Escolar Documentos
Profissional Documentos
Cultura Documentos
Estruturas F Circuitos
i
R +
v = g(i)
E -
+FV
Em cada nó
-FH +FH :
E - Ri – g(i) = 0
FH = 0
-FV
FV = 0 (Lei de Kirchhoff)
Zeros de funções – Introdução
1 2 x
Zeros de funções – Introdução
Para uma equação de segundo grau na forma:
ax 2 bx c 0
x b b 2 4ac
2a
Polinômios de grau mais elevado e funções com maior
grau de complexidade
Impossibilidade de determinação exata dos zeros
Uso de soluções aproximadas
Zeros de funções – Introdução
Etapas para a determinação de raízes a partir de
métodos numéricos
Teorema 1
f(x) f(x)
a a x
x 1 2 3b
b
f(x)
a
1 2 b x
Isolamento de raízes – Tabelamento
Exemplo: f ( x ) x 3
9x 3
x3 9 x 3 0 2 (0, 1)
Equação Equivalente: 3 (2, 3)
1
g ( x) x 3
3 4 x
-4 -3 -2 -1
2 1 2
3
h( x ) 9 x 3
Isolamento de raízes
x
Exemplo: f ( x ) x 5e 0
g ( x) x g(x)
h( x) 5e x
1 2 3 4 5 6 x
Isolamento de raízes
Exemplo: f ( x) x log( x) 1 0
g ( x) log( x)
g(x)
1
h( x )
x 1 2 3 4 5 6 x
Zeros Reais de Funções
Refinamento de Raízes
Condições de Aplicação
f(a) x f(b) < 0
Sinal da derivada constante
Método da Bisseção
Definição de novos intervalos
Calculamos o ponto médio entre a e b, chamado de x0
Determinamos qual o subintervalo – [a , x0] ou [x0 , b] –
contém a raiz
Calculamos o produto f(a) * f(x0)
Verificamos f(a) * f(x0) < 0
Se verdadeiro (a, x0 )
Logo a = a e b = x0
Caso contrario ( x0 , b)
Logo a = x0 e b = b
f ( a0 ) 0 (a0 , x0 )
a0 b0
x0 0
f (b ) 0 a1 a0
2 f ( x ) 0 b x
0 1 0
f (a1 ) 0 ( x1 , b1 )
a1 b1
x1 f (b1 ) 0 a2 x1
2 f ( x ) 0 b b
1 2 1
f ( a2 ) 0 ( x2 , b2 )
a2 b2
x2 f (b 2 ) 0 a3 x2
2 f ( x ) 0 b b
2 3 2
Método da Bisseção – Graficamente
a3
||
a2
||
x1
a|| x2 x0 b x
|| ||
a1 b3 b1=b2
Método da Bisseção
Exemplo: f ( x) x log( x) 1 0
g ( x) log( x)
g(x)
1
h( x ) 1 2 3 4 5 6 x
x
Método da Bisseção
Exemplo: f ( x) x log( x) 1 0
f (2) 0,3979 0 (2.5, 3)
23 a x 2,5
x0 2,5 f (3) 0,4314 0 1 0
2 f (2,5) 5,15 10 3 0 b b 3
1 0
Método da Bisseção – Algoritmo
k = 0;
a0 = a; b0 = b;
xk = (ak + bk)/2;
while bk ak and f ( xk )
if f(ak)f(xk) < 0 then /*raiz em [ak , xk] */
ak+1 = ak;
bk+1 = xk;
else /* raiz em [xk, bk] */
ak+1 = xk;
bk+1 = bk ;
end if
xk+1 = (ak+1 + bk+1)/2;
k = k +1;
end while
Método da Bisseção – Algoritmo
Ao final da execução do algoritmo, teremos um intervalo
[ak, bk] que contém a raiz e uma aproximação x para a
raiz exata (tal que bk ak ou f (x) )
h( x ) 9 x 3
Método da Bisseção – Execução Algoritmo
Exemplo: f ( x ) x 3
9 x 3 0 I 0, 1 3 10 3
Cálculo da 1ª aproximação
x0 = (a0+b0)/2 = (0+1)/2 = x0 = 0,5
f(x0) = 0,53 – 9x0,5 + 3 = -1,375
Teste de Parada
|b-a| = |1| > 10-3 e |f(x0)| = |-1,375| = 1,375 > 10-3
bk 1 ak 1 b0 a0
bk ak
2 2k
log(b0 a0 ) log( )
k
log(2)
Método da Bisseção – Estimativa do
número de iterações
log(b0 a0 ) log( )
k
log(2)
log(3 2) log(10 2 )
k
log(2)
log(1) 2 log(10) 2
k 6,64
log(2) 0,3010
k 7
Método da Bisseção
Vantagens:
Facilidade de implementação;
Estabilidade e convergência para a solução procurada;
Desempenho regular e previsível.
Desvantagens
Lentidão do processo de convergência (requer o cálculo
de f(x) em um elevado número de iterações);
b0 a0 3
k 24,8 k 25
10 7
Necessidade de conhecimento prévio da região na qual se
encontra a raiz de interesse (nem sempre é possível);
Complexidade da extensão do método para
problemas multivariáveis.
Método da Bisseção – Exercício
a) Execute as primeiras 5 iterações do Método da
Bisseção para a função f ( x) x 3 x 1 , tal que
2 10 3
b) Caso a condição de 4
2
satisfeita, calcule quantas
1
iterações ainda seriam
necessárias. -4 -3 -2 -1 0 1 2 3 4 5 x
-1
-2
-3
-4
Método da Bisseção – Exercício
a) Execute as primeiras 5 iterações do Método da
Bisseção para a função f ( x) x x 1 , tal que
3
2 10 3
Iter. a b f(a) f(b) x f(x )
1 1,000000 2,000000 -1,000000 5,000000 1,500000 0,875000
f ( x) 0,082611 2 10 3
Método da Bisseção – Exercício
b) Caso a condição de erro não tenha sido satisfeita,
calcule quantas iterações ainda seriam necessárias.
log(b0 a0 ) log( )
k
log(2)
a f (b) b f (a ) af (b) bf (a )
x
f (b) f (a ) f (b) f (a )
Método da Posição Falsa – Graficamente
Graficamente x é a interseção entre o eixo x e a reta
que passa pelos pontos (a, f(a)) e (b, f(b)):
Método da Posição Falsa – Graficamente
x1 = a1f(b1) – b1f(a1)
f(b1) - f(a1)
f(x)
f(x) x0 = a0f(b0) - b0f(a0)
f(b0) - f(a0)
a = a1
x1 b1 = x1 x
a = a0
x0 b = b0 x
Método da Posição Falsa
Definição do intervalo inicial
Atribuímos [a,b] como intervalo inicial
a0 = a
b0 = b
Condições de Aplicação
f(a) x f(b) < 0
Sinal da derivada constante
Método da Posição Falsa
Definição dos Subintervalos
Subdividimos o intervalo pelo ponto de interseção da
reta que liga f(a) a f(b) e o eixo das abscissas
Caso contrario ( x0 , b)
Logo a = x0 e b = b
f (a0 ) 0,3979 0
logo, existe ao menos 1 raiz no
f (b0 ) 0,4314 0 intervalo dado
Método da Posição Falsa – Algoritmo
k = 0;
a0 = a; b0 = b;
FA0 = f(a0); GB0 = f(b0);
xk = (akGBk - bkFAk) / (GBk - FAk);
while bk ak and f ( xk )
if f(ak)f(xk) ≤ 0 then /* raiz em [ak , xk] */
ak+1 = ak; bk+1 = xk;
else /* raiz em [xk, bk] */
ak+1 = xk; bk+1 = bk ;
end if
xk+1 = (ak+1GBk+1 - bk+1FAk+1) / (GBk+1 - FAk+1);
k = k +1;
end while
Método da Posição Falsa – Exec. Algoritmo
Exemplo: f ( x ) x 3
9 x 3 0 I 0, 1 2 10 3
Cálculo da 1ª aproximação
af (b) bf (a ) 0 (5) 1 (3) 3
x0 0,375
f (b) f (a ) 5 (3) 8
f ( x0 ) (0,375) 3 9 (0,375) 3 -0,322265625
Teste de Parada
|b-a| = |1| > 10-3 e |f(x0)| = |-0,322265625| > 10-3
Desvantagens:
Lentidão do processo de convergência (requer o cálculo
de 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).
Zeros Reais de Funções
Método do Ponto Fixo
1 ( x) 6 x 2
2 ( x) 6 x
6
3 ( x) 1
x
6
4 ( x)
x 1
se ( )
A( ) f ( ) A( ) f ( ) 0
f ( ) 0 ( porque A( ) 0)
x2 x1
1 x0 x
2
{xk}
φ(x)
Método do Ponto Fixo
Exemplo: Dada a equação f ( x) x x 6 0 , com raiz
2
2 = 2 , 2 ( x) 6 x e x0 = 1,5
y
Análise Gráfica: y=x
φ(x)
x0 2 x
x2 x1
Método do Ponto Fixo
Teorema 2:
Sendo uma raiz de f(x) = 0, isolada em um intervalo I
centrado em e φ(x) uma função de iteração para
f(x) = 0. Se
1. φ(x) e φ’(x) são contínuas em I
2. |φ’(x)| < 1, x I e
3. x0 I
então a sequencia {xk} gerada pelo processo iterativo xk+1
= φ(xk) convergirá para . Além disso quanto menor for
o valor de |φ’(x)|, mais rápido o Método do Ponto Fixo
convergirá.
Método do Ponto Fixo
Resgatando os exemplos anteriores, para a função
f ( x) x 2 x 6 0 temos que:
2 ( x) 6 x e 2 ' ( x) (1 / 2 6 x )
φ2 (x) é contínua em S = {x R | x 6}
Critérios de Parada
|f(xk)| <
|xk – xk-1| <
k = 0;
x0 = x;
while xk xk 1 and f ( xk )
k = k +1;
xk+1 = φ(xk);
end while
Método do Ponto Fixo – Verificando a
Convergência
Exemplo: Dada a função f ( x) x 2 x 6 0 , cujas raízes
são 2 e -3, vamos avaliar a convergência da função
equivalente 3 ( x) 6 1 , dados 1 = -3 e x0= -2,5
6 x
( x) 1, x , x 0
x
6
' ( x) 2 0, x , x 0
x
6 6
' ( x) 2 2 , x , x 0
x x
6
' ( x) 1 2 1 x 2 6 x 6 ou x 6
x
Método do Ponto Fixo – Verificando a
Convergência
Exemplo: Dada a função f ( x) x 2 x 6 0 , cujas raízes
são 2 e -3, vamos avaliar a convergência da função
equivalente 3 ( x) 6 1 , dados 1 = -3 e x0= -2,5
x
utilizando o MPF:
Desvantagens
Um inconveniente é a necessidade da obtenção de uma
função de iteração φ(x);
Difícil sua implementação.
Método do Ponto Fixo – Exercício
1) Tente encontrar a raiz da função f ( x) x x 1
3
1 1
utilizando a função de iteração ( x) 2 e x0 1 , sendo
x x
-4 -3 -2 -1 0 1 2 3 4 5 x
-1
-2
-3
-4
Método do Ponto Fixo – Exercício
1) Tente encontrar a raiz da função f ( x) x x 1
3
1 1
utilizando a função de iteração ( x) 2 e x0 1 , sendo
x x
2 10 3
1 1 1 1
x1 = φ(x0) = 2 2 x2 = φ(x1) = 2 0,75
1 1 2 2
1 1
x3 = φ(x2) = 2
3,1111...
0,75 0,75
1 1
x4 = φ(x3) = 2
0,4247...
3,1111 3,1111
1 1
x5 = φ(x4) = 2
7,8973...
0,4247 0,4247
Método do Ponto Fixo – Exercício
1) Tente encontrar a raiz da função f ( x) x x 1
3
1 1
utilizando a função de iteração ( x) 2 e x0 1 , sendo
x x
2 10 3
1 1
x6 = φ(x5) = 2
0,1427...
7,8973 7,8973
1 1
x7 = φ(x6) = 2
56,1461...
0,1427 0,1427
1 1
utilizando a função de iteração ( x) 2 e x0 1 , sendo
x x
2 10 3
Justificando a resposta:
1 1 1 2
( x) 2 x , x 0 ' ( x) 2 3 x , x 0
x x x x
1 2 x 2 x2
' ( x) 1 2 3 1 3 3 1 3
1
x x x x x
Como a condição ' ( x) 1 x I deve ser satisfeita, onde I
é o intervalo centrado em , é fácil perceber que isso
não acontece, uma vez que x0 I e ' ( x0 ) ' (1) 3 0
Zeros Reais de Funções
Método de Newton – Raphson
φ(x) = x + A(x)f(x)
φ’(x) = 1 + A’(x)f(x) + A(x)f’(x)
φ’() = 1 + A’()f() + A()f’()
φ’() = 1 + A()f’()
Método de Newton – Raphson
Assim
1
' ( ) 0 1 A( ) f ' ( ) 0 A( )
f ' ( )
1
donde tomamos A( x )
f ' ( x)
1
( x) x f ( x)
f ' ( x)
Logo:
f ( x)
( x) x
f ' ( x)
Método de Newton – Raphson
Então, dada f(x), a função de iteração φ(x) = x - f(x)/f’(x)
será tal que φ’() = 0, posto que
f ( xk )
xk 1 xk
f ' ( xk )
onde k = 0, 1, 2, ...
Método de Newton – Raphson –
Graficamente
Dado o ponto ( xk , f(xk) )
Traçamos a reta Lk(x) tangente à curva neste ponto:
f ( xk )
Lk ( x) 0 x xk
f ' ( xk )
Fazemos xk +1 = x
Método de Newton – Raphson –
Graficamente
Análise Gráfica
f(x)
1a iteração
2a iteração
3a iteração
x2
x0 x3 x1
x
f ( xk )
xk 1 xk
f ' ( xk )
Fórmula recursiva:
f ( x) x2 x 6
( x) x x
f ' ( x) 2x 1
x1 ( x ) 1,5
1,5 1,5 6
2
2,0625
0
2 1,5 1
x2 ( x ) 2,0625
2,0625 2
2,0625 6
2,000762195
1
2 2,0625 1
x3 ( x2 ) 2,000000116
Método de Newton – Raphson
Exemplo: Dado f(x) = x2 + x – 6 , 2 = 2 e x0 = 1,5
Comentários:
A parada poderá ocorrer na 3a iteração (x = 2,000000116)
caso a precisão do cálculo com 6 casas decimais for
satisfatória para o contexto do trabalho
Algoritmo:
x0 := x;
k := 0;
while |f(xk)| ≥ ε and |xk – xk-1| ≥ ε
xk+1 := xk – f(xk)/f’(xk)
k := k +1;
end while
Método de Newton – Raphson – Algoritmo
Exemplo: Considere a função f(x) = x3 - x - 1, e
ε = 0,002 cujo zero real encontra-se no intervalo:
I = (1, 2)
Seja:
x0 = 1
f ( xk )
xk 1 xk
f ' ( xk )
x3 x 1
( x) x
3x 2 1
Método de Newton – Raphson – Algoritmo
Exemplo: Considere a função f(x) = x3 - x - 1, e
ε = 0,002 cujo zero real encontra-se no intervalo:
I = (1, 2)
Cálculo da 1ª aproximação
φ(x0) = 1 – [ (1)³ – 1 – 1 ] = 1,5 = x1
[ 3x(1)² – 1 ]
Teste de Parada
|f(x1)| = | (1,5)³ – 1,5 – 1 | = 0,875 >
|x1-x0| =| 1,5 - 1 | = 0,5 >
Método de Newton – Raphson – Algoritmo
Exemplo: Considere a função f(x) = x3 - x - 1, e
ε = 0,002 cujo zero real encontra-se no intervalo:
I = (1, 2)
Cálculo da 2ª aproximação
φ(x1) = 1,5 – [ (1,5)³ – 1,5 – 1 ] = 1,3478261 = x2
[ 3x(1,5)² – 1 ]
Teste de Parada
|f(x2)| = | 0,100682 | = 0,100682 >
|x2-x1| =| 1,3478261 - 1,5 | = 0,1521739 >
Método de Newton – Raphson – Algoritmo
Exemplo: Considere a função f(x) = x3 - x - 1, e
ε = 0,002 cujo zero real encontra-se no intervalo:
I = (1, 2)
Cálculo da 3ª aproximação
Teste de Parada
|f(x3)| =| 0,0020584 | = 0,0020584 >
|x3-x2| =| 1,3252004 – 1,3478261 | = 0,0226257 >
Método de Newton – Raphson – Algoritmo
Exemplo: Considere a função f(x) = x3 - x - 1, e
ε = 0,002 cujo zero real encontra-se no intervalo:
I = (1, 2)
= 0,002
Método de Newton – Raphson
Comprovando o impacto de uma boa escolha de x0
Exemplo: Considere a função f(x) = x3 – 9x + 3, que
possui três zeros: 1 I1 = (-4, -3), 2 I2 = (0, 1) e
3 I3 = (2, 3). Seja x0 = 1,5:
Método de Newton – Raphson
Comprovando o impacto de uma boa escolha de x0
Exemplo: Considere a função f(x) = x3 – 9x + 3, que
possui três zeros: 1 I1 = (-4, -3), 2 I2 = (0, 1) e
3 I3 = (2, 3). Seja x0 = 1,5:
Causa:
x0 (1,5) é próximo de 3 , que é raiz de f´(x)
Da mesma forma, x1 (-1,6666667) está próximo
de 3 , outra raiz de f’(x)
Método de Newton – Raphson
Vantagens:
Rapidez processo de convergência
Desempenho elevado
Desvantagens:
Necessidade da obtenção de f’(x) , o que pode ser
impossível em determinados casos
O cálculo do valor numérico de f’(x) a cada iteração
Zeros Reais de Funções
Método da Secante
f ( xk ) f ( xk 1 )
f ' ( xk )
xk xk 1
Método da Secante
A função de iteração será:
f ( xk )
( x ) xk
f ( xk ) f ( xk 1 )
xk xk 1
( x ) xk
f ( xk )
xk xk 1
f ( xk ) f ( xk 1 )
xk f ( xk ) xk f ( xk 1 ) xk f ( xk ) xk 1 f ( xk )
( x)
f ( xk ) f ( xk 1 ) f ( xk ) f ( xk 1 )
xk 1 f ( xk ) xk f ( xk 1 )
( x)
f ( xk ) f ( xk 1 )
Método da Secante – Geometricamente
A partir de duas aproximações xk-1 e xk obtemos o ponto
xk+1 como sendo a abscissa do ponto de intersecção do
eixo x e da reta que passa pelos pontos ( xk-1 , f(xk-1) ) e
( xk , f(xk) ) (secante à curva da função)
f(x)
1a iteração
2a iteração
3a iteração
4a iteração
x3 x4
x0 x1 x5 x2
x
Repetimos o processo até
que o valor de x atenda às
condições de parada.
Método da Secante – Convergência
Como o Método da Secante é uma aproximação do
método de Newton, as condições de convergência são
praticamente as mesmas, ou seja basta que o
Teorema 3 seja satisfeito
Todavia, o Método da Secante pode divergir para o
seguinte caso f ( xk ) f ( xk 1 )
xk 1 f ( xk ) xk f ( xk 1 )
( x)
f ( xk ) f ( xk 1 )
Método da Secante
Exemplo: Consideremos a função f(x) = x2 + x – 6 = 0,
x0 = 1,5 e x1 = 1,7:
Solução:
x0 f ( x1 ) x1 f ( x0 ) 1,5 (1,41) 1,7 2,25
x2
f ( x1 ) f ( x0 ) 1,41 2,25
x2 2,03571
x1 f ( x2 ) x2 f ( x1 )
x3 1,99774
f ( x2 ) f ( x1 )
x2 f ( x3 ) x3 f ( x2 )
x4 1,99999
f ( x3 ) f ( x2 )
Método da Secante
Exemplo: Consideremos a função f(x) = x2 + x – 6 = 0,
x0 = 1,5 e x1 = 1,7:
Comentários:
A parada poderá ocorrer na 3a iteração (x = 1,99999 ),
caso a precisão do cálculo com 5 casas decimais seja
satisfatória para o contexto do trabalho
Algoritmo
x0 := x;
x1 := x1;
k := 1;
while |f(xk)| ≥ ε and |xk – xk-1| ≥ ε
xk+1 := (xk-1*f(xk) - xk*f(xk-1)) / (f(xk) - f(xk-1));
k := k +1;
end while
Método da Secante – Execução Algoritmo
Exemplo: Consideremos a função f(x) = x3 - x - 1,
= 0,003, x0 = 1,5 e x1 = 1,7:
xk 1 f ( xk ) xk f ( xk 1 )
( x)
f ( xk ) f ( xk 1 )
Método da Secante – Execução Algoritmo
Exemplo: Consideremos a função f(x) = x3 - x - 1,
= 0,003, x0 = 1,5 e x1 = 1,7:
Desvantagens
Se o cálculo f’(x) não for difícil, então o método logo será
substituído pelo de Newton – Raphson
Se o gráfico da função for paralelo a um dos eixos e/ou
tangencia o eixo das abscissas em um ou mais pontos,
logo não devemos utilizar o Método da Secante
Zeros Reais de Funções
Comparação entre os métodos
-4 -3 -2 -1 0 1 2 3 4 5 x
-1
-2
-3 [1, 2 ], = 10 -6
-4
Comparação entre os métodos
Exemplo: f(x) = x3 – x – 1
Observações:
Melhor desempenho: Método do Ponto Fixo
Métodos de Newton e Secante: muitas iterações pois
houve divergência no inicio da execução
( denominador 0 )
Comparação entre os métodos
Exemplo: f(x) = 4 sen(x) – e2 [0, 1 ], = 10 -5
Observações:
Melhor desempenho: Método de Newton, devido à boa
escolha de x0
Exercício
1) A partir do gráfico da função f ( x ) x 2
x 6, encontre
a raiz [1, 3] , dada a tolerância 10 .
4
Resposta: 2 f(x)
x2 2,036 f ( x2 ) 0,1813 1
x3 1,998 f ( x3 ) 0,01 -4 -3 -2 -1
-1
0 1 2 3 4 5 x
-2
x4 2,000 f ( x4 ) 0
-3
-4
-5
-6