Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
01_Introducao_v2_Folheto.pdf 06/08/2019 1 Cálculo Numérico Aula Inicial Prof. Marconi de Arruda Pereira marconi@ufsj.edu.br Dados Gerais Professor: Marconi de Arruda Pereira marconi@ufsj.edu.br Sala 101 - Bloco 3 Horário de atendimento: Terças das 13:15 às 16:15 Dados Gerais Objetivo Introduzir o aluno na área do Cálculo Numérico e da Análise Numérica, tornando-o capaz de analisar e aplicar algoritmos numéricos em problemas reais, codificando-os em uma linguagem de alto nível a fim de resolver problemas de pequeno e médio porte em Ciência e Tecnologia. Dados Gerais Ementa Teoria de erros. Zeros de funções e zeros reais de polinômios. Solução de sistemas lineares: métodos diretos e iterativos. Ajuste de curvas. Interpolação. Integração numérica. Resolução numérica de equações diferenciais ordinárias. Exemplos de aplicações do Cálculo Numérico na Engenharia. Aulas práticas em laboratório. Dados Gerais Conteúdo 1. Introdução 2. Teoria de erros Representação de números Erros absolutos e relativos Erros de arredondamento e truncamento Análise de erros Dados Gerais Conteúdo 3. Zeros de Funções Isolamento das raízes Critério de parada Métodos iterativos de cálculo de raízes (Bisseção, Posição Falsa, Ponto Fixo, Newton e Secante) Comparação entre os métodos 4. Solução de sistemas lineares Métodos Diretos (Eliminação de Gauss e Decomposição LU) Métodos Iterativos (Gauss-Jacobi e Gauss-Siedel) 06/08/2019 2 Dados Gerais Conteúdo 5. Interpolação Métodos de Interpolação (Linear , Quadrática , Lagrange, Newton, Gregory-Newton) Estudo do Erro 6. Ajuste de Curvas Método dos Quadrados Mínimos (Caso Linear e Não- Linear) Dados Gerais Conteúdo 7. Integração numérica Integração simples (Regra dos Trapézios, Primeira Regra de Simpson, Segunda Regra de Simpson) Integração dupla 8. Resolução numérica de equações diferenciais ordinárias Problemas de Valor Inicial Método de Euler Dados Gerais Bibliografia Básica 1. RUGGIERO, Márcia A. G., LOPES, Vera L. R. Cálculo Numérico - Aspectos teóricos e computacionais. 2a Ed. Pearson, 1996; 2. FRANCO, Neide Bertoldi. Cálculo Numérico. 1a Ed. Prentice Hall, 2006; 3. CHAPRA, Steven C., CANALE, Raymond P. Métodos Numéricos para a Engenharia. 5ª Ed. MCGRAW-HILL BRASIL, 2008. Dados Gerais Bibliografia Complementar 1. CAMPOS, filho, Frederico F. Algoritmos Numéricos, 2.ed., Rio de Janeiro: LTC, 2007; 2. BARROSO, Leônidas, BARROSO, Magali Maria de Araújo, CAMPOS FILHO, Frederico Ferreira. Cálculo Numérico com Aplicações. 2a Ed. Harbra, 1987; 3. SPERANDIO, Décio, MENDES, João T., SILVA, Luiz H. M. Cálculo numérico - características matemáticas e computacionais dos métodos numéricos. 1a Ed. Prentice Hall. 2003. O que é combinado... Chamada Serão realizadas em todas as aulas A presença e principalmente a participação do aluno é fundamental Exercícios práticos Acontecerão, idealmente, todas as semanas nas quais houver conteúdo expositivo Listas são verificadas Penalidade de 20% por atraso de até 7 dias (máximo 2 semanas de atraso) Atividade Extra: Clube de leitura http://petdpcfc.wixsite.com/ufsj/grupo-de-leitura O que é combinado... Exercícios Não copie, Não compre Compra Nota zero Cópia Origem e Cópia recebem a mesma nota, zero As normas acadêmicas prevêem reprovação e advertência Provas Uso de calculadora científica é permitido. HP, não. Estude agora para não precisar depois. 06/08/2019 3 Avaliações Exercícios Semanais (2,5 total) Resultado final em 04/12 4 Provas (2,5 pontos) 18/09 23/10 20/11 04/12 -> Substitutiva (substitui prova ou exercícios) Segunda chamada (em acordo com os Procedimentos Acadêmicos) 11/12 Matlab/Octave Poderosas ferramentas matemáticas que nos auxiliarão no aprendizado do Cálculo Numérico Laboratórios Trabalhos Práticos Disponibiliza funções numéricas Possibilita a programação de novas funções Cálculo Numérico Introdução Prof. Marconi de Arruda Pereira marconi@ufsj.edu.br material produzido pelo prof. Wellington Passos O que é Cálculo Numérico? O Cálculo Numérico corresponde a um conjunto de ferramentas ou métodos usados para se obter a solução de problemas matemáticos de forma aproximada, mas com um grau crescente de exatidão Esses métodos se aplicam principalmente a problemas que não apresentam uma solução exata, portanto precisam ser resolvidos numericamente Por que utilizar? Um problema de Matemática pode ser resolvido analiticamente, mas esse método pode se tornar impraticável com o aumento do tamanho do problema Exemplo: solução de sistemas de equações lineares (soluções químicas, redes elétricas etc.) Por que utilizar? O problema não tem solução analítica Exemplos: a) não tem primitiva em forma simples; b) Equações diferenciais parciais não lineares podem ser resolvidas analiticamente só em casos particulares. 06/08/2019 4 Solucionar problemas técnicos através de métodos numéricos, usando um modelo matemático Função do Calculo Numérico na Engenharia Exemplo de aplicação Calcular tensões dos nós do circuito elétrico No nó 1, pela lei de Kirchhoff Exemplo de aplicação O problema é resolvido a partir de um sistema linear de quatro equações e quatro variáveis V1, V2, V3 e V4. 0 254 0 0 4 3 2 1 3201 61323 0143 1126 V V V V Resolução de problemas No exemplo anterior Problema real: determinar tensões nos nós dos circuitos Levantamento de dados: valores das resistências e tensões nos pontos A e B Construir modelo matemático: montar equações e criar as matrizes a partir delas Escolher método numérico: Decomposição LU, Decomposição de Cholesky, Fatoração LDLT, Método de Jacobi, etc Implementar Método: criar e processar programa Analisar resultados e verificar se o modelo matemático ou o método numérico precisam ser alterados. Influência dos erros nas soluções Exemplo 1: Falha no lançamento de mísseis (25/02/1991 – Guerra do Golfo – míssil Patriot) Limitação na representação numérica (24 bits) Erro de 0,34 s no cálculo do tempo de lançamento Resultado: 28 mortos e aprox. 100 feridos 06/08/2019 5 Influência dos Erros nas Soluções Exemplo 2: Explosão de foguetes (04/06/1996 – Guiana Francesa – foguete Ariane 5) Limitação na representação numérica (64 bits/ 16 bits) Erro de trajetória levou a explosão 36,7 s após o lançamento Prejuízo = US$ 500 milhões em equipamentos Outros exemplos Desastres Causados por erros de cálculo numérico http://www.ima.umn.edu/~arnold/disasters/ 02_Erros_Folheto.pdf 18/02/2019 1 Cálculo Numérico Teoria dos Erros Autor: Prof. Wellington Passos de Paula Adptado por: Marconi de Arruda Pereira Programa 1. Conceitos Básicos a) Representação de números b) Conversão de números c) Aritmética de ponto flutuante 2. Erros a) Erros absolutos e relativos b) Erros de arredondamento e truncamento c) Análise de erros Cálculo Numérico Teoria dos Erros – Conceitos Básicos Autor: Prof. Wellington Passos de Paula Adptado por: Marconi de Arruda Pereira Representação de números Sistema Decimal (10) 10 dígitos disponíveis [0,1,2, ... ,9] “Posição” indica potência positiva de 10 5432 = 5x103 + 4x102 + 3x101 + 2x100 Sistema Binário (2) 2 “bits” disponíveis [0,1] “Posição” indica potência positiva de 2 1011 na base 2 = 1x23 + 0x22 + 1x21 + 1x20 8+0+2+1 = 11 na base decimal Representação de números Fórmula Geral Base : Logo, a decomposição polinomial do número é dada por: Exemplo: Dado , temos que: , k j,..., 0 ,)...( 0121 aaaaa jj - )1(0 - ka 0 0 1 1 2 2 1 1 ... ´´´´´ - - aaaaa j j j j ,)...( 0121 aaaaa jj - 0123 1091041081066849 ´´´´ 10 Representação de números Representação Números Fracionários Base Decimal (10) “Posição” da parte inteira indica potência positiva de 10 Potência negativa de 10 para parte fracionária 54,32 = 5x101 + 4x100 + 3x10-1 + 2x10-2 Base Binária (2) “Posição” da parte inteira indica potência positiva de 2 Potência negativa de 2 para parte fracionária 10,11 na base 2 = 1x21 + 0x20 + 1x2-1 + 1x2-2 2+0+1/2+1/4 = 2,75 na base decimal 18/02/2019 2 Outros sistemas de numeração Maior interesse em decimal (10) Nossa anatomia e cultura Binário (2) – uso nos computadores Outros Sistemas Octal (8), {0,1,2, ... , 7} Hexadecimal (16), {0,1,2, ... , 9, A,B,C,D,E,F} Dodecimal (relógio, calendário) Alguns sistemas numéricos Conversão de números - inteiros Binário para decimal Já visto (1011)2 = 1x2 3 + 0x22 + 1x21 + 1x20 = (11)10 Inteiro decimal para binário Divisão inteira (do quociente) sucessiva por 2, até que este seja = 0 ou 1 Binário = composição do último quociente (Bit Mais Significativo – BMS) com os restos das divisões (primeiro resto é bit menos significativo – bms) Em inglês, Most Significant Bit – MSB e least significat bit – lsb, respectivamente. Conversão de números - inteiros Exemplo: Converter 30 decimal para binário Binário = BMS ... bms = 1 1 1 1 0 1 1 1 1 0 = 1x24 + 1x23 + 1x22 + 1x21 + 0x20 = 16 + 8 + 4 + 2 + 0 = 30 decimal Conversão de inteiros entre sistemas Procedimentos Básicos Decimal Binário - Divisões sucessivas pela base do sistema para o qual se deseja converter o número Binário Decimal - Decomposição polinomial do número a ser convertido Conversão de inteiros entre sistemas 18/02/2019 3 Conversão de fração Base 2 para Base 10 Já visto (Decomposição Polinomial) (10,101)2 = 1x2 1 + 0x20 + 1x2-1 + 0x2-2 + 1x2-3 = = 2 + 0 + 1/2 + 0 + 1/8 = (2,625)10 Conversão de fração Base 10 para Base 2 Deve-se multiplicar parte fracionária por 2 até que parte fracionária do resultado seja 0 (zero) X,XXX Bits da parte fracionária do número binário são obtidos das partes inteiras geradas após as multiplicações do número fracionário na base 10 X,XXX Bit imediatamente à direita da vírgula = Parte inteira da primeira multiplicação Não há inversão na ordem dos bits encontrados Conversão de fração Exemplo: converter 0,625 decimal para binário 0,625 x 2 = 1,25, logo a primeira casa fracionária do número binário é 1; nova fração (resto) é 0,25 (agregamos o bit 1 ao número na base 2) 0,25 x 2 = 0,5 segunda casa do número binário é 0; nova fração (resto) é 0,5 (pois já agregamos o bit 0 ao numero na base 2) 0,5 x 2 = 1,0 terceira casa é 1; nova fração (resto) é 0,0 (pois já agregamos o bit 1 ao numero na base 2) Resultado: 0,62510 = 0,1012 Conversão partes inteira e fracionária juntas Para converter um número com parte inteira e parte fracionária, faça a conversão de cada parte separadamente Conversão partes inteira e fracionária juntas (8,375)10 = ( ? )2 Exercícios Transforme em binário: 5,8 Resposta: 5,8 = 101,11001100... , uma dízima. 11,6 Resposta: 11,6 = 1011,10011001100... a vírgula foi deslocada uma casa para a direita, pois 11,6 = 2 x 5,8 18/02/2019 4 Aritmética de ponto flutuante Representação pode variar (“flutuar”) a posição da vírgula, ajustando potência da base. 54,32 = 54,32 x 100 = 5,432 x 101 = 0,5432 x 102 = 5432,0 x 10-2 Forma normalizada utiliza um único dígito antes da vírgula ( 0 ), e garante que o primeiro dígito depois da vírgula seja diferente de 0 Exemplo: 0,5432 x 102 Aritmética de ponto flutuante No sistema binário: 11010 = 11,010 x 23 = 0,11010 x 25 = 0,0011010 x 27 No caso dos números serem armazenados em um computador, os expoentes serão também gravados na base dois 11,010 x (2)11 = 0,11010 x (2)101 = 0,0011010 x (2)111 Na representação normalizada, há apenas um dígito antes da vírgula ( 0 ) Exemplo: 0,11010 x (2)101 Aritmética de ponto flutuante Algumas definições No número 0,11010 x (2)101 , tomado como referência: 0,11010 = significando (ou “mantissa”) 101 = expoente Observações A base binária não precisa ser explicitada (o computador usa sempre a mesma) O “0” antes da vírgula, na representação normalizada – se esta for adotada, também pode ficar implícito, economizando um bit (“bit escondido”). Representação aritmética de ponto flutuante no computador onde: é a base em que o computador opera; é o número de dígitos na mantissa é o expoente (inteiro com sinal) e tddd ´ )...(. 21 t ;01 d,,...,1),1(0 tjd j - e Representação aritmética de ponto flutuante no computador O número de bits disponíveis para representar os números no computador não é infinito O padrão IEEE 754 para ponto (vírgula) flutuante é a representação mais comum para números reais em computadores de hoje, incluindo PC's compatíveis com Intel, Macintosh, e a maioria das plataformas Unix/Linux. O padrão (ou norma) IEEE 754 define dois formatos básicos para os números em ponto flutuante: O formato ou precisão simples, com 32 bits; e, O duplo com 64 bits Sinal: 0 = + e 1 = - Combinações: Sinal + Expoente + Mantissa Padrão IEEE 754 para floats Sinal Expoente(+/-) Mantissa Simples (32bits) 1 [bit31] 8 [bits30-23] 23 [bits22-00] Dupla (64 bits) 1 [bit63] 11 [bits62-52] 52 [bits51-00] 18/02/2019 5 Limitações na representação de floats A quantidade finita de bits na representação pode implicar nos seguintes erros: Truncamento ou Arredondamento Overflow Underflow Limitações na representação de floats Exemplo: Máquina no seguinte sistema: Logo o formato dos números nesse sistema: Menor valor representado em módulo: Maior valor representado em módulo: .5,5;3;10 - et 5,5,0,90,10.0 1321 -´ eddddd j e 65 1010100.0 -- ´m 9990010999.0 5 ´M Limitações na representação de floats Situações possíveis: a) . Número contém 5 dígitos na mantissa Possíveis Soluções: Truncamento: Arredondamento: Assunto do próximo tópico 31023589.089.235 ´x 310235.0 ´ 310236.0 ´ Limitações na representação de floats Situações possíveis: b) . Expoente não pode ser representado na máquina pois é menor que o mínimo (-5) Erro de underflow c) . Expoente não pode ser representado na máquina pois é maior que o máximo (5) Erro de overflow 710345.0 -´x 910875.0 ´x Limitações na representação de floats Considere ]4,4[;3;10 - et x arredondamento truncamento 1.25 10.053 -253.15 2.71828 0.000002 Underflow Expoente<-4 817235.89 Overflow Expoente>+4 110125.0 ´ 110125.0 ´ 210100.0 ´210101.0 ´ 310253.0 ´- 310253.0 ´- 110272.0 ´ 110271.0 ´ Exercícios Considere uma máquina com sistema de representação de números definido por: base 10, precisão de 4 dígitos na mantissa e expoente no intervalo: [-6; 6]. Pede-se: a) Qual o menor e o maior número em módulo representado nesta máquina? Menor: 0.1000x10-6 = 10-7, Maior: 0.9999x106 = 999900 b) Como será representado o número 189,27 nesta máquina se for usado o arredondamento? E se for usado o truncamento? Trunc.: 0.1892x103, Arred.: 0.1893x103 c) Se a = 2578 e b = 0,6 qual o resultado de a + b se for usado o arredondamento? E se for usado o truncamento? Trunc.: 0.2578x104, Arred.: 0.2579x104 18/02/2019 6 Cálculo Numérico Teoria dos Erros – Erros Autor: Prof. Wellington Passos de Paula Adaptado por: Marconi de Arruda Pereira Erros - Tipos Precisão Absoluto Relativo Representação Arredondamento Truncamento Erro Absoluto Diferença entre o valor exato de um número e o seu valor aproximado (em módulo) |x|xEAx - EAx só poderá ser determinado se x for conhecido com exatidão Na prática, costuma-se trabalhar com um limitante superior para o erro, ao invés do próprio erro ( |E | < ε, sendo ε é o limitante) Ex: Para (3,14; 3,15) = 3,1415926535897932384626433832795028841971693… EAπ = π- π < 0,01 Erro Absoluto - Considerações Erro Absoluto - Considerações Ex.: Sejam a = 3876,373 e e = 1,373 Considerando-se a parte inteira de a como ā o erro absoluto será: e a parte inteira de e, ē, o erro absoluto será: 0,373aaEAa - 0,373eeEAe - Erro Absoluto - Considerações Obviamente, o resultado do erro absoluto é o mesmo nos dois casos Podemos então dizer que a e e estão representados com a mesma precisão? Não, pois o peso da aproximação em e é maior do que em a Erro absoluto não é suficiente para descrever a precisão de um cálculo 18/02/2019 7 Erro Relativo Razão entre o erro absoluto e o valor aproximado do número considerado (em módulo) |x| EA |x| |x|x ER xx - O erro relativo pode ser considerada como uma estimativa da precisão do número: ERx x 100 = Erro Percentual O valor exato da precisão = |Erro absoluto|/|valor exato| 59 -´ 100,000096 3876 0,373 ERa 140 -´ 10,373 1 0,373 ERe Erro Relativo - Considerações Ex. : Cálculo do erro relativo na representação dos números ā = 2112,9 e ē = 5,3, sendo |EA| < 0,1 Conclusão: a é representado com maior precisão do que e Erro Relativo - Considerações 5107,4 9,2112 1,0 -´ - a aa ERa 02,0 3,5 1,0 - e ee ERe Erros de Arredondamento Ex. Cálculo de utilizando uma calculadora digital: Valor apresentado: 1,4142136 Valor real: 1,41421356... Não há forma de representação digital (por máquinas) de números irracionais com uma quantidade finita de algarismos. A calculadora apresenta uma aproximação do número. Erro de Arredondamento. 2 Erros de Truncamento É o descarte dos dígitos finais de uma representação exata por limitações de representação em vírgula flutuante: Ex.: Representação truncada de em vírgula flutuante com 7 dígitos Valor apresentado: 1,4142135 Valor real: 1,41421356... 2 Representação aritmética de ponto flutuante no computador – Relembrando... onde: é a base em que o computador opera; é o número de dígitos na mantissa é o expoente (inteiro com sinal) e tddd ´ )...(. 21 t ;01 d,,...,1),1(0 tjd j - e 18/02/2019 8 Para t = 4, e = 3 e x = 234,57: x = 0,2345 x 103 + 0,7 x 10-1 fx = 0,2345 gx = 0,7 Erros de Truncamento e Arredondamento em um sistema de aritmética de ponto flutuante: Em um sistema que opera em ponto flutuante de t dígitos na base 10, e seja x: x = fx x 10 e + gx x 10 e-t (0,1 fx 1 e 0,1 gx 1) Erros de Arredondamento e Truncamento Para t = 5, e = 4 e x = 1234,568 x = 0,12345 x 104 + 0,68 x 10-1 fx = 0,12345 gx = 0,68 Erros - Truncamento No truncamento, gx x 10 e-t é desprezado e e , visto que |gx| < 1 pois 0,1 é o menor valor possível para fx 1t e te e te e x te xx x 10 1010 10 100,1 10 10f 10g x EA ER - - --- ´´ ´ ´ ´ 10,1 e x 10fx ´ tete xx 1010gEA -- ´ te x e x 10g10fx -´´ e x te x e xx f10gfxxEA 1010 ´-´´- - No arredondamento simétrico (forma mais utilizada): , se (gx é desprezado) , se (soma 1 ao último dígito de fx) Erros – Arredondamento ´ ´ -tee x e x 1010f 10f x 2 1 g x 2 1 g x Erros - Arredondamento Se , então: , visto que |gx| < 1/2 1t e te e te e x te xx x 10 2 1 10 10 100,1 100,5 10f 10g x EA ER - - --- ´ ´´ ´ ´ ´ ´ ´ 1100,1 2/1 tete xx 10 2 1 10gEA -- ´´ 2 1 g x e x te x e xx f10gfxxEA 1010 ´-´´- - Erros – Arredondamento Se , então: e e x te tee x te x x 10f 101/2 1010f 101/2 x EA ER ´ ´ ´ ´ - - - tetex tete xx 10 2 1 101g1010gEA ---- ´´--´ 2 1 g x teextexexx 1010f10g10fxxEA -- ´-´´- Erros de Truncamento e Arredondamento em um sistema de aritmética de ponto flutuante: Sistema operando em ponto flutuante - Base 10 Erro de Truncamento e Erro de Arredondamento e Arredondamento gera erros menores, mas aumenta o tempo de execução uso do Truncamento te x 10EA - 1t x 10ER - Arredondamento e Truncamento 18/02/2019 9 Sistema de aritmética de ponto flutuante de 4 dígitos, precisão dupla Ex.: Seja x = 0,937 x104 e y = 0,1272 x102. Calcular x+y. Alinhamento dos pontos decimais antes da soma ( Alinhar sempre para o maior expoente dentre os operadores ) x = 0,937 x 104 e y = 0,001272 x 104, x+y = 0,937 x 104 + 0,001272 x 104, x+y = 0,938272 x 104 Resultado com 4 dígitos Arredondamento: x+y = 0,9383 x 104 Truncamento: x+y = 0,9382 x 104 Análise de Erros Sistema de aritmética de ponto flutuante de 4 dígitos, precisão dupla Ex. : Seja x = 0,937 x 104 e y = 0,1272 x102. Calcular a multiplicação x*y x*y = (0,937 x 104) x (0,1272 x 102) x*y = (0,937 x 0,1272) x 106 x*y = 0,1191864 x 106 Resultado com 4 dígitos Arredondamento: x*y = 0,1192 x 106 Truncamento: x*y = 0,1191 x 106 Análise de Erros Análise de Erros Considerações Ainda que as parcelas ou fatores de uma operação possam ser representados exatamente no sistema, não se pode esperar que o resultado armazenado seja exato. x e y tinham representação exata, mas os resultados x+y e x.y tiveram representação aproximada. Durante as operações aritméticas de um método, os erros dos operandos produzem um erro no resultado da operação Propagação ao longo do processo Análise de Erros – Propagação Ex. : Sejam as operações a seguir processadas em uma máquina com 4 dígitos significativos e, sendo a = 0,3491 x 104 e b = 0,2345 x 100, qual o valor da expressão: (b + a) − a = b + (a − a) ? (b + a) − a = (0,2345 x100+0,3491x104) − 0,3491x104 = (0,00002345 x104+0,3491x104) − 0,3491x104 (0,34912345 x104) − 0,3491x104 (arredodamento) 0,3491 x 104 − 0,3491 x104 = 0,0000 b + (a − a) = 0,2345x100 + (0,3491 x 104 −0,3491x104)= 0,2345 x 100 +(0,0000 x 104)= 0,2345 x 100 Análise de Erros – Propagação Os dois resultados são diferentes, quando não deveriam ser. (b + a) − a = 0,0000 e b + (a − a) = 0,2345 x 100 Causa Arredondamento da adição (b + a), a qual tem 8 dígitos A máquina só armazena 4 dígitos (desprezando os menos significativos) Análise de Erros – Propagação É preciso atenção na resolução numérica de um problema. É Importante o conhecimento dos efeitos da propagação de erros. Determinação do erro final de uma operação; Conhecimento da sensibilidade de um determinado problema ou método numérico. 18/02/2019 10 Análise de Erros – Propagação Análise dos Erros Absoluto e Relativo. Existem expressões para o determinação dos erros nas operações aritméticas. Erros podem ocorrer na representação das parcelas ou fatores, assim como no resultado da operação. Supondo um erro final arredondado, sendo x e y, tais que: yx EAy yEAxx e Análise de Erros – Propagação Adição Erro Absoluto Erro Relativo yx y ER yx x ER yx y y EA yx x x EA ER yx yx yx )EA(EA)yx( )EAy() EAx(yx yx yx yxyx EAEAEA yx EA yx EA yx EAEA yx EA ER yxyxyxyx Análise de Erros – Propagação Subtração Erro Absoluto Erro Relativo )EA(EA)yx( )EAy()EAx(yx yx yx -- -- yxyx EAEAEA -- - - - - - - - yx y ER yx x ER yx y y EA yx x x EA ER yx yx yx - - - - - - - - yx EA yx EA yx EAEA yx EA ER yxyxyx yx Análise de Erros – Propagação Multiplicação Erro Absoluto Erro Relativo muito pequeno yxxyyx EAEAEAyEAxyxEAyEAxx.y ´´´´´ xyyx EAyEAxyxEAyEAxx.y ´´´´ yxx.y ERERER xyx.y EAyEAxEA y EA x EA xy EAy xy EAx xy EAyEAx xy EA ER yxxyxyyx x.y . Análise de Erros – Propagação Divisão Erro Absoluto ´ y EA 1 1 y EAx EAy EAx y x y x y x yyy EAy y y y EAyy y EA 1 1 y ´ ´ ´ 1111 Simplificação:: (desprezam-se os termos de potência >1) ´ y EA 1 1 y EAx EAy EAx y x y x y x ... y EA y EA y EA 1 y EA 1 1 3 y 2 yy y - - -´ -´ y EA y EA y x y EA y EAx y x yxyx 11 Análise de Erros – Propagação Divisão Erro Absoluto -´ -´ y EA y EA y x y EA y EAx y x yxyx 11 2 yx y EAx y EA y x y x - 2y EAEA y EA y EAx y x y x yxx 2 y ´ -- muito pequeno 2 yx yx y EAxEAy EA - / 18/02/2019 11 Análise de Erros – Propagação Divisão Erro Relativo - ´ x y y EAxEAy x y EA y x EA ER 2 yx yx yx x/y / / yx yx x/y ERER y EA x EA ER -- Análise de Erros - Propagação Erro Relativo da Adição É a soma dos erros relativos de cada parcela, ponderados pela participação de cada parcela no total da soma. Erro Relativo da Subtração É a diferença entre os erros relativos do minuendo e do subtraendo, ponderados pela participação de cada parcela no resultado da subtração. yx y ER yx x ERER yxyx - - - - yx y ER yx x ERER yxyx Análise de Erros - Propagação Erro Relativo da Multiplicação Soma dos erros relativos dos fatores. Erro Relativo da Divisão Diferença entre os erros relativos do dividendo e do divisor yxx.y ERERER yxx/y ERERER - Análise de Erros - Propagação Nos erros anteriormente formulados, ainda consideramos o erro de arredondamento ou truncamento no resultado final A análise completa da propagação do erro se faz considerando os erros nas parcelas ou fatores e no resultado de cada operação efetuada Ex.: Dada a soma x+y (x e y representados exatamente), faça o cálculo de ER(x+y) Como x e y são exatamente representados, ERx+y se resume ao Erro Relativo de Arredondamento (RA) no resultado da soma. EAx= EAy = 0, EAx+y = 0 1t yx 10 2 1 RAER - ´ RA yx EA ER yx yx Análise de Erros - Propagação RAER yx Análise de Erros - Propagação Sistema de aritmética de ponto flutuante de 4 dígitos, precisão dupla Ex.: Seja x = 0,937 x104, y = 0,1272 x102 e z = 0,231 x101, calcular x+y+z e ER(x+y+z), sabendo que x, y e z estão exatamente representados. Solução: Alinhando as vírgulas decimais ( Alinhar sempre para o maior expoente dentre os operadores ) : x = 0,937000 x104 y = 0,001272 x104 e z = 0,000231 x104 18/02/2019 12 Análise de Erros - Propagação Ex.: Seja x = 0,937 x104, y = 0,1272 x102 e z = 0,231 x 101, calcular x+y+z e ER(x+y+z), sabendo que x, y e z estão exatamente representados. Solução: A soma é feita por partes: (x+y)+z x+y = 0,937000 x104 + 0,001272 x104 x+y = 0,938272 x104 (arredondamento) x+y = 0,9383 x 104 = s s+z = 0,9383 x 104 + 0,000231 x 104 s+z = 0,938531 x 104 (arredondamento) x+y+z = 0,9385 x 104 Análise de Erros - Propagação Solução: s = x+y = então s = x + y = 0,9383 x 104 Cálculo do Erro Relativo: EAx=EAy=0, ERx+y=0syxs RAyx y ER yx x ERER ss RAER Análise de Erros - Propagação Solução: EAz=0, ERz=0 RA zyx z ER zyx yx ERER zszyx RA zyx yx ERER szyx 1 zyx yx RA RA zs z ER zs s ERER zszyx RA zyx yx RAER szyx Análise de Erros - Propagação Solução: 3 zyx 0,9998.10ER - 1t zyx 10 2 1 1 zyx yx ER - ´ 3 4 4 109385,0 109383,0 - ´ ´ ´ 10 2 1 1ER zyx 1 zyx yx RARA zyx yx RAER szyx Análise de Erros - Propagação Ex. : Supondo que u é representado em um computador por ū, que é obtido por arredondamento. Obter os limites superiores para os erros relativos de v = 2ū e w = ū + ū. Análise de Erros - Propagação Ex. : Solução: 1t u 10ER - 2 uv 2 RAERERER uu 22 1 2 10 2 1 2 -´´ t u ER RARARA 2 18/02/2019 13 Ex. : Solução: Análise de Erros - Propagação 1t vw 10ERER - uuw RA uu u ER uu u ERER uuw 11 1010 2 1 22 -- ´´´ ttw RAER RA uu u RAERw ´ 2 ´ RA u u RAERw 2 2 RA´2 Exercício Considere uma máquina cujo sistema de representação de números é definido por . Tal máquina utiliza o arredondamento para os dígitos na mantissa. Os números x = 8543 e y = 2477 foram utilizados em algumas operações nesta máquina. Assim, faça o que se pede: a) Calcule os erros absolutos (EA) e erros relativos (ER) envolvidos no processo de utilização da máquina para cada número x e y. Resposta: et 3,10 ]5,5[-e x 0,854´104 EAx 0, 0003´10 4 ERx 3, 513´10 -4 y 0,248´104 EAy 0, 0007´10 4 ERy 1, 210´10 -3 Exercício Considere uma máquina cujo sistema de representação de números é definido por . Tal máquina utiliza o arredondamento para os dígitos na mantissa. Os números x = 8543 e y = 2477 foram utilizados em algumas operações nesta máquina. Assim, faça o que se pede: b) Após a realização das operações x+y e x*y, foi percebido que uma das duas operações resultava no erro relativo maior. Qual foi? Resposta: Erro da multiplicação é maior et 3,10 ]5,5[-e RAER yx ´ - 410445,5 RAER yx ´ - ´ 410613,15 02_Erros_OBS-NumerosDiscretos.pdf 210 31 2 3 4 3 8 1 4 3 2 03_Raizes_Folheto.pdf 18/02/2019 1 Zeros Reais de Funções Reais Elaborado pelo Prof. Wellington Passos de Paula Adaptado por Marconi de Arruda Pereira 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 Reais – Introdução Elaborado pelo Prof. Wellington Passos de Paula Adaptado por Marconi de Arruda Pereira Zeros de funções reais - Objetivos 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 reais - 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 reais - Introdução xÎ é um zero da função f(x) ou raiz da equação f(x) = 0 se f(x) = 0. Raízes podem ser números reais ou complexos. Trataremos somente de raízes reais de f(x). Abscissas dos pontos onde a curva intercepta o eixo x x2x2x1x1 f(x) x 18/02/2019 2 Zeros de funções reais - 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 reais - 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 Reais – Isolamento de Raízes Elaborado pelo Prof. Wellington Passos de Paula Adaptado por Marconi de Arruda Pereira Isolamento de raízes Realiza-se uma análise teórica e gráfica da função f(x). A 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 = x entre a e b que é zero de f(x). Isolamento de raízes – Análise Gráfica xx11 xx22 f(x) xxx33 aa bb xx bb f(x) x aa aa xx11 f(x) xxx22 bb 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). Î x 39)( 3 +-= xxxf 18/02/2019 3 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 se pode ter diversas situações no intervalo [a, b]. Isolamento de raízes A análise gráfica é fundamental para se obter 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(x) = 0 g(x) = h(x)). Pode-se (deve-se) usar programas para traçar gráficos de funções dentro do intervalo de interesse. 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 --Îx )1,0(2 Îx )3,2(3 Îx 33 -72 -7,3923 3 -51 30 11-1 13,3923- 3 3-3 -25-4 f(x)x x3x3 f(x) x-4 1-3 -2 -1 2 3 4 x2x2x1x1 18/02/2019 4 Isolamento de raízes Exemplo: Solução utilizando o método 2: Dada: Equação Equivalente: 039)( 3 =+-= xxxf 0393 =+- xx 3)( xxg = 39)( -= xxh )3,4(1 --Îx )1,0(2 Îx )3,2(3Îx x3x3 g(x) x-4 1-3 -2 -1 2 3 4x2x2 x1x1 h(x) y Isolamento de raízes Exemplo: Solução utilizando o método 2: Dada: Equação Equivalente: 05)( =-= - xexxf xex -= 5 xxg =)( xexh -= 5)( )2,1(Îx xx 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(Îx xx g(x) x1 2 3 4 h(x) y 5 6 Zeros Reais de Funções Reais – Refinamento de Raízes Elaborado pelo Prof. Wellington Passos de Paula Adaptado por Marconi de Arruda Pereira 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: 18/02/2019 5 Critérios de Parada Teste: xk suficientemente próximo da raiz exata? Como verificar tal questionamento? Interpretações para raiz aproximada x é raiz aproximada com precisão e se: ou Como proceder se não se conhece x ? ex <-x e<)(xf Critérios de Parada Reduz-se o intervalo que contém a raiz a cada iteração. Obtém um intervalo [a,b] tal que: . então Logo pode ser tomado como ï þ ï ý ü <- Î e x ab e ba, ex <-Î xbax ,, bax ,Î 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 Reais – Método da Bisseção Elaborado pelo Prof. Wellington Passos de Paula Adaptado por Marconi de Arruda Pereira 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 e<- kk ab e<)(xf 18/02/2019 6 Método da Bisseção Definição do intervalo inicial Atribui-se [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 Calcula-se o ponto médio entre a e b, chamado de x0 Determina-se qual o subintervalo – [a , x0] ou [x0 , b] – contém a raiz Calcula-se o produto f(a) * f(x0) Verifica-se f(a) * f(x0) < 0 Se verdadeiro Logo a = a e b = x0 Caso contrario Logo a = x0 e b = b Repete-se o processo até que o valor de x atenda às condições de parada. ),( 0xaÎx ),( 0 bxÎx Método da Bisseção - Resumo ï þ ï ý ü ï î ï í ì > > < + = 0)( 0)( 0)( 2 0 0 0 00 0 xf bf af ba x ï î ï í ì = = Î Þ 01 01 00 ),( xb aa xax ï þ ï ý ü ï î ï í ì < > < + = 0)( 0)( 0)( 2 1 1 1 11 1 xf bf af ba x ï î ï í ì = = Î Þ 12 12 11 ),( bb xa bxx ï þ ï ý ü ï î ï í ì < > < + = 0)( 0)( 0)( 2 2 2 2 22 2 xf bf af ba x ï î ï í ì = = Î Þ 23 23 22 ),( bb xa bxx 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(Îx h(x) y xx g(x) x1 2 3 4 5 6 Método da Bisseção Exemplo: 01)log()( =-= xxxf x0 = 2+3 2 = 2.5 f (2) = -0.3979 < 0 f (3)= 0.4314 > 0 f (2.5) = -5.1510-3 < 0 ì í ï î ï ü ý ï þ ï Þ x Î (2.5, 3) a1 = x0 = 2.5 b1 = b0 = 3 ì í ï î ï x1 = 2.5+3 2 = 2.75 f (2.5) < 0 f (3) > 0 f (2.75)= 0.2082 > 0 ì í ï î ï ü ý ï þ ï Þ x Î (2.5, 2.75) a2 = a1 = 2.5 b2 = x1 = 2.75 ì í ï î ï 18/02/2019 7 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 bk - ak >=e f (xk ) >= e 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 e<- kk ab x e<)(xf Método da Bisseção – Estimativa do número de iterações Após n iterações, a raiz estará contida no intervalo: Deve-se obter o valor de k, tal que , ou seja: 2 11 -- -=- kkkk ab ab e<- kk ab e< - k ab 2 00 )2log( )log()log( 00 e--> ab k k ab 2 00 -= e 002 abk -> )log()log()2log( 00 e--> abk Exemplo: Considerando um intervalo [2,3] e ε=10-2, calcular o numero mínimo de iterações para que tenhamos (Critério de Parada).e<- kk ab )2log( )log()log( 00 e--> ab k )2log( )10log()23log( 2--- >k 64,6 3010,0 2 )2log( )10log(2)1log( = + >k 7=k Método da Bisseção – Estimativa do número de iterações Método da Bisseção 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 --Îx )1,0(2 Îx )3,2(3 Îx Método da Bisseção Exemplo: Cálculo da 1ª aproximação x0 = (a0+b0)/2 = (0+1)/2 = x0 = 0,5 f(x0) = 0,5 3 – 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) = 0 3 – 9x0 + 3 = 3, logo f(a0) > 0 f(b0) = 1 3 – 9x1 + 3 = -5, logo f(b0) < 0 f(x0) = 0,5 3 – 9x0,5 + 3 = -1,375, logo f(x0) < 0 logo: a1=a0=0 e b1=x0=0,5 039)( 3 =+-= xxxf 1,0=I 3103 -=e 18/02/2019 8 Método da Bisseção Exemplo: Então em 9 iterações . foi atendida, enquanto , não foie<- kk abe<)(xf 039)( 3 =+-= xxxf 1,0=I 3103 -=e 337890625.0=x 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 =ÞÞ þ ý ü = =- - kk ab e Método da Bisseção – Exercício a) Analise a função abaixo. Identifique um intervalo onde existe raiz real. Explique porque essa raiz é única. Execute as primeiras 7 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 -<e 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 -<e 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 e--> ab k )2log( )102log()12log( 3--- >k )2log( )10log32(log)1log( -- >k 9658,8 30103,0 2,69897 30103,0 )330103,0(0 )2log( )10log32(log)1log( == -- = -- >k 9=k Zeros Reais de Funções Reais – Método da Posição Falsa Elaborado pelo Prof. Wellington Passos de Paula Adaptado por Marconi de Arruda Pereira 18/02/2019 9 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 xx f(x) b = b0x0 x0 = a0f(b0) - b0f(a0) f(b0) - f(a0) x a = a1 xx f(x) b1 = x1 x1 = a1f(b1) – b1f(a1) f(b1) - f(a1) x1 Método da Posição Falsa Definição do intervalo inicial Atribui-se [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 Subdivide-se o intervalo pelo ponto de interseção da reta que liga f(a) a f(b) e o eixo das abscissas Verifica-se se, através do teste de parada, se x0 é uma aproximação da raiz da equação (x) pelo tamanho do intervalo [a, b] ou o valor f(x0) Se verdadeiro x0 é a raiz procurada Caso contrário define-se um novo intervalo 18/02/2019 10 Método da Posição Falsa Definição do novo intervalo Determina-se qual o subintervalo – [a , x0] ou [x0 , b] – contém a raiz Calcula-se o produto f(a) * f(x0) Verifica-se f(a) * f(x0) < 0 Se verdadeiro Logo a = a e b = x0 Caso contrario Logo a = x0 e b = b Repete-se o processo até que o valor de x atenda às condições de parada. ),( 0xaÎx ),( 0 bxÎx Método da Posição Falsa Exemplo: logo, existe ao menos 1 raiz no intervalo dado . Como têm o mesmo sinal, ]3,2[,1)log()( =-= Ixxxf þ ý ü >= <-= 04314,0)( 03979,0)( 0 0 bf af )()( )()( 0 afbf abfbaf x - - = )3979,0(4314,0 )3979,0(34314,02 -- -- = 8293,0 0565,2 = 4798,2= 00219,0)( 0 <-=xf )()( 00 xfeaf þ ý ü î í ì >== <== 0)(3 0)(4798,2 101 101 bfbb afxa Exemplo: Como , temos: Método da Posição Falsa ]3,2[,1)log()( =-= Ixxxf þ ý ü î í ì >= <== 0)(3 0)(4798,2 11 101 bfb afxa )0219,0(4314,0 )0219,0(34314,04798,2 -- -- = 0,4533 1354,1 = 5049,21 =x 00011,0)( 1 <-=xf þ ý ü î í ì >== <== 0)(3 0)(5049,2 112 112 bfbb afxa Método da Posição Falsa - Algoritmo k = 0; ak = a; bk = b; FAk = f(ak); GBk = f(bk); xk = (akGBk - bkFAk) / (GBk - FAk); while and if f(ak)f(xk) ≤ 0 then /* raiz em [ak , xk] */ bk = xk; else /* raiz em [xk, bk] */ ak = xk; end if FAk = f(ak); GBk = f(bk); xk = (akGBk - bkFAk) / (GBk - FAk); k = k +1; end while e>=- kk ab e>=)( kxf Método da Posição Falsa 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) = 0 3 – 9x0 + 3 = 3, logo f(a0) > 0 f(b0) = 1 3 – 9x1 + 3 = -5, logo f(b0) < 0 f(x0) = 0,375 3 – 9x0,375 + 3 = -0,32..., logo f(x0) < 0 logo: a1=a0=0 e b1=x0=0,375 039)( 3 =+-= xxxf 1,0=I 3102 -=e )()( )()( 0 afbf abfbaf x - - = )3(5 )3(1)5(0 -- -- = 8 3 - - = Método da Posição Falsa Exemplo: Então em 3 iterações . foi atendida, enquanto , não foi No método da Bisseção, o valor foi encontrado depois de 9 iterações e<- kk abe<)(xf 039)( 3 =+-= xxxf 1,0=I 3103 -=e 337890625.0=x 337635046.0=x 18/02/2019 11 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). Método da Posição Falsa– Exercício a) Analise a função abaixo. Identifique um intervalo onde existe raiz real. Execute as iterações do Método da Posição Falsa para a função , tal que 1)( 3 --= xxxf 3102 -<e x1 2 3 4 y 50-1-2-3-4 1 2 3 4 -4 -3 -2 -1 Recordando... O que é o Cálculo Numérico? O Cálculo Numérico corresponde a um conjunto de ferramentas ou métodos usados para se obter a solução de problemas matemáticos de forma aproximada, mas com um grau crescente de exatidão Qual o papel (ou função) do Cálculo Numérico na Engenharia? Solucionar problemas técnicos através de métodos numéricos, usando um modelo matemático Recordando... Em que consiste obter a raiz de uma função? Quais foram os métodos estudados até o momento para obtenção de raiz? Os métodos são capazes de obter todas as raízes da função em estudo? Existe alguma condição para a aplicação dos métodos estudados até o momento? Zeros Reais de Funções Reais – Método do Ponto Fixo Elaborado pelo Prof. Wellington Passos de Paula Adaptado por Marconi de Arruda Pereira 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 x pela relação xk+1 = φ(xk), uma vez que φ(x) é tal que f(x) = 0 se e somente se φ(x) = x. 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 18/02/2019 12 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(x) 0 em x, ponto fixo de φ(x) 06)( 2 =-+= xxxf 1 6 )( 1 6 )( 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 xxx == )(0)(f 0)( =Þ xx fquetalseja )()()( xxxx fA+= )0)(()( ==Þ xxx fporque xx = )(se xxxx =+Þ )()( fA 0)()( =Þ xx fA )0)((0)( =Þ xx 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 x procurado Método do Ponto Fixo Exemplo: Dada a equação : As raízes são x1 = -3 e x2 = 2 (Não há necessidade de uso de métodos numéricos para o calculo) Objetivo: Mostrar a convergência ou divergência do processo iterativo Seja a raiz x2 = 2 e φ1 (x) = 6 - x 2,Tomando x0= 1,5 e φ (x) = φ1 (x) Seja a raiz x2 = 2 e ,Tomando x0= 1,5 e φ (x) = φ2 (x) 06)( 2 =-+= xxxf xx -= 6)(2 Método do Ponto Fixo Exemplo: Dada a equação , com raiz x2 = 2 , φ1 (x) = 6 - x 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 Conclui-se que {xk} não convergirá para x2 = 2 06)( 2 =-+= xxxf 18/02/2019 13 Método do Ponto Fixo 06)( 2 =-+= xxxf Exemplo: Dada a equação , com raiz x2 = 2 , φ1 (x) = 6 - x 2 e x0 = 1,5 Análise Gráfica: y xx2x2 x1 φ(x) xx00 y = x x2 x 1 x 1 {xk} x Método do Ponto Fixo Exemplo: Dada a equação , com raiz x2 = 2 , e x0 = 1,5 x1 = φ(x0) = x2 = φ(x1) = x3 = φ(x2) = x4 = φ(x3) = x5 = φ(x4) = Conclui-se que {xk} tende a convergir para x2 = 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 x2 = 2 , e x0 = 1,5 Análise Gráfica: 06)( 2 =-+= xxxf xx -= 6)(2 {xk} x2 quando k inf φ(x) x y y = x x 2 x 2 x1 x0 x2 Método do Ponto Fixo Teorema 2: Sendo x uma raiz de f(x) = 0, isolada em um intervalo I centrado em x 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 Î I e 3. x0 Î I então a sequencia {xk} gerada pelo processo iterativo xk+1 = φ(xk) convergirá para x . 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 x2 = 2 φ2(x) ( ) geração de uma sequencia convergente para x2 = 2 06)( 2 =-+= xxxf 2 1 6)( xx -= xx -= 6)(2 Método do Ponto Fixo Avaliando a divergência de φ1(x) φ1(x) = 6 - x 2 e φ’1(x) = - 2x contínuas em I |φ’1 (x)| < 1 |-2x| < 1 -½ < x < ½ Não existe um intervalo I centrado em x2=2, tal que |φ’(x)| < 1, x Î I φ1 (x) não satisfaz a condição 2 do Teorema 2 com relação a x2=2. 18/02/2019 14 Método do Ponto Fixo Avaliando a convergência de φ2(x) e φ2 (x) é contínua em S = {x Î R | x 6} φ’2 (x) é contínua em S’ = {x Î R | x < 6} . É possível obter um intervalo I centrado em x2=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)| e |xk – xk-1| e k = 0; Xk+1 = φ(xk); while and k = k +1; xk = xk+1; xk+1 = φ(xk); end while e>=-+ kk xx 1 e>=+ )( 1kxf 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 x1 = -3 e x0= -2,5 06)( 2 =-+= xxxf 1 6 )(3 -= x x 0,,0 6 )(' 2 Î< - = xx x x 0,, 66 )(' 22 Î= - = xx xx x 6661 6 1)(' 2 2 >-<><< xouxx x x 0,,1 6 )( Î-= 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 x1 = -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 x = -3 )6;(:,,1)(' 111 --=Î< IseráIxxquetalI )4497897,26( -=- )5.2,5.3( --=I 1II 06)( 2 =-+= xxxf 1 6 )(3 -= 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 x1 = -3 e x0= -2,5 Tomando x0= -2,5, temos: Quando não se conhece a raiz, escolhe-se o intervalo I aproximadamente centrado em x Quanto mais preciso isolamento de x, maior exatidão na escolha de I 892617,2 170213,3 764706,2 5,2 4 3 2 1 -= -= -= -= x x x x 06)( 2 =-+= xxxf 1 6 )(3 -= x x Método do Ponto Fixo Exemplo: Dados: , calcule a raiz de f(x) utilizando o MPF: Assim, e 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 +==+-= x xxxxf )1,0(;105;5,0 20 Î== - xex 3376233,0=x 31012,0)( --=xf )(1 kk xx =+ e<)( kxf )(x 18/02/2019 15 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 Resolvido 1) Tente encontrar a raiz da função utilizando a função de iteração e , sendo . Analise sua resposta. 1)( 3 --= xxxf 3102 -<e 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 Resolvido 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 -<e 2 11 )( xx x += 10 =x 2 1 1 1 1 2 =+ 75,0 2 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 Resolvido 1) Tente encontrar a raiz da função utilizando a função de iteração e , sendo x6 = φ(x5) = x7 = φ(x6) = Conclui-se que {xk} tende a divergir da raiz da equação f(x). 1)( 3 --= xxxf 3102 -<e 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 Resolvido 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 x , é fácil perceber que isso não acontece, uma vez que 1)( 3 --= xxxf 3102 -<e 2 11 )( xx x += 10 =x 0, 11 )( 2 Î+= xx xx x 0, 21 )(' 32 Î- - = xx xx x 1 2 1 2 1 21 1)(' 33332 < -- <- - <- - < x x xx x xx x Ixx Î<1)(' 03)1(')(' 00 >==Î xeIx 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 -<e x1 2 3 4 y 50-1-2-3-4 1 2 3 4 -4 -3 -2 -1 13 1 )( 2 3 - -- -= x xx xx 10 =x 18/02/2019 16 Zeros Reais de Funções Reais – Método de Newton Raphson Elaborado pelo Prof. Wellington Passos de Paula Adaptado por Marconi de Arruda Pereira Método de Newton-Raphson Método do Ponto Fixo (MPF) Uma das condições de convergência é que |φ’(x)| M < 1, x Î 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’(x) = 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) Busca-se obter a função A(x) tal que φ’(x) = 0 φ(x) = x + A(x)f(x) Þ φ’(x) = 1 + A’(x)f(x) + A(x)f’(x) Þ φ’(x) = 1 + A’(x)f(x) + A(x)f’(x) Þ φ’(x) = 1 + A(x)f’(x) Método de Newton-Raphson Assim donde se toma Como φ(x) = x + A(x)f(x) Logo: )( )(' 1 )( xf xf xx - += -= )(' )( )( xf xf xx 0)(' =x 0)(')(1 =+ xx fA )(' 1 )( x x f A - = )(' 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’(x) = 0, posto que e, como f(x) = 0, φ’(x) = 0 ( desde que f’(x) 0 ) - -= 2 2 )]('[ )('')()]('[ 1)(' xf xfxfxf x 2 2 2 2 )]('[ )('')()]('[ )]('[ )]('[ )(' xf xfxfxf xf xf x - -= 2)]('[ )('')( )(' xf xfxf x = Método de Newton-Raphson Deste modo, escolhido x0, a sequência {xk} será determinada por onde k = 0, 1, 2, ... )(' )( 1 k k kk xf xf xx -=+ 18/02/2019 17 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 = x de f(x) = 0 e supondo f’(x) 0, existirá um intervalo Ī I contendo a raiz x, tal que se x0 Î Ī, a seqüência {xk} gerada pela fórmula recursiva convergirá para a raiz. )(' )( 1 k k kk xf xf xx -=+ 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 Faz-se xk +1 = x 0)( =xLk )(' )( k k k xf xf xx -= Método de Newton-Raphson – Graficamente Análise Gráfica Repete-se o processo até que o valor de x atenda às condições de parada. x xxxx f(x) x1xx00 x2 x3 1a iteração 2a iteração 3a iteração 4a iteração 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 Exemplo: Dado f(x) = x2 + x – 6 , x2 = 2 e x0 = 1,5 Fórmula recursiva: 12 6 )(' )( )( 2 + -+ -=-= x xx x xf xf xx 0625,2 15,12 65,15,1 5,1)( 2 01 = + -+ -== xx 000762195,2 10625,22 60625,20625,2 0625,2)( 2 12 = + -+ -== xx 000000116,2)( 23 == xx Método de Newton-Raphson Exemplo: Dado f(x) = x2 + x – 6 , x2 = 2 e x0 = 1,51,5 Comentários: A parada poderá ocorrer na 3a iteração (x = 2,000000116), caso a precisão do cálculo com 6 casas decimais seja 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)( 18/02/2019 18 Método de Newton-Raphson Exemplo: Considere a função f(x) = x3 - x - 1, e ε = 0,002 cujos zeros encontram-se nos intervalos: x1 Î I1 = (-1, 0), x2 Î I2 = (1, 2) Seja: x0 = 1 )(' )( 1 k k kk xf xf xx -=+ 13 1 )( 2 3 - -- -= x xx xx Método de Newton-Raphson Exemplo: Considere a função f(x) = x3 - x - 1, e ε = 0,002 cujos zeros encontram-se nos intervalos: x1 Î I1 = (-1, 0), x2 Î I2 = (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 > e |x1-x0| =| 1,5 - 1 | = 0,5 > e Exemplo: Considere a função f(x) = x3 - x - 1, e ε = 0,002 cujos zeros encontram-se nos intervalos: x1 Î I1 = (-1, 0), x2 Î I2 = (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 > e |x2-x1| =| 1,3478261 - 1,5 | = 0,1521739 > e Método de Newton-Raphson 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 > e |x3-x2| =| 1,3252004 – 1,3478261 | = 0,0226257 > e Exemplo: Considere a função f(x) = x3 - x - 1, e ε = 0,002 cujos zeros encontram-se nos intervalos: x1 Î I1 = (-1, 0), x2 Î I2 = (1, 2) Método de Newton-Raphson Exemplo: Considere a função f(x) = x3 - x - 1, e ε = 0,002 cujos zeros encontram-se nos intervalos: x1 Î I1 = (-1, 0), x2 Î I2 = (1, 2) A sequência {xk} gerada pelo método de Newton será: Método de Newton-Raphson 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 e = 0,002 Comprovando o impacto de uma boa escolha de x0 Exemplo: Considere a função f(x) = x3 – 9x + 3, que possui três zeros: x1 Î I1 = (-4, -3), x2 Î I2 = (0, 1) e x3 Î I3 = (2, 3). Seja x0 = 1,5: Método de Newton-Raphson 18/02/2019 19 Comprovando o impacto de uma boa escolha de x0 Exemplo: Considere a função f(x) = x3 – 9x + 3, que possui três zeros: x1 Î I1 = (-4, -3), x2 Î I2 = (0, 1) e x3 Î 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 x3 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 Exercício Encontre uma raiz da função f(x) = x3-2x utilizando o método Newton-Raphson. Considere o gráfico a seguir: Zeros Reais de Funções Reais – Método da Secante Elaborado pelo Prof. Wellington Passos de Paula Adaptado por Marconi de Arruda Pereira 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 xfxf xf Método da Secante A função de iteração será: 1 1)()( )( )( - - - - -= kk kk k k xx xfxf xf xx 1 1)()( )( )( - - - - -= kk kk k k xx xfxf xf xx )()( )()( )()( )()( )( 1 1 1 1 - - - - - - - - - = kk kkkk kk kkkk xfxf xfxxfx xfxf xfxxfx x )()( )()( )( 1 11 - -- - - = kk kkkk xfxf xfxxfx x 18/02/2019 20 Método da Secante - Geometricamente A partir de duas aproximações xk-1 e xk obtém-se 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 1a iteração 2a iteração 3a iteração 4a iteração xx f(x) x1xx00 x2 x3 x4 x5 Repete-se o processo até que o valor de x atenda às condições de parada. 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 xfxxfx x Método da Secante - Algoritmo Testes de Parada |f(xk)| ε |xk – xk-1| ε Algoritmo x0 := x; x1 := x1; k := 1; x2 := (x0*f(x1) – x1*f(x0)) / (f(x1) - f(x0)); while |f(xk+1)| > ε and |xk+1 – xk| > ε xk+1 := (xk-1*f(xk) - xk*f(xk-1)) / (f(xk) - f(xk-1)); k := k +1; end
Compartilhar