Escolar Documentos
Profissional Documentos
Cultura Documentos
f (x) = 0, (1)
sendo f : Df ⊂ R → R.
Isolamento de raı́zes
Os métodos numéricos requerem que as raı́zes da equação estejam isoladas, isto é,
que encontremos um intervalo que contenha exatamente uma raiz; ou que o processo
de busca se inicie próximo à solução.
Ferramentas:
Como essa função é contı́nua para todos os números reais, vamos procurar onde ela
troca de sinal. Para isso, vamos contruir uma tabela para verificar o sinal da tabela
para alguns valores de x.
x −6 −4 −2 −1 0 1 3
sinal de f (x) + + − − − − +
Vemos que a função troca de sinal nos intervalos [−4, −2] e [1, 3]. Como trata-se de
um polinômio de grau 2, sabemos que possui no máximo duas raı́zes. Logo isolamos os
zeros da f nesses intervalos.
1
2) Se f 0 (x) > 0 para todo x ∈ [a, b] então f é crescente nesse intervalo. Se f 0 (x) < 0
para todo x ∈ [a, b] então f é decrescente nesse intervalo.
3) Se pudermos decompor f (x) na subtração de duas funções g(x) e h(x), isto é,
f (x) = g(x) − h(x), na intersecções dos gráficos da g e da h encontram-se as raı́zes de
f . A ideia aqui é escolher funções g e h fáceis de esboçar.
2
Exerı́cios
√
1) Isole todos os zeros de f (x) = x − 5e−x .
x 0 1 2 3 4 ···
sinal de f (x) − − + + + ···
Observamos que a função troca de sinal no intervalo [1, 2] e depois não sabemos se
1
trocará de sinal novamente. Analisando o sinal da derivada da f , f 0 (x) = √ +5e−x >
2 x
0 para todo x ∈ (0, ∞). Logo, f é sempre crescente. Com isso, conseguimos concluir
que existe somente um zero da f e ele encontra-se em [1, 2].
2a alternativa de resolução:
√
Começando pelo método gráfico, escolhemos g(x) = x e h(x) = 5e−x e esboçamos
os gráficos em um mesmo plano cartesiano
3
Método da Bissecção (ou dicotimia)
Objetivo: encontrar uma aproximação para uma das raı́zes da equação f (x) = 0
Ideia: tomar um intervalo [a, b] para o qual f é contı́nua e f (a)f (b) < 0 (teorema do
valor intermediário), descartar metade do intervalo, ficando com a metade que contém
a raiz procurada; repetir esse procedimento até que estejamos tão próximo da solução
quanto queiramos.
x = a+b
1 (ponto médio)
2
f (x1 ) (valor da f no ponto médio)
• f (x1 ) = 0, neste caso x1 é raiz da equação e não precisamos fazer mais nada;
• f (a)f (x1 ) < 0, sinal contrário a f (a), a raiz procurada está entre a e x1 ; o processo
pode ser repetido sobre o novo intervalo [a, x1 ];
• f (a)f (x1 ) > 0, mesmo sinal de f (a) e sinal oposto a f (b), isto é, f (x1 )f (b) < 0;
a raiz procurada está entre x1 e b; o processo pode ser repetido sobre o novo
intervalo [x1 , b].
De forma sistematizada
4
Exemplo: determinar uma aproximação para a menor raiz positiva da equação
cos(x) − x = 0, (2)
g(x) = x
h(x) = cos(x)
1 p /2 x
e observando que eles se interceptam uma única vez, entre 0 e π/2. Assim, vamos tomar
como intervalo inicial [0.5, 1.5].
É importante observar ainda que f é contı́nua em [0.5, 1.5] e que f (0.5) = 0.377583 >
0 e f (1.5) = −1.429263 < 0 (obs. coloque sua calculadora em radianos !!!), portanto
sinais contrários.
1a. iteração (k = 1)
a0 + b 0 0.5 + 1.5
x1 = = =1
2 2
f (x1 ) = f (1) = cos(1) − 1 = −0.459698 < 0, sinal trocado com a0 , logo a raiz
está no intervalo [0.5, 1]
⇒ a1 = a0 e b 1 = x 1 = 1
Teste de parada:
b1 − a1 = 1 − 0.5 = 0.5 > 1 × 10−4
CONTINUE
0.5 + 1
2a. iteração (k = 2) x2 = = 0.75
2
f (x2 ) = f (0.75) = cos(0.75) − 0.75 = −00183111 < 0, sinal trocado com a1 , logo
a raiz está no intervalo [0.5, 0.75]
⇒ a2 = a1 e b2 = x2 = 0.75
Teste de parada:
b2 − a2 = 0.75 − 0.5 = 0.25 > 1 × 10−2
CONTINUE
5
0.5 + 0.75
3a. iteração (k = 3) x3 = = 0.625
2
f (x3 ) = f (0.625) = cos(0.625) − 0.625 = 0.185963 > 0, sinal trocado com b2 , logo
a raiz está no intervalo [0.625, 0.75]
⇒ a3 = x3 = 0.625 e b3 = b2
Teste de parada:
b3 − a3 = 0.75 − 0.625 = 0.125 > 1 × 10−2
E assim, por diante. Colocando os resultados em uma tabela, temos
iteração ak−1 bk−1 xk erro
1 0.5 1.5 1 1
2 0.5 1 0.75 0.25
3 0.5 0.75 0.625 0.125
0.625 0.75 0.0625
..
.
Quando o teste de parada for satisfeito, diremos que a solução aproximada x ∈
(ak , bk ).
Exercı́cios
b−a
|x∗ − xk | ≤ , quando k ≥ 1.
2k
6
a) Demonstre o teorema.
7
2.2 - Métodos Iterativos para zeros de funções
Este material é baseado nas Seções 3.3, 3.4 e 3.5 do livro FRANCO, N.B. Cálculo
Numérico. São Paulo: Pearson Prentice Hall, 2006.
O processo iterativo começa por um x0 dado, uma aproximação inicial para uma
solução de (5), e usando o processo iterativo (6) calculamos uma sequência de apro-
ximações para a solução. Este processo é chamado de Método da Iteração Linear.
É importante observar que uma solução de (5), chamada de ponto fixo de ϕ(x), é
também solução de (??).
Exemplo 1. Para a equação x2 + x − 6 = 0, encontre possı́veis processos iterativos.
√ √
a) xk+1 = 6 − x2k b) xk+1 = 6 − xk c) xk+1 = − 6 − xk
6 6
d) xk+1 = −1 e) xk+1 =
xk xk − 1
Exemplo 2. Aplique os processos iterativos obtidos em a) e b) do exemplo anterior,
começando de x0 = 1. Como cada um se comportou?
√
a) xk+1 = 6 − x2k b) xk+1 = 6 − xk
x0 = 1 x0 = 1
√
x1 = 6 − 12 = 5 x1 = 6 − 1 = 2.236068
√
x2 = 6 − 52 = −19 x2 = 6 − 2.236068 = 1.940085
√
x3 = 6 − (−19)2 = −355 x3 = 6 − 1.940085 = 2.014923
√
x4 = 6 − (−355)2 = x4 = 6 − 2.014923 = 1.996265
O processo está divergindo O processo está convergindo
8
Exemplo 3. Descreva os processos do Exemplo 2 de forma geométrica.
Teorema 1. Seja ϕ(x) uma função contı́nua, com derivada primeira e segunda contı́nuas
num intervalo I = (x∗ − h, x∗ + h), h > 0, cujo centro x∗ é solução de x = ϕ(x). Seja
x0 ∈ I e |ϕ0 (x)| < 1 em I. Então:
i) xk ∈ I, k = 1, 2, ...;
ii) lim xk = x∗ ;
k→∞
9
Método de Newton
O método de Newton (ou Newton-Raphson) é um dos métodos numéricos mais
eficientes e conhecidos para a solução de um problema de determinação de raiz de
equações da forma (4).
Dado x0 , uma aproximação inicial para a solução x∗ de (4), refinamos as apro-
ximações por meio da fórmula
f (xk )
xk+1 = xk − , para k ≥ 0. (7)
f 0 (xk )
√
Exemplo 5. Encontre uma aproximação para 7 com 10 casas decimais corretas.
10
Interpretação geométrica do método de Newton
f(x)
x*
x2 x1 x0 x
A resposta para a pergunta 2) são os critérios de parada, dada uma tolerância (ou
precisão) e um número máximo de iterações N M AX:
f (x)
φ(x) = x − , (8)
f 0 (x)
11
Pelo Teorema 1, um método será convergente se |φ0 (x)| < 1, para todo x ∈ I =
(x − h, x∗ + h). No caso do Método de Newton, vamos fazer φ0 (x∗ ) = 0, de onde vemos
∗
que
[f 0 (x)]2 − f (x)f 00 (x) f (x)f 00 (x)
φ0 (x) = 1 − = , (9)
[f 0 (x)]2 [f 0 (x)]2
e assim, φ é contı́nua desde que f 0 e f 00 existem, f , f 0 e f 00 sejam contı́nuas em uma
região próxima de x∗ . Como φ0 (x∗ ) = 0 e φ é contı́nua, em algum intervalo próximo a
x∗ , |φ0 (x)| < 1. Logo, podemos dizer que o método de Newton, desde que f satisfaça
as condições acima e que x0 seja tomado nessa intervalo, sempre irá convergir para x∗ .
|xk+1 − x∗ |
lim = C. (10)
k→∞ |xk − x∗ |p
cos(x) − x = 0,
usando o método de Newton com erro relativo estimado inferior a 10−4 e número máximo
de iterações igual a 5.
g(x) = x
h(x) = cos(x)
1 p /2 x
12
1a. iteração (k = 0)
f (x0 ) = f (π/4) = cos(π/4) − π/4 = −0.07829138221
f 0 (x0 ) = f 0 (π/4) = −sen(π/4) − 1 = −1.707106781
f (x0 ) −0.07829138221
x1 = x0 − 0
= π/4 − = 0.7395361335
f (x0 ) −1.707106781
Teste de parada:
|x1 − x0 | |0.7395361335 − π/4|
= = 6.201458972 × 10−2 > 1 × 10−4
|x1 | |0.7395361335|
k + 1 = 1 < N M AX
CONTINUE
2a. iteração (k = 1)
f (x1 ) = f (0.7395361335) = cos(0.7395361335)−0.7395361335 = −0.00075487465
f 0 (x1 ) = f 0 (0.7395361335) = −sen(0, 7395361335) − 1 = −1.673945288
f (x1 ) −0.00075487465
x2 = x1 − 0
= 0.7395361335 − = 0.7390851781
f (x1 ) −1.673945288
Teste de parada:
|x2 − x1 | |0.7390851781 − 0.7395361335|
= = 6.1015348 × 10−4 > 1 × 10−4
|x2 | |0.7390851781|
k + 1 = 2 < N M AX
CONTINUE
3a. iteração (k = 2)
f (x2 ) = f (0.7390851781) = cos(0.7390851781)−0.7390851781 = −0.00000007511
f 0 (x2 ) = f 0 (0.7390851781) = −sen(0.7390851781) − 1 = −1.673612062
f (x2 ) −0.00000007511
x3 = x2 − = 0.7390851781 − = 0.7390851332
f 0 (x2 ) −1.673612062
Teste de parada:
|x3 − x2 | |0.7390851332 − 0.7390851781|
= = 6.073 × 10−8 < 1 × 10−4
|x3 | |0.7390851332|
PARE, pois atingiu a precisão desejada.
Resposta, a solução aproximada para a raiz positiva de (2) com erro inferior a
10−4 é x = 0.7390851332.
13
k xk erro
0 0.7853981635 0
1 0.7395361335 6.2 ×10−2
2 0.7390851781 6.1 ×10−4
3 0.7390851332 6.1 ×10−8
Observe que para iniciar, precisamos de duas aproximações iniciais para a solução, x0
e x1 . Para que haja convergência precisamos de f contı́nua e que f 0 exista e seja contı́nua
em uma vizinhança da raiz x∗ e, além disso, devemos tomar x0 e x1 suficientemente
próximass da solução x∗ .
Graficamente, as aproximações podem ser vistas como secantes sucessivas, ou seja,
começando das aproximações iniciais x0 e x1 , a aproximação x2 é a intersecção da reta
secante ao gráfico de f nos pontos (x0 , f (x0 )) e (x1 , f (x1 )) com o eixo x. A aproximação
x3 é a intersecção da reta secante ao gráfico de f em (x1 , f (x1 )) e (x2 , f (x2 )) com o eixo
x, e assim por diante.
14
A ordem de convergência do método das secantes é p = 1.618, inferior a p = 2 do
Método de Newton. Isso faz com que o método das secantes tenha convergência mais
lenta do que Newton. No entanto, a convergência mais lenta é compensada pois além
de não precisar do cálculo da derivada, no método de Newton calculamos, a cada passo,
f (xk ) e f 0 (xk ) enquanto que no das secantes, calculamos apenas f (xk ), o que reduz o
esforço computacional, permitindo que com o mesmo tempo, o método das secantes
possa realizar mais iterações.
Do Exemplo 6 sabemos que a solução está no intervalo [0, π/2]. Vamos tomar
x0 = 0.7 e x1 = 0.8.
Observamos que f (x) = cos(x) − x = 0. Aplicando o método das secantes para
k = 1, 2, ... e a cada iteração calculando o erro relativo estimado, temos:
(obs. coloque sua calculadora em radianos !!!)
1a. iteração (k = 0)
f (x0 ) = f (0.7) = cos(0.7) − 0.7 = 0.06484218728
f (x1 ) = f (0.8) = cos(0.8) − 0.8 = −0.1032932907
Teste de parada:
|x1 − x0 | |0.8 − 0.7|
= = 1.25 × 10−1 > 1 × 10−4
|x1 | |0.8|
Teste de parada:
|x2 − x1 | |0.7385654403 − 0.8|
= = 8.318092934 × 10−2 > 1 × 10−4
|x2 | |0.7385654403|
k + 1 = 1 < N M AX
CONTINUE
2a. iteração (k = 1)
f (x2 ) = f (0.7385654403) = cos(0.7385654403) − 0.7385654403 = 0.00086966457
x1 f (x2 ) − x2 f (x1 )
x3 = =
f (x2 ) − f (x1 )
0.8 ∗ 0.00086966457 − 0.7385654403 ∗ −0.1032932907
= 0.7390783622
0.00086966457 − (−0.1032932907)
Teste de parada:
15
|x3 − x2 | |0.7390783622 − 0.7385654403|
= = 6.94002039 × 10−4 > 1 × 10−4
|x3 | |0.7390783622|
k + 1 = 2 < N M AX
CONTINUE
3a. iteração (k = 2)
f (x3 ) = f (0.7390783622) = cos(0.7390783622)−0.7390783622 = 0.0000113591145
x2 f (x3 ) − x3 f (x2 )
x4 = =
f (x3 ) − f (x2 )
0.7385654403 ∗ 0.0000113591145 − 0.7390783622 ∗ 0.00086966457
=
0.0000113591145 − 0.00086966457
0.739085150
Teste de parada:
|x4 − x3 | |0.739085150 − 0.7390783622|
= = 9.18405680 × 10−6 < 1 × 10−4
|x4 | |0.739085150|
PARE, pois atingiu a precisão desejada.
Resposta, a solução aproximada para a raiz positiva de (2) com erro inferior a
10−4 é x = 0.739085150.
iteração xn erro
0 0.7
0 0.8
1 0.7385654403 8.318092934 ×10−2
2 0.7390783622 6.94002039 ×10−4
3 0.739085150 9.18405680 ×10−6
Exercı́cios
8 − 4, 5(x − sen x) = 0,
usando o método de Newton e das secantes com erro relativo estimado inferior a 10−3
e número máximo de iterações igual a 10.
16