Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Cálculo Numérico Prof. Aparecido J. de Souza aparecidosouza@ci.ufpb.br Método da Secante. Comparações entre os vários métodos. Preliminares. Hipótese. Seja f : [a,b]⊂ R→ R contínua tal que a equação f (x) = 0 possua uma única raíz x = ξ em (a,b), e também com f ′ e f ′′ contínuas em [a,b] e f ′(x) 6= 0, ∀x ∈ [a,b]. Lembrete: A sequência de iteradas no método de Newton-Raphson para aproximar a raiz ξ de f (x) = 0 é xk+1 = xk − f (xk )f ′(xk ) , k = 0,1,2, · · · . Ideia. Modificar a fórmula acima de tal forma a evitar o cálculo da derivada f ′(xk ) a cada iteração e o método não ficar tão custoso computacionalmente. Procedimento 1: Trocar f ′(xk ) por f ′(x0) e assim calcular a derivada uma única vez. Procedimento 2: Trocar f ′(xk ) (a inclinação da reta tangente no ponto (xk , f (xk )) pela inclinação da reta secante pelos pontos (xk−1, f (xk−1)) e (xk , f (xk )). Método da Secante. Lembrete: A sequência de iteradas no método de Newton-Raphson para aproximar a raiz ξ de f (x) = 0 é xk+1 = xk − f (xk )f ′(xk ) , k = 0,1,2, · · · . Procedimento 1: Trocar f ′(xk ) por f ′(x0) e assim calcular a derivada uma única vez. Procedimento 2: Trocar f ′(xk ) (a inclinação da reta tangente no ponto (xk , f (xk )) pela inclinação da reta secante pelos pontos (xk−1, f (xk−1)) e (xk , f (xk )). Consequencias: Melhora o custo computacional. Baixa a ordem de convergência (quadrática) para uma ordem de convergência ainda acima da linear (superlinear). Método da Secante. Lembrete: A sequência de iteradas no método de Newton-Raphson para aproximar a raiz ξ de f (x) = 0 é xk+1 = xk − f (xk )f ′(xk ) , k = 0,1,2, · · · . Procedimento 2: Troca da inclinação da derivada em xk pela inclinação da secante por (xk−1, f (xk−1)) e (xk , f (xk )). f ′(xk )≈ f (xk )− f (xk−1)xk −xk−1 . Substituindo esta última expressão na fórmula das iteradas obtemos o Método da Secante dado por xk+1 = xk − f (xk ) (xk −xk−1)f (xk )− f (xk−1) = xk−1f (xk )−xk f (xk−1) f (xk )− f (xk−1) . Resumo Método de Newton-Raphson: Dado x0, xk+1 = xk − f (xk )f ′(xk ) , k = 0,1,2, . . . . Método da secante: Dados x0 e x1, xk+1 = xk−1 f (xk ) − xk f (xk−1) f (xk )− f (xk−1) , k = 1,2, . . . . O método da secante é de passo-2: São necessárias duas aproximações iniciais x0 e x1 para começar as iterações. O método de Newton-Raphson, assim como os MPFs em geral, é de de passo-1: É necessário apenas a aproximação inicial x0 para começar as iterações. Os métodos da bisseção e da posição falsa são autoinicializáveis, não sendo necessário fornecer aproximações iniciais. O Método da Secante Conhecidos xk−1 e xk : xk+1 = xk−1 f (xk ) − xk f (xk−1) f (xk )− f (xk−1) , k = 1,2, . . . . Ordem de convergência? Ordem menor do que a de Newton-Raphson e superior ao da bisseção: p = (1 + √ 5)/2≈ 1.618... (número de ouro). É superlinear, mas não quadrática. Fórmula do erro: |ek+1| ≤ maxx∈[a,b] |f ′′(x)| 2minx∈[a,b]|f ′(x)| |ek | |ek−1| . Ver Conte, S. D. & Boor, C.; Elementary Numerical Analysis, an Algorithmic Approach, 3a Edt., McGraw-Hill, 1981. O Método da Secante. Método da secante: Conhecidos xk−1 e xk : xk+1 = ϕ(xk−1,xk )≡ xk−1 f (xk ) − xk f (xk−1)f (xk )− f (xk−1) , k = 1,2, . . . . Exemplo 1(a). Determine uma aproximação do zero da função f (x) = x3−9x + 3 localizada no intervalo [−5,−3], com precisão até a terceira casa decimal, via Erro Absoluto em x . Newton-Raphson com x0 =−4 =⇒ x¯ = x4 = −3.1545, |EA4|= 0.00012373, f (x¯) =−0.000000... Aproximações iniciais para o Método da Secante: x0 =−4, f0 =−25; x1 =−3.5, f1 =−8.3750 (bisseção). Iterações: x2 = ϕ(x0,x1) =−3.2481, |EA2|= 0.2519, f2 =−2.0355 x3 = ϕ(x1,x2) =−3.1672, |EA3|= 0.0809, f3 =−0.2668 x4 = ϕ(x2,x3) =−3.1550, |EA4|= 0.0122, f4 =−0.0109 x5 = ϕ(x3,x4) =−3.1545, |EA5|= 0.00051809, f5 = −0.0000... Quatro Iterações. O Método da Secante. Método da secante: Conhecidos xk−1 e xk : xk+1 = ϕ(xk−1,xk )≡ xk−1 f (xk ) − xk f (xk−1)f (xk )− f (xk−1) , k = 1,2, . . . . Exemplo 1(b). Determine uma aproximação do zero da função f (x) = x3−9x + 3 localizada no intervalo [0, 1], com precisão até a terceira casa decimal, via Erro Absoluto em x . Newton-Raphson com x0 = 0.5 =⇒ x¯ = x3 = 0.3376, |EA3| ≈ 0.0000002, f (x¯)≈ 0.0000... Aproximações iniciais para o Método da Secante: x0 = 0.5, f0 =−1.3750, x1 = 0.25, f1 =−3.3281 (bisseção). Iterações: x2 = ϕ(x0,x1) = 0.3240, |EA2|= 0.4260, f2 = 0.1180 x3 = ϕ(x1,x2) = 0.3386, |EA3|= 0.0146, f3 =−0.0085 x4 =ϕ(x2,x3) = 0.3376, |EA4|= 0.00097778, f4 =−0.0000... Três Iterações. O Método da Secante. Método da secante: Conhecidos xk−1 e xk : xk+1 = ϕ(xk−1,xk )≡ xk−1 f (xk ) − xk f (xk−1)f (xk )− f (xk−1) , k = 1,2, . . . . Exemplo 1(c). Determine uma aproximação do zero da função f (x) = x3−9x + 3 localizada no intervalo [2, 3], com precisão até a terceira casa decimal, via Erro Absoluto em x . Newton-Raphson com x0 = 2.5 =⇒ x¯ = x4 = 2.8169, |EA4|= 0.00000.., f (x¯)≈ 0.0000... Aproximações iniciais para o Método da Secante: x0 = 2.5, f0 =−3.8750, x1 = 2.75, f1 =−0.9531 (bisseção). Iterações: x2 = ϕ(x0,x1) = 2.8316, |EA2|= 0.0816, f2 = 0.2185 x3 = ϕ(x1,x2) = 2.8163, |EA3|= 0.0152, f3 =−0.0085 x4 = ϕ(x2,x3) = 2.8169, |EA4|= 0.00056778, f4 = −0.000007... Três Iterações. O Método da Secante. Método da secante: Conhecidos xk−1 e xk : xk+1 = ϕ(xk−1,xk )≡ xk−1 f (xk ) − xk f (xk−1)f (xk )− f (xk−1) , k = 1,2, . . . . Exemplo 2. Determine uma aproximação do zero da função f (x) = x2−sen(x) localizada no intervalo [1, 5], com precisão até a terceira casa decimal, via Erro Absoluto em x . Método de Newton-Raphson com x0 = 3.0 =⇒ x¯ = x6 = 0.8767, |EA5|= 0.00002683, f (x¯)≈ 0.0000... Método da Secante com x0 = 3.0, f0 = 8.8589, x1 = 2, f1 = 3.0907 (arbitrário). =⇒ x¯= x7 = 0.8767, |EA7|= 0.000068553, f (x¯)≈ 0.0000... Comparações entre os vários métodos numéricos. Parâmetros de Comparação. • Garantia de Convergência, • Ordem de convergência (número de iterações), • Custo Computacional (tempo de execução). Convergência. • Os métodos da Bisseção e o da Posição Falsa tem convergência garantida desde que f seja contínua em [a,b] e f (a)× f (b) < 0. • O métodos MPF, Newton-Raphson e Secante tem convergência garantida, desde que haja restrições adicionais envolvendo as derivadas de até segunda ordem da função f . Comparações entre os vários métodos numéricos. Ordem de Convergência. • O método da Bisseção tem convergência lenta. Depende do comprimento de [a,b]. Quanto maior for [a,b] comparado com a tolerância TOL, maior será o número de iterações. • O método da Posição Falsa xk = ak |f (bk )|+ bk |f (ak )| |f (bk )|+ |f (ak )| , também tem convergência lenta, principalmente de |f (ak )| for grande em comparação com |f (bk )| ou vice-versa, pois estes são pesos na fórmula das iteradas. • Os métodos MPFs em geral têm pelo menos Ordem de Convergência Linear. O erro decresce linearmente a cada iterada: |Ek+1| ≈ C|Ek |, com 0 < C < 1. Comparações entre os vários métodos numéricos. Ordem de Convergência. • O método de Newton-Raphson xk+1 = xk − f (xk )f ′(xk ) , k = 0,1,2, . . . tem Ordem de Convergência quadrática. O erro decresce quadraticamente a cada iterada: |Ek+1| ≈ C|Ek |2 ( o número de zeros após a vírgula geralmente duplica a cada iteração). Se |f ′(xk )| for muito pequeno pode ocorrer overflow. Comparações entre os vários métodos numéricos. Ordem de Convergência. • O método da Secante xk+1 = xk−1 f (xk ) − xk f (xk−1) f (xk )− f (xk−1) , k = 1,2, . . . tem Ordem de Convergência superlinear, isto é, é melhor do que convergência linear dos MPFs em geral e pior do que a convergência quadrática do método de Newton. Se f (xk ) for próximo de f (xk−1) pode ocorrer overflow porque o denominador pode ser muito pequeno. Comparações entre os vários métodos numéricos. Custo Computacional (tempo de execução). Este item está relacionado com o número de operações efetuadas a cada iteração, da complexidade destas operações, do número de decisões lógicas, do número de avaliações de funções externas a cada iteração e do número total de iterações. • O método da Bisseção realiza cálculo bastante simples a cada iteração, por isto tem menor custo computacional. • Os métodos da Posição Falsa e o da Secante realizam um pouco mais de cálculo do que o método da bisseção em cada iteração, por ter que calcular as inclinações das secantes. • O método de Newton-Raphson realiza operações mais sofisticadas a cada iteração e depende também da avaliação de duas funções externas ( f (xk ) e f ′(xk )). Por isto tem maior custo computacional. Exemplo 3. (Ex. 18, Ruggiero, pg 79). f (x) = e−x2−cos(x), ξ ∈ (1,2), min{|EAx¯ |, |f (x¯)|}< 10−4. Exemplo 3. (Ex. 18, Ruggiero, pg 79). f (x) = e−x2−cos(x), ξ ∈ (1,2), min{|EAx¯ |, |f (x¯)|}< 10−4. f ′(x) =−2x e−x2 + sen(x) 6= 0. Exemplo 3. (Ex. 18, Ruggiero, pg 79). f (x) = e−x2−cos(x), ξ ∈ (1,2), min{|EAx¯ |, |f (x¯)|}< 10−4. MPF: ϕ(x) = x−e−x2 + cos(x). ϕ ′(x) = 1 + 2xe−x2−sen(x) (|ϕ ′(x)|< 1). Exemplo 3. (Ex. 18, Ruggiero, pg 79). f (x) = e−x2−cos(x), ξ ∈ (1,2), min{|EAx¯ |, |f (x¯)|}< 10−4. Bisseção. x¯ = 1.44741821 f (x¯) = 2.1921×10−5 |EAx |= 6.1035×10−5 14 Iterações. P. Falsa. x¯ = 1.44735707 f (x¯) =−3.6387×10−5 |EAx |= .552885221 4 Iterações. MPF com ϕ(x) = x−e−x2 + cos(x) e x0 = 1.5 x¯ = 1.44752471 f (x¯) = 7.0258×10−5 |EAx |= 1.9319×10−4 6 Iterações. Newton-Raphson com x0 = 1.5. x¯ = 1.44741635 f (x¯) = 1.3205×10−6 |EAx |= 1.7072×10−3 2 Iterações. Secante com x0 = 1, x1 = 2. x¯ = 1.44741345 f (x¯) =−5.2395×10−7 |EAx |= 1.8553×10−4 5 Iterações. Exemplo 4. (Ex. 19, Ruggiero, pg 79). f (x) = x3−x −1, ξ ∈ (0,2), min{|EAx¯ |, |f (x¯)|}< 10−6. Exemplo 3. (Ex. 19, Ruggiero, pg 79). f (x) = x3−x −1, ξ ∈ (0,2), min{|EAx¯ |, |f (x¯)|}< 10−6. f ′(x) = 3x2−1 (se anula para x ≈ 0.6). Exemplo 3. (Ex. 19, Ruggiero, pg 79). f (x) = x3−x −1, ξ ∈ (0,2), min{|EAx¯ |, |f (x¯)|}< 10−6. MPF: Função de iteração ϕ(x) = (x + 1)1/3. ϕ ′(x) = 13(x + 1) −2/3 (|ϕ ′(x)|< 1). Exemplo 3. (Ex. 19, Ruggiero, pg 79). f (x) = x3−x −1, ξ ∈ (0,2), min{|EAx¯ |, |f (x¯)|}< 10−6. Bisseção (no intervalo (1,2)). x¯ = 0.1324718×101 f (x¯) =−0.1847744×10−5 |EAx |= 0.9536743×10−6 20 Iterações. P. Falsa (no intervalo (1,2)). x¯ = 0.1324718×101 f (x¯) =−0.7897615×10−6 |EAx |= 0.6752825 17 Iterações. MPF com ϕ(x) = (x + 1)1/3 e x0 = 1. x¯ = 0.1324717×101 f (x¯) =−0.52154406×10−6 |EAx |= 0.3599538×10−6 9 Iterações. Newton-Raphson com x0 = 0. x¯ = 0.1324718×101 f (x¯) = 0.1821000×10−6 |EAx |= 0.6299186×10−6 21 Iterações., f′(0.6)≈ 0. Secante com x0 = 0, x1 = 0.5. x¯ = 0.1324718×101 f (x¯) =−0.8940697×10−7 |EAx |= 0.8998843×10−5 27 Iterações, f′(0.6)≈ 0. Exemplo 4. (Ex. 20, Ruggiero, pg 80). f (x) = 4sen(x)−ex , ξ ∈ (0,1), min{|EAx¯ |, |f (x¯)|}< 10−5. Exemplo 4. (Ex. 20, Ruggiero, pg 80). f (x) = 4sen(x)−ex , ξ ∈ (0,1), min{|EAx¯ |, |f (x¯)|}< 10−5. f ′(x) = 4cos(x)−ex (se anula para x ≈ 0.9). Exemplo 4. (Ex. 20, Ruggiero, pg 80). f (x) = 4sen(x)−ex , ξ ∈ (0,1), min{|EAx¯ |, |f (x¯)|}< 10−5. MPF: Função de iteração ϕ(x) = x−2sen(x) + 12ex . ϕ ′(x) = 1−2cos(x) + 12ex (|ϕ ′(x)|> 1, se x ≥ 0.9). Exemplo 4. (Ex. 20, Ruggiero, pg 80). f (x) = 4sen(x)−ex , ξ ∈ (0,1), min{|EAx¯ |, |f (x¯)|}< 10−5. Bisseção. x¯ = 0.370555878 f (x¯) =−1.3755×10−5 |EAx |= 7.6394×10−6 17 Iterações. P. Falsa. x¯ = 0.370558828 f (x¯) = 1.6695×10−6 |EAx |= 0.370562817 8 Iterações. MPF com ϕ(x) = x−2sen(x) + 0.5ex e x0 = 0.5. x¯ = 0.370556114 f (x¯) =−4.5191×10−6 |EAx |= 1.1528×10−4 5 Iterações. Newton-Raphson com x0 = 0.5. x¯ = 0.37058084 f (x¯) =−2.7632×10−8 |EAx |= 1.3863×10−4 3 Iterações. Secante com x0 = 0, x1 = 1. x¯ = 0.370558098 f (x¯) = 5.8100×10−9 |EAx |= 5.7404×10−6 7 Iterações. Exemplo 5. (Ex. 21, Ruggiero, pg 80). f (x) = x log10(x)−1, ξ ∈ (2,3), min{|EAx¯ |, |f (x¯)|}< 10−7. Exemplo 5. (Ex. 21, Ruggiero, pg 80). f (x) = x log10(x)−1, ξ ∈ (2,3), min{|EAx¯ |, |f (x¯)|}< 10−7. f ′(x) = log10(x) + 1/ln(10) 6= 0. Exemplo 5. (Ex. 21, Ruggiero, pg 80). f (x) = x log10(x)−1, ξ ∈ (2,3), min{|EAx¯ |, |f (x¯)|}< 10−7. MPF: Função de iteração ϕ(x) = x−1.3(x log10(x)−1). ϕ ′(x) = 1−1.3(log10(x) + 1/ln(10)) (|ϕ ′(x)|<< 1). Exemplo 5. (Ex. 21, Ruggiero, pg 80). f (x) = x log10(x)−1, ξ ∈ (2,3), min{|EAx¯ |, |f (x¯)|}< 10−7. Bisseção. x¯ = 2.506184413 f (x¯) = 1.2573×10−8 |EAx |= 5.9605×10−8 24 Iterações. P. Falsa. x¯ = 2.50618403 f (x¯) =−9.9419×10−8 |EAx |= .49381442 5 Iterações. MPF com ϕ(x) = x−1.3(x log(x)−1) e x0 = 2.5. x¯ = 2.50618417 f (x¯) = 2.0489×10−8 |EAx |= 3.8426×10−6 5 Iterações. Newton-Raphson com x0 = 2.5. x¯ = 2.50618415 f (x¯) = 4.6566×10−10 |EAx |= 3.9879×10−6 2 Iterações. Secante com x0 = 2.3, x1 = 2.7. x¯ = 2.50618418 f (x¯) = 2.9337×10−8 |EAx |= 8.0561×10−5 3 Iterações.
Compartilhar