Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Motivação 2 } Estudar métodos numéricos para a resolução de equações não lineares (determinar a(s) raiz(es) de uma função f(x)) ! Fundamentar a necessidade de uso de métodos numéricos para a resolução de equações não lineares ! Discutir o princípio básico que rege os métodos numéricos para a resolução de equações não lineares ! Apresentar uma série de métodos destinados à resolução de equações não lineares 3 } Em diversas aplicações há a necessidade de se encontrar um número ξ tal que a função f(x) seja zero, ou seja, f(ξ)=0. } À este número ξ atribui-se a denominação de raiz da equação f(x)=0 ou zero da função f(x). 4 } Equação ◦ Igualdade entre duas expressões matemáticas que se verifica para determinados valores das variáveis. } Função ◦ Relação entre dois conjuntos que abrange todos os elementos do primeiro e associa a cada elemento deste primeiro conjunto somente um elemento do segundo. 5 } Graficamente f(x) 6 Equações Algébricas Transcendentes 7 } Equação algébrica ◦ São todas as equações que podem ser colocadas na forma : } Equação Transcendentes ◦ Todas as equações que não são algébricas. .,...,2,1,0, onde ,0...)( 01 2 2 1 1 nic cxcxcxcxcxP i n n n nn =∀ℜ∈ =+++++= −− 8 } Calcule: ◦ Solução: 0562 =+− xx ( ) ( ) 1,5 2 166 1.2 5.1.4)6()6( 2 4 21 22 ==→ ± = → −−±−− =→ −±− = xxx x a acbb x 9 } Para equação algébricas de grau até 4 existem métodos analíticos que encontram suas raízes. ◦ Por exemplo para uma equação algébrica na forma } Porém para equações algébricas com grau acima de 4 são utilizados métodos numéricos para encontrar suas raízes. ( ) a acbbx cbxax 2 4 ,0 2 2 −±− = =++ 10 } Princípio Básico dos Métodos Numéricos 11 VALOR INICIAL APRIMORAMENTO DOS VALORES MÉTODOS MINIMIZAÇÃO DOS ERROS VALOR ACEITÁVEL DE RAIZ } Fases para a Determinação de Raízes a partir de Métodos Numéricos 12 FASE I Isolamento das raízes Determinação de um intervalo [a,b] (o menor possível) que contenha apenas uma raiz FASE II Refinamento das raízes Melhoramento do valor da raiz aproximada, convergindo para uma raiz exata (refinamento até a precisão desejada). MÉTODOS } FASE I: ISOLAMENTO DAS RAÍZES ◦ Realização de uma análise teórica e gráfica da função de interesse ◦ Precisão das análises é relevante para o sucesso da fase posterior 13 } TEOREMA 1: ◦ Sendo f(x) contínua em um intervalo [a, b], se f(a).f(b) < 0 então existe pelo menos um ponto x = ξ entre a e b que é zero de f(x). 14 } ANÁLISE GRÁFICA: 15 ξ1 ξ2 f(x) x ξ3 a b ξ b f(x) x a a ξ1 f(x) x ξ2 b } Graficamente f(x) | a | b | c | d | e | f Quais intervalos satisfazem a fase de isolamento de raiz dos métodos de Raízes de Equações? 16 } Exemplo 01: f(x) = x3 – 9x +3 17 n f(x) é contínua para ∀x ∈R. n I1 = [-5, -3] n I2 = [0, 1] n I3 = [2, 3] Cada um dos intervalos contém pelo menos um zero . + + + – – + + + – – – – f(x) 5 4 3 2 1 0 -1 -3 -5 -10 -100 -∞ x } OBSERVAÇÃO: ◦ Se f(a)f(b) > 0, então se pode ter diversas situações no intervalo [a, b]. 18 b f(x) x a f(x) a ξ f(x) x b ξ1 ξ2 x a b 19 Construção dos gráficos de g(x) e h(x) no mesmo sistema cartesiano Localização dos pontos x nos quais g(x) e h(x) se interceptam (f(ξ) = 0 ⇔ g(ξ) = h(ξ) ) Localização das abscissas dos pontos nos quais a curva intercepta o eixo ox Construção do gráfico de f(x) I Obtenção da equação equivalente g(x) = h(x) a partir da equação f(x) = 0 II Uso de programas para traçado de gráficos de funções III ANÁLISE GRÁFICA } Estudo Detalhado do Comportamento de uma Função a partir de seu Gráfico ◦ Domínio da função ◦ Pontos de descontinuidade ◦ Intervalos de crescimento e decrescimento ◦ Pontos de máximo e mínimo ◦ Concavidade ◦ Pontos de inflexão ◦ Assíntotas da função } (Vide LEITHOLD, L. O Cálculo com Geometria Analítica) 20 } Exemplo 02: f(x) = x3 – 9x +3 (Uso do método I ) 21 n ξ1 ∈[-4, -3] n ξ2 ∈[0, 1] n ξ3 ∈[2, 3] 3 3 -7 2 -5 1 3 0 11 -1 3 -3 -25 -4 f(x) x ξ3 f(x) x -4 1 -3 -2 -1 2 3 4 ξ2 ξ1 } MATLAB: ezplot('x^3-9*x+3',[-4,4]) 22 -4 -3 -2 -1 0 1 2 3 4 -20 -10 0 10 20 30 x x^3-9*x+3 } Exemplo 02: f(x) = x3 – 9x +3 (Uso do método II ) 23 n ξ1 ∈ (-4, -3) n ξ 2 ∈ (0, 1) n ξ 3 ∈ (2, 3) n g(x) = x3 n h(x) = 9x -3 ξ3 g(x) x -4 1 -3 -2 -1 2 3 4 ξ2 ξ1 h(x) y } MATLAB: ezplot('9*x-3',[-4,4]) 24 -4 -3 -2 -1 0 1 2 3 4 -40 -30 -20 -10 0 10 20 30 x 9*x-3 } Exemplo 03: f(x) = x logx – 1 25 n xlog(x) – 1 = 0 !log(x) = 1/x n g(x) = log(x) n h(x) = 1/x ξ ∈[2, 3] ξ g(x) x 1 2 3 4 h(x) y 5 6 } MATLAB: ezplot('1/x',[0,5]) 26 0 1 2 3 4 5 0.5 1 1.5 2 2.5 x 1/x } FASE II: REFINAMENTO ◦ Aplicação de métodos numéricos destinados ao refinamento de raízes Diferenciação dos métodos ð Modo de refinamento Método Iterativo ð Caracterizado por uma série de instruções executáveis sequencialmente, algumas das quais repetidas em ciclos (iterações) 27 } CRITÉRIOS DE PARADA ◦ Teste: xk suficientemente próximo da raiz exata? ◦ Como verificar tal questionamento? ◦ Interpretações para raiz aproximada x é raiz aproximada com precisão ε se: i. |x - ξ | < ε ou ii. |f( x )| < ε 28 Como proceder se não se conhece ξ ? } Redução do intervalo que contém a raiz a cada iteração ◦ Obtenção de um intervalo [a,b] tal que: ξ ∈ [a,b] e b – a < ε 29 |x - ξ | < ε , ∀ x ∈ [a,b] ∀x ∈ [a,b] pode ser tomado como x ξ b f(x) x a b – a < ε 30 Nem sempre é possível satisfazer ambos os critérios |f( x )| < ε |x - ξ | < ε Métodos numéricos são desenvolvidos de modo a satisfazer pelo menos um dos critérios 31 PROGRAMAS COMPUTACIONAIS Teste de Parada Estipulação do número máximo de iterações Prevenção contra loopings " erros do programa " inadequação do método ao problema Isolamento de Raiz Refinamento de Raiz Fase de Isolamento de Raiz Equações Algébricas Equações Transcendentes } A fase de Isolamento de Raiz das Equações Algébricas é facilitada pela existência de Teoremas referentes a limites e números de raízes. } Teorema 1: Uma equação algébrica de grau n, tem exatamente n raízes, contando cada raiz de acordo com a sua multiplicidade. ◦ Demonstração: J.V. Uspensky. Theory of Equations. Tata McGraw-Hill Pub.,Nova Deli, 1948. } Definição: Uma raiz tem multiplicidade m se .,...,3,2,1; 1 )()( Sendo 0)( e 0)(...)('')(')( mix i i i m m dx xPdP P PPPP == − = ≠ ===== ξ ξ ξ ξξξξ } Exemplo: Para a equação algébrica dada abaixo, qual a multiplicidade da raiz ξ=1 } Logo a multiplicidade de ξ=1 é m=3. 036)1('''1224)(''' 0)1(''241212)('' 0)1('142464)(' 0)1(514122)( 2 23 234 ≠=→+= =→−+= =→+−+==→−+−+= PxxP PxxxP PxxxxxP PxxxxxP Raízes de equações } Teorema 1: Uma equação algébrica de grau n tem n raízes reais e/ou complexas. } Teorema 2: Se os coeficientes de uma equação algébrica forem complexos, então suas raízes complexas serão complexos conjugados em pares, ou seja, se ξ=a+bi for uma raiz de multiplicidade m, então ξ=a-bi também será uma raiz com a mesma multiplicidade. } Exemplo: Calcule as raízes da seguinte equação algébrica. ( ) ii xxxP 32 2 64 2 364 2 52164 0134)( 2 ±= ± = −± = −± = =+−= ξ ξ } Teorema 1: Uma equação algébrica de grau n tem n raízes reais e/ou complexas. } Teorema 2: As raízes complexas de uma equação algébrica aparecem em pares. } Corolário 1: Uma equação algébrica de grau ímpar com coeficientes reais, tem ... pelo menos uma raiz real. } Teorema 1: Uma equação algébrica de grau n tem n raízes reais e/ou complexas. } Teorema 2: As raízes complexas de uma equação algébrica aparecem em pares. } Corolário 1: Uma equação algébrica de grau ímpar tem pelo menos uma raiz real. } Teorema 4 (Regra de Sinal de Descartes): O número de raízes reais positivas n+ de P(x)=0 é igual ao número de variações de sinais na sequencia de coeficientes ou é menor que este número por um inteiro par, sendo as raízes contadas de acordo com a sua multiplicidade e não sendo considerados os coeficientes nulos. } Qual é o número de raízes reais positivas de P(x)=0? 02414132)( 234 =+−−+= xxxxxP 2 1 0 ou 2=+n } Corolár io 2 Se P (x )=0 não possui r coeficientes nulos, então o número de raízes reais negativas é igual ao número de permanências de sinais na sequencia de coeficientes ou é menor que este número por um inteiro par. } Qual é o número de raízes reais positivas de P(x)=0? 02414132)( 234 =+−−+= xxxxxP 2 1 0 ou 2=−n } A Regra de Sinal de Descartes consegue discernir entre raízes reais positivas e negativas, mas não consegue separar raízes reais de complexas, por isso os valores de n+ e de n- são iguais o número encontrado ou menores que este número por um inteiro par. } Propriedades importantes : ◦ P1 - Toda equação algébrica de grau n possui exatamente n raízes: Exemplo: a equação x3 - x = 0 possui 3 raízes a saber: x = 0 ou x = 1 ou x = -1. Dizemos então que o conjunto verdade ou conjunto solução da equação dada é S = {0, 1, -1}. } Propriedades importantes : ◦ P2 - Se b for raiz de P(x) = 0 , então P(x) é divisível por x – b: Esta propriedade é muito importante para abaixar o grau de uma equação , o que se consegue dividindo P(x) por x – b. } Propriedades importantes : ◦ P3 - Se o número complexo a + bi for raiz de P(x) = 0 , então o conjugado a - bi também será raiz: Exemplo: qual o grau mínimo da equação P(x) = 0, sabendo-se que três de suas raízes são os números 5, 3 + 2i e 4 - 3i: Ora, pela propriedade P3, os complexos conjugados 3 - 2i e 4 + 3i são também raízes. Logo, por P1, concluímos que o grau mínimo de P(x) é igual a 5, ou seja, P(x) possui no mínimo 5 raízes. } Propriedades importantes : ◦ P4 - Se a equação P(x) = 0 possuir k raízes iguais a m então dizemos que m é uma raiz de grau de multiplicidade k: Exemplo: a equação (x - 4)10 = 0 possui 10 raízes iguais a 4. Portanto 4 é raiz de multiplicidade 10 . Outro exemplo: a equação x3 = 0, possui três raízes iguais a 0 ou seja três raízes nulas com ordem de multiplicidade 3. A equação do segundo grau x2 - 8x + 16 = 0, possui duas raízes reais iguais a 4, (x’ = x’’ = 4). Dizemos então que 4 é uma raiz dupla ou de ordem de multiplicidade dois. } Propriedades importantes : ◦ P5 - Se a soma dos coeficientes de uma equação algébrica P(x) = 0 for nula , então a unidade é raiz da equação (1 é raiz). Exemplo: 1 é raiz de 40x5 -10x3 + 10x - 40 = 0 , pois a soma dos coeficientes é igual a zero. } Propriedades importantes : ◦ P6 - Toda equação de termo independente nulo, admite um número de raízes nulas igual ao menor expoente da variável . Exemplo: a equação 3x5 + 4x2 = 0 possui duas raízes nulas. A equação x100 + x12 = 0, possui 100 raízes, das quais 12 são nulas! } Propriedades importantes : ◦ P7 - Se x1 , x2 , x3 , ... , xn são raízes da equação aoxn + a1xn-1 + a2xn-2 + ... + an = 0 , então ela pode ser escrita na forma fatorada : ao (x - x1) . (x - x2) . (x - x3) . ... . (x - xn) = 0 Exemplo: Se - 1 , 2 e 53 são as raízes de uma equação do 3º grau, então podemos escrever: (x+1) . (x-2) . (x-53) = 0, que desenvolvida fica : x3 - 54x2 + 51x + 106 = 0 . 59 } Os procedimentos de Refinamento de Raiz são procedimentos iterativos e portanto são constituídos dos seguintes elementos: ◦ Fórmula de Iteração ◦ Solução Inicial (x0) ◦ Critério de Parada ◦ Condição de Convergência } A fórmula de Iteração, cálculo da solução inicial (x0) e a condição de convergência são os elementos que diferem os métodos } Os Critérios de Parada são comuns a todos os métodos. } Os procedimentos de Refinamento de Raiz recebem como parâmetros: ◦ A equação f(x)=0 ◦ Um intervalo [a,b] onde a raiz de f(x)=0 é única. ◦ O parâmetro ε (precisão ou tolerância) ◦ O valor kmax indicando o máximo de iterações } Quanto menor o intervalo [a,b] melhor será o desempenho dos métodos de refinamento. Refinamento de Raiz Método da Bissecção Métodos Baseados em Aproximação Linear Métodos Baseados em Tangente } Métodos Iterativos para a Obtenção de Zeros Reais de Funções ◦ Bissecção ◦ Falsa Posição 64 Método da Bissecção 65 } O Método da Bisseção baseia-se no seguinte teorema: ◦ “Seja f uma função contínua em um intervalo [a,b]. Se f(a) × f(b) < 0 então existe pelo menos um ponto ξ ∈ [a,b] → f(ξ) = 0.” } Dada uma função f(x) contínua no intervalo [a,b] onde existe uma raiz única, é possível determinar tal raiz subdividindo sucessivas vezes o intervalo que a contém pelo ponto médio de a e b. 67 } Divide o intervalo [a,b] na metade. } Estima como raiz o ponto médio do intervalo. } Repete o procedimento para a metade do intervalo onde a função tem sinais contrários. } Executa o método até que um critério de parada seja atendido. } Definição do Intervalo Inicial ◦ Atribui-se [a,b] como intervalo inicial a0 = a b0 = b x1 = ( a0 + b0 ) / 2 ◦ Condições de Aplicação f(a)*f(b) < 0 69 } Definição de Novos Intervalos ◦ Determina-se qual o subintervalo – [a , x1] ou [x1 , b] – que contém a raiz Calcula-se o produto f(a)*f(x1) Verifica-se se f(a)*f(x1) < 0 Se verdadeiro ð ξ ∈ (a, x1) (Logo a = a e b = x1) Caso contrario " ξ ∈ (x1 , b) (Logo a = x1 e b = b) 70 ◦ Repete-se o processo até que o valor de x atenda às condições de parada. } Análise Gráfica 71 x a = a0 ξ f(x) b = b0 x1 = (a + b)/2 x1 x a = a1 ξ f(x) x1 = b1 x2 = (a + x1)/2 x2 x ξ f(x) x1=b2 x3 = (x2 + x1)/2 x2=a2 x3 Repete-se o processo até que o valor de x atenda às condições de parada. } Generalização ◦ Após n iterações, a raiz estará contida no intervalo: , de modo que ξ é tal que: 72 ⎟⎟ ⎟ ⎠ ⎞ ⎜⎜ ⎜ ⎝ ⎛ =⎥⎦ ⎤ ⎢⎣ ⎡ −− n 00 nn 2 abab ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛++ − <−ξ 1n 00 1n 2 abx } Tolerância (ε ) ◦ Aproximação de zero, dependente do equipamento utilizado e da precisão necessária para a solução do problema 73 A tolerância é uma estimativa para o erro absoluto desta aproximação. } Tolerância (ε ) ◦ Considerando : : deve-se escolher n tal que: 74 ⎟⎟ ⎟ ⎠ ⎞ ⎜⎜ ⎜ ⎝ ⎛ ++ − <−ξ 1n 00 1n 2 abx ε<− ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ +1n 00 2 ab } Condições de Parada ◦ Se os valores fossem exatos f(x) = 0 (xk – xk+1)/xk = 0 ◦ Uma vez que são aproximados |f(x)| ≤ tolerância |(xk – xk+1)/xk| ≤ tolerância 75 } Vantagens: ◦ Facilidade de implementação; ◦ Estabilidade e convergência para a solução procurada; ◦ Desempenho regular e previsível. 76 O número de interações é dependente da tolerância considerada 77 } Desvantagens: ◦ Lentidão do processo de convergência (requer o cálculo de f(x) em um elevado número de iterações); ◦ Necessidade de conhecimento prévio da região na qual se encontra a raiz de interesse (o que nem sempre é possível); ◦ Complexidade da extensão do método para problemas multivariáveis. 78 } Exemplo: f(x) = xlogx - 1 79 h(x) y ξ g(x) x 1 2 3 4 5 6 ξ 2 3 n Verificou-se que ξ ∈ [2, 3] } Exemplo: f(x) = xlogx - 1 ◦ Considerando o método da bissecção com tol = 0,002 e adotando [a0 ,b0] = [2, 3] como intervalo inicial, tem-se: ◦ Cálculo da 1ª aproximação x1 = (a0 + b0)/2 = (2,00000 + 3,00000)/2 ⇒ x1 = 2,50000 f(x1) = f(2,50000) = -0,00510 f(a0) = f(2,00000) = -0,39794 ◦ Teste de Parada |f(x1)| =|-0,00510| = 0,00510 > 0,002 80 } Exemplo: f(x) = xlogx – 1 ◦ Cálculo da 2ª aproximação Novo Intervalo f(a0).f(x1) = (-0,39794).(-0,00510) > 0 logo: a1 = x1 = 2,50000 e b1 = b0 = 3,00000 x2 = (2,50000 + 3,00000)/2 = x2 = 2,75000 f(2,50000) = -0,05100 < 0 f(3,00000) = 0,43140 > 0 f(2,75000) = 0,20820 > 0 ξ ∈ [2,5 ; 2,75] a2 = a1 = 2,50000 e b2 = x2 = 2,75000 81 Exemplo: 82 n x3 = (2,50000 + 2,75000)/2 = 2,62500 ! f(2,50000) = -0,05100 < 0 ! f(2,75000) = 0,20820 > 0 ! f(2,62500) = 0,10020 > 0 n x4 = (2,50000 + 2,62500)/2 = 2,56250 ! f(2,50000) = -0,05100 < 0 ! f(2,62500) = 0,10020 > 0 ! f(2,56250) = 0,04720 > 0 ! ξ ∈ [2,5 , 2,625] a3 = a2 = 2,50000 b3 = x3 = 2,62500 ! ξ ∈ [2,5 , 2,5625] a3 = a2 = 2,50000 b3 = x4 = 2,56250 k ak bk f(ak) f(bk) xk+1 f(xk+1) 0 2,50000 3,00000 -0,39794 0,43136 2,50000 -0,00510 1 2,50000 3,00000 -0,00515 0,43136 2,75000 0,20820 2 2,50000 2,75000 -0,00515 0,20816 2,62500 0,10021 3 2,50000 2,62500 -0,00515 0,10021 2,56250 0,04720 4 2,50000 2,56250 -0,00515 0,04720 2,53125 0,02090 5 2,50000 2,53125 -0,00515 0,02094 2,51563 0,00790 6 2,50000 2,51563 -0,00515 0,00787 2,50781 0,00140 83 Exemplo: f(x) = xlogx - 1 ε = 0,002 84 Método Falsa Posição 85 } Método da Bissecção ◦ Calcula a média aritmética dos limites do intervalo que contém a raiz ([a, b] ) } Método da Falsa Posição ◦ Calcula a média ponderada dos limites do intervalo que contém a raiz ([a, b] ) 86 } Método da Falsa Posição ◦ Calcula a média ponderada dos limites do intervalo que contém a raiz ([a, b] ) 87 X = a∗ f (b)− b∗ f (a)f (b)− f (a) x a ξ f(x) b X f(b) f(a) } Definição do Intervalo Inicial ◦ Atribui-se [a,b] como intervalo inicial a0 = a b0 = b ◦ Condições de Aplicação f(a)*f(b) < 0 88 } Definição dos Subintervalos ◦ Subdivide-se o intervalo pelo ponto de intersecção da reta que liga f(a) a f(b) e o eixo das abscissas ◦ Verifica-se se, através do teste de parada, se x1 é uma aproximação da raiz da equação (ξ) Se verdadeiro ð x1 é a raiz procurada Caso contrário ð define-se um novo intervalo 89 } Definição do Novo Intervalo ◦ Determina-se qual subintervalo - [a0 , x1] ou [x1 , b0] - contém a raiz ξ Calcula-se o produto f(a)*f(x1) Verifica-se se f(a)*f(x1) < 0 Se verdadeiro ð ξ ∈ (a0, x1) Logo: a1 = a0 e b1 = x1 Caso contrario ð ξ ∈ (x1, b0) Logo a1 = x1 e b1 = b0 90 ! Repete-se o processo até que o valor de x atenda às condições de parada. } Análise Gráfica 91 Repete-se o processo até que o valor de x atenda às condições de parada. x3 = (x2 x f(x1) + x1 x f(x2) ) / (f(x1) - f(x2)) x a = a0 ξ f(x) b = b0 x1 = (a x f(b) + b x f(a) ) / (f(b) - f(a)) x1 x a = a1 ξ f(x) x1 = b1 x2 = (a x f(x1) + x1 x f(a) ) / (f(x1) - f(a)) x2 x ξ f(x) x1 = b2 x2 = a2 x3 } Condições de Parada ◦ Se os valores fossem exatos f(x) = 0 (xk – xk+1)/xk = 0 ◦ Não o sendo |f(x)| ≤ tolerância |(xk – xk+1)/xk| ≤ tolerância 92 Exemplo: Considerando f(x) = xlogx - 1 93 h(x) y ξ g(x) x 1 2 3 4 5 6 Intervalo inicial atribuído: [2, 3] Considerando-se ε = 0,002 f(a0) = - 0,3979 f(b0) = 0,4314 f(a0) * f(b0) = - 0,017165< 0 94 Exemplo: n Cálculo da 1ª aproximação: a0 = 2 b0 = 3 f(a0) = - 0,3979 < 0 f(b0) = 0,4314 > 0 x1 = [2.0,4314 – 3.(- 0,3979)] = 2,4798 [0,4314 – (- 0,3979)] ! Teste de Parada l |f(x1)| =|- 0,0219| = 0,0219 > tolerância ! Escolha do Novo Intervalo l f(a0).f(x1) = (- 0,3979).(- 0,0219) > 0 logo: a1 = x1 = 2,4798 e b1 = b0 = 3 95 Exemplo: n Cálculo da 2ª aproximação: a1 = 2,4798 b1 = 3 f(a1) = - 0,0219 < 0 f(b1) = 0,4314 > 0 x2 = [2,4798.0,4314 – 3.(- 0,0219)] = 2,5049 [0,4314 – (- 0,0219)] ! Teste de Parada l |f(x2)| =|- 0,0011| = 0,0011 < tolerância ! Escolha do Novo Intervalo l f(a1).f(x2) = (- 0,0219).(- 0,0011) > 0 logo: a2 = x2 = 2,5049 e b2 = b1 = 3 96 Exemplo: n Cálculo da 3ª aproximação a2 = 2,5049 b2 = 3 f(a2) = - 0,0011 < 0 f(b2) = 0,4314 > 0 x3 = [2,5049.0,4314 – 3.(- 0,0011)] = 2,5061 [0,4314 – (- 0,0011)] ! Teste de Parada l |f(x3)| = |- 7,0118.10-5 | = 7,0118.10-5 < tol (valor aceitável de raiz) k ak bk f(ak) f(bk) xk+1 f(xk+1 ) 0 2,000000 3,000000 -0,3979000 0,431400 2,4798000 -0,021900 1 2,479800 3,000000 -0,0219000 0,431400 2,5049000 -0,001100 2 2,504900 3,000000 -0,0011000 0,431400 2,5061000 -0,000070 97 Exemplo: f(x) = xlogx - 1 ε = 0,002 Vantagens: } Estabilidade e convergência para a solução procurada; } Desempenho regular e previsível; } Cálculos mais simples que outros métodos (ex: Newton). 98 Desvantagens: } Lentidão do processo de convergência (requer o cálculo de f(x) em um elevado número de iterações); } Necessidade de conhecimento prévio da região na qual se encontra a raiz de interesse (o que nem sempre é possível). 99 Comparação entre os métodos 10 0 101 } Bissecção e Falsa Posição ◦ Convergência garantida, desde que a função seja contínua num intervalo [a,b] , tal que f(a)f(b)<0 n Garantias de Convergência dos Métodos 102 } Convergência assegurada } Ordem de convergência alta } Cálculos por iteração simples n Condições a Serem Satisfeitas pelo Método Ideal 103 } Escolha do método ð Diretamente relacionada com a equaçãocuja solução é desejada ◦ Comportamento da função na região da raiz exata ◦ Critério de parada, etc. n Conclusão 104 n Exemplo: x2 + x – 6 = 0 g(x) x y 1 3 4 5 0 -1 -2 -4 1 2 3 4 -4 -3 -2 -1 -6 -5 -3 2 ξ ∈ [1,2,5], ε1 = ε2 = 10 -6 105 n Exemplo: 18182,450482 x 102,450482 x 10--77--2,397253 x 102,397253 x 10--662,0000002,000000[1;2,5][1;2,5]FPMFPM 559,798250 x 109,798250 x 10--66--4,230246 x 104,230246 x 10--882,0000002,000000 xx00 = 1,0= 1,0 xx11 = 1,2= 1,2 SecanteSecante 445,820766 x 105,820766 x 10--10105,820766 x 105,820766 x 10--992,0000002,000000xx00 = 1= 1NewtonNewton 11115,696906 x 105,696906 x 10--771,139381 x 101,139381 x 10--662,0000002,000000xx00 = 1= 1Ponto FixoPonto Fixo 42428,548295 x 108,548295 x 10--88--2,479001 x 102,479001 x 10--662,0000002,000000[1;2,5][1;2,5]Falsa PosiFalsa Posiççãoão 20207,152561 x 107,152561 x 10--772,384186 x 102,384186 x 10--662,0000002,000000[1;2,5][1;2,5]BissecBissecççãoão # de # de iteraiteraççõesõesErro em xErro em xf(x)f(x)xx Dados Dados iniciaisiniciais 18182,450482 x 102,450482 x 10--77--2,397253 x 102,397253 x 10--662,0000002,000000[1;2,5][1;2,5]FPMFPM 559,798250 x 109,798250 x 10--66--4,230246 x 104,230246 x 10--882,0000002,000000 xx00 = 1,0= 1,0 xx11 = 1,2= 1,2 SecanteSecante 445,820766 x 105,820766 x 10--10105,820766 x 105,820766 x 10--992,0000002,000000xx00 = 1= 1NewtonNewton 11115,696906 x 105,696906 x 10--771,139381 x 101,139381 x 10--662,0000002,000000xx00 = 1= 1Ponto FixoPonto Fixo 42428,548295 x 108,548295 x 10--88--2,479001 x 102,479001 x 10--662,0000002,000000[1;2,5][1;2,5]Falsa PosiFalsa Posiççãoão 20207,152561 x 107,152561 x 10--772,384186 x 102,384186 x 10--662,0000002,000000[1;2,5][1;2,5]BissecBissecççãoão # de # de iteraiteraççõesõesErro em xErro em xf(x)f(x)xx Dados Dados iniciaisiniciais } Pesquise sobre outro método para cálculo de raízes: ◦ Apresente seus critérios de entrada, convergência ◦ Apresente seu funcionamento com exemplos ◦ Suas vantagens ◦ Desvantagens ◦ Compare-os aos demais métodos vistos em sala de aula 106 ◦ Ruggiero, M. A. Gomes & Lopes, V. L. da R. Cálculo Numérico: Aspectos teóricos e computacionais. MAKRON Books, 1996, 2ª ed. ◦ Asano, C. H. & Colli, E. Cálculo Numérico: Fundamentos e Aplicações. Departamento de Matemática Aplicada – IME/USP, 2007. ◦ Sanches, I. J. & Furlan, D. C. Métodos Numéricos. DI/UFPR, 2006. 107
Compartilhar