Busca de Pontos Estacionários

Os métodos anteriores requerem a função a ser

otimizada seja unimodal

No caso da função ser contínua e diferenciável no
intervalo de busca, é possível desenvolver métodos
mais eficazes que buscam encontrar diretamente os
pontos de mínimo local, identificando os pontos
estacionários

No caso de funções em que a solução analítica de
f’(x)=0 é complexa, métodos de busca são aplicados
para encontrar os outros pontos candidatos
 Método de Newton-Raphson

Este método requer que a função seja duplamente

diferenciável

É necessário informar um ponto x1, sendo este uma
estimativa inicial ou um ponto estacionário (isto é,
uma raiz de f’(x)=0)

Constrói-se uma aproximação linear da função f’(x)
no ponto x1, e o ponto em que a aproximação zerar é
tida como a nova estimativa de um ponto
estacionário; a aproximação no ponto xk é dada por:
~
f '( x ; x k ) = f '( x k ) + f ''( x k )( x − x k )
 Método de Newton-Raphson

Igualando a aproximação a zero:

f '( x k )
x k +1 = x k −
f ''( x k )
f '( x )

xk xk+2 xk+1
 Exemplo: Método de Newton-Raphson

Achar o ponto de mínimo da função, aplicando o

método de Newton-Raphson, tendo como ponto de
partida x1=1
2 16
f ( x ) = 2x + ( x > 0)
x
16
f '( x ) = 4 x − 2
x
32
f ''( x ) = 4 + 3
x
 Exemplo: Método de Newton-Raphson

it xk f'(xk) f''(xk) xk+1

1 1,0000 -12,00000 36,0000 1,3333
2 1,3333 -3,66667 17,5000 1,5429
3 1,5429 -0,55011 12,7131 1,5861
4 1,5861 -0,01529 12,0193 1,5874
5 1,5874 -0,00001 12,0000 1,5874

Critério de parada: f '( x ) < ε

16 3

Solução exata: f '( x ) = 4 x − 2 = 0 ⇒ x = 4 = 1,5874
x
 0,000
5,000
10,000
15,000
20,000
25,000
30,000
35,000

0,50
0,60
0,70
0,80
0,90
1,00
1,10
1,20
1,30
1,40
1,50
1,60
1,70
1,80
1,90
2,00
2,10
2,20
2,30
2,40
2,50
2,60
2,70
2,80
2,90
3,00
Exemplo: Método de Newton-Raphson
 Método de Newton-Raphson

Existe a possibilidade do método de Newton

divergir...
 Método da Bisseção

Se a função f(x) for unimodal em um dado intervalo

de busca, então o ponto ótimo será aquele em que
f '( x ) = 0

Se a função e sua derivada forem conhecidas, então
um procedimento eficiente de busca pode ser
empregado

Por exemplo, se no ponto z, f '( x ) < 0, então o ponto
ótimo não poderá estar à esquerda de z, e o trecho do
espaço de solução x≤z pode ser eliminado

Procedimento de Bolzano
 Método da Bisseção

Para um dado intervalo a≤x≤b:

Passo 1 – Faça L=a; R=b; assuma que f '(a) < 0 e
f '(b) > 0
Passo 2 – Determinar z=½(R+L), e calcular f '( z )
Passo 3 – Se f '( z ) < ε , terminar. Em caso
contrário, se f’(z)<0, faça L=z e retornar ao Passo 2.
Se f '( z ) > 0 , faça R=z e retornar ao Passo 2.

Observar que o método é orientado unicamente pelo
sinal da derivada e não pela sua magnitude
 Método da Secante

Este método combina o Método de Newton, com o

procedimento de eliminação do espaço de solução,
visando encontrar as raízes de f '( x ) = 0

Supor ser conhecido um intervalo (a,b), tal que as
derivadas nestes pontos tenham sinais contrários. O
método da secante aproxima a função f '( x ) como uma
linha secante, determinando o novo ponto z em que
esta função se anula:
f '(R )
z=R−
[ f '(R ) − f '(L)]/(R − L)
 Método da Secante

f '( x )

L z1 x* R
 Método da Secante

f '( x )

L z2 x* R
 Exemplo: Método da Secante

Minimizar a função:
2 16
f ( x ) = 2x + (1 ≤ x ≤ 5)
x
 Exemplo: Método da Secante

it L R f ' (L ) f ' (R ) z f ' (z )

1 1,000 5,000 -12,000 19,360 2,531 7,624
2 1,000 2,531 -12,000 7,624 1,936 3,475
3 1,000 1,936 -12,000 3,475 1,726 1,531
4 1,000 1,726 -12,000 1,531 1,644 0,652
5 1,000 1,644 -12,000 0,652 1,610 0,273
6 1,000 1,610 -12,000 0,273 1,597 0,113
7 1,000 1,597 -12,000 0,113 1,591 0,047
8 1,000 1,591 -12,000 0,047 1,589 0,019
9 1,000 1,589 -12,000 0,019 1,588 0,008
10 1,000 1,588 -12,000 0,008 1,588 0,003
11 1,000 1,588 -12,000 0,003 1,588 0,001
12 1,000 1,588 -12,000 0,001 1,587 0,001
13 1,000 1,587 -12,000 0,001 1,587 0,000