Escolar Documentos
Profissional Documentos
Cultura Documentos
(EEL7031)
1
Objetivo Geral
Objetivos
Estudar o problema de determinar, por métodos numéricos, as
raízes de polinômios e equações transcendentais.
Tópicos principais
Introdução.
O método da bissecção
O método da secante.
O método da posição falsa
O método de Newton.
Análise de erros e aceleração da convergência.
O método de Müller.
Análise dos métodos e de software. 2
Introdução
Problema de interesse
Dado uma função f : ℜ → ℜ determinar a existência e o valor de:
x tal que f ( x) = 0
Histórico
Os primeiros estudos datam do Século IX, realizados por matemáticos
árabes que difundiram a utilização do sistema decimal e do zero na
escrita de números.
Em 1746, D’Alembert enunciou o Teorema Fundamental da Álgebra,
demonstrado por Gauss em 1799, que estabelece: “toda a equação
polinomial de grau n possui exatamente n raízes”.
O matemático Niels Abel, em 1824, provou que as equações de
quinto grau ou superior não podem ser resolvidas por radicais e
combinações de coeficientes.
A partir destes resultados e até os dias atuais, os métodos de cálculo
das n raízes de um polinômio de grau n são voltados aos métodos
iterativos. 3
Introdução
Características dos métodos iterativos
Os métodos iterativos são constituídos por 4 partes principais:
Estimativa inicial: uma ou mais aproximações para a raiz
desejada.
Atualização: uma fórmula que atualize a solução aproximada.
Critério de parada: uma forma de estabelecer quando parar o
processo iterativo em qualquer caso.
Estimador de exatidão: está associado ao critério de parada e
provê uma estimativa do erro cometido.
4
Introdução
Critérios de parada
Há 4 critérios básicos de parada de métodos iterativos:
Tolerância relativa na variável: xi − xi −1 < ε
1
xi
Tolerância absoluta na função: f ( xi ) < ε 2
Algoritmo geral
Calcular f (x) no ponto médio de [a, b] : p = ( a + b) / 2
Se f ( x p ) ≠ 0 escolhe-se um novo intervalo de modo que f (x)
tenha sinais opostos nas extremidades f ( a ) ∗ f ( x p ) < 0 ou
f (b) ∗ f ( x p ) < 0
Repetir os passos anteriores até atingir a precisão desejada. 6
O método da bissecção
Algoritmo geral
Um intervalo [ an +1 , bn +1 ] contendo uma aproximação para a raiz
de f ( x ) = 0 é construído de um intervalo [ an , bn ] contendo a
raiz, como segue:
Calcule:
bn − an
pn = an + , n = 1,2,…
2
Então, faça:
an +1 = an e bn +1 = pn ; se f (an ) ∗ f ( pn ) < 0
e
an +1 = pn e bn +1 = bn ; se f (an ) ∗ f ( pn ) > 0
7
O método da bissecção
Algoritmo 5.3 Se f ( pi ) ∗ f a < 0
então :
1. Entrar dados (a, b, f(x), ε 1 , ε 2 , nmax | f (a ) ∗ f (b) < 0)
ai +1 ← ai , f a ← f (ai +1 )
2. Faça a1 ← a, b1 ← b, i ← 1
bi +1 ← pi , f b ← f (bi +1 )
3. Faça f a ← f (a1 ), f b ← f (b1 ) e f a ∗ f b
senão :
4. Se f a ∗ f b > 0, saída
ai +1 ← pi , f a ← f (ai +1 )
" intervalo [a,b] inadequado" , vá p/ Fim.
bi +1 ← bi , f b ← f (bi +1 )
5. Enquanto f a > ε 2 e f b > ε 2 e i < nmax
5.4 i = i + 1
5.1 Se ai − bi < ε 1 ∗ ai
6. Se i > nmax , saída
então : saída {ai , bi }, vá p/ Fim. " Não atingiu a exatidão em nmax iterações
5.2 pi ← 0.5 * (ai + bi )
7. Se f a ≤ ε 2 , saída " p = {ai +1}" , vá p/ Fim
8. Se f b ≤ ε 2 , saída " p = {bi +1}"
7. Fim : Pare.
8
O método da bissecção
Exemplo
Determine a raiz de f ( x) = x 3 + 4 x 2 − 10 = 0 no intervalo [1,2]
9
O método da bissecção
Análise de convergência
Para cada passo do método, o comprimento do intervalo conhecido é
divido por 2. Então, pode-se escrever:
b−a
pn − p ≤
2n
Assim, pode-se determinar um limite para o número necessário de
iterações para assegurar uma determinada tolerância TOL, ou seja:
b−a b−a b−a
n
< TOL <2 n n > log 2
2 TOL TOL
Seja p a raiz de f(x) e seja E j = p − p j o erro na iteração j. Uma vez que
p j + p j −1 Ej E j +1 1
p j +1 = , ∋ f ( p j ) ∗ f ( p j −1 ) < 0 E j +1 ≤ ⇔ ≤
2 2 Ej 2
Logo: E j +1 1
lim j →∞ = O método da bissecção tem
Ej 2 convergência linear
10
O método da bissecção
Comentários
Teoricamente, o método é seguro e converge em um número fixo de
iterações, tanto menor quanto menor for o intervalo [a,b]. Contudo,
poderão ocorrer dificuldades para:
Identificar a existência de raízes em um intervalo [a,b] qualquer, ao
longo do processo iterativo, se ocorrer um erro de arredondamento,
mesmo que pequeno, no momento em que se avalia o sinal da função
nos extremos ou no ponto médio de [a,b].
encontrar um intervalo inicial para funções que possuam raízes de
multiplicidade par ou muito próximas, tais como aquelas ilustradas nas
figuras abaixo.
11
O método da secante
Elementos básicos
Definir um intervalo [ p1 , p0 ] e os pontos ( p0 , f ( p0 ) ) e ( p1 , f ( p1 ) )
Construir a linha reta definida pelos pontos acima - secante de f(x).
Escolher como solução a interseção da reta com o eixo x
Repetir o procedimentos sucessivamente para os intervalos
[ p2 , p1 ], [ p3 , p2 ],… , [ pn , pn −1 ]
( p1 , f ( p1 ))
( p0 , f ( p0 ))
12
O método da secante
Formulação matemática
A equação da linha secante através
de ( p0 , f ( p0 )) e ( p1 , f ( p1 )) é:
f ( p1 ) − f ( p0 )
y = f ( p1 ) + ( x − p1 )
p1 − p0
A intersecção com o eixo x em (p2,0)
satisfaz:
f ( p1 ) − f ( p0 ) f ( p1 )( p1 − p0 )
0 = f ( p1 ) + ( p2 − p1 ) p2 = p1 −
p1 − p0 f ( p1 ) − f ( p0 )
Generalizando, resulta: f ( pn )( pn − pn −1 )
pn +1 = pn − ; n = 1,2,…
f ( pn ) − f ( pn −1 )
Advertência
Embora algebricamente equivalente recomenda-se, para se evitar
cancelamentos subtrativos, não substituir a equação de iteração
f ( pn )( pn − pn −1 ) f ( pn −1 ) pn − f ( pn ) pn −1
pn +1 = pn − por pn +1 =
f ( pn ) − f ( pn −1 ) f ( pn −1 ) − f ( pn )
14
O método da secante
Exemplo
Determine a raiz de f ( x) = x 3 + 4 x 2 − 10 = 0 no intervalo [1,2]
(b, f (b))
a = p0
b = p1
b = p1
(a, f (a )) 16
O método da posição falsa
Passos principais
Com a1=a e b1=b, a aproximação p2 é (b1 , f (b1 ))
dada por:
f (a1 )(b1 − a1 ) a1 = p 0
p2 = a1 − b1 = p 1
f (b1 ) − f (a1 )
Se f ( p2 ) ∗ f (a1 ) < 0,
faça : a2 = a1 e b2 = p2
(a1 , f (a1 ))
Se f ( p2 ) ∗ f (b1 ) < 0,
faça : a2 = p2 e b2 = b1
Calcule:
f (a2 )(b2 − a2 )
p3 = a2 −
f (b2 ) − f (a2 )
Seguir o procedimento para p4,...,pn
17
O método da posição falsa
Algoritmo geral
Um intervalo [ an +1 , bn +1 ], para n > 1, contendo uma aproximação para
a raiz de f ( x ) = 0, é encontrada de um intervalo [ an , bn ] contendo a
raiz calculando-se:
f (an )(bn − an )
pn +1 = an −
f (bn ) − f (an )
Então faça:
an +1 = an e bn +1 = pn +1 ; se f (an ) ∗ f ( pn +1 ) < 0
e
an +1 = pn +1 e bn +1 = bn ; se f (an ) ∗ f ( pn +1 ) > 0
19
O método de Newton
Elementos básicos
Sejam f(x),f’(x) e f’’(x) contínuas em [a,b] e
p o único zero de f(x) em [a,b].
Escolher uma solução inicial po para p
Fazer uma expansão em série de Taylor
para f ( x) = f ( p0 + ∆p0 ) = 0
∆p0 (∆p0 ) 2
f ( p0 + ∆p0 ) = f ( p0 ) + f ′( p0 ) + f ′′( p0 ) +…
1! 2!
Tomando-se 2 termos das série, resulta:
f ( pn )
pn +1 = pn − ; n = 1,2,…
f ′( pn )
21
O método de Newton
Exemplo
Determine a raiz de f ( x) = x 3 + 4 x 2 − 10 = 0 no intervalo [1,2]
f ( pn )
pn +1 = pn −
f ′( pn )
22
O método de Newton
Análise de convergência
Considere p ser uma solução para f ( x) = 0 e que f’’ existe em um
intervalo contendo p e a aproximação pn. Expandindo f em série de
Taylor para pn e calculando para x = p, resulta:
f ′′(ξ )
0 = f ( p ) = f ( pn ) + f ′( pn )( p − pn ) + ( p − pn ) 2 ξ está entre pn e p
2
Conseqüentemente, se f ′( pn ) ≠ 0 , obtém-se:
f ( pn ) f ′′(ξ )
( p − pn ) + =− ( p − pn ) 2
f ′( pn ) 2 f ′( pn )
f ( pn )
Substituindo-se pn +1 = pn − na equação acima, resulta:
f ′( pn )
f ′′(ξ )
( p − pn +1 ) = − ( p − pn ) 2
2 f ′( pn ) 23
O método de Newton
Análise de convergência (cont.)
Se existir uma constante positiva M tal que f ′′( x) ≤ M em um
intervalo em torno de p, e se pn estiver neste intervalo, pode-se
reescrever
f ′′(ξ )
( p − pn +1 ) = − ( p − pn ) 2
2 f ′( pn )
Como:
M 2
p − pn +1 ≤ p − pn
2 f ′( pn )
Comentários
O erro p − pn +1 da (n+1)ésima aproximação é limitado por
aproximadamente o quadrado do erro da (n)ésima aproximação p − pn
O método de Newton converge quadraticamente se f ′( pn ) ≠ 0 e
se p0 é suficientemente próximo de p. 24
O método de Newton
Situações de dificuldades para o método de Newton
Os gráficos abaixo ilustram situações em que ocorrem dificuldades
para a convergência do método de Newton
Caso 1 Caso 2
Caso 3 25
O Método da Iteração Linear - MIL
Elementos gerais
Seja f (x) uma função contínua em [a, b] , intervalo que contém
uma raiz de f ( x) = 0. O MIL consiste em:
transformar f ( x) = 0 em x = ϕ (x) ;
tomar um valor inicial para x = x0 ;
gerar uma seqüência {xk } de aproximações para ξ pela
relação xk +1 = ϕ ( xk ) , pois a função ϕ (x) é tal que f (ξ ) = 0 se e
somente se ϕ (ξ ) = ξ
Uma função ϕ (x) que satisfaz a condição acima é chamada de
função de iteração para a equaçãof ( x) = 0 .
A técnica descrita transforma o problema de resolver f ( x) = 0 no
problema de encontrar um ponto fixo de ϕ (x)
Exemplo:
f ( x) = x 2 + x − 6 = 0 x = ϕ ( x) = 6 − x 2 26
O Método da Iteração Linear - MIL
Análise Ilustrativa da
y
convergência
Considere uma equação x = ϕ1 ( x)
qualquer:
f ( x) = 0
Opção 2: x = ϕ 2 ( x)
{xk } → ξ quando k → ∞ 27
O Método da Iteração Linear - MIL
Análise Ilustrativa da
y x = ϕ3 ( x)
convergência (cont.)
Equação: f ( x) = 0
{xk } não converge para ξ
Opção 3: x = ϕ3 ( x )
y
Opção 4: x = ϕ ( x)
4
x = ϕ 4 ( x)
Note que nem todas as funções de
iteração geram seqüências {xk } não converge para ξ
convergentes para a raiz de f(x)=0
28
O Método da Iteração Linear - MIL
Análise formal de convergência
Seja ξ uma raiz da equação f ( x) = 0 , isolada num intervalo [a,b],
centrado em ξ.
Seja ϕ (x ) uma função de iteração para f ( x ) = 0
Se:
ϕ (x) e ϕ ′(x) são contínuas em [a,b];
ϕ ′( x) ≤ M < 1, ∀x ∈ [a, b] e;
x0 ∈ [a, b] .
então a seqüência {xk } gerada pelo processo iterativo xk +1 = ϕ ( xk )
converge para ξ .
29
O Método da Iteração Linear - MIL
Exemplo numérico 1:
Considere a equação f ( x) = x 2 + x − 6 = 0 , ξ1 = −3 e ξ 2 = 2
Aplicar o método MIL com ϕ ( x) = 6 − x 2 e x0 = 1.5
x1 = ϕ ( x0 ) = 6 − 1.52 = 3.75
x2 = ϕ ( x1 ) = 6 − 3.752 = −8.0625
x3 = ϕ ( x2 ) = 6 − (−8.0625) 2 = −59.003906
x4 = ϕ ( x3 ) = 6 − (−59.003906) 2 = −3475.4609
⋮
Análise das condições de convergência
ϕ ( x) = 6 − x 2 e ϕ ′( x) = −2 x ϕ ′( x) < 1 ⇔ 2 x < 1 ⇔ − < x <
1 1
ϕ ( x) e ϕ ′( x) são contínuas em ℜ 2 2
Não existe um intervalo [a,b] centrado em ξ=2, tal que ϕ ′( x) < 1, ∀x ∈ [a, b] 30
O Método da Iteração Linear - MIL
Exemplo numérico 2:
Considere a equação f ( x) = x + x − 6 = 0 , ξ1 = −3 e ξ 2 = 2
2
p − pn +1 ≤ M p − pn
Convergência quadrática
Um método que produz uma seqüência de aproximações {pn } que
converge para um número {p}, converge quadraticamente se, para
um valor elevado de{n}, existe uma constante 0 < M, tal que:
2
p − pn +1 ≤ M p − pn
32
Análise de erro e Aceleração de Convergência
Exemplo
Suponha que {pn } converge linearmente para {p = 0}, {p̂n } converge
quadraticamente para {p = 0} e suponha M = 0.5 para ambos os
casos. Então, tem-se:
2 2
p1 ≤ M p0 ≤ (0.5). p0 pˆ 1 ≤ M pˆ 0 ≤ (0.5). pˆ 0
p2 ≤ M p1 ≤ 0.5(0.5). p0 = (0.5) . p0
2 2
( ) = (0.5) . pˆ
pˆ 2 ≤ M pˆ 1 ≤ 0.5 0.5 pˆ 0
2 2 3
0
4
( )
p3 ≤ M p2 ≤ 0.5 (0.5) 2 . p0 = (0.5)3 . p0 pˆ ≤ M pˆ 2
3 2 ≤ 0.5((0.5) . pˆ ) = (0.5) . p
3
0
4 2 7
0
8
⋮ ⋮
pn ≤ (0.5) n . p0 2 n −1 2n
pˆ n ≤ (0.5) . pˆ 0
33
Análise de erro e Aceleração de Convergência
Exemplo numérico
A tabela abaixo ilustra a velocidade relativa de convergência para zero
destes limites de erro, supondo p0 = pˆ 0 = 1
( pn+1 − p )2 ≈ ( pn+ 2 − p )( pn − p )
pn2+1 − 2 pn +1 p + p 2 ≈ pn + 2 pn − ( pn + pn + 2 ) p + p 2 35
Análise de erro e Aceleração de Convergência
O método de Aitken ∆2 (cont.)
Da expressão pn2+1 − 2 pn +1 p + p 2 ≈ pn + 2 pn − ( pn + pn + 2 ) p + p 2 , tem-se:
pn + 2 pn − p
2 ( pn+1 − pn )2
p≈ ou p ≈ pn − p − 2 p + p
n +1
pn + 2 − 2 pn +1 + pn n+2 n +1 n
q n = pn −
( pn+1 − pn )2
pn + 2 − 2 pn +1 + pn
também converge para p, e, em geral, mais rapidamente.
36
Análise de erro e Aceleração de Convergência
O método de Aitken ∆2 - Exemplo
A seqüência {pn }n =1 onde pn = cos(1 / n) converge linearmente para
∞
abaixo:
37
O Método de Müller
Aspectos gerais
Há um número significativo de problemas em que os métodos da
secante, posição falsa e Newton não apresentam resultados
satisfatórios.
Na maioria dos casos, os resultados insatisfatórios ocorrem quando
a função e sua derivada estão simultaneamente próximas de zero.
Estes métodos não podem ser usados para o cálculo de raízes
complexas, a menos que a aproximação inicial seja um número
complexo com parte imaginária não-nula.
O método de Müller, proposto em 1956, é uma generalização do
método da secante, ao substituir a reta que passa por duas
aproximações prévias, por uma parábola que passa por três
aproximações prévias.
Por suas características, o método de Müller também fornece raízes
38
complexas de polinômios.
O Método de Müller
Elementos principais Secante
P ( x ) = a ( x − p2 ) 2 + b ( x − p 2 ) + c
As constantes a,b e c são determinadas das
seguintes condições:
f ( p0 ) = a ( p0 − p 2 ) 2 + b ( p0 − p 2 ) + c ↑
p0 p1
↑ ↑ ↑
p2 p3
f ( p1 ) = a ( p1 − p2 ) 2 + b( p1 − p2 ) + c
f ( p2 ) = a ( p2 − p 2 ) 2 + b ( p2 − p 2 ) + c 39
O Método de Müller
Determinação da intersecção
A raiz de P( x) = a ( x − p2 ) 2 + b( x − p2 ) + c = 0 é
determinada pela equação abaixo, em vez da
tradicional “fórmula de Bahskara”, visando
diminuir os erros de arredondamento.
− 2c
p3 − p2 = ↑ ↑ ↑ ↑
b ± b 2 − 4ac p0 p1 p2 p3
p1*
42
O Método de Müller
Exemplo (cont.)
Caso 2:
p2*
Caso 3:
>> x=-1:.1:3;
>> y=polyval(coef,x);
>> plot(x,y)
>> grid
>> title('Grafico de f(x)')
>> xlabel('eixo x')
>> ylabel('eixo y')
46
Aplicação do Maple
Aspectos gerais
Determinar as raízes de f ( x) = 16 x 4 − 40 x 3 + 5 x 2 + 20 x + 6 .
Raízes reais:
fsolve(16*x^4-40*x^3+5*x^2+20*x+6,x);
1.241677445, 1.970446079
47
Conclusões
Resolução da equação f(x) = 0, onde f é uma função contínua.
Se [a,b] é um intervalo em que f(a) e f(b) tem sinais opostos, então os
métodos da bissecção e o método da posição falsa convergem. Contudo
a convergências destes métodos pode ser lenta.
Convergência rápida pode ser obtida usando-se os métodos da secante
e de Newton, porém, são necessárias condições iniciais relativamente
próximas à raiz.
Os métodos da bissecção e da posição falsa podem ser utilizados como
métodos de partida para os métodos da secante e de Newton.
O método de Müller apresenta convergência rápida sem restrições para
a condição inicial, porém não tão rápida quanto o método de Newton.
O método de Müller apresenta a vantagem adicional de permitir o
cálculo de raízes complexas, sendo comumente empregado em pacotes
computacionais.
Existem métodos de alta ordem para a determinação de raízes de
48
polinômios, tais como: Laguerre, Jenkins-Traub e Brent.