Baixe o app para aproveitar ainda mais
Prévia do material em texto
Cálculo Numérico Prof. João Paulo do Vale Madeiro Disciplina: Métodos Computacionais Instituto de Engenharias e Desenvolvimento Sustentável Zeros de Funções Reais • As raízes de equações em geral aparecem continuamente na área de projetos de engenharia: Princípio Variáveis dependentes Variáveis independentes Leis de Kirchhoff Correntes e voltagens Tempo Leis de movimento de Newton Aceleração, velocidade ou posição Tempo e posição Balanço de calor Temperatura Tempo e posição Motivação • Raízes de equações e a prática da engenharia: . 2 4 0)( 0)( 2 2 a acbb x cbxaxxf b c x cbxxf Motivação • Raízes de equações e a prática da engenharia: ??? 25,1875,3125,275,25,3)( ??? 1)( 2345 5 )/( Raízes xxxxxxf Raízes ve c gm cf tmc Motivação • Funções para as quais as raízes não podem ser determinadas tão facilmente: métodos computacionais; • Prever variáveis dependentes (estado ou desempenho), como função das variáveis independentes e parâmetros (propriedades/composição). Motivação (variáveis explícitas e implícitas) :1)( )/( tmce c gm tv v – variável dependente (velocidade); t – variável independente (tempo); g – constante gravitacional (termo forçante); c- coeficiente de arrasto (parâmetro); m – massa (parâmetro). Motivação: especificação de parâmetros • Determinar o parâmetro ‘c’ que permite a obtenção de um dado ‘v’ para um dado intervalo de tempo ‘t’; • Solução analítica inviável: não há maneira de reorganizar a equação de forma que c esteja isolado em um membro da equação; • O parâmetro c está implícito. :1)( )/( tmce c gm tv Objetivos • Dada uma função f(x), determinar os valores de x que tornam f(x) = 0; • Modelos padrões para localização de raízes: – Equações algébricas e transcendentais: determinar uma única raiz com base em sua localização aproximada; – Polinômios: determinação sistemática de todas as raízes reais/complexas. Objetivos • Muitos problemas de projeto de engenharia envolvem especificar as propriedades ou a composição do sistema para garantir que funcionem de maneira desejada; • Assim, uma solução viável é fornecida pelos métodos numéricos para raízes de equações: ve c gm cf tmc )/(1)( Fundamentos Matemáticos • Por definição, uma função dada por 𝑦 = 𝑓(𝑥) é algébrica se puder ser expressa na forma: 𝑓𝑛𝑦 𝑛 + 𝑓𝑛−1𝑦 𝑛−1 +⋯+ 𝑓1𝑦 + 𝑓0 = 0, em que 𝑓𝑖 é um polinômio de grau n em x. • Os polinômios são uma classe simples de funções algébricas: 𝑓𝑛 𝑥 = 𝑎0 + 𝑎1𝑥 + 𝑎2𝑥 2 +⋯+ 𝑎𝑛𝑥 𝑛 Fundamentos Matemáticos • Uma função transcendental é uma função que não é algébrica: trigonométricas, exponenciais, logarítmicas,... 𝑓 𝑥 = 𝑙𝑛𝑥2 − 1 𝑓 𝑥 = 𝑒−0,2𝑥𝑠𝑒𝑛 3𝑥 − 0,5 Fundamentos Matemáticos • As raízes das equações podem ser reais ou complexas; • Como consequência, os métodos padrão para localização das raízes tipicamente se dividem em duas áreas de problemas: – Determinação de raízes reais de equações algébricas e transcendentais; – Determinação de todas as raízes reais e complexas de polinômios. Fundamentos Matemáticos • A ideia central da primeira família de métodos é partir de uma aproximação inicial para a raiz e, em seguida, refinar essa aproximação através de um método iterativo: – Fase 1: Localização ou isolamento das raízes; – Fase 2: Melhoramento sucessivo até se obter uma aproximação para a raiz dentro de uma precisão 𝜀 prefixada. Métodos Intervalares Métodos Intervalares • Um método simples para obter uma estimativa da raiz da equação 𝑓 𝑥 = 0 é fazer um gráfico da função e observar onde ela corta o eixo dos x (aproximação grosseira da raiz). Métodos Intervalares • Exemplo prático ve c gm cf tmc )/(1)( tmce c gm tv )/(1)( Métodos Intervalares • Exemplo prático Métodos Intervalares • Marcando os pontos em um gráfico: Métodos Intervalares • A curva cruza o eixo c entre 12 e 16, e uma estimativa grosseira da raiz seria 14,75: Métodos Intervalares • Além de fornecer estimativas iniciais (grosseiras), as interpretações gráficas antecipam “armadilhas”: Métodos Intervalares • Em geral, se 𝑓 𝑥𝑙 e 𝑓 𝑥𝑢 têm sinais opostos, existe um número ímpar de raízes no intervalo; • Se 𝑓 𝑥𝑙 e 𝑓 𝑥𝑢 têm ambos o mesmo sinal, ou não existe nenhuma raiz ou existe um número par de raízes entre os valores. Métodos Intervalares • Exceções: Métodos Intervalares • As exceções correspondem aos casos em que funções são tangentes ao eixo x ou que são funções descontínuas. • Ex: 𝑓 𝑥 = 𝑥 − 2 𝑥 − 2 𝑥 − 4 . Métodos Intervalares Métodos Intervalares • Sob as hipóteses de que 𝑓(𝑥𝑙) e 𝑓(𝑥𝑢) têm sinais opostos, se 𝑓′(𝑥) existir e preservar sinal em 𝑥𝑙 , 𝑥𝑢 , então este intervalo contém um único zero de 𝑓(𝑥); • Exemplo: 𝑓 𝑥 = 𝑥 − 5𝑒−𝑥 x 0 1 2 3 4 5 f(x) -5 -0,8394 0,7375 1,4831 1,9084 2,2024 Métodos Intervalares • Analisando a tabela, vemos que 𝑓(𝑥) admite pelo menos um zero no intervalo (1, 2); • Para verificarmos se este zero é único, podemos analisar o sinal de 𝑓′ 𝑥 : 𝑓′ 𝑥 = 1 2 𝑥 + 5𝑒−𝑥 > 0. • Assim, podemos concluir que 𝑓(𝑥) admite um único zero em todo seu domínio de definição e este zero está no intervalo (1,2). Métodos Intervalares • Pressuposto: uma função tipicamente muda de sinal na vizinhança de uma raiz 𝑓 𝑥𝑙 ∗ 𝑓 𝑥𝑢 < 0 ; • Duas estimativas iniciais, uma de cada lado da raiz, formando intervalo de isolamento; • Diferentes estratégias para diminuição da largura do intervalo. Métodos Intervalares • Os métodos de busca incrementais tiram vantagem dessa observação: a posição da mudança de sinal é identificada mais precisamente dividindo-se o intervalo em diversos subintervalos para localizar a mudança de sinal; • O processo é repetido e a estimativa da raiz é refinada dividindo-se os subintervalos em incrementos menores. Método da Bissecção • Tipo de busca incremental na qual o intervalo é sempre dividido na metade; • Se uma função muda de sinal em um intervalo, calcula-se o valor da função no ponto médio do intervalo da mudança de sinal; • A posição da raiz é determinada como sendo o ponto médio do subintervalo no qual a mudança de sinal ocorre; • Redefine-se o intervalo de busca de modo a propiciar buscas mais refinadas. Algoritmo • (1) Escolher as aproximações inferior (xl) e superior (xu): f(xl)*f(xu) < 0; • (2) Determinar a estimativa da raiz:𝑥𝑟 = 𝑥𝑙+𝑥𝑢 2 ; • (3) Efetuar as verificações: • Caso f(xl)*f(xr) < 0, fazer xu = xr, e voltar ao passo 2; • Caso f(xu)*f(xr) < 0, fazer xl = xr, e voltar ao passo 2; • Caso f(xl)*f(xr) = 0, parar os cálculos, xr é a raiz. Algoritmo Algoritmo • Exemplo Prático: Cálculo da raiz da função 𝑓 𝑐 = 𝑔𝑚 𝑐 1 − 𝑒− 𝑐/𝑚 𝑡 − 𝑣, usando os parâmetros 𝑡 = 10, 𝑔 = 9,8, 𝑣 = 40,𝑚 = 68,1. Algoritmo • O primeiro passo na bissecção é descobrir dois valores para a incógnita c que dê valores de 𝑓(𝑐) com sinais diferentes (12e 16); • Portanto, a estimativa inicial da raiz é: 𝑥𝑟 = 12+16 2 = 14. • Sendo o valor verdadeiro da raiz 𝛿 = 14,7802, o erro relativo percentual verdadeiro será de 𝜀𝑡 = 5,3%. Algoritmo • A seguir, calcula-se o produto do valor da função no extremo inferior e no ponto médio: 𝑓 12 . 𝑓 14 = 6,067. 1,569 = 9,517 > 0. Consequentemente, a raiz deve estar localizada entre 14 e 16: 𝑥𝑟 = 14+16 2 = 15 ⇒ 𝜀𝑡 = 1,5% Algoritmo • O processo pode ser repetido para se obter estimativas refinadas: • 𝑓 14 . 𝑓 15 = 1,569 −0,425 = −0,666 • 𝑥𝑟 = 14+15 2 = 14,5 ⇒ 𝜀𝑡 = 1,9%. • O erro verdadeiro não decresce com cada iteração, entretanto, o intervalo no qual a raiz está localizada é dividido na metade em cada passo do processo. Critério de parada • É necessária uma estimativa do erro que não dependa do conhecimento prévio da raiz (uso de um limitante superior): • Quando εa se torna menor do que um critério de parada pré-especificado 𝜀𝑠, param-se os cálculos. %100. novo r velho r novo r a x xx Exemplo Prático • Seja a função f(c) abaixo: • Obter o valor da raiz pelo método da bissecção. 40138,667)( 146843,0 ce c cf Exemplo Prático • Coeficiente de arrasto c necessário para que um paraquedista de massa m = 68,1 Kg tenha uma velocidade de 40 m/s depois de cair em queda livre por t = 10s. • Traça-se o gráfico da função para alguns pontos pré-selecionados. Método da Bissecção Método da Bissecção Método da Bissecção • Identifica-se um intervalo inicial no domínio da função em que há mudança de sinal; • No caso específico, xl = 14 e xu = 15; • Aplica-se o algoritmo de refinamento de busca da raiz, usando como critério de parada εs = 0,0001 (ou 0,01%). Método da Bissecção Método da Bissecção • Valores finais obtidos: – xr = 14,7803; – εa = 0,0066 %. Método da Bissecção • Comparação entre a evolução dos erros verdadeiro e estimado: Método da Bissecção • Maneiras pelas quais o intervalo pode delimitar a raiz: Método da falsa posição • Para o método da bissecção, na divisão do intervalo de 𝑥𝑙 a 𝑥𝑢 em metades iguais, não são levados em conta os módulos de 𝑓 𝑥𝑙 e 𝑓 𝑥𝑢 . • Por exemplo, se 𝑓 𝑥𝑙 estiver muito mais próximo de zero do que 𝑓 𝑥𝑢 , é provável que a raiz esteja mais próxima de 𝑥𝑙 do que de 𝑥𝑢. Método da falsa posição • Dados os pontos (xl,f(xl)) e (xu,f(xu)), situados abaixo (ou acima) e acima (ou abaixo) do eixo x: – Constrói-se uma reta interligando tais pontos; – A interseção da reta com o eixo x representa uma estimativa melhorada da raiz. Método da falsa posição • Descrição gráfica: Método da falsa posição • Usando semelhança de triângulos: • 𝑓(𝑥𝑙) 𝑥𝑟−𝑥𝑙 = 𝑓(𝑥𝑢) 𝑥𝑟−𝑥𝑢 ⇒ 𝑓 𝑥𝑙 . 𝑥𝑟 − 𝑥𝑢 = 𝑓 𝑥𝑢 . 𝑥𝑟 − 𝑥𝑙 • 𝑥𝑟 𝑓 𝑥𝑙 − 𝑓(𝑥𝑢) = 𝑥𝑢. 𝑓 𝑥𝑙 − 𝑥𝑙 . 𝑓(𝑥𝑢) • 𝑥𝑟 = 𝑥𝑢.𝑓(𝑥𝑙) 𝑓 𝑥𝑙 −𝑓(𝑥𝑢) − 𝑥𝑙.𝑓 𝑥𝑢 𝑓 𝑥𝑙 −𝑓 𝑥𝑢 = 𝑥𝑢 − 𝑓(𝑥𝑢)(𝑥𝑙−𝑥𝑢) 𝑓 𝑥𝑙 −𝑓(𝑥𝑢) Método da falsa posição Método da falsa posição • A estimativa melhorada, xR, da raiz é identificada pela expressão: • Após cada iteração, o valor de xR substitui xL ou xU, dependendo de qual forneça valor da função com o mesmo sinal de f(xR). UL ULU UR xfxf xxxf xx Método da falsa posição • Exemplo Prático: usar o método da falsa posição para determinar a raiz da mesma equação investigada anteriormente. • Solução: Começar os cálculos com as mesmas aproximações 𝑥𝑙 = 12, 𝑥𝑢 = 16. Método da falsa posição • Primeira iteração: 𝑥𝑙 = 12 ⇒ 𝑓 𝑥𝑙 = 6,0699 𝑥𝑢 = 16 ⇒ 𝑓 𝑥𝑢 = −2,2688 𝑥𝑟 = 16 − −2,2688 12 − 16 6,0699 − −2,2688 = 14,9113 𝜀𝑡 = 0,89% Método da falsa posição • Segunda iteração: Método da falsa posição Método da falsa posição Comparação dos erros relativos dos métodos da bissecção e da falsa posição: Método da falsa posição Casos em que a bissecção é preferível ao método da falsa posição: 𝑓 𝑥 = 𝑥10 − 1. Métodos Abertos • São baseados em fórmulas que exigem apenas um único valor inicial de 𝑥 ou dois valores iniciais que não delimitam necessariamente a raiz; • Algumas vezes divergem ou se afastam da raiz verdadeira à medida que os cálculos prosseguem; • Podem convergir mais rapidamente que os métodos intervalares. Iteração de ponto fixo simples • Reescreve-se a equação f(x) = 0 de modo que x esteja isolado no lado esquerdo da equação: x = g(x); • Pode-se conseguir esta transformação ou por manipulação algébrica ou simplesmente somando x em ambos os lados da equação: • 𝑥2 − 2𝑥 + 3 = 0 ⇒ 𝑥 = 𝑥2+3 2 ; • 𝑠𝑒𝑛 𝑥 = 0 ⟹ 𝑥 = 𝑠𝑒𝑛 𝑥 + 𝑥. Iteração de ponto fixo simples • Obedecidas certas condições, a fórmula permite obter uma nova estimativa xi+1 a partir da iteração anterior xi: 𝑥𝑖+1 = 𝑔 𝑥𝑖 . • O erro aproximado pode ser determinado usando-se o estimador: 𝜀𝑎 = 𝑥𝑖+1 − 𝑥𝑖 𝑥𝑖+1 . 100% Iteração de ponto fixo simples • Seja a função 𝑓 𝑥 = 𝑒−𝑥 − 𝑥; • Para o cálculo da raiz 𝑓 𝑥 = 0 , a função pode ser separada e expressa na forma: 𝑥 = 𝑒−𝑥; • Deriva-se a fórmula iterativa: 𝑥𝑖+1 = 𝑒 −𝑥𝑖 . Iteração de ponto fixo simples • Começando com uma aproximação inicial 𝑥0 = 0, a equação iterativa pode ser usada para calcular: Iteração de ponto fixo simples • Cada iteração traz o valor estimado para mais perto do valor verdadeiro: 0,56714329; • Erro relativo percentual verdadeiro aproximadamente proporcional ao erro da iteração anterior: convergência linear; • Quando ocorrerá a convergência ? E a divergência ? Iteração de ponto fixo simples: abordagem gráfica • Uma abordagem gráfica alternativa é separar a equação em duas componentes: 𝑦1(𝑥) e 𝑦2 𝑥 . • Seja a função f(x) = e-x-x. Podemos separá-la em y1(x) = x, y2(x) = e -x. • A raiz de f(x) corresponde ao ponto de interseção das duas curvas: 𝑦1(𝑥) e 𝑦2 𝑥 . Gráfico inicial Iteração de ponto fixo simples: abordagem gráfica • Os seguintes valores podem ser calculados: • A interseção das duas curvas indica a raiz em aproximadamente 𝑥 = 0,57. Iteração de ponto fixo simples: abordagem gráfica • Algoritmo: – 1ª iteração – A aproximação inicial x0 é usada para determinar o ponto correspondente na curva 𝑦2: (x0,g(x0)). O ponto 𝑥1, 𝑥1 é localizado movimentando-se o ponto marcado horizontalmente até a curva y1(x) → x1 = g(x0); – 2ª iteração - Movimenta-se o ponto marcado até a curva y2(x) para determinar (x1,g(x1)). O ponto 𝑥2, 𝑥2 é localizado movimentando-se o ponto marcado até a curva y1(x) → x2 = g(x1); – [...] Gráfico das iterações Iteração de ponto fixo simples: abordagem gráfica • A função 𝑦1 𝑥 = 𝑥 e quatro formas diferentes para 𝑦2 𝑥 = 𝑔 𝑥 : Iteração de ponto fixo simples: abordagem gráfica • A função 𝑦1 𝑥 = 𝑥 e quatro formas diferentes para 𝑦2 𝑥 = 𝑔 𝑥 : Iteração de ponto fixo simples: abordagem gráfica• A convergência ocorre quando as estimativas de x aproximam-se da raiz (ponto de interseção) a cada iteração; • Pode ser demonstrado que a convergência apenas ocorre quando o valor absoluto da inclinação de 𝑦2 = 𝑔(𝑥) é menor do que a inclinação de 𝑦1 = 𝑥, isto é, quando 𝑔′(𝑥) < 1, na região de interesse. Iteração de ponto fixo simples: abordagem gráfica • Demonstração: A equação iterativa é: 𝑥𝑖+1 = 𝑔(𝑥𝑖); Suponha que a solução verdadeira seja: 𝑥𝑟 = 𝑔 𝑥𝑟 . Subtraindo-se as duas equações: 𝑥𝑟 − 𝑥𝑖+1 = 𝑔 𝑥𝑟 − 𝑔(𝑥𝑖). Iteração de ponto fixo simples: abordagem gráfica • De acordo com o teorema do valor médio para derivadas, se 𝑔(𝑥) e sua derivada forem contínuas no intervalo 𝑎 ≤ 𝑥 ≤ 𝑏, existe pelo menos um valor 𝜉 dentro do intervalo, tal que: • 𝑔′ 𝜉 = 𝑔 𝑏 −𝑔(𝑎) 𝑏−𝑎 . • Então podemos escrever: 𝑔 𝑥𝑟 − 𝑔 𝑥𝑖 = 𝑥𝑟 − 𝑥𝑖 . 𝑔 ′ 𝜉 = 𝑥𝑟 − 𝑥𝑖+1. Iteração de ponto fixo simples: abordagem gráfica • Se denominarmos o erro verdadeiro para a iteração i de 𝐸𝑡,𝑖 = 𝑥𝑟 − 𝑥𝑖, então: • 𝐸𝑡,𝑖+1 = 𝑥𝑟 − 𝑥𝑖+1 ⇒ 𝐸𝑡,𝑖+1 = 𝑔 ′ 𝜉 . 𝐸𝑡,𝑖. • Consequentemente, se 𝑔′(𝜉) < 1, os erros diminuem a cada iteração. Iteração de ponto fixo simples • Critério de parada semelhante ao utilizado nos métodos anteriores (εa < εs): • Condição para convergência na região das iterações: %100. novo r velho r novo r a x xx 1 )(2 dx xdy Método de Newton-Raphson • Considerando xi uma aproximação inicial da raiz, estende-se uma reta tangente a f(x) a partir do ponto [xi,f(xi)]; • O ponto onde essa tangente cruza o eixo x representa uma estimativa melhorada da raiz. Método de Newton-Raphson • Descrição do método de Newton-Raphson: Método de Newton-Raphson Método de Newton-Raphson • Seja f ’(xi) a derivada de f(x) no ponto [xi,f(xi)], então: . )(' )( , )(' )( , 0)( )(' 1 1 1 i i ii i i ii ii i i xf xf xx xf xf xx xx xf xf Método de Newton-Raphson • Além da dedução geométrica, o método pode ser deduzido a partir da expansão em série de Taylor: • Após truncamento até o termo de 1ª ordem: .)(')()( . !2 )( ))((')()( 11 2 1 '' 11 iiiii iiiiiii xxxfxfxf xx f xxxfxfxf Método de Newton-Raphson • Na interseção com o eixo x, busca-se f(xi+1)=0: • Tal expressão é equivalente ao Método de Newton-Raphson: .)(')(0 1 iiii xxxfxf . )( )( '1 i i ii xf xf xx Método de Newton-Raphson • A discrepância entre xi+1 e o valor verdadeiro xr deriva- se, a partir da série de Taylor, como: • O erro atual é aproximadamente proporcional ao quadrado do erro anterior: convergência quadrática. 2 ,1, 11, )('2 )(" ; it r r it irit E xf xf E xxE Método de Newton-Raphson • Demonstração: • Se a série de Taylor completa fosse usada, o resultado exato seria obtido: • 𝑓 𝑥𝑟 = 0 = 𝑓 𝑥𝑖 + 𝑓 ′ 𝑥𝑖 𝑥𝑟 − 𝑥𝑖 + 𝑓′′ 𝜉 2! 𝑥𝑟 − 𝑥𝑖 ². • Subtraindo a equação acima pela equação do Método de Newton-Raphson, obtemos: Método de Newton-Raphson • Demonstração: • 0 = 𝑓′ 𝑥𝑖 𝑥𝑟 − 𝑥𝑖+1 + 𝑓′′(𝜉) 2! 𝑥𝑟 − 𝑥𝑖 ² • 𝐸𝑡,𝑖+1 = 𝑥𝑟 − 𝑥𝑖+1 • 0 = 𝑓′ 𝑥𝑖 . 𝐸𝑡,𝑖+1 + 𝑓′′(𝜉) 2! 𝐸𝑡,𝑖 2 • 𝐸𝑡,𝑖+1 = − 𝑓′′(𝜉) 2𝑓′(𝑥𝑖) 𝐸𝑡,𝑖 2 Método de Newton-Raphson • Se supusermos a convergência, 𝜉 → 𝑥𝑟 , 𝑥𝑖 → 𝑥𝑟: • 𝐸𝑡,𝑖+1 = − 𝑓′′(𝑥𝑟) 2𝑓′(𝑥𝑟) 𝐸𝑡,𝑖 2 • Tal expressão implica que o erro é aproximadamente proporcional ao quadrado do erro anterior: o número de casas decimais corretas aproximadamente dobra a cada iteração. • Convergência quadrática. Método de Newton-Raphson • Exemplo prático: use o método de Newton- Raphson para fazer uma estimativa da raiz de 𝑓 𝑥 = 𝑒−𝑥 − 𝑥, utilizando uma aproximação inicial 𝑥0 = 0. Método de Newton-Raphson • Solução: Convergência: f(x) = e-x-x • xr = 0,5671. Método da Secante • Problema em potencial no Método de Newton-Raphson: cálculo da derivada, que pode ser difícil ou inconveniente para calcular; • Aproximação da derivada por diferença dividida regressiva: . )()( )(' 1 1 ii ii i xx xfxf xf Método da Secante • Aproximação da derivada por diferença dividida regressiva: Método da Secante • Substituindo-se a aproximação obtida na expressão do Método de Newton-Raphson, obtém-se a fórmula do método da Secante: • Método exige duas estimativas iniciais de xr! ii ii iii xfxf xx xfxx 1 1 1 . Método da Secante • A reta que interliga os pontos 𝑥𝑖 , 𝑓(𝑥𝑖) e 𝑥𝑖−1, 𝑓(𝑥𝑖−1) toca o eixo x em 𝑥𝑖+1: 𝑦 = 𝑎𝑥 + 𝑏 ⇒ 𝑎 = 𝑓 𝑥𝑖−1 −𝑓(𝑥𝑖) 𝑥𝑖−1−𝑥𝑖 𝑏 = 𝑥𝑖−1𝑓 𝑥𝑖 −𝑥𝑖𝑓(𝑥𝑖−1) 𝑥𝑖−1−𝑥𝑖 𝑎𝑥𝑖+1 + 𝑏 = 0 ⇒ 𝑥𝑖+1 = 𝑥𝑖 − 𝑓 𝑥𝑖 . 𝑥𝑖−1 − 𝑥𝑖 𝑓 𝑥𝑖−1 − 𝑓(𝑥𝑖) Método da Secante • Exemplo Prático: Use o método da secante para fazer uma estimativa da raiz de 𝑓 𝑥 = 𝑒−𝑥 − 𝑥. Comece com as estimativas iniciais de 𝑥−1 = 0 e 𝑥0 = 1. Método da Secante • Solução: Método da Secante • Solução: Método da Secante • Solução: Convergência: f(x) = e-x-x • xr = 0,5671. Métodos Abertos • Comparação de convergência dos erros relativos percentuais verdadeiros para a determinação das raízes de 𝑓 𝑥 = 𝑒−𝑥 − 𝑥:
Compartilhar