Baixe o app para aproveitar ainda mais
Prévia do material em texto
* * * Fase 2: Refinamento Executar uma seqüência de instruções a fim de obter uma aproximação para a raiz, dentro de uma precisão dada. Métodos numéricos iterativos de refinamento de raiz. Método da Bissecção; Método da Posição Falsa; Método do Ponto Fixo (MPF); Método de Newton-Raphson Método da Secante * * * Método da Bissecção Seja f(x) contínua em [a,b] tal que f(a)f(b)<0 ( b a x1 x2 x0 � EMBED Equation.3 ��� (a,b) com apenas uma raiz _1091520445.unknown _1091520607.unknown _1091519446.unknown * * * Algoritmo 1 Dados : Intervalo inicial [a,b] e precisão . Se , então escolha para qualquer . FIM. 2. k = 1 3. M = f(a) 4. 5. Se faça Vá para o passo 7. b = x 7. Se b – a < (, escolha p/ qualquer . FIM. 8. k = k + 1. Volte para o passo 4. _1091522613.unknown _1091522689.unknown _1091522961.unknown _1091522988.unknown _1091522725.unknown _1091522643.unknown _1091522580.unknown * * * It. x f (x) b - a 1 .5 -1.375 .5 2 .25 .765625 .25 3 .375 -.322265625 .125 4 .3125 .218017578 .0625 5 .34375 -.0531311035 .03125 6 .328125 .0822029114 .015625 7 .3359375 .0144743919 7.8125x10-3 8 .33984375 -.0193439126 3.90625x10-3 9 .337890625 -2.43862718x10-3 1.953125x10-3 10 .336914063 6.01691846x10-3 9.765625x10-4 ; I = [0,1]; ( = 10-3. _1091527877.unknown * * * Método Posição Falsa: Conseguir uma aproximação de x usando valores de f(x), sendo f contínua em [a,b], tal que f(a)f(b) < 0 f(x) a ( x b _1091529506.unknown * * * Método do Ponto Fixo:Transforma o problema de encontrar um zero de f(x) no problema de encontrar um ponto fixo de (x). (x) é dita função de iteração para a equação f(x) = 0. Dependendo da função, ao isolar x podemos definir várias funções de iteração. A escolha de (x) é fundamental para a convergência desse processo iterativo. �. _1091883753.unknown _1091884629.unknown _1091884988.unknown _1091884999.unknown _1091884703.unknown _1091883918.unknown _1091883351.unknown * * * Método de Newton-Raphson: Generalização do MPF Determina uma única função de iteração (x) que satisfaça os requisitos necessários, a fim de garantir e acelerar a convergência do MPF. _1091886144.unknown _1091889699.unknown _1157272119.unknown _1091889698.unknown _1091885965.unknown * * * Algoritmo: Seja a equação f(x) = 0 (sempre supondo que as condições de convergência são satisfeitas) Dados iniciais: x0, (1 e (2. Se |f(x)|< (1, faça . FIM. k = 1. Se |f(x1)| < (1 ou se |x1-x0| < (2, faça . FIM. x0 = x1 k = k + 1. Volte ao passo 4. _1091889081.unknown _1091889313.unknown _1091889008.unknown * * * Método da Secante Uma desvantagem do método de Newton é a necessidade de se obter f’(x) e calcular seu valor numérico a cada iteração, causando um esforço computacional. _1091902301.unknown _1091902328.unknown _1091902329.unknown _1091902314.unknown _1091901909.unknown * * * Comparação entre os métodos Critérios: garantia de convergência, rapidez de convergência e esforço computacional. Bissecção e Posição Falsa: convergência garantida (desde que satisfaça as condições do teo. principal), cálculos menos elaborados, convergência lenta. MPF e Secante: condições restritas, cálculos rasoáveis, boa velocidade de convergência. Newton-Haphson: condições restritas, cálculos mais elaborados, convergência rápida. * * * Exemplo Bis. PF MPF Newton Secante Dados Iniciais [1,2] [1,2] x0 = 1.5 x0=1.5 x0 = 1; x1 = 2 1.44741821 1.44735707 1.44752471 1.44741635 1.44741345 2.1921x10-5 -3.6387x10-5 7.0258x10-5 1.3205x10-6 -5.2395x10-7 Erro em x 6.1035x10-5 .552885221 1.9319x10-4 1.072x10-3 1.8553x10-4 Iter. 14 6 6 2 5 _1091898479.unknown _1091898978.unknown _1091900577.unknown _1091900600.unknown _1091899013.unknown _1091898940.unknown _1091898453.unknown
Compartilhar