Exercício 01: Raízes e otimização de funções

Marta Ferreira nº58706, João Botas nº 59759 , Francisco Lopes nº59750

Este trabalho teve como objetivo a utilização de métodos para determinar as raízes e mínimos de
funções, observando também a sua evolução com o número de iterações e a sua convergência para
os valores desejados.

I. RAIZ QUADRADA DE UM NÚMERO:

√
De forma a se estimar o valor de 4 utilizaram-se
os métodos da bissecção, de Newton e da secante, que
para os quais utilizou-se a função f (x) = x2 − 4 e o
mesmo critério de convergência ϵ = 10−5 .

Para o método da bissecção usou-se como intervalos

iniciais, [0.7, 2.6], [0.4, 1.7] e [−3.0, 0.6] para se calcu-
lar o valor pretendido, obtendo-se os valores A1 =
1.999995..., A2 = 1.699990... e A3 = −2.000003..., res-
petivamente.
Figura 2. Gráfico do erro obtido em função do número de
Sabendo que os valor esperados para os zeros da iterações, para cada método utilizado no cálculo da raiz.
função, são de −2 e 2, verifica-se que A1 e A3 se
aproximam dos valores esperados. Enquanto que, A2 ,
afasta-se do previsto, sendo que no intervalo escolhido
não se encontra nenhum zero, pelo que o método rea- II. CORRENTE OSCILANTE EM
liza consecutivas iterações, convergindo para o limite CIRCUITOS:
superior do intervalo, 1.7 - como podemos observar na
figura 1.
A corrente oscilante num circuito é descrita através
da expressão 9e−t sin(2πt) = I, com I em mA. De
modo a determinar os valores do tempo para os quais
I = 1.5 mA, utilizou-se o Método de Newton de modo
a determinar os zeros da função 9e−t sin(2πt) − 1.5,
com uma precisão de 10−6 . Para a utilização deste mé-
todo calculou-se também a derivada da função, com o
auxílio do programa Mathematica, obtendo a seguinte
expressão: 18e−t πcos(2πt) − 9e−t sin(2πt).

Em baixo encontram-se os valores das raizes da fun-

ção obtidos através da aplicação do método de New-
ton, assim como os valores obtidos através do Findroot
no Mathematica para verificação dos valores.

Raízes obtidas
Figura 1. Gráfico dos valores obtidos no cálculo da raiz x0 Python Mathematica
utilizando o método da bissecção, em função do número 0.6 0.4575814699215208 0.457582
de iterações, em intervalos diferentes. 0.7 -0.5158617879572158 1.08181
0.75 OverflowError 1.38416
0.8 1.3841631272932045 1.38416
0.9 1.0818061316330885 1.08181
De seguida, foram implementados os métodos de
Newton e da secante para a mesma função e como se Tabela I. Raizes obtidas para os valores de x0 em python
pode observar na figura 2, comparando também com o e no Mathematica
método da bissecção, verifica-se que o método de New-
ton é o mais eficiente, sendo aquele que se verifica uma É possível constatar que para os valores de x0 =
maior precisão para um menor número de iterações, 0.6, 0.8 e 0.9 se observa os mesmos resultados, com
enquanto o método da bissecção foi o que se verificou apenas a diferença por alguns arredondamentos.
com menor precisão para um maior número de ite-
rações. Para o método da secante verifica-se também No entanto, para x0 = 0.7 , o método não obteve
que é um método eficiente com uma boa precisão para o resultado pretendido, resultando num valor nega-
um baixo número de iterações. tivo. Para x0 = 0.75 observou-se um OverflowError,

uma vez que a derivada obtida no denominador chega
tão próximo de 0 que o resultado se torna demasiado
grande para o programa definir.
Assim, através dos resultados próximos obtidos
para alguns dos valores iniciais utilizados é possível
concluir que o Findroot do Mathematica utiliza uma
variante do Método de Newton. Isto porque não apre-
sentou os erros que o programa em Python obteve
para os valores x0 = 0.7 e x0 = 0.75.
III. CORPO PRESO A UMA MOLA:
Um corpo preso a uma mola está sujeito a um po-
tencial cuja função é P (x) = 0.5(x − 2)2 .
De modo a encontrar a posição de equilíbrio,
utilizou-se o método do Número de Ouro, com um
erro relativo de 0.001%. Para o intervalo [−0.7, 2.6]
obteve-se 2.00000 e para o intervalo [0.4, 1.7] obteve-
se 1.69998. O primeiro valor converge para o valor
esperado, o mínimo local. O segundo valor representa
o valor do seu limite superior, mais próximo do mí-
nimo, uma vez que o intervalo não inclui o mínimo da
função.
Utilizando agora o método do Gradiente, utilizou-se
um máximo de 10 iterações, x0 = 0 , precisão de 10−5 e
valores de λ = 0.1; 0.5; 1; 2; 2.1. Os resultados obtidos
foram respetivamente [1.37238; 1.99902; 2; 4; 7.70623].
No gráfico seguinte estão representados os mínimos
para cada valor de λ em função do número de itera-
ções.
Figura 3. Gráfico dos valores mínimos para cada lambda
em função do nº de iterações.
Na figura 3, é possível observar que para λ = 0.1, ao
fim das 10 iterações quase alcança o valor do mínimo
esperado, mas não consegue devido a ser um valor
muito pequeno. Para λ = 0.5 ao fim das iterações al-
cança o valor pretendido. Para λ = 1 alcança o valor
na primeira iteração, e por isso é apenas um ponto (
subsituindo na expressão obtem-se diretamente o mí-
nimo da função). Para λ = 2 o valor do mínimo nunca
é obtido, uma vez que alterna sempre entre 0 e 4. Por
2
fim, para λ = 2.1, com cada iteração é possível obser-
var que o valor se afasta exponencialmente do valor
pretendido, isto porque λ é demasiado grande. Atra-
vés destes resultados conclui-se que a escolha do valor
de λ para a utilização deste método tem um grande
impacto no resultado obtido.
IV. DISTÂNCIA EM LIGAÇÃO IÓNICA:
Usou-se o método do gradiente para se encontrar
numericamente a distância de equilíbrio, r, entre os
iões N a+ e Cl− , onde o potencial de interação entre
os dois iões é dado pela função: U (r) = Ae−Br − Cr .
Considerando A = 80eV, C = 10eVÅ, B = 2Å−1 ,
assumindo uma precisão de ϵ = 10−5 , x0 = 2 e
λ = 0.5, obteve-se uma distância de equilíbrio, r =
2.153289.
Comparando com o valor obtido pelo Mathematica,
2.15329, é possível observar uma precisão de 0.00001.
De seguida, foi aplicado o método do gradiente a
duas dimensões ao mesmo problema, considerando
x0 = 5, y0 = −5, λ = 0.25 e 100 iterações obteve-
se o resultado de r = 2.15330. Através da função
Findminimum do Mathematica, obtém-se os mesmos
valores de x e y obtidos através do python (x, y) =
(1, 52261; −1, 52261), observando-se um valor seme-
lhante ao valor de r obtido, apenas com uma ligeira
diferença na última casa decimal, provavelmente de-
vido a arredondamentos.
Traçou-se o seguinte gráfico de y e x em função do
número de interações, e um inset com a trajetória.
Figura 4. y e x da posição de equilíbrio em função do
número de interações, e um inset com a trajetória.
Na figura 4 é possível observar os valores de x e y
a convergir com o aumento do número de iterações,
sendo estes valores de x e y iguais absolutamente, e
a sua evolução inversamente proporcional (observada
também pela trajetória). Comparando os valores de r
obtidos pelo método do gradiente 1D e 2D é possível
concluir a sua semelhança.