O documento discute métodos numéricos para resolver equações não lineares. Aborda três pontos principais: 1) A necessidade de usar métodos numéricos para encontrar raízes quando não há solução exata; 2) O princípio básico dos métodos iterativos, que melhoram aproximações sucessivas até atingir a precisão desejada; 3) As duas fases dos métodos numéricos - isolamento da raiz em um intervalo inicial e refinamento das aproximações.
1. Elementos de Análise NuméricaEquações não lineares
Soluções de Equações
não-lineares
(Zeros de funções reais)
2. Elementos de Análise NuméricaEquações não lineares
2
• Estudar métodos numéricos para a resolução de
equações não lineares (determinar a(s) raiz(es) de
uma função f(x)f(x), ou seja, encontrar o(s) valor(es) de xx
tal que f(x) = 0f(x) = 0)
Fundamentar a necessidade de uso de métodos
numéricos para a resolução de equações não lineares
Discutir o princípio básico que rege os métodos
numéricos para a resolução de equações não lineares
Apresentar uma série de métodos destinados à
resolução de equações não lineares
Cálculo Numérico – Objetivos
3. Elementos de Análise NuméricaEquações não lineares
3
Necessidade de resolução de
equações do tipo f(x) = 0
Principio da ConservaçãoPrincipio da Conservação
MomentoMomento
EnergiaEnergia
MassaMassa
Principio da ConservaçãoPrincipio da Conservação
MomentoMomento
EnergiaEnergia
MassaMassa
+FV
-FV
+FH-FH
Em cada nó :
∑ FH = 0
∑ FV = 0
FEstruturas
(Lei de Kirchhoff)
R
E
i
v = g(i)
+
-
E - Ri – g(i) = 0
Circuitos
ReatoresE1
E2 S
E S
Em um dado intervalo:
∑massa = entradas - saídas
4. Elementos de Análise NuméricaEquações não lineares
-número de raízes
-métodos iterativos
-métodos intervalares
-bissecções sucessivas
-falsa posição
-métodos abertos
-iteração de ponto fixo
-Newton-Raphson
-Secante
-critérios de parada
Resolução de equações não lineares
Pontos mais importantes:
4
5. Elementos de Análise NuméricaEquações não lineares
Raízes das funções
f(x)=ax2
+bx+c f(x)=log(2x)+sinh(3x)
x= ? tal como f(x)=0Raíz(es): x= ? tal como f(x)=0
explícito implícito
métodos numéricos
5
6. Elementos de Análise NuméricaEquações não lineares
6
n Determinação das raízes em função de aa, bb e
cc
ax2
+ bx + c = 0
n Polinômios de grau mais elevado e funções
com maior grau de complexidade
Impossibilidade de determinação exata dos
zeros
x = -b ± √ b2
– 4ac
2a
n A partir de uma equação de 2º grau da forma
7. Elementos de Análise NuméricaEquações não lineares
)e1(
c
gm
)t(v m
ct
−
−=-exemplo de queda livre:
m=0.5 kg, c=0.29, g=9.81 m/s2
0
2
4
6
8
10
12
14
16
18
0 2 4 6 8 10 12
analitica
numérica (dt=1 sec)
numérica (dt=0.5 sec)
tempo, s
velocidade,m/s
7
- se for c uma incognita? -------> 0v)e1(
c
gm
)c(f m
ct
=−−=
−
8. Elementos de Análise NuméricaEquações não lineares
Método gráfico
-exemplo de queda livre: 0v)e1(
c
gm
)c(f m
ct
=−−=
−
-1
0
1
2
3
4
5
6
0 0.1 0.2 0.3 0.4 0.5
c
f(c)
c
8
9. Elementos de Análise NuméricaEquações não lineares
Número de zeros
-f(x) é uma função contínua no intervalo [a,b], o número de zeros é:
Teoremas
-ímpar (pelo menos uma) se f(a)*f(b)<0
-par (pode ser 0) se f(a)*f(b)>0
-se mais do que um f ’(x) também tem pelo menos uma raíz
9
10. Elementos de Análise NuméricaEquações não lineares
Métodos iterativos
-carácter iterativo: a partir de alguns valores iniciais (x1, x2,...xs-1)
da raiz (z) construímos uma nova aproximação xs supostamente
melhor:
10
11. Elementos de Análise NuméricaEquações não lineares
Portanto, o processo iterativo pode ser dividido em duas
fases:
Fase I - Localização ou isolamento das raízes:
Consiste em obter um intervalo [a,b] que contém
uma única raiz;
Fase II - Refinamento:
Consiste em, escolhidas aproximações iniciais no intervalo
[a,b], melhorá-las sucessivamente até se obter uma
aproximação para a raiz dentro de uma precisão
prefixada.
ε
12. Elementos de Análise NuméricaEquações não lineares
12
Princípio Básico dos Métodos Numéricos
VALORVALOR
INICIALINICIAL
VALORVALOR
INICIALINICIAL
APRIMORAMENTOAPRIMORAMENTO
DOS VALORESDOS VALORES
APRIMORAMENTOAPRIMORAMENTO
DOS VALORESDOS VALORESMÉTODOSMÉTODOSMÉTODOSMÉTODOS
MINIMIZAÇÃOMINIMIZAÇÃO
DOS ERROSDOS ERROS
MINIMIZAÇÃOMINIMIZAÇÃO
DOS ERROSDOS ERROS
VALOR ACEITÁVELVALOR ACEITÁVEL
DE RAIZDE RAIZ
VALOR ACEITÁVELVALOR ACEITÁVEL
DE RAIZDE RAIZ
13. Elementos de Análise NuméricaEquações não lineares
13
n Etapas Usuais para a Determinação de Raízes
a partir de Métodos Numéricos
FASE I
Isolamento das
raízes
FASE I
Isolamento das
raízes
Determinação de um
intervalo (o menor
possível) que contenha
apenas uma raiz
Determinação de um
intervalo (o menor
possível) que contenha
apenas uma raiz
FASE II
Refinamento das
raízes
FASE II
Refinamento das
raízes
Melhoramento do valor da
raiz aproximada
(refinamento até a
precisão desejada).
Melhoramento do valor da
raiz aproximada
(refinamento até a
precisão desejada).
MÉTODOSMÉTODOSMÉTODOSMÉTODOS
14. Elementos de Análise NuméricaEquações não lineares
Métodos de localização de zeros
1, Métodos intervalares: -mudança de sinais na vizinhança de zero
-duas estimativas iniciais
-método gráfico
14
15. Elementos de Análise NuméricaEquações não lineares
15
Exemplo 01: f(x) = xf(x) = x33
– 9x +3– 9x +3
n f(x)f(x) é contínua para ∀xx ∈RR.
n II11 = [= [-5-5,, -3-3]]
n II22 = [= [00,, 11]]
n II33 == [[22,, 33]]
Cada um dos intervalosCada um dos intervalos
contém pcontém peloelo menosmenos umum zerozero..
Cada um dos intervalosCada um dos intervalos
contém pcontém peloelo menosmenos umum zerozero..
++++++––––++++++––––––––f(x)
543210-1-3-5-10-100-∞x
16. Elementos de Análise NuméricaEquações não lineares
16
n f(x)f(x) admite pelo menos um zerozero no intervalo [o intervalo [11,, 22]]
OO zerozero é únicoúnico??
Análise do sinal deAnálise do sinal de f’(x)f’(x)
......++++––––f(x)
...3210x
n f’(x) =1/(2f’(x) =1/(2√√x )+ 5ex )+ 5e-x-x
> 0> 0,, ∀x > 0x > 0
f(x)f(x) admite umadmite um únicoúnico zerozero em todo seu domínio de
definição, localizado no intervalo [1, 2][1, 2] ..
f(x)f(x) admite umadmite um únicoúnico zerozero em todo seu domínio de
definição, localizado no intervalo [1, 2][1, 2] ..
Exemplo 02: f(x) =f(x) = √√ x – 5ex – 5e-x-x
17. Elementos de Análise NuméricaEquações não lineares
17
n OBSERVAÇÃO:
Se f(a)f(b) > 0f(a)f(b) > 0, então se pode ter diversas situações
no intervalo [a,[a, b]b].
b
f(x)
xa
f(x) a
ξξ
f(x)
xb
ξξ11 ξξ22
xa b
18. Elementos de Análise NuméricaEquações não lineares
18
FASE I: ISOLAMENTO DAS RAÍZES
Realização de uma análise teórica e gráfica da
função de interesse
Precisão das análises é relevante para o
sucesso da fase posterior
19. Elementos de Análise NuméricaEquações não lineares
19
• Estudo Detalhado do Comportamento de uma
Função a partir de seu Gráfico
Domínio da funçãoDomínio da função
Pontos de descontinuidadePontos de descontinuidade
Intervalos de crescimento e decrescimentoIntervalos de crescimento e decrescimento
Pontos de máximo e mínimoPontos de máximo e mínimo
ConcavidadeConcavidade
Pontos de inflexãoPontos de inflexão
Assíntotas da funçãoAssíntotas da função
20. Elementos de Análise NuméricaEquações não lineares
20
Construção dos gráficos de g(x)g(x) e h(x)h(x)
no mesmo sistema cartesiano
Construção dos gráficos de g(x)g(x) e h(x)h(x)
no mesmo sistema cartesiano
Localização dos pontos xx nos quais
g(x)g(x) e h(x)h(x) se interceptam
(f(f(ξξ) = 0) = 0 ⇔⇔ g(g(ξξ) = h() = h(ξξ)) )
Localização dos pontos xx nos quais
g(x)g(x) e h(x)h(x) se interceptam
(f(f(ξξ) = 0) = 0 ⇔⇔ g(g(ξξ) = h() = h(ξξ)) )
Localização das abscissas dos pontos
nos quais a curva intercepta o eixo oxox
Localização das abscissas dos pontos
nos quais a curva intercepta o eixo oxoxConstrução do gráfico de f(x)f(x)Construção do gráfico de f(x)f(x)
I
Obtenção da equação equivalente g(x) =g(x) =
h(x)h(x) a partir da equação f(x) = 0f(x) = 0
Obtenção da equação equivalente g(x) =g(x) =
h(x)h(x) a partir da equação f(x) = 0f(x) = 0
II
Uso de programas para traçar gráficos de
funções
Uso de programas para traçar gráficos de
funções
III
ANÁLISE GRÁFICAANÁLISE GRÁFICAANÁLISE GRÁFICAANÁLISE GRÁFICA
21. Elementos de Análise NuméricaEquações não lineares 21
Exemplo 03: f(x) = xf(x) = x33
– 9x +3– 9x +3
(Uso do método II ) ν ξξ11 ∈[-4, -3][-4, -3]
ν ξξ22 ∈[0, 1][0, 1]
ν ξξ33 ∈[2, 3][2, 3]
n f’(x) = 3xf’(x) = 3x22
- 9- 9
n f’(x) = 0 <=> x =f’(x) = 0 <=> x = ±√±√33
33
-72
-7,3923√√ 3
-51
30
11-1
13,3923- √√ 3
3-3
-25-4
f(x)x
ξ3
f(x)
x-4 1-3 -2 -1 2 3 4
ξ2ξ1
22. Elementos de Análise NuméricaEquações não lineares
22
n g(x) = xg(x) = x33
n h(x) = 9x -3h(x) = 9x -3
Exemplo 03: f(x) = xf(x) = x33
– 9x +3– 9x +3
ξ3
g(x)
x-4 1-3 -2 -1 2 3 4
ξ2
ξ1
h(x)
y
24. Elementos de Análise NuméricaEquações não lineares
24
FASE II: REFINAMENTO
Aplicação de métodos numéricos destinados ao
refinamento de raízes
Diferenciação dos métodos Modo de
refinamento
Método IterativoIterativo Caracterizado por uma
série de instruções executáveis
sequencialmente, algumas das quais repetidas
em ciclos (iteraçõesiterações)
25. Elementos de Análise NuméricaEquações não lineares
25
CRITÉRIOS DE PARADA
Teste: xxkk suficientemente próximo da raiz
exata?
Como verificar tal questionamento?
Interpretações para raiz aproximada
xx é raiz aproximada com precisão εε se:
i.i. |x -|x - ξξ | <| < εε
ou
ii.ii. |f( x )| <|f( x )| < εε
Como proceder se não se
conhece ξξ ?
Como proceder se não se
conhece ξξ ?
26. Elementos de Análise NuméricaEquações não lineares
26
Redução do intervalo que contém a raiz a cada
iteração
Obtenção de um intervalo [a,b][a,b] tal que:
ξξ ∈∈ [a,b][a,b]
e
b – a <b – a < εε
||xx -- ξξ || << εε ,, ∀∀ xx ∈∈ [[aa,,bb]]
∀∀xx ∈∈ [a,b][a,b] pode ser tomado
como xx
∀∀xx ∈∈ [a,b][a,b] pode ser tomado
como xx
ξξ b
f(x)
x
a
b – a <b – a < εε
27. Elementos de Análise NuméricaEquações não lineares
27
• Métodos Iterativos para a Obtenção de Zeros
Reais de Funções
– BissecçãoBissecção
– Falsa PosiçãoFalsa Posição
– Falsa Posição ModificadoFalsa Posição Modificado
– Ponto FixoPonto Fixo
– Newton-RaphsonNewton-Raphson
– SecanteSecante
Cálculo Numérico –
28. Elementos de Análise NuméricaEquações não lineares
28
• Método da BissecçãoBissecção
Dada uma função f(x)f(x) contínua no intervalo [a,b][a,b] onde
existe uma raiz única, é possível determinar tal raiz
subdividindo sucessivas vezes o intervalo que a contém
pelo ponto médio de aa e bb.
Cálculo Numérico – BissecçãoBissecção
29. Elementos de Análise NuméricaEquações não lineares
29
• Definição do Intervalo Inicial
– Atribui-se [a,b][a,b] como intervalointervalo inicialinicial
• a0 = aa
• b0 = bb
– Condições de Aplicação
• f(a)*f(b) < 0f(a)*f(b) < 0
• Sinal da derivada constanteconstante
Cálculo Numérico – BissecçãoBissecção
30. Elementos de Análise NuméricaEquações não lineares
30
Determina-se qual o subintervalo – [a , x[a , x11]] ou
[x[x11 , b], b] – que contém a raizraiz
Calcula-se o produto f(a)*f(xf(a)*f(x11))
Verifica-se se f(a)*f(xf(a)*f(x11) < 0) < 0
Se verdadeiroverdadeiro ξξ ∈∈ (a, x(a, x11))
(Logo a = aa e b = xx11
)
Caso contrarioCaso contrario ξξ ∈∈ (x(x11 , b), b)
(Logo a = xx11
e b = bb)
Definição de Novos Intervalos
Repete-se o processo até que o valor de
xx atenda às condições de paradacondições de parada.
Cálculo Numérico – BissecçãoBissecção
31. Elementos de Análise NuméricaEquações não lineares
31
Análise Gráfica
x
a = a0
ξ
f(x)
b = b0
xx11 = (a + b)/2= (a + b)/2
xx11
x
a = a1
ξ
f(x)
x1 = b1
xx22 = (a + x= (a + x11 )/2)/2
xx22
x
ξ
f(x)
x1=b2
xx33 = (x= (x22 + x+ x11 )/2)/2
x2=a2
xx33
Repete-se o processo até que o
valor de xx atenda às condiçõescondições
de paradade parada.
Repete-se o processo até que o
valor de xx atenda às condiçõescondições
de paradade parada.
Cálculo Numérico – BissecçãoBissecção
32. Elementos de Análise NuméricaEquações não lineares
32
Após nn iterações, a raiz estará contida no intervalo:
,
de modo que ξξ é tal que:
Generalização
=
−
− n
00
nn
2
ab
ab
++
−
<−ξ 1n
00
1n
2
ab
x
Cálculo Numérico – BissecçãoBissecção
33. Elementos de Análise NuméricaEquações não lineares
33
Aproximação de zero, dependente do equipamento
utilizado e da precisão necessária para a solução do
problema
TolerânciaTolerância ( εε )
A tolerânciatolerância é uma
estimativa para o erroerro
absolutoabsoluto desta
aproximação.
A tolerânciatolerância é uma
estimativa para o erroerro
absolutoabsoluto desta
aproximação.
Cálculo Numérico – BissecçãoBissecção
34. Elementos de Análise NuméricaEquações não lineares
34
Considerando :
deve-se escolher nn tal que:
⇒
TolerânciaTolerância ( εε )
++
−
<−ξ 1n
00
1n
2
ab
x
ε<
−
+1n
00
2
ab
1
)2ln(
abln
n
00
−
ε
−
≥
Cálculo Numérico – BissecçãoBissecção
35. Elementos de Análise NuméricaEquações não lineares
35
Condições de Parada
Se os valores fossem exatosexatos
f(x) = 0f(x) = 0
(x(xkk – x– xk+1k+1 )/x)/xkk = 0= 0
Uma vez que são aproximadosaproximados
||f(x)f(x)|| ≤≤ tolerânciatolerância
||(x(xkk – x– xk+1k+1 )/x)/xkk || ≤≤ tolerânciatolerância
Cálculo Numérico – BissecçãoBissecção
36. Elementos de Análise NuméricaEquações não lineares
36
Algoritmo
k := 0; a0 := a; b0 := b; x0 := a;
xk+1 := (ak + bk)/2;
while critério de parada não satisfeito and k ≤ L
if f(ak)f(xk+1) < 0 then /* raiz em [a/* raiz em [akk , x, xk+1k+1] */] */
ak+1 := ak; bk+1 := xk+1;
else /* raiz em [x/* raiz em [xk+1k+1, b, bkk] */] */
ak+1 := xk+1; bk+1 := bk ;
endif
k := k +1; xk+1 := (ak + bk)/2;
endwhile
if k > L
parada falhou
endif
Cálculo Numérico – BissecçãoBissecção
37. Elementos de Análise NuméricaEquações não lineares
37
Vantagens:Vantagens:
• Facilidade de implementação;
• Estabilidade e convergência para a solução procurada;
• Desempenho regular e previsível.
O número de interações é
dependentedependente da tolerânciatolerância
considerada
O número de interações é
dependentedependente da tolerânciatolerância
considerada
Cálculo Numérico – BissecçãoBissecção
38. Elementos de Análise NuméricaEquações não lineares
38
Desvantagens:Desvantagens:
• Lentidão do processo de convergência (requer o cálculo
de f(x)f(x) em um elevado número de iterações);
• Necessidade de conhecimento prévio da região na qual se
encontra a raiz de interesse (o que nem sempre é
possível);
• Complexidade da extensão do método para problemas
multivariáveis.
Cálculo Numérico – BissecçãoBissecção
39. Elementos de Análise NuméricaEquações não lineares
39
Exemplo 06: Resgatando o Exemplo 05Exemplo 05, f(x) =f(x) =
xlogx - 1xlogx - 1
h(x)
y
ξ
g(x)
x1 2 3 4 5 6
ξ2 3
Verificou-se que ξξ ∈ [2, 3][2, 3]
Cálculo Numérico – BissecçãoBissecção
40. Elementos de Análise NuméricaEquações não lineares
40
Cálculo da 1ª
aproximação
x1
= (a0
+ b0
)/2 = (2,00000 + 3,00000)/2 ⇒
x1
= 2,500002,50000
f(x1
) = f(2,50000) = -0,00510-0,00510
f(a0
) = f(2,00000) = -0,39794-0,39794
Teste de Parada
|f(x1
)| =|-0,00510| = 0,005100,00510 > 0,002
Exemplo 06: f(x) = xlogx - 1f(x) = xlogx - 1
Considerando o método da bissecção com tol = 0,002tol = 0,002 e
adotando [a[a00 ,b,b00] = [2, 3]] = [2, 3] como intervalo inicial, tem-se:
Cálculo Numérico – BissecçãoBissecção
47. Elementos de Análise NuméricaEquações não lineares
47
• Método da BissecçãoBissecção
– Calcula a média aritméticaaritmética dos limites do intervalo
que contém a raiz ([aa, bb] )
• Método da Falsa PosiçãoFalsa Posição
– Calcula a média ponderadaponderada dos limites do intervalo
que contém a raiz ([aa, bb] )
Cálculo Numérico – Falsa PosiçãoFalsa Posição
48. Elementos de Análise NuméricaEquações não lineares
48
• Método da Falsa PosiçãoFalsa Posição
– Calcula a média ponderadaponderada dos limites do intervalo
que contém a raiz ([aa, bb] )
)a(f)b(f
)a(fb)b(fa
x
−
−
=
)a(f)b(f
)a(bf)b(af
x
−
−
=
xa ξ
f(x)
bxx
f(b)
f(a)
Cálculo Numérico – Falsa PosiçãoFalsa Posição
49. Elementos de Análise NuméricaEquações não lineares
49
Definição do Intervalo Inicial
– Atribui-se [a,b][a,b] como intervalo inicialintervalo inicial
• a0 = aa
• b0 = bb
– Condições de Aplicação
• f(a)*f(b) < 0f(a)*f(b) < 0
• Sinal da derivada constanteconstante
Cálculo Numérico – Falsa PosiçãoFalsa Posição
50. Elementos de Análise NuméricaEquações não lineares
50
Definição dos Subintervalos
– Subdivide-se o intervalo pelo pontoponto dede intersecçãointersecção
da reta que liga f(a) a f(b) e o eixo das abscissas
– Verifica-se se, através do teste de parada, se xx11
é uma
aproximaçãoaproximação dada raizraiz da equação (ξ)
• Se verdadeiroverdadeiro xx11
é a raizraiz procurada
• CasoCaso contráriocontrário define-se um novonovo intervalo
Cálculo Numérico – Falsa PosiçãoFalsa Posição
51. Elementos de Análise NuméricaEquações não lineares
51
– Determina-se qual subintervalo - [a[a00 , x, x11]] ou [x[x11 , b, b00]]
- contém a raiz ξξ
• Calcula-se o produto f(a)*f(xf(a)*f(x11))
• Verifica-se se f(a)*f(xf(a)*f(x11) < 0) < 0
– Se verdadeiroverdadeiro ξ ∈ (a0, x1)
Logo: a1 = aa00 e b1 = xx11
– CasoCaso contrariocontrario ξ ∈ (x1, b0)
Logo a1 = xx11 e b1 = bb00
Definição do Novo Intervalo
Repete-se o processo até que o valor de
xx atenda às condições de paradacondições de parada.
Cálculo Numérico – Falsa PosiçãoFalsa Posição
52. Elementos de Análise NuméricaEquações não lineares
52
Análise Gráfica
Repete-se o processo
até que o valor de xx
atenda às condições decondições de
paradaparada.
Repete-se o processo
até que o valor de xx
atenda às condições decondições de
paradaparada.
Cálculo Numérico – Falsa PosiçãoFalsa Posição
xa = a0
ξ
f(x)
b = b0xx11
xa = a1
ξ
f(x)
x1 = b1xx22
xξ
f(x)
x1 = b2x2 = a2
xx33
)()(
)()(
00
0000
1
afbf
afbbfa
x
−
−
=
)()(
)()(
11
1111
2
afbf
afbbfa
x
−
−
=
)()(
)()(
22
2222
3
afbf
afbbfa
x
−
−
=
53. Elementos de Análise NuméricaEquações não lineares
53
Condições de Parada
Se os valores fossem exatosexatos
f(x) = 0f(x) = 0
(x(xkk – x– xk+1k+1 )/x)/xkk = 0= 0
Não o sendoNão o sendo
||f(x)f(x)|| ≤≤ tolerânciatolerância
||(x(xkk – x– xk+1k+1 )/x)/xkk || ≤≤ tolerânciatolerância
Cálculo Numérico – Falsa PosiçãoFalsa Posição
54. Elementos de Análise NuméricaEquações não lineares
54
Algoritmo
k := 0; a0 := a; b0 := b; x0 := a; F0 := f(a0); G0 := f(b0);
xk+1 := ak - Fk(bk – ak)/(Gk – Fk); ou xk+1 := (akGk- bkFk)/(Gk – Fk);
while critério de convergência não satisfeito and k≤L
if f(ak)f(xk+1) ≤ 0 then /* raiz em [a/* raiz em [akk , x, xk+1k+1] */] */
ak+1 := ak; bk+1 := xk+1;
else /* raiz em [x/* raiz em [xk+1k+1, b, bkk] */] */
ak+1 := xk+1; bk+1 := bk ;
endif
k := k +1; xk+1 := ak - Fk(bk – ak)/(Gk – Fk);
endwhile
if k>L
convergência falhou
Cálculo Numérico – Falsa PosiçãoFalsa Posição
56. Elementos de Análise NuméricaEquações não lineares
56
Exemplo 08:
Cálculo da 1ª aproximação: a0 == 22 b0 == 33
f(a0) = - 0,3979- 0,3979 < 00
f(b0) = 0,43140,4314 > 00
x1 = [2.0,4314 – 3.(- 0,3979)] = 2,47982,4798
[0,4314 – (- 0,3979)]
Teste de Parada
|f(x1
)| =|- 0,0219| = 0,02190,0219 > tolerânciatolerância
Escolha do Novo Intervalo
f(a0).f(x1) = (- 0,3979).(- 0,0219) > 00
logo: a1
= x1
= 2,47982,4798 e b1
= b0
= 33
Cálculo Numérico – Falsa PosiçãoFalsa Posição
57. Elementos de Análise NuméricaEquações não lineares
57
Exemplo 08:
Cálculo da 2ª aproximação: a1 == 2,47982,4798 b1 == 33
f(a1) = - 0,0219- 0,0219 < 00
f(b1) = 0,43140,4314 > 00
x2 = [2,4798.0,4314 – 3.(- 0,0219)] = 2,50492,5049
[0,4314 – (- 0,0219)]
Teste de Parada
|f(x2
)| =|- 0,0011| = 0,00110,0011 < tolerânciatolerância
Escolha do Novo Intervalo
f(a1).f(x2) = (- 0,0219).(- 0,0011) > 00
logo: a2
= x2
= 2,50492,5049 e b2
= b1
= 33
Cálculo Numérico – Falsa PosiçãoFalsa Posição
58. Elementos de Análise NuméricaEquações não lineares
58
Exemplo 08:
Cálculo da 3ª aproximação a2 == 2,50492,5049 b2 = 33
f(a2) = - 0,0011- 0,0011 < 00
f(b2) = 0,43140,4314 > 00
x3 = [2,5049.0,4314 – 3.(- 0,0011)] = 2,50612,5061
[0,4314 – (- 0,0011)]
Teste de Parada
|f(x3)| = |- 7,0118.10-5
| = 7,0118.107,0118.10-5-5
< toltol
(valor aceitável de raiz)(valor aceitável de raiz)
Cálculo Numérico – Falsa PosiçãoFalsa Posição
59. Elementos de Análise NuméricaEquações não lineares
59
Cálculo Numérico – Falsa PosiçãoFalsa Posição
k ak
bk
f(ak
) f(bk
) xk+1
f(xk+1
)
0
2,0000002,000000 3,0000003,000000 -0,3979000-0,3979000 0,4314000,431400 2,47980002,4798000 -0,021900-0,021900
1
2,479800 3,000000 -0,0219000 0,431400 2,50490002,5049000 -0,001100-0,001100
2
2,504900 3,000000 -0,0011000 0,431400 2,50610002,5061000 -0,000070-0,000070
Exemplo 08: f(x) = xlogx - 1f(x) = xlogx - 1
εε = 0,0020,002
60. Elementos de Análise NuméricaEquações não lineares
60
Exemplo 09: Seja a função do Exemplo 07, f(x) = xf(x) = x33
– x– x
– 1– 1
Intervalo inicial atribuído: [1, 2][1, 2]
tol = 0,0020,002
f(a0
) = -1-1
f(b0
) = 55
f’(x) = 3x3x22
– 1– 1
f(a0
)*f(b0
) = -5-5 < 00
Sinal da derivada constante
(f’(a0
) = 22 e f’(b0
) = 1111)
Cálculo Numérico – Falsa PosiçãoFalsa Posição
x1 2 3 4
y
50-1-2-3-4
1
2
3
4
-4
-3
-2
-1
61. Elementos de Análise NuméricaEquações não lineares
61
Exemplo 09:
Cálculo da 1ª aproximação a0 == 11 b0 == 22
f(a0) = - 1- 1 < 00
f(b0) = 55 > 00
x1 = [1.5 – 2.(- 1)] = 1,166671,16667
[5 – (- 1)]
Teste de Parada
|f(x1
)| =|- 0,5787037| = 0,57870370,5787037 > toltol
Escolha do Novo Intervalo
f(a0).f(x1) = (- 1).(- 0,5787037) > 00
logo: a1
= x1
= 1,166671,16667 e b1
= b0
= 22
Cálculo Numérico – Falsa PosiçãoFalsa Posição
62. Elementos de Análise NuméricaEquações não lineares
62
k ak
bk
f(ak
) f(bk
) xk+1
f(xk+1
)
0
1,0000001,000000 2,0000002,000000 -1,0000000-1,0000000 5,0000005,000000 1,16666671,1666667 -0,578704-0,578704
1
1,166667 2,000000 -0,5787037 5,000000 1,25311201,2531120 -0,285363-0,285363
2
1,253112 2,000000 -0,2853630 5,000000 1,29343741,2934374 -0,129542-0,129542
3
1,293437 2,000000 -0,1295421 5,000000 1,31128121,3112812 -0,056588-0,056588
4
1,311281 2,000000 -0,0565885 5,000000 1,31898851,3189885 -0,024304-0,024304
5
1,318988 2,000000 -0,0243037 5,000000 1,32228271,3222827 -0,010362-0,010362
6
1,322283 2,000000 -0,0103618 5,000000 1,32368431,3236843 -0,004404-0,004404
Exemplo 09: f(x) = xf(x) = x33
– x – 1– x – 1
εε = 0,0020,002
Cálculo Numérico – Falsa PosiçãoFalsa Posição
63. Elementos de Análise NuméricaEquações não lineares
63
Vantagens:Vantagens:
• Estabilidade e convergência para a solução procurada;
• Desempenho regular e previsível;
• Cálculos mais simples que o método de Newton.
Cálculo Numérico – Falsa PosiçãoFalsa Posição
64. Elementos de Análise NuméricaEquações não lineares
64
Desvantagens:Desvantagens:
• Lentidão do processo de convergência (requer o cálculo
de f(x)f(x) em um elevado número de iterações);
• Necessidade de conhecimento prévio da região na qual se
encontra a raiz de interesse (o que nem sempre é
possível).
Cálculo Numérico – Falsa PosiçãoFalsa Posição
65. Elementos de Análise NuméricaEquações não lineares
65
• Método da Falsa Posição ModificadoFalsa Posição Modificado
(FPMFPM )
Dada uma função f(x)f(x) contínua no intervalo [a,b][a,b], o qual
contém uma raiz única, é possível determinar tal raiz a
partir de subdivisões sucessivas do intervalo que a
contém, evitando, ao mesmo tempo, que as aproximações
geradas pela fórmula de iteração se aproximem da raiz
por um único lado.
Cálculo Numérico – FPMFPM
66. Elementos de Análise NuméricaEquações não lineares
66
Definição do Intervalo Inicial
– Atribui-se [a,b][a,b] como intervalo inicialintervalo inicial
• a0 = aa
• b0 = bb
– Condições de Aplicação
• f(a)*f(b) < 0f(a)*f(b) < 0
• Sinal da derivada constanteconstante
Cálculo Numérico – FPMFPM
67. Elementos de Análise NuméricaEquações não lineares
67
Definição dos Subintervalos
– Subdivide-se o intervalo pelo ponto de intersecçãoponto de intersecção
da reta que liga f(a)f(a) a f(b)f(b) e o eixo das abscissas
– Verifica-se se xx11 é uma aproximaçãoaproximação dada raizraiz da
equação (ξξ)
• Se verdadeiroverdadeiro xx11 é a raizraiz procuradaprocurada
• CasoCaso contráriocontrário define-se um novonovo intervalo
Cálculo Numérico – FPMFPM
68. Elementos de Análise NuméricaEquações não lineares
68
– Determina-se em qual dos subintervalos [a[a00 , x, x11]] ou
[x[x11 , b, b00]] - se encontra a raiz ξ
– 1º Teste
• Verifica-se se f(a)*f(xf(a)*f(x11)) < 00
– Se verdadeiroverdadeiro ξξ ∈ (aa00 ,, xx11)
Logo: a1 = aa00 e b1 = xx11
– Caso contrarioCaso contrario ξ ∈ (xx11 ,, bb00)
Logo a1 = xx11 e b1 = bb00
Definição do Novo Intervalo
Cálculo Numérico – FPMFPM
69. Elementos de Análise NuméricaEquações não lineares
69
Repete-se o processo até que o valor
de xx atenda às condições de paradacondições de parada.
Definição do novo valor de xx
– 2º Teste
– Verifica-se se f(xf(xii )*f(x)*f(xi+1i+1)) > 00
• Caso seja verdadeiroverdadeiro
– Se f(a)*f(xf(a)*f(x11)) < 00
Se verdadeiro faz-se f(a)/2f(a)/2
Caso contrário faz-se f(b)/2f(b)/2
• Caso contrarioCaso contrario Permanecem os valores
Cálculo Numérico – FPMFPM
70. Elementos de Análise NuméricaEquações não lineares
70
Análise Gráfica
Repete-se o processo até que o
valor de xx atenda às condiçõescondições
de paradade parada.
Repete-se o processo até que o
valor de xx atenda às condiçõescondições
de paradade parada.
Cálculo Numérico – FPMFPM
x
a = a1
ξ
f(x)
b1 = x1
xx22 = (a|f(x= (a|f(x11 )| - x)| - x11 |f(a)| )|f(a)| )
(|f(x(|f(x11 )| - |f(a)|))| - |f(a)|)
xx22
f(a1)/2
x
a = a0
ξ
f(x)
b = b0xx11
xx11 = (a|f(b)| - x= (a|f(b)| - x11 |f(a)| )|f(a)| )
(|f(b)| - |f(a)|)(|f(b)| - |f(a)|)
71. Elementos de Análise NuméricaEquações não lineares
71
Condições de parada
Se os valores fossem exatosexatos
f(x) = 0f(x) = 0
(x(xkk – x– xk+1k+1 )/x)/xkk = 0= 0
Não o sendoNão o sendo
||f(x)f(x)|| ≤≤ tolerânciatolerância
||(x(xkk – x– xk+1k+1 )/x)/xkk || ≤≤ tolerânciatolerância
Cálculo Numérico – FPMFPM
72. Elementos de Análise NuméricaEquações não lineares
72
Algoritmo
k := 0; a0 := a; b0 := b; x0 := a; F0 := f(a0); G0 := f(b0);
xk+1 := ak - Fk(bk – ak)/(Gk – Fk);
while critério de convergência não satisfeito and k ≤ L
if f(ak)f(xk+1) ≤ 0 then /* raiz em [a/* raiz em [akk , x, xk+1k+1] */] */
ak+1 := ak; bk+1 := xk+1; Gk+1 = f(xk+1)
if f(xk)f(xk+1) > 0 then Fk+1 = Fk/2
endif
else /* raiz em [x/* raiz em [xk+1k+1, b, bkk] */] */
ak+1 := xk+1; bk+1 := bk ; Fk+1 = f(xk+1)
if f(xk)f(xk+1) > 0 then Gk+1 = Gk/2
endif
endif
k := k +1; xk+1 := ak - Fk(bk – ak)/(Gk – Fk);
endwhile
if k ≤ L
xk+1 é uma aproximação aceitável para a raiz
Cálculo Numérico – FPMFPM
86. Elementos de Análise NuméricaEquações não lineares
86
Exemplo 11:
Cálculo da 3ª aproximação: a2 = 1,32331,3233 e b2 = 22
Teste de Parada
|f(x3
)| =|0,00078| = 0,000780,00078 < εε
(valor aceitável de raizvalor aceitável de raiz )
Cálculo Numérico – FPMFPM
87. Elementos de Análise NuméricaEquações não lineares
87
Exemplo 11: f(x) = xf(x) = x33
– x – 1– x – 1
Cálculo Numérico – FPMFPM
k ak
bk
f(ak
) f(bk
) xk+1
f(xk+1
)
0
1,0000001,000000 2,0000002,000000 -1,0000000-1,0000000 5,0000005,000000 1,16667001,1666700 -0,578700-0,578700
1
1,166670 2,000000 -0,5787000 5,000000 1,32330001,3233000 -0,006040-0,006040
2
1,323300 2,000000 -0,0060400 5,000000 1,32493001,3249300 0,0007800,000780
εε = 0,0020,002
88. Elementos de Análise NuméricaEquações não lineares
88
Cálculo Numérico – Ponto FixoPonto Fixo
• Método do Ponto FixoPonto Fixo (MPFMPF)
Dada uma função f(x)f(x) contínua no intervalo [a,b][a,b] onde
existe uma raiz única, f(x) = 0f(x) = 0, é possível transformar tal
equação em uma equação equivalente x = g(x)x = g(x) e, a partir
de uma aproximação inicial xx00
, gerar uma seqüência {x{xkk}}
de aproximações para ξξ pela relação xxk+1k+1 = g(x= g(xkk)), uma
vez que g(x)g(x) é tal que f(f(ξξ) = 0) = 0 se e somente se g(g(ξξ)) == ξξ.
89. Elementos de Análise NuméricaEquações não lineares
89
• Método do Ponto FixoPonto Fixo (MPFMPF)
Implicação de tal procedimento:
Cálculo Numérico – Ponto FixoPonto Fixo
Problema de determinação
de um zero de f(x)f(x)
Problema de determinação
de um zero de f(x)f(x)
Problema de determinação
de um ponto fixo de g(x)g(x)
Problema de determinação
de um ponto fixo de g(x)g(x)
Função de
iteração
90. Elementos de Análise NuméricaEquações não lineares
90
Cálculo Numérico – Ponto FixoPonto Fixo
• Método do Ponto FixoPonto Fixo (MPFMPF)
Forma geral das funções de iteração:
com A(A(ξξ)) ≠≠ 00 em ξξ, ponto fixo de g(x)g(x).
• Interpretação Gráfica
– x = g(x)x = g(x) tem como raizraiz a abcissa do ponto de
intersecção da reta r(x) = xr(x) = x e da curva g(x)g(x).
)x(f)x(Ax)x(g +=
91. Elementos de Análise NuméricaEquações não lineares
91
Exemplo 12:
Seja a equação xx22
+ x – 6+ x – 6 = 0= 0.
Funções de iteração possíveis:
gg11(x)(x) = 6 -= 6 - xx22
gg22(x)(x) = ±√6 -= ±√6 - xx
gg33(x)(x) = 6/= 6/x – 1x – 1
gg (x)(x) = 6/(= 6/(x + 1)x + 1)
Dada uma equação do
tipo f(x) = 0f(x) = 0, há para tal
equação mais de umamais de uma
funçãofunção de iteração g(x)g(x),
tal que: f(x) = 0f(x) = 0 ⇔ x =x =
g(x)g(x)
Cálculo Numérico – Ponto FixoPonto Fixo
92. Elementos de Análise NuméricaEquações não lineares
92
Análise Gráfica da Convergência
Situação 1
Cálculo Numérico – Ponto FixoPonto Fixo
xk ↑ ξ quando k → ∞
93. Elementos de Análise NuméricaEquações não lineares
93
Análise gráfica da Convergência
Situação 2
Cálculo Numérico – Ponto FixoPonto Fixo
ξ2ξξ22
xx00
gg22(x) = (6(x) = (6--x)x)½½
xx11
xx33
{x{xkk}} →→ ξξ quandoquando kk →→ ∞∞
ξ2ξξ22
xx00
gg22(x) = (6(x) = (6--x)x)½½
xx11
xx33
{x{xkk}} →→ ξξ quandoquando kk →→ ∞∞
94. Elementos de Análise NuméricaEquações não lineares
94
Análise Gráfica da Convergência
Situação 3
Cálculo Numérico – Ponto FixoPonto Fixo
xk ↑ ξ quando k → ∞xk ↑ ξ quando k → ∞
95. Elementos de Análise NuméricaEquações não lineares
95
Análise gráfica da Convergência
Cálculo Numérico – Ponto FixoPonto Fixo
Situação 4
ξ1ξξ11
xx00ξ2ξξ22
gg44(x) = 6/(x + 1)(x) = 6/(x + 1)
xx11
xx33
{x{xkk}} →→ ξξ quandoquando kk →→ ∞∞
ξ1ξξ11
xx00ξ2ξξ22
gg44(x) = 6/(x + 1)(x) = 6/(x + 1)
xx11
xx33
{x{xkk}} →→ ξξ quandoquando kk →→ ∞∞
96. Elementos de Análise NuméricaEquações não lineares
96
Exemplo 13: Seja a seguinte equação xx22
+ x+ x
– 6– 6 = 0= 0 ::
Não há necessidade de uso de método
numérico para a determinação das raízes
ξξ11 = -3= -3 ee ξξ22 = 2= 2
Utilização desta exemplo para demonstrar
a convergência ou divergência numérica e
gráfica do processo iterativo
Seja a raiz ξξ22 = 2= 2 ee gg11 (x) = 6 - x(x) = 6 - x22
Considere-se xx00 = 1,5= 1,5 e g(x)g(x) = gg11 (x)(x)
Cálculo Numérico – Ponto FixoPonto Fixo
97. Elementos de Análise NuméricaEquações não lineares
97
x1
= g(x0
) = 6 – 1,52
= 3,753,75
x2
= g(x1
) = 6 – 3,752
= -8,0625-8,0625
x3
= g(x2
) = 6 – (-8,0625)2
= -59,003906-59,003906
Conclui-se que {xxkk }} não convergirá para
ξξ22 == 22
xx44 = g(= g(x3 ) =) = 66 –– ((-59,003906-59,003906))22
==
- 3475,4609- 3475,4609
Cálculo Numérico – Ponto FixoPonto Fixo
Exemplo 13:Seja a raiz ξξ22
= 22 ,, x0
= 1,51,5 e
g1
(x) = 6 – x²6 – x²:
98. Elementos de Análise NuméricaEquações não lineares
98
Cálculo Numérico – Ponto FixoPonto Fixo
Exemplo 13: Análise Gráfica:
{x{xkk }} ↑↑ ξξ
y
xξ2
x1
g(x)g(x)
xx00
y = xy = x
x2
ξ1
99. Elementos de Análise NuméricaEquações não lineares
99
Exemplo 14: Seja a raiz ξξ22
= 22, g2
(x) = √√6 - x6 - x e x0
= 1,51,5
Conclui-se que {x{xkk }} tende a convergirtende a convergir
parapara ξξ22 == 22
x1
= g(x0
) = √6 - 1,5 = 2,1213203432,121320343
x2
= g(x1
) = √6 - 2,121320343 = 1,9694363801,969436380
x3
= g(x2
) = √6 -1,969436380 = 2,0076263642,007626364
x4
= g(x3
) = √6 - 2,007626364 = 1,9980924991,998092499
x5
= g(x4
) = √6 - 1,998092499 = 2,0004768182,000476818
Cálculo Numérico – Ponto FixoPonto Fixo
100. Elementos de Análise NuméricaEquações não lineares
100
Exemplo 14: Análise Gráfica
{x{xkk}} → ξξ22 quando kk → infinf
Cálculo Numérico – Ponto FixoPonto Fixo
g(x)g(x)
x
y
y = xy = x
ξ2
x1
xx00
x2
101. Elementos de Análise NuméricaEquações não lineares
101
gg11(x)(x) == xx33
– 1– 1
gg22(x)(x) = ±√1 += ±√1 + xx
gg33(x)(x) = 1/= 1/x³ – 1x³ – 1
Dada uma equação do
tipo f(x) = 0f(x) = 0, há para tal
equação mais de uma
função de iteração g(x)g(x),
tal que: f(x)f(x) = 00 ⇔
xx = g(x)g(x)
Cálculo Numérico – Ponto FixoPonto Fixo
Exemplo 15: Seja a equação xx33
– x – 1– x – 1 ==
00, Tem-se as seguintes funções de
iteração possíveis:
3
102. Elementos de Análise NuméricaEquações não lineares
102
Exemplo 15: Seja ξ = 1,3249301,324930, g2
(x) = √√1 + x1 + x e x0
= 11
Conclui-se que {x{xkk }} tende a convergirtende a convergir
parapara ξξ == 1,3249301,324930
x1
= g(x0
) = √1 + 1 = 1,2599211,259921
x2
= g(x1
) = √1 + 1,259921 = 1,3122941,312294
x3
= g(x2
) = √1 + 1,312294 = 1,3223541,322354
x4
= g(x3
) = √1 + 1,322354 = 1,3242691,324269
x5
= g(x4
) = √1 + 1,324269 = 1,3246331,324633
Cálculo Numérico – Ponto FixoPonto Fixo
3
3
3
3
3
3
103. Elementos de Análise NuméricaEquações não lineares
103
Exemplo 15: Análise Gráfica
Cálculo Numérico – Ponto FixoPonto Fixo
y
x
g(x)g(x) y = xy = x
ξ2
x1
xx00
x2
x3x4
x5
{x{xkk}} → ξξ22 quando kk → infinf
104. Elementos de Análise NuméricaEquações não lineares
104
TEOREMA 2:
Sendo ξξ uma raiz de f(x) = 0f(x) = 0, isolada em
um intervalo II centrado em ξξ e g(x)g(x) uma
função de iteração para f(x) = 0f(x) = 0. Se
1.1. g(x)g(x) e g’(x)g’(x) são contínuas em I
2. ||g’(x)g’(x)|| ≤≤ M < 1M < 1, ∀∀ xx ∈∈ II e
3. xx11 ∈∈ II
então a seqüência {x{xkk }} gerada pelo
processo iterativo xxk+1k+1 = g(x= g(xkk )) convergirá
para ξξ .
Cálculo Numérico – Ponto FixoPonto Fixo
105. Elementos de Análise NuméricaEquações não lineares
105
• gg11(x)(x) geração de uma seqüência divergente de ξξ22 = 2= 2
• gg22(x)(x) geração de uma seqüência convergente p/ ξξ22 = 2= 2
• g1
(x) = 6 - x6 - x22
e g’1
(x) = - 2x- 2x contínuas em II
Cálculo Numérico – Ponto FixoPonto Fixo
Exemplo 16: Resgatando os ExemplosExemplos
1313 e 1414, verificou-se que:
106. Elementos de Análise NuméricaEquações não lineares
106
• |g’1
(x)| < 11 ⇔ |-|-2x2x| < 1 ⇔ -½-½ < x < ½½
• Não existe um intervalo II centrado em ξξ22=2=2, tal que ||g’(x)g’(x)|| <
11, ∀∀ xx ∈∈ II gg11 (x)(x) não satisfaz a condição 2 do Teorema 2
com relação a ξξ22=2=2 .
Cálculo Numérico – Ponto FixoPonto Fixo
Exemplo 16: Resgatando os ExemplosExemplos
1313 e 1414, verificou-se que:
107. Elementos de Análise NuméricaEquações não lineares
107
Cálculo Numérico – Ponto FixoPonto Fixo
gg22 (x)(x) = √ 6 - x6 - x e g’2
(x) = - (1/21/2 √ 6 - x6 - x )
gg22 (x)(x) é contínua em S = { xx ∈ R | xx ≤≤ 66}
g’g’22 (x)(x) é contínua em S’ = { xx ∈ R | x < 6x < 6}
|g’g’22 (x)(x)| < 11 ⇔ |1/1/22 √ 6 - x6 - x | < 11 ⇔ x < 5,755,75
É possível obter um intervalo II centrado em
ξξ22 =2=2, tal que todastodas as condições do
Teorema 2 sejam satisfeitas.
Exemplo 16:
108. Elementos de Análise NuméricaEquações não lineares
108
Critérios de parada
Se os valores fossem exatosexatos
f(xf(xkk ) = 0) = 0
||xxkk – x– xk-1k-1 || = 0= 0
Não o sendoNão o sendo
||f(xf(xkk ))|| ≤≤ tolerânciatolerância
||xxkk – x– xk-1k-1 || ≤≤ tolerânciatolerância
Cálculo Numérico – Ponto FixoPonto Fixo
109. Elementos de Análise NuméricaEquações não lineares
109
Algoritmo
k := 0; x0 := x;
while critério de interrupção não satisfeito and kk ≤≤ LL
k := k +1;
xk+1 := g(xk);
endwhile
Cálculo Numérico – Ponto FixoPonto Fixo
110. Elementos de Análise NuméricaEquações não lineares
110
Algoritmo Completo I
(1) Seja f(x) = 0f(x) = 0 e a equação equivalente x = g(x)x = g(x)
Dados: xx00 (aprox. inicial) e εε11 e εε22 (precisões)
Supor que as hipóteses do Teorema 2 foram
satisfeitas
(2) Se: lf(x0)l < εε11 , então: x´= xx´= x00 . FIMFIM
(3) Senão: k = 0k = 0; NI = 1NI = 1;
Cálculo Numérico – Ponto FixoPonto Fixo
111. Elementos de Análise NuméricaEquações não lineares
111
Algoritmo Completo II
(4) xk+1 = g(xk);
(5) Se (lf(xk+1)l < εε11 ou l xk+1 – xk l < εε22 ou NI >L )
Então x´= xx´= xk+1k+1. FIMFIM
(6) xk =xk+1 ; NI = NI+1
Volta para (4)
x’x’ Raiz aproximadax’x’ Raiz aproximada
Cálculo Numérico – Ponto FixoPonto Fixo
112. Elementos de Análise NuméricaEquações não lineares
112
Vantagens:Vantagens:
• Rapidez processo de convergência;
• Desempenho regular e previsível.
Cálculo Numérico – Ponto FixoPonto Fixo
113. Elementos de Análise NuméricaEquações não lineares
113
Desvantagens:Desvantagens:
• Um inconveniente é a necessidade da obtenção de uma
função de iteração g(x)g(x);
• Difícil sua implementação.
Cálculo Numérico – Ponto FixoPonto Fixo
114. Elementos de Análise NuméricaEquações não lineares
114
• Método de Newton-RaphsonNewton-Raphson
Dada uma função f(x)f(x) contínua no intervalo [a,b][a,b] onde
existe uma raiz única, é possível determinar uma
aproximação de tal raiz a partir da interseção da
tangente à curva em um ponto xx00 com o eixo das
abscissas.
xx00 - atribuído em função da geometria do método e do
comportamento da curva da equação nas proximidades
da raiz.
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
115. Elementos de Análise NuméricaEquações não lineares
115
Considerações Iniciais
– Deste modo, escolhido xx00
, a seqüência {x{xkk}} será
determinada por
,
onde k = 0, 1, 2, ...k = 0, 1, 2, ...
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
)x(f
)x(f
xx
k
k
k1k
′
−=+
116. Elementos de Análise NuméricaEquações não lineares
116
Análise Gráfica
x
ξξ
f(x)
x1xx00
x2
x3
1a
iteração
2a
iteração
3a
iteração
4a
iteração
Repete-se o processo até que
o valor de xx atenda às
condições de paradacondições de parada.
Repete-se o processo até que
o valor de xx atenda às
condições de paradacondições de parada.
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
117. Elementos de Análise NuméricaEquações não lineares
117
Estudo da Convergência
TEOREMA 3:
Sendo f(x)f(x), f’(x)f’(x) e f”(x)f”(x) contínuas em um
intervalo II que contém uma raiz x =x = ξξ de f(x) =f(x) =
00 e supondo f’(f’(ξξ)) ≠≠ 00, existirá um intervalo ĪĪ ⊆⊆
II contendo a raiz ξξ, tal que se xx00 ∈∈ ĪĪ, a
seqüência {x{xkk }} gerada pela fórmula recursiva
convergirá para a raiz.
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
)x(f
)x(f
xx
k
k
k1k
′
−=+
118. Elementos de Análise NuméricaEquações não lineares
118
• Testes de Parada
– A cada iteração, testa-se se a aproximação
encontrada poderá ser considerada como a solução
do problema.
• ||f(xf(xkk))|| ≤≤ tolerânciatolerância
• ||((x((xk+1k+1 – x– xkk)/x)/xk+1k+1 ))|| ≤≤ tolerânciatolerância
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
119. Elementos de Análise NuméricaEquações não lineares
119
Algoritmo
k := 0; x0 := x;
while critério de interrupção não satisfeito and kk ≤≤ LL
k := k +1;
xk+1 := xk – f(xk)/f’(xk)
endwhile
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
120. Elementos de Análise NuméricaEquações não lineares
120
Exemplo 17: No Exemplo 13, no qual
xx22
+ x – 6+ x – 6 = 0= 0 :
Seja a raiz ξ2
= 2 e x0
= 1,51,5
Assim:
x1
= g(x0
) = 1,5 – (1,52
+ 1,5 – 6)/(2.1,5 + 1)
x1
= 2,0625000002,062500000
x2
= g(x1
) = 2,0007621952,000762195
x3
= g(x2
) = 2,0000001162,000000116
g(x) = x - f(x)/f’(x) = x – (x 2
+ x – 6)/(2x + 1)
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
121. Elementos de Análise NuméricaEquações não lineares
121
Exemplo 17: Comentários:
A parada poderá ocorrer na 3a
iteração
( x = 2,000000116x = 2,000000116), caso a
precisão do cálculo com 6 casas decimais
for satisfatória para o contexto do trabalho
Observe-se que no Exemplo 10, no Método
do Ponto Fixo com g(x) =g(x) = √√6 - x6 - x só veio a
produzir x = 2,000476818x = 2,000476818 na 5a
iteração
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
122. Elementos de Análise NuméricaEquações não lineares
122
ξ1
∈ I1
= (-1-1, 00), ξξ22
∈ I2
= (11, 22)
Seja x0
= 11
xk+1
= xk
- f(xk
)/f’(xk
)
e g(x) = xx – (x3
- x - 1)/(3x3x22
– 1– 1))
Exemplo 18: Considere-se a função
f(x) =f(x) = xx33
- x - 1- x - 1 , e tol = 0,002tol = 0,002 cujos
zeros encontram-se nos intervalos:
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
123. Elementos de Análise NuméricaEquações não lineares
123
Cálculo da 1ª aproximação
g(xx00) = 1 – [ (1)³ – 1 – 1 ] = 1,51,5
[ 3*(1)² – 1 ]
Teste de Parada
|f(xx00
)| =| 0,875 | = 0,8750,875 > εε
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
Exemplo 18:
124. Elementos de Análise NuméricaEquações não lineares
124
Cálculo da 2ª aproximação
g(xx11) = 1.5 – [ (1.5)³ – 1.5 – 1 ] = 1,34782611,3478261
[ 3*(1.5)² – 1 ]
Teste de Parada
|f(xx11
)| =| 0,100682 | = 0,1006820,100682 > εε
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
Exemplo 18:
126. Elementos de Análise NuméricaEquações não lineares
126
A seqüência {x{xkk}} gerada pelo método de Newton será:
Exemplo 18:
Iteração x F(x)
1 1,51,5 0,8750,875
2 1,34782611,3478261 0,10068220,1006822
3 1,32520041,3252004 0,00205840,0020584
4 1,32471821,3247182 9,24378.109,24378.10
5 1,32471781,3247178 1,86517.101,86517.10
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
-7-7
-13-13
εε = 0,0020,002
127. Elementos de Análise NuméricaEquações não lineares
127
Vantagens:Vantagens:
• Rapidez processo de convergência;
• Desempenho elevado.
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
128. Elementos de Análise NuméricaEquações não lineares
128
Desvantagens:Desvantagens:
• Necessidade da obtenção de f’(x)f’(x) , o que pode ser
impossível em determinados casos;
• O cálculo do valor numérico de f’(x)f’(x) a cada iteração;
• Difícil implementação.
Cálculo Numérico – Newton-Newton-
RaphsonRaphson
129. Elementos de Análise NuméricaEquações não lineares
129
• Método da SecanteSecante
Dada uma função f(x)f(x) contínua no intervalo [a,b][a,b] onde
existe uma raiz única, é possível determinar uma
aproximação de tal raiz a partir da interseção da secante
à curva em dois pontos xx00 e xx11 com o eixo das abscissas.
xx00 e xx11 - atribuídos em função da geometria do método e
do comportamento da curva da equação nas
proximidades da raiz.
Cálculo Numérico – SecanteSecante
130. Elementos de Análise NuméricaEquações não lineares
130
Considerações Iniciais
– Método de Newton-RaphsonNewton-Raphson
• Um grande inconveniente é a necessidade da
obtenção de f’(x)f’(x) e o cálculo de seu valor numérico a
cada iteração
– Forma de desvio do inconveniente
• Substituição da derivada f’(xf’(xkk)) pelo quociente das
diferenças
f’(xf’(xkk) ≈ [f(x) ≈ [f(xkk) - f(x) - f(xk-1k-1)]/(x)]/(xkk - x- xk-1k-1))
onde xxk-1k-1
e xxkk
são duas aproximações para a raiz
Cálculo Numérico – SecanteSecante
131. Elementos de Análise NuméricaEquações não lineares
131
Interpretação Geométrica
A partir de duas aproximações xxk-1k-1
e xxkk
Obtém-se o ponto xxk+1k+1
como sendo a
abscissa do ponto de intersecção do
eixo oxox e da reta que passa pelos
pontos (xxk-1k-1 , f(x, f(xk-1k-1 )) ) e (xxkk , f(x, f(xkk )) )
(secante à curva da função)
Cálculo Numérico – SecanteSecante
132. Elementos de Análise NuméricaEquações não lineares
• Com esse método,
determinamos um ponto a
partir da assimilação da
curva com um segmento
passando pelos pontos
(XE, f(XE)) e (XD, f(YD)).
O candidato para ser raiz é
o ponto de interseção desse
segmento com o eixo x.
Cálculo Numérico – SecanteSecante
Análise Gráfica
133. Elementos de Análise NuméricaEquações não lineares
O segmento (XN,f(XN));
(XD,f(XD)) é usado para
determinar o valor do
passo seguinte.
Cálculo Numérico – SecanteSecante
Análise Gráfica
134. Elementos de Análise NuméricaEquações não lineares
134
• Testes de Parada
– A cada iteração, testa-se se a aproximação
encontrada poderá ser considerada como a solução
do problema.
• ||f(xf(xkk))|| ≤≤ εε
• ||((x((xk+1k+1 – x– xkk)/x)/xk+1k+1 ))|| ≤≤ εε
Cálculo Numérico – SecanteSecante
135. Elementos de Análise NuméricaEquações não lineares
135
Algoritmo
k := 0; x0 := X0; x1 := X1
while critério de interrupção não satisfeito and kk ≤≤ LL
k := k +1;
xk+1 := (xk-1
*f(xk
) - xk
*f(xk-1
))/(f(xk
) - f(xk-1
)) endwhile
Cálculo Numérico – SecanteSecante
136. Elementos de Análise NuméricaEquações não lineares
136
Vantagens:Vantagens:
• Rapidez processo de convergência;
• Cálculos mais convenientes que do método de Newton;
• Desempenho elevado.
Cálculo Numérico – SecanteSecante
137. Elementos de Análise NuméricaEquações não lineares
137
Desvantagens:Desvantagens:
• Se o cálculo f’(x)f’(x) não for difícil, então o método logo
será substituído pelo de Newton-Raphson;
• Se o gráfico da função for paralela a um dos eixos e/ou
tangencia o eixo das abscissas em um ou mais pontos,
logo não se deve usar o método da SecanteSecante ;
• Difícil implementação.
Cálculo Numérico – SecanteSecante
138. Elementos de Análise NuméricaEquações não lineares
138
Análise Comparativa dos
Métodos
• Garantias de ConvergênciaGarantias de Convergência
• Rapidez de ConvergênciaRapidez de Convergência
• Esforço ComputacionalEsforço Computacional
Critérios de Comparação
139. Elementos de Análise NuméricaEquações não lineares
139
Análise Comparativa dos
Métodos
• BissecçãoBissecção e Falsa PosiçãoFalsa Posição
– Convergência garantidaConvergência garantida, desde que a função
seja contínuacontínua num intervalo [aa,bb], tal que
f(a)f(b)<0f(a)f(b)<0
Garantias de Convergência dos Métodos
Ponto FixoPonto Fixo , Newton-RaphsonNewton-Raphson e SecanteSecante
Condições mais restritivasmais restritivas de
convergência
Se as condições de convergência forem
satisfeitassatisfeitas, os dois últimos métodos são
mais rápidosmais rápidos do que os demais estudados
140. Elementos de Análise NuméricaEquações não lineares
140
Análise Comparativa dos
Métodos
• Número de IteraçõesNúmero de Iterações Medida
usualmente adotada para a determinação da
rapidez de convergênciarapidez de convergência de um método
• Não deve ser uma medida conclusivaconclusiva sobre
o tempo de execução do programa
• Tempo gastoTempo gasto na execução de uma
iteração VariávelVariável de método para
método
Rapidez de Convergência
141. Elementos de Análise NuméricaEquações não lineares
141
Análise Comparativa dos
Métodos
• Indicadores
– Número de operaçõesoperações efetuadas a cada
iteração;
– ComplexidadeComplexidade das operações;
– Número de decisõesdecisões lógicas;
– Número de avaliaçõesavaliações de função a cada
iteração; e
– Número total de iteraçõesiterações.
Esforço Computacional
142. Elementos de Análise NuméricaEquações não lineares
142
Análise Comparativa dos
Métodos
• Conclusões gerais sobre a eficiência
computacional de um método.
– BissecçãoBissecção Cálculos mais simplessimples por
iteração
– NewtonNewton Cálculos mais elaboradoselaborados
– Número de iterações da BissecçãoBissecção é, na grande
maioria das vezes, muito maiormuito maior do que o
número de iterações efetuadas por NewtonNewton
Esforço Computacional
143. Elementos de Análise NuméricaEquações não lineares
143
Análise Comparativa dos
Métodos
• Convergência asseguradaConvergência assegurada
• Ordem de convergência altaOrdem de convergência alta
• Cálculos por iteração simplesCálculos por iteração simples
Condições a Serem Satisfeitas pelo
Método Ideal
144. Elementos de Análise NuméricaEquações não lineares
144
Análise Comparativa dos
Métodos
• Newton-RaphsonNewton-Raphson Caso seja fácil a
verificação das condições de convergência
e o cálculo de f´(x)f´(x)
• SecanteSecante Caso seja trabalhoso obter e/ou
avaliar f´(x)f´(x), uma vez que não é necessária
a obtenção de f´(x)f´(x)
Escolha do Melhor Método
145. Elementos de Análise NuméricaEquações não lineares
145
Análise Comparativa dos
Métodos
• Se o objetivo for a reduçãoredução do intervalo
que contém a raiz BissecçãoBissecção ou FalsaFalsa
PosiçãoPosição ModificadoModificado (nãonão usar o Método da
FalsaFalsa PosiçãoPosição)
• Se a escolha parte de um valor inicialvalor inicial para
a raiz Newton-RaphsonNewton-Raphson ou da SecanteSecante
(pois trabalham com aproximações xxkk para
a raiz exata)
Critério de Parada Detalhe importanteimportante
na escolha do método
146. Elementos de Análise NuméricaEquações não lineares
146
Análise Comparativa dos
Métodos
• Situações nas quais se deve evitar o uso do
Método de Newton-RaphsonNewton-Raphson e da SecanteSecante
– Tendência da curva ao paralelelismoparalelelismo a
qualquer um dos eixos
– Tendência da função à tangênciatangência ao eixo das
abscissas em um ou mais pontos.
Observações Importantes
147. Elementos de Análise NuméricaEquações não lineares
147
Análise Comparativa dos
Métodos
• Escolha do método Diretamente
relacionada com a equaçãoequação cuja solução é
desejada
– Comportamento da função na região da raiz
exata
– Dificuldades com o cálculo de f´(x)f´(x)
– Critério de parada, etc.
Conclusão
148. Elementos de Análise NuméricaEquações não lineares
148
Análise Comparativa dos
Métodos Exemplo 01: f(x) = xf(x) = x33
– x – 1– x – 1
x1 2 3 4
y
50-1-2-3-4
1
2
3
4
-4
-3
-2
-1
ξξ ∈ [11, 22 ],], ε1
= ε2
= 1010 -6-6
149. Elementos de Análise NuméricaEquações não lineares
149
Análise Comparativa dos
Métodos
Exemplo 01:
φ(x) = (x+1)φ(x) = (x+1)1/31/3
441,598683 x 101,598683 x 10--44
--1,186057 x 101,186057 x 10--66
1,3247181,324718[ 1,2][ 1,2]FPMFPM
881,221868 x 101,221868 x 10--66
1,417347 x 101,417347 x 10--99
1,3247181,324718
xx00 = 0,2= 0,2
xx11 = 0,5= 0,5
SecanteSecante
21216,275822 x 106,275822 x 10--77
2,746469 x 102,746469 x 10--1212
1,3247181,324718xx00 = 0= 0New tonNew ton
991,882665 x 101,882665 x 10--66
2,493994 x 102,493994 x 10--66
1,3247181,324718xx00 = 1= 1Ponto FixoPonto Fixo
34342,614434 x 102,614434 x 10--66
--1,087390 x 101,087390 x 10--55
1,3247151,324715[ 1,2][ 1,2]Falsa PosiFalsa Posiççãoão
18182,879637 x 102,879637 x 10--66
2,209495 x 102,209495 x 10--66
1,3247181,324718[ 1,2][ 1,2]BissecBissecççãoão
## dede
iteraiteraççõesõesErro em xErro em x
f(x)f(x)xx
DadosDados
iniciaisiniciais
441,598683 x 101,598683 x 10--44
--1,186057 x 101,186057 x 10--66
1,3247181,324718[ 1,2][ 1,2]FPMFPM
881,221868 x 101,221868 x 10--66
1,417347 x 101,417347 x 10--99
1,3247181,324718
xx00 = 0,2= 0,2
xx11 = 0,5= 0,5
SecanteSecante
21216,275822 x 106,275822 x 10--77
2,746469 x 102,746469 x 10--1212
1,3247181,324718xx00 = 0= 0New tonNew ton
991,882665 x 101,882665 x 10--66
2,493994 x 102,493994 x 10--66
1,3247181,324718xx00 = 1= 1Ponto FixoPonto Fixo
34342,614434 x 102,614434 x 10--66
--1,087390 x 101,087390 x 10--55
1,3247151,324715[ 1,2][ 1,2]Falsa PosiFalsa Posiççãoão
18182,879637 x 102,879637 x 10--66
2,209495 x 102,209495 x 10--66
1,3247181,324718[ 1,2][ 1,2]BissecBissecççãoão
## dede
iteraiteraççõesõesErro em xErro em x
f(x)f(x)xx
DadosDados
iniciaisiniciais
150. Elementos de Análise NuméricaEquações não lineares
150
Análise Comparativa dos
Métodos Exemplo 02: xx22
+ x – 6+ x – 6 = 0= 0
g(x)g(x)
x
y
1 3 4 50-1-2-4
1
2
3
4
-4
-3
-2
-1
-6
-5
-3 2
ξξ ∈ [11, 33 ],], ε1
= ε2
= 1010 -6-6
151. Elementos de Análise NuméricaEquações não lineares
151
Exemplo 02:
Análise Comparativa dos
Métodos
φ(x) = (6 - x)φ(x) = (6 - x)1/21/2
18182,450482 x 102,450482 x 10--77
--2,397253 x 102,397253 x 10--66
2,0000002,000000[ 1;2,5][ 1;2,5]FPMFPM
559,798250 x 109,798250 x 10--66
--4,230246 x 104,230246 x 10--88
2,0000002,000000
xx00 = 1,0= 1,0
xx11 = 1,2= 1,2
SecanteSecante
445,820766 x 105,820766 x 10--1010
5,820766 x 105,820766 x 10--99
2,0000002,000000xx00 = 1= 1New tonNew ton
11115,696906 x 105,696906 x 10--77
1,139381 x 101,139381 x 10--66
2,0000002,000000xx00 = 1= 1Ponto FixoPonto Fixo
42428,548295 x 108,548295 x 10--88--2,479001 x 102,479001 x 10--66
2,0000002,000000[ 1;2,5][ 1;2,5]Falsa PosiFalsa Posiççãoão
20207,152561 x 107,152561 x 10--77
2,384186 x 102,384186 x 10--66
2,0000002,000000[ 1;2,5][ 1;2,5]BissecBissecççãoão
# de# de
iteraiteraççõesões
Erro em xErro em xf(x)f(x)xx
DadosDados
iniciaisiniciais
18182,450482 x 102,450482 x 10--77
--2,397253 x 102,397253 x 10--66
2,0000002,000000[ 1;2,5][ 1;2,5]FPMFPM
559,798250 x 109,798250 x 10--66
--4,230246 x 104,230246 x 10--88
2,0000002,000000
xx00 = 1,0= 1,0
xx11 = 1,2= 1,2
SecanteSecante
445,820766 x 105,820766 x 10--1010
5,820766 x 105,820766 x 10--99
2,0000002,000000xx00 = 1= 1New tonNew ton
11115,696906 x 105,696906 x 10--77
1,139381 x 101,139381 x 10--66
2,0000002,000000xx00 = 1= 1Ponto FixoPonto Fixo
42428,548295 x 108,548295 x 10--88--2,479001 x 102,479001 x 10--66
2,0000002,000000[ 1;2,5][ 1;2,5]Falsa PosiFalsa Posiççãoão
20207,152561 x 107,152561 x 10--77
2,384186 x 102,384186 x 10--66
2,0000002,000000[ 1;2,5][ 1;2,5]BissecBissecççãoão
# de# de
iteraiteraççõesões
Erro em xErro em xf(x)f(x)xx
DadosDados
iniciaisiniciais