Escolar Documentos
Profissional Documentos
Cultura Documentos
Tema 2. Raízes de Equações
Algébricas e Transcendentes
y 5 x 2 x3 7 x 6 y 5 x 2 x3 7 x 6 0
Introdução
• Funções transcendentes
– Aquelas funções que não podem ser computadas
com um número finito de operações algébricas
– Transcendentes ≠ Algébricas
– Funções: trigonométricas, exponenciais,
logarítmicas, ...
– Exemplos:
y ln x 1 sen 3 x 0,5
0,2 x
2
ye
Introdução
• O cálculo de raízes é um dos problemas
básicos de analise numérica
y=f(x)
y=0, x=xt , f(xt)=0
xt x
– Métodos aproximados
Introdução
• Métodos aproximados para calcular raízes:
– Métodos intervalares
• Isolar a raiz em um intervalo
• Diminuir sistematicamente o tamanho do
intervalo
– Métodos abertos
• Iterações sistemáticas de tentativa e erro
• Não precisam isolar a raiz
Método gráfico
• Ao calcularmos as raízes é recomendável
plotar o gráfico da função
• O gráfico fornece algumas informações:
Método gráfico
f(x1)
f(x2) x2
xl x3 p x1 xr x
f(x3)
f(xl)
x1
xl xr
x2 xr
xl
• x4? xl
x3
xr
Método de Bisseção
• Exemplo 1: Utilize o método da bisseção para
calcular as raízes da função f(x) = e-x – x, no
intervalo [0, 1]
‒ Arquivo Excel
‒ Figura (próximo slide)
Exemplo 1 ...
xl x4 x3 x2 xu
x1
Método de Bisseção
• Quando deter o processo iterativo?
− Estabelecer uma tolerância (ε)
− Verificar um critério de parada, alternativas:
a) xu xl
b) f xn
c) xn xn 1
d) xn xn 1 xn
− Qual o melhor alternativa?
Método de Bisseção
• Exemplo 2: Para as condições do exemplo 1
calcule os desvios relativos verdadeiros
considerando o valor exato da raiz xr =
0,5671432. Compare com os erros obtidos no
processo iterativo.
T ,i 100 xr xi xr (%)
a ,i 100 xi xi 1 xi (%)
‒ Arquivo Excel
Exemplo 2 ...
Método de Bisseção – Algoritmo 1
Entrada: Função, [xl, xu], TOL
Saída: Raiz aproximada xi
1 i = 0, ea = 100, x=xl
2 Enquanto (ea > TOL)
3 xold = x
4 x = (xl + xu)/2
5 i = i + 1
6 ea = ABS((x – xold)/x)*100
7 Se (f(xl)*f(x)<0) Então
8 xu = x
9 Senão
10 xl = x
11 Fim-se
12 Fim-enquanto
13 Saída (x)
Método de Bisseção ‐ Algoritmo
• Quais os problemas do algoritmo anterior?
‒ Não existe parada por numero máximo de
iterações
‒ Não prevê a divisão por zero no cálculo do erro
‒ Não aproveita as avaliações da função de uma
iteração para outra
Método de Bisseção – Algoritmo 2
Entrada: Função, [xl, xu], TOL, Imax
Saída: Raiz aproximada xi
1 i = 0, ea = 100, x = xl, fl = f(xl)
2 Enquanto (ea > TOL) e (i<Imax)
3 xold = x
4 x = (xl + xu)/2, fx=f(x)
5 i = i + 1
6 Se (x<>0)
7 ea = ABS((x – xold)/x)*100
8 Fim-se
9 Se (fl*fx<0) Então
10 xu = x
11 Senão
12 xl = x, fl = fx
13 Fim-se
14 Fim-enquanto
15 Saída (x)
Método de Bisseção
• Exemplo 3: Utilizar o método da bissecção
para calcular a raiz de x3+5x2-10 em [-5,2].
f ( x) x 5 x 10,
3 2
xl -5, xr 2
f ( xl ) f (5) 10
f ( xr ) f (2) 18
f ( xl ) f ( xu ) 0, segundo o TVI existe raiz
• Vantagens
– Incondicionalmente convergente
– Fácil implementação
– Requer apenas uma avaliação da função f(x)
Método de Falsa Posição
• Método de bisseção = força bruta
• Na bisseção a estimativa da raiz é o ponto médio
do intervalo
• Os valores absolutos de f(xl) e f(xu) não são
considerados
• A raiz estará mais próxima do extremo (xl ou xu)
com |f(x)| mais próximo de zero
• Exploramos esse fato escolhendo como
estimativa da raiz a interseção com o eixo x da
reta que une os pontos (xl, f(xl)) e (xu, f(xu))
Método de Falsa Posição
Multiplicações 1 2
Subtração/Adição 3 2
Divisões 1 1
Avaliação de função 3 4
Método de Falsa Posição
• Finalmente:
f ( xu ) xl xu
xi 1 xu
f ( xu ) f ( xl )
• Vantagens
– Fácil implementação
– Converge mais rapidamente que bisseção
– Aproxima‐se continuamente da raiz
– Requer apenas uma avaliação da função f(x)
ROTEIRO
• Introdução
• Método gráfico
• Métodos intervalares
– Método de Bisseção
– Método de Falsa Posição
• Métodos abertos
– Método de Ponto Fixo
– Método de Newton‐Raphson
– Método da Secante
• Comentários finais
Métodos Abertos
• Baseados em fórmulas iterativas que exigem uma
ou duas estimativas iniciais
• As estimativas inicias não precisam delimitar a
raiz
Métodos de Ponto Fixo
• Iteração de um ponto ou método de
aproximações sucessivas
• Dada a equação: f(x) = 0
• Reescrevemos ela na forma: x = g(x)
Método de Ponto Fixo
• Exemplos
f ( x) x 2 2 x 3 0 f ( x) sen x 0
x2 3 x sen x x
x
2 g ( x) sen x x
x2 3
g ( x)
2
• Em funções onde não é possível explicitar x
• A expressão de ponto fixo obtêm‐se somando x
em ambos os lados da equação
Método de Ponto Fixo
• Utilizamos a expressão de ponto fixo para
implementar um processo iterativo na forma
xi 1 g ( xi ), i 0,1, 2,
• Até que
xi 1 xi
a ,i 1 100 TOL
xi 1
• Qual a condição de
convergência em PF?
• Depende da curvatura
de g(x) e de x0
Método de Ponto Fixo – Convergência
• Equação iterativa: xi+1 = g(xi) (i)
• Na solução do problema xr = g(xr) (ii)
• Subtraindo (i) – (ii)
xr xi 1 g ( xr ) g ( xi ) (iii)
• Teorema do valor médio para derivadas
– Se a função g(x) e suas derivadas forem contínuas no
intervalo [xi, xr], existe um valor tal que
g ( xr ) g ( xi ) (iv)
g ( )
xr xi
– com xr , xi .
Método de Ponto Fixo – Convergência
• Substituindo g(xr) - g(xi) da eq. (4) na eq. (3)
xr xi 1 xr xi g ( )
• xr-xi+1, erro verdadeiro na iteração i+1, ET,i+1
• xr-xi, erro verdadeiro na iteração i, ET,i
ET ,i 1 ET ,i g ( )
• Concluindo
• Se |g’(x)|<1 o erro diminui a cada iteração e o método converge
• Se |g’(x)|>1 o erro aumenta e o método poderia diverger
• O erro é proporcional ao erro na iteração anterior, o
método é linearmente convergente
Método de Ponto Fixo – Convergência
• Para uma equação f(x) existem múltiplas
alternativas para escolher g(x)
• Por exemplo f(x) = x 3 + 4x2 – 10 temos
– g1(x) = x – x3 – 4x2 + 10
1
10 2
– g 2 ( x)
x4
x3 4 x 2 10
– g3 ( x) x
3x 8 x
2
• Vantagens
– Muito fácil implementação
– Existe um critério de convergência
– Pouco custo computacional (sem testes condicionais)
– Requer apenas uma avaliação da função f(x)
Método de Newton‐Raphson
• O método NR é um dos métodos numéricos mais
utilizados para resolver o problema de calcular raízes
de uma equação
• Suponha que a função f(x) seja continua e
duplamente diferençável no intervalo [xl, xu], i.e,
f C2 [xl, xu]
• Seja xi [xl, xu] uma aproximação para xr tal que
f’(xi)≠0 e | xi - xr | seja pequeno
Método de Newton‐Raphson
• Podemos escrever o polinômio de Taylor para f(x) em
torno de xi na forma:
x xi
2
f ( x) f xi x xi f xi f xi
2
• Avaliamos a expressão anterior para x = xr,
consideramos f(xr)=0, e que o termo de segunda
ordem (xr - xi) é desprezível, obtemos:
0 f xi xr xi f xi
• Resolvendo para xr :
f xi
xr xi
f xi
Método de Newton‐Raphson
• A expressão anterior é a base para o método de NR,
que se fundamenta em gerar uma sequência {xi} que
converge para xr definida na forma
f xi
xi 1 xi
f xi
• Obviamente método de NR não pode ser continuado
se f’(xi)=0 para algum valor da sequência
• A sequência é gerada até que
xi 1 xi
a ,i 1 100 TOL
xi 1
Método de Newton‐Raphson
• Exemplo 9: Utilize o método de Newton para calcular
as raízes da função f(x) = e-x – x, considerando
x0 = 0. Calcule o erro verdadeiro e aproximado em
cada iteração.
f x e x 1
– Arquivo Excel
– O erro aproximado comporta‐se como uma cota
superior ao erro verdadeiro
– Converge rapidamente, NR iter = 4, PF iter = 10
Método de Newton‐Raphson
• Interpretação gráfica
• Reta:
y
Inclinação f’(x1)
xi , f ( xi )
y=f(x) m f ( xi )
y mx n
n f ( xi ) xi f ( xi )
x0 x2 Inclinação f’(x0)
p x1 x
• Interseção
xi 1 , 0
f xi
xi 1 xi
f xi
Método de Newton‐Raphson
• Cálculo do erro
– Obtivemos a fórmula de NR partindo da fórmula de
Taylor
x xi
2
f ( x) f xi x xi f xi f (v)
2
– Ao avaliarmos (v) em xr obtemos
xr xi
2
0 f xi xr xi f xi f (vi)
2
– Podemos escrever a fórmula de NR na forma:
0 f xi xi 1 xi f xi (vii)
Método de Newton‐Raphson
• Cálculo do erro
– Subtraindo (vi) – (vii) obtemos
xr xi
2
0 xr xi 1 f xi f (viii)
2
– xr-xi+1, erro verdadeiro na iteração i+1, ET,i+1
– xr-xi, erro verdadeiro na iteração i, ET,i
ET2,i
0 ET ,i 1 f xi f , xi xr , xr
2
f xr
– Finalmente: ET ,i 1 E 2
2 f xr
T ,i
Método de Newton‐Raphson
• Expressão para o cálculo do erro
f xr
ET ,i 1 ET ,i
2
2 f xr
– O método diverge
– Isto ocorre quando existe um ponto de inflexão
f´´(x) = 0 na vizinhança da raiz
Método de Newton‐Raphson
• Problemas
– O método diverge
– Ocorre divisão por zero f´(x) = 0
Método de Newton‐Raphson
• Convergência
– Não existe um critério geral que garanta a
convergência do método
– A convergência depende da natureza da função e da
acurácia da aproximação inicial
– A única alternativa é encontrarmos uma aproximação
inicial o suficientemente próxima da raiz
• Teorema: Seja f(x) C2 [xl, xu]. Se xi [xl, xu]é tal
que f(xi)=0 e f’(xi)≠0, então existe um ∂>0 tal que o
método de Newton gera uma sequência {xi}
convergente para xr para qualquer aproximação
inicial x0 [xi -∂, xi +∂].
Método de Newton Raphson‐ Algoritmo
Entrada: Função f, f’, x0, TOL, Imax
Saída: Raiz aproximada xi
1 i = 0
2 ea = 100
3 x = x0
4 Enquanto (ea > TOL) e (i<Imax)
5 xold = x
6 i = i + 1
7 x = xold – f(xold)/f’(xold)
8 Se (x<>0)
9 ea = ABS((x – xold)/x)*100
10 Fim-se
15 Fim-enquanto
16 Saída (x, i)
• Vantagens
– Alta velocidade convergência
– Convergência quadrática
Método da Secante
• O método de NR é muito eficiente, entretanto
apresenta uma grande dificuldade: a necessidade de
calcular f’(x) em cada iteração,
• Para algumas funções f’(x) é muito mais complicada
e precisa de muitas mas operações aritméticas que
f(x), por exemplo
f ( x) x 2 3x cos(2 x)
f ( x) 2 x3x cos(2 x) x 2 3x ln 3cos(2 x) 2 x 2 3x sen(2 x)
• Para contornar este problema uma alternativa é
utilizar o método da secante
Método da Secante
• Usamos a definição de derivada
f ( x) f ( xi )
f ( xi ) lim
x xi x xi
• Consideremos x = xi-1
f ( xi 1 ) f ( xi )
f ( xi )
xi 1 xi
• Utilizando a aproximação anterior para a derivada na
expressão de NR obtemos
f xi xi 1 xi
xi 1 xi (ix)
f xi 1 f xi
Método da Secante
• A formula da secante, eq. (ix), permite calcular uma
sequência {xi} que converge para xr,
• Para utilizarmos o método da secante precissamos
duas aproximações iniciais x0, x1
• Interpretação gráfica
y
y=f(x)
x3
x0 x2
xr x1 x • x4?
Método da Secante
• Exemplo 10: Utilize o método da secante para
calcular as raízes da função f(x) = e-x – x,
considerando x0 = 0 e x1 = 1.0 . Calcule o erro
verdadeiro e aproximado em cada iteração.
– Arquivo Excel
– O erro aproximado comporta‐se como uma cota
superior ao erro verdadeiro
– Converge rapidamente, Secante iter = 4, NR iter = 4,
PF iter = 10
Método da Secante‐ Algoritmo
Entrada: Função f, x0, x1, TOL, Imax
Saída: Raiz aproximada xi
1 i = 0
2 ea = 100
3 Enquanto (ea > TOL) e (i<Imax)
4 i = i + 1
5 f0 = f(x0)
6 f1 = f(x1)
7 x = x1 – f1*(x0-x1)/(f0-f1)
8 Se (x<>0)
9 ea = ABS((x – xold)/x)*100
10 Fim-se
11 x0 = x1
12 x1 = x
13 Fim-enquanto
14 Saída (x, i)
Método da Secante
• Quais as diferenças do método da secante com o
método de falsa posição?
Secante Falsa posição
f xi xi 1 xi f ( xu ) xl xu
xi 1 xi xi 1 xu
f xi 1 f xi f ( xu ) f ( xl )
• Método aberto • Método intervalar
• A substituição na • A substituição considera os
construção da sequencia valores absolutos de f(xl) e f(xu)
segue uma ordem estrita
• [xi, xi-1] sempre contem a raiz
• [xi, xi-1] pode não conter a
• Sempre converge
raiz
• Pode divergir
Falsa posição vs Secante
• i=0
• i=1
Método da Secante
• Desvantagens
– Convergência depende das escolhas inicias
– Não existe um critério de convergência
– Precisa duas aproximações iniciais, alto consumo de
memória
• Vantagens
– Velocidade convergência média
– Convergência entre quadrática e linear
– Menos operações aritméticas que NR, não precisa da
derivada
Comentários Finais
• Para calcularmos uma raiz é conveniente:
– Localizar a raiz
– Isolar a raiz