Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 nunesp CAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática – Ed. 2008 CAPÍTULO 1 ARITMÉTICA DE PONTO FLUTUANTE 1.1. Representação de Números num Sistema de Aritmética de Ponto Flutuante O Sistema Computacional de Aritmética de Ponto Flutuante é utilizado por calculadoras e computadores na representação dos números e execução das operações. Um número qualquer na base β em aritmética de ponto flutuante de t dígitos tem a forma: eddd t ββ ×± )...(. 21 onde • ( )tddd .... 21 é a mantissa, 10 −≤≤ βjd , tj K,1= ; • e é um expoente num intervalo [m, M]. Observações: • Os parâmetros m, M dependem da máquina utilizada. • Um número em aritmética de ponto flutuante está normalizado se 01 ≠d . • O número máximo de dígitos da mantissa (t) é definido em termos do comprimento da palavra do computador. • Dado um número N, sua representação em aritmética de ponto flutuante de t dígitos é efetuada por truncamento ou arredondamento. • Erros decorrentes da impossibilidade de se representar um número dado: "Overflow" SE e M> "Underflow" SE e m< Preservamos o máximo de exatidão normalizando todos os resultados. Exemplo: Considere o sistema de aritmética de ponto flutuante: 4,4,3,10 −==== mMtβ REPRESENTAÇÃO x ARREDONDAMENTO TRUNCAMENTO 1,25 2.71828 -238.15 0.000007 718235.82 0.125 × 10 0.272 × 10 -0.238 × 103 - - 0.125 × 10 0.271 × 10 -0.238 × 103 - - Uma representação com t dígitos na mantissa é dada estar em precisão simples. Um sistema de precisão dupla é um sistema de aritmética de ponto flutuante com aproximadamente o dobro de dígitos disponíveis para a mantissa. 2 Exemplo [FRANCO, 2006]: Seja um sistema de aritmética de ponto flutuante com as seguintes características: β = 2, t = 3, m = -1, M = 2 Quantos números podem ser representados neste sistema? Quais são estes números? Resolução: Os números abaixo de cada elemento da representação indicam o número de possibilidades na respectiva posição: { {{{ { 42 3 2 2 1 1 2 .0 eddd β×± Assim, a quantidade de números que pode ser representada é dada por: +=×××× 3242212 Representação do zero = 33 números. A tabela a seguir apresenta os números positivos possíveis neste sistema e a representação do zero. 12100.0 −× 12101.0 −× 12110.0 −× 12111.0 −× 02100.0 × 02101.0 × 02110.0 × 02111.0 × 12100.0 × 12101.0 × 12110.0 × 12111.0 × 22100.0 × 22101.0 × 22110.0 × 22111.0 × ZERO = 12000.0 −× Exemplo: Representar, no sistema de aritmética de ponto flutuante anterior, os seguintes números: 38.01 =x , 3.52 =x e 15.03 =x (números na base 10) Resolução: a) 38.01 =x Como a base do sistema é 2, é preciso converter os números para esta base1. 210 011000010.038.0 K= 1 1 2110.0 −×+=∴ x b) 3.52 =x 210 1015 = 210 0100110011.03.0 K= ⇒ 210 0100110011.1013.5 K= 3 2 2101.0 ×=∴ x (não pode ser representado: overflow). c) 15.03 =x 210 10010011001.015.0 K= 2 3 2100.0 −×=∴ x (não pode ser representado: underflow). 1 Para maiores detalhes sobre o processo de conversão, veja o apêndice no final do capítulo. 3 Exercícios [FRANCO, 2006]: 1) Considere o sistema de aritmética de ponto flutuante: β = 10, t = 3, m = -5, M = 5 Efetue as operações indicadas: a) (1.386 – 0.987) + 7.6485 b) 1.386 – (0.987 – 7.6485) c) 577.4 038.2338.1 − d) − 577.4 038.2 577.4 338.1 2) Para a expressão a seguir: 85.1716.3 617.9 471.3 678.17 2 × +=x , pede-se: a) Calcular x diretamente com o auxílio de uma calculadora (ou seja, sem utilizar um sistema de aritmética de ponto flutuante específico). b) Calcular x considerando o sistema: β = 10, t = 3, m = -4, M = 3 (arredondamento) 3) Considere o polinômio a seguir: 2.28.16.03.2)( 22 −+−= xxxxP Seja calcular o valor numérico de )(xP para 61.1=x . Ped-se: a) Calcular )61.1(P usando uma calculadora. b) Calcular )61.1(P considerando o sistema: β = 10, t = 3, m = -4, M = 3 (arredondamento) 1.2. ERROS ABSOLUTOS E RELATIVOS ERRO ABSOLUTO: É a diferença entre o valor exato de um número x e seu valor aproximado x : EA x x X = − Exemplo: ( )pi pi∈ 314 315. , . , um valor tomado dentro deste intervalo, EA pi pi pi= − < 0 01. (limitante superior p/ o módulo do erro) Exemplo: ( )x x EA x = ⇒ ∈ < 2112 9 2112 8 2113 01 . . , . ( ) 1.0 4.5,2.5 3.5 < ∈⇒ = yEA y y 4 ERRO RELATIVO: É o quociente do erro absoluto pelo valor aproximado: ER EA x x x x x x = = − Exemplo: 1.0 107,4 9.2112 1.0 9.2112 5 < ×≅<=⇒ = − x x x EA x EA ER x 1.0 02.0 3.5 1.0 3.5 < ≅<=⇒ = y y y EA y EA ER y ∴ o erro relativo fornece uma indicação do grau de precisão da representação. 1.3. ERROS DE ARREDONDAMENTO E TRUNCAMENTO EM UM SISTEMA DE ARITMÉTICA DE PONTO FLUTUANTE Se um dado número x não tem representação finita na base numérica empregada numa máquina, ou se o comprimento da palavra não comporta x, uma aproximação será obtida por arredondamento ou por truncamento. Seja um sistema de aritmética de ponto flutuante de t dígitos (base 10); x pode ser escrito na forma: .10 11.01010 <≤<≤×+×= − xx te x e x gefondegfx Exemplo: 7.02345.0 107.0102345.0 57.234,4 13 ==⇒ ×+×= == − xx gef x xt TRUNCAMENTO: O termo dodespreza é10 texg −× . Portanto, exfx 10×= ter)pode f que mínimo valor o é 0.1 (pois 10 101.0 10 10 10 )1|g| (pois1010 x 1 x +− − − −− = × < × × == <<×=−= t e te e x te xx x tete xx f g x EA ER gxxEA ARREDONDAMENTO: Arredondamento simétrico: ≥+× <× = − 2 1 ,1010 2 1 ,10 x tee x x e x gsef gsef x 5 110 2 1 101.0 1021 10 10 10 2 110 : 2 1 +− − − −− ×= × × < × × == ×<×=−= < t e te e x te xx x tete xx x f g x EA ER gxxEA gSe Se :21≥xg ( ) ( ) ( ) tetex tete x tee x te x e xx xg g fxgfxxEA −− −− −− ×≤×−= −×= +×−+×=−= 10 2 1101 1010 10101010 10 2 1 101.0 1021 10 1021 1010 1021 1+−−− − − ×= × × < × × < +× ×≤= t e te e x te tee x te x x ffx EA ER RESUMO TRUNCAMENTO EA ER x e t x t < < − − + 10 10 1 ARREDONDAMENTO 110 2 1 10 2 1 +− − ×< ×< t x te x ER EA Exemplo: 2 4 101272.0 ? 10937.0 ×= =+ ×= y yx x Resolução: A mantissa do número de menor expoente deve ser deslocada para a direita de um número de casas igual à diferença entre os dois expoentes. { 4 24 4 10127200.010937.0 ×=×= − yx 44 344 21 exato resultado 44 10938272.010)001272.0937.0( ×=×+=+∴ yx Para um sistema com t = 4: 4109382.0 xyx =+ (truncamento)4109383.0 xyx =+ (arredondamento) Para o caso de arredondamento: 5109841.2 9383.0 9383.0938272.0)()( − + ×= − = + +−+ = yx yxyxER yx 4141 10510 2 110 2 1 −+−+− ×==< t 6 Exemplo: 1 2 1 103290.0 101246.0 −×= ×= x x ( ) )( 101278.101278. 10003290.1246. 103290.101246. 1 21 1 111 21 otruncamentxx xx ×=+∴×= ×+=×+×=+ − Exemplo: x.y = ? Resolução: 6 6 24 101191864.0 10)1272.0937.0( )101272.0()10937.0(. ×= ××= ×××=yx 6101191.0. ×=∴ yx (truncamento). 6101192.0. ×=yx (arredondamento). O zero em ponto flutuante é, em geral, representado com o menor expoente possível da máquina. O exemplo a seguir ilustra a razão desta necessidade. Exemplo: 4 44 2 4 100012.0 10001234.010)001234.00000.0( 101234.0 100000.0 ×=+⇒ =×+=+⇒ ×= ×= yx xyx y x ∴ Exemplo de zero de ponto flutuante: 50100000.0 −× . 1.4. PROPAGAÇÃO DE ERRO 1.4.1. Expressões de Erros para as Operações Aritméticas Obtenção de expressões para os erros absoluto e relativo no resultado de cada uma das quatro operações aritméticas, como funções de seus operandos e de seus erros. (a) Adição (x+y) )()()()( yxyx EAEAyxEAyEAxyx +++=+++=+ ∴EA EA EA x y x y+ = + ER EA x y EA x x x y EA y y x yx y x y x y + + = + = + + + =. ⇒ ER ER x x y ER y x yx y x y+ = + + + . 7 (b) Subtração (x-y) EA EA EA x y x y− = − ER ER x x y ER y x yx y x y− = − − − . (c) Multiplicação: (x.y) x y x EA y EA xy xEA yEAx y y x. ( ).( )= + + = + + + ∴ ER x EA y EA x y y x. . .= + ER x EA y EA x y EA x EA yx y y x x y . . . . = + = + ∴ER ER ER x y x y. = + (d) Divisão (x/y) x y x EA y EA x EA y EA y x EA y EA y x y x y x y = + + = + + = + + − . 1 1 1 1 aproximaç ão do binômio r nr p rn( ) , /1 1 1+ ≅ + << ∴ ≅ + − x y x EA y EA y x y . 1 = − + − x y xEAy y EAx y2 ∴ ≅ + − ∴ ≅ − x y x y EA y x EA y EA EA y x EA y x y x y x y . . / 2 2 ∴EA y EA x EA yx y x y / . . = − 2 ER y EA xEA y y x EA x EA yx y x y x y / . .= − = −2 ∴ = −ER EA x EA yx y x y / ∴ER ER ER x y x y/ = − Exemplo: Sistema de aritmética de ponto flutuante t = 4 = 10β ×= ×= ×= − 1 3 4 102585.0 102145.0 107237.0 z y x números representados exatamente. 8 Efetuar as operações e obter o erro relativo no resultado (arredondamento) (a) x + y + z (d) (x y)/z (b) x - y -z (e) x . (y/z) (c) x/y Resolução de (b): {w x y z s s = − − 1 2 124 34 4 1 4 4 1 107237.0 1072369998.0 10)00000002.07237.0( ×=∴ ×= ×−=−= s yxs 4 2 44 12 314 1 107234.0 107234415.010)0002585.07237.0( 10 2 110 2 1 ×=∴ ×=×−=−= ×=×<∴ −+− s zss ERs ERs ERs s s z2 1 1 1 = − −. z s z RA 1 − + 143 2 102 1 7234.0 7237.010 2 1 +−− ×+×<∴ xERs 3 4 3 2 100002.1 107234.0 100002.1 − −− − ×< ×=−−∴ ×< zyxER zyx ERs Exercício: Supondo que x é representado num computador por x , onde x é obtido por arredondamento, obtenha os limites superiores para os erros relativos de u=2x e w=x +x . Respostas: ERu ERw t t < < − + − + 10 10 1 1 Exercício: Idem para u=3x e w = x + x + x Respostas: ERu e ERw xt t< <− + − +10 4 3 101 1 Exercício: Sejam x e y as representações de x e y obtidas por arredondamento em um computador. Deduza expressões de limite de erro para mostrar 9 que o limite do erro relativo de u = 3x y é menor que o limite do erro relativo de w= .)( yxxx ++ Respostas: ER x ER xu t w t< <− + − +2 10 7 3 101 1 Exemplo: Resolução do item (d) do exemplo anterior: { 1 1 134 1 101552.0 10152336.0102145.07237.0(. /).( 2 1 ×=∴ ×=×== = − s xyxs zyxw s s 4321 6004.0 6003868.0 10)2585.01552.0( 10 2 1 10 2 110 2 110 2 1 2 11 12 3 1 3141 1 =∴ = ×== <∴ ×==×<∴ − − −+−+− s zss ERs ERs t ∴ < + =− − −ERs 2 3 3 31 2 10 1 2 10 10 ∴( . ) / . ( . ) / x y z ER x y z = < − 0 6004 10 3 Resolução do item (e): w x y z s s = . ( / ) 1 2 123 124 34 4 1 413 1 108298.0 108297872.010)2585.02145.0( − −− ×= ×=×== s zys 6005.0 6005262.010)8298.07237.0(. 2 44 12 =∴ =×== − s xsxs ERs2 = ERs RA ERs1 2 3 31 2 10 1 2 10+ ∴ < +− − ⇒ < −ERs 2 310 10 ∴( . ) / . . ( / ) x y z ERx y z = < − 0 6005 10 3 Exemplo: Implementação com dígito de proteção ou dígito de guarda: (imediatamente à direita da mantissa do número de menor expoente). ( ) 3321 2 2 3 1 1007467.1003173.1064. 103173. 101064. ×=×−=+ ×−= ×= xx x x com dígito de guarda: x x x 1 2 27467 10+ =. sem digito de guarda: x x x 1 2 27460 10+ =. Exemplo: { 1 21 2 21 2 2 2 1 100655.100655. 101976.102631. ×=+∴×=+ ×=×= ivosignificat não zero xxxxx xx Exemplo: 99 21 10999.10999. ×=×= xx 43421 Supor que é o maior valor possível na representação da máquina: flutuantepontodeOverflowxx ""109998.1 9921 ⇒×=+∴ (interrupção). 1.4.2. Cálculo de Erros por Diferenciação de Funções Compostas Suponha que uma grandeza z dependa de duas outras, x e y, por uma determinada “lei”, ou seja: ),( yxfz = O erro incorrido em um cálculo de z, zEA , será expresso como uma função dos erros xEA e yEA , das grandezas x e y respectivamente, de acordo com a equação: ),(),( yxfEAyEAxfEA yxz −++= que pode assumir a forma [Maurer, 1968]: yxyxz EAEAEAy fEA x fEA 21 ηη ++∂ ∂ + ∂ ∂ = onde o binômio yx EAEA 21 ηη + corresponde a um infinitésimo de ordem superior em relação a xEA e yEA . De uma forma geral, o erro absoluto de z, zEA , será obtido com uma aproximação suficiente pela diferencial total da função f, ou seja: yxz EAy fEA x fEA ∂ ∂ + ∂ ∂ = 11 No caso geral, se z é uma função de n variáveis, nxxx ,,, 21 K , segundo uma determinada “lei”, ou seja: ),,( 21 nxxxfz K= com os erros absolutos das variáveis nxxx ,,, 21 K sendo dados por nxxx EAEAEA ,,, 21 K , o erro absoluto no cálculo de z, zEA , será obtido a partir da diferencial total: nx n xxz EA x fEA x fEA x fEA ∂ ∂ ++ ∂ ∂ + ∂ ∂ = K 21 21 Exemplo: determinar o valor de g a partir da fórmula do pêndulo simples, que é dada por: g lT pi2=a partir dos valores medidos para l e T . Considerar cml 100= , com cmEAl 05,0≤ , e sT 2= , com sEAT 01,0≤ [Maurer, 1968]. Resolução: g lT pi2= ⇒ 2 24 T lg pi= Como g é função de l e T , diferenciando-se em relação a estas variáveis, obtém-se: Tlg EAT l T EA T l l EA ∂ ∂ + ∂ ∂ = 2 2 2 2 44 pipi Tl EAT lEA T 3 2 2 2 84 pipi −= Substituindo os valores de l e T , e dos respectivos erros absolutos, considerando a situação de máximo erro possível, obtém-se: ( )01.0 2 100805.0 2 4 3 2 2 2 −×−×= pipi gEA ⇒ 363,10=gEA O erro relativo para o valor aproximado de g pode ser calculado facilmente a partir da definição de erro relativo. Inicialmente calcula- se o valor aproximado2 de g para os valores de l e T dados: 222 2 2 2 86961,9961,986 2 10044 s m s cm T lg ==== pipi 0105,0 961,986 363,10 === g EA ER gg ou %05,1=gER Exercício: Considere o problema de cálculo do seno de um ângulo de um triângulo retângulo. Obter uma expressão para o erro absoluto incorrido no cálculo do seno, a partir dos valores das medidas da hipotenusa e do cateto oposto e dos respectivos erros absolutos. Aplicar para os seguintes valores de medidas: cm5 (hipotenusa) e 2 O cálculo apresentado aqui não considera um sistema de aritmética de ponto flutuante específico, dado que a ênfase é obter os valores dos erros envolvidos. 12 cm4 (cateto oposto), admitindo um erro absoluto nas medidas de mm5,0 (em módulo). Resp.: 0.018 (Adaptado de [Maurer, 1968]). Exercício: Considere o problema de se determinar a distância c entre dois pontos A e B, a partir de um ponto de observação C, como mostra a figura a seguir: B a c A b C Para o triângulo ABC mostrado medem-se a hipotenusa a, o cateto b e o ângulo α cujo valor é de 45°. A distância c pode ser calculada por uma das três fórmulas a seguir: a) 22 bac −= ; b) αsenac = ; c) αtgbc = . Supondo que o processo de medição dos lados está sujeito a um erro de 1% e a do ângulo, a um erro de 2%, verificar qual das três fórmulas é a melhor para o cálculo de c. Resp.: Erro no cálculo de c: a) 0.03; b) 0.026; c) 0.041. Portanto a fórmula (b) é a melhor para o cálculo. (Adaptado de [Maurer, 1968]). 1.5. EFEITOS NUMÉRICOS Nos processos em que métodos numéricos são aplicados, o seguintes efeitos podem ser observados [FRANCO, 2006]: • Cancelamento subtrativo • Propagação de erros • Instabilidade Numérica • Mal condicionamento Os efeitos da propagação de erros nas operações foram estudados na seção anterior. Nesta seção consideramos os outros efeitos, conforme discutidos em [FRANCO, 2006]. a) Cancelamento subtrativo Exemplo: Seja calcular 9876 - 9875 , em um sistema com 10=β e .10=t 2109937806599.09876 ×= 2109937303457.09875 ×= Portanto, 2100000503142.098759876 ×=− Normalizando: { 2100000503142.098759876 −×=− ivossignificat nãozeros Observe-se que se os quatro dígitos significativos após a décima casa decimal não fossem “perdidos”, o resultado seria: 2105031418680.098759876 −×=− 13 Para este exemplo, em particular, pode-se obter um resultado mais preciso, utilizando-se da transformação mostrada a seguir [FRANCO, 2006]: ( )( ) yx yx yx yx yxyx + − = + + −=− 310060,19875110 1 98759876 9875987698759876 × = + − =−∴ -2105031418680,098759876 ×=−∴ b) Instabilidade Numérica Algoritmos estáveis são os algoritmos cujos erros intermediários ocorridos nos cálculos têm um efeito desprezível no resultado final, podendo até mesmo, em alguns casos, se cancelarem mutuamente, pelo menos em parte. Diz-se que uma instabilidade numérica ocorre se os erros intermediários têm uma influência muito grande no resultado final. Exemplo [FRANCO, 2006]: Seja resolver: ∫−= 1 0 1 dxexeI xnn Resolução: Fórmula de recorrência para nI : Aplicando-se a relação de integração por partes: ∫ ∫−= vduuvudv , produz-se: [ ] 1 1 0 111 1 0 11 0 1 1 − −−−−− −=−= −= ∫∫ nxnxnxnn nIdxexneeedxenxexeI K,2,1,1 1 =−=∴ − nnII nn 6321.01)1( 11 1 0 1 0 =−=−== −−− ∫ eeedxeeI x Conhecendo-se o valor 0I , calculam-se os demais valores da seqüência: 0.36796321.011 01 =−=−= II 2642.03679.02121 12 =×−=−= II 2160.01120.01480.01704.02074.0 76543 ===== IIIII Observa-se que o valor obtido para 7I está errado, pois a seqüência nI é decrescente. Observe-se que: 1 1)max( 1 010 1 1 0 1 + <⇒<= ∫∫ ≤≤ −− n IdxxeedxexeI n n x xxn n 43421 125.0 17 1 7 =+ <∴ I Diz-se que neste caso ocorreu uma instabilidade numérica. Observe- se se considerássemos 5 casas decimais nos cálculos, a instabilidade iria ocorrer no cálculo de 9I : 14 n nI n nI 0 0.63212 5 0.14560 1 0.36788 6 0.12640 2 0.26424 7 0.11520 3 0.20728 8 0.07840 4 0.17088 9 0.29440 Vamos supor que 0I seja afetado por um erro inicial 0ε e que todas as operações subseqüentes sejam calculadas exatamente. Assim, o erro no cálculo de nI pode ser calculado como indicado a seguir: ( ) ( ) )1(11 11111 1 −=−−=−−−=−= −−−−− − nnnnnnnn nIInInnIII n εε ε 43421 Já o cálculo de 1−nε é efetuado como indicado a seguir: ( )[ ] ( )( ) 43421 2 2222111 111)1(1 − −−−−−−− −−−=−−−−−=−= n nnnnnnn IInInInII ε ε ( ) ( )11 21 −−=∴ −− nn n εε De modo análogo, obtém-se para 2−nε : ( ) ( )12 32 −−= −− nn n εε Ou seja: ( ) ( ) ( ) ( )( ) ( ) ( )( ) ( )( ) ( )n nnnn nnn nnnnnn 11221 121111 0 3 3 2 21 −−−= =−−−=−−=−= −−− ε εεεε L L ( ) 0!1 εε nnn −=∴ Observa-se, portanto, que, o crescimento do erro é dado pelo fatorial do número de passos considerados. Um relação de recorrência instável na direção crescente de n não é necessariamente instável também na direção decrescente de n. Considere-se, por exemplo, a partir da relação para cálculo de nI : 11 −−= nn nII , obtém-se: n I I nn − = − 1 1 Observe-se que 0→nI quando ∞→n . Assumindo 020 =I , obtém- se, utilizando a expressão acima: n nI n nI n nI n nI 19 0,05000 14 0,06273 9 0,09161 4 0,17089 18 0,05000 13 0,06695 8 0,10093 3 0,20728 17 0,05278 12 0,07177 7 0,11238 2 0,26424 16 0,05572 11 0,07735 6 0,12680 1 0,36788 15 0,05902 10 0,08388 5 0,14553 0 0,63212 c) Mal condicionamento Problemas mal condicionados ou críticos são problemas que possuem infinitas soluções ou que não possuem nenhuma solução. 15 Exemplo; Seja resolver o sistema linear: =+ =+ 01.201.1 2 yx yx Solução: 1=x , 1=y . Alterando-se o sistema para: =+ =+ 02.201.1 2 yx yx Solução: 0=x , 2=y . Observa-se, portanto, que uma pequena modificação em um dos coeficientes implica em uma grande mudança na solução do sistema. Apresenta-se, a seguir, a interpretação geométrica, para o primeiro sistema. As equações das retas são as seguintes: xy −= 2 01.1 01.2 xy −= Plotando-se as duas retas, obtém-se o gráfico mostrado a seguir; Exemplo: Seja resolver o problema de valor inicial: =′ = =′′ by ay yy )0( )0( a, b: constantes. Resolução: xx eCeCxy −+= 21)( xx eCeCxy −−=′ 21)( Para 1=a e 1−=b , as equações das condições iniciais se tornam: −=−=′ =+= 1)0( 1)0( 21 21 CCy CCy ⇒ 01 =C e 12 =C 16 xexy −=∴ )( Observe-se que 0)( →xy quando ∞→x . Para 1=a e δ+−= 1b , com δ arbitrariamente pequeno, o sistema para determinação das constantes 1C e 2C se torna: +−=− =+ δ1 1 21 21 CC CC cuja solução é: 21 δ =C e 2 12 δ −=C . Substituindo na equação de )(xy , obtém-se: ( ) − +=−+= −+= − −−−− 222 1 2 )( xx xxxxxx ee eeeeeexy δδδδ xexy x senh)( δ+=∴ − Observe-se que neste caso ∞→)(xy quando ∞→x . Ou seja, houve uma grande mudança na característica matemática da solução. 1.6. REPRESENTAÇÕES EM DIFERENTES SISTEMAS DE NUMERAÇÃO a) Sistema decimal flutuante e xfx 10×= 110 1 <≤ xf 110 +−< txER (truncamento) 110 2 1 +−< txER (arredondamento) b) Sistema Binário de ponto flutuante e xfx 2×= 12 1 <≤ xf t xER −< 2 (arredondamento) 12 +−< txER (truncamento) c) Sistema Hexadecimal de Ponto Flutuante e xfx 16×= 116 1 <≤ xf t xER −×< 168 (arredondamento) t xER −×< 1616 (truncamento) Exercício: obter as expressões dos erros relativos para os sistemas binário e hexadecimal. 17 Diz-se que um computador digital tem uma precisão de t dígitos se há t dígitos na mantissa no número de ponto flutuante. A precisão está relacionada com o número de algarismos significativos. Também se diz que um computador tem t dígitos significativos se, quando os números são truncados, o limite do erro relativo é 10 1− +t . Exemplo: IBM 360 e 370 mantissa com 6 dígitos hexadecimais p = ? (dígitos significativos) sist. decimal = 10 101 1− + − +=td p sist. hexadecimal = 56 1616161616 −−− =×=× th ∴ =− + −10 161 5p ( ) 7 10ln 16ln51 10ln 16ln51 16ln510ln1 ≅⇒+= − =+− −=+− pp p p Exercício: computador binário com 27 bits na mantissa; p = ? (dígitos decimais significativos). Apêndice ao capítulo: breves considerações sobre sistemas de numeração A tabela a seguir sumariza algumas das características de algumas bases de sistemas de numeração: BASE DÍGITOS DENOMINAÇÃO 2 8 10 16 0,1 0,1,2,...,7 0,1,2,...,7,8,9 0,1,2,...,9,A,B,C,D,E,F, binário octal decimal hexadecimal Considere-se inicialmente o número 2526 (base 10), denotado aqui por 2526 10 Este número pode ser escrito em termos de potências da base como: 0123 10 1061021051022526 ×+×+×+×= Mudança de uma base para outra Para conversão de um número da base 10 para qualquer uma das outras bases, divide-se o número pela base, anotando-se o quociente e o resto. Caso o quociente seja diferente de zero, este deverá ser dividido pela base, anotando-se os novos valores de quociente e resto. O processo deve ser continuado até que se obtenha um quociente igual a 0. O número, na base de interesse, terá como dígitos os restos obtidos, justapostos em ordem contrária à de geração. Exemplo: Converter 29 10 para os sistema binários, octal e hexadecimal. 18 29 2 (1) 14 2 29 1110110 2= (0) 7 2 (1) 3 2 (1) 1 2 (1) 0 29 8 (5) 3 8 29 3510 8= (3) 0 29 16 (13) 1 16 29 110 16= D (1) 0 Para conversão da representação nas bases 2, 8 e 16, para a base 10, basta utilizar a representação do número em termos de potência das bases, como ilustrado no exemplo a seguir. Ex.: mostrar como são convertidos as representações 11101 2 , 35 10 8 16 e para base 10 ( ) ( ) ( ) 100116 10 01 8 1010 01234 2 29161316110 29858335 29212021212111101 =×+×= =×+×= =×+×+×+×+×= Para conversão da representação na base 2 para as bases 8 e 16, basta agrupar os bits da representação binária em conjuntos de ( ) ( )3 2 8 4 2 163 4= =e bits, respectivamente, como ilustrado no exemplo a seguir. Ex.: obter as representações nas bases 8 e 16 para o número 11101 2 {{011101 11101 35 2 2 5 2 2 3 2 8 2 0 1 0 ⇒ = + = + = 0001 1101 11101 1 2 2 2 13 2 1 2 16 3 2 0 0 123 123 ⇒ = + + = = D Os exemplos a seguir ilustra a conversão de números fracionários, de base 10 para base 2. Ex.: obter a representação, na base 2, do número 106875.0 19 0.6875 × 2 = 0.375 × 2 = 0.75 × 2 = 0.50 × 2 = 0.00 × 2 = 1. 0. 1. 1. 0. 375 75 50 00 00 ∴ =0 6785 0101110 2. . Observar que a conversão para a base 10 segue o mesmo esquema apresentado para inteiros, ou seja: ( ) 101043212 6875.0212120211011.0 =×+×+×+×= −−−− Ex.: obter a representação, na base 2, do número 0.110 0.1 × 2 = 0.2 0.2 × 2 = 0.4 0.4 × 2 = 0.8 0.8 × 2 = 1.6 0.6 × 2 = 1.2 0.2 × 2 = 0.4 0.4 × 2 = 0.8 0.8 × 2 = 1.6 0.6 × 2 = 1.2 . 01 0 00011001100 10 . . ...= Notar que o número 0110. não tem representação exata na base 2. CAPÍTULO 2 RESOLUÇÃO NUMÉRICA DE EQUAÇÕES INTRODUÇÃO Em muitos problemas de Ciência e Engenharia há a necessidade de se determinar um número ρ que anule uma determinada função F(x), isto é, F(ρ ) = 0. Este número ρ é chamado de raiz da equação F(x) = 0 ou zero da função )(xFy = . Classificação: (i) eq. algébricas: Ex.: x x x x4 3 25 6 4 8 0− + + − = (ii) eq. transcendentes: Ex.: x x x e xxsen ( ) cos+ + =2 4 Etapas no cálculo de uma aproximação para a raiz: (i) isolamento da raiz: determinação de um intervalo [a,b] o menor possível contendo uma e somente uma raiz da equação F(x) = 0 (ii) melhoramento do valor da raiz aproximada até o grau de exatidão requerido. EQUAÇÕES TRANSCENDENTES 2.1.1 ISOLAMENTO DE RAÍZES - MÉTODO GRÁFICO Uma raiz real de uma equação 0)( =xF é a abscissa de qualquer ponto no qual a função )(xFy = intercepta o eixo Ox : 20 Ex.: seja 2sen)( −−== xexFy x -2 -1 1 2 3 4 -1 -0.5 0.5 1 Como se observa, para esta equação, 06.1≅ρ . Pode-se também identificar duas funções g(x) e h(x) a partir da função F(x), impondo-se a condição de que F(x) = g(x) - h(x). Constroem-se os gráficos de y1 = g(x) e de y2 = h(x). Estes se interceptam num ponto cuja abscissa é x = x0: ⇒ g(x0) - h(x0) = F(x0) = 0 ⇒ ρ = x0 Exemplo: isolar todas as raízes da equação { 43421 )()( 2 2 )1(sen 1sen)( xhxg xx xxxF +−= −−= Gráfico de 2)( xxg = : -2 -1 1 2 1 2 3 4 21 Gráfico de h(x) = sen x + 1: -2 -1 1 2 0.5 1 1.5 2 Gráficos de g(x) e h(x) superpostos: -2 -1 1 2 1 2 3 4 Como se observa, há duas raízes reais, localizadas nos seguintes intervalos: )2,1( 2 )0,1( 1 ∈−∈ ρρ e . Exercício: Localize, graficamente, as raízes das equações abaixo: 032) 0 2 ) 01log) 039) 0)cos(4) 3 2 =− =− =− =+− =− xe xtgxd xxc xxb exa x x2.1.2 GRAU DE EXATIDÃO DA RAIZ Uma vez isolada uma raiz num intervalo [a,b] passa-se a calculá-la através de métodos numéricos. Estes métodos fornecem uma seqüência {xi}de aproximações cujo limite é a raiz exata ρ. TEOREMA: Seja ρ uma raiz isolada exata e ρ uma raiz aproximada da equação F(x)=0, com ρ e ρ pertencentes ao intervalo [a,b] e .b][a, intervalo nox todopara,0)(' >≥ mxF Então a seguinte desigualdade se verifica: m F )(ρρρ ≤− Exemplo: Sendo 1)sen()( 2 −−= xxxF , delimitar o erro cometido com ρ = 1.4 no intervalo [1,0,1,5]. Resolução: 22 )cos(2)('1)sen()( 2 xxxFxxxF −=⇒−−= Para achar o valor de m, pode-se visualizar o gráfico de )(' xF : Observa-se que m ocorre em 1=x . Outra forma: Designando ),cos(2 21 xyexy == sobrepondo-se os gráficos destas duas funções, obtém-se: 0.5 1 1.5 2 1 2 3 4 Observa-se que o menor valor (m) de F’(x) no intervalo [1,1.5] ocorre em x = 1.0, ou seja: m = (2)(1) – cos(1) = 1.460 =≤−∴ m F )(ρρρ 017,0 46,1 025,0 460,1 )4,1( == F 417,1383.1017,04,1 ≤≤⇒≤−=−∴ ρρρρ Observa-se que o cálculo de m é difícil de ser efetuado na maioria dos casos. Por esta razão, no cálculo de uma aproximação para uma raiz exata ρ de uma equação F(x) = 0, a cada aproximação obtida, xn, utiliza-se um dos critérios abaixo para comparação do resultado obtido com uma tolerância L prefixada: L nx nxnxiiiLnxnxiiLnxFi ≤ − − ≤ − −≤ 1)(1)()()( Observações: (a) 23 (b) O MÉTODO DA BISSECÇÃO Seja y = F(x) uma função contínua num intervalo [a,b] e F(a). F(b) < 0 Interpretação geométrica: Construção de uma seqüência { }x x x x xi n n= −0 1 1, ,..., , , tomando-se ρ = xn quando algum critério escolhido dentre os anteriores, por exemplo, x x Ln n− ≤−1 , for satisfeito: Na aplicação do método, a cada xi obtido, (i ≥ 1), calcula-se ∈ = − −i i ix x 1 e verifica-se i∈ satisfaz alguma condição especificada. Teorema: Seja y = F(x) uma função contínua num intervalo [a,b]. Se 0)()( <× bFaF então existe pelo menos um ponto x = ρ entre a e b que é zero de y = F(x). 24 Sob as hipóteses do teorema anterior, se )(' xFh = existe e preserva o sinal em (a, b), então este intervalo contém um único zero de y = F(x). ],[,0)(' baxxF ∈∀> ],[,0)(' baxxF ∈∀< . Aplicação do método da bisseção: <× <× = <× 0)()(),( 0)()(),( 0)()( ),( int bFxFsebx ou xFaFsexa médiopontox bFaF ba i ervalo novo i ii i 321 Exemplo: Determinar, usando o método da bisseção uma aproximação para a raiz da equação 01)sen()( 2 =−−= xxxF , no intervalo (1,2), com 0.01≤ε . Resolução: i a b Xm F(a) F(b) F(Xm) Ei 0 1,00 2,00 1,50 -0,84 2,09 0,25 1 1,00 1,50 1,25 -0,84 0,25 -0,39 0,25 2 1,25 1,50 1,38 -0,39 0,25 -0,09 0,13 3 1,38 1,50 1,44 -0,08 0,25 0,08 0,06 4 1,38 1,44 1,41 -0,08 0,08 0,00 0,03 Exemplo: Determinar, usando o método da bisseção uma aproximação para a raiz da equação 05)( =−= −xexxF , no intervalo (1,2), com grau de exatidão 0.01≤ε . 25 Resolução: i a b xi F(a) F(b) F(xi) ε i i ix x= − −1 0 1 2 3 4 5 6 1 1 1.25 1.38 1.38 1.41 1.43 2 1.5 1.5 1.5 1.44 1.44 1.44 1.5 1.25 1.38 1.44 1.41 1.43 1.44 -0.8 -0.8 -0.3 -0.08 -0.08 -0.03 -0.0007 0.7 0.1 0.1 0.1 0.02 0.02 0.02 0.1 -0.3 -0.08 0.02 -0.03 -0.0007 0.02 ε i x x= − = 1 0 0 25. ε 2 2 1 013= − =x x . ε 3 3 2 0 06= − =x x . ε 4 4 3 003= − =x x . ε 5 5 4 0 02= − =x x . ε 6 6 5 0 01= − =x x . Assume-se para aproximação da raiz o último valor obtido para xi, ou seja, 44.1=ρ . Algoritmo Adaptado para determinar uma aproximação para a raiz da equação ( ) 01sen2 =−−= xxxF . Início Defina F(x) = x^2-sen(x)-1 Solicite os extremos do intervalo, a e b Leia a, b Solicite a precisão P Leia P Xm=0 Repita Xma=Xm Xm=(a+b)/2 Se f(a)*f(xm) < 0 Então b=xm Senão se f(a)*f(xm) > 0 Então a=xm Senão Escreva ‘raiz = ‘, xm Pare Fim Se Fim Se Até que |xm-xma| ≤ P Escreva “aproximação”, (xm+xma)/2 Fim 2.1.4 MÉTODO DA ITERAÇÃO LINEAR (MIL) O MIL consiste em transformar a equação F(x) = 0 na equação )(xx ϕ= , tal que ( ) ( )F x x x= − =ϕ 0 , onde ( )ϕ x é chamada de função de iteração. Suponha que xo corresponda a uma primeira aproximação de ρ; geramos uma seqüência do seguinte modo: xo )( 01 xx ϕ= )( 12 xx ϕ= )(1 nn xx ϕ=+ Se }{ nx é uma seq. convergente, então ∃ ρ tal que ρ= ∞→ n n x lim Como ϕ é contínua: )()lim()(limlim 11 ρϕϕϕρ ==== − ∞→ − ∞→∞→ n n n n n n xxx Portanto, quando ,∞→n ).()(1 ρϕρϕ =→=+ nn xx Ou seja, .ρρ = 26 Exemplo: Seja 0)sen()( 2 =−= xxxF . Obter funções de iteração para esta equação. Resolução: xxx x xxa =−+ =− sen 0sen )( 2 2 ( ) xxxx sen 21 −+=∴ϕ ( ) senx= x sensensen 0sen 2 2 ± =+− =− xxxx xxb ( ) xx sen 2 =∴ϕ ( ) 2 2 222 2 sen sen sen 0sen xarcx xx xxxx xxc = = −=/−−/ =− ( ) 23 sen xarcx =∴ϕ Exemplo: Determinar uma aproximação para a raiz da equação ( )F x x x= − − =2 1 0sen no intervalo [1.0, 1.5], com grau de exatidão 310−∈≤ usando o M.I.L. Resolução: Função de iteração: ( ) 1sen 1sen 01sen 2 2 +=⇒ +=⇒ =−−= xx xx xxxF ( ) 1sen +=∴ xxϕ Processo Iterativo: ( ) ( ) 3.1 10 1sen 3111 = ≤−=+=⇒= − −++ o nnnnnnn x xxxxxx εϕ ( ) ( ) 4013.113.1sen1 =+== oxx ϕ 001.01013.03.14013.111 >=−=−= oxxε ( ) ( ) 4091.114013.1sen12 =+== xx ϕ 001.00078.0140134091.1122 >=−=−= xxε ( ) ( ) 4096.114091.1sen23 =+== xx ϕ 001.00005.0140914096.1233 <=−=−= xxε ∴ = ρ 14096. com grau de exatidão ≤ − 10 3 Obs.: ( ) ( ) ( ) 52 1038.614096.1sen4096.1 −−=−−= xF ρ . Exemplo: Seja determinar, iterativamente, uma aproximação para 5 . 27 (a) tentativa com a função de iteração simplificada: x a x ax ax = = =− 2 2 0 (função de iteração : )(xx ϕ= ) x a x =)(ϕ )( 5.1 5 1 0 nn xx x a ϕ= = = + 5.1 333.3 5)( 333.3 5.1 5)5.1()( 5.1 12 01 0 === ==== =∴ xx xx x ϕ ϕϕ ( ) 0x=xF equação da raiz a para converge não 5)( 333.3 5.1 5)( 2 1 23 =− ==∴ === + a x xx xx n nn ϕ ϕ (b) tentativa com uma função de iteração mais trabalhada: x a xaxax =⇒=⇒=− 22 0 +=∴= +=∴+=+ ++ n nnnn x a xxxx x a xxx x a xx 2 1)( 2 1 11 ϕ = = 5.1 5 0x a +=+ n nn x a xx 2 1 1 1n -3 :passo cada 10 :TOLERÂNCIA − −= ≤ nn xxa ε ε =−= = += +== = 917.05.1417.2 417.2 5.1 55.1 2 15 2 1)( 5.11 0 001 0 ε ϕ x xxx x =−= = +== 174.0417.2443.2 243.2 417.2 5417.2 2 1)( 2 12 ε ϕ xx =−= = +== 007.0243.2236.2 236.2 243.2 5243.2 2 1)( 3 23 ε ϕ xx 236.2236.2 10236.2236.2 236.2 236.2 5236.2 2 1)( 3 4 34 ≅⇒=∴ <−= = +== − ρρ ε ϕ xx Obs.: K2360679.25 = 28 Convergência no M.I.L. Para o caso da equação x = 5 , com 5.1 =ox , observamos que: ( ) convergenão x x 5 1 =ϕ ( ) converge x x+x 5 2 1 2 =ϕ Por quê? Para concluir sobre isto, basta verificar o comportamento do M.I.L. geometricamente. Observe-se inicialmente a situação ilustrada na figura a seguir: ( ) ( ) ( ) ( ) ( ) = = = = = 23 12 01 0 0 ... xx xx xx x xx xF LIM ϕ ϕ ϕ ϕ ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )x x xhxgxF xxxx ϕ ϕϕ = = =−= =−⇒= xh xg :onde 0 0 ( ) ( )( )1' ! direita pela = = → xg bissetrizéxgy xn ρ ( ) 1' <∴ xϕ numa vizinhança de ρ. Observe-se agora a situação ilustrada na figura a seguir: .1)(' ρϕ devizinhançanumax > A figura a seguir ilustra a situação de “convergência alternada”. 29 1)(' <xϕ Teorema da Convergência de M.I.L.: Seja xo uma aproximação para a raiz ρ da equação F(x) = 0 numa vizinhança [ ]., δρδρ +−=I Seja ϕ uma função de iteração para a equação F(x) = 0 e suponha-se que ϕ e ϕ ' sejam contínuos em I. Então, se ( ) , ,1 ' Ixx ∈∀<ϕ a sequência gerada por ( ) K,3,2,1,0 ,1 ==+ nxx nn ϕ converge para ρ. Observação: como o valor de ρ é desconhecido, substitui-se o valor de xo na derivada para se concluir sobre a convergência. Esboço da demonstração: M.I.L. ( ) ( )ρϕϕρ −=− −1nn xx Teorema do valor médio: ( ) ( ) ( ) ρεϕρϕϕρ −=−=−∴ −− 11 ' nnn xxx Seja L o valor máximo de ( )ϕ ' x no intervalo I, ou seja, ( ) Lx ' ≤ϕ no intervalo I. ρρ −≤−∴ −1 nn xLx Do mesmo modo ρε ρρ ρρρρ →⇒∀〈 −≤−∴ −≤−⇒−≤− −−− n n n nnnn xnIxLSe xLx ocontinuand xLxxLx aumentando , intervalo, todoem 1 0 0 2 2 21 ( ) ( ) diverge processo o 1 ' converge processo o 1 ' Ix x x ε ϕ ϕ ∀ > <∴ 30 Exemplo: estudar a convergência das funções de iteração do exemplo anterior. Resolução: ( ) 5.1 5 0 02 ===−= xaaxxF ( ) ( ) ( ) ( ) ( ) ρϕ ϕ ϕ ϕ para converge não 1 222.2 25.2 5 5.1 5 1 22 0 0 ' 1 2 ' 1 1 >==== −= = x a x x a x x a xa ( ) ( ) ( ) ( ) ( ) ρϕ ϕ ϕ ϕ para converge 1 < 611.0222.21 2 1 = 96.1 51 2 1 1 2 1 2 1 2 0 ' 2 2 ' 2 2 =− −= −= += x x a x x a xxb Observações: (1) A maior dificuldade de M.I.L. está em encontrar uma função de iteração ϕ satisfazendo o critério de convergência. (2) O teste ( ) 1 ' 0 <xϕ pode levar a um engano se 0x não estiver suficientemente próximo da raiz. (3) A velocidade de convergência dependerá de ( )ϕ ρ' : quanto menor este valor, mais rapidamente o processo convergirá. Exemplo: ( ) ( ) ( ) ( ) 1 555.0 9 5 ' 2360679.2 3 5 0 2 0 0 0 2 <==−= ≅ = = = =−= x a x x a x a x axxF ϕ ρ ϕ Aplicação: ( ) ( ) ( ) converge! não 667.1 999.2 5 999.2 667.1 5 667.1 3 5 3 23 12 01 0 === === === = xx xx xx x ϕ ϕ ϕ Exemplo: estudar a convergência das funções de iterações obtidas anteriormente para a equação ( ) 9.0 0sen 02 ==−= xparaxxxF , 31 obter uma aproximação para a raiz da equação. Resolução: ( ) ( ) ( ) iteração de funções sen sen sen 2 3 2 2 1 = = −+= xarcx xx xxxx ϕ ϕ ϕ Derivadas: ( ) ( ) x x x xx cos sen2 1 xcos12 ' 2 ' 1 ×= −+= ϕ ϕ ( ) x x x 2 1 1 4 ' 3 × − − =ϕ No ponto :9.0 0 =x ( ) ( ) ( ) ( ) ( ) ( ) ( )( ) ( ) ( ) ( ) 1 069.39.01 9.029.0 1 351.0 0885.2 622.0 9.0sen2 9.0cos9.0 1 178.29.0cos19.029.0 4 ' 30 ' 3 ' 20 ' 2 ' 10 ' 1 >= − × == <==== >=−+×== ϕϕ ϕϕ ϕϕ x x x ∴Somente ( ) 2 xϕ deverá convergir. Isolamento da raiz: ( ) ( ) ( ) ( ) ( ) .senxg= sen 2 2 xxhexxgondexh xxxF ==− −= Aplicação de M.I.L ( ) ( ) 320 10 sen e 9.0 −〈=== εϕϕ xxxx ( ) ( ) ( ) ( ) ( ) ( ) 001.0 878.0879.0sen 006.0 879.0885.0sen 015.0 885.09.0sen 9.0 323 212 101 0 ==== ==== ==== = εϕ εϕ εϕ xx xx xx x ( ) ( ) ( ) ( ) 3-545 434 10 877.0877.0sen 001.0 877.0878.0sen <=== ==== εϕ εϕ xx xx 877.0=∴ ρ é uma aproximação para ρ . Observação: ( ) ( ) ( ) ( ) 42 10051.3877.0sen877.0877.0 −=−== xFF ρ 32 Ordem de Convergência A ordem de convergência de um método fornece um medida da velocidade com que as iterações produzidas pelo método aproximam- se da solução exata. Assim, quanto maior for a ordem de convergência, mais rapidamente se aproximará da solução exta da equação [FRANCO, 2006]. Definição: Seja { }kx a seqüência gerada por uma aplicação de um método numérico e ρε −= kk x , onde kx representa a aproximação obtida na k-ésima iteração do método e ρ , a solução exata. Caso existam um número 1≥p e uma constante 0>c , tais que: cp k k k = + ∞→ ε ε 1lim então p será a ordem de convergência do método aplicado. Teorema: A ordem de convergência do MIL é 1=p (linear). Do teorema de convergência: ( )( )ρεϕρ −′=−+ kxk xx k1 , ( )ρε ,kx xk ∈ Assim, ( ) M x x kx k k ≤′≤ − −+ εϕ ρ ρ1 Logo a definição é satisfeita com 1=p e Mc = . Observação: Para k suficientemente grande: p kk c εε ≅+1 ⇒ p kk c 1−≅ εε ⇒ p k k k k ≅ − + 1 1 ε ε ε ε ⇒ ≅ − + 1 1 log log k k k k p ε ε ε ε Exemplo: Determinar a raiz positiva da equação: ( ) ( ) 0cos4 =−= xexxF Utilizando o MIL. Estimar também a ordem convergência da aplicação do método a esta equação. Resolução: Isolamento da raiz pelo método gráfico: 33 Como se vê, há duas raízes ( )1,21 −−∈ρ e ( )1,02 ∈ρ . A seguir obtém-se uma função de iteração para resolução da equação: ( ) 0cos4 =− xex ⇒ ( ) xex =cos4 ⇒ ( ) 4cos xex = ⇒ ( )4cos xearcx = ( ) ( )4cos xearcx =∴ ϕ Verificação quanto à convergência: ( ) ( ) ( ) ( )22 414441 1 x x x x e ee e x − − = ′ ×− − =′ϕ Para 9,00 =x , tem-se: ( ) ( ) 178.01544.3 4596.2 414 29.0 9.0 0 <== − − =′ e e xϕ Aplicação do MIL: 9,00 =x ( ) 9085.04cos 9.01 == earcx 0085.09.09085.0011 =−=−=∈ xx A tabela a seguir, construída no EXCEL, apresenta o resultado da aplicação do MIL, com a função de iteração anterior, para uma precisão 310−≤ε . A última coluna da tabela apresenta uma estimativa da ordem de convergência – valor de p – obtida a partir da expressão: ≅ − + 1 1 log log k k k k p ε ε ε ε i ix )( ixϕ i∈ p 0 0,9000 0,9085 1 0,9085 0,9018 0,0085 2 0,9018 0,9071 0,0067 3 0,9071 0,9030 0,0053 0,9939 4 0,9030 0,9062 0,0041 1,0048 5 0,9062 0,9037 0,0033 0,9962 6 0,9037 0,9057 0,0026 1,0030 34 7 0,9057 0,9041 0,0020 0,9977 8 0,9041 0,9053 0,0016 1,0018 9 0,9053 0,9044 0,0012 0,9986 10 0,9044 0,9051 0,0010 1,0011 11 0,9051 0,9045 0,0008 0,9991 12 0,9045 0,9050 0,0006 1,0007 13 0,9050 0,9046 0,0005 0,9994 14 0,9046 0,9049 0,0004 1,0004 15 0,9049 0,9047 0,0003 0,9997 16 0,9047 0,9049 0,0002 1,0003 17 0,9049 0,9047 0,0002 0,9998 18 0,9047 0,9048 0,0001 1,0002 Exercícios: (1) Calcular a raiz da equação ( ) .01.0 com 0ln2 ≤=+= εxxxF Usar o M.I.L. ( )65.0 : =ρR (2) Calcular a raiz da equação ( ) .01.0 com 0103 ≤=−= εxxF Usar o M.I.L. ( )15.2 : =ρR (3) Calcular a raiz da equação ( ) 0332 =−+= xexxF , -310 com ≤ε , usando o M.I.L. ( )3521.0 : =ρR Algoritmo: Adaptado para determinar uma aproximação para a raiz da equação ( ) 01sen2 =−−= xxxF , usando a função de iteração: ( ) 1sen += xxϕ Início (* MIL*) Defina Fi(x) = 1sen +x Solicite a aproximação inicial (x0) Leia Xv Solicite a precisão (E) Leia E Solicite o limite de iterações (N) Leia N Para i de 1 até N Faça Xn = Fi(Xv) Se |Xn – Xv| ≤ E Então Escreva “aprox “,Xn,“ com “,i,“ iteracoes” Saia da repetição Senão Xv=Xn Fim Se Fim para Se |Xn – Xv| > E Então Escreva “Aplicação não converge ou “ Escreva “grau de exatidão não”, “ pode ser alcançado com “, N, “ iterações” Fim Se Fim (* MIL *) O MÉTODO DE NEWTON-RAPHSON (N-R) Descrição Seja I um intervalo contendo a raiz ρ da equação F(x) = 0. Suponha-se que F'(x) ≠ 0 ∀ ∈x I. F(x) = 0 0)(' )( =−⇒ xF xF x xF xF x =−⇒ )(' )( )(' )()( xF xF xx −=∴ϕ 35 ∴ )(' )( 1 n n nn xF xF xx −=+ ,...2,1,0 )( = − n RN Como no M.I.L., o objetivo é gerar uma seqüência {xn} a partir de uma aproximação inicial xo: )(' )()( )(' )()( )(' )()( 1 1 1 112 0 0 001 n n nnn xF xF xxx xF xF xxx xF xF xxx −== −== −== + ϕ ϕ ϕ MM Encontra-se portanto uma aproximação xn+1 de ρ. Exemplo: Seja calcular uma aproximação para a raiz da eq. F(x) = x2 - senx - 1 = 0 no intervalo [1.0, 1.5], com grau de exatidão 310−≤ε , utilizando o método de N-R e adotando 3.10 =x . Resolução: xxxFy xxxFy cos2)('' 1sen)( 2 −== −−== Equação para iteração: − −− −=∴−= ++ kk kk kk k k kk xx xx xx xF xF xx cos2 1sen )(' )( 2 11 3101173.03.14173.1011 4173.1 3325.2 2736.0 3.1 )3.1cos()3.1(2 1)3.1sen(2)3.1( 3.11 3.10 − >=−=−= = − −= − −− −= = xx x x ε 4096.1 3100001.04097.14096.1233 4096.1 6590.2 41002.2 4097.1 )4097.1cos()4097.1.(2 1)4097.1sen(2)4097.1( 4097.13 0076.04173.14097.1122 4097.1 6817.2 0205.0 4173.1 )4173.1cos()4173.1.(2 1)4173.1sen(2)4173.1( 4173.12 =∴ − <=−=−= = − −= − −− −= =−=−= =−= − −− −= ρ ε ε xx x x xx x Interpretação Geométrica 36 )1( )1( 12 )1( )1()21( )1()21()1( )1( 21 0)1( xF xF xx xF xF xx xFxxxF xF xx xF tg ′ −=⇒ ′ −=−−⇒ =−′⇒ ′= − − =β )0( )0( 01 01)0( )0( )1(0()0()0( )0( 10 0)0( xF xF xx xx xF xF xxxFxF xF xx xF tg ′ −=⇒ −= ′ −⇒ −′=⇒ ′= − − =α O método de N-R é conhecido como método das tangentes. ∴ )(' )( 1 n n nn xF xF xx −=+ ,...2,1,0 )( = − n RN Obtenção da fórmula de N-R a partir do desenvolvimento de y= f(x) em série de Taylor ...).( !2 )("))(()f(x=f(x) :Taylor de Fórmula 2 00 000 +− +−′+ xxxf xxxf 0))(()( ...2,1,00))(()()( 1 11 =−′+⇒ ==−′+= + ++ nnnn nnnnn xxxFxF nxxxFxFxF 0)( )( 1 =−+ ′ ⇒ + nn n n xx xF xF ⇒ )( )( 1 n n nn xF xF xx ′ −=+ n = 0,1,2... SOBRE A CONVERGÊNCIA DO MÉTODO Para que um processo iterativo x x= ϕ( ) seja convergente, devemos ter 0,1)( Ix x ∈∀<′ϕ , onde I0 é uma vizinhança da raiz ρ da equação F(x)=0. 2))(( )(").( 2))(( )(").(2))((2))(( 2))(( )](").()().([ 1)( )( )()( xF xFxF xF xFxFxFxF xF xFxFxFxF x xF xF xx ′ = ′ +′−′ = ′ −′′ −=′⇒ ′ −= ϕ ϕ Portanto, o processo será convergente se 37 1)]([ )(").()( 2 < ′ =′ xF xFxF xϕ Observe-se que: 10)]([ )(").()( 0)( 2 <= ′ =′ =⇒= ρ ρρρϕ ρρ F FF Fx Se F’ e F’’ são contínuos em I, ϕ’ é contínua em I e, portanto, desde que ϕ ρ′ =( ) 0, existe uma vizinhança I I′⊂ tal que Ixx ∈∀<′ 1)(ϕ '. Conclusão: o método de N-R, quando pode ser aplicado, é sempre convergente. A dificuldade está em determinar este subintervalo I´ onde seguramente ϕ′ <( )x 1 . Exemplo: Para o problema de se determinar uma aproximação para a raiz da eq. F x x x( ) sen= − − =2 1 0 no intervalo [1.0, 1.5], com x0 1 3= . , estudar quanto à convergência as funções de iterações utilizadas nos métodos M.I.L. e N.R. Resolução: (a) M.I.L 1sen2 cos cos. 1sen2 1)(1sen)( + = + =′∴+= x x x x xxx ϕϕ 43421 1954.0 1)3.1sen(2 )3.1cos()( 0 <= + =′ xϕ 0 xse∴ estiver suficientemente próximo da raiz, a aplicação do método deverá ser convergente. (b) método de N-R xxFxxxFxxxF xF xFxF x sen2)(",cos2)(,1sen)( )( )(").()( 2 2 +=−=′−−= ′ =′ϕ [ ][ ] [ ] 43421 11490.0 )3.1cos()3.1.(2 )3.1sen(21)3.1sen()3.1( )( )(").()( 2 2 2 0 00 0 <= − +−− = ′ =′∴ xF xFxF xϕ Portanto, se 0x estiver suficientemente próximo da raiz, a aplicação do método deverá ser convergente. APLICABILIDADE DO MÉTODO N-R (Teorema de Fourier) É condição suficiente para a convergência do método de N-R que F´(x) e F"(x) não se anulem e mantenham sinais constantes numa vizinhança I de uma raiz ρ da equação F(x)=0 e que o processo se inicie num ponto Ix ∈0 tal que 0)(").( 00 >xFxF . 38 Exemplo: Calcular a raiz da equação 0sen)( 2 =−= xxxF usando o método de N-R )10;9.0( 30 −∈<=x Resolução: )( )( 1 n n nn xF xF xx ′ −=+ xxxF xxxF cos2)( sen)( 2 −=′ −= nn nn nn xx xx xx cos2 )sen( 2 1 − − −=⇒ + Condições para convergência: xxF xxxFa sen2)(" cos2)()( += −=′Conclui-se, pelo método grãfico, que ρ∈( . , )0 5 1 com relação a F´(x): 4434421 anula se .não sinal .preserva 0cos2)( )0.1,5.0( >−=′ ∈∀∴ xxxF x Com relação a F"(x): .0sen2)(",)0.1,5.0( >+=∈∀ xxFx 9.00 cos2 sen 2 1 0)0(").0( 783.2)9.0sen(2)9.0(")0(" 03.0)9.0sen(2)9.0()9.0()0()( = − − −=+ > =+== =−== x nxnx nxnx nxnx xFxF FxF FxFb [ ] [ ] 3100006.08773.08767.02 8767.0 1154.1 410395.6 8773.0 )8773.0cos()8773.0.(2 8773.0sen(2)8773.0( 8773.02 0227.09.08773.01 8773.0 1784.1 0267.0 9.0 )9.0cos()9.0.(2 )9.0sen(2)9.0( 9.01 − <=−= = = − −= − − −= =−= =−= − − −= ε ε x x x ∴ 8767.0=ρ Exemplo: Calcular a raiz da equação F(x) = 2x - cos x usando o método de N-R ( )410−∈< Resolução: 39 { {h(x) - g(x) = F(x) xcos2x ]5.0,0[∈∴ρ Função de iteração x xx xx x xx xx xxF xxxF n xF xF xx n nn nn n n nn sen2 )cos2()( sen2 )cos2( sen2)( cos2)( ...2,1,0)( )( 1 1 + − −=∴ + − −=⇒ −=′ −= = ′ −= + + ϕ Condições para convergência (suficientes) a. vizinhançna sinal o preservam e anulam se 0)(" 0)( ]5.0,0[ ]5.0,0[ cos)(" sen2)( não xF xF xxF xxF x > >′ ∈∀ ∈ = +=′ ρ 0)(").( 010cos)(" 010cos0.2)( 0 0)(").()( 00 0 0 0 00 <⇒ >== <−=−= = > xFxF xF xF x xFxFb 0)(").( 0878.0)5.0cos()(" 0>0.12=0.878-1)5.0cos(-)05.(2)( 5.0 00 0 0 0 >⇒ >== == = xFxF xF xF x Aplicação do método de N-R [ ] 4506.0 4794.2 1224.05.0 5.0sen2 )5.0cos()5.0.(25.0 5.0 sen2 )cos2( 1 0 1 =−= + − −= = + − −=+ x x x xx xx n nn nn [ ] 4502.0 4355.2 10014.14506.0)4506.0sen(2 )4506.0cos()4506.0.(24506.0 0494.05.04506.0 3 2 011 = −= + − −= =−=−= −x x xxε [ ] 4502.0 4355.2 1099.34502.0)4502.0sen(2 )4502.0cos()4502.0.(24502.0 0004.04506.04502.0 5 3 122 = −= + − −= =−=−= −x x xxε 40 4 233 10 −<−=∴ xxε ∴ 4502.0=ρ Ordem de Convergência do Método de N-R Teorema: Se F , F ′ e F ′′ são contínuas em um intervalo I , centrado em ρ , raiz da equação ( ) 0=xF , e se ( ) 0≠′ ρF , então a ordem de convergência do método de Newton-Raphson é quadrática ( 2=p ). Exemplo: Determinar a raiz positiva da equação: ( ) ( ) 0cos4 =−= xexxF Utilizando o método de N-R. Estimar também a ordem convergência da aplicação do método a esta equação. Resolução: ( ) ( ) xexxF −= cos4 ⇒ ( ) ( ) xexxF −−=′ sen4 Pelo método gráfico, conforme já apresentado na seção relativa ao MIL, a raiz positiva da equação se encontra no intervalo ( )1,0 e é próxima de 1. No entanto, como o objetivo é ilustrar a obtenção de uma aproximação para p , ordem de convergência, adotaremos 25.00 =x . Cálculo de 1x : ( ) ( ) ( ) ( ) 3899.12736.2 5916.225.0 25.0sen4 25.0cos425.0 25.0 25.0 0 0 01 = − −= −− − −= ′ −= e e xF xF xx 1399.125.03899.1011 =−=−= xxε A tabela a seguir, construída no EXCEL, apresenta o resultado da aplicação do método de N-R, para a obtenção de uma aproximação para a raiz da equação com exatidão até a quarta casa decimal. A última coluna da tabela apresenta uma estimativa da ordem de convergência – valor de p – obtida a partir da expressão: ≅ − + 1 1 log log k k k k p ε ε ε ε i ix ( )ixF ( )ixF ′ i∈ p 0 0,2500 2,5916 -2,2736 1 1,3899 -3,2945 -7,9490 1,1399 2 0,9754 -0,4089 -5,9640 0,4145 3 0,9068 -0,0115 -5,6267 0,0686 1,7784 4 0,9048 0,0000 -5,6166 0,0021 1,9505 5 0,9048 0,0000 -5,6166 1,851E-06 1,9977 6 0,9048 0,0000 -5,6166 1,508E-12 2,0000 Exercício Dada a função: F(x) = x ln x - 1 = 0 41 pede-se calcular uma aproximação para a sua raiz usando o método de N-R com 410−≤∈ ( )763.1=ρ Exercício: Usando o método de N-R determine a menor raiz positiva das equações abaixo. ( ) ( ) ( )43097.106)( 754.0cos2)( 2748.40 2 )( 5 2/ ==− == ==− ρ ρ ρ xc exb tgxxa x Considere 410−≤ε . Exercício: Seja F(x) = ex - 4x2 . Obter uma aproximação para ρ com 410−≤ε usando o método de N-R ( . )ρ = 0 7148 Algoritmo: Adaptado para determinação de uma aproximação para a raiz da eq. F(x) = 2x - cos(x) = 0 através do método de N-R. Início (* N-R *) Defina F(x) = 2x-cos(x) Defina DF(x) = 2 + sen(x) Solicite a aproximação inicial (x0) Leia Xv Solicite a precisão (E) Leia E Solicite o limite de iterações (N) Leia N Para i de 1 até N Faça Xn = xv – F(xv)/DF(xv) Se |Xn – Xv| ≤ E Então Escreva “aprox “,xn,“ com “,i,“ iteracoes” Saia da repetição Senão Xv=Xn Fim Se Fim para Se |Xn – Xv| > E Então Escreva “Aplicação não converge ou “ Escreva “grau de exatidão não”, ” pode ser alcançado com “, N, “ iterações” Fim Se Fim (* N-R *) 42 O MÉTODO DAS SECANTES A discussão a seguir é baseada em [FRANCO, 2006]. Uma série desvantagem do método de N-R é a necessidade de se ter que obter )(' xF , bem como calcular o seu valor numérico a cada passo. No método das secantes, a derivada )(' xF é substituída pelo quociente das diferenças : 1 1)()()(' − − − − = kk kk k xx xFxF xF onde 1, −kk xx são duas aproximações quaisquer para a raiz ρ . Substituindo na equação do método de Newton-Raphson, obtém-se: )()( )()( )()( )( )(' )( 1 1 1 1 1 − − − − + − − −= − − −=−= kk kkk k kk kk k k k k kk xFxF xFxx x xx xFxF xF x xF xF xx )()( )()( 1 11 1 − −− + − − = kk kkkk k xFxF xFxxFx x Observe-se que são necessárias duas aproximações iniciais para que a equação acima possa ser utilizada. Graficamente: 11 1 1 1 )()()()( +− − − − − = − − = kk k kk kk xx xF xx xFxF tg α )()()( 1 1 1 11 − − − +− − − = − ⇒ kk kk k kk xFxF xx xF xx )()( ))(( 1 11 11 − −− −+ − − −=⇒ kk kkk kk xFxF xxxF xx )()( )()( 1 11 1 − −− + − − =⇒ kk kkkk k xFxF xFxxFx x Exemplo: 0cos4)( =−= xexxF , )1,0(∈ρ , 9.0)(' ≅ρxF (método gráfico) 43 Resolução: 9.00 =x e 0.11 =x (valores arbitrados) ?2 =x ( 1=k ) 0.0268)9.0cos(4)( 9.00 =−= exF 5571.0)1cos(4)( 11 −=−= exF 9046.0 5839.0 5282.0 0268.05771.0 )0268.0)(1()577.0)(9.0( )()( )()( 01 0110 2 = − − = = −− −− = − − = xFxF xFxxFx x 0954.019046.0122 =−=−= xxε ?3 =x ( 2=k ) 5771.0)( 1 −=xF 0011.0)9046.0cos(4)( 9046.02 −=−= exF 9048.0 5582.0 5050.0 )5771.0(0011.0 )5771.0)(9046.0()0011.0)(1( )()( )()( 12 1221 3 == = −−− −−− = − − = xFxF xFxxFx x 0002.09046.09048.0233 =−=−= xxε ?4 =x ( 3=k ) 0011.0)( 2 −=xF 00004.0)9048.0cos(4)(9048.03 −=−= exF 9048.0 0010.0 0009.0 )0011.0(00004.0 )0011.0)(9048.0()00004.0)(9046.0( )()( )()( 23 2332 4 == = −−− −−− = − − = xFxF xFxxFx x 3 344 10 −<−= xxε Portanto, 9048.0=ρ , com 310−<ε . Ordem de Convergência – Método das Secantes [FRANCO, 2006] Teorema: A ordem de convergência do método das secantes é ( ) .618.1 2 51 ≅ + =p Exercício: Determinar, pelo método das secantes, uma raiz de cada uma das equações a seguir [FRANCO, 2006]: a) xx ln7.2−= b) 0ln =−− xe x 44 2.2 ESTUDO DAS EQUAÇÕES ALGÉBRICAS 2.2.1 INTRODUÇÃO Seja uma equação algébrica (polinomial) de grau ( )1≥nn : ( ) 0... 012211 =+++++= −−−− axaxaxaxaxP nnnnnn onde os coeficientes ai são números reais e an ≠ 0 TEOREMA FUNDAMENTAL DA ÁLGEBRA Todo eq. algébrica de grau n, n ≥ 1, tem exatamente n raízes, que podem ser reais ou complexas, e não necessariamente distintas. Uma raiz ρ da equação ( ) 0=xP é dita ter multiplicidade m se: ( ) ( ) ( ) ( )( ) ( )( ) 0 0..."' 1 ≠ ===== − ρ ρρρρρ m m P ePPP Exemplo: Mostrar que ρ = 2 é raiz da equação algébrica ( ) 08465 234 =−++−= xxxxxP com multiplicidade m = 3 Solução: ( ) ( ) ( ) 0424603242.122.152.42' 412154' 08824401682.42.62.522 23 23 234 =++−=++−=⇒ ++−= =−++−=−++−= P xxxxP P ( ) ( ) 0126048122.302.122" 123012" 2 2 =+−=+−=⇒ +−= P xxxP ( ) ( ) 01830482''' 3024''' ≠=−=⇒ −= P xxP 2 =∴ ρ é raiz e tem multiplicidade 3. 2.2.2 VALOR NUMÉRICO DE UM POLINÔMIO Dado um polinómio ( )xP , um problema que se coloca é o de calcular o valor numérico de ( )xP para x x= 0 , ou seja, ( )0xP . Observe-se que o cálculo de ( )0xP requer n adições e ( )2 1+nn multiplicações. De fato: ( ) { { produtoprodutosprodutos axaxaxaxP n n n n n n 0 1 01 1 1 0100 ... ++++= − − − 43421 ( ) ( ) ( ) 2 112...21 +=+++−+−+ nnnnn Foi utilizada acima a fórumla da soma dos termos de uma progressão aritmética. ( ) n. termosde número,1,com 2 . 1 1 === + = n n n ana aanS Então, se o grau n do polinômio for elevado (digamos, 20≥n ), o cálculo de ( )0xP , além de se tornar muito laborioso, é também ineficiente do ponto de vista computacional. 45 Exemplo: Dado o polinômio ( ) 5316231521023 23456789 −+−+−−+−+= xxxxxxxxxxP seja determinar ( )2P . Resolução: ( ) ( ) 3212 52.32.162.22.32.152.22.102.22.32 23456789 =⇒ −+−+−−+−+= P P 2.2.3 MÉTODO DE BRIOT-RUFFINI Dado o polinômio ( ) 0111 . axaxaxaxP nnnn ++++= −− K , dividindo-se ( )xP pelo binômio ( )cx − , obtém-se a igualdade: ( ) ( ) ( ){ { divisão da resto quociente polinômio rxQcxxP +−= onde ( )xQ é da forma: ( ) 12211 . bxbxbxbxQ nnnn ++++= −−− L Como determinar os coeficientes nibi ,,1, L= e o resto r? ( ) ( )( ) ( ) ( ) 12211 01 1 1 bxbxbxbxQ axaxaxaxP rcxxQxP n n n n n n n n ++++= ++++= +−= − − − − − L L ( )( ) ( ) ( ) ( ) ( ) rcbxcbbxcbb xcbbxcbbxb rcxbxbxbxb axaxaxa n nn n nn n n n n n n n n n n +−−+−+ +−+−+= +−++++ =++++ − −− − − − − − − − 121 2 32 2 12 1 1 12 2 1 1 01 1 1 L L L Obtém-se, da redução a termos semelhantes: 01 121 212 11 . . . . abcr abcb abcb abcb ab nnn nnn nn += += += += = −−− −− M Ou, equivalentemente, 01 1 . Ruffini)-Briot de (algoritmo11. abcr nkabcb ab knknkn nn += −≤≤+= = −+−− EXEMPLO: Seja dividir ( ) 10167 23 −+−= xxxxP pelo binômio ( )2−x , usando o método de Briot-Ruffini Solução: ( ) ( ) ( ) ( ) 1223 .2 bxbxbxQ rxQxxP ++= +−= 46 Cálculo dos bi's i = 1 2 3, , ( ) ( ) 6165.2. 571.2. 1 121 232 33 =+−=+= −=−+=+= == abcb abcb ab Cálculo do resto: ( ) ( ) 2 65 2106.2 2 01 = +−=∴ =−+=+= r xxxQ acbr Usando o dispositivo prático de Briot-Ruffini: ai s'6 74444444 84444444 1 7 16− -10 2 2 10− 12 1 5 6− bi s' 1 2444 3444 { r 2 Exemplo: Seja dividir ( ) 10167 23 −+−= xxxxP Pelo binômio ( )3+x , usando o dispositivo prático de Briot-Ruffini. Resolução: 1 7 16− -10 -3 − 3 30 -138 1 10 46− -148 ( ) 148 46102 −= +−=∴ R xxxQ Observe-se que: ( ) ( ) ( ) ( ) 148103163.733 23 −=−−+−−−=−P Teorema: o valor numérico de ( )xP em x c= é igual ao resto da divisão de ( )xP por ( )cx − Demonstração: ( ) ( ) ( ) ( ) ( ) ( ) ( ) rcP rcQcccP cx rxQcxxP =⇒ +−=⇒ = +−= . Exemplo: Dado o polinômio ( ) ,5316231521023 23456789 −+−+−−+−+= xxxxxxxxxxP seja calcular ( )2P usando o dispositivo prático de Briot-Ruffini. Resolução: 3 2 -10 2 -15 -3 2 -16 3 -5 2 6 16 12 28 26 46 96 160 326 3 8 6 14 13 23 48 80 163 321 ( ) 3212 =∴P 47 Teorema: o valor numérico da derivada de ( )xP para x c= é igual ao resto da divisão de ( )xQ por ( )cx − , onde ( )xQ é o polinômio quociente da divisão de ( )xP por ( )cx − . Demonstração: ( ) ( ) ( ) tecons rxQcxxP tan . +−= ( ) ( ) ( )( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )cQcP cQcccQcQcP temoscxpara cxxQxQxP =⇒ =−+= = −+= ' .'' :, '' Pelo teorema anterior sabemos que ( )cQ é igual ao resto da divisão de ( )xQ pelo binômio ( )cx − . Exemplo: Dado o polinômio ( ) 030202 23 =+−−= xxxxP seja calcular ( )2'P usando o dispositivo prático de Briot-Ruffini. Resolução: 1 -2 -20 +30 2 2 0 -40 1 0 -20 -10 2 2 4 1 2 -16 ( ) 102 −=∴P e ( ) 162' −=P Observe-se que: ( ) ( ) ( ) (( ) ) 3020230202 30202 2 23 +−−=+−−=⇒ +−−= xxxxxxxP xxxxP ( ) (( ) ) 103040302202222 −=+−=+−⋅−=∴P ( ) ( ) ( ) ( ) 1620420242.32' 20432043' 2 −=−=−⋅−=⇒ −−=−−= P xxxxxP 2.2.4 MÉTODO DE HORNER ( ) ( ) (( ) ) (({ ) ) 0121 1 012 3 1 2 012 2 1 1 01 2 2 1 1 )( axaxaxaxa axaxaxaxa axaxaxaxa axaxaxaxaxP nn n n n n n n n n n n n n n +++++= +++++= +++++= +++++= − − − − − − − − − − LL M L L L Exemplo: Dado ( ) 84252 234 −+−−= xxxxxP , calcular ( )3P (Horner). Resolução: ( ) ( ) ( )( ) ( )( )( ) 84252 84252 84252 84252 2 23 234 −+−−= −+−−= −+−−= −+−−= xxxx xxxx xxxx xxxxxP 48 ( ) ( )( )( ) ( ) 13383432353.23 =⇒−⋅+⋅−⋅−=∴ PP Exemplo: Dado ( ) ,5316231521023 23456789 −+−+−−+−+= xxxxxxxxxxP calcular ( )2P pelo método de Horner. Resolução: ( ) ( ) ( )( ) ( )( )( ) ( )( )( )( ) ( )( )( )( )( ) ( )( )( )( )( )( ) ( )( )( )( )( )( )( ) ( )( )( )( )( )( )( )( ) ( ) ( )( )( )( )( )( )( )( ) 32152321622232152221022232 5316231521023 5316231521023 5316231521023 5316231521023 5316231521023 5316231521023 5316231521023 5316231521023 5316231521023 2 23 234 2345 23456 2345672345678 23456789 =−+−+−−+−⋅+⋅=∴ −+−+−−+−+= −+−+−−+−+= −+−+−−+−+= −+−+−−+−+= −+−+−−+−+= −+−+−−+−+= −+−+−−+−+= −+−+−−+−+= −+−+−−+−+= P xxxxxxxxx xxxxxxxxx xxxxxxxxx xxxxxxxxx xxxxxxxxx xxxxxxxxx xxxxxxxxx xxxxxxxxx xxxxxxxxxxP Observe-se que é possível obter a forma fatorada final diretamente, em um único “passo”: ( ) ( )( )( )( )( )( )( )( )xxxxxxxxx xxxxxxxxxxP 3210215321635 3210215321635 98765432 ++−++−+−++−++−= ++−+−−+−+−= 2.2.5 MÉTODO DE BIRGE-VIETA O algorítmo obtido quando usamos os resultados dos teoremas anteriores para aplicar o método de N-R é chamado de método de Birge-Vieta: ( ) ( ) ,...2,1,0'1 =−=+ nxP xP xx n n nn onde: ( )nxP é o resto da divisão de ( )xP por ( )nxx − ( )nxP' é o resto da divisão do quociente obtido quando do cálculo da divisão de ( )nxP pelo binômio ( )nxx − . Exemplo: Calcule uma aproximação ρ para a raiz ρ de ( ) 4616327633 −+−= xxxxp no intervalo (20,25) tal que 210−<ε , usando o método de Brige-Vieta. Assumir x0 22 5= . como aproximação inicial da raiz. Resolução: Cálculo de 1x : )5.22(' )5.22(5.22)(' )( 0 0 01 P P xP xP xx −=−= Dispositivo prático de Briot-Ruffini: 49 3 -76 +163 -46 22.5 67.5 -191.25 -635.63 3 -8.5 -28.25 -681.63 22.5 67.5 1.327,5 3 59 1.299,25 = P'(22.5) 02.23 25,299.1 63.6815.221 = − −=⇒ x 52.05.2202.23011 =−=−= xxε Cálculo de 2x : )02.23(' )02.23(02.23)(' )( 1 1 12 P P xP xP xx −=−= Dispositivo prático de Briot-Ruffini: 3 -76 +163 -46 23.02 69.06 -159.76 +74.61 3 -6.94 +3.24 +28.61 23.02 69.06 1.430.00 3 61.12 1.433.24 = P'(23.02) 00.23 24.1433 61.2802.232 =−=⇒ x 02.002.2300.23122 =−=−= xxε Cálculo de 3x : )23(' )23(23)(' )( 2 2 23 P P xp xp xx −=−= Dispositivo prático de Briot-Ruffini: 3 -76 +163 -46 23 69 -161 46 3 -7 2 0 = p(23) < 10-2 232 ===∴ xρρ 2.2.6 NÚMERO DE ZEROS REAIS DE UM POLINÔMIO COM COEFICIENTES REAIS Regras de Sinais de Descartes: O número de raízes reais posistivas n+ de uma equação algébrica é igual ao número de variações de sinais na seqüência dos coeficientes, ou menor que este número por um inteiro, par, não negativo, sendo que uma raiz de multiplicidade m é contada como m raízes e que coeficientes iguais a zero não são considerados. Para se determinar o número e raízes reais negativas, n-, aplica-se a regra anterior a P(-x). Exemplos: ( ) ( ) 0302975 234 =+++−= xxxxxPa + − − + +123 123 n+ = 2 ou 0 raízes reais positivas 50 ( ) 302975 234 +−−+=− xxxxxP + + − − +123 123 n- = 2 ou 0 raízes reais negativas ( ) ( ) 1432 345 ++−−= xxxxxPb + + 321321 −−+ n+ = 2 ou 0 raízes reais positivas ( ) 1432 345 +−+−−=− xxxxxP − − + − + 123123123 n- = 3 ou 1 raízes reais negativas ( ) ( ) 144 235 −−+−= xxxxxPc {{{ −−+−+ n+ = 3 ou 1 raízes reais positivas ( ) 144 235 −+++−=− xxxxxP − + + − + 123 123 n- = 2 ou 0 raízes reais negativas ( ) ( ) 1 7 += xxPd + + 123 n+ = 0 raízes reais positivas ( ) 17 +−=− xxP − + 123 n- = 1 raíz real negativa 2.2.7 LIMITAÇÃO DAS RAÍZES REAIS DE UMA EQUAÇÃO ALGÉBRICA: MÉTODO DE LAGUERRE Limitar as raízes de uma equação F(x)=0 é determinar um intervalo onde estão todas as raízes da equação. O MÉTODO DE LAGUERRE Seja determinar um número real Ls tal que, dada a função polinomial y = P(x), P(x) > 0 0 >≥∀ Lx .Diz-se que Ls é um limitante superior para as raízes da equação algébrica P(x) = 0. Para se determinar Ls divide-se sucessivamente P(x) por (x - xk), xk = 1, 2, ... até que para um particular valor de x, digamos xL, tem-se todos os coeficientes do quociente e o resto da divisão positivos. Dividindo-se P(x) pelo binômio (x - Ls) obtém-se: ( ) ( ) ( ) RxQLxxP S +−= onde Q( x ) é da forma: 12 1 1 1 bxbnx n bnxnb +++ − − +− L Obviamente: ( ) .0 0R e ,,,2,1 ,0 ,0 >>=>>≥ xPentãonibLxSe iS L Exemplo: Seja o polinômio: 51 ( ) 302975 234 ++−−= xxxxxP . Encontrar um limitante superior para os seus zeros. Resolução: Dispositivo prático de Briot-Ruffini: 1 -5 -7 29 30 1 1 1 − <4 0 1 -5 -7 29 30 2 2 1 − <3 0 1 -5 -7 29 30 3 3 1 − <2 0 1 -5 -7 29 30 4 4 1 −1 1 -5 -7 29 30 5 5 0 1 0 − <7 0 1 -5 -7 29 30 6 6 6 1 1 − <1 0 1 -5 -7 +29 +30 7 7 14 49 546 1 2 7 78 576 ∴ =LS 7 é um limitante superior para os zeros da função polinomial y = P(x). Para se determinar um limitante inferior, Li, para as raízes reais não positivas da eq. algébrica P(x) = 0, procede-se como indicado a seguir. Seja n o grau da equação algébrica P(x) = 0. Então: (a) se n é par, determina-se o limitante superior Ks de )( xPy −= e toma-se si KL −= . (b) se n é ímpar, determina-se o limitante superior Ks de )( xPy −−= e toma-se si KL −= . Graficamente: Caso (a): 52 Caso (b): Exemplo: Determinar um limitante inferior para os zeros do polinômio do exemplo anterior. Solução: ( ) 302975 234 ++−−= xxxxxP n = 4, par ⇒ si KL −= onde Ks limit sup. para )( xPy −= Determinação de Ks: ( ) 302975 234 +−−+=− xxxxxP 53 Dispositivo prático de Briot-Ruffini: 1 5 -7 -29 30 1 1 6 1 6 -1 < 0 1 5 -7 -29 30 2 2 14 14 1 7 7 -15 < 0 1 5 -7 -29 30 3 3 24 51 66 ⇒ ks = 3 1 8 17 22 96 3−=−=∴ si kL é um limitante inferior para os zeros da função polinomial y = P(x). Observação: as raízes da equação 0302975 234 =++−− xxxx são: ( ) 4,3,2,1 , 7,3 ,5 ,3 ,1 ,2 4321 =−∈∴ ==−=−= iiρ ρρρρ Exemplo completo: Dada a equação algébrica: ( ) 013 345 =++−−= xxxxxP pede-se determinar: (a) o número de raízes reais positivas (b) o número de raízes reais negativas (c) um limitante superior para as raízes reais (d) um limitante inferior para as raízes reais (e) um intervalo contendo no mínimo uma raiz real. (f) a raiz isolada usando o método de Birge-Vieta. ( ) ( ) 013 345 =++−−= xxxxxPa + − − + + 1 1 123 123 n+ = 2 ou 0 raízes reais positivas ( ) ( ) 013 345 =+−+−−=− xxxxxPb − − + − + 11 1 123123123 n- = 1 ou 3 raízes reais negativas (c) 3 -1 -1 0 1 1 1 3 2 1 1 2 ⇒ Ls = 1 3 2 1 1 2 3 (d) n = 5 ⇒ Li = - Ks Ks limitante superior de -P( -x) ( ) ( ) 13 13 345 345 −+−+=−− +−+−−=− xxxxxP xxxxxP 3 1 -1 0 1 -1 1 3 4 3 3 4 3 4 3 3 4 3 ⇒ Li = - Ks = -1 ∴ = − Li 1 De ( ) ( ) ( ) ( )1,10:: e −∈⇒=ℜ∈∀ ρρρ Pdc (e) P(xi ) = ? xi ∈(-1, 1) Do item (c) : P( 1 ) = 3 > 0 P(0) = 1 > 0 P( -1) = ? Do item (d): - P ( -1) = 3 ⇒ P( -1 ) = -3
Compartilhar