Baixe o app para aproveitar ainda mais
Prévia do material em texto
Zeros Reais de Funções Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Programa 1. Introdução 2. Isolamento das raízes 3. Refinamento a) Critério de parada b) Métodos iterativos c) Comparação entre os métodos Zeros Reais de Funções Introdução Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Zeros de funções – Introdução Estudar métodos numéricos para a resolução de equações não lineares (determinar a(s) raiz(es) de uma função f(x), ou seja, encontrar o(s) valor(es) de x tal que f(x) = 0) 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 e discutir uma série de métodos destinados à resolução de equações não lineares Zeros de funções – Introdução Necessidade de resolução de equações do tipo f(x) = 0 +FV -FV +FH-FH Em cada nó : FH = 0 FV = 0 FEstruturas (Lei de Kirchhoff) R E i v = g(i) + - E - Ri – g(i) = 0 Circuitos Zeros de funções – Introdução é um zero da função f(x) ou raiz da equação f(x) = 0 se f() = 0. Zeros podem ser reais ou complexos. Este capítulo trata de zeros reais de f(x). Abscissas dos pontos onde a curva intercepta o eixo x 2211 f(x) x Zeros de funções – Introdução Para uma equação de segundo grau na forma: Determinação das raízes em função de a, b e c: Polinômios de grau mais elevado e funções com maior grau de complexidade Impossibilidade de determinação exata dos zeros Uso de soluções aproximadas 02 cbxax a acbbx 2 42 Zeros de funções – Introdução Etapas para a determinação de raízes a partir de métodos numéricos FASE 1: Determinação de um intervalo (o menor possível) que contenha apenas uma raiz FASE 2: Melhoramento do valor da raiz aproximada (refinamento até que a raiz esteja dentro uma precisão ε prefixada) Zeros Reais de Funções Isolamento de Raízes Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Isolamento de raízes Realização de uma análise teórica e gráfica da função f(x) Precisão das análises é relevante para o sucesso da fase posterior Teorema 1 Sendo f(x) contínua em um intervalo [a, b], se f(a)f(b) < 0 então existe pelo menos um ponto x = entre a e b que é zero de f(x). Isolamento de raízes – Análise Gráfica 1 2 f(x) x3a b b f(x) x a a 1 f(x) x2 b Isolamento de raízes – Tabelamento Exemplo: f(x) é contínua para I1 = [-5, -3] I2 = [0, 1] I3 = [2, 3] Cada um dos intervalos acima contém pelo menos um zero de f(x). x 39)( 3 xxxf Isolamento de raízes – Tabelamento Exemplo: f(x) admite pelo menos um zero no intervalo [1,2] Mas esse zero é único? Análise do sinal de f’(x) f(x) admite um único zero em todo seu domínio de definição, localizado no intervalo [1,2] xexxf 5)( 0,05 2 1)(' xe x xf x Isolamento de raízes A partir do Teorema 1, se f’(x) existir e preservar o sinal em (a,b), então esse intervalo contém um único zero de f(x) Isolamento de raízes Se f(a)f(b) > 0, então podemos ter diversas situações no intervalo [a, b]. Isolamento de raízes A análise gráfica é fundamental para obtermos boas aproximações para a raiz Suficiente utilizar um dos seguintes passos: Esboçar o gráfico de f(x) Localizar as abscissas dos pontos onde a curva intercepta o eixo x Obtenção da equação equivalente g(x) = h(x) a partir da equação f(x) = 0 Construção dos gráficos de g(x) e h(x) no mesmo sistema cartesiano e localização dos pontos x nos quais g(x) e h(x) se interceptam ( f() = 0 g() = h() ) Uso de programas para traçar gráficos de funções Isolamento de raízes O esboço do gráfico de uma função requer um estudo detalhado de seu comportamento, no qual devem ser considerados os itens abaixo: Domínio da função Pontos de descontinuidade Intervalos de crescimento e decrescimento Pontos de máximo e mínimo Concavidade Pontos de inflexão, etc Isolamento de raízes Exemplo: Solução utilizando o método 1: 39)( 3 xxxf 30)(' 93)(' 39)( 2 3 xxf xxf xxxf )3,4(1 )1,0(2 )3,2(3 33 -72 -7,3923 3 -51 30 11-1 13,3923- 3 3-3 -25-4 f(x)x 33 f(x) x-4 1-3 -2 -1 2 3 4 2211 Isolamento de raízes Exemplo: Solução utilizando o método 2: Dada: Equação Equivalente: 039)( 3 xxxf 0393 xx 3)( xxg 39)( xxh )3,4(1 )1,0(2 )3,2(3 33 g(x) x-4 1-3 -2 -1 2 3 422 11 h(x) y Isolamento de raízes Exemplo: Solução utilizando o método 2: Dada: Equação Equivalente: 05)( xexxf xex 5 xxg )( xexh 5)( )2,1( g(x) x1 2 3 4 h(x) y 5 6 Isolamento de raízes Exemplo: Solução utilizando o método 2: Dada: Equação Equivalente: 01)log()( xxxf x x 1)log( )log()( xxg x xh 1)( )3,2( g(x) x1 2 3 4 h(x) y 5 6 Zeros Reais de Funções Refinamento de Raízes Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Refinamento de raízes Aplicação de métodos numéricos destinados ao refinamento de raízes I. Método da Bisseção II. Método da Posição Falsa III. Método do Ponto Fixo IV. Método de Newton – Raphson V. Método da Secante Diferenciação dos métodos Modo de refinamento Método Iterativo Caracterizado por uma série de instruções executáveis seqüencialmente, algumas das quais repetidas em ciclos (iterações) Refinamento de raízes Sequência de passos: Critérios de Parada Teste: xk suficientemente próximo da raiz exata? Como verificar tal questionamento? Interpretações para raiz aproximada x é raiz aproximada com precisão se: ou Como proceder se não conhecemos ? x )(xf Critérios de Parada Redução do intervalo que contém a raiz a cada iteração Obtenção de um intervalo [a,b] tal que: . então Logo pode ser tomado como ab e ba, xbax ,, bax , x Critérios de Parada Nem sempre é possível satisfazer ambos os critérios Critérios de Parada Métodos numéricos devem satisfazer a pelo menos um dos critérios Quando da utilização de programas computacionais, devemos utilizar: Teste de Parada Estipular o número máximo de iterações Prevenção de loops por: Erro no programa Escolha de método inadequado Zeros Reais de Funções Método da Bisseção Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Método da Bisseção 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. Em outras palavras, o objetivo deste método é reduzir a amplitude do intervalo que contém a raiz até atingir precisão requerida, ou , usando para isto a sucessiva divisão de [a,b] ao meio kk ab )(xf Método da Bisseção Definição do intervalo inicial Atribuímos [a,b] como intervalo inicial a0 = a b0 = b Condições de Aplicação f(a) x f(b) < 0 Sinal da derivada constante Método da Bisseção Definição de novos intervalos Calculamos o ponto médio entre a e b, chamado de x0 Determinamos qual o subintervalo – [a , x0] ou [x0 , b] – contém a raiz Calculamoso produto f(a) * f(x0) Verificamos f(a) * f(x0) < 0 Se verdadeiro Logo a = a e b = x0 Caso contrario Logo a = x0 e b = b Repetimos o processo até que o valor de x atenda às condições de parada. ),( 0xa ),( 0 bx Método da Bisseção – Resumo 0)( 0)( 0)( 2 0 0 0 00 0 xf bf af bax 01 01 00 ),( xb aa xa 0)( 0)( 0)( 2 1 1 1 11 1 xf bf af bax 12 12 11 ),( bb xa bx 0)( 0)( 0)( 2 2 2 2 22 2 xf bf af bax 23 23 22 ),( bb xa bx Método da Bisseção – Graficamente ba x0|| a1 x1 || a3 a2 || b1 || x2 || b3 x y b2= Método da Bisseção Exemplo: Utilizando o método de Equações Equivalentes para Isolamento de Raízes: Equação Equivalente: 01)log()( xxxf x x 1)log( )log()( xxg x xh 1)( )3,2( h(x)y g(x) x1 2 3 4 5 6 Método da Bisseção Exemplo: 01)log()( xxxf 01015,5)5,2( 04314,0)3( 03979,0)2( 5,2 2 32 3 0 f f f x 3 5,2 )3,5.2( 01 01 bb xa 02082,0)75,2( 0)3( 0)5,2( 75,2 2 35,2 1 f f f x 75,2 5,2 )75.2,5.2( 12 12 xb aa Método da Bisseção – Algoritmo k = 0; a0 = a; b0 = b; xk = (ak + bk)/2; while and if f(ak)f(xk) < 0 then /*raiz em [ak , xk] */ ak+1 = ak; bk+1 = xk; else /* raiz em [xk, bk] */ ak+1 = xk; bk+1 = bk ; end if xk+1 = (ak+1 + bk+1)/2; k = k +1; end while kk ab )( kxf Método da Bisseção – Algoritmo Ao final da execução do algoritmo, teremos um intervalo [ak, bk] que contém a raiz e uma aproximação para a raiz exata (tal que ou ) A convergência do método é intuitiva kk ab x )(xf Método da Bisseção – Execução Algoritmo Exemplo: Utilizando o método de Equações Equivalentes para Isolamento de Raízes Equação Equivalente 039)( 3 xxxf 0393 xx 3)( xxg 39)( xxh )3,4(1 )1,0(2 )3,2(3 Método da Bisseção – Execução Algoritmo Exemplo: Cálculo da 1ª aproximação x0 = (a0+b0)/2 = (0+1)/2 = x0 = 0,5 f(x0) = 0,53 – 9x0,5 + 3 = -1,375 Teste de Parada |b-a| = |1| > 10-3 e |f(x0)| = |-1,375| = 1,375 > 10-3 Escolha do Novo Intervalo f(a0) = 03 – 9x0 + 3 = 3, logo f(a0) > 0 f(b0) = 13 – 9x1 + 3 = -5, logo f(b0) < 0 f(x0) = 0,53 – 9x0,5 + 3 = -1,375, logo f(x0) < 0 logo: a1=a0=0 e b1=x0=0,5 039)( 3 xxxf 1,0I 3103 Método da Bisseção – Execução Algoritmo Exemplo: Então em 9 iterações . foi atendida, enquanto , não foi kk ab)(xf 039)( 3 xxxf 1,0I 3103 337890625,0x Método da Bisseção – Estimativa do número de iterações Após n iterações, a raiz estará contida no intervalo: Devemos obter o valor de k, tal que , ou seja: 2 11 kkkk abab kk ab kab 2 00 )2log( )log()log( 00 abk k ab 2 00 002 abk )log()log()2log( 00 abk Exemplo: Considerando um intervalo [2,3] e ε=10-2, calcular o numero mínimo de iterações para que tenhamos (Critério de Parada). kk ab )2log( )log()log( 00 abk )2log( )10log()23log( 2k 64,6 3010,0 2 )2log( )10log(2)1log( k 7k Método da Bisseção – Estimativa do número de iterações Método da Bisseção Vantagens: Facilidade de implementação; Estabilidade e convergência para a solução procurada; Desempenho regular e previsível. 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 (nem sempre é possível); Complexidade da extensão do método para problemas multivariáveis. 258,24 10 3 7 00 kk ab Método da Bisseção – Exercício a) Execute as primeiras 5 iterações do Método da Bisseção para a função , tal que b) Caso a condição de erro não tenha sido satisfeita, calcule quantas iterações ainda seriam necessárias. 1)( 3 xxxf 3102 x1 2 3 4 y 50-1-2-3-4 1 2 3 4 -4 -3 -2 -1 Método da Bisseção – Exercício a) Execute as primeiras 5 iterações do Método da Bisseção para a função , tal que Para a iteração 5 temos: e 1)( 3 xxxf 3102 Iter. a b f(a) f(b) x f(x ) 1 1,000000 2,000000 -1,000000 5,000000 1,500000 0,875000 2 1,000000 1,500000 -1,000000 0,875000 1,250000 -0,296875 3 1,250000 1,500000 -0,296875 0,875000 1,375000 0,224609 4 1,250000 1,375000 -0,296875 0,224609 1,312500 -0,051514 5 1,312500 1,375000 -0,051514 0,224609 1,343750 0,082611 31020,06253125,1375,1 ab 31020,082611)( xf Método da Bisseção – Exercício b) Caso a condição de erro não tenha sido satisfeita, calcule quantas iterações ainda seriam necessárias. )2log( )log()log( 00 abk )2log( )102log()12log( 3k )2log( )10log32(log)1log( k 9658,8 30103,0 2,69897 30103,0 )330103,0(0 )2log( )10log32(log)1log( k 9k Zeros Reais de Funções Método da Posição Falsa Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Método da Posição Falsa Método da Bisseção Calcula a média aritmética dos limites do intervalo que contém a raiz ([a, b]) Método da Posição Falsa Calcula a média ponderada dos limites do intervalo que contém a raiz ([a, b]) Método da Posição Falsa Dada a função e, sendo o intervalo inicial , temos que . está mais próximo de zero que Logo é provável que a raiz esteja mais próxima de x = 0 que de x = 1 ( isso é sempre verdade quando f(x) é linear em ) Assim, ao invés de tomar a média aritmética, o método da posição falsa toma a média ponderada, com pesos de e 039)( 3 xxxf 1,0, ba )0(305)1( ff )0(f )1(f ba, )(af )(bf )()( )()( )()( )()( afbf abfbaf afbf afbbfa x Método da Posição Falsa – Graficamente Graficamente x é a interseção entre o eixo x e a reta que passa pelos pontos (a, f(a)) e (b, f(b)): Método da Posição Falsa – Graficamente x a = a0 f(x) b = b0x0 x0 = a0f(b0) - b0f(a0) f(b0) - f(a0) x a = a1 f(x) b1 = x1 x1 = a1f(b1) – b1f(a1) f(b1) - f(a1) x1 Método da Posição Falsa Definição do intervalo inicial Atribuímos [a,b] como intervalo inicial a0 = a b0 = b Condições de Aplicação f(a) x f(b) < 0 Sinal da derivada constante Método da Posição Falsa Definição dos Subintervalos Subdividimos o intervalo pelo ponto de interseção da reta que liga f(a) a f(b) e o eixo das abscissas Verificamos se, através do teste de parada, x0 é uma aproximação da raiz da equação () pelo tamanho do intervalo [a, b] ou o valor f(x0) Se verdadeiro x0 é a raiz procurada Caso contrário definimos um novo intervalo Método da Posição Falsa Definição do novo intervalo Determinamos qual o subintervalo – [a , x0] ou [x0 , b] – contém a raiz Calculamos o produto f(a) * f(x0) Verificamos f(a) * f(x0) < 0 Se verdadeiro Logo a = a e b = x0 Caso contrario Logo a = x0 e b = b Repetimos o processo até que o valor de x atenda às condições de parada. ),( 0xa ),( 0 bx Método da Posição Falsa Exemplo: logo, existe ao menos 1 raiz no intervalo dado . Como têm o mesmo sinal, ]3,2[,1)log()( Ixxxf 04314,0)( 03979,0)( 0 0 bf af )()( )()( 0 afbf abfbafx )3979,0(4314,0 )3979,0(34314,02 8293,0 0565,2 4798,2 00219,0)( 0 xf )()( 00 xfeaf 0)(3 0)(4798,2 101 101 bfbb afxa Método da Posição Falsa Exemplo: Como , temos: ]3,2[,1)log()( Ixxxf 0)(3 0)(4798,2 11 101 bfb afxa )()( )()( 1 afbf abfbafx )0219,0(4314,0 )0219,0(34314,04798,2 0,4533 1354,1 5049,21 x 00011,0)( 1 xf 0)(3 0)(5049,2 112 112 bfbb afxa Método da Posição Falsa – Algoritmo k = 0; a0 = a; b0 = b; FA0 = f(a0); GB0 = f(b0); xk = (akGBk - bkFAk) / (GBk - FAk); while and if f(ak)f(xk) ≤ 0 then /* raiz em [ak , xk] */ ak+1 = ak; bk+1 = xk; else /* raiz em [xk, bk] */ ak+1 = xk; bk+1 = bk ; end if xk+1 = (ak+1GBk+1 - bk+1FAk+1) / (GBk+1 - FAk+1); k = k +1; end while kk ab )( kxf Método da Posição Falsa – Exec. Algoritmo Exemplo: Cálculo da 1ª aproximação Teste de Parada |b-a| = |1| > 10-3 e |f(x0)| = |-0,322265625| > 10-3 Escolha do Novo Intervalo f(a0) = 03 – 9x0 + 3 = 3, logo f(a0) > 0 f(b0) = 13 – 9x1 + 3 = -5, logo f(b0) < 0 f(x0) = 0,3753 – 9x0,375 + 3 = -0,32..., logo f(x0) < 0 logo: a1=a0=0 e b1=x0=0,375 039)( 3 xxxf 1,0I 3102 )()( )()( 0 afbf abfbafx )3(5 )3(1)5(0 8 3 375,0 25-0,32226563)375,0(9)375,0()( 30 xf Método da Posição Falsa – Exec. Algoritmo Exemplo: Então em 3 iterações . foi atendida, enquanto , não foi No Método da Bisseção, o valor foi encontrado depois de 9 iterações kk ab)(xf 039)( 3 xxxf 1,0I 3103 337890625,0x 337635046,0x Método da Posição Falsa – Casos especiais Se a função é côncava ou convexa em [a,b], então uma das extremidades permanecerá fixa Cuidado no critério de parada: nesse caso, o intervalo nunca ficará suficientemente pequeno... Método da Posição Falsa Vantagens: Estabilidade e convergência para a solução procurada; Desempenho regular e previsível; Cálculos mais simples que o método de Newton. 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). Zeros Reais de Funções Método do Ponto Fixo Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Método do Ponto Fixo Dada uma função f(x) contínua no intervalo [a,b] onde existe uma raiz única, f(x) = 0, é possível transformar tal equação em uma equação equivalente x = φ(x) e, a partir de uma aproximação inicial x0, gerar uma sequência {xk} de aproximações para pela relação xk+1 = φ(xk), uma vez que φ(x) é tal que f() = 0 se e somente se φ() = . Transformamos o problema de encontrar zero de f(x) no problema de encontrar um ponto fixo de φ(x) A função φ(x) é chamada de função de iteração Método do Ponto Fixo Exemplo: Dada a função São funções de iteração possíveis: A forma geral das funções de iteração φ(x) é dada por com a condição de que A() 0 em , ponto fixo de φ(x) 06)( 2 xxxf 1 6)( 16)( 6)( 6)( 4 3 2 2 1 x x x x xx xx )()()( xfxAxx Método do Ponto Fixo A partir da definição da forma de φ(x), , podemos então mostrar que Existem infinitas equações de iteração φ(x) para a equação f(x) = 0 )(0)(f 0)( fquetalseja )()()( fA )0)(()( fporque )(se )()( fA 0)()( fA )0)((0)( Aporquef )()()( xfxAxx Método do Ponto Fixo – Graficamente Uma raiz da equação φ(x)=x é a abscissa do ponto de interseção da reta y=x com a curva y=φ(x) Método do Ponto Fixo – Graficamente Todavia, para algumas escolhas de φ(x) o Método do Ponto Fixo pode divergir do valor procurado Método do Ponto Fixo Exemplo: Dada a equação : As raízes são 1 = -3 e 2 = 2 (Não há necessidade de uso de métodos numéricos para o calculo) Objetivo: Mostrar a convergência ou divergência do processo iterativo Seja a raiz 2 = 2 e ,Tomando x0= 1,5 e φ (x) = φ1 (x) Seja a raiz 2 = 2 e ,Tomando x0= 1,5 e φ (x) = φ2 (x) 06)( 2 xxxf xx 6)(2 2 1 6)( xx Método do Ponto Fixo Exemplo: Dada a equação , com raiz 2 = 2 , e x0 = 1,5 x1 = φ(x0) = 6 – 1,5 2 = 3,75 x2 = φ(x1) = 6 – 3,75 2 = -8,0625 x3 = φ(x2) = 6 – (-8,0625) 2 = -59,003906 x4 = φ(x3) = 6 – (-59,003906) 2 = -3475,4609 Percebemos que {xk} não convergirá para 2 = 2 06)( 2 xxxf 2 1 6)( xx Método do Ponto Fixo 06)( 2 xxxf Exemplo: Dada a equação , com raiz 2 = 2 , e x0 = 1,5 Análise Gráfica: y x22 x1 φ(x) x0 y = x x2 11 {xk} 2 1 6)( xx Método do Ponto Fixo Exemplo: Dada a equação , com raiz 2 = 2 , e x0 = 1,5 x1 = φ(x0) = x2 = φ(x1) = x3 = φ(x2) = x4 = φ(x3) = x5 = φ(x4) = Percebemos que {xk} tende a convergir para 2 = 2 06)( 2 xxxf xx 6)(2 121320343,25,16 969436380,1121320343,26 007626364,2969436380,16 998092499,1007626364,26 000476818,2998092499,16 Método do Ponto Fixo Exemplo: Dada a equação , com raiz 2 = 2 , e x0 = 1,5 Análise Gráfica: 06)( 2 xxxf xx 6)(2 {xk} 2 quando k inf φ(x) x y y = x 22 x1 x0 x2 Método do Ponto Fixo Teorema 2: Sendo uma raiz de f(x) = 0, isolada em um intervalo I centrado em e φ(x) uma função de iteração para f(x) = 0. Se 1. φ(x) e φ’(x) são contínuas em I 2. |φ’(x)| < 1, x I e 3. x0 I então a sequencia {xk} gerada pelo processo iterativo xk+1 = φ(xk) convergirá para . Além disso quanto menor for o valor de |φ’(x)|, mais rápido o Método do Ponto Fixo convergirá. Método do Ponto Fixo Resgatando os exemplos anteriores, para a função temos que: φ1(x) ( ) geração de uma sequencia divergente de 2 = 2 φ2(x) ( ) geração de uma sequencia convergente para 2 = 2 06)( 2 xxxf 2 1 6)( xx xx 6)(2 Método do Ponto Fixo Avaliando a divergência de φ1(x) φ1(x) = 6 - x2 e φ’1(x) = - 2x contínuas em I |φ’1 (x)| < 1 |-2x| < 1 -½ < x < ½ Não existe um intervalo I centrado em 2=2, tal que |φ’(x)| < 1, x I logo φ1 (x) não satisfaz a condição 2 do Teorema 2 com relação a 2=2. Método do Ponto Fixo Avaliando a convergência de φ2(x) e φ2 (x) é contínua em S = {x R | x 6} φ’2 (x) é contínua em S’ = {x R | x < 6} . É possível obter um intervaloI centrado em 2=2, tal que todas as condições do Teorema 2 sejam satisfeitas. xx 6)(2 )62/1()('2 xx 75,5162/11)('2 xxx Método do Ponto Fixo – Algoritmo Critérios de Parada |f(xk)| < |xk – xk-1| < k = 0; x0 = x; while and k = k +1; xk+1 = φ(xk); end while 1kk xx )( kxf Método do Ponto Fixo – Verificando a Convergência Exemplo: Dada a função , cujas raízes são 2 e -3, vamos avaliar a convergência da função equivalente , dados 1 = -3 e x0= -2,5 06)( 2 xxxf 16)(3 xx 0,,06)(' 2 xxxx 0,,66)(' 22 xxxxx 666161)(' 22 xouxxxx 0,,16)( xx x x Método do Ponto Fixo – Verificando a Convergência Exemplo: Dada a função , cujas raízes são 2 e -3, vamos avaliar a convergência da função equivalente , dados 1 = -3 e x0= -2,5 Como o objetivo é obter a raiz negativa, temos: Podemos então definir o intervalo que o processo convergirá visto que o intervalo está centrado na raiz = -3 )6;(:,,1)(' 111 IseráIxxquetalI )4497897,26( )5.2,5.3( I 1II 06)( 2 xxxf 16)(3 xx Método do Ponto Fixo – Verificando a Convergência Exemplo: Dada a função , cujas raízes são 2 e -3, vamos avaliar a convergência da função equivalente , dados 1 = -3 e x0= -2,5 Tomando x0= -2,5, temos: Quando não conhecemos a raiz, escolhemos o intervalo I aproximadamente centrado em Quanto mais preciso isolamento de , maior exatidão na escolha de I 892617,2 170213,3 764706,2 5,2 3 2 1 0 x x x x 06)( 2 xxxf 16)(3 xx Método do Ponto Fixo Exemplo: Dados: , calcule a raiz de f(x) utilizando o MPF: Assim, e , com o mesmo número de iterações que o Método da Posição Falsa. Importante lembrar: Iteramos de modo que , todavia avaliamos, a cada iteração, se Desafio: Provar que satisfaz a condição 2 do Teorema 2 no intervalo (0, 1) ; 3 1 9 )(;039)( 3 3 xxxxxf )1,0(;102;5,0 30 x 3376233,0x 31012,0)( xf )(1 kk xx )( kxf )(x Método do Ponto Fixo Vantagens Rapidez processo de convergência; Desempenho regular e previsível. Desvantagens Um inconveniente é a necessidade da obtenção de uma função de iteração φ(x); Difícil sua implementação. Método do Ponto Fixo – Exercício 1) Tente encontrar a raiz da função utilizando a função de iteração e , sendo .Justifique sua resposta. 1)( 3 xxxf 3102 x1 2 3 4 y 50-1-2-3-4 1 2 3 4 -4 -3 -2 -1 2 11)( xx x 10 x Método do Ponto Fixo – Exercício 1) Tente encontrar a raiz da função utilizando a função de iteração e , sendo x1 = φ(x0) = x2 = φ(x1) = x3 = φ(x2) = x4 = φ(x3) = x5 = φ(x4) = 1)( 3 xxxf 3102 2 11)( xx x 10 x 2 1 1 1 1 2 75,02 1 2 1 2 ...1111,3 75,0 1 75,0 1 2 ...4247,0 1111,3 1 1111,3 1 2 ...8973,7 4247,0 1 4247,0 1 2 Método do Ponto Fixo – Exercício 1) Tente encontrar a raiz da função utilizando a função de iteração e , sendo x6 = φ(x5) = x7 = φ(x6) = Concluímos que {xk} tende a divergir da raiz da equação f(x). 1)( 3 xxxf 3102 2 11)( xx x 10 x ...1427,0 8973,7 1 8973,7 1 2 ...1461,56 1427,0 1 1427,0 1 2 Método do Ponto Fixo – Exercício 1) Tente encontrar a raiz da função utilizando a função de iteração e , sendo Justificando a resposta: Como a condição deve ser satisfeita, onde I é o intervalo centrado em , é fácil perceber que isso não acontece, uma vez que 1)( 3 xxxf 3102 2 11)( xx x 10 x 0,11)( 2 xxxxx 0, 21)(' 32 xxxxx 12121211)(' 33332 x x xx x xx x Ixx 1)(' 03)1(')(' 00 xeIx Zeros Reais de Funções Método de Newton – Raphson Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Método de Newton – Raphson Método do Ponto Fixo (MPF) Uma das condições de convergência é que |φ’(x)| < 1, x I , onde I é um intervalo centrado na raiz A convergência será tanto mais rápida quanto menor for |φ’(x)| O método de Newton busca garantir e acelerar a convergência do MPF Escolha de φ(x), tal que φ’() = 0, como função de iteração Método de Newton – Raphson Dada a equação f(x) = 0 e partindo da forma geral para φ(x) φ(x) = x + A(x)f(x) Buscamos obter a função A(x) tal que φ’() = 0 φ(x) = x + A(x)f(x) φ’(x) = 1 + A’(x)f(x) + A(x)f’(x) φ’() = 1 + A’()f() + A()f’() φ’() = 1 + A()f’() Método de Newton – Raphson Assim donde tomamos Como φ(x) = x + A(x)f(x) Logo: )( )(' 1)( xf xf xx )(' )()( xf xfxx 0)(' 0)(')(1 fA )(' 1)( fA )(' 1)( xf xA Método de Newton – Raphson Então, dada f(x), a função de iteração φ(x) = x - f(x)/f’(x) será tal que φ’() = 0, posto que e, como f() = 0, φ’() = 0 ( desde que f’() 0 ) 2 2 )]('[ )('')()]('[1)(' xf xfxfxfx 2 2 2 2 )]('[ )('')()]('[ )]('[ )]('[)(' xf xfxfxf xf xfx 2)]('[ )('')()(' xf xfxfx Método de Newton – Raphson Deste modo, escolhido x0, a sequência {xk} será determinada por onde k = 0, 1, 2, ... )(' )( 1 k k kk xf xfxx Método de Newton – Raphson – Graficamente Dado o ponto ( xk , f(xk) ) Traçamos a reta Lk(x) tangente à curva neste ponto: Lk(x) = f(xk) + f’(xk)(x-xk) Determinanos o zero de Lk(x), que é um modelo linear que aproxima f(x) em uma vizinhança xk Fazemos xk +1 = x 0)( xLk )(' )( k k k xf xfxx Método de Newton – Raphson – Graficamente Análise Gráfica Repetimos o processo até que o valor de x atenda às condições de parada. x f(x) x1x0 1a iteração 2a iteração x2 x3 3a iteração Método de Newton–Raphson-Convergência Teorema 3: Sendo f(x), f’(x) e f”(x) contínuas em um intervalo I que contém uma raiz x = de f(x) = 0 e supondo f’() 0, existirá um intervalo Ī I contendo a raiz , tal que se x0 Ī, a sequencia {xk} gerada pela fórmula recursiva convergirá para a raiz. )(' )( 1 k k kk xf xfxx Método de Newton – Raphson Exemplo: Dado f(x) = x2 + x – 6 , 2 = 2 e x0 = 1,5 Fórmula recursiva: 12 6 )(' )()( 2 x xxx xf xfxx 0625,215,12 65,15,15,1)( 2 01 xx 000762195,210625,22 60625,20625,20625,2)( 2 12 xx 000000116,2)( 23 xx Método de Newton – Raphson Exemplo: Dado f(x) = x2 + x – 6 , 2 = 2 e x0 = 1,5 Comentários: A parada poderá ocorrer na 3a iteração (x = 2,000000116) caso a precisão do cálculo com 6 casas decimais for satisfatória para o contexto do trabalho Observe que, no Método do Ponto Fixo, com o valor x = 2,000476818 foi encontrado somente na 5a iteração xx 6)( Método de Newton – Raphson– Algoritmo Teste de parada: |f(xk)| < ε |xk – xk-1| < ε Algoritmo: x0 := x; k := 0; while |f(xk)| ≥ ε and |xk – xk-1| ≥ ε xk+1 := xk – f(xk)/f’(xk) k := k +1; end while Método de Newton – Raphson – Algoritmo Exemplo: Considere a função f(x) = x3 - x - 1, e ε = 0,002 cujo zero real encontra-se no intervalo: I = (1, 2) Seja: x0 = 1 )(' )( 1 k k kk xf xfxx 13 1)( 2 3 x xxxx Método de Newton – Raphson – Algoritmo Exemplo: Considere a função f(x) = x3 - x - 1, e ε = 0,002 cujo zero real encontra-se no intervalo: I = (1, 2) Cálculo da 1ª aproximação φ(x0) = 1 – [ (1)³ – 1 – 1 ] = 1,5 = x1 [ 3x(1)² – 1 ] Teste de Parada |f(x1)| = | (1,5)³ – 1,5 – 1 | = 0,875 > |x1-x0| =| 1,5 - 1 | = 0,5 > Exemplo: Considere a função f(x) = x3 - x - 1, e ε = 0,002 cujo zero real encontra-se no intervalo: I = (1, 2) Cálculo da 2ª aproximação φ(x1) = 1,5 – [ (1,5)³ – 1,5 – 1 ] = 1,3478261 = x2 [ 3x(1,5)² – 1 ] Teste de Parada |f(x2)| = | 0,100682 | = 0,100682 > |x2-x1| =| 1,3478261 - 1,5 | = 0,1521739 > Método de Newton – Raphson – Algoritmo Cálculo da 3ª aproximação φ(x2) = 1,3478261 - [ (1,3478261)³ - 1,3478261 - 1 ] [ 3x(1,3478261)² - 1 ] φ(x2) = 1,3252004 = x3 Teste de Parada |f(x3)| =| 0,0020584 | = 0,0020584 > |x3-x2| =| 1,3252004 – 1,3478261 | = 0,0226257 > Exemplo: Considere a função f(x) = x3 - x - 1, e ε = 0,002 cujo zero real encontra-se no intervalo: I = (1, 2) Método de Newton – Raphson – Algoritmo Exemplo: Considere a função f(x) = x3 - x - 1, e ε = 0,002 cujo zero real encontra-se no intervalo: I = (1, 2) A sequência {xk} gerada pelo método de Newton será: Método de Newton – Raphson – Algoritmo Iteração x |xk-xk-1| F(x) 1 1,5 0,5 0,875 2 1,3478261 0,1521739 0,1006822 3 1,3252004 0,0226257 0,0020584 4 1,3247182 0,0004822 1,0352x10-6 = 0,002 Comprovando o impacto de uma boa escolha de x0 Exemplo: Considere a função f(x) = x3 – 9x + 3, que possui três zeros: 1 I1 = (-4, -3), 2 I2 = (0, 1) e 3 I3 = (2, 3). Seja x0 = 1,5: Método de Newton – Raphson Comprovando o impacto de uma boa escolha de x0 Exemplo: Considere a função f(x) = x3 – 9x + 3, que possui três zeros: 1 I1 = (-4, -3), 2 I2 = (0, 1) e 3 I3 = (2, 3). Seja x0 = 1,5: No início há um divergência da região onde estão as raízes, mas depois de x7 os valores se aproximam cada vez mais de 3 Causa: x0 (1,5) é próximo de , que é raiz de f´(x) Da mesma forma, x1 (-1,6666667) está próximo de , outra raiz de f’(x) Método de Newton – Raphson 3 3 Vantagens: Rapidez processo de convergência Desempenho elevado Desvantagens: Necessidade da obtenção de f’(x) , o que pode ser impossível em determinados casos O cálculo do valor numérico de f’(x) a cada iteração Método de Newton – Raphson Zeros Reais de Funções Método da Secante Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Método da Secante Método de Newton – Raphson Um grande inconveniente é a necessidade da obtenção de f’(x) e o cálculo de seu valor numérico a cada iteração Forma de desvio do inconveniente Substituição da derivada f’(xk) pelo quociente das diferenças 1 1)()()(' kk kk k xx xfxfxf Método da Secante A função de iteração será: 1 1)()( )()( kk kk k k xx xfxf xfxx 1 1)()( )()( kkkk k k xxxfxf xfxx )()( )()( )()( )()()( 1 1 1 1 kk kkkk kk kkkk xfxf xfxxfx xfxf xfxxfxx )()( )()()( 1 11 kk kkkk xfxf xfxxfxx Método da Secante – Geometricamente A partir de duas aproximações xk-1 e xk obtemos o ponto xk+1 como sendo a abscissa do ponto de intersecção do eixo x e da reta que passa pelos pontos ( xk-1 , f(xk-1) ) e ( xk , f(xk) ) (secante à curva da função) x f(x) x0 Repetimos o processo até que o valor de x atenda às condições de parada. 1a iteração x2x1 2a iteração x3 3a iteração x4 4a iteração x5 Método da Secante – Convergência Como o Método da Secante é uma aproximação do método de Newton, as condições de convergência são praticamente as mesmas, ou seja basta que o Teorema 3 seja satisfeito Todavia, o Método da Secante pode divergir para o seguinte caso )()( 1 kk xfxf )()( )()()( 1 11 kk kkkk xfxf xfxxfxx Método da Secante Exemplo: Consideremos a função f(x) = x2 + x – 6 = 0, x0 = 1,5 e x1 = 1,7: Solução: )()( )()( 01 0110 2 xfxf xfxxfxx 25,241,1 25,27,1)41,1(5,1 2,035712 x )()( )()( 12 1221 3 xfxf xfxxfxx 1,99774 )()( )()( 23 2332 4 xfxf xfxxfxx 1,99999 Método da Secante Exemplo: Consideremos a função f(x) = x2 + x – 6 = 0, x0 = 1,5 e x1 = 1,7: Comentários: A parada poderá ocorrer na 3a iteração (x = 1,99999 ), caso a precisão do cálculo com 5 casas decimais seja satisfatória para o contexto do trabalho No método de Newton – Raphson o valor x = 2,000000116, foi encontrado também na 3a iteração Método da Secante – Algoritmo Testes de Parada |f(xk)| < ε |xk – xk-1| < ε Algoritmo x0 := x; x1 := x1; k := 1; while |f(xk)| ≥ ε and |xk – xk-1| ≥ ε xk+1 := (xk-1*f(xk) - xk*f(xk-1)) / (f(xk) - f(xk-1)); k := k +1; end while Método da Secante – Execução Algoritmo Exemplo: Consideremos a função f(x) = x3 - x - 1, = 0,003, x0 = 1,5 e x1 = 1,7: )()( )()()( 1 11 kk kkkk xfxf xfxxfxx Método da Secante – Execução Algoritmo Exemplo: Consideremos a função f(x) = x3 - x - 1, = 0,003, x0 = 1,5 e x1 = 1,7: Cálculo da 1ª aproximação x0 = 1,5 e x1 = 1,7 f(x0) = 0,875 > 0 f(x1) = 2,213 > 0 x2 = [1,5 x (2,213) – 1,7 x (0,875)] = 1,36921 [2,213 – (0,875)] Teste de Parada |f(x2)| = | (1,36921)³ – 1,36921 – 1 | = 0,19769 > |x2 - x1| =|1,36921 – 1,7| = 0,33079 > Novo Intervalo: x1 = 1,7 e x2 = 1,36921 Método da Secante – Execução Algoritmo Exemplo: Consideremos a função f(x) = x3 - x - 1, = 0,003, x0 = 1,5 e x1 = 1,7: Cálculo da 2ª aproximação x1 = 1,7 e x2 = 1,36921 f(x1) = 2,213 > 0 f(x2) = 0,19769 > 0 x3 = [1,7 x (0,19769) - 1,36921x (2,213)] = 1,33676 [0,19769 - 2,213] Teste de Parada |f(x3)| = |0,05193| = 0,05193 > |x3 - x2| =|1,33676 – 1,36921| = 0,03245 > Novo Intervalo: x2 = 1,36921 e x3 = 1,33676 Método da Secante – Execução Algoritmo Exemplo: Consideremos a função f(x) = x3 - x - 1, = 0,003, x0 = 1,5 e x1 = 1,7: Cálculo da 3ª aproximação x2 = 1,36921 e x3 = 1,33676 f(x2) = 0,19769 > 0 f(x3) = 0,05193 > 0 x4 = [1,36921 x (0,05193) - 1,33676 x (0,19769)] = [(0,05193) - 0,19769] x4 = 1,3252 Teste de Parada |f(x4)| = |0,00206| = 0,00206 < cond. atendida |x4 – x3| =|1,3252 – 1,33676| = 0,01156 > Método da Secante Vantagens Rapidez processo de convergência Cálculos mais convenientes que do método de Newton Desempenho elevado Desvantagens Se o cálculo f’(x) não for difícil, então o método logo será substituído pelo de Newton – Raphson Se o gráfico da função for paralelo a um dos eixos e/ou tangencia o eixo das abscissas em um ou mais pontos, logo não devemos utilizar o Método da Secante Zeros Reais de Funções Comparação entre os métodos Prof. Wellington Passosde Paula wpassos@ufsj.edu.br Comparação entre os métodos Critérios de Comparação Garantias de Convergência Rapidez de Convergência e Esforço Computacional Critério de Parada Comparação entre os métodos Garantias de Convergência Bisseção e Posição Falsa Convergência garantida, desde que a função seja contínua num intervalo [a,b] , tal que f(a)f(b) < 0 Ponto Fixo, Newton – Raphson e Secante Condições mais restritivas de convergência Se as condições de convergência forem satisfeitas, os dois últimos métodos são mais rápidos do que os demais estudados Comparação entre os métodos Rapidez de Convergência Número de Iterações Medida usualmente adotada para a determinação da rapidez de convergência de um método Não deve ser uma medida conclusiva sobre o tempo de execução do programa Tempo gasto na execução de uma iteração Variável de método para método Comparação entre os métodos Esforço Computacional Indicadores Número de operações efetuadas a cada iteração Complexidade das operações Número de decisões lógicas Número de avaliações de função a cada iteração Comparação entre os métodos Esforço Computacional Conclusões gerais sobre a eficiência computacional de um método. Bisseção Cálculos mais simples por iteração Newton Cálculos mais elaborados Número de iterações da Bisseção é, na grande maioria das vezes, muito maior do que o número de iterações efetuadas por Newton Comparação entre os métodos Critério de Parada Se o objetivo for a redução do intervalo que contém a raiz Bisseção (não usar o Método da Posição Falsa) Se a escolha parte de um valor inicial para a raiz Newton – Raphson ou da Secante (pois trabalham com aproximações xk para a raiz exata) Comparação entre os métodos Conclusão: Condições a Serem Satisfeitas pelo Método Ideal Convergência assegurada Ordem de convergência alta Cálculos simples em cada iteração Atender aos objetivos quanto ao critério de parada Não existe método perfeito para todos os casos A escolha está diretamente relacionada com a equação cuja solução é desejada Critérios vistos anteriormente Comportamento da função na região da raiz exata, etc Comparação entre os métodos Conclusão: Exemplo: Caso seja fácil a verificação das condições de convergência e o cálculo de f’(x) Newton – Raphson Caso seja trabalhoso obter e/ou avaliar f’(x), uma vez que não é necessária a obtenção de f’(x) Secante Todavia, mesmo os métodos acima possuem restrições: Tendência da curva ao paralelismo a qualquer um dos eixos dificulta o uso do Método de Newton (f’(x) 0 ou f’(x) ¬∃) Tendência da função à tangência ao eixo das abscissas em um ou mais pontos dificulta o uso do Método da Secante (f (xk-1) ≈ f (xk)) Comparação entre os métodos Exemplo: f(x) = x3 – x – 1 x1 2 3 4 y 50-1-2-3-4 1 2 3 4 -4 -3 -2 -1 [1, 2 ], = 10-6 Comparação entre os métodos Exemplo: f(x) = x3 – x – 1 Observações: Melhor desempenho: Método do Ponto Fixo Métodos de Newton e Secante: muitas iterações pois houve divergência no inicio da execução ( denominador 0 ) Comparação entre os métodos Exemplo: f(x) = 4 sen(x) – e2 Observações: Melhor desempenho: Método de Newton, devido à boa escolha de x0 [0, 1 ], = 10-5 Exercício 1) A partir do gráfico da função , encontre a raiz , dada a tolerância . Utilize Resposta: 6)( 2 xxxf f(x) x y 1 3 4 50-1-2-4 1 2 3 4 -4 -3 -2 -1 -6 -5 -3 2 ]3,1[ 410 .7,15,1 10 xex 1813,0)(036,2 22 xfx 01,0)(998,1 33 xfx 0)(000,2 44 xfx
Compartilhar