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. ℜ→ℜ:f 0)( que tal =xfx 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 ε< − − i ii x xx 2)( ε<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 0)()( se ; e 0)()( se ; e 11 11 >∗== <∗== ++ ++ nnnnnn nnnnnn pfafbbpa e pfafpbaa …,2,1 , 2 = − += n ab ap nnnn …,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 +← ∗<− <>> >∗ ∗←← ←←← <∗ ε εε εε { } { } 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 ε ε 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 − − − += )( )()( )( 1 01 01 1 px pp pfpf pfy − − − += )( )()( )(0 12 01 01 1 pp pp pfpf pf − − − += )( )()( )(0 12 01 01 1 pp pp pfpf pf − − − += )()( ))(( 01 011 12 pfpf pppf pp − − −= )()( ))(( 01 011 12 pfpf pppf pp − − −= …,2,1 ; )()( ))(( 1 1 1 =− − −= − − + n pfpf pppf pp nn nnn nn …,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 1 1 − − + − − −= nn nnn nn pfpf pppf pp )()( )()( 1 11 1 nn nnnn n pfpf ppfppf p − − = − −− + )()( )()( 1 11 1 nn nnnn n pfpf ppfppf p − − = − −− + por 15 O método da secante � Exemplo � Determine a raiz de no 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 − − −=+ )()( ))(( 1 nn nnn nn afbf abaf ap − − −=+ 0)()( se ; e 0)()( se ; e 1111 1111 >∗== <∗== ++++ ++++ nnnnnn nnnnnn pfafbbpa e pfafpbaa 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 …+ ∆ ′′+ ∆ ′+=∆+ !2 )( )( !1 )()()( 2 0 0 0 0000 p pf p pfpfppf 0)()()( 00000 ≅∆∗′+=∆+ ppfpfppf 0)()()( 00000 ≅∆∗′+=∆+ ppfpfppf )(/)( 000 pfpfp ′−=∆ )(/)( 000 pfpfp ′−=∆ 001 ppp ∆+= 001 ppp ∆+= )(/)( 0001 pfpfpp ′−= )(/)( 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 1+np 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 2)( 2 )( ))(()()(0 nnnn pp f pppfpfpf − ′′ +−′+== ξ ξ está entre pn e p 2)( )(2 )( )( )( )( n nn n n pp pf f pf pf pp − ′ ′′ −= ′ +− ξ 2)( )(2 )( )( )( )( n nn n n pp pf f pf pf pp − ′ ′′ −= ′ +− ξ )( )( 1 n n nn pf pf pp ′ −=+ 2 1 )( )(2 )( )( n n n pp pf f pp − ′ ′′ −=− + ξ 2 1 )( )(2 )( )( n n n pp pf f pp − ′ ′′ −=− + ξ 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 − ′ ′′ −=− + ξ 2 1 )( )(2 )( )( n n n pp pf f pp − ′ ′′ −=− + ξ 2 1 )(2 n n n pp pf M 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 ϕ= 0xx = { }kx )(1 kk xx ϕ=+ ξ )(xϕ 0)( =ξf ξξϕ =)( 0)( =xf 0)( =xf )(xϕ 0)( =xf )(xϕ 06)( 2 =−+= xxxf 26)( xxx −==ϕ 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 ϕ= )(2 xx ϕ= )(2 xx ϕ= )(1 xx ϕ= y y { } ∞→→ kxk quando ξ { } ∞→→ kxk quando ξ 28 O Método da Iteração Linear - MIL � Análise Ilustrativa da convergência (cont.) � Equação: � Opção 3: � Opção 4: 0)( =xf )(3 xx ϕ= )(4 xx ϕ= )(3 xx ϕ= )(4 xx ϕ= { } para converge não ξkx { } para converge não ξkx 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 geradapelo processo iterativo converge para . ξ 0)( =xf ξ )(xϕ 0)( =xf )(xϕ )(xϕ′ [ ]baxMx ,,1)( ∈∀<≤′ϕ [ ]bax ,0 ∈ { }kx )(1 kk xx ϕ=+ ξ 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 =−= ξξ 26)( xx −=ϕ 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 ϕ ϕ ϕ ϕ 26)( xx −=ϕ xx 2)( −=′ϕe ℜ′ em contínuas são )( e )( xx ϕϕ 2 1 2 1 121)( <<−⇔<⇔<′ xxxϕ Não existe um intervalo [a,b] centrado em ξ=2, tal que ],[,1)( baxx ∈∀<′ϕ 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 =−= ξξ xx −= 6)(ϕ 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 ϕ ϕ ϕ ϕ ϕ 75.51 62 1 1)( <⇔< − ⇔<′ x x xϕ 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 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 M<0 2 1 nn ppMpp −≤− + 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 { }0=p ( ) 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 ≤ =≤≤ =≤≤ ≤≤ ⋮ 5.0=M { }npˆ { }0=p ( ) ( ) 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 1ˆ 00 == 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∆ { }∞=0nnp p { }nq p { }np pppppp nnn −−− ++ 21 e , n pp pp pp pp n n n n − − ≈ − − + ++ 1 21 pp pp pp pp n n n n − − ≈ − − + ++ 1 21 ( ) ( )( )pppppp nnn −−≈− ++ 2 2 1 ( ) 222212 1 2 pppppppppp nnnnnn ++−≈+− ++++ ( ) 222212 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∆ ( ) 222212 1 2 pppppppppp nnnnnn ++−≈+− ++++ ( ) 2 1212 2 ++++ −≈−+ nnnnnn ppppppp( ) 2 1212 2 ++++ −≈−+ nnnnnn ppppppp nnn nnn ppp ppp p +− − ≈ ++ ++ 12 2 12 2 nnn nnn ppp ppp p +− − ≈ ++ ++ 12 2 12 2 ou ( ) nnn nn n ppp pp pp +− − −≈ ++ + 12 2 1 2 ( ) nnn nn n ppp pp pp +− − −≈ ++ + 12 2 1 2 ( ) nnn nn nn ppp pp pq +− − −= ++ + 12 2 1 2 ( ) nnn nn nn ppp pp pq +− − −= ++ + 12 2 1 2 { }∞=0nnq 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∆ { }∞=1nnp )/1cos( npn = { }∞=1nnp { } ∞ =1nnq Note que a seqüência converge mais rapidamente para que { }∞=1nnq { }∞=1nnp1=p 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 cpxbpxaxP +−+−= )()()( 2 2 2 ))(,( e ))(,()),(,( 221100 pfppfppfp cppbppapf cppbppapf cppbppapf +−+−= +−+−= +−+−= )()()( )()()( )()()( 22 2 222 21 2 211 20 2 200 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 −± − =− 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 −+ −=− 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 = − − − − − = − − − − − − − − = − − − 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 62054016)( 234 +++−= xxxxxf 210 e , ppp 0 -0.5,,5.0 210 === 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 5.1 ,0.1,5.0 210 === ppp 25.2 ,0.2,5.2 210 === ppp 25.2 ,0.2,5.2 210 === ppp * 2p * 3p 97044.1 24168.1 162758.0356062.0 * 3 * 2 * 1 = = ±−= p p ip 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 Aplicação do MATLAB � Aspectos gerais � A função ROOTS é usada para calcular todas as raízes, reais e complexas, de um polinômio. � Para um função qualquer, FZERO é usada para calcular uma raiz próxima a aproximação inicial especificada, dentro de uma tolerância especificada. � Cálculo das raízes do polinômio: 62054016)( 234 +++−= xxxxxf 62054016)( 234 +++−= xxxxxf >> coef=[16 -40 5 20 6] coef = 16 -40 5 20 6 >> r=roots(coef) r = 1.9704 1.2417 -0.3561 + 0.1628i -0.3561 - 0.1628i 46 >> x=-1:.1:3; >> y=polyval(coef,x); >> plot(x,y) >> grid >> title('Grafico de f(x)') >> xlabel('eixo x') >> ylabel('eixo y') Aplicação do MATLAB � Aspectos gerais � Representação gráfica de na seqüência do cálculo das raízes. 62054016)( 234 +++−= xxxxxf 62054016)( 234 +++−= xxxxxf 47 Aplicação do Maple � Aspectos gerais � Determinar as raízes de . � Raízes reais: � Raízes reais e complexas: 62054016)( 234 +++−= xxxxxf 62054016)( 234 +++−= xxxxxf fsolve(16*x^4-40*x^3+5*x^2+20*x+6,x); ,1.241677445 1.970446079 fsolve(16*x^4-40*x^3+5*x^2+20*x+6,x,complex); − -0.3560617617 0.1627583829 I + -0.3560617617 0.1627583829 I 1.241677445, , , 1.970446079 48 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 convergências destes 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