Baixe o app para aproveitar ainda mais
Prévia do material em texto
Calculo Numérico Calculo Diferencial e Integral por Abordagem Numérica e Aplicação com o MATLAB Consultas e Dúvidas E-mail: jeffersonsc@gmail.com Campanha Pegue Sua PROVA 2014!!! NUT sala 5 Ementa da Disciplina – Parte 1 • Modelagem Matemática: • Fundamentos do MATLAB; • Teoria dos Erros; • Métodos Fechados para determinação de raízes; • Métodos Abertos para Determinação de Raízes; • Solução de Sistemas Lineares; • Métodos de Otimização; 1° Semana Ementa da Disciplina – Parte 2 • Regressão Linear; • Mínimos Quadrados; • Outros Métodos de Interpolação; • Integração Numérica; • Diferenciação Numérica; • Solução de PVI Numericamente; • Métodos de Solução de ED Adaptativos; • Problemas de Valores de Contorno. 2° Semana Bibliografia • Chapra, Steven C. – Applied numerical methods with MATLAB for engineers and scientists, 3rd ed, McGraw-Hill, 2012. • Karris, Steven T.: Numerical Analysis Using MATLAB® and Excel®, 3rd ed, Orchard Publications, 2007. • Sperandio, D., Mendes, J.T., Silva, L.H.M.: Cálculo Numérico: características Matemáticas e Computacionais dos Métodos Numéricos, Prentice Hall, 2003. Avaliação da Disciplina • Duas Avaliações Teóricas: AV1 e AV2. • Cada Av. valerá 10 pontos. As questões poderão ser contextualizadas. • Um trabalho de solução de uma Problema Numérico Utilizando o MATLAB Valendo 10 pts. (TA) • A nota final é a média aritmética das 2 avaliações e o trabalho; 𝑁𝐹 = 𝐴𝑉1 + 𝐴𝑉2 + 𝑇𝐴 3 Cronograma da Disciplina • Início: Segunda-Feira 15/09/2014 • Horário: Manhã das 07:30 ás 13:00. • Avaliação 1: Sábado 20/09/2014. • Avaliação 2: Sábado 27/09/2014. • Entrega do Trabalho: Sexta-Feira 04/10/2013. • Provas de Segunda Chamada e Substitutiva Solicitar junto à Secretaria Acadêmica. Modelagem Matemática Obtenção de Modelos Matemáticos de Problemas físicos Observados Modelagem Matemática • Para entender o problema da Modelagem matemática, vamos tomar um saltador de bungee- jumping. • O interesse é determinar o comportamento da velocidade do saltador durante a queda, antes da atuação da força elástica. • Desta forma temos que analisar quais as forças que atuam sobre o corpo. • Temos a força da gravidade e a força de resistência do ar. • Pela segunda lei de Newton, temos: 𝐹𝑟 = 𝐹𝐺 − 𝐹𝐴𝑅 • O somatório das forças é uma boa estratégia de modelagem para esta situação; Modelagem Matemática • Em problemas de eletromagnetismo temos que analisar os campos envolvidos: Elétrico e Magnético; • Em problemas de Circuitos: Corrente e Tensão; • Em Sistemas de Potência: Potência Transmitida, Tensão e Corrente nas linhas, etc; • Cada problema possui um conjunto de variáveis que influenciam diretamente na variável ou parâmetro observado; Modelagem Matemática • Para o problema em questão, Temos agora que equacionar cada força envolvida no problema com a variável velocidade. • A força Resultante: 𝐹𝑟 = 𝑚𝑎 = 𝑚 𝑑𝑣 𝑑𝑡 • A força da Gravidade: 𝐹𝐺 = 𝑚𝑔 • A Força de resistência do Ar: 𝐹𝐴𝑅 = 𝑐𝑑𝑣 2 • Onde 𝑐𝑑 é o coeficiente de arrasto (𝑘𝑔/𝑚); • Assim temos a equação diferencial 𝑚 𝑑𝑣 𝑑𝑡 = 𝑚𝑔 − 𝑐𝑑𝑣 2 Modelagem Matemática • Podemos reescrever a equação na forma 𝑑𝑣 𝑑𝑡 = 𝑔 − 𝑐𝑑 𝑚 𝑣2 • A solução para esta EDO é dada na forma analítica pela expressão a seguir. • Vamos exemplificar para os seguintes dados: • 𝑚 = 68,1 𝑘𝑔; 𝑔 = 9,8 𝑚/𝑠2 e 𝑐𝑑 = 0,25 𝑘𝑔/𝑚; Modelagem Matemática • Utilizando o computador (MATLAB), podemos encontrar os seguintes valores de velocidade. Modelagem Matemática • Nossa intensão não é apresentar métodos de solução analíticas e sim alternativas numéricas. • Sabemos que a definição de derivada para de uma aproximação da inclinação da reta tangente. • O índice 𝑡𝑖 indica um subintervalo de tempo qualquer e 𝑡𝑖+1 indica um subintervalo de tempo posterior. Modelagem Matemática • Esta aproximação será substituída na equação diferencial. • Podemos interpretar a equação anterior como aquela que determina um próximo valor de velocidade baseado nos valores anteriores de velocidade. • Este método de solução da EDO é conhecido como método de Euler. • Para entender como esta expressão pode nos devolver a solução para a EDO, vamos tomas os mesmos dados utilizados na solução analítica. Modelagem Matemática • Temos então que adotar uma variação de tempo: Neste caso Δ𝑡 = 𝑡𝑖+1 − 𝑡𝑖 = 2 𝑠𝑒𝑔. • Vamos assumir que a velocidade inicial é nula: 𝑣 0 = 0 𝑚/𝑠. • Vamos iniciar a contagem de tempo em 0; • Para 𝑖 = 0, 𝑡0 = 0 e 𝑡1 = 𝑡0 + Δ𝑡 = 2 𝑣 2 = 𝑣 0 + 9.81 − 0,25 68,1 𝑣 0 2 2 = 19,62 𝑚/𝑠 • Para 𝑖 = 1, 𝑡1 = 2 e 𝑡2 =4 𝑣 4 = 𝑣 2 + 9.81 − 0,25 68,1 𝑣 2 2 1 = 36,41 𝑚/𝑠 • Para 𝑖 = 2, 𝑡2 = 4 e 𝑡3 = 6 𝑣 6 = 𝑣 4 + 9.81 − 0,25 68,1 𝑣 4 2 1 = 46,3 𝑚/𝑠 Modelagem Matemática • Organizando algumas informações, temos: • Note o resultado Numérico Comparado com o Exata ou analítico; • Há certa diferença, a qual pode ser reduzida diminuindo o valor de Δ𝑡; • A solução numérica oferece uma boa alternativa para solução; Modelagem Matemática • Exemplo 1: A concentração 𝐶 de um material radioativo é dada pela EDO a seguir. Onde 𝑘 = 0,175 para um determinado experimento o qual representa a taxa de decaimento radioativo. Use um método analítico e o numérico para realizar uma comparação gráfica das duas soluções. Use no método numérico Δ𝑡 = 0,1 𝑠𝑒𝑔𝑢𝑛𝑑𝑜𝑠. 𝑑𝐶 𝑑𝑡 = −𝑘C • Exemplo 2: A seguinte EDO representa a variação do nível de liquido 𝑦 dentro de um tanque o qual é alimentado com líquido a uma taxa 3𝑄 sin2 𝑡 e possui um vazão a uma taxa que depende da altura da coluna do líquido. Assuma 𝐴 = 1250 𝑚2; 𝑄 = 450 𝑚3/𝑠 e 𝛼 = 150 . Use o método de Euler para aproximar o comportamento do nível de líquido de 0 a 10 segundo, tome Δ𝑡 = 0,1 𝑠. Fundamentos de MATLAB Interface Inicial • Janela de Comandos (command window) • Área de Trabalho (workspace): Espaço reservados para o armazenamento das variáveis criadas. • Pasta de Arquivos (current directory): Pasta de referência do MATLAB. A pasta padrão é a “MATLAB” na biblioteca “Documentos”. • Histórico de Comandos (command history): Armazena os comandos digitados Fundamentos de MATLAB • Tipos de Variáveis – Numéricas: Números reais e/ ou complexos – Simbólicas: Utilizados em cálculos algébricos no Toolbox Matemática simbólica • Operações simples Operação Símbolo Exemplo Adição a + b + 4+5 Subtração a – b – 13 – 33 Multiplicação a×b * 23*12 Divisão a÷b / ou \ 64/8 ou 8\64 Potencia ab ^ 5^2 Fundamentos de MATLAB • Formatação dos números: Define a quantidade de algarismos em que o número é apresentado. Ao digitar 250.2/3 na janela de comandos, o resultado pode ser apresentado das seguintes maneiras Comando do MATLAB Número Componentes format long 83.399999999999991 16 dígitos format short 83.4000 4 dígitos (Padrão) format long e 8.339999999999999e+1 16 dígitos + expoente format short e 8.3400e+1 4 dígitos + expoente format bank 83.40 2 dígitos decimais format + + Positivo, Negativo ou zero format rat 417/5 Aproximação em fração Fundamentos de MATLAB • Algumas funções principais Função Expressão Função Expressão Seno sin(a) Potência a^b Cossenocos(a) Logaritmo natural log(a) Tangente tan(a) Logaritmo na base N log(n,a) Arco Seno asin(a) Máximo max(a) Arco Cosseno acos(a) Mínimo min(a) Arco Tangente atan(a) Valor Absoluto abs(a) Exponencial de e exp(a) Media Aritimética mean(a) Fundamentos de MATLAB • Escalares ou matrizes de ordem 1×1 o Casa decimal “ . ”; Ex: 4.34 o Notação científica “ e ”; Ex: 1e5 = 100000 o Números complexos “ i ” e “ j ”; Ex: 4+j*5 • Variáveis especiais Variável Valor ans Guarda o resultado da ultima operação pi 3.141592653589793 eps Precisão da máquina (2.22044604925e-016) inf Infinito NaN Valor não numérico realmax Maior número real (1.79769313486e+308) realmin Menor número real (2.2250738585e-308) Fundamentos de MATLAB • Denotação de Matriz: [...] – Os elementos de uma linha são separados por “espaço” ou “,”; – A separação das colunas é feita por “;” Ex1: A=[1 2 -3;3 2 1;0 0 0] 3×3 B=[0,2,5;6,1,1;0,0,3;1,2,4] 4×3 C=[2 3 1 3;1 2 -1 5] 2×4 D=[2 3 4 56 -7 7] 1×6 → Vetor Linha d=[1;23;-1;-8;2;0] 6×1 → Vetor Coluna • Criando Vetores a=1:10; → Contém 10 elementos b=1:0.1:10; → Contém 91 elementos c=1:0.001:10; → Contém 9001 elementos Fundamentos de MATLAB • Obs.: O número central representa o espaçamento de um elemento a outro. Se não especificado seu valor é 1. • Ex3: t=0:10;,s=sin(t);,plot(t,s) • Repetir para t=0:0.5:10; e depois para t=0:0.001:10 0 1 2 3 4 5 6 7 8 9 10 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 Fundamentos de MATLAB • Vetor linearmente espaçado: q=linspace(Ti,Tf,N) • Onde Ti é o ponto inicial, Tf é o ponto final e N é o número de elementos do vetor; • Matrizes elementares – zeros, Ex: zeros(3,3), Matriz de zeros – ones, Ex: ones(3,3), Matriz de 1’s – eye, Ex: eye(3), Matriz Identidade – rand, Ex: rand(3), Matriz quadrada de elementos aleatórios de 0 a 1; Fundamentos de MATLAB • Concatenando Matizes – A concatenação em linha é feita por “,”: Ex: Q=[A,B] – A concatenação em coluna é feita por “;”: Ex: W=[A;B] • Indexação: Resgata um elemento específico da matriz: M(i,j), onde i é a linha do elemento e j a coluna na matriz M; Ex: Matriz Q3×6, e=Q(1,6), f=Q(2,4) A indexação também pode ser feita pela contagem da posição feita primeira pela linha e depois coluna: Ex: Q(1,6)=Q(16) e Q(2,4)=Q(11) Fundamentos de MATLAB • Operações com matrizes – Multiplicação Matricial: *, Ex: A*B, O elemento (i,j) é calculado pelo produto escalar entre a linha i de A e a coluna j de B; – Multiplicação escalar: .*, Ex: A.*B, O elemento (i,j) é calculado multiplicando o elemento (i,j) de A com o (i,j) de B – Divisão matricial: / ou \, Ex: A/B ou B\A = A*B-1 – Divisão escalar: ./, Ex: A./B, Divisão elemento por elemento – Potencia: ^, Ex: A^2=A*A – Potência Escalar: .^, Ex: A.^2=A.*A, cada elemento é elevado à potência desejada Fundamentos de MATLAB – Transposta: ‘, Ex: A’, Transforma as linhas em colunas e vice-versa – Determinante da Matriz: det(A) – Dimensões da matriz: size(A), Determina a quantidade de linha e colunas que a matriz possui – Comprimento da matriz: length(A), Conta a quantidade de linha ou colunas da matriz, qual for maior. – Diagonal principal: diag(A), retorna os elementos da diagonal principal da Matriz – Inversa: inv(A), Retorna a matriz inversa Fundamentos de MATLAB – Ex: Determinar a solução do sistema de equações lineares 2𝑥 − 3𝑦 = 2 3𝑥 + 𝑦 = 0 A=[2 -3; 3 1];, B=[2;0] Solução: X=inv(A)*B – Ex: Determinar a solução do sistema de equações lineares 5𝑥 − 2𝑦 = 5 −𝑥 + 8𝑦 = −3 Fundamentos de MATLAB • Declarando polinômios • Dado o polinômio 2𝑥2 + 3𝑥 + 4 = 0, este pode ser declarado fazendo: p=[2 3 4]. • Assim o Matlab compreende o polinômio como um vetor que contém somente seus coeficientes. – Raiz do polinômio: roots(p) – Caso seja necessário encontrar o polinômio a partir de suas raízes, usa-se a função poly(A) que retorna o polinômio que gera os autovalores se A for matriz quadrada. – Casos A seja um vetor, a função considera que cada elemento representa um raiz do polinômio que a função retornará. – Ex: poly(A) a=[1 -2 -3 0]; poly(a) – Auto valores: ing(A) Fundamentos de MATLAB • Operações matriciais – Calculo do valor do polinômio: polyval(p,x), onde p é o polinômio e x é o valor a ser substituído. Ex: 𝑝 = 1 3 45 0 − 9 = 𝑝 𝑥 = 𝑥4 + 3𝑥3 + 45𝑥2 − 9; 𝑝 −3 = 𝑝𝑜𝑙𝑦𝑣𝑎𝑙(𝑝, −3) Determinar: p(0), p(22) e p(pi) – Multiplicação de polinômios: conv(a,b) Ex: a=[1 1]; , b=[1 -2] → 𝑎 = 𝑥 + 1 𝑒 𝑏 = 𝑥 − 2 conv(a,b)= 𝑥 + 1 . 𝑥 − 2 = 𝑥2 − 𝑥 − 2 = [1 -1 -2] no Matlab Fundamentos de MATLAB – Divisão de polinômios: deconv(a,b) Ex: a=[1 2 1] , b=[1 1] → 𝑎 = 𝑥2 + 2𝑥 + 1 𝑒 𝑏 = 𝑥 − 2 deconv(a,b)= 𝑥2 + 2𝑥 + 1 / 𝑥 + 1 = 𝑥 + 1 = [1 1] no Matlab – Integral de um polinômio: polyint(a) Ex: Calcular 𝑥2 + 3𝑥 − 10 𝑑𝑥 Resposta: 𝑥3 3 + 3𝑥2 2 − 10𝑥 + 𝐶 No Matlab: a=[1 3 -10];,polyint(a) Resposta: [0.3333 1.5 -10 0] Fundamentos de MATLAB – Derivada de um polinômio: polyder(a) Ex: Calcular 𝑑(𝑥2 + 3𝑥 − 10) 𝑑𝑥 Resposta: 2𝑥 + 3 No Matlab: a=[1 3 -10];,polyder(a) Resposta: [2 3] Fundamentos de MATLAB • Exemplo 1: A Curva borboleta tem as seguinte equações paramétricas. • Use o MATLAB para gerar os gráficos a seguir sendo t variando de 0 a 100. • A) x e y em função de t; • B) y em função de x; Fundamentos de MATLAB • Exemplo 2: A Figura a seguir mostra uma barra uniforme sujeita a uma carga crescente e linearmente distribuída. A deflexão y (m) pode ser calculado com • em que E = módulo de elasticidade e I o momento de inércia (𝑚4). Empregar essa equação e cálculo para gerar parcelas MATLAB das seguintes quantidades em função da distância ao longo da viga: • A) O deslocamento y(m); • B) A inclinação 𝜃 𝑥 = 𝑑𝑦/𝑑x; • C) O Momento 𝑀 𝑥 = 𝐸𝐼𝑑2𝑦/𝑑𝑥2 • Use nos cálculos L = 600 cm, E = 50,000 𝑘𝑁/𝑐𝑚2, I = 30,000 𝑐𝑚4, • w0 = 2.5 kN/cm, e Δx = 10 cm. Fundamentos de MATLAB • Exemplo 3: A função seno pode ser expressada pela seguinte série infinita. • Crie um programa no MATLAB para comparar a aproximação dos termos da série em relação a função original. Faça a comparação desde o termo mais simples até o termo 𝑥15/15!. • Use a equação a seguir para determinar o máximo erro em relção a função seno e sua aproximação. Fundamentos de MATLAB • Exemplo 4: Desenvolva um programa no MATLAB para apresentar o gráfico da seguinte função sendo a variável t no intervalo de -5 a 50. • Exemplo 5: Crie um programa no MATLAB para solucionar a seguinte equação diferencial. Assuma 𝐴 = 1250 𝑚2; 𝑄 = 450 𝑚3/𝑠 e 𝛼 = 150. Use o método de Euler no intervalo de 0 a 10 segundo, tome inicialmente Δ𝑡 = 0,1 𝑠. Fundamentos de MATLAB • Exemplo 6: Desenvolva um programa no MATLAB para apresentar o gráfico da seguinte função que representa o volume de líquido em um cilindro inclinado de raio 𝑟 e comprimento 𝐿, dentro deste cilindro de encontra uma quantidade de líquido tal que preenche o cilindro até um nível . Teoria dos Erros • Vamos retomar o problema da solução da equação diferencial através do método numérico de Euler. • Quando realizamos a aproximação de uma derivada por uma variação de uma variável em relação a outro estamos cometendo um erro; • Embora os resultados obtidos se aproximem visualmente dos resultados exatos obtidos por métodosanalíticos, os erro são nítidos. • Os erros são um constante problema na engenharia, visto que grande parte das soluções são obtidas e/ou analisadas de forma numérica. • Como lidar então com este problema?? Teoria dos Erros • Exatidão é a característica de um instrumento de medição que exprime o afastamento entre a medida nele efetuada e o valor de referência aceito como verdadeiro. • Repetibilidade (precisão) é a propriedade de um instrumento de, em condições idênticas, indicar o mesmo valor para uma determinada grandeza medida. Teoria dos Erros • Erro Absoluto e Relativo – A palavra “erro” designa a diferença algébrica entre o valor aproximado 𝑉𝑎 e o seu valor aceito como verdadeiro, 𝑉𝑣: Δ𝑉 = 𝑉𝑎 − 𝑉𝑣 – 𝐸𝑡 é o valor máximo do erro ou erro absoluto. – O valor Verdadeiro 𝑉𝑣 pode ser expresso na forma: 𝑉𝑎 − 𝐸𝑡 ≤ 𝑉𝑣 ≤ 𝑉𝑎 + 𝐸𝑡 – O “erro relativo” 𝜀 é definido como a relação entre o erro absoluto 𝐸𝑡 o valor verdadeiro 𝑉𝑣 da grandeza medida: 𝜀 = ∆𝑉 𝑉𝑒 × 100% Teoria dos Erros • Tolerância 𝜀𝑠 – Representa a porcentagem de erro absoluto mínima aceitável em um processo de calculo numérico. – A tolerância representa o critério de parada de uma iteração. – Exemplo 1: É possível mostra que 𝑒𝑥 pode ser aproximado por uma série infinita. Cada termo da série acrescenta melhor aproximação do valor real. Encontre o número de termos de forma que 𝜀 < 10−5 para 𝑒2. Teoria dos Erros • Erros de Arredondamento – Computadores digitais possuem um número limitado de dígitos para representação de números. – Quando é necessário representar um número com mais casas decimais do que o limite do computador, então ocorrem os erros de arredondamento. – Por exemplo, é impossível para um computador representar por completo o número 𝜋, visto que este possui um número infinito de casas decimais. Teoria dos Erros – Exemplo 2: A função seno por ser expressa pela seguinte série de potência. Estime a quantidade de termos da série de forma que o erro seja nulo para sin (𝜋/4) (a) no caso em se utiliza 3 casas decimais como resolução e (b) no caso em que se utiliza 4 casas decimais como resolução. Encontre o erro absoluto em cada caso. – Exemplo 3: Encontre a derivada da função 𝑓 𝑥 = 1/(1 − 3𝑥2) no ponto 𝑥 = 0,577. Para tanto utilize o método aproximado de Euler com número em (a) 3 casas decimais e (b) duas casas decimais. Encontre o erro absoluto em cada caso. Teoria dos Erros – Exemplo 4: Compare 4 valores da seguinte função utilizando duas resoluções diferentes. (a) primeiro com 2 casas e (b) depois com 5 casas decimais. – Exemplo 5: De forma gráfica, tente encontrar um zero para a função a seguir no intervalo [0, 𝜋] de tal forma que o erro máximo seja de 10−3. Determinação de Raízes – A raiz de uma função 𝑦 = 𝑓(𝑥) representa o valor de 𝑥 tal que 𝑓 𝑥 = 0; – Para uma equação do segundo grau é possível mostra que as raízes são dadas por: – Nem sempre é possível encontrar uma expressão que determine as raízes de uma função, como por exemplo. – Como então determinar as raízes de uma função qualquer?? – Veremos alguns métodos numéricos. Determinação de Raízes – Um dos métodos mais simples é o métodos gráfico, onde tentamos identificar graficamente em que valor de 𝑥 a função se torna nula. – Exemplo 1: Determine pelo método gráfico qual o valor de 𝑚𝑎𝑠𝑠𝑎 para o qual a função velocidade de queda de um bungee-jumping após 4 s assume o valor 36 m/s. Assuma 𝑐𝑑 = 0,25 𝑘𝑔/𝑚 e 𝑔 = 9,81 𝑚/𝑠 2. Use o MATLAB. Determinação de Raízes – Método Iterativo para busca de Intervalo – Note que o método gráfico é uma estimativa pouco viável em termo de precisão. – Vamos então determinar um intervalo dentro do qual supostamente há uma raiz. – Tomando um valor 𝑥𝑖 e outro valor 𝑥𝑖+1 caso entre este dois valores haja uma raiz, então é verdadeira. 𝑓 𝑥𝑖 𝑓 𝑥𝑖+1 < 0 – Visto que ante da raiz 𝑓(𝑥𝑖) é positivo ou negativo, então depois da raiz 𝑓(𝑥𝑖+1) possui sinal aposto; – Portanto o produto destes valores é negativo. Determinação de Raízes • Exemplo 2: Para a seguinte função determine os intervalos menores, pelo método interativo, no qual se possa encontrar uma raiz a partir do intervalo [3,6]. (a) Use inicialmente uma subdivisão de Δ𝑥 = 0,5 e depois (b) a divisão menor de Δ𝑥 = 0,001. • Exemplo 3: Repita o exemplo anterior par a função a seguir a partir do intervalo [1,4] . Tome as mesmas divisões de intervalo. −2,75𝑥3 + 18𝑥2 − 21𝑥 − 12 = 0 Determinação de Raízes • Método da Bissecção • É uma alternativa do método incremental para a determinação do intervalo onde se encontra uma raiz. • Trata-se de dividir o intervalo ou meio e testar se a raiz está na partição a esquerda ou a direita; • O teste é feito no valor da função: O intervalo em que o valor da função mais se aproxima de zero, é mais provável que a raiz. • O método consiste em repetir a divisão dos intervalos até que a tolerância mínima seja atendida. Determinação de Raízes • Exemplo 4: Determine pelo método da bissecção o valor de 𝑚𝑎𝑠𝑠𝑎 para o qual a função velocidade de queda de um bungee-jumping após 4 s assume o valor 36 m/s. Assuma 𝑐𝑑 = 0,25 𝑘𝑔/𝑚 e 𝑔 = 9,81 𝑚/𝑠 2 . Tome o intervalo de referência [50,150]. • Determine a progressão do erro a cada valor de subdivisão até que o erro máximo seja menor que 10−2. Determinação de Raízes • Estimação da quantidade n de interações: • Onde Δ𝑥0 representa o intervalo de referência inicial; • 𝐸𝑎,𝑑 representa o erro desejado. • Para o exemplo anterior, temos: 𝑛 = log2 150 10−2 = 13,873 • Então temos aproximadamente 14 interações. Determinação de Raízes • Método da Posição Falsa • Cria uma reta secante entre os dois pontos da função tomados inicialmente. • O ponto 𝑥𝑟 em que esta reta passa pelo eixo x é uma estimação da raiz. Determinação de Raízes • Conservamos um dos pontos do intervalo, o superior por exemplo, e então recalculamos o vamos da raiz até a tolerância ser atingida. • Exemplo 5: Determine pelo método da posição falsa o valor de 𝑚𝑎𝑠𝑠𝑎 para o qual a função velocidade de queda de um bungee-jumping após 4 s assume o valor 36 m/s. Assuma 𝑐𝑑 = 0,25 𝑘𝑔/𝑚 e 𝑔 = 9,81 𝑚/𝑠 2 . Tome o intervalo de referência [50,150]. Determinação de Raízes • Conservamos um dos pontos do intervalo, o superior por exemplo, e então recalculamos o vamos da raiz até a tolerância ser atingida. • Exemplo 5: Determine pelo método da posição falsa uma possível raiz para a função a seguir dentro do intervalo [0,5; 1,3]. • Exemplo 6: Use o método da bissecção para determinar o coeficiente de arrasto 𝑐𝑑 para que uma pessoa de 80 kg pulando de um bungee-jumping tenha a velocidade de 36 m/s após 4 s de queda livre. 𝑔 = 9,81 𝑚/𝑠2 . Tome o intervalo inicial 0,1; 0,2 𝑒 𝜀𝑚𝑎𝑥 < 2%. Determinação de Raízes • Exemplo 7: Utilize o método da bissecção para determinar um raiz no intervalo [−1,0] para a seguinte função. Assuma como critério de parada 𝜀𝑚𝑎𝑥 < 1%. −2,75𝑥3 + 18𝑥2 − 21𝑥 − 12 = 0 • Exemplo 8: Utilize o método da posição falsa para determinar um raiz no intervalo [−1,0] para a seguinte função. Assuma como critério de parada 𝜀𝑚𝑎𝑥 < 1%. −2,75𝑥3 + 18𝑥2 − 21𝑥 − 12 = 0 • Exemplo 9: Determine a primeira raiz não trivial de sin 𝑥 = 𝑥2 no intervalo [0,5; 1]; Tome 𝜀𝑚𝑎𝑥 < 2%. Utilize o (a) método dabissecção e (b) utilize o metodo da posição falsa. Determinação de Raízes • Exemplo 10: A carga elétrica total 𝑄 = 2𝑥10−5 𝐶 de um anel circular carregado de raio 𝑎 = 0,85𝑚. A força elétrica sobre uma carga elétrica 𝑞 = 2𝑥10−5 𝐶 é dada pela expressão a seguir. Determine a posição 𝑥 entre o anel circular e a carga 𝑞 de forma que a foça elétrica seja 1,25 𝑁. Determinação de Raízes • ITERAÇÃO DO PONTO FIXO • Tomamos uma função cuja raiz é procurada tal que 𝑓 𝑥 = 0 • Vamos soma 𝑥 em ambos os lados desta equação resultando em 𝑥 = 𝑓 𝑥 + 𝑥 = 𝑔(𝑥); • Vamos tomar um ponto de partida para o valor de 𝑥 = 𝑥0; • O próximo valor de 𝑥 será determinado por 𝑥𝑖+1 = 𝑔(𝑥𝑖) • Fazendo isso estamos aproximando o valor da função 𝑔(𝑥) à reta 𝑥. • O ponto em que a reta 𝑥 e a função 𝑔(𝑥) se interceptam representa a raiz procurada. • A convergência deste método de pende da inclinação da função 𝑔(𝑥) no ponto de cruzamento das funções. Determinação de Raízes • Exemplo 11: Determinar a raiz da função 𝑓 𝑥 = 𝑒−𝑥 − 𝑥 pelo método da iteração do ponto fixo tomando o ponto de partida 𝑥0 = 0. Mostre a progressão do erro para cada iteração até que o erro máximo seja menor que 0,5%. Determinação de Raízes • Convergência do Método: Quando 𝑔′(𝑥) < 1 temos que a relação com a aproximação com a reta 𝑥 tende a convergir para o ponto de intersecção entre as curvas. • Isto é, quando a taxa de crescimento ou descrecimento de 𝑔(𝑥) no ponto de intersecção não é maior do que a da reta 𝑥 Determinação de Raízes • Quando 𝑔′(𝑥) > 1 temos um distanciamento numérico em relação a reta e a curva 𝑔(𝑥), o que implica na divergência do método. • Desta forma, o critério de convergência é 𝑔′ 𝑥𝑟 < 1. Determinação de Raízes • MÉTODO DE NEWTON-RAPHSON • Representa um dos método mais utilizados para a determinação de raízes; • Para de um ponto inicial 𝑥0 e toma o próximo ponto 𝑥𝑖+1 como a estimativa da raiz desejada como o ponto em que a reta tangente a curva 𝑓(𝑥) toca o eixo x. Determinação de Raízes • Exemplo 12: Determine a raiz da função 𝑓 𝑥 = 𝑒−𝑥 − 𝑥 pelo método de Newton-Raphson adotando o ponto de partida 𝑥0 = 0. Apresente o progresso do erro até que o erro máximo seja menor que 0,1%. • Exemplo 13: Determine a raiz da função 𝑓 𝑥 = 𝑥10 − 1pelo método de Newton-Raphson adotando o ponto de partida 𝑥0 = 0,5. Apresente o progresso do erro até que o erro máximo seja menor que 0,1%. • Faça uma comparação em relação ao número de iterações e a convergência do método em relação aos dois exemplos anteriores. O que pode ter gerado a necessidade de tantas iterações no exemplo 13? Determinação de Raízes Situações em que o método de Newton-Raphson demora a convergir para o valor da raiz ou mesmo diverge. Determinação de Raízes • MÉTODO DA SECANTE • Vimos que o método de Newton-Raphson apresenta convergência rápida para ser condições. • No entanto em alguns casos encontrar a derivada não é tarefa simples ou mesmo representa uma tarefa inconveniente. • Desta forma vamos aproximar a derivada pela equação da reta secante e apresentar um novo equacionamento para determinar a raiz desejada. • São necessários dois chutes iniciais para o uso da equação. Determinação de Raízes • MÉTODO DA SECANTE MODIFICADO • Como alternativa, podemos reescrever a derivada em função de uma pequena variação 𝛿𝑥𝑖 em relação ao ponto 𝑥𝑖 para determinação da reta secante. • Esta aproximação nos permite simplificar o uso do método da secante tendo que utilizar a apenas um chute inicial. • O valor 𝛿𝑥𝑖 é chamado de fração de perturbação e é tomado tanto menor quanto desejado a velocidade de convergência do método. Determinação de Raízes • Exemplo 14: Determine pelo método da secante modificado o valor de 𝑚𝑎𝑠𝑠𝑎 para o qual a função velocidade de queda de um bungee-jumping após 4 s assume o valor 36 m/s. Assuma 𝑐𝑑 = 0,25 𝑘𝑔/𝑚 e 𝑔 = 9,81 𝑚/𝑠 2. Tome a fração de perturbação 𝛿𝑥 = 10−6 e como critério de parada 𝜀𝑚𝑎𝑥 < 10 −5. • Exemplo 15: Pegar algumas questões da página 178 do livro do Chapra. • Capítulo sobre Otimização pode ficar por ultimo; • Capítulo 12: Solução de sistemas Lineares por métodos iterativos. • Capítulo 14: Regressão Linear;
Compartilhar