciais do método da bisseção, particionar o intervalo [a,b] na interseção da reta que une os pontos definidos a seguir, com o eixo x. Pontos iniciais: Define-se então a solução p2 e um novo intervalo conforme a variação do sinal de f(x). )(, e )(, bfbafa 0pa 1pb Método da secante Método da posição falsa ))(,( afa ))(,( bfb 1pb 17 O método da posição falsa Passos principais Com a1=a e b1=b, a aproximação p2 é dada por: Calcule: Seguir o procedimento para p4,...,pn )()( ))(( 11 111 12 afbf abaf ap 2212 12 e :faça ,0)()( Se pbaa afpf 1222 12 e :faça ,0)()( Se bbpa bfpf )()( ))(( 22 222 23 afbf abaf ap 01 pa 11 pb ))(,( 11 bfb ))(,( 11 afa 18 O método da posição falsa Algoritmo geral Um intervalo , contendo uma aproximação para a raiz de , é encontrada de um intervalo contendo a raiz calculando-se: Então faça: )()( ))(( 1 nn nnn nn afbf abaf ap 0)()( se ; e 0)()( se ; e 1111 1111 nnnnnn nnnnnn pfafbbpa e pfafpbaa 1 para ],,[ 11 nba nn 0)( xf ],[ nn ba Embora aparentemente superior, o método da posição falsa converge mais lentamente que o método da secante. 19 O método da posição falsa Exemplo Determine a raiz de no intervalo 0104)( 23 xxxf 2,1 20 O método de Newton Elementos básicos Sejam f(x),f’(x) e f’’(x) contínuas em [a,b] e p o único zero de f(x) em [a,b]. Escolher uma solução inicial po para p Fazer uma expansão em série de Taylor para Tomando-se 2 termos das série, resulta: Obter: Obter aproximações subseqüentes para p de modo similar. 0)()( 00 ppfxf !2 )( )( !1 )()()( 2 0 0 0 0000 p pf p pfpfppf 0)()()( 00000 ppfpfppf )(/)( 000 pfpfp 001 ppp )(/)( 0001 pfpfpp 21 O método de Newton Algoritmo geral A aproximação para uma raiz de é calculada da aproximação usando-se a equação: ,2,1 ; )( )( 1 n pf pf pp n n nn 1np 0)( xf np 22 O método de Newton Exemplo Determine a raiz de no intervalo 0104)( 23 xxxf 2,1 )( )( 1 n n nn pf pf pp 23 O método de Newton Análise de convergência Considere p ser uma solução para e que f’’ existe em um intervalo contendo p e a aproximação pn. Expandindo f em série de Taylor para pn e calculando para x = p, resulta: Conseqüentemente, se , obtém-se: Substituindo-se na equação acima, resulta: 2)( 2 )( ))(()()(0 nnnn pp f pppfpfpf ξ está entre pn e p 2)( )(2 )( )( )( )( n nn n n pp pf f pf pf pp )( )( 1 n n nn pf pf pp 2 1 )( )(2 )( )( n n n pp pf f pp 0)( xf 0)( npf 24 O método de Newton Análise de convergência (cont.) Se existir uma constante positiva M tal que em um intervalo em torno de p, e se pn estiver neste intervalo, pode-se reescrever Como: Comentários O erro da (n+1)ésima aproximação é limitado por aproximadamente o quadrado do erro da (n)ésima aproximação O método de Newton converge quadraticamente se e se p0 é suficientemente próximo de p. 2 1 )( )(2 )( )( n n n pp pf f pp 2 1 )(2 n n n pp pf M pp Mxf )( 1 npp npp 0)( npf 25 O método de Newton Situações de dificuldades para o método de Newton Os gráficos abaixo ilustram situações em que ocorrem dificuldades para a convergência do método de Newton Caso 1 Caso 2 Caso 3 26 O Método da Iteração Linear - MIL Elementos gerais Seja uma função contínua em , intervalo que contém uma raiz de . O MIL consiste em: transformar em ; tomar um valor inicial para ; gerar uma seqüência de aproximações para pela relação , pois a função é tal que se e somente se Uma função que satisfaz a condição acima é chamada de função de iteração para a equação . A técnica descrita transforma o problema de resolver no problema de encontrar um ponto fixo de Exemplo: )(xf ba, 0)( xf )(xx 0xx kx )(1 kk xx )(x 0)( f )( 0)( xf 0)( xf )(x 0)( xf )(x 06)( 2 xxxf 26)( xxx 27 O Método da Iteração Linear - MIL Análise Ilustrativa da convergência Considere uma equação qualquer: Em geral podem ser definidas várias funções de iteração: Opção 1: Opção 2: 0)( xf )(1 xx )(2 xx )(2 xx )(1 xx y y kxk quando kxk quando 28 O Método da Iteração Linear - MIL Análise Ilustrativa da convergência (cont.) Equação: Opção 3: Opção 4: 0)( xf )(3 xx )(4 xx )(3 xx )(4 xx para converge não kx para converge não kx y y Note que nem todas as funções de iteração geram seqüências convergentes para a raiz de f(x)=0 29 O Método da Iteração Linear - MIL Análise formal de convergência Seja uma raiz da equação , isolada num intervalo [a,b], centrado em . Seja uma função de iteração para Se: e são contínuas em [a,b]; e; . então a seqüência gerada pelo processo iterativo converge para . 0)( xf )(x 0)( xf )(x )(x baxMx ,,1)( bax ,0 kx )(1 kk xx 30 O Método da Iteração Linear - MIL Exemplo numérico 1: Considere a equação , Aplicar o método MIL com e Análise das condições de convergência 06)( 2 xxxf 2 e 3 21 26)( xx 5.10 x 4609.3475)003906.59(6)( 003906.59)0625.8(6)( 0625.875.36)( 75.35.16)( 2 34 2 23 2 12 2 01 xx xx xx xx 26)( xx xx 2)( e em contínuas são )( e )( xx 2 1 2 1 121)( xxx Não existe um intervalo [a,b] centrado em ξ=2, tal que ],[,1)( baxx 31 O Método da Iteração Linear - MIL Exemplo numérico 2: Considere a equação , Aplicar o método MIL com e Análise das condições de convergência 06)( 2 xxxf 2 e 3 21 xx 6)( 5.10 x 00048.299809.16)( 99809.100763.26)( 00763.296944.16)( 96944.112132.26)( 12132.25.16)( 45 34 23 12 01 xx xx xx xx xx 75.51 62 1 1)( x x x Atendidas as condições do teorema 32 Análise de erro e Aceleração de Convergência Convergência linear Um método que produz uma seqüência de aproximações que converge para um número , converge linearmente se, para um valor elevado de , existe uma constante , tal que: np p n 10 M nn ppMpp 1 Convergência quadrática Um método que produz uma seqüência de aproximações que converge para um número , converge quadraticamente se, para um valor elevado de , existe uma constante , tal que: np p n M0 2 1 nn ppMpp 33 Análise de erro e Aceleração de Convergência Exemplo Suponha que converge linearmente para , converge quadraticamente para e suponha para ambos os casos. Então, tem-se: np 0p 0 0 3 0 2 23 0 2 012 001 .)5.0( .)5.0(.)5.0(5.0 .)5.0().5.0(5.0 ).5.0( pp pppMp pppMp ppMp n n 5.0M npˆ 0p nn pp pppMp pppMp ppMp n 2 0 12 8 0 7 24 0 32 23 4 0 3 22 0 2 12 2 0 2 01 ˆ.)5.0(ˆ .)5.0(ˆ.)5.0(5.0ˆˆ ˆ.)5.0(ˆ5.05.0ˆˆ ˆ).5.0(ˆˆ 34 Análise de erro e Aceleração de Convergência Exemplo numérico A tabela abaixo ilustra a velocidade relativa de convergência para zero destes limites de erro, supondo 1ˆ00 pp Observe-se que a convergência quadrática atingiu precisão de 10-38 em sete termos, enquanto que a convergência linear necessitaria de 126 termos. 35 Análise de erro e Aceleração de Convergência O método de Aitken É uma técnica que pode ser usada para acelerar a convergência de uma seqüência linearmente convergente, independente de sua origem ou aplicação. Suponha uma seqüência convergente com limite . Para construir uma seqüência que converge mais rapidamente para do que , assume-se que tenham o mesmo sinal e que seja suficientemente maior que: Então: 2 0nn p p nq p np pppppp nnn 21 e , n pp pp pp pp n n n n 1 21 pppppp nnn 2 2 1 222 2 1 2 1 2 pppppppppp nnnnnn 36 Análise de erro e Aceleração de Convergência O método de Aitken (cont.) Da expressão , tem-se: Resolvendo para p resulta: Define-se, então a seqüência , onde também converge para p, e, em geral, mais rapidamente. 2 222 2 1 2 1 2 pppppppppp nnnnnn 2 1212 2 nnnnnn ppppppp nnn nnn ppp ppp p 12 2 12 2 ou nnn nn n ppp pp pp 12 2 1 2 nnn nn nn ppp pp pq 12 2 1 2 0nn q 37 Análise de erro e Aceleração de Convergência O método de Aitken - Exemplo A seqüência onde converge linearmente para p = 1. Os primeiros termos de e são dados na tabela abaixo: 2 1nn p )/1cos( npn 1nn p 1nn q Note que a seqüência converge mais rapidamente para que 1nn q 1nn p1p 38 O Método de Müller Aspectos gerais Há um número significativo de problemas em que os métodos da secante, posição falsa e Newton não apresentam resultados satisfatórios. Na maioria dos casos, os resultados insatisfatórios ocorrem quando a função e sua derivada estão simultaneamente próximas de zero. Estes métodos não podem ser usados para o cálculo de raízes complexas, a menos que a aproximação inicial seja um número complexo com parte imaginária não-nula. O método de Müller, proposto em 1956, é uma generalização do método da secante, ao substituir a reta que passa por duas aproximações prévias, por uma parábola que passa por três aproximações prévias. Por suas características, o método de Müller também fornece raízes complexas de polinômios. 39 O Método de Müller Elementos principais O método de Müller utiliza o zero de uma parábola, formada usando três aproximações prévias, para determinar a próxima aproximação, conforme ilustrado na figura b. Considere o polinômio quadrático abaixo, que passa por . As constantes a,b e c são determinadas das seguintes condições: cpxbpxaxP )()()( 2 2 2 ))(,( e ))(,()),(,( 221100 pfppfppfp cppbppapf cppbppapf cppbppapf )()()( )()()( )()()( 22 2 222 21 2 211 20 2 200 Secante Parábola 0p 1p 2p 3p 40 O Método de Müller Determinação da intersecção A raiz de é determinada pela equação abaixo, em vez da tradicional “fórmula de Bahskara”, visando diminuir os erros de arredondamento. O sinal do radical é definido em conformidade com a opção de maior magnitude do denominador, visando evitar a subtração de números de magnitudes próximas, sendo p3 selecionado como a raiz de P(x) mais próxima de p2. . 0)()()( 2 2 2 cpxbpxaxP acbb c pp 4 2 2 23 0p 1p 2p 3p 41 O Método de Müller Algoritmo Dadas as aproximações iniciais , determine: . onde: Então, continue o processo iterativo com substituindo O método calcula aproximações para raízes complexas, desde que seja usado aritmética complexa, quando o radical acbbsignb c pp 4)( 2 2 23 210 e , ppp 2 2 2 0 2 1 2 1 2 0 2 0 2 1 2 0 1 1 2 0 2 0 2 1 2 0 2 1 2 0 1 ( ) ( ) [ ( ) ( )] ( ) [ ( ) ( )] ( )( )( ) ( )[ ( ) ( )] ( )[ ( ) ( )] ( )( )( ) c f p p p f p f p p p f p f p b p p p p p p p p f p f p p p f p f p a p p p p p p 321 e , ppp 210 e , ppp 042 acb 42 O Método de Müller Exemplo Considere o polinômio . Use o método de Müller e determine raízes deste polinômio para três diferentes condições iniciais para , com tolerância de precisão de 10-5. Caso 1: 62054016)( 234 xxxxxf 210 e , ppp 0 -0.5,,5.0 210 ppp * 1p 43 O Método de Müller Exemplo (cont.) Caso 2: Caso 3: Portanto: as raízes do polinômio são: 5.1 ,0.1,5.0 210 ppp 25.2 ,0.2,5.2 210 ppp * 2p * 3p 97044.1 24168.1 162758.0356062.0 * 3 * 2 * 1 p p ip 44 O Método de Müller Comentários finais O método de Müller pode ser utilizado para determinar as raízes de polinômios com uma variedade de condições iniciais. A técnica geralmente converge para qualquer escolha de condição inicial. Pacotes computacionais de uso geral que empregam o método de Müller exigem somente uma aproximação inicial por raiz ou, opcionalmente, podem gerar esta aproximação inicial. O método de Müller é mais eficiente que o método da secante, mas não tão eficiente quanto o método de Newton. Contudo, a facilidade de implementação e a maior segurança de que a raiz será encontrada quando se utiliza o método de Müller podem ser mais relevantes. Qualquer um dos métodos, secante, Newton e Müller, convergem rapidamente, uma vez que uma razoável aproximação inicial seja especificada. Tal condição poderá ser determinada usando-se os métodos da bissecção ou posição falsa. 45 Conclusões Resolução da equação f(x) = 0, onde f é uma função contínua. Se [a,b] é um intervalo em que f(a) e f(b) tem sinais opostos, então os métodos da bissecção e o método da posição falsa convergem. Contudo a convergência de ambos os métodos pode ser lenta. Convergência rápida pode ser obtida usando-se os métodos da secante e de Newton, porém, são necessárias condições iniciais relativamente próximas à raiz. Os métodos da bissecção e da posição falsa podem ser utilizados como métodos de partida para os métodos da secante e de Newton. O método de Müller apresenta convergência rápida sem restrições para a condição inicial, porém não tão rápida quanto o método de Newton. O método de Müller apresenta a vantagem adicional de permitir o cálculo de raízes complexas, sendo comumente empregado em pacotes computacionais. Existem métodos de alta ordem para a determinação de raízes de polinômios, tais como: Laguerre, Jenkins-Traub e Brent.
Compartilhar