DCC008 - Cálculo Numérico
|
|
- Ângelo da Conceição Amarante
- 6 Há anos
- Visualizações:
Transcrição
1 DCC008 - Cálculo Numérico Equações Não-Lineares Bernardo Martins Rocha Departamento de Ciência da Computação Universidade Federal de Juiz de Fora bernardomartinsrocha@ice.ufjf.br
2 Conteúdo Introdução Localização de raízes Método da bisseção Método da falsa posição Método do ponto xo Método de Newton-Raphson Método da secante Métodos para raízes últiplas Conclusões e comparações 2 / 156
3 Introdução Vamos considerar agora métodos para resolver equações não-lineares. Dada uma função não-linear escalar f : R R, procuramos o valor de x para o qual f(x) = 0 No caso vetorial onde f : R n R n, o problema consiste em encontrar o vetor x tal que todas as componentes de f(x) são iguais a zero simultaneamente. 3 / 156
4 Introdução Vamos considerar agora métodos para resolver equações não-lineares. Dada uma função não-linear escalar f : R R, procuramos o valor de x para o qual f(x) = 0 No caso vetorial onde f : R n R n, o problema consiste em encontrar o vetor x tal que todas as componentes de f(x) são iguais a zero simultaneamente. Exemplos f(x) = x 2 4 sin (x) = 0 f(x) = [ x 2 1 x x 1 + x ] = [ 0 0 ] 3 / 156
5 Introdução 4 / 156
6 Introdução Para polinômios de grau até quatro, suas raízes podem ser calculadas através de uma expressão fechada, como por exemplo no caso de uma função quadrática ax 2 + bx + c = 0 x = b ± b 2 4ac 2a De forma geral, não podemos encontrar os zeros de uma função através de uma expressão fechada. Portanto, para encontrar os zeros de uma função temos que recorrer a métodos aproximados. 5 / 156
7 Introdução Para polinômios de grau até quatro, suas raízes podem ser calculadas através de uma expressão fechada, como por exemplo no caso de uma função quadrática ax 2 + bx + c = 0 x = b ± b 2 4ac 2a De forma geral, não podemos encontrar os zeros de uma função através de uma expressão fechada. Portanto, para encontrar os zeros de uma função temos que recorrer a métodos aproximados. Em alguns casos, os zeros das funções podem ser números complexos: x = 0 x = ± 1 = ±i Iremos trabalhar apenas com as raízes reais. 5 / 156
8 Introdução Exemplo de problemas Considere a seguinte equação: C = M r [ 1 (1 + r) n ] onde C é o capital, M é a mensalidade, r é a taxa de juros por cada período (expressa como uma fração) e n é o número de anos. Uma pessoa pode pagar uma mensalidade de 1250 reais. Se pretende contrair um empréstimo de reais a 10 anos, qual é a taxa que poderá suportar? C = 10000, M = 1250, n = = 1250 r [1 (1 + r) 10 ] f(r) = r [1 (1 + r) 10 ] = 0 6 / 156
9 Introdução Exemplo de problemas A seguinte equação pode ser usada para calcular o nível de concentração de oxigênio c em um rio, em função da distância x, medida a partir do local de descarga de poluentes: c(x) = 10 20(e 0.2x e 0.75x ) Calcule a distância para a qual o nível de oxigênio desce para o valor 5. Pretende-se resolver c(x) = 5. Podemos escrever como c(x) 5 = 0, isto é 10 20(e 0.2x e 0.75x ) 5 = 0 O problema se resume a encontrar x tal que f(x) = 0. Outros exemplos! 7 / 156
10 Introdução Denição (Zero) Se f : [a, b] R é uma função dada, um ponto α [a, b] é um zero (ou raiz) de f se f(α) = 0. 8 / 156
11 Introdução Denição (Zero) Se f : [a, b] R é uma função dada, um ponto α [a, b] é um zero (ou raiz) de f se f(α) = 0. Exemplo Seja f : (0, ) R e considere as seguintes funções f(x) = log (x) e f(x) = tanh(x) x/ logx / 156
12 Introdução Denição (Multiplicidade) Um ponto α [a, b] é uma raiz de multiplicidade m da equação f(x) = 0 se f(α) = f (α) =... = f (m 1) (α) = 0 e f (m) (α) 0. 9 / 156
13 Introdução Denição (Multiplicidade) Um ponto α [a, b] é uma raiz de multiplicidade m da equação f(x) = 0 se f(α) = f (α) =... = f (m 1) (α) = 0 e f (m) (α) 0. Exemplo Seja f(x) = x 2 + 2x + 1 = (x + 1) 2. Nesse caso temos α = 1 com multiplicidade m = 2, pois f (x) = 2(x + 1) e assim temos que f( 1) = 0 e f ( 1) = / 156
14 Métodos para raízes de equações Os métodos numéricos que vamos estudar geralmente podem ser divididos em duas etapas: 1. Localização das raízes Encontrar o intervalo [a, b] que contenha apenas uma raiz. 10 / 156
15 Métodos para raízes de equações Os métodos numéricos que vamos estudar geralmente podem ser divididos em duas etapas: 1. Localização das raízes Encontrar o intervalo [a, b] que contenha apenas uma raiz. 2. Renamento da aproximação A partir de uma aproximação inicial x 0 [a, b], gerar uma sequência {x 0, x 1, x 2,...} que convirja para a raiz exata α de f(x) = / 156
16 Métodos para raízes de equações Os métodos numéricos que vamos estudar geralmente podem ser divididos em duas etapas: 1. Localização das raízes Encontrar o intervalo [a, b] que contenha apenas uma raiz. 2. Renamento da aproximação A partir de uma aproximação inicial x 0 [a, b], gerar uma sequência {x 0, x 1, x 2,...} que convirja para a raiz exata α de f(x) = 0. Alguns métodos não precisam de um prévio isolamento de cada raiz, necessitam apenas de uma aproximação inicial x 0 (ou mais de uma, as vezes). Entretanto, boa parte deles precisa que a raiz esteja connada em um intervalo e que ela seja única. 10 / 156
17 Isolamento das raízes Teorema (1) Seja f(x) : [a, b] R uma função contínua. Se f(a)f(b) < 0, então existe pelo menos um ponto x [a, b], tal que f(x) = / 156
18 Isolamento das raízes Teorema (1) Seja f(x) : [a, b] R uma função contínua. Se f(a)f(b) < 0, então existe pelo menos um ponto x [a, b], tal que f(x) = 0. Geometricamente, o teorema diz que qualquer gráco de uma função contínua que começa abaixo do eixo horizontal e termina acima deste, deve cruzar este eixo em algum ponto. 11 / 156
19 Isolamento das raízes f(x) = x 3 x, a = 2, b = 2 f é contínua f(a) = 6, f(b) = 6, sinais opostos 3 raízes no intervalo [a, b]!!! / 156
20 Isolamento das raízes f(x) = x 2 1, a = 2, b = 2 f é contínua f(a) = (b) = 2, mesmo sinal! Hipótese do teorema não satisfeita! Entretanto, existem raízes / 156
21 Isolamento das raízes a = 1, b = 1 { 1 f(x) = x, se x 0 indef., se x = 0 f(a) = 1, f(b) = 1, sinais opostos f é discontínua! De fato, não existem raízes! / 156
22 Isolamento das raízes Exemplo Como encontrar o intervalo da raiz positiva da seguinte equação f(x) = ( x 2 ) 2 sin (x) = / 156
23 Isolamento das raízes Exemplo Como encontrar o intervalo da raiz positiva da seguinte equação f(x) = ( x 2 ) 2 sin (x) = 0. Solução do Exemplo 0.5 f(x) x 15 / 156
24 Isolamento das raízes Exemplo Como encontrar o intervalo da raiz positiva da seguinte equação f(x) = ( x 2 ) 2 sin (x) = 0. Solução do Exemplo 0.5 f(x) 0.0 Inspeção visual α [1.5, 2.0] x 15 / 156
25 Isolamento das raízes Solução do Exemplo - (cont.) Outra possibilidade é fazer uma tabela de valores de f(x), e usar o Teorema (1) x ( x 2 )2 sin (x) f(x) < < < < > 0 Assim ca claro que existe pelo menos uma raiz em [1.9, 2.0]. 16 / 156
26 Isolamento das raízes Solução do Exemplo - (cont.) Outra possibilidade é fazer uma tabela de valores de f(x), e usar o Teorema (1) x ( x 2 )2 sin (x) f(x) < < < < > 0 Assim ca claro que existe pelo menos uma raiz em [1.9, 2.0]. Atenção! Na hora de fazer suas contas na calculadora, sempre calcule as funções trigonométricas com argumento x em radianos. 16 / 156
27 Isolamento das raízes Teorema (2) Sob as hipóteses do Teorema 1, se f (x) existir e f (x) preservar o sinal em [a, b] então o intervalo contém um único zero de f(x). 17 / 156
28 Isolamento das raízes Teorema (2) Sob as hipóteses do Teorema 1, se f (x) existir e f (x) preservar o sinal em [a, b] então o intervalo contém um único zero de f(x). 17 / 156
29 Isolamento das raízes Exemplo Seja f(x) = x 5e x para x 0. Logo, tabelando os valores da função temos x x 5e x f(x) < < > > 0 Logo sabemos que existe pelo menos uma raiz no intervalo [1, 2]. 18 / 156
30 Isolamento das raízes Exemplo Seja f(x) = x 5e x para x 0. Logo, tabelando os valores da função temos x x 5e x f(x) < < > > 0 Logo sabemos que existe pelo menos uma raiz no intervalo [1, 2]. Entretanto, o Teorema 2 nos garante que existe uma única raiz pois f (x) = 1 2 x + 5e x > 0, x > 0 18 / 156
31 Isolamento das raízes Uma outra alternativa é rearranjar a equação f(x) dada como g(x) = h(x), de tal forma que os grácos de g(x) e h(x) sejam mais fáceis de serem traçados do que o de f. As raízes da equação original são dadas pelos pontos onde o gráco de g intercepta o gráco de h.
32 Isolamento das raízes Uma outra alternativa é rearranjar a equação f(x) dada como g(x) = h(x), de tal forma que os grácos de g(x) e h(x) sejam mais fáceis de serem traçados do que o de f. As raízes da equação original são dadas pelos pontos onde o gráco de g intercepta o gráco de h. Exemplo f(x) = (x + 1) 2 e (x2 2) 1 = 0
33 Isolamento das raízes Uma outra alternativa é rearranjar a equação f(x) dada como g(x) = h(x), de tal forma que os grácos de g(x) e h(x) sejam mais fáceis de serem traçados do que o de f. As raízes da equação original são dadas pelos pontos onde o gráco de g intercepta o gráco de h. Exemplo f(x) = (x + 1) 2 e (x2 2) 1 = 0 Podemos rearranjar f(x) como (x + 1) 2 e (x2 2) = 1 19 / 156
34 Isolamento das raízes Uma outra alternativa é rearranjar a equação f(x) dada como g(x) = h(x), de tal forma que os grácos de g(x) e h(x) sejam mais fáceis de serem traçados do que o de f. As raízes da equação original são dadas pelos pontos onde o gráco de g intercepta o gráco de h. Exemplo f(x) = (x + 1) 2 e (x2 2) 1 = 0 Podemos rearranjar f(x) como (x + 1) 2 e (x2 2) = 1 (x + 1) 2 1 = e (x2 2) 19 / 156
35 Isolamento das raízes Uma outra alternativa é rearranjar a equação f(x) dada como g(x) = h(x), de tal forma que os grácos de g(x) e h(x) sejam mais fáceis de serem traçados do que o de f. As raízes da equação original são dadas pelos pontos onde o gráco de g intercepta o gráco de h. Exemplo f(x) = (x + 1) 2 e (x2 2) 1 = 0 Podemos rearranjar f(x) como (x + 1) 2 e (x2 2) = 1 (x + 1) 2 1 = e (x2 2) (x + 1) 2 = e (2 x2 ) 19 / 156
36 Isolamento das raízes Uma outra alternativa é rearranjar a equação f(x) dada como g(x) = h(x), de tal forma que os grácos de g(x) e h(x) sejam mais fáceis de serem traçados do que o de f. As raízes da equação original são dadas pelos pontos onde o gráco de g intercepta o gráco de h. Exemplo f(x) = (x + 1) 2 e (x2 2) 1 = 0 Podemos rearranjar f(x) como (x + 1) 2 e (x2 2) = 1 (x + 1) 2 1 = e (x2 2) (x + 1) 2 = e (2 x2 ) g(x) = h(x) 19 / 156
37 Isolamento das raízes Uma outra alternativa é rearranjar a equação f(x) dada como g(x) = h(x), de tal forma que os grácos de g(x) e h(x) sejam mais fáceis de serem traçados do que o de f. As raízes da equação original são dadas pelos pontos onde o gráco de g intercepta o gráco de h. Exemplo f(x) = (x + 1) 2 e (x2 2) 1 = 0 Podemos rearranjar f(x) como (x + 1) 2 e (x2 2) = 1 (x + 1) 2 1 = e (x2 2) (x + 1) 2 = e (2 x2 ) g(x) h(x) g(x) = h(x) / 156
38 Renamento Se o intervalo [a, b] para o qual queremos procurar uma raiz de f(x) já está isolado, o próximo passo consiste em gerar iterativamente uma sequência de aproximações {x 0, x 1, x 2,...} cada vez melhores que convirja para a raiz α. 20 / 156
39 Renamento Se o intervalo [a, b] para o qual queremos procurar uma raiz de f(x) já está isolado, o próximo passo consiste em gerar iterativamente uma sequência de aproximações {x 0, x 1, x 2,...} cada vez melhores que convirja para a raiz α. Antes de estudarmos como os métodos geram as aproximações, precisamos decidir como que uma dada aproximação no passo k é sucientemente próxima da raiz exata? Para isso precisamos denir um critério de parada que determina quando terminar o processo iterativo. 20 / 156
40 Critério de parada Na prática a sequência é interrompida quando seus valores satiszerem a pelo menos um dos seguintes critérios: x k x k 1 ɛ x k x k 1 ɛ x k f(x k ) ɛ onde ɛ é a precisão/tolerância fornecida como parâmetro para o processo iterativo. 21 / 156
41 Critério de parada As vezes não é possível atender a todos os critérios ao mesmo tempo. f(x k ) < ɛ α x k > ɛ α x k < ɛ f(x k ) > ɛ 22 / 156
42 Método da bissecção A idéia fundamental do método da bissecção consiste em usar repetidamente o Teorema 1. O método subdivide o intervalo [a, b] ao meio a cada iteração e seleciona o subintervalo que contem a raiz. De acordo com o Teorema 1, o subintervalo que contem a raiz é aquele em que f(x) tem sinais opostos nos extremos. A cada passo o intervalo é dividido ao meio: m = a + b 2 então o novo intervalo será aquele que contém a raiz: [a, m], se f(a)f(m) < 0 [m, b], caso contrário A busca continua até que o critério de parada escolhido seja satisfeito considerando m como aproximação para a raiz. 23 / 156
43 Método da bissecção 24 / 156
44 Método da bisseção Seja a k e b k os extremos do intervalo no passo k e seja ainda x k o ponto médio e uma aproximação para a raiz. A cada iteração o método calcula o ponto médio do intervalo x k = a k + b k 2 25 / 156
45 Método da bisseção Seja a k e b k os extremos do intervalo no passo k e seja ainda x k o ponto médio e uma aproximação para a raiz. A cada iteração o método calcula o ponto médio do intervalo x k = a k + b k 2 Podemos considerar f(x k ) 0, caso contrário teríamos encontrado a raiz. Sendo assim o método agora calcula f(x k ) e decide o novo subintervalo [a k+1, b k+1 ] da seguinte forma { < 0, então a k+1 = a k e b k+1 = x k se f(a k )f(x k ) > 0, então a k+1 = x k e b k+1 = b k 25 / 156
46 Método da bisseção Exemplo O método da bissecção aplicado à equação f(x) = ( ) x 2 2 sin (x) = 0 com intervalo inicial [1.5, 2.0], gera a seguinte sequência de aproximações: 26 / 156
47 Método da bisseção Exemplo O método da bissecção aplicado à equação f(x) = ( ) x 2 2 sin (x) = 0 com intervalo inicial [1.5, 2.0], gera a seguinte sequência de aproximações: Solução k a b x k f(a) f(b) f(x k ) / 156
48 Método da bisseção Algoritmo entrada: função f(x) contínua e tal que f(a)f(b) < 0 em [a, b] precisao ɛ k = 0; enquanto critério de parada não for satisfeito faça x k = (a+b) 2 ; se f(a)f(x k ) < 0 então b = x k ; senão a = x k ; m-se m-enquanto retorne x k ; 27 / 156
49 Método da bisseção Intervalo Se conhecemos apenas a < α, podemos determinar um intervalo que contém a raiz e que possa ser usado pelo método da bisecção da seguinte forma. 28 / 156
50 Método da bisseção Intervalo Se conhecemos apenas a < α, podemos determinar um intervalo que contém a raiz e que possa ser usado pelo método da bisecção da seguinte forma. Escolhemos um passo inicial de tamanho h e nessa etapa calculamos f(a + h), f(a + 2h), f(a + 4h), / 156
51 Método da bisseção Intervalo Se conhecemos apenas a < α, podemos determinar um intervalo que contém a raiz e que possa ser usado pelo método da bisecção da seguinte forma. Escolhemos um passo inicial de tamanho h e nessa etapa calculamos f(a + h), f(a + 2h), f(a + 4h),... isto é, dobramos o passo até que um valor da função seja encontrado tal que f(a)f(a + 2 k h) < 0 Nesse ponto, temos uma raiz cercada em um intervalo, a qual pode ser usada como ponto de partida pelo método da Bisecção. 28 / 156
52 Método da bisseção Algoritmo - Busca Intervalo entrada: função f(x), x min, x max, n saída: intervalo [a, b] tal que f(a)f(b) < 0 dx = (x max x min )/n; a = x min ; i = 0; enquanto i < n faça i = i + 1; b = a + dx; se f(a)f(b) < 0 então retorne a,b; m-se a = b; m-enquanto 29 / 156
53 Análise do método da bissecção A cada iteração k a raiz α de f(x) = 0 está no intervalo [a k, b k ]. Temos assim a seguinte relação para o erro α x k 1 2 (b k a k ) 30 / 156
54 Análise do método da bissecção A cada iteração k a raiz α de f(x) = 0 está no intervalo [a k, b k ]. Temos assim a seguinte relação para o erro α x k 1 2 (b k a k ) O tamanho do intervalo (b k a k ) no passo k pode ser escrito como b k a k = b k 1 a k 1 2 = b k 2 a k 2 =... = b 1 a 1 = b 0 a k 1 2 k 30 / 156
55 Análise do método da bissecção A cada iteração k a raiz α de f(x) = 0 está no intervalo [a k, b k ]. Temos assim a seguinte relação para o erro α x k 1 2 (b k a k ) O tamanho do intervalo (b k a k ) no passo k pode ser escrito como b k a k = b k 1 a k 1 2 Portanto, o erro no passo k satisfaz onde a 0 = a e b 0 = b. = b k 2 a k 2 =... = b 1 a 1 = b 0 a k 1 2 k α x k b 0 a 0 2 k+1 30 / 156
56 Análise do método da bissecção Uma propriedade interessante do método da bissecção é que a convergência é garantida se f(x) for contínua em [a, b] e se α [a, b]. Também é possível determinar o número de iterações que serão necessárias para calcular a raiz com uma certa precisão ɛ. Isto é, queremos encontrar o inteiro k tal que: α x k b 0 a 0 2 k+1 ɛ ou seja, quantas iterações são necessárias para que o erro entre a aproximação x k da raiz α seja menor do que ɛ. 31 / 156
57 Análise do método da bissecção Encontrar k tal que: portanto α x k b 0 a 0 2 k+1 ɛ b 0 a 0 2 k+1 ɛ b 0 a 0 2 k+1 ɛ log 2 (2 k+1 ) log 2 ( b0 a 0 ɛ k + 1 log 2 ( b0 a 0 ɛ k ( ) ln b0 a 0 ɛ 1 ln (2) ) ) 32 / 156
58 Análise do método da bissecção Exemplo Qual o número de iterações necessárias para encontrar uma aproximação para a raiz de f(x) = ( ) x 2 2 sin (x) no intervalo [1.5, 2.0] com uma precisão ɛ = 10 5? Solução Precisamos encontrar k que satisfaz ( ) ln b0 a 0 ɛ k 1 ln (2) k ln ( ) = ln (2) Portanto, como k deve ser inteiro, temos que depois de 15 iterações o método atinge a precisão de 10 5 como desejado. 33 / 156
59 Ordem de convergência É importante denir com qual rapidez a sequência de aproximações {x 0, x 1,...} converge para a raiz exata α. 34 / 156
60 Ordem de convergência É importante denir com qual rapidez a sequência de aproximações {x 0, x 1,...} converge para a raiz exata α. Denição (Ordem de convergência) Uma sequência {x n n 0} é dita convergir com ordem p 1 para um ponto α se para uma constante c > 0. α x n+1 c α x n p, n 0 34 / 156
61 Ordem de convergência É importante denir com qual rapidez a sequência de aproximações {x 0, x 1,...} converge para a raiz exata α. Denição (Ordem de convergência) Uma sequência {x n n 0} é dita convergir com ordem p 1 para um ponto α se para uma constante c > 0. Sendo c < 1, dizemos que : α x n+1 c α x n p, n 0 se p = 1: convergência linear se 1 < p < 2: convergência super-linear se p = 2: convergência quadrática 34 / 156
62 Ordem de convergência Na prática o que isso signica? α x n+1 c α x n p 35 / 156
63 Ordem de convergência Na prática o que isso signica? α x n+1 c α x n p Exemplo de convergência Linear: 10 2, 10 3, 10 4, 10 5,... com c = / 156
64 Ordem de convergência Na prática o que isso signica? α x n+1 c α x n p Exemplo de convergência Linear: 10 2, 10 3, 10 4, 10 5,... com c = 10 1 Linear: 10 2, 10 4, 10 6, 10 8,... com c = / 156
65 Ordem de convergência Na prática o que isso signica? α x n+1 c α x n p Exemplo de convergência Linear: 10 2, 10 3, 10 4, 10 5,... com c = 10 1 Linear: 10 2, 10 4, 10 6, 10 8,... com c = 10 2 Super-linear: 10 2, 10 3, 10 5, 10 8, / 156
66 Ordem de convergência Na prática o que isso signica? α x n+1 c α x n p Exemplo de convergência Linear: 10 2, 10 3, 10 4, 10 5,... com c = 10 1 Linear: 10 2, 10 4, 10 6, 10 8,... com c = 10 2 Super-linear: 10 2, 10 3, 10 5, 10 8,... Quadrática: 10 2, 10 4, 10 8, 10 16, / 156
67 Ordem de convergência do método da bissecção Sendo assim para o método da bissecção ca claro que a partir de α x k b 0 a 0 2 k+1 concluimos que a ordem de convergência para o método da bissecção é linear pois p = 1 e que a constante é c = 1 2. Isto é α x k+1 α x k 1 2 que nos diz que em média o erro cai pela metade a cada iteração do método. 36 / 156
68 Implementações Python Exemplo Utilize a implementação para resolver o problema exemplo com a seguinte equação: C = M r [1 (1 + r) n ] com C = 10000, M = 1250, n = 10. Sendo assim: Determine o intervalo [a, b] que contenha a raiz da equação Usando esse intervalo, encontre a raiz de forma aproximada usando o método da bisecção com uma precisão / 156
69 Conteúdo Aula passada Introdução e denições Isolamento das raízes Método da bisseção Aula de hoje Método da falsa posição Método do ponto xo 38 / 156
70 Método da falsa posição No método da bissecção a cada iteração calculamos o ponto médio do intervalo como aproximação para a raiz e então decidimos qual o próximo intervalo a continuar a busca pela raiz. No método da falsa posição a aproximação para a raiz é dada pelo ponto x k escolhido como sendo o zero da reta que passa pelos pontos (a k, f(a k )) e (b k, f(b k )). De forma análoga ao método da bissecção a cada iteração o método encontra um intervalo que contem a raiz e continua o processo de busca nesse intervalo. 39 / 156
71 Método da falsa posição 40 / 156
72 Método da falsa posição A equação da reta que passa pelos pontos (a k, f(a k )) e (b k, f(b k )) é dada por g(x) = mx + n f(a) = ma + n f(b) = mb + n 41 / 156
73 Método da falsa posição A equação da reta que passa pelos pontos (a k, f(a k )) e (b k, f(b k )) é dada por g(x) = mx + n f(a) = ma + n f(b) = mb + n f(b) f(a) = mb ma m = f(b) f(a) b a 41 / 156
74 Método da falsa posição A equação da reta que passa pelos pontos (a k, f(a k )) e (b k, f(b k )) é dada por g(x) = mx + n f(a) = ma + n f(b) = mb + n f(b) = f(b) f(a) = mb ma m = f(b) f(a) b + n n = f(b) b a f(b) f(a) b a [ f(b) f(a) b a ] b 41 / 156
75 Método da falsa posição A equação da reta que passa pelos pontos (a k, f(a k )) e (b k, f(b k )) é dada por g(x) = mx + n f(a) = ma + n f(b) = mb + n f(b) = Assim f(b) f(a) = mb ma m = f(b) f(a) b + n n = f(b) b a g(x) = f(b) f(a) x + f(b) b a g(x) = f(b) + f(b) f(a) b a [ f(b) f(a) b a f(b) f(a) b b a f(b) f(a) (x b) b a ] b 41 / 156
76 Método da falsa posição Queremos encontrar x tal que g(x) = 0, logo f(b) f(a) x + f(b) b a g(x) = 0 f(b) f(a) b = 0 b a 42 / 156
77 Método da falsa posição Queremos encontrar x tal que g(x) = 0, logo f(b) f(a) x + f(b) b a g(x) = 0 f(b) f(a) b = 0 b a f(b) f(a) x + f(b) = b a f(b) f(a) b b a 42 / 156
78 Método da falsa posição Queremos encontrar x tal que g(x) = 0, logo g(x) = 0 f(b) f(a) f(b) f(a) x + f(b) b = 0 b a b a f(b) f(a) f(b) f(a) x + f(b) = b b a b a f(b) f(a) f(b) f(a) x = b f(b) b a b a 42 / 156
79 Método da falsa posição Queremos encontrar x tal que g(x) = 0, logo g(x) = 0 f(b) f(a) f(b) f(a) x + f(b) b = 0 b a b a f(b) f(a) f(b) f(a) x + f(b) = b a f(b) f(a) x = b a b b a f(b) f(a) b f(b) b a b a x = b f(b) f(b) f(a) 42 / 156
80 Método da falsa posição Queremos encontrar x tal que g(x) = 0, logo g(x) = 0 f(b) f(a) f(b) f(a) x + f(b) b = 0 b a b a f(b) f(a) f(b) f(a) x + f(b) = b a f(b) f(a) x = b a b b a f(b) f(a) b f(b) b a b a x = b f(b) f(b) f(a) af(b) bf(a) x = f(b) f(a) 42 / 156
81 Método da falsa posição Queremos encontrar x tal que g(x) = 0, logo g(x) = 0 f(b) f(a) f(b) f(a) x + f(b) b = 0 b a b a f(b) f(a) f(b) f(a) x + f(b) = b a f(b) f(a) x = b a b b a f(b) f(a) b f(b) b a b a x = b f(b) f(b) f(a) af(b) bf(a) x = f(b) f(a) Portanto no passo k calculamos a próxima aproximação x k usando x k = af(b) bf(a) f(b) f(a) 42 / 156
82 Método da falsa posição Sendo assim, dado um intervalo [a, b], o método da falsa posição pode ser descrito pelo seguinte processo: 1. calcule o ponto de interseção x k da reta que passa por (a k, f(a k )) e (b k, f(b k )) com o eixo x usando x k = a kf(b k ) b k f(a k ) f(b k ) f(a k ) 2. selecione um novo intervalo para continuar com a busca 3. o novo intervalo será dado por [ak, x k ], se f(a k )f(x k ) < 0 [x k, b k ], caso contrário 4. o processo continua até satisfazer o critério de parada 43 / 156
83 Método da falsa posição Algoritmo entrada: função f contínua em [a, b], intervalo [a, b] tal que f(a)f(b) < 0, precisao ɛ e número máximo de iterações maxit xold = b; para k de 1 até maxit faça x = af(b) bf(a) f(b) f(a) ; se abs(x-xold) < ɛ então retorne x; m-se xold = x; se f(a)f(x) < 0 então b = x; senão a = x; m-se m-para 44 / 156
84 Método da falsa posição Exemplo Encontrar o zero de f(x) = (x/2) 2 sin (x) usando o seguinte intervalo [a, b] = [1.5, 2]. Use f(x k ) < ɛ como critério de parada para ɛ = / 156
85 Método da falsa posição Exemplo Encontrar o zero de f(x) = (x/2) 2 sin (x) usando o seguinte intervalo [a, b] = [1.5, 2]. Use f(x k ) < ɛ como critério de parada para ɛ = Solução k a b x f(a) f(b) f(x) e e e e e e e e e e e e e e e-08 O método termina com x = como aproximação para o zero desta função. 45 / 156
86 Método da falsa posição Convergência Não iremos apresentar a análise de convergência do método da falsa posição. Entretanto, cabe dizer que se as condições do método forem satisfeitas, isto é, se f(x) for contínua no intervalo [a, b] e f(a)f(b) < 0 então o método apresenta convergência de primeira ordem. Mais detalhes em no livro "Algoritmos Numéricos" do Frederico F. Campos. 46 / 156
87 Método do ponto xo Para encontrar a raiz da equação f(x) = 0 (1) onde f é uma função contínua no intervalo [a, b] que procuramos a raiz, iremos expressar a equação (1) da seguinte forma: x = φ(x) (2) de forma que a solução de (2) também seja solução de (1). Para qualquer função φ(x), qualquer solução de (2) é chamada de ponto xo de φ(x). Sendo assim temos a seguinte equivalência: problema de determinar o zero de f(x) problema de determinar o ponto xo de φ(x). 47 / 156
88 Método do ponto xo Exemplo Seja f(x) = x 2 x 2 = 0. Podemos escrever 48 / 156
89 Método do ponto xo Exemplo Seja f(x) = x 2 x 2 = 0. Podemos escrever a) x = x / 156
90 Método do ponto xo Exemplo Seja f(x) = x 2 x 2 = 0. Podemos escrever a) x = x 2 2 b) x = 2 + x 48 / 156
91 Método do ponto xo Exemplo Seja f(x) = x 2 x 2 = 0. Podemos escrever a) x = x 2 2 b) x = 2 + x c) x = x 48 / 156
92 Método do ponto xo Exemplo Seja f(x) = x 2 x 2 = 0. Podemos escrever a) x = x 2 2 b) x = 2 + x c) x = x d) x = x2 +2 2x 1 48 / 156
93 Método do ponto xo Exemplo Seja f(x) = x 2 x 2 = 0. Podemos escrever a) x = x 2 2 b) x = 2 + x c) x = x d) x = x2 +2 2x 1 Existem diversas formas de expressar f(x) = 0 como um problema de ponto xo da forma x = φ(x), entretanto veremos que nem todas são satisfatórias para nossos objetivos. 48 / 156
94 Método do ponto xo 1.0 y = cos(x)-x Problemas: Zero de função: qual o valor de x tal que f(x) = 0? Ponto xo: qual o valor de x tal que x = φ(x)? 49 / 156
95 Método do ponto xo y=cos x y=x y=cos x - x y= Problemas: Zero de função: qual o valor de x tal que f(x) = 0? Ponto xo: qual o valor de x tal que x = φ(x)? 50 / 156
96 Método do ponto xo Iremos considerar que: 51 / 156
97 Método do ponto xo Iremos considerar que: estas curvas se interceptam (existe pelo menos 1 solução) 51 / 156
98 Método do ponto xo Iremos considerar que: estas curvas se interceptam (existe pelo menos 1 solução) φ(x) e φ (x) são contínuas no intervalo [a, b] 51 / 156
99 Método do ponto xo Iremos considerar que: estas curvas se interceptam (existe pelo menos 1 solução) φ(x) e φ (x) são contínuas no intervalo [a, b] Seja x 0 uma aproximação inicial para α. O método do ponto xo obtem aproximações sucessivas x k para α, usando o seguinte processo iterativo x k+1 = φ(x k ), k = 0, 1, / 156
100 Método do ponto xo Iremos considerar que: estas curvas se interceptam (existe pelo menos 1 solução) φ(x) e φ (x) são contínuas no intervalo [a, b] Seja x 0 uma aproximação inicial para α. O método do ponto xo obtem aproximações sucessivas x k para α, usando o seguinte processo iterativo x k+1 = φ(x k ), k = 0, 1,... Ou seja, dado uma aproximação x k, calculamos o valor de φ(x k ) como aproximação para a raiz. Em seguida usamos esse valor como próximo argumento para a função de iteração φ(x). Repetimos o processo até que o critério de parada seja satisfeito. 51 / 156
101 Método do ponto xo Exemplo Resolver x 2 x 2 = 0 com a função de iteração x = 2 + x usando x 0 = 2.5. Econtrar a raiz α = / 156
102 Método do ponto xo Exemplo Resolver x 2 x 2 = 0 com a função de iteração x = 2 + x usando x 0 = 2.5. Econtrar a raiz α = 2. Solução Pelo método do ponto xo: x k+1 = φ(x k ), para k = 0, 1,... e, portanto x 1 = φ(x 0 ) = = 4.5 = x 2 = φ(x 1 ) = = = x 3 = φ(x 2 ) = = = , / 156
103 Método do ponto xo Exemplo Resolver x 2 x 2 = 0 com a função de iteração x = 2 + x usando x 0 = 2.5. Econtrar a raiz α = 2. Solução Pelo método do ponto xo: x k+1 = φ(x k ), para k = 0, 1,... e, portanto x 1 = φ(x 0 ) = = 4.5 = x 2 = φ(x 1 ) = = = x 3 = φ(x 2 ) = = = , / 156
104 Método do ponto xo Exemplo Resolver x 2 x 2 = 0 com a função de iteração x = 2 + x usando x 0 = 2.5. Econtrar a raiz α = 2. Solução Pelo método do ponto xo: x k+1 = φ(x k ), para k = 0, 1,... e, portanto x 1 = φ(x 0 ) = = 4.5 = x 2 = φ(x 1 ) = = = x 3 = φ(x 2 ) = = = , / 156
105 Método do ponto xo Exemplo Resolver x 2 x 2 = 0 com a função de iteração x = 2 + x usando x 0 = 2.5. Econtrar a raiz α = 2. Solução Pelo método do ponto xo: x k+1 = φ(x k ), para k = 0, 1,... e, portanto x 1 = φ(x 0 ) = = 4.5 = x 2 = φ(x 1 ) = = = x 3 = φ(x 2 ) = = = ,... As aproximações x k convergem para a α = 2. Entretanto, para certas escolhas da função de iteração φ(x) o processo iterativo diverge. 52 / 156
106 Método do ponto xo Exemplo Considere o mesmo problema do exemplo anterior, entretanto agora com o seguinte esquema de ponto xo: x = x 2 2 com x 0 = 2.5 como aproximação inicial. 53 / 156
107 Método do ponto xo Exemplo Considere o mesmo problema do exemplo anterior, entretanto agora com o seguinte esquema de ponto xo: x = x 2 2 com x 0 = 2.5 como aproximação inicial. Solução x 1 = φ(x 0 ) = x = = / 156
108 Método do ponto xo Exemplo Considere o mesmo problema do exemplo anterior, entretanto agora com o seguinte esquema de ponto xo: x = x 2 2 com x 0 = 2.5 como aproximação inicial. Solução x 1 = φ(x 0 ) = x = = 4.25 x 2 = φ(x 1 ) = x = = / 156
109 Método do ponto xo Exemplo Considere o mesmo problema do exemplo anterior, entretanto agora com o seguinte esquema de ponto xo: x = x 2 2 com x 0 = 2.5 como aproximação inicial. Solução x 1 = φ(x 0 ) = x = = 4.25 x 2 = φ(x 1 ) = x = = x 3 = φ(x 2 ) = x = = / 156
110 Método do ponto xo Exemplo Considere o mesmo problema do exemplo anterior, entretanto agora com o seguinte esquema de ponto xo: x = x 2 2 com x 0 = 2.5 como aproximação inicial. Solução x 1 = φ(x 0 ) = x = = 4.25 x 2 = φ(x 1 ) = x = = x 3 = φ(x 2 ) = x = = que como vemos diverge rapidamente da raiz procurada. 53 / 156
111 Método do ponto xo Vamos analisar gracamente o que acontece com cada uma das opções, isto é, se o método converge ou diverge para cada escolha de φ(x). 54 / 156
112 Método do ponto xo Vamos analisar gracamente o que acontece com cada uma das opções, isto é, se o método converge ou diverge para cada escolha de φ(x). No que segue a seta vertical corresponde à avaliação da função em um ponto a seta horizontal apontando para y = x indica que o resultado da avaliação anterior é usado como entrada para a próxima 54 / 156
113 Método do ponto xo Para f(x) = x 2 x 2 e para as funções de iteração φ(x) listadas anteriormente, gracamente temos y =x y =x 2 2 y = x +2 y =1 +x/ / 156
114 Método do ponto xo Figura: O método do ponto xo converge para x = x / 156
115 Método do ponto xo Figura: O método do ponto xo diverge para x = x / 156
116 Método do ponto xo Figura: O método do ponto xo converge para x = 1 + x/2. 58 / 156
117 Método do ponto xo Algoritmo entrada: função de iteração φ(x), aproximação inicial x 0, precisão ɛ número máximo de iterações maxit para k de 1 até maxit faça x 1 = φ(x 0 ); se abs(x 1 x 0 ) < ɛ então retorne x 1 ; m-se x 0 = x 1 ; m-para 59 / 156
118 Método do ponto xo Iremos estudar agora as condições sucientes que a função de iteração φ(x) deve satisfazer para garantir a convergência do método do ponto xo. Para a demonstração do Teorema do método do ponto xo, iremos antes apresentar resultados importantes que serão usados na sua prova. 60 / 156
119 Método do ponto xo Iremos estudar agora as condições sucientes que a função de iteração φ(x) deve satisfazer para garantir a convergência do método do ponto xo. Para a demonstração do Teorema do método do ponto xo, iremos antes apresentar resultados importantes que serão usados na sua prova. Teorema (TVM - Teorema do Valor Médio) Se f é contínua em [a, b] e diferenciável em (a, b), então existe pelo menos um ponto ξ entre a e b, tal que: f (ξ) = f(b) f(a) b a f(b) f(a) = f (ξ)(b a) 60 / 156
120 Método do ponto xo Iremos estudar agora as condições sucientes que a função de iteração φ(x) deve satisfazer para garantir a convergência do método do ponto xo. Para a demonstração do Teorema do método do ponto xo, iremos antes apresentar resultados importantes que serão usados na sua prova. Teorema (TVM - Teorema do Valor Médio) Se f é contínua em [a, b] e diferenciável em (a, b), então existe pelo menos um ponto ξ entre a e b, tal que: f (ξ) = f(b) f(a) b a f(b) f(a) = f (ξ)(b a) Teorema Seja f uma função real contínua na vizinhança de x 0. Se f(x 0 ) 0, então f(x) 0 para todo x numa vizinhança pequena de x / 156
121 Método do ponto xo Teorema (Ponto xo) Seja φ(x) uma função contínua com φ (x) contínua num intervalo fechado I = (α h, α + h), cujo centro α é a solução de x = φ(x). Seja x 0 I e seja M um limitante em I para φ (x), isto é, φ (x) M < 1. Então: a) a iteração x k+1 = φ(x k ), k = 0, 1,... pode ser executada indenidamente, pois x k I, k; b) x k α / 156
122 Método do ponto xo Prova Vamos mostrar primeiro que o item a) é válido e depois iremos mostrar que b) também é válido. a) Para provar que x k I, k, iremos usar indução matemática. 62 / 156
123 Método do ponto xo Prova Vamos mostrar primeiro que o item a) é válido e depois iremos mostrar que b) também é válido. a) Para provar que x k I, k, iremos usar indução matemática. i) Por hipótese x 0 I. 62 / 156
124 Método do ponto xo Prova Vamos mostrar primeiro que o item a) é válido e depois iremos mostrar que b) também é válido. a) Para provar que x k I, k, iremos usar indução matemática. i) Por hipótese x 0 I. ii) Supomos que x 0, x 1,..., x k I. 62 / 156
125 Método do ponto xo Prova Vamos mostrar primeiro que o item a) é válido e depois iremos mostrar que b) também é válido. a) Para provar que x k I, k, iremos usar indução matemática. i) Por hipótese x 0 I. ii) Supomos que x 0, x 1,..., x k I. iii) Vamos mostrar que x k+1 I. Temos x k+1 α = φ(x k ) φ(α) 62 / 156
126 Método do ponto xo Prova Vamos mostrar primeiro que o item a) é válido e depois iremos mostrar que b) também é válido. a) Para provar que x k I, k, iremos usar indução matemática. i) Por hipótese x 0 I. ii) Supomos que x 0, x 1,..., x k I. iii) Vamos mostrar que x k+1 I. Temos x k+1 α = φ(x k ) φ(α) Pelo TVM temos φ(x k ) φ(α) = φ (ξ k )(x k α) = x k+1 α onde ξ k está entre x k e α. 62 / 156
127 Método do ponto xo Prova (cont.) Tomando o módulo segue que: x k+1 α = φ (ξ k )(x k α) = φ (ξ k ) x k α 63 / 156
128 Método do ponto xo Prova (cont.) Tomando o módulo segue que: x k+1 α = φ (ξ k )(x k α) = φ (ξ k ) x k α Pela hipótese de indução: x k I ξ k I. E ainda como φ (x) M < 1 em I temos x k+1 α M x k α 63 / 156
129 Método do ponto xo Prova (cont.) Tomando o módulo segue que: x k+1 α = φ (ξ k )(x k α) = φ (ξ k ) x k α Pela hipótese de indução: x k I ξ k I. E ainda como φ (x) M < 1 em I temos x k+1 α M x k α Como M < 1, temos que x k+1 I. E assim concluimos que x k I para todo k. 63 / 156
130 Método do ponto xo Prova (cont.) b) Pelo item a), temos que x k α M x k 1 α M 2 x k 2 α... M k x 0 α 64 / 156
131 Método do ponto xo Prova (cont.) b) Pelo item a), temos que x k α M x k 1 α M 2 x k 2 α como M < 1, aplicando o limite... M k x 0 α lim M k 0 x k α 0 k 64 / 156
132 Método do ponto xo Prova (cont.) b) Pelo item a), temos que x k α M x k 1 α M 2 x k 2 α como M < 1, aplicando o limite... M k x 0 α lim M k 0 x k α 0 k Ou seja, {x k } converge para a raiz α. 64 / 156
133 Método do ponto xo Algumas observações sobre o resultado do Teorema: Se φ (α) < 1, então existe um intervalo I [a, b] centrado em α que satisfaz as condições do Teorema do ponto xo. Portanto, a iteração x k+1 = φ(x k ) irá convergir. Se φ (α) > 1, então a iteração x k+1 = φ(x k ) irá divergir. Se φ (α) = 1, nada pode ser dito a respeito da convergência do método. Fica a partir da demonstração do item b), que quanto menor for o valor de M, mais rápida será a convergência de {x k } para α. 65 / 156
134 Método do ponto xo Exemplo O método do ponto xo converge para f(x) = x 2 x 2 no intervalo I = [1.5, 2.5] usando φ(x) = x + 2? 66 / 156
135 Método do ponto xo Exemplo O método do ponto xo converge para f(x) = x 2 x 2 no intervalo I = [1.5, 2.5] usando φ(x) = x + 2? Solução Derivando φ(x) tem-se: φ (x) = 1 2 x+2. Para mostrar que o MP converge, precisamos encontrar um limitante M para φ (x) tal que M < 1, isto é 1 max x I φ (x) = max x I 2 x + 2 = < 1 Portanto, nessas condições, o Teorema do Ponto xo garante a convergência do método. 66 / 156
136 Método do ponto xo Exemplo O método do ponto xo converge para f(x) = x 2 x 2 no intervalo I = [1.5, 2.5] usando x = x 2 2? 67 / 156
137 Método do ponto xo Exemplo O método do ponto xo converge para f(x) = x 2 x 2 no intervalo I = [1.5, 2.5] usando x = x 2 2? Solução Derivando φ(x) tem-se φ(x) = x 2 2 φ (x) = 2x Assim temos que φ(x) e φ (x) são contínuas. Entretanto max x I φ (x) = max x I 2x > 1 que nos mostra que o método do ponto xo não converge para essa escolha da função de iteração φ(x). De fato, o método diverge (como visto anteriormente). 67 / 156
138 Ordem de convergência do método do ponto xo Do Teorema temos que x k+1 α = φ (ξ k )(x k α) para algum ξ k entre x k e α. Logo x k+1 α x k α = φ (ξ k ) M E portanto pela def. de ordem de convergência x k+1 α M x k α temos que p = 1 e dizemos então que a convergência do MPF é linear. E ainda, o erro em qualquer iteração é proporcional ao erro da iteração anterior e a constante de proporcionalidade é dada por φ (ξ k ). 68 / 156
139 Método do ponto xo Exemplo - Aula Considere a equação f(x) = 2x 2 5x + 2 = 0, cujas raízes são α 1 = 0.5 e α 2 = 2. Considere os processos iterativos: 5x a) x k+1 = k 2 1 b) x k+1 = 2x2 k +2 5 Qual dos dois processos você utilizaria para obter a raiz α 1? Porque? 69 / 156
140 Método do ponto xo Exemplo - Aula Considere a equação f(x) = 2x 2 5x + 2 = 0, cujas raízes são α 1 = 0.5 e α 2 = 2. Considere os processos iterativos: 5x a) x k+1 = k 2 1 b) x k+1 = 2x2 k +2 5 Qual dos dois processos você utilizaria para obter a raiz α 1? Porque? Solução do Exemplo Para a) temos que φ(x) = ( 5x 2 1) 1/2 φ (x) = 1 2 φ 5 (α 1 ) = = 2.5 > xk / 156
141 Método do ponto xo Solução do Exemplo - (cont.) Para b) temos que φ(x) = 2x2 + 2 φ (x) = 4x 5 5 φ (α 1 ) = 4(0.5) = = 0.4 < 1 Temos então que φ(x) e φ (x) são contínuas e se x 0 for sucientemente próximo de α 1, então o processo b) irá convergir, e portanto este é mais adequado para encontrar a raiz. 70 / 156
142 Método do ponto xo Exemplo - Aula Seja f(x) = x 3 9x + 3. Considere a seguinte função de iteração x = φ(x) = x Queremos encontrar a raiz de f(x) = 0 no intervalo [0, 1]. O método irá convergir? 71 / 156
143 Método do ponto xo Exemplo - Aula Seja f(x) = x 3 9x + 3. Considere a seguinte função de iteração x = φ(x) = x Queremos encontrar a raiz de f(x) = 0 no intervalo [0, 1]. O método irá convergir? Solução do Exemplo Temos que φ (x) = x2 3, e portanto temos que φ(x) e φ (x) são contínuas. 71 / 156
144 Método do ponto xo Exemplo - Aula Seja f(x) = x 3 9x + 3. Considere a seguinte função de iteração x = φ(x) = x Queremos encontrar a raiz de f(x) = 0 no intervalo [0, 1]. O método irá convergir? Solução do Exemplo Temos que φ (x) = x2 3, e portanto temos que φ(x) e φ (x) são contínuas. Vericamos agora que φ x 2 (x) = < 1, x [0, 1] 3 E assim concluimos que o método irá convergir. Podemos vericar tomando x 0 = 0.25 e usando uma precisão ɛ = / 156
145 Método do ponto xo Solução do Exemplo - (cont.) Na primeira iteração temos x 1 = = = f(x 1 ) = x 3 1 9x = = > ɛ 72 / 156
146 Método do ponto xo Solução do Exemplo - (cont.) Na primeira iteração temos x 1 = = = f(x 1 ) = x 3 1 9x = = > ɛ Mais uma iteração x 2 = = f(x 2 ) = x 3 2 9x = = < ɛ Como o critério de parada f(x 2 ) < ɛ foi satisfeito, terminamos o processo com x 2 = como aproximação para a raiz. 72 / 156
147 Método do ponto xo Solução do Exemplo - (cont.) Se tomarmos outra aproximação inicial x 0 = 0.5 mais distante da raiz temos os seguintes passos: k x k f(x k ) / 156
148 Método do ponto xo Exemplo Considere as seguintes funções: a) φ 1 (x) = 2x 1 b) φ 2 (x) = x 2 2x + 2 Qual delas você escolheria para obter a raiz 1, utilizando o processo iterativo x k+1 = φ(x k )? Exiba a sequência gerada com sua escolha tomando x 0 = / 156
149 Método do ponto xo Exemplo Considere as seguintes funções: a) φ 1 (x) = 2x 1 b) φ 2 (x) = x 2 2x + 2 Qual delas você escolheria para obter a raiz 1, utilizando o processo iterativo x k+1 = φ(x k )? Exiba a sequência gerada com sua escolha tomando x 0 = 1.2. Solução do Exemplo Temos que φ 1 (x) e φ 1 (x) são contínuas pois φ 1 (x) = 2x 1, φ 1(x) = 2 74 / 156
150 Método do ponto xo Exemplo Considere as seguintes funções: a) φ 1 (x) = 2x 1 b) φ 2 (x) = x 2 2x + 2 Qual delas você escolheria para obter a raiz 1, utilizando o processo iterativo x k+1 = φ(x k )? Exiba a sequência gerada com sua escolha tomando x 0 = 1.2. Solução do Exemplo Temos que φ 1 (x) e φ 1 (x) são contínuas pois φ 1 (x) = 2x 1, φ 1(x) = 2 Mas φ 1 (x) = 2 > 1, x próximo de α = / 156
151 Método do ponto xo Solução do Exemplo - (cont.) Por outro lado φ 2 (x) = x 2 2x + 2, φ 2(x) = 2x 2 φ 2(x) = 2x 2 < 1 75 / 156
152 Método do ponto xo Solução do Exemplo - (cont.) Por outro lado de onde temos φ 2 (x) = x 2 2x + 2, φ 2(x) = 2x 2 φ 2(x) = 2x 2 < 1 1 < 2x 2 < 1 1 < 2x < < x < / 156
153 Método do ponto xo Solução do Exemplo - (cont.) Por outro lado de onde temos φ 2 (x) = x 2 2x + 2, φ 2(x) = 2x 2 φ 2(x) = 2x 2 < 1 1 < 2x 2 < 1 1 < 2x < < x < 3 2 Portanto φ 2 (x) < 1 se e somente se x I = [0.5, 1.5]. Como φ 2 (x) e φ 2 (x) são contínuas, tomando uma aproximação inicial x 0 I, temos a convergência do método garantida. 75 / 156
154 Método do ponto xo Exemplo Vamos rever o caso f(x) = x 2 x 2 = 0. Temos os seguinte esquema, que já vimos que converge para x = 2 + x. Vamos usar x 0 = 2.5, então 76 / 156
155 Método do ponto xo Exemplo Vamos rever o caso f(x) = x 2 x 2 = 0. Temos os seguinte esquema, que já vimos que converge para x = 2 + x. Vamos usar x 0 = 2.5, então x 1 = φ(x 0 ) = x 2 = φ(x 1 ) = x 3 = φ(x 2 ) = x 4 = φ(x 3 ) = x 5 = φ(x 4 ) = / 156
156 Método do ponto xo Exemplo Vamos rever o caso f(x) = x 2 x 2 = 0. Temos os seguinte esquema, que já vimos que converge para x = 2 + x. Vamos usar x 0 = 2.5, então x 1 = φ(x 0 ) = x 2 = φ(x 1 ) = x 3 = φ(x 2 ) = x 4 = φ(x 3 ) = x 5 = φ(x 4 ) = Vejamos agora o seguinte esquema x = x x2 x 2 2x 1 76 / 156
157 Método do ponto xo Exemplo Usando o esquema com x 0 = 2.5 obtemos x = x x2 x 2 2x 1 x 1 = φ(x 0 ) = x 2 = φ(x 1 ) = x 3 = φ(x 2 ) = de onde concluimos que o esquema converge, e ainda, de forma muito mais rápida que o esquema anterior. Porque? Que função de iteração é essa? 77 / 156
158 Conteúdo Aula passada Método do ponto xo Aula de hoje Método de Newton Método da secante 78 / 156
159 Método de Newton Na aula anterior estudamos o método do ponto xo que expressa f(x) = 0 na forma x = φ(x) 79 / 156
160 Método de Newton Na aula anterior estudamos o método do ponto xo que expressa f(x) = 0 na forma x = φ(x) Uma forma geral de escrever φ(x) é φ(x) = x + A(x)f(x) (3) para qualquer A(x) tal que A(α) 0. Vamos estudar agora o método de Newton que é uma das técnicas mais populares para se determinar raízes de equações não lineares. 79 / 156
161 Método de Newton Na aula anterior estudamos o método do ponto xo que expressa f(x) = 0 na forma x = φ(x) Uma forma geral de escrever φ(x) é φ(x) = x + A(x)f(x) (3) para qualquer A(x) tal que A(α) 0. Vamos estudar agora o método de Newton que é uma das técnicas mais populares para se determinar raízes de equações não lineares. Existem diversas formas de se deduzir o método de Newton 1. método de ponto xo 2. interpretação geométrica 3. série de Taylor 79 / 156
162 Método de Newton No MPF vimos que se φ(x) e φ (x) forem contínuas e se φ (x) < 1, x I, então o método irá convergir a convergência será mais rápida quanto menor for φ (α). 80 / 156
163 Método de Newton No MPF vimos que se φ(x) e φ (x) forem contínuas e se φ (x) < 1, x I, então o método irá convergir a convergência será mais rápida quanto menor for φ (α). A idéia do método de Newton, quando visto como um MPF, é tentar garantir e acelerar a convergência do MPF escolhendo a função de iteração φ(x) de tal forma que φ (α) = 0. Partindo da forma geral de φ(x) dada em (3), queremos encontrar a função A(x) tal que φ (α) = / 156
164 Método de Newton No MPF vimos que se φ(x) e φ (x) forem contínuas e se φ (x) < 1, x I, então o método irá convergir a convergência será mais rápida quanto menor for φ (α). A idéia do método de Newton, quando visto como um MPF, é tentar garantir e acelerar a convergência do MPF escolhendo a função de iteração φ(x) de tal forma que φ (α) = 0. Partindo da forma geral de φ(x) dada em (3), queremos encontrar a função A(x) tal que φ (α) = 0. Derivando obtemos φ(x) = x + A(x)f(x) φ (x) = 1 + A (x)f(x) + A(x)f (x) 80 / 156
165 Método de Newton No MPF vimos que se φ(x) e φ (x) forem contínuas e se φ (x) < 1, x I, então o método irá convergir a convergência será mais rápida quanto menor for φ (α). A idéia do método de Newton, quando visto como um MPF, é tentar garantir e acelerar a convergência do MPF escolhendo a função de iteração φ(x) de tal forma que φ (α) = 0. Partindo da forma geral de φ(x) dada em (3), queremos encontrar a função A(x) tal que φ (α) = 0. Derivando obtemos avaliando em x = α temos φ(x) = x + A(x)f(x) φ (x) = 1 + A (x)f(x) + A(x)f (x) φ (α) = 1 + A (α) f(α) +A(α)f (α) }{{} =0 80 / 156
166 Método de Newton Assim φ (α) = 1 + A(α)f (α) 81 / 156
167 Método de Newton Assim φ (α) = 1 + A(α)f (α) Como queremos que φ (α) = 0, fazemos 1 + A(α)f (α) = 0 A(α) = 1 f (α), com f (α) 0 81 / 156
168 Método de Newton Assim φ (α) = 1 + A(α)f (α) Como queremos que φ (α) = 0, fazemos 1 + A(α)f (α) = 0 A(α) = 1 f (α), com f (α) 0 Tomando A(x) = 1 f (x) 81 / 156
169 Método de Newton Assim φ (α) = 1 + A(α)f (α) Como queremos que φ (α) = 0, fazemos 1 + A(α)f (α) = 0 A(α) = 1 f (α), com f (α) 0 Tomando temos A(x) = 1 f (x) φ(x) = x + A(x)f(x) φ(x) = x f(x) f (x) 81 / 156
170 Método de Newton Assim φ (α) = 1 + A(α)f (α) Como queremos que φ (α) = 0, fazemos 1 + A(α)f (α) = 0 A(α) = 1 f (α), com f (α) 0 Tomando temos A(x) = 1 f (x) φ(x) = x + A(x)f(x) φ(x) = x f(x) f (x) e assim o processo iterativo do método de Newton ca denido como x k+1 = x k f(x k) f (x k ), k = 0, 1, / 156
171 Método de Newton Assim dada f(x) = 0, obtemos a função de iteração que é tal que φ (α) = 0, pois φ(x) = x f(x) f (x) φ (x) = 1 f (x)f (x) f(x)f (x) f (x) 2 82 / 156
172 Método de Newton Assim dada f(x) = 0, obtemos a função de iteração que é tal que φ (α) = 0, pois φ(x) = x f(x) f (x) φ (x) = 1 f (x)f (x) f(x)f (x) f (x) 2 = f (x) 2 f (x)f (x) + f(x)f (x) f (x) 2 82 / 156
173 Método de Newton Assim dada f(x) = 0, obtemos a função de iteração que é tal que φ (α) = 0, pois φ(x) = x f(x) f (x) φ (x) = 1 f (x)f (x) f(x)f (x) f (x) 2 = f (x) 2 f (x)f (x) + f(x)f (x) f (x) 2 = f(x)f (x) f (x) 2 82 / 156
174 Método de Newton Assim dada f(x) = 0, obtemos a função de iteração que é tal que φ (α) = 0, pois φ(x) = x f(x) f (x) φ (x) = 1 f (x)f (x) f(x)f (x) f (x) 2 = f (x) 2 f (x)f (x) + f(x)f (x) f (x) 2 = f(x)f (x) f (x) 2 como f(α) = 0, isto implica que φ (α) = 0, desde que f (α) 0, como queríamos. 82 / 156
175 Método de Newton Interpretação geométrica Antes de estudarmos exemplos, algoritmo e convergência, vejamos as outras deduções do método. Iremos apresentar o método de Newton agora sob o ponto de vista geométrico. Seja x k uma aproximação para a raiz α de f(x) = 0. O valor de x k+1 é obtido gracamente traçando-se pelo ponto (x k, f(x k )) a reta tangente à curva y = f(x). O ponto de interseção da reta tangente com o eixo dos x, determina o valor de x k / 156
176 Método de Newton Interpretação geométrica 84 / 156
177 Método de Newton Interpretação geométrica Assim temos tan (θ) = f (x k ) = f(x k) x k x k+1 85 / 156
178 Método de Newton Interpretação geométrica Assim temos tan (θ) = f (x k ) = f(x k) x k x k+1 f (x k )(x k x k+1 ) = f(x k ) 85 / 156
179 Método de Newton Interpretação geométrica Assim temos tan (θ) = f (x k ) = f(x k) x k x k+1 f (x k )(x k x k+1 ) = f(x k ) x k x k+1 = f(x k) f (x k ) 85 / 156
180 Método de Newton Interpretação geométrica Assim temos tan (θ) = f (x k ) = f(x k) x k x k+1 f (x k )(x k x k+1 ) = f(x k ) x k x k+1 = f(x k) f (x k ) x k+1 = x k f(x k) f (x k ) 85 / 156
181 Método de Newton Interpretação geométrica Assim temos tan (θ) = f (x k ) = f(x k) x k x k+1 f (x k )(x k x k+1 ) = f(x k ) x k x k+1 = f(x k) f (x k ) x k+1 = x k f(x k) f (x k ) Vejamos agora a dedução através de série de Taylor. 85 / 156
182 Método de Newton Série de Taylor Vamos deduzir o método de Newton usando série de Taylor em torno do ponto a = x k. 86 / 156
183 Método de Newton Série de Taylor Vamos deduzir o método de Newton usando série de Taylor em torno do ponto a = x k. Assim temos f(x) = f(x k ) + (x x k )f (x k ) + R 1 (x) onde, como visto anteriormente, R 1 (x) = x x k 2 f (c xk ), com c xk entre x k e x. 86 / 156
184 Método de Newton Série de Taylor Vamos deduzir o método de Newton usando série de Taylor em torno do ponto a = x k. Assim temos f(x) = f(x k ) + (x x k )f (x k ) + R 1 (x) onde, como visto anteriormente, R 1 (x) = x x k 2 f (c xk ), com c xk entre x k e x. Avaliando a expressão anterior em x = α e desprezando o termo do erro, temos f(α) = 0 f(x k ) + (α x k )f (x k ) 0 De onde denimos o método como x k+1 = x k f(x k) f (x k ) (α x k ) f(x k) f (x k ) α x k f(x k) f (x k ) 86 / 156
185 Método de Newton Exemplo Usando o método de Newton, determine a menor raiz positiva da equação f(x) = 4 cos (x) e x = 0 com erro inferior a ɛ = Use o seguinte critério de parada x k+1 x k / x k / 156
186 Método de Newton Exemplo Usando o método de Newton, determine a menor raiz positiva da equação f(x) = 4 cos (x) e x = 0 com erro inferior a ɛ = Use o seguinte critério de parada x k+1 x k / x k+1. Solução do Exemplo Vamos fazer um gráco para analisar e escolher um valor inicial para aproximar a raiz. Seja y 1 = 4 cos (x) e y 2 = e x cosx e x / 156
187 Método de Newton Solução do Exemplo - (cont.) Do gráco, escolhemos x 0 = 1 como chute inicial. Assim f(x) = 4 cos (x) e x f (x) = 4 sin (x) e x 88 / 156
188 Método de Newton Solução do Exemplo - (cont.) Do gráco, escolhemos x 0 = 1 como chute inicial. Assim f(x) = 4 cos (x) e x f (x) = 4 sin (x) e x Portanto temos Passo 1 x k+1 = x k 4 cos (x k) e x k ( 4 sin (x k ) e x k ) x 1 = x 0 4 cos (x 0) e x 0 4 cos (1) e1 ( 4 sin (x 0 ) e x = 1 0 ) ( 4 sin (1) e 1 ) 88 / 156
189 Método de Newton Solução do Exemplo - (cont.) Do gráco, escolhemos x 0 = 1 como chute inicial. Assim f(x) = 4 cos (x) e x f (x) = 4 sin (x) e x Portanto temos Passo 1 x k+1 = x k 4 cos (x k) e x k ( 4 sin (x k ) e x k ) x 1 = x 0 4 cos (x 0) e x 0 4 cos (1) e1 ( 4 sin (x 0 ) e x = 1 0 ) ( 4 sin (1) e 1 ) = 1 ( 0.557) ( 6.048) = / 156
190 Método de Newton Solução do Exemplo - (cont.) Do gráco, escolhemos x 0 = 1 como chute inicial. Assim f(x) = 4 cos (x) e x f (x) = 4 sin (x) e x Portanto temos Passo 1 x k+1 = x k 4 cos (x k) e x k ( 4 sin (x k ) e x k ) x 1 = x 0 4 cos (x 0) e x 0 4 cos (1) e1 ( 4 sin (x 0 ) e x = 1 0 ) ( 4 sin (1) e 1 ) = 1 ( 0.557) ( 6.048) = e 1 = x 1 x 0 x 1 = > ɛ 88 / 156
191 Método de Newton Solução do Exemplo - (cont.) Passo 2 x 2 = x 1 4 cos (x 1) e x 1 4 cos (0.908) e0.908 ( 4 sin (x 1 ) e x = ) ( 4 sin (0.908) e ) = ( 0.019) ( 5.631) = / 156
192 Método de Newton Solução do Exemplo - (cont.) Passo 2 x 2 = x 1 4 cos (x 1) e x 1 4 cos (0.908) e0.908 ( 4 sin (x 1 ) e x = ) ( 4 sin (0.908) e ) = ( 0.019) ( 5.631) = e 2 = x 2 x 1 x 2 = = < ɛ 89 / 156
193 Método de Newton Solução do Exemplo - (cont.) Passo 2 x 2 = x 1 4 cos (x 1) e x 1 4 cos (0.908) e0.908 ( 4 sin (x 1 ) e x = ) ( 4 sin (0.908) e ) = ( 0.019) ( 5.631) = e 2 = x 2 x 1 x 2 = = < ɛ Portanto obtemos x 2 = como aproximação para α com uma precisão de / 156
194 Método de Newton Algoritmo entrada: f(x) e sua derivada f (x), aproximação inicial x 0, precisão ɛ e número máximo de iterações maxit para k de 1 até maxit faça x 1 = x 0 f(x 0) f (x 0 ) ; se abs(x 1 x 0 ) < ɛ então retorne x 1 ; m-se x 0 = x 1 ; m-para 90 / 156
195 Método de Newton Exemplo Resolva f(x) = x x 1/3 2 = 0 usando x 0 = 3 como aproximação inicial. 91 / 156
196 Método de Newton Exemplo Resolva f(x) = x x 1/3 2 = 0 usando x 0 = 3 como aproximação inicial. Solução do Exemplo Temos que a derivada é f (x) = x 2/3 nesse caso a fórmula de iteração é x k+1 = x k x k x 1/3 k x 2/3 k 91 / 156
197 Método de Newton Solução do Exemplo Aplicando o método temos k x k f (x k ) f(x k ) e e e e+00 E assim ao nal das iterações obtemos α x 3 = como valor aproximado para a raiz. 92 / 156
198 Convergência do método de Newton Teorema (Ref: Ruggiero, página 69) Sejam f(x), f (x) e f (x) contínuas em um intervalo I que contém a raiz α de f(x) = 0. Vamos supor que f (α) 0. Então existe um intervalo Ī I, contendo a raiz α, tal que se x 0 Ī, a sequência {x k} gerada pelo método de Newton x k+1 = x k f(x k )/f (x k ) irá convergir para a raiz. 93 / 156
199 Convergência do método de Newton Teorema (Ref: Ruggiero, página 69) Sejam f(x), f (x) e f (x) contínuas em um intervalo I que contém a raiz α de f(x) = 0. Vamos supor que f (α) 0. Então existe um intervalo Ī I, contendo a raiz α, tal que se x 0 Ī, a sequência {x k} gerada pelo método de Newton x k+1 = x k f(x k )/f (x k ) irá convergir para a raiz. Prova O método de Newton é um MPF com φ(x) = x f(x) f (x). Para provar a convergência do método, basta vericar, que sob as hipóteses desse Teorema, as hipóteses do Teorema do Ponto Fixo são satisfeitas para φ(x). Precisamos provar que existe Ī I centrado em α tal que (i) φ(x) e φ (x) são contínuas em Ī (ii) φ (x) < 1, x Ī 93 / 156
200 Convergência do método de Newton Prova (cont.) Sabemos que φ(x) = x f(x) f (x), φ (x) = f(x)f (x) f (x) 2 Pelas hipóteses temos que f (α) 0 f (x) é contínua Então, f (x) 0, x na vizinhança de α. 94 / 156
201 Convergência do método de Newton Prova (cont.) Sabemos que φ(x) = x f(x) f (x), φ (x) = f(x)f (x) f (x) 2 Pelas hipóteses temos que f (α) 0 f (x) é contínua Então, f (x) 0, x na vizinhança de α. Sendo assim é possível obter um intervalo I 1 I tal que f (x) 0, x I 1. Logo, em I 1 I, temos que f(x), f (x) e f (x) são contínuas e f (x) 0. Portanto, concluímos que φ(x) e φ (x) são contínuas em I 1 (pela continuidade da soma, produto e divisão). Item (i) OK! 94 / 156
202 Convergência do método de Newton Prova (cont.) Como φ (x) é contínua em I 1 e φ (α) = 0 < 1 (por construção do método de Newton), é possível escolher I 2 I 1 tal que φ (x) < 1, x I 2. E ainda, I 2 pode ser escolhido de forma que α esteja centrado neste intervalo. Item (ii) OK! Sendo assim, encontramos I 2 I, centrado em α onde φ(x) e φ (x) são contínuas e φ (x) < 1, x I 2. Ou seja, I 2 = Ī. 95 / 156
203 Convergência do método de Newton Prova (cont.) Como φ (x) é contínua em I 1 e φ (α) = 0 < 1 (por construção do método de Newton), é possível escolher I 2 I 1 tal que φ (x) < 1, x I 2. E ainda, I 2 pode ser escolhido de forma que α esteja centrado neste intervalo. Item (ii) OK! Sendo assim, encontramos I 2 I, centrado em α onde φ(x) e φ (x) são contínuas e φ (x) < 1, x I 2. Ou seja, I 2 = Ī. Em resumo: se f, f e f forem contínuas e f (α) 0, o método de Newton converge, desde que a aproximação inicial x 0 seja escolhida "sucientemente próxima" da raiz α. 95 / 156
204 Convergência do método de Newton Prova (cont.) Como φ (x) é contínua em I 1 e φ (α) = 0 < 1 (por construção do método de Newton), é possível escolher I 2 I 1 tal que φ (x) < 1, x I 2. E ainda, I 2 pode ser escolhido de forma que α esteja centrado neste intervalo. Item (ii) OK! Sendo assim, encontramos I 2 I, centrado em α onde φ(x) e φ (x) são contínuas e φ (x) < 1, x I 2. Ou seja, I 2 = Ī. Em resumo: se f, f e f forem contínuas e f (α) 0, o método de Newton converge, desde que a aproximação inicial x 0 seja escolhida "sucientemente próxima" da raiz α. E se f (α) = 0? Problemas de convergência. Veremos mais detalhes adiante. 95 / 156
205 Ordem de convergência do método de Newton Vamos supor que as hipóteses do Teorema estão todas satisfeitas, i.e.: f, f, f contínuas em um intervalo I com centro em α f (α) 0 então subtraindo α de x k+1 = φ(x k ) = x k f(x k) f (x k ) temos x k+1 α = φ(x k ) φ(α) 96 / 156
206 Ordem de convergência do método de Newton Vamos supor que as hipóteses do Teorema estão todas satisfeitas, i.e.: f, f, f contínuas em um intervalo I com centro em α f (α) 0 então subtraindo α de x k+1 = φ(x k ) = x k f(x k) f (x k ) temos x k+1 α = φ(x k ) φ(α) Expandindo φ(x k ) em série de Taylor em torno do ponto a = α, resulta em φ(x k ) = φ(α) + (x k α)φ (α) + (x k α) 2 φ (ξ k ) 2 96 / 156
207 Ordem de convergência do método de Newton Vamos supor que as hipóteses do Teorema estão todas satisfeitas, i.e.: f, f, f contínuas em um intervalo I com centro em α f (α) 0 então subtraindo α de x k+1 = φ(x k ) = x k f(x k) f (x k ) temos x k+1 α = φ(x k ) φ(α) Expandindo φ(x k ) em série de Taylor em torno do ponto a = α, resulta em assim φ(x k ) = φ(α) + (x k α)φ (α) + (x k α) 2 φ (ξ k ) 2 x k+1 α = φ(α) + (x k α) φ (α) + (x k α) 2 φ (ξ }{{} k ) φ(α) 2 =0 96 / 156
208 Ordem de convergência do método de Newton Portanto x k+1 α = (x k α) 2 φ (ξ k ) 2 x k+1 α (x k α) 2 = 1 2 φ (ξ k ) 97 / 156
209 Ordem de convergência do método de Newton Portanto x k+1 α = (x k α) 2 φ (ξ k ) 2 x k+1 α (x k α) 2 = 1 2 φ (ξ k ) e assim obtemos x k+1 α x k α 2 = 1 2 φ (ξ k ) c 97 / 156
210 Ordem de convergência do método de Newton Portanto x k+1 α = (x k α) 2 φ (ξ k ) 2 x k+1 α (x k α) 2 = 1 2 φ (ξ k ) e assim obtemos x k+1 α x k α 2 = 1 2 φ (ξ k ) c isto é x k+1 α c x k α 2 Pela denição de ordem de convergência, concluimos que p = 2 e portanto temos que o método de Newton tem convergência quadrática. 97 / 156
211 Ordem de convergência do método de Newton Observações A convergência do método de Newton é rápida O método requer o cálculo: da derivada da função da avaliação da função e da sua derivada a cada iteração Além disso, a função pode não ser diferenciável em alguns pontos. 98 / 156
212 Ordem de convergência do método de Newton Na prática, o que signica essa ordem de convergência quadrática? Vamos supor que o erro em uma iteração k do algoritmo seja da ordem de Pela expressão anterior x k+1 α c x k α 2 ou seja, o erro na próxima iteração k + 1 é aproximadamente 10 4 e assim temos 10 2, 10 4, 10 8, 10 16,... Vejamos um exemplo prático. 99 / 156
213 Ordem de convergência do método de Newton Exemplo Como exemplo considere f(x) = 4 sin (x) e x com x 0 = 0.5 e use ɛ = / 156
214 Ordem de convergência do método de Newton Exemplo Como exemplo considere f(x) = 4 sin (x) e x com x 0 = 0.5 e use ɛ = Solução O método de Newton com a precisão especicada produz os seguintes resultados: Raiz aproximada = k x k e k e e e e e e e e e e / 156
215 Problemas com o método de Newton Em algumas situações o método de Newton pode falhar por conta de: i) Aproximação inicial ruim. Em algumas situações as condições sobre a função para a convergência do método são satisfeitas, porém a escolha da aproximação inicial está fora do intervalo para o qual o método converge. Por exemplo, se um ponto x 0 é estacionário, i.e., f (x 0 ) = 0. Seja f(x) = 1 2x 2, então f (x) = 4x. Escolhendo x 0 = 0 temos que x 1 = x 0 f(x 0) f (x 0 ) = / 156
216 Problemas com o método de Newton i) Aproximação inicial ruim. Outra situação que pode levar à falha do método de Newton é a escolha de um ponto inicial que faz o método entrar em loop. Exemplo com x 0 = 0: f(x) = x 3 2x + 2 f (x) = 3x / 156
217 Problemas com o método de Newton i) Aproximação inicial ruim. Outra situação que pode levar à falha do método de Newton é a escolha de um ponto inicial que faz o método entrar em loop. Exemplo com x 0 = 0: f(x) = x 3 2x + 2 f (x) = 3x 2 2 Escolhendo x 0 = 0 o método entra em loop e gera uma sequência {1, 0, 1, 0,...}. Obs: nesses casos, um método diferente, como por exemplo o método da Bissecção pode ser usado para obter uma aproximação inicial mais precisa para então ser usada no método de Newton. 102 / 156
218 Problemas com o método de Newton ii) Problemas com a derivada Derivada discontínua. Derivada não existe na raiz. iii) Convergência não quadrática. Em algumas situações o método pode convergir com uma ordem não quadrática. Um exemplo é quando temos raízes com multiplicidade m > 1, ou seja, quando a derivada é zero na raiz. Veremos como tratar isso adiante. 103 / 156
219 Método da Secante Como discutido uma séria desvantagem do método de Newton é a necessidade de se obter f (x) e calcular o seu valor a cada passo. Existem algumas formas de modicar o método para contornar essa desvantagem. Uma modicação consiste em substituir f (x) pelo quociente das diferenças f (x k ) f(x k) f(x k 1 ) x k x k 1 (4) onde x k e x k 1 são aproximações para α. Dessa forma temos o seguinte esquema: f(x k ) x k+1 = x k f(x k ) f(x k 1 ) x k x k 1 x k x k 1 = x k f(x k ) f(x k ) f(x k 1 ) 104 / 156
220 Método da Secante Tirando o mínimo e simplicando x k x k 1 x k+1 = x k f(x k ) f(x k ) f(x k 1 ) = x kf(x k ) x k f(x k 1 ) f(x k )(x k x k 1 ) f(x k ) f(x k 1 ) (5) obtemos o seguinte processo iterativo x k+1 = f(x k)x k 1 f(x k 1 )x k f(x k ) f(x k 1 ) k = 1, 2,... o qual é conhecido como método da secante. Note que para obter x k+1 precisamos x k e x k 1, ou seja, duas aproximações iniciais devem estar disponíveis para a equação anterior ser usada. 105 / 156
221 Método da Secante Interpretação Geométrica 106 / 156
222 Método da Secante Interpretação Geométrica Visto dessa forma o método consiste em tomar como aproximação a interseção da reta que passa pelos pontos (x k, f(x k )) e (x k 1, f(x k 1 )) com o eixo x. Sendo assim, partindo de (5) temos x k+1 = x k f(x k)(x k x k 1 ) f(x k ) f(x k 1 ) 107 / 156
223 Método da Secante Interpretação Geométrica Visto dessa forma o método consiste em tomar como aproximação a interseção da reta que passa pelos pontos (x k, f(x k )) e (x k 1, f(x k 1 )) com o eixo x. Sendo assim, partindo de (5) temos x k+1 = x k f(x k)(x k x k 1 ) f(x k ) f(x k 1 ) x k+1 x k f(x k ) = (x k x k 1 ) f(x k ) f(x k 1 ) 107 / 156
224 Método da Secante Interpretação Geométrica Visto dessa forma o método consiste em tomar como aproximação a interseção da reta que passa pelos pontos (x k, f(x k )) e (x k 1, f(x k 1 )) com o eixo x. Sendo assim, partindo de (5) temos x k+1 = x k f(x k)(x k x k 1 ) f(x k ) f(x k 1 ) x k+1 x k = (x k x k 1 ) f(x k ) f(x k ) f(x k 1 ) f(x k ) = f(x k) f(x k 1 ) x k+1 x k (x k x k 1 ) 107 / 156
225 Método da Secante Interpretação Geométrica Visto dessa forma o método consiste em tomar como aproximação a interseção da reta que passa pelos pontos (x k, f(x k )) e (x k 1, f(x k 1 )) com o eixo x. Sendo assim, partindo de (5) temos x k+1 = x k f(x k)(x k x k 1 ) f(x k ) f(x k 1 ) x k+1 x k = (x k x k 1 ) f(x k ) f(x k ) f(x k 1 ) f(x k ) = f(x k) f(x k 1 ) x k+1 x k (x k x k 1 ) tan (θ) = f(x k) x k+1 x k = f(x k) f(x k 1 ) (x k x k 1 ) 107 / 156
226 Método da Secante Interpretação Geométrica Visto dessa forma o método consiste em tomar como aproximação a interseção da reta que passa pelos pontos (x k, f(x k )) e (x k 1, f(x k 1 )) com o eixo x. Sendo assim, partindo de (5) temos x k+1 = x k f(x k)(x k x k 1 ) f(x k ) f(x k 1 ) x k+1 x k = (x k x k 1 ) f(x k ) f(x k ) f(x k 1 ) f(x k ) = f(x k) f(x k 1 ) x k+1 x k (x k x k 1 ) tan (θ) = f(x k) x k+1 x k = f(x k) f(x k 1 ) (x k x k 1 ) Observação: note que a fórmula desse método é muito parecida com a do método da Falsa Posição, a diferença é que o método da Falsa Posição cerca a raiz α pelo intervalo [a, b] e o método da Secante usa 2 aproximações sucessivas. 107 / 156
227 Método da Secante Exemplo Encontre a raiz de x 5e x = 0, usando o método da Secante com x 0 = 1.4 e x 1 = 1.5 com uma precisão ɛ = / 156
228 Método da Secante Exemplo Encontre a raiz de x 5e x = 0, usando o método da Secante com x 0 = 1.4 e x 1 = 1.5 com uma precisão ɛ = Solução do Exemplo Avaliando a função em x 0 e x 1 temos f(x 0 ) = f(1.4) = 1.4 5e 1.4 = (0.247) = f(x 1 ) = f(1.5) = 1.5 5e 1.5 = (0.223) = / 156
229 Método da Secante Exemplo Encontre a raiz de x 5e x = 0, usando o método da Secante com x 0 = 1.4 e x 1 = 1.5 com uma precisão ɛ = Solução do Exemplo Avaliando a função em x 0 e x 1 temos f(x 0 ) = f(1.4) = 1.4 5e 1.4 = (0.247) = f(x 1 ) = f(1.5) = 1.5 5e 1.5 = (0.223) = pelo método da secante temos x 2 = 1.4f(1.5) 1.5f(1.4) f(1.5) f(1.4) = 1.4(0.110) 1.5( 0.052) = / 156
230 Método da Secante Exemplo Encontre a raiz de x 5e x = 0, usando o método da Secante com x 0 = 1.4 e x 1 = 1.5 com uma precisão ɛ = Solução do Exemplo Avaliando a função em x 0 e x 1 temos f(x 0 ) = f(1.4) = 1.4 5e 1.4 = (0.247) = f(x 1 ) = f(1.5) = 1.5 5e 1.5 = (0.223) = pelo método da secante temos 1.4f(1.5) 1.5f(1.4) x 2 = f(1.5) f(1.4) e 2 = x 2 x 1 x 2 = 1.4(0.110) 1.5( 0.052) = > ɛ mais iterações! = / 156
231 Método da Secante Solução do Exemplo Avaliando a função em x 2 f(x 2 ) = f(1.432) = e = (0.239) = / 156
232 Método da Secante Solução do Exemplo Avaliando a função em x 2 f(x 2 ) = f(1.432) = e = (0.239) = assim x 3 = = 1.5f(1.432) 1.432f(1.5) f(1.432) f(1.5) 1.5(0.002) 1.432(0.110) = / 156
233 Método da Secante Solução do Exemplo Avaliando a função em x 2 f(x 2 ) = f(1.432) = e = (0.239) = assim 1.5f(1.432) 1.432f(1.5) x 3 = f(1.432) f(1.5) 1.5(0.002) 1.432(0.110) = = e 3 = x 3 x 2 = < ɛ x / 156
234 Método da Secante Solução do Exemplo Avaliando a função em x 2 f(x 2 ) = f(1.432) = e = (0.239) = assim 1.5f(1.432) 1.432f(1.5) x 3 = f(1.432) f(1.5) 1.5(0.002) 1.432(0.110) = = e 3 = x 3 x 2 = < ɛ x 3 Portanto, a raiz aproximada é x 3 = / 156
235 Método da Secante Algoritmo entrada: função f(x), aproximações iniciais x0 e x1, precisão ɛ e número máximo de iterações maxit para k de 1 até maxit faça f 0 = f(x 0 ); f 1 = f(x 1 ); x 2 = x 1 f 1 (x 1 x 0 ) f 1 f 0 ; se abs(x 2 x 1 ) < ɛ então retorne x 2 ; m-se x 0 = x 1 ; x 1 = x 2 ; m-para 110 / 156
236 Ordem de convergência do método da Secante Seja x k 1 x x 2 x k = x k 1 f(x k 1 ) f(x k 1 ) f(x k 2 ) 111 / 156
237 Ordem de convergência do método da Secante Seja x k 1 x x 2 x k = x k 1 f(x k 1 ) f(x k 1 ) f(x k 2 ) então denindo e k = x k α x k = α + e k e assim substituindo temos e k 1 e k 2 (α + e k ) = (α + e k 1 ) f(x k 1 ) f(x k 1 ) f(x k 2 ) 111 / 156
238 Ordem de convergência do método da Secante Seja x k 1 x x 2 x k = x k 1 f(x k 1 ) f(x k 1 ) f(x k 2 ) então denindo e k = x k α x k = α + e k e assim substituindo temos e k 1 e k 2 (α + e k ) = (α + e k 1 ) f(x k 1 ) f(x k 1 ) f(x k 2 ) e k 1 e x 2 e k = e k 1 f(x k 1 ) f(x k 1 ) f(x k 2 ) 111 / 156
239 Ordem de convergência do método da Secante Seja x k 1 x x 2 x k = x k 1 f(x k 1 ) f(x k 1 ) f(x k 2 ) então denindo e k = x k α x k = α + e k e assim substituindo temos e k 1 e k 2 (α + e k ) = (α + e k 1 ) f(x k 1 ) f(x k 1 ) f(x k 2 ) e k 1 e x 2 e k = e k 1 f(x k 1 ) f(x k 1 ) f(x k 2 ) = f(x k 1)e k 2 f(x k 2 )e x 1 f(x k 1 ) f(x k 2 ) 111 / 156
240 Ordem de convergência do método da Secante Seja x k 1 x x 2 x k = x k 1 f(x k 1 ) f(x k 1 ) f(x k 2 ) então denindo e k = x k α x k = α + e k e assim substituindo temos e k 1 e k 2 (α + e k ) = (α + e k 1 ) f(x k 1 ) f(x k 1 ) f(x k 2 ) e k 1 e x 2 e k = e k 1 f(x k 1 ) f(x k 1 ) f(x k 2 ) = f(x k 1)e k 2 f(x k 2 )e x 1 f(x k 1 ) f(x k 2 ) Pelo Teorema do Valor Médio temos que existe c k 1 entre x k 1 e α tal que (x k 1 α)f (c k 1 ) = f(x k 1 ) f(α) 111 / 156
241 Ordem de convergência do método da Secante Sendo assim f (c k 1 ) = f(x k 1) (x k 1 α) = f(x k 1) e k / 156
242 Ordem de convergência do método da Secante Sendo assim f (c k 1 ) = f(x k 1) (x k 1 α) = f(x k 1) e k 1 de onde obtemos f(x k 1 ) = f (c k 1 )e k 1 f(x k 2 ) = f (c k 2 )e k / 156
243 Ordem de convergência do método da Secante Sendo assim de onde obtemos f (c k 1 ) = f(x k 1) (x k 1 α) = f(x k 1) e k 1 f(x k 1 ) = f (c k 1 )e k 1 logo f(x k 2 ) = f (c k 2 )e k 2 e k = f (c k 1 )e k 1 e k 2 f (c k 2 )e k 1 e k 2 f(x k 1 ) f(x k 2 ) = f (c k 1 ) f (c k 2 ) f(x k 1 ) f(x k 2 ) e k 1e k 2 Vamos supor que existe M > 0 tal que f (c k 1 ) f (c k 2 ) max f(x k 1 ) f(x k 2 ) < M 112 / 156
244 Ordem de convergência do método da Secante Então e k = M e k 1 e k / 156
245 Ordem de convergência do método da Secante Então e k = M e k 1 e k 2 Suponha que para k muito grande exista algum C k tal que e k = C k e k 1 p onde p é a ordem de convergência do método. 113 / 156
246 Ordem de convergência do método da Secante Então e k = M e k 1 e k 2 Suponha que para k muito grande exista algum C k tal que e k = C k e k 1 p onde p é a ordem de convergência do método. De forma análoga temos que e k 1 = C k 1 e k 2 p e k 2 = ( e k 1 ) (1/p) (C k 1 ) (1/p) 113 / 156
247 Ordem de convergência do método da Secante Então e k = M e k 1 e k 2 Suponha que para k muito grande exista algum C k tal que e k = C k e k 1 p onde p é a ordem de convergência do método. De forma análoga temos que Assim e k 1 = C k 1 e k 2 p e k 2 = ( e k 1 ) (1/p) e k = C k e k 1 p (C k 1 ) (1/p) e k = M e k 1 e k 2 = M e k 1 ( e k 1 ) (1/p) (C k 1 ) (1/p) 113 / 156
248 Ordem de convergência do método da Secante Então e k = M e k 1 e k 2 Suponha que para k muito grande exista algum C k tal que e k = C k e k 1 p onde p é a ordem de convergência do método. De forma análoga temos que Assim e k 1 = C k 1 e k 2 p e k 2 = ( e k 1 ) (1/p) e k = C k e k 1 p (C k 1 ) (1/p) e k = M e k 1 e k 2 = M e k 1 ( e k 1 ) (1/p) (C k 1 ) (1/p) Pela igualdade temos [ ] Ck M (C k 1) (1/p) e k 1 p = e k 1 1+1/p 113 / 156
249 Ordem de convergência do método da Secante Assim temos que p deve satisfazer p = p p 2 p 1 = / 156
250 Ordem de convergência do método da Secante Assim temos que p deve satisfazer p = p p 2 p 1 = 0 de onde encontramos que p = / 156
251 Ordem de convergência do método da Secante Assim temos que p deve satisfazer p = p p 2 p 1 = 0 de onde encontramos que p = Assim concluimos que a ordem de convergência do método da secante é p / 156
252 Ordem de convergência do método da Secante Assim temos que p deve satisfazer p = p p 2 p 1 = 0 de onde encontramos que p = Assim concluimos que a ordem de convergência do método da secante é p Observe que: (-) ordem de convergência menor do que a do método de Newton (+) este método não requer o conhecimento de f (x) 114 / 156
253 Método da Secante Exemplo Resolva o exemplo anterior f(x) = 4 sin (x) e x = 0 usando Método de Newton com x 0 = 0.5 Método da secante com x 0 = 0 e x 1 = 1 Precisão de ɛ = para ambos. Solução Método da Secante k x k e k e e e e e e e e e e e e e e e e e e / 156
254 Método da Secante Exemplo Resolva o exemplo anterior f(x) = 4 sin (x) e x = 0 usando Método de Newton com x 0 = 0.5 Método da secante com x 0 = 0 e x 1 = 1 Precisão de ɛ = para ambos. Solução Método da Secante k x k e k e e e e e e e e e e e e e e e e e e / 156
255 Método da Secante Exemplo Resolva o exemplo anterior f(x) = 4 sin (x) e x = 0 usando Método de Newton com x 0 = 0.5 Método da secante com x 0 = 0 e x 1 = 1 Precisão de ɛ = para ambos. Solução Método da Secante k x k e k e e e e e e e e e e e e e e e e e e-15 Método de Newton k x k e k e e e e e e e e e e / 156
256 Conteúdo Aula passada Método de Newton Método da Secante Aula de hoje Método de Newton (Raízes Múltiplas) Exemplos de aplicações Códigos e comparações entre os métodos 116 / 156
257 Método de Newton Falamos anteriormente que o método de Newton converge de forma não quadrática em algumas situações. Em particular, quando uma raiz tem multiplicidade m > 1, o método de Newton apresenta uma convergência linear e não quadrática. Lembrando que, uma raiz α tem multiplicidade m > 0 quando f(α) = f (α) = f (α) =... = f (m 1) = 0 e f (m) (α) / 156
258 Método de Newton Falamos anteriormente que o método de Newton converge de forma não quadrática em algumas situações. Em particular, quando uma raiz tem multiplicidade m > 1, o método de Newton apresenta uma convergência linear e não quadrática. Lembrando que, uma raiz α tem multiplicidade m > 0 quando e Exemplo: f(α) = f (α) = f (α) =... = f (m 1) = 0 f (m) (α) 0 f(x) = x 4 + 2x 3 12x x 5 f(1) = / 156
259 Método de Newton Falamos anteriormente que o método de Newton converge de forma não quadrática em algumas situações. Em particular, quando uma raiz tem multiplicidade m > 1, o método de Newton apresenta uma convergência linear e não quadrática. Lembrando que, uma raiz α tem multiplicidade m > 0 quando e Exemplo: f(α) = f (α) = f (α) =... = f (m 1) = 0 f (m) (α) 0 f(x) = x 4 + 2x 3 12x x 5 f(1) = 0 f (x) = 4x 3 + 6x 2 24x + 14 f (1) = / 156
260 Método de Newton Falamos anteriormente que o método de Newton converge de forma não quadrática em algumas situações. Em particular, quando uma raiz tem multiplicidade m > 1, o método de Newton apresenta uma convergência linear e não quadrática. Lembrando que, uma raiz α tem multiplicidade m > 0 quando e Exemplo: f(α) = f (α) = f (α) =... = f (m 1) = 0 f (m) (α) 0 f(x) = x 4 + 2x 3 12x x 5 f(1) = 0 f (x) = 4x 3 + 6x 2 24x + 14 f (1) = 0 f (x) = 12x x 24 f (1) = / 156
261 Método de Newton Falamos anteriormente que o método de Newton converge de forma não quadrática em algumas situações. Em particular, quando uma raiz tem multiplicidade m > 1, o método de Newton apresenta uma convergência linear e não quadrática. Lembrando que, uma raiz α tem multiplicidade m > 0 quando f(α) = f (α) = f (α) =... = f (m 1) = 0 e Exemplo: f (m) (α) 0 f(x) = x 4 + 2x 3 12x x 5 f(1) = 0 f (x) = 4x 3 + 6x 2 24x + 14 f (1) = 0 f (x) = 12x x 24 f (1) = 0 f (x) = 24x + 12 f (1) = / 156
262 Método de Newton Para ver porque isto acontece, vamos expandir f(x) em série de Taylor em torno de α, isto é f(x) = f(α)+(x α)f (α)+ (x α)2 f (x α)3 (α)+ f (α)+... 2! 3! 118 / 156
263 Método de Newton Para ver porque isto acontece, vamos expandir f(x) em série de Taylor em torno de α, isto é f(x) = f(α)+(x α)f (α)+ (x α)2 f (x α)3 (α)+ f (α)+... 2! 3! considerando que a raiz tem multiplicidade m, temos f(x) = f(α) + (x α)f (α) + }{{}}{{} =0 =0 (x α)m (m 1)! (x α)2 f (α) 2! }{{} =0 f (m 1) (α) + }{{} =0 (x α)m f (m) (t), t [x, α] m! 118 / 156
264 Método de Newton Para ver porque isto acontece, vamos expandir f(x) em série de Taylor em torno de α, isto é f(x) = f(α)+(x α)f (α)+ (x α)2 f (x α)3 (α)+ f (α)+... 2! 3! considerando que a raiz tem multiplicidade m, temos f(x) = f(α) + (x α)f (α) + }{{}}{{} =0 =0 (x α)m (m 1)! portanto podemos escrever (x α)2 f (α) 2! }{{} =0 f (m 1) (α) + }{{} =0 (x α)m f (m) (t), t [x, α] m! f(x) = (x α)m f (m) (t) (6) m! 118 / 156
265 Método de Newton Lembrando que x k+1 = φ(x k ), φ(x) = x f(x) f (x) 119 / 156
266 Método de Newton Lembrando que x k+1 = φ(x k ), φ(x) = x f(x) f (x) Vamos escrever f(x) = (x α) m h(x), onde h(x) = f (m) (t) m! 119 / 156
267 Método de Newton Lembrando que x k+1 = φ(x k ), φ(x) = x f(x) f (x) Vamos escrever f(x) = (x α) m h(x), onde h(x) = f (m) (t) m! f (x) = m(x α) (m 1) h(x) + (x α) m h (x) 119 / 156
268 Método de Newton Lembrando que x k+1 = φ(x k ), φ(x) = x f(x) f (x) Vamos escrever e assim f(x) = (x α) m h(x), onde h(x) = f (m) (t) m! f (x) = m(x α) (m 1) h(x) + (x α) m h (x) (x α) m h(x) φ(x) = x m(x α) m 1 h(x) + (x α) m h (x) (x α)h(x) = x m h(x) + (x α) h (x) 119 / 156
269 Método de Newton φ(x) = x (x α)h(x) m h(x) + (x α) h (x) 120 / 156
270 Método de Newton φ(x) = x (x α)h(x) m h(x) + (x α) h (x) Derivando temos (simplicando h(x) = h) φ (x) = 1 [h+(x α)h][mh+(x α)h ] [(x α)h][mh +h +h (x α)] [mh+(x α)h ] / 156
271 Método de Newton φ(x) = x (x α)h(x) m h(x) + (x α) h (x) Derivando temos (simplicando h(x) = h) φ (x) = 1 [h+(x α)h][mh+(x α)h ] [(x α)h][mh +h +h (x α)] [mh+(x α)h ] 2 Avaliando em x = α temos φ (α) = 1 [h+(α α)h][mh+(α α)h ] [(α α)h][mh +h +h (α α)] [mh+(α α)h ] / 156
272 Método de Newton φ(x) = x (x α)h(x) m h(x) + (x α) h (x) Derivando temos (simplicando h(x) = h) φ (x) = 1 [h+(x α)h][mh+(x α)h ] [(x α)h][mh +h +h (x α)] [mh+(x α)h ] 2 Avaliando em x = α temos φ (α) = 1 [h+(α α)h][mh+(α α)h ] [(α α)h][mh +h +h (α α)] [mh+(α α)h ] 2 ou seja φ (α) = 1 mh(x)2 m 2 h(x) 2 = 1 1 m = m 1 m 120 / 156
273 Método de Newton Portanto, como m > 1 temos que m 1 m 0 e portanto temos que φ (α) 0, e o método de Newton nesse caso possui não apresenta mais convergência quadrática. 121 / 156
274 Método de Newton Portanto, como m > 1 temos que m 1 m 0 e portanto temos que φ (α) 0, e o método de Newton nesse caso possui não apresenta mais convergência quadrática. Para ilustrar o problema iremos apresentar o desempenho do método de Newton para o seguinte problema: f(x) = (x 5) 3 e x cuja multiplicidade da raiz α = 5 é m = / 156
275 Método de Newton Portanto, como m > 1 temos que m 1 m 0 e portanto temos que φ (α) 0, e o método de Newton nesse caso possui não apresenta mais convergência quadrática. Para ilustrar o problema iremos apresentar o desempenho do método de Newton para o seguinte problema: f(x) = (x 5) 3 e x cuja multiplicidade da raiz α = 5 é m = 3. Note que f (x) = 3(x 5) 2 e x + (x 5) 3 e x f (x) = 6(x 5)e x + 3(2x 10) 2 e x + (x 5) 3 e x Portanto f(α) = f (α) = f (α) = 0. Vamos usar como aproximação inicial x 0 = 4.0 e uma precisão de ɛ = / 156
276 Convergência lenta do método de Newton metodo de newton k xk f(xk) xk - xk e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e e-09 raiz = e / 156
277 Método de Schröder Uma simples modicação do método de Newton, proposta por Schröder permite calcular uma raiz de multiplicidade m, mantendo a convergência quadrática. 123 / 156
278 Método de Schröder Uma simples modicação do método de Newton, proposta por Schröder permite calcular uma raiz de multiplicidade m, mantendo a convergência quadrática. Basta usar o seguinte processo iterativo x k+1 = x k m f(x k) f, k = 0, 1, 2,... (x k ) 123 / 156
279 Método de Schröder Uma simples modicação do método de Newton, proposta por Schröder permite calcular uma raiz de multiplicidade m, mantendo a convergência quadrática. Basta usar o seguinte processo iterativo x k+1 = x k m f(x k) f, k = 0, 1, 2,... (x k ) Veremos agora como deduzir este método. Da expansão em série de Taylor de f(x) quando a função tem uma raiz de multiplicidade m, da equação (6) temos que f(x) = (x α)m f (m) (t) m! 123 / 156
280 Método de Schröder Uma simples modicação do método de Newton, proposta por Schröder permite calcular uma raiz de multiplicidade m, mantendo a convergência quadrática. Basta usar o seguinte processo iterativo x k+1 = x k m f(x k) f, k = 0, 1, 2,... (x k ) Veremos agora como deduzir este método. Da expansão em série de Taylor de f(x) quando a função tem uma raiz de multiplicidade m, da equação (6) temos que f(x) = (x α)m f (m) (t) m! Vamos aproximar f (m) (x) por uma constante b, assim f(x) (x α)m b, f (x α)m 1 (x) m b m! m! 123 / 156
281 Método de Schröder Consequentemente o método de Newton será modicado da seguinte forma f(x) f (x) = (x α)m m! b m (x α)m 1 m! b b(x α)m m! = m! b m(x α) m 1 (x α) = m 124 / 156
282 Método de Schröder Consequentemente o método de Newton será modicado da seguinte forma portanto f(x) f (x) = (x α)m m! b m (x α)m 1 m! b b(x α)m m! = m! b m(x α) m 1 (x α) = m α = x m f(x) f (x) 124 / 156
283 Método de Schröder Consequentemente o método de Newton será modicado da seguinte forma portanto f(x) f (x) = (x α)m m! b m (x α)m 1 m! b b(x α)m m! = m! b m(x α) m 1 (x α) = m α = x m f(x) f (x) o que sugere o seguinte método iterativo, conhecido como método de Schröder x k+1 = x k m f(x k) f (x k ) 124 / 156
284 Método para raízes múltiplas Obs: uma desvantagem desse método é que precisamos conhecer a multiplicidade m da raiz que procuramos antes de usa-lo. Uma outra alternativa para raízes múltiplas é o seguinte método: considere a função u(x) = f(x) f (x) onde f(x) = (x α) m h(x), onde h(α) / 156
285 Método para raízes múltiplas Obs: uma desvantagem desse método é que precisamos conhecer a multiplicidade m da raiz que procuramos antes de usa-lo. Uma outra alternativa para raízes múltiplas é o seguinte método: considere a função u(x) = f(x) f (x) onde f(x) = (x α) m h(x), onde h(α) 0. Logo u(x) = (x α) m h(x) m(x α) m 1 h(x) + (x α) m h (x) 125 / 156
286 Método para raízes múltiplas Obs: uma desvantagem desse método é que precisamos conhecer a multiplicidade m da raiz que procuramos antes de usa-lo. Uma outra alternativa para raízes múltiplas é o seguinte método: considere a função u(x) = f(x) f (x) onde f(x) = (x α) m h(x), onde h(α) 0. Logo (x α) m h(x) u(x) = m(x α) m 1 h(x) + (x α) m h (x) (x α) m h(x) = (x α) m 1 [mh(x) + (x α)h (x)] 125 / 156
287 Método para raízes múltiplas Obs: uma desvantagem desse método é que precisamos conhecer a multiplicidade m da raiz que procuramos antes de usa-lo. Uma outra alternativa para raízes múltiplas é o seguinte método: considere a função u(x) = f(x) f (x) onde f(x) = (x α) m h(x), onde h(α) 0. Logo (x α) m h(x) u(x) = m(x α) m 1 h(x) + (x α) m h (x) (x α) m h(x) = (x α) m 1 [mh(x) + (x α)h (x)] (x α)h(x) = mh(x) + (x α)h (x) 125 / 156
288 Método para raízes múltiplas Obs: uma desvantagem desse método é que precisamos conhecer a multiplicidade m da raiz que procuramos antes de usa-lo. Uma outra alternativa para raízes múltiplas é o seguinte método: considere a função u(x) = f(x) f (x) onde f(x) = (x α) m h(x), onde h(α) 0. Logo (x α) m h(x) u(x) = m(x α) m 1 h(x) + (x α) m h (x) (x α) m h(x) = (x α) m 1 [mh(x) + (x α)h (x)] (x α)h(x) = mh(x) + (x α)h (x) Assim concluimos que u(x) tem uma raiz em x = α com multiplicidade 1. Logo, podemos usar o método de Newton para encontrar a raiz de u(x) que teremos convergência quadrática. 125 / 156
289 Método para raízes múltiplas Calculando a derivada de u(x) u(x) = f(x) f (x) u (x) = f (x)f (x) f(x)f (x) [f (x)] / 156
290 Método para raízes múltiplas Calculando a derivada de u(x) u(x) = f(x) f (x) u (x) = f (x)f (x) f(x)f (x) [f (x)] 2 Usando o método de Newton para u(x) x k+1 = x k u(x k) u (x k ) = x k f(x k) [f (x k )] 2 f (x k ) f (x k )f (x k ) f(x k )f (x k ) 126 / 156
291 Método para raízes múltiplas Calculando a derivada de u(x) u(x) = f(x) f (x) u (x) = f (x)f (x) f(x)f (x) [f (x)] 2 Usando o método de Newton para u(x) x k+1 = x k u(x k) u (x k ) = x k f(x k) [f (x k )] 2 f (x k ) f (x k )f (x k ) f(x k )f (x k ) que resulta no seguinte método x k+1 = x k f(x k )f (x k ) f (x k ) 2 f(x k )f (x k ) 126 / 156
292 Método para raízes múltiplas Calculando a derivada de u(x) u(x) = f(x) f (x) u (x) = f (x)f (x) f(x)f (x) [f (x)] 2 Usando o método de Newton para u(x) x k+1 = x k u(x k) u (x k ) = x k f(x k) [f (x k )] 2 f (x k ) f (x k )f (x k ) f(x k )f (x k ) que resulta no seguinte método x k+1 = x k f(x k )f (x k ) f (x k ) 2 f(x k )f (x k ) Obs: nesse método além de f (x) precisamos também de f (x), mas por outro lado não é preciso conhecer a multiplicade m da raiz procurada. 126 / 156
293 Método para raízes múltiplas Por m, uma outra alternativa é reformular o problema de encontrar as raízes de forma que o novo problema tenha apenas uma raiz. 127 / 156
294 Método para raízes múltiplas Por m, uma outra alternativa é reformular o problema de encontrar as raízes de forma que o novo problema tenha apenas uma raiz. A forma mais fácil de fazer isso é calcular a (m 1)-ésima derivada de f(x) e então resolver o problema [Atkinson, p.90] f (m 1) (x) = / 156
295 Método para raízes múltiplas Por m, uma outra alternativa é reformular o problema de encontrar as raízes de forma que o novo problema tenha apenas uma raiz. A forma mais fácil de fazer isso é calcular a (m 1)-ésima derivada de f(x) e então resolver o problema [Atkinson, p.90] f (m 1) (x) = 0 Exemplo f(x) = x 5.56x 2 + x 3 A raiz é α = 1.23 com multiplicidade m = 2. Derivando uma vez f (x) = x + 3x 2 Podemos então aplicar o método de Newton para f (x) = 0 para encontrar a raiz. 127 / 156
296 Aceleração de Aitken Vimos que a ordem de convergência do método do ponto xo é linear, e que esta será tão rápida quanto menor for o valor de φ (α). Podemos acelerar a convergência do MPF através de um método conhecido como aceleração de Aitken. A idéia básica do método é a partir de uma sequência {x k } que converge de forma linear, calcular uma sequência {ˆx k }, a qual converge mais rápido para α. 128 / 156
297 Aceleração de Aitken Vimos que a ordem de convergência do método do ponto xo é linear, e que esta será tão rápida quanto menor for o valor de φ (α). Podemos acelerar a convergência do MPF através de um método conhecido como aceleração de Aitken. A idéia básica do método é a partir de uma sequência {x k } que converge de forma linear, calcular uma sequência {ˆx k }, a qual converge mais rápido para α. Do Teorema do Ponto Fixo e do estudo da convergência do método, temos que lim k α x k α x k 1 = φ (α) para x k = φ(x k 1 ), k = 1, 2,.... Portanto podemos escrever α x k λ(α x k 1 ) onde λ = φ (α), λ < / 156
298 Aceleração de Aitken Vamos reescrever α x k λ(α x k 1 ) da seguinte forma α x k λα λx k / 156
299 Aceleração de Aitken Vamos reescrever α x k λ(α x k 1 ) da seguinte forma α x k λα λx k 1 λα + α x k λx k / 156
300 Aceleração de Aitken Vamos reescrever α x k λ(α x k 1 ) da seguinte forma α x k λα λx k 1 λα + α x k λx k 1 α(1 λ) x k λx k / 156
301 Aceleração de Aitken Vamos reescrever α x k λ(α x k 1 ) da seguinte forma α x k λα λx k 1 λα + α x k λx k 1 α(1 λ) x k λx k 1 α(1 λ) x k λx k / 156
302 Aceleração de Aitken Vamos reescrever α x k λ(α x k 1 ) da seguinte forma α x k λα λx k 1 λα + α x k λx k 1 α(1 λ) x k λx k 1 α(1 λ) x k λx k 1 α x k λx k 1 1 λ 129 / 156
303 Aceleração de Aitken Vamos reescrever α x k λ(α x k 1 ) da seguinte forma α x k λα λx k 1 λα + α x k λx k 1 α(1 λ) x k λx k 1 α(1 λ) x k λx k 1 α x k λx k 1 1 λ Se λ fosse um valor conhecido, poderiamos substituir na equação anterior para encontrar o valor de α. Vamos manipular a equação anterior e escrevê-la de outra forma. 129 / 156
304 Aceleração de Aitken α x k λx k 1 +λx k λx k 1 λ 130 / 156
305 Aceleração de Aitken α x k λx k 1 +λx k λx k 1 λ x k λx k 1 λ + λx k λx k 1 1 λ 130 / 156
306 Aceleração de Aitken α x k λx k 1 +λx k λx k 1 λ x k λx k 1 λ + λx k λx k 1 1 λ x k + λx k λx k 1 1 λ 130 / 156
307 Aceleração de Aitken α x k λx k 1 +λx k λx k 1 λ x k λx k 1 λ + λx k λx k 1 1 λ x k + λx k λx k 1 1 λ α x k + λ 1 λ (x k x k 1 ) 130 / 156
308 Aceleração de Aitken α x k λx k 1 +λx k λx k 1 λ x k λx k 1 λ + λx k λx k 1 1 λ x k + λx k λx k 1 1 λ α x k + λ 1 λ (x k x k 1 ) Temos que λ = φ (α). Poderíamos aproximar λ por λ entretanto, não conhecemos α. α x k α x k / 156
309 Aceleração de Aitken Considere a seguinte razão λ k = x k x k 1 x k 1 x k / 156
310 Aceleração de Aitken Considere a seguinte razão λ k = x k x k 1 x k 1 x k 2 para ver que λ k é uma aproximação de λ a medida que x k se aproxima de α, escreva x k x k 1 = φ(x k 1) φ(x k 2 ) = φ (c n ) x k 1 x k 2 x k 1 x k 2 onde c n está entre x k e x k / 156
311 Aceleração de Aitken Considere a seguinte razão λ k = x k x k 1 x k 1 x k 2 para ver que λ k é uma aproximação de λ a medida que x k se aproxima de α, escreva x k x k 1 = φ(x k 1) φ(x k 2 ) = φ (c n ) x k 1 x k 2 x k 1 x k 2 onde c n está entre x k e x k 1. Portanto, a medida que vamos nos aproximando de α, o número c n também se aproxima de α. Então λ k λ para x k α 131 / 156
312 Aceleração de Aitken Juntando tudo isso, podemos obter com ˆx k = x k 1 + λ k = λ k 1 λ k (x k x k 1 ) x k x k 1 x k 1 x k 2 onde ˆx k é chamado de extrapolação de Aitken de {x k, x k 1, x k 2 } e ˆx k α. 132 / 156
313 Aceleração de Aitken Juntando tudo isso, podemos obter com ˆx k = x k 1 + λ k = λ k 1 λ k (x k x k 1 ) x k x k 1 x k 1 x k 2 onde ˆx k é chamado de extrapolação de Aitken de {x k, x k 1, x k 2 } e ˆx k α. Substituindo λ k e manipulando a expressão, chegamos a (x k x k 1 ) 2 ˆx k = x k x k 2x k 1 + x k / 156
314 Aceleração de Aitken O método pode ser usado da seguinte forma: dado x 0, calculamos x 1 = φ(x 0 ), x 2 = φ(x 1 ), e assim aplicamos a fórmula de Aitken para calcular ˆx 2. Em seguida, usamos ˆx 2 como novo valor de partida, isto é, calculamos x 3 = φ(ˆx 2 ), x 4 = φ(x 3 ), e usamos ˆx 2, x 3 e x 4 para calcular ˆx 4, e assim por diante. 133 / 156
315 Aceleração de Aitken Exemplo Encontre a raiz de f(x) = 6.28 x + sin (x) usando o processo iterativo x k+1 = sin (x) e usando o este mesmo processo com a aceleração de Aitken. Solução do Exemplo Neste caso a raiz é α = , sendo assim temos que φ (x) = cos (x) φ (α) 0.96 o que implica em uma convergência muito lenta para a raiz usando o MPF. Veja. 134 / 156
316 Aceleração de Aitken Solução do Exemplo Usando x k+1 = sin (x) temos x 0 = 6 x 1 = sin (6) = = x 2 = sin ( ) = = x 3 = sin ( ) = x 4 = sin ( ) = x 5 = sin ( ) = x 6 = sin ( ) = x 7 = / 156
317 Aceleração de Aitken Solução do Exemplo Usando a aceleração de Aitken temos x 0 = 6 x 1 = sin (6) = = x 2 = sin ( ) = = / 156
318 Aceleração de Aitken Solução do Exemplo Usando a aceleração de Aitken temos x 0 = 6 x 1 = sin (6) = = x 2 = sin ( ) = = ˆx 2 = x 2 (x 2 x 1 ) 2 x 2 2x 1 + x 0 = / 156
319 Aceleração de Aitken Solução do Exemplo Usando a aceleração de Aitken temos x 0 = 6 x 1 = sin (6) = = x 2 = sin ( ) = = ˆx 2 = x 2 (x 2 x 1 ) 2 x 2 2x 1 + x 0 = x 3 = sin ( ) = x 4 = sin ( ) = / 156
320 Aceleração de Aitken Solução do Exemplo Usando a aceleração de Aitken temos x 0 = 6 x 1 = sin (6) = = x 2 = sin ( ) = = ˆx 2 = x 2 (x 2 x 1 ) 2 x 2 2x 1 + x 0 = x 3 = sin ( ) = x 4 = sin ( ) = ˆx 4 = x 4 (x 4 x 3 ) 2 x 4 2x 3 + ˆx 2 = / 156
321 Aceleração de Aitken Solução do Exemplo Usando a aceleração de Aitken temos x 0 = 6 x 1 = sin (6) = = x 2 = sin ( ) = = ˆx 2 = x 2 (x 2 x 1 ) 2 x 2 2x 1 + x 0 = x 3 = sin ( ) = x 4 = sin ( ) = ˆx 4 = x 4 (x 4 x 3 ) 2 x 4 2x 3 + ˆx 2 = x 5 = / 156
322 Comparação dos métodos Bisseção e Falsa Posição: se a função f(x) for contínua no intervalo [a, b] e mudar de sinal nos extremos do intervalo f(a)f(b) < 0, então temos garantia de convergência (!!!). 137 / 156
323 Comparação dos métodos Bisseção e Falsa Posição: se a função f(x) for contínua no intervalo [a, b] e mudar de sinal nos extremos do intervalo f(a)f(b) < 0, então temos garantia de convergência (!!!). Ponto Fixo: nem todas as escolhas da função de iteração do método do Ponto Fixo são adequadas, pois algumas divergem e outras podem convergir de forma muito lenta. O MPF irá convergir se: φ(x) e φ (x) contínuas num intervalo I centrado em α φ (x) < 1, x I 137 / 156
324 Comparação dos métodos Newton; possui critérios mais restritivos para convergência. É preciso calcular f(x) e f (x) a cada iteração Convergência quadrática Raiz com multiplicadade m > 1 convergência lenta. Secante: muito parecido com o método de Newton. Precisa de duas aproximações para calcular uma nova aproximação. Não é preciso conhecer a derivada. O cálculo de f (x) é obtido de forma aproximada. Convergência super-linear 138 / 156
325 Comparação dos métodos Existem situações que o método de Newton pode falhar: má escolha para a aproximação inicial x 0 apresentar uma convergência não quadrática, quando temos raízes com multiplicicade m > 1 ou mesmo quando f (x k ) / 156
326 Comparação dos métodos Existem situações que o método de Newton pode falhar: má escolha para a aproximação inicial x 0 apresentar uma convergência não quadrática, quando temos raízes com multiplicicade m > 1 ou mesmo quando f (x k ) 0. De forma geral o método de Newton é o mais indicado sempre que for fácil avaliar as condições de convergência e que f (x) estiver disponível. 139 / 156
327 Comparação dos métodos Existem situações que o método de Newton pode falhar: má escolha para a aproximação inicial x 0 apresentar uma convergência não quadrática, quando temos raízes com multiplicicade m > 1 ou mesmo quando f (x k ) 0. De forma geral o método de Newton é o mais indicado sempre que for fácil avaliar as condições de convergência e que f (x) estiver disponível. Se f (x) não está disponível ou é uma função muito custosa de se avaliar, então o método da Secante é o mais indicado, uma vez que é o método que converge de forma mais rápida entre os demais. 139 / 156
328 Comparação dos métodos Existem situações que o método de Newton pode falhar: má escolha para a aproximação inicial x 0 apresentar uma convergência não quadrática, quando temos raízes com multiplicicade m > 1 ou mesmo quando f (x k ) 0. De forma geral o método de Newton é o mais indicado sempre que for fácil avaliar as condições de convergência e que f (x) estiver disponível. Se f (x) não está disponível ou é uma função muito custosa de se avaliar, então o método da Secante é o mais indicado, uma vez que é o método que converge de forma mais rápida entre os demais. Podemos ainda usar um método como o da Bissecção/Falsa Posição cuja convergência é garantida para obter uma aproximação inicial mais precisa para ser usada no método de Newton, por exemplo. 139 / 156
329 Comparação dos métodos Exemplo - (Ruggiero, Exemplo 18) Considere a seguinte função f(x) = e x2 cos (x). Para o método de Newton e do Ponto Fixo usamos: f (x) = sin (x) 2xe x2 φ(x) = cos (x) e x2 + x Precisão ɛ = Raiz encontrada α = / 156
330 Comparação dos métodos Exemplo - (Ruggiero, Exemplo 18) Considere a seguinte função f(x) = e x2 cos (x). Para o método de Newton e do Ponto Fixo usamos: f (x) = sin (x) 2xe x2 φ(x) = cos (x) e x2 + x Precisão ɛ = Raiz encontrada α = método iterações dados bissecção 24 [1, 2] falsa posição 10 [1, 2] ponto xo 14 x 0 = 1.5 newton 4 x 0 = 1.5 secante 7 x 0 = 1, x 1 = / 156
331 Comparação dos métodos Exemplo - (Ruggiero, Exemplo 19) Considere a seguinte função f(x) = x 3 x 1. Para o método de Newton e do Ponto Fixo usamos: f (x) = 3x 2 1 φ(x) = (x + 1) 1/3 Precisão ɛ = Raiz encontrada α = / 156
332 Comparação dos métodos Exemplo - (Ruggiero, Exemplo 19) Considere a seguinte função f(x) = x 3 x 1. Para o método de Newton e do Ponto Fixo usamos: f (x) = 3x 2 1 φ(x) = (x + 1) 1/3 Precisão ɛ = Raiz encontrada α = método iterações dados bissecção 24 [1, 2] falsa posição 18 [1, 2] ponto xo 10 x 0 = 1.0 newton 22 x 0 = 0 secante 27 x 0 = 0, x 1 = / 156
333 Comparação dos métodos Exemplo - (Ruggiero, Exemplo 19) A convergência lenta do método de Newton se deve ao fato do chute inicial x 0 = 0 estar distante da raiz, e ainda porque x 0 gera x 1 = 0.5 como aproximação que está muito próximo de um zero de f (x) = 3x 2 1 = 0 x = ± 3/3 ±0.57 Idem para o método da Secante. 142 / 156
334 Comparação dos métodos Exemplo - (Ruggiero, Exemplo 20) Considere a seguinte função f(x) = 4 sin (x) e x. Para o método de Newton e do Ponto Fixo usamos: f (x) = 4 cos (x) e x φ(x) = x 2 sin (x) = 0.5e x Precisão ɛ = Raiz encontrada α = / 156
335 Comparação dos métodos Exemplo - (Ruggiero, Exemplo 20) Considere a seguinte função f(x) = 4 sin (x) e x. Para o método de Newton e do Ponto Fixo usamos: f (x) = 4 cos (x) e x φ(x) = x 2 sin (x) = 0.5e x Precisão ɛ = Raiz encontrada α = método iterações dados bissecção 24 [0, 1] falsa posição 9 [0, 1] ponto xo 8 x 0 = 0.5 newton 4 x 0 = 0.5 secante 8 x 0 = 0, x 1 = / 156
336 Outros métodos e problemas Outros métodos mais robustos Método pégaso Método Muller (aproximação quadrática) Método de van Wijngaarden-Dekker-Brent Mais detalhes em [F. F. Campos, Cap. 6, Página 301] Método usado na função fzero do MATLAB Métodos especícos para raízes polinomiais Raízes complexas Mais detalhes em [N. B. Franco, Cap. 3, Página 92] 144 / 156
337 Implementações C Python MATLAB Implementação simples. Implementação simples de cada método para estudar os métodos. Implementação da biblioteca da linguagem. Mais robusta e eciente. Como usar as funções do ambiente para encontrar raízes. FORTRAN/FORTRAN90 Preparando / 156
338 MATLAB fzero Função fzero implementa o método de van Wijngaarden-Dekker-Brent. Sintaxe: x = fzero(fun,x0) x = fzero(fun,x0,options) [x,fval] = fzero(...) [x,fval,exitflag] = fzero(...) [x,fval,exitflag,output] = fzero(...) x é a a raiz encontrada x0 pode ser um escalar ou um vetor com 2 elementos (intervalo) options pode ser usado para exibir o resultado de cada passo do método, para especicar a precisão a ser usada, etc 146 / 156
339 MATLAB fzero - Exemplo de uso Achar a raiz de f(x) = 0.05x 3 0.4x sin (x)x = 0 que se encontra no intervalo [10, 12]. f 0.05*x.^3-0.4*x.^ * sin(x)*x intv = [11,12] [x,fx] = fzero(f,intv) x = fx = e / 156
340 MATLAB Também é possível implementar suas próprias funções em MATLAB. O exemplo a seguir implementa o método da Bissecção. function [ r ] = bisection( f, a, b, N, eps ) if ( f(a) * f(b) > 0 ) error( 'f(a) e f(b) nao possuem sinais opostos.' ); end for k = 1:N c = (a + b)/2; if ( abs(b - a) < eps ) r = c; return; end if ( f(c)*f(a) < 0 ) b = c; else a = c; end end error( 'o metodo nao convergiu' ); end 148 / 156
341 Extra: Fractais Denição (Fractal) Um fractal é um objeto geométrico que pode ser dividido em partes, cada uma das quais semelhante ao objeto original. Diz-se que os fractais têm innitos detalhes, são geralmente autossimilares e independem de escala. Em muitos casos um fractal pode ser gerado por um padrão repetido, tipicamente um processo recorrente ou iterativo. Referência: Wikipedia, Fractal 149 / 156
342 Extra: Fractais Cienticamente, fractais podem ser usados para descrever objetos altamente irregulares. Aplicações compressão de imagem mecânica dos uidos (turbulência) cosmologia sismologia biologia (crescimento bacteriano, árvores, etc..) música/arte teoria do caos etc etc etc 150 / 156
343 Extra: Fractais 151 / 156
344 Extra: Fractais e o método de Newton Vamos usar o método de Newton para gerar alguns fractais. Agora iremos trabalhar com funções complexas da variável z C, z = x + iy, onde i = / 156
345 Extra: Fractais e o método de Newton Vamos usar o método de Newton para gerar alguns fractais. Agora iremos trabalhar com funções complexas da variável z C, z = x + iy, onde i = 1. Vamos trabalhar com a seguinte função complexa: f(z) = z = 0, z C 152 / 156
346 Extra: Fractais e o método de Newton Vamos usar o método de Newton para gerar alguns fractais. Agora iremos trabalhar com funções complexas da variável z C, z = x + iy, onde i = 1. Vamos trabalhar com a seguinte função complexa: as raízes dessa equação são f(z) = z = 0, z C cos ( π 4 (2n + 1)) + i sin ( π 4 (2n + 1)), n = 0, 1, 2, / 156
347 Extra: Fractais e o método de Newton Vamos usar o método de Newton para gerar alguns fractais. Agora iremos trabalhar com funções complexas da variável z C, z = x + iy, onde i = 1. Vamos trabalhar com a seguinte função complexa: as raízes dessa equação são f(z) = z = 0, z C cos ( π 4 (2n + 1)) + i sin ( π 4 (2n + 1)), n = 0, 1, 2, 3 Vamos usar a fórmula de Euler e ix = cos x + i sin x 152 / 156
348 Extra: Fractais e o método de Newton Vamos usar o método de Newton para gerar alguns fractais. Agora iremos trabalhar com funções complexas da variável z C, z = x + iy, onde i = 1. Vamos trabalhar com a seguinte função complexa: as raízes dessa equação são f(z) = z = 0, z C cos ( π 4 (2n + 1)) + i sin ( π 4 (2n + 1)), n = 0, 1, 2, 3 Vamos usar a fórmula de Euler e ix = cos x + i sin x Para n = 0, temos que cos ( π 4 ) + i sin ( π 4 ) = e(iπ/4) então f(e (iπ/4) ) = (e (iπ/4) ) = e iπ + 1 = cos (π) + i sin (π) + 1 = = / 156
349 Extra: Fractais e o método de Newton A ideia básica de gerar o fractal de Newton é a seguinte: Escolha uma função complexa como p. ex. f(z) = z Escolha uma coleção de chutes iniciais z 0 para as raízes Execute o método de Newton para cada chute inicial Nesse exemplo, cada chute inicial irá convergir para alguma das 4 raízes Vamos colorir cada chute inicial no plano com uma cor, a qual estará associada com a raiz que aquele chute inicial convergiu O brilho da cor irá depender do número de iterações para convergir Para ilustrar o algoritmo, iremos apresentar uma implementação em Python, usando a biblioteca PIL para manipular e criar imagens. 153 / 156
350 Extra: Fractais e o método de Newton from PIL import Image from math import * delta = 1.0e-6 # precisao res = 500 # tamanho da imagem (qto menor mais rapido) iters = 30 # numero de iteracoes (qto mais alto, mais brilho) # area para desenhar (-1,-1) a (1,1) xa,xb = -1.0, 1.0 ya,yb = -1.0, 1.0 # cria uma imagem para pintar, incialmente toda preta img = Image.new("RGB", (res, res), (0,0,0)) # calcula solucoes de z**4 + 1 = 0 solutions = [cos((2*n+1)*pi/4)+1j*sin((2*n+1)*pi/4) for n in range(4)] colors = [(1,0,0), (0,1,0), (0,0,1), (1,1,0)] # continua / 156
351 Extra: Fractais e o método de Newton # loop sobre as partes real/imaginaria para usar como chute inicial for re in range(0,res): zx = re * (xb - xa) / (res - 1) + xa for im in range(0,res): zy = im * (yb - ya) / (res - 1) + ya z = complex(zx,zy) for i in range(iters): # metodo de Newton try: z -= (z**4+1)/(4*z**3) except ZeroDivisionError: continue if (abs(z**4+1) < delta): break # brilho eh funcao do numero de iteracoes color_depth = int(iters-i)*255.0/iters # encontra para qual solucao este chute inicial convergiu err = [abs(z-root) for root in solutions] distances = zip(err, range(len(colors))) # seleciona a cor associada com a solucao color = [int(i*color_depth) for i in colors[min(distances)[1]]] img.putpixel((re,im), tuple(color)) 155 / 156
352 Extra: Fractais e o método de Newton Exemplo: f(z) = z em [ 1, 1] [1, 1]. 156 / 156
C alculo Num erico Ra ızes de Equa c oes Ana Paula Ana Paula C alculo Num erico
Raízes de Equações Sumário 1 Introdução 2 3 Revisão Introdução Introdução Introdução Introdução Serão estudados aqui métodos numéricos para a resolução do problema de determinar as raízes de uma equação
Leia maisCálculo Numérico. Zeros de funções reais
Cálculo Numérico Zeros de funções reais Agenda Introdução Isolamento de raízes Refinamento Bissecção Posição Falsa Método do ponto fixo (MPF) Método de Newton-Raphson Método da secante Introdução Um número
Leia maisResolução Numérica de Equações (Parte II)
Cálculo Numérico Módulo III Resolução Numérica de Equações (Parte II) Prof: Reinaldo Haas Cálculo Numérico Bissecção Métodos Iterativos para a Obtenção de Zeros Reais de Funções Bissecção Newton-Raphson
Leia maisf(1) = 6 < 0, f(2) = 1 < 0, f(3) = 16 > 0 x [2, 3].
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Métodos Numéricos Para Solução
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 8 04/2014 Zeros reais de funções Parte 2 Voltando ao exemplo da aula anterior, vemos que o ponto médio da primeira iteração
Leia maisLista de Exercícios de Métodos Numéricos
Lista de Exercícios de Métodos Numéricos 1 de outubro de 010 Para todos os algoritmos abaixo assumir n = 0, 1,, 3... Bisseção: Algoritmo:x n = a+b Se f(a) f(x n ) < 0 então b = x n senão a = x n Parada:
Leia maisNeste capítulo estamos interessados em resolver numericamente a equação
CAPÍTULO1 EQUAÇÕES NÃO-LINEARES 1.1 Introdução Neste capítulo estamos interessados em resolver numericamente a equação f(x) = 0, onde f é uma função arbitrária. Quando escrevemos resolver numericamente,
Leia maisTE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira
TE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira Sumário 1. Como obter raízes reais de uma equação qualquer 2. Métodos iterativos para obtenção de raízes 1. Isolamento das raízes 2. Refinamento
Leia maisCálculo Numérico Ponto Fixo
Cálculo Numérico Ponto Fixo Método do Ponto Fixo (MPF) 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
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia maisLista 1 - Cálculo Numérico - Zeros de funções
Lista 1 - Cálculo Numérico - Zeros de funções 1.) De acordo com o teorema de Bolzano, se uma função contínua f(x) assume valores de sinais opostos nos pontos extremos do intervalo [a, b], isto é se f(a)
Leia maisCálculo Numérico BCC760 Raízes de equações algébricas e transcendentes
Cálculo Numérico BCC760 Raízes de equações algébricas e transcendentes Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ Introdução Dada uma função y = f(x), o objetivo deste
Leia maisMétodos iterativos dão-nos uma valor aproximado para s. Sequência de valores de x que convergem para s.
Análise Numérica 1 Resolução de equações não lineares ou Cálculo de zeros de funções Problema: Dada a função f(x) determinar o valor s tal que f(s) = 0. Slide 1 Solução: Fórmulas exemplo: fórmula resolvente
Leia maisCálculo Numérico. Aula 4 Zeros de Funções /04/2014. Prof. Rafael mesquita Adpt. por Prof. Guilherme Amorim
Cálculo Numérico Aula 4 Zeros de Funções 2014.1-09/04/2014 Prof. Rafael mesquita rgm@cin.ufpe.br Adpt. por Prof. Guilherme Amorim gbca@cin.ufpe.br Últimas aulas... Aritmética de máquina Erros Sistema de
Leia maisAna Paula. October 26, 2016
Raízes de Equações October 26, 2016 Sumário 1 Aula Anterior 2 Método da Secante 3 Convergência 4 Comparação entre os Métodos 5 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Método de
Leia maisCálculo Numérico. que é denominado erro relativo. Temos então para os dados acima:
Cálculo Numérico 1 Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo.
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 04/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproximados para as soluções (raízes) de equações da
Leia maisAula 6. Zeros reais de funções Parte 3
CÁLCULO NUMÉRICO Aula 6 Zeros reais de funções Parte 3 MÉTODO DE NEWTON RAPHSON Cálculo Numérico 3/48 CONSIDERAÇÕES INICIAS MÉTODO DO PONTO FIXO: Uma das condições de convergência é que onde I é um intervalo
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 6 Zeros reais de funções Parte 3 MÉTODO DE NEWTON RAPHSON Cálculo Numérico 3/47 CONSIDERAÇÕES INICIAS MÉTODO DO PONTO FIXO:
Leia maisCálculo Numérico. que é denominado erro relativo. Temos então para os dados acima:
Cálculo Numérico 1 Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo.
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 9 04/2014 Zeros reais de funções Parte 3 MÉTODO DE NEWTON RAPHSON Cálculo Numérico 3/42 CONSIDERAÇÕES INICIAS MÉTODO DO PONTO
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Zeros de equações transcendentes e Tipos de Métodos polinomiais São dois os tipos de métodos para se achar a(s) raízes de uma equação:
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 04/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproximados para as soluções (raízes) de equações da
Leia maisEquações não lineares
Capítulo 2 Equações não lineares Vamos estudar métodos numéricos para resolver o seguinte problema. Dada uma função f contínua, real e de uma variável, queremos encontrar uma solução x que satisfaça a
Leia maisCálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015
Cálculo Numérico Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 1 Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de
Leia maisSME0300 Cálculo Numérico Aula 4
SME0300 Cálculo Numérico Aula 4 Maria Luísa Bambozzi de Oliveira marialuisa @ icmc. usp. br Sala: 3-241 Página: tidia-ae.usp.br 13 de agosto de 2015 Aula Passada Operações Aritméticas: Arredondamento a
Leia maisUniversidade Tecnológica Federal do Paraná
Cálculo Numérico - Zeros de Funções Prof a Dr a Diane Rizzotto Rossetto Universidade Tecnológica Federal do Paraná 13 de março de 2016 D.R.Rossetto Zeros de Funções 1/81 Problema Velocidade do pára-quedista
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano.
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 5 Zeros reais de funções Parte 2 Voltando ao eemplo da aula anterior, vemos que o ponto médio da primeira iteração 1 = 2,5
Leia maisCAP. 2 ZEROS REAIS DE FUNÇÕES REAIS
5 CAP. ZEROS REAIS DE FUNÇÕES REAIS OBJETIVO: Estudo de métodos iterativos para resolução de equações não lineares. DEFINIÇÃO : Um nº real é um zero da função f() ou raiz da equação f() = 0 se f( )=0.
Leia maisIlustraremos graficamente esses conceitos nos exemplos a seguir.
Capítulo 3 Equações não Lineares 3.1 Introdução Um dos problemas que ocorrem mais frequentemente em trabalhos científicos é calcular as raízes de equações da forma: f(x) = 0, onde f(x) pode ser um polinômio
Leia maisAndréa Maria Pedrosa Valli
Raízes de Equações Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-27 Raízes
Leia maisExercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA
Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Licenciaturas em Engenharia do Ambiente e Química 2 o Semestre de 2005/2006 Capítulo II Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x)
Leia maisSolução aproximada de equações de uma variável
Cálculo Numérico de uma variável Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Parte I Localização de zeros e Método da bissecção Motivação: Queda de um
Leia maisSolução numérica de equações não-lineares
Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de uma equação. Mas, o que é uma equação? Uma equação é uma igualdade
Leia mais2.3- Método Iterativo Linear (MIL)
.3- Método Iterativo Linear (MIL) A fim de introduzir o método de iteração linear no cálculo de uma raiz da equação (.) f(x) = 0 expressamos, inicialmente, a equação na forma: (.) x = Ψ(x) de forma que
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano.
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 09/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma:
Leia maisResolução Numérica de Equações Métodos Parte II
Cálculo Numérico Resolução Numérica de Equações Métodos Parte II Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CÁLCULO NUMÉRICO DA UFCG - www.dsc.ufcg.edu.br/~cnum/
Leia maisO método da falsa posição
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência c Publicação Eletrônica do KIT http://www.dma.uem.br/kit O método da falsa posição
Leia maisEquações não lineares
DMPA IM UFRGS Cálculo Numérico Índice 1 Método da bissecção 2 Método Newton-Raphson 3 Método da secante Vamos estudar métodos numéricos para resolver o seguinte problema. Dada uma função f contínua, real
Leia maisAula 2- Soluções de Equações a uma Variável (zeros reais de funções reais)
Cálculo Numérico IPRJ/UERJ Sílvia Mara da Costa Campos Victer ÍNDICE Aula 2- Soluções de Equações a uma Variável (zeros reais de funções reais) FASE I: Isolamento das raízes. FASE 2: Refinamento: 2.1-
Leia maisResolução Numérica de Equações Métodos Parte II
Cálculo Numérico Resolução Numérica de Equações Métodos Parte II Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CÁLCULO NUMÉRICO DA UFCG - www.dsc.ufcg.edu.br/~cnum/
Leia maisDCC008 - Cálculo Numérico
DCC008 - Cálculo Numérico Polinômios de Taylor Bernardo Martins Rocha Departamento de Ciência da Computação Universidade Federal de Juiz de Fora bernardomartinsrocha@ice.ufjf.br Conteúdo Introdução Definição
Leia maisAula 4. Zeros reais de funções Parte 1
CÁLCULO NUMÉRICO Aula 4 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma: f 0 sendo f uma função real dada. Cálculo Numérico 3/60 APLICAÇÃO
Leia maisétodos uméricos ZEROS DE FUNÇÕES DE UMA OU MAIS VARIÁVEIS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES DE UMA OU MAIS VARIÁVEIS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisC alculo Num erico Ra ızes de Equa c oes Ana Paula Ana Paula C alculo Num erico
Raízes de Equações Sumário 1 Aula Anterior 2 3 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Introdução Definição de raiz Definição de Multiplicidade Existência de ao menos uma raiz no
Leia maisRaízes de uma função. Laura Goulart. 16 de Março de 2016 UESB. Laura Goulart (UESB) Raízes de uma função 16 de Março de / 1
Raízes de uma função Laura Goulart UESB 16 de Março de 2016 Laura Goulart (UESB) Raízes de uma função 16 de Março de 2016 1 / 1 Aproximação de uma raíz Dado uma precisão ɛ > 0, diremos que um ponto c R
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisTP062-Métodos Numéricos para Engenharia de Produção Zeros: Introdução
TP062-Métodos Numéricos para Engenharia de Produção Zeros: Introdução Prof. Volmir Wilhelm Curitiba, 2015 Os zeros de uma função são os valores de x que anulam esta função. Este podem ser Reais ou Complexos.
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma: f
Leia maisArtur M. C. Brito da Cruz. Escola Superior de Tecnologia Instituto Politécnico de Setúbal 2015/2016 1
Equações Não Lineares Análise Numérica Artur M. C. Brito da Cruz Escola Superior de Tecnologia Instituto Politécnico de Setúbal 2015/2016 1 1 versão 20 de Setembro de 2017 Conteúdo 1 Introdução...................................
Leia maisCálculo Numérico. Aula 5 Método Iterativo Linear e Newton-Raphson /04/2014
Cálculo Numérico Aula 5 Método Iterativo Linear e Newton-Raphson 2014.1-15/04/2014 Prof. Rafael mesquita rgm@cin.ufpe.br Adpt. por Prof. Guilherme Amorim gbca@cin.ufpe.br O que vimos até agora? Zeros de
Leia maisMarina Andretta/Franklina Toledo. 18 de outubro de Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires.
Determinação de raízes de funções: Marina Andretta/Franklina Toledo ICMC-USP 18 de outubro de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta/Franklina Toledo (ICMC-USP)
Leia maisAula 22 O teste da derivada segunda para extremos relativos.
O teste da derivada segunda para extremos relativos. MÓDULO 2 - AULA 22 Aula 22 O teste da derivada segunda para extremos relativos. Objetivo: Utilizar a derivada segunda para determinar pontos de máximo
Leia maisRaízes de uma função. Laura Goulart. 14 de Março de 2019 UESB. Laura Goulart (UESB) Raízes de uma função 14 de Março de / 17
Raízes de uma função Laura Goulart UESB 14 de Março de 2019 Laura Goulart (UESB) Raízes de uma função 14 de Março de 2019 1 / 17 Aproximação de uma raíz Dado uma precisão ɛ > 0, diremos que um ponto c
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo temático Zeros de Função Conteúdo específico Métodos iterativos
Leia maisMétodos Numéricos Zeros: Introdução. Professor Volmir Eugênio Wilhelm Professora Mariana Kleina
Métodos Numéricos Zeros: Introdução Professor Volmir Eugênio Wilhelm Professora Mariana Kleina Um número real é um zero da função f(x) ou uma raiz da equação f(x)=0, se f( )=0. 2 Os zeros de uma função
Leia maisSemana 4 Zeros das Funções
1 CÁLCULO NUMÉRICO Semana 4 Zeros das Funções Professor Luciano Nóbrega UNIDADE 1 Eixo das ordenadas www.professorlucianonobrega.wordpress.com 2 ZEROS DAS FUNÇÕES INTRODUÇÃO Nas diversas áreas científicas,
Leia maisAula 6. Zeros reais de funções Parte 3
CÁLCULO NUMÉRICO Aula 6 Zeros reais de funções Parte 3 MÉTODO DE NEWTON RAPHSON Cálculo Numérico 3/47 CONSIDERAÇÕES INICIAIS MÉTODO DO PONTO FIXO: Uma das condições de convergência é que onde I é um intervalo
Leia maisCálculo Numérico / Métodos Numéricos. Solução de equações: Método do ponto fixo (iterativo linear - MIL) 15:01
Cálculo Numérico / Métodos Numéricos Solução de equações: Método do ponto fixo (iterativo linear - MIL) 15:01 Idéia Seja f(x) uma função continua em [a,b], intervalo que contém a raiz da equação f(x)=0.
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma: f
Leia maisCCI-22 CCI-22. 4) Equações e Sistemas Não Lineares. Matemática Computacional. Bissecção, Posição Falsa, Ponto Fixo, Newton-Raphson, Secante
Matemática Computacional 4) Equações e Sistemas Não Lineares Carlos Alberto Alonso Sanches Bissecção, Posição Falsa, Ponto Fio, Newton-Raphson, Secante Introdução Ponto Fio Introdução Ponto Fio Raízes
Leia maisCAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES
CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES Vamos estudar alguns métodos numéricos para resolver: Equações algébricas (polinómios não lineares; Equações transcendentais equações que envolvem funções
Leia maisZero de Funções ou Raízes de Equações
Zero de Funções ou Raízes de Equações Um número ξ é um zero de uma função f() ou raiz da equação se f(ξ). Graficamente os zeros pertencentes ao conjunto dos reais, IR, são representados pelas abscissas
Leia mais- Métodos numéricos. - Métodos analíticos versus métodos numéricos. - Necessidade de se usar métodos numéricos. - Métodos iterativos
Tópicos Tópicos - Métodos numéricos - Métodos analíticos versus métodos numéricos - Necessidade de se usar métodos numéricos - Métodos iterativos - Resolução de problemas - Problemas com equações não lineares
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 5 Zeros reais de funções Parte 2 EXEMPLO 6 Aula anterior Aplicação do método da bissecção para: f ( ) = log 1, em[ 2,3] com
Leia maisExercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares
Exercícios de MATEMÁTICA COMPUTACIONAL Mestrado Integrado em Engenharia Biomédica 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x) e x = 0. a) Prove que
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano.
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma: f
Leia maisEquações não lineares
DMPA IME UFRGS Cálculo Numérico Índice Raizes de polinômios 1 Raizes de polinômios 2 raizes de polinômios As equações não lineares constituídas por polinômios de grau n N com coeficientes complexos a n,a
Leia maisMAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Zeros de Funções
MAP 2121 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Zeros de Funções 1: Mostre que a função f(x) = x 2 4x + cos x possui exatamente duas raízes: α 1 [0, 1.8] e α 2 [3, 5]. Considere as funções:
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérico SME0104 ICMC-USP Lista 5: Zero de Funções Lembrete (informação que vai estar disponível na prova) Método de Newton Método da Secante x k+1 = x k f(x k) f (x k ), x k+1 = x k J 1 F (x k
Leia maisMétodos Numéricos Zeros Posição Falsa e Ponto Fixo. Professor Volmir Eugênio Wilhelm Professora Mariana Kleina
Métodos Numéricos Zeros Posição Falsa e Ponto Fixo Professor Volmir Eugênio Wilhelm Professora Mariana Kleina Método da Posição Falsa 2 Método da Posição Falsa O processo consiste em dividir/particionar
Leia maisétodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisMétodos iterativos para sistemas lineares.
Métodos iterativos para sistemas lineares. Alan Costa de Souza 7 de Setembro de 2017 Alan Costa de Souza Métodos iterativos para sistemas lineares. 7 de Setembro de 2017 1 / 46 Introdução. A ideia central
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO Lista de Exercícios / Cálculo Numérico 1ª Unidade
1) Analise as alternativas abaixo e marque V para verdadeiro e F para falso. No segundo caso, explique como as tornaria verdadeiras: ( ) O método das secantes é utilizado para solucionar um problema de
Leia maisProgramação I Aula 7 Resolução numérica de equações
Programação I Aula 7 Resolução numérica de equações Pedro Vasconcelos DCC/FCUP 2018 Pedro Vasconcelos (DCC/FCUP) Programação I Aula 7 Resolução numérica de equações 2018 1 / 20 Nesta aula 1 Resolução numérica
Leia maisCálculo Numérico. Aula 6 Método das Secantes e Critérios de Parada /04/2014
Cálculo Numérico Aula 6 Método das Secantes e Critérios de Parada 2014.1-22/04/2014 Prof. Rafael mesquita rgm@cin.ufpe.br Adpt. por Prof. Guilherme Amorim gbca@cin.ufpe.br Aula passada? Método Iterativo
Leia maisSME306 - Métodos Numéricos e Computacionais II Prof. Murilo F. Tomé. (α 1)z + 88 ]
SME306 - Métodos Numéricos e Computacionais II Prof. Murilo F. Tomé 1 o sem/2016 Nome: 1 a Prova - 07/10/2016 Apresentar todos os cálculos - casas decimais 1. Considere a família de funções da forma onde
Leia maisExercícios sobre zeros de funções Aula 7
Exercícios sobre zeros de funções Aula 7 André L. R. Didier 1 6 de Maio de 2015 7/47 Introdução Todas as questões foram obtidas da 3 a edição do livro Métodos Numéricos de José Dias dos Santos e Zanoni
Leia maisSME0300 Cálculo Numérico Aula 6
SME0300 Cálculo Numérico Aula 6 Maria Luísa Bambozzi de Oliveira marialuisa @ icmc. usp. br Sala: 3-241 Página: tidia-ae.usp.br 20 de agosto de 2015 Aula Passada Equações Não-Lineares: Determinar raiz
Leia maisModelagem Computacional. Parte 2 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 2 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 2 e 3] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisNotas de Aula de Cálculo Numérico
IM-Universidade Federal do Rio de Janeiro Departamento de Ciência da Computação Notas de Aula de Cálculo Numérico Lista de Exercícios Prof. a Angela Gonçalves 3 1. Erros 1) Converta os seguintes números
Leia maisIntrodução à Programação Aula 7 Resolução numérica de equações
Introdução à Programação Aula 7 Resolução numérica de equações Pedro Vasconcelos DCC/FCUP 2017 Pedro Vasconcelos (DCC/FCUP) Introdução à Programação Aula 7 Resolução numérica de equações 2017 1 / 19 Nesta
Leia maisMatemática Computacional - 2 o ano LEMat e MEQ
Instituto Superior Técnico Departamento de Matemática Secção de Matemática Aplicada e Análise Numérica Matemática Computacional - o ano LEMat e MEQ Exame/Teste - 5 de Fevereiro de - Parte I (h3m). Considere
Leia maisComputação Científica 65
Capítulo 3. 1. Métodos numéricos Sempre que se pretende resolver um problema cuja solução é um valor numérico, é habitual ter de se considerar, para além de conceitos mais abstratos (que fornecem um modelo
Leia maisCálculo Numérico A - 2 semestre de 2006 Prof. Leonardo F. Guidi. 2 a Lista de Exercícios - Gabarito. 1) Seja a equação não linear x e x = 0.
Cálculo Numérico A - 2 semestre de 2006 Prof. Leonardo F. Guidi 2 a Lista de Exercícios - Gabarito 1) Seja a equação não linear x e x = 0. A solução é dada em termos da função W de Lambert, x = W 1) 0,
Leia maisInterpretação Geométrica
.. Método da Iteração Linear MIL Seja uma unção contínua em [a, com α [ a, tal que α. O Método de Iterações Lineares consiste em: a transormar a equação numa unção de iteração ϕ ; b adotar um valor inicial
Leia mais1.1 Conceitos Básicos
1 Zeros de Funções 1.1 Conceitos Básicos Muito frequentemente precisamos determinar um valor ɛ para o qual o valor de alguma função é igual a zero, ou seja: f(ɛ) = 0. Exemplo 1.1 Suponha que certo produto
Leia maisSME Cálculo Numérico. Lista de Exercícios: Gabarito
Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado
Leia maisCÁLCULO I Aula 11: Limites Innitos e no Innito. Assíntotas. Regra de l'hôspital.
Limites s CÁLCULO I Aula 11: Limites s e no... Prof. Edilson Neri Júnior Prof. André Almeida Universidade Federal do Pará Limites s 1 Limites no 2 Limites s 3 4 5 Limites s Denição Seja f uma função denida
Leia maisEncontre um valor aproximado para 3 25 com precisão de 10 5 utilizando o método da bissecção.
1 a) Mostre que f (x) = x cos x possui uma raiz no intervalo [0, 1]. b) Prove que essa raiz é única. c) Sem executar o método, preveja o número de iterações que o algoritmo da bissecção utilizaria para
Leia maisCapítulo 6 - Equações Não-Lineares
Sistemas de Capítulo 6 - Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa Métodos Numéricos 1/
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia mais( ) ( ) 60 ( ) ( ) ( ) ( ) R i. Método de Newton. Método de Newton = Substituindo i por x, teremos: 1.Introdução 2.
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I R A = + i ( i ) n
Leia maisMétodo de Newton. 1.Introdução 2.Exemplos
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Método de Newton Prof.:
Leia maisMétodo do Ponto Fixo
Determinação de raízes de funções: Método do Ponto Fixo Marina Andretta ICMC-USP 07 de março de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500
Leia maisMétodos Numéricos. Turma CI-202-X. Josiney de Souza.
Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 5 (16/09/15) Zero de funções: Introdução Tipos de métodos Diretos Indiretos ou iterativos Fases de cálculos Isolamento
Leia maisMAT 0143 : Cálculo para Ciências Biológicas
MAT 0143 : Cálculo para Ciências Biológicas Aula 2/ Quarta 26/02/2014 Sylvain Bonnot (IME-USP) 2014 1 Resumo Aula 1 1 Informaçãoes gerais: Email: sylvain@ime.usp.br Site: ver o link para MAT 2110 na pagina
Leia maisEXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO
Cálculo Numérico EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES o sem/08 EXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO x. Considere a seguinte tabela de valores de uma função f: i 0 f(x i ).50
Leia mais