Escolar Documentos
Profissional Documentos
Cultura Documentos
𝑎0 𝑎
𝑎321
𝑏3𝑏2 𝑏01
MÉTODO DA BISSEÇÃO
EXEMPLO:
Consideremos a função real , e vamos estudar o seu sinal em alguns pontos:
Como isso, sabemos que há pelo menos uma raiz no intervalo Vamos
determinar uma aproximação com precisão de .
{ {
Passo : 𝑎 0 =2
𝑓 ( 2 )=− 0,398
𝑏0 =3
2+3
⟹ 𝑓 ( 3 ) =0,431
𝑥1= =2,5 𝑓 ( 2,5 )=− 0,005
2
MÉTODO DA BISSEÇÃO
Passo :
{
𝑎1=2 ,5
𝑏1=3 |𝑥 𝑘+1 − 𝑥 𝑘| |𝑥 2 − 𝑥1| |2,75 −2,5|
|𝑥 𝑘+1|
¿
|𝑥 2|
¿
|2 , 75|
¿ 0,091
2 , 5+3
𝑥2 = =2 ,7 5
2
{
𝑓 ( 2,5 )=− 0,005
⟹ 𝑓 ( 3 ) =0,431
𝑓 ( 2,75 )=0,208
MÉTODO DA BISSEÇÃO
Passo :
{
𝑎 2=2 ,5
𝑏2=2,75 |𝑥 3 − 𝑥 2| |2,625 −2,75|
| 𝑥3|
¿
|2 , 625|
¿ 0,048
2 ,5+2,75
𝑥3 = =2 , 625
2
{
𝑓 ( 2,5 )=− 0,005
⟹ 𝑓 ( 2,75 )=0,208
𝑓 ( 2,625 )=0,100
MÉTODO DA BISSEÇÃO
Passo :
{
𝑎3 =2 , 5
𝑏3 =2,625 |𝑥 4 − 𝑥 3| |2,563 −2,625|
|𝑥 4|
¿
|2 , 563|
¿ 0,024
2 , 5+2,625
𝑥4 = =2 ,563
2
{
𝑓 ( 2,5 )=− 0,005
⟹ 𝑓 ( 2,625 )=0 ,100
𝑓 ( 2,563 )=0,048
MÉTODO DA BISSEÇÃO
Unidade 2 – Tópico 1
Zeros das Funções:
Método das Cordas
MÉTODO DAS CORDAS
Seja uma função contínua em uma intervalo . Se , então existe pelo
menos um ponto entre e que é zero da função.
Método das Cordas consiste em utilizar uma reta (corda) que passe pelos
pontos e . O ponto onde esta reta cortar o eixo das abscissas será nossa
primeira aproximação para a raiz.
𝑎0 𝑎 12
𝑏2 𝑏01
𝑓 (𝑎)
𝑥1=𝑎− ∙(𝑏 −𝑎 )
𝑓 ( 𝑏) − 𝑓 ( 𝑎 )
MÉTODO DAS CORDAS
EXEMPLO:
Como isso, sabemos que há pelo menos uma raiz no intervalo Vamos
determinar uma aproximação com precisão de .
MÉTODO DAS CORDAS
Passo :
{
𝑎0 =2
𝑏0 =3
𝑓 (2)
𝑥1= 2− ∙ ( 3 − 2 )=2,480
𝑓 ( 3 ) − 𝑓 ( 2)
{
𝑓 ( 2 )=− 0,398
𝑓 ( 3 )=0,431
𝑓 ( 2,480 )=− 0,022
MÉTODO DAS CORDAS
Passo :
{
𝑎 1=2 , 480
𝑏1= 3
𝑓 ( 2,480 )
𝑥2 =2,480 − ∙ ( 3 −2,480 )=2,505
𝑓 ( 3 ) − 𝑓 ( 2,480 )
{
𝑓 ( 2,480 )=− 0,022 |𝑥 𝑘+1 − 𝑥 𝑘| |𝑥 2 − 𝑥1|
¿
𝑓 ( 3 )=0,431 |𝑥 𝑘+1| |𝑥 2|
𝑓 ( 2,505 )=− 0,001 |2,505 −2,480|
¿ ¿ 0,01
|2,505|
MÉTODO DAS CORDAS
Passo :
{
𝑎2 =2 ,505
𝑏2 =3
𝑓 ( 2,505 )
𝑥3 =2,505 − ∙ ( 3 − 2,505 )= 2,506
𝑓 ( 3 ) − 𝑓 ( 2,505 )
{
𝑓 ( 2 ,505 )=− 0,0 01
𝑓 ( 3 )=0,431 |𝑥 3 − 𝑥 2| |2,50 6 −2 , 505|
¿ ¿ 0,0004
𝑓 ( 2,50 6 )=−0,0002 | 𝑥3| |2,50 6|
MÉTODO DAS CORDAS
Erro
- - - -
Unidade 1 – Tópico 4
Sistemas Lineares:
Métodos Iterativos
SISTEMAS LINEARES
Seja um sistema linearCOMPLEXOS
complexo, em que existem matrizes reais e tais que:
{ 𝑀 ∙ 𝑆 − 𝑁 ∙ 𝑇 =𝐶
𝑁 ∙ 𝑆+ 𝑀 ∙ 𝑇 =𝐷
⟹ [ 𝑀
𝑁 𝑀
∙
][ ] [ ]
−𝑁 𝑆
𝑇
=
𝐶
𝐷
SISTEMAS LINEARES
Exemplo:
COMPLEXOS
[ ][ ] [ 3
2 +3 𝑖
4 −3 𝑖
−2𝑖
∙
𝑥1
𝑥2
=
3 −𝑖
2 ]
𝐴 𝑋 𝐵
([ 3
2
4
0 ] [
+𝑖 ∙
0
3
−3
−2 ]) ([ ] [ ]) [ ] [ ]
∙
𝑠1
𝑠2
+𝑖 ∙
𝑡1
𝑡2
=
3
2
+ 𝑖∙
−1
0
𝑀 𝑁 𝑆 𝑇 𝐶 𝐷
[ ][ ] [ ]
3 4 0 3 𝑠1 3
[ 𝑀
𝑁
−𝑁 𝑆
𝑀
∙
][ ] [ ]
𝑇
=
𝐶
𝐷 ⟹ 2 0
0 −3
−3 2
3 4
∙
𝑠2
𝑡1
=
2
−1
3 −2 2 0 𝑡2 0
Unidade 2 – Tópico 1
Zeros das Funções:
Método de Newton
MÉTODO DE NEWTON
A base para este método é uma reta tangente a curva da expressão dada.
Com esta reta, observasse o ponto em que ela corta o eixo das abscissas.
𝑥2 𝑥 1 𝑥0
𝑓 ( 𝑥𝑘 )
𝑥𝑘+1 = 𝑥𝑘 − ′
𝑓 ( 𝑥𝑘)
MÉTODO DE NEWTON
Como todo método de obtenção de zeros de funções, precisamos partir de
um valor para dar início ao processo.
¿0
¿0
MÉTODO DE NEWTON
Agora, verificaremos o sinal das derivadas de primeira e segunda ordem:
MÉTODO DE NEWTON
Vamos as iterações: 𝑓 ( 𝑥𝑘 )
𝑥𝑘+1 = 𝑥𝑘 − ′
𝑓 ( 𝑥𝑘)
Passo
𝑥0 =1,5
− 𝑥0
𝑒 − cos ( 𝑥 0 )
𝑥1 = 𝑥 0 − 𝑥0
− 𝑒 +sin ( 𝑥 0 ) |𝑥 1 − 𝑥 0| |1,303 −1,5|
¿
|𝑥1| |1,303|
𝑒 −1,5 −cos ( 1,5 )
𝑥1=1,5 −
− 𝑒 −1,5 +sin ( 1,5 ) ¿ 0,151
𝑥1=1,303
MÉTODO DE NEWTON
Vamos as iterações: 𝑓 ( 𝑥𝑘 )
𝑥𝑘+1 = 𝑥𝑘 − ′
𝑓 ( 𝑥𝑘)
Passo
𝑥1=1,303
− 𝑥1
𝑒 − cos ( 𝑥 1)
𝑥2 = 𝑥1 − |𝑥 2 − 𝑥 1| |1 ,293 − 1,303|
𝑥1
− 𝑒 +sin ( 𝑥1 ) ¿
|𝑥 2| |1,293|
𝑒 −1,303 − cos ( 1,303 )
𝑥2 =1,303 − −1,303
¿ 0,008 ¿ 10− 2
−𝑒 +sin ( 1,303 )
𝑥2 =1,293
Unidade 2 – Tópico 1
Zeros das Funções:
Método das Secantes
MÉTODO DAS SECANTES
O método da Secante nada mais é do que um aprimoramento do método
de Newton.
Um possível valor é .
MÉTODO DAS SECANTES
𝑓 ( 𝑥𝑘)
Vamos as iterações: 𝑥𝑘+1 = 𝑥𝑘 − ( 𝑘 ) ( 𝑥 𝑘 − 𝑥𝑘 −1 )
𝑓 𝑥
𝑥𝑘+1 =𝑥𝑘 − 𝑓 ( 𝑥 𝑘) − 𝑓 ( 𝑥 𝑘− 1 )
Passo 𝑓 ( 𝑥𝑥𝑘𝑘) −
−𝑥𝑓 𝑘( 𝑥
−1𝑘− 1
)
e
𝑥𝑥33=1,293
=1,293 |𝑥 3 − 𝑥 2| |1,293 −1,301|
¿
|1,293| ¿ 0,006 ¿ 10 −2
| 𝑥3|
Unidade 2 – Tópico 1
Zeros das Funções:
Método da Iteração Linear
MÉTODO DA ITERAÇÃO LINEAR
Inicialmente, é necessário encontrar uma função tal que utilizando para
isso a igualdade .
Exemplo:
Terceira ( 4 −2 𝑥 )
𝑥 =4 −2 𝑥 ⟹ 𝑥 ∙ 𝑥 =4 − 2 𝑥 ⟹
3 2
𝐹 3 ( 𝑥 )=
Candidata 𝑥
2
√
Quarta e ( 4−2 𝑥 )
(4−2𝑥)
2
Quinta 𝑥 ∙ 𝑥 =4 − 2 𝑥 ⟹𝑥 =
2
𝑥 ⟹ 𝐹 4,5 ( 𝑥 )=±
Candidata 𝑥
MÉTODO DA ITERAÇÃO LINEAR
A função é chamada de função de iteração.
Para a escolha correta, temos que encontrar aquela que seja contínua no
intervalo e , para todo .
MÉTODO DA ITERAÇÃO LINEAR 3
Primeira 4−𝑥
𝐹1 ( 𝑥) =
Candidata 2
2 3
|𝐹 ′
( 𝑥 )|<1 2 2 Não há uma raiz no
1 𝑥 <
3 intervalo de
| | √ √
2
3𝑥 2 2
− <1
2 − <𝑥<
3 3
MÉTODO DA ITERAÇÃO LINEAR
√
Segunda 𝐹 ( 𝑥 ) = 3 4 −2 𝑥
2 √ 8
Candidata 4 −2 𝑥>
27
Note que é uma função contínua.
√
ou
8
| |
2 1 3
′
𝐹 ( 𝑥)= < 4 −2 𝑥<−
3 ∙ √( 4 − 2 𝑥 )
2 3 2
√(4 − 2 𝑥 ) 2
3 2 27
|𝐹 ′
( 𝑥 )|<1 2
𝑥<1,728
2
√ ( 4 −2 𝑥 ) > 3
3 2
ou
| 2
3 ∙ √( 4 − 2 𝑥 )
3 2 |
<1 2
( 4 −2 𝑥 ) >
8
27
𝑥>2,272
Há uma raiz no
intervalo de
MÉTODO DA ITERAÇÃO LINEAR
Segunda 𝐹 ( 𝑥 ) = 3 4 −2 𝑥
Candidata 2 √
𝐹 2 ( 1,25 ) =1 ,1447
Passo : Vamos usar . Então:
𝐹 2 ( 1,1447 )=√ 4 −2 ∙ 1,1447
3
𝐹 2 ( 1,1960 ) =1 ,1716
Passo : Vamos usar . Então:
𝐹 2 ( 1,1716 )=√ 4 −2 ∙ 1,1716
3
|𝑥 4 − 𝑥 3| |1,1833 −1,1716|
=
𝐹 2 ( 1,1716 )=1 , 1833 |𝑥 4| |1,1833|
𝑥 4=1 , 1833 ¿ 0,00988 …< 10 −2
Unidade 2 – Tópico 2
Sistemas de Equações não
Lineares:
Método da Iteração Linear
MÉTODO DA ITERAÇÃO LINEAR
O método inicial é semelhante ao utilizado em raízes de funções.
{ 𝑥 2+ 𝑥𝑦 −5 𝑥+ 3=0
{
2
4 𝑥 +𝑥 𝑦 −10 𝑦+5=0 𝐹 ( 𝑥 , 𝑦 )=
𝑥2 + 𝑥𝑦 +3
5
{
2
2
𝑥 + 𝑥𝑦 +3 4 𝑥 +𝑥 𝑦 +5
𝑥= 𝐺 ( 𝑥 , 𝑦 )=
5 10
2
4 𝑥 +𝑥 𝑦 +5
𝑦= Verificaremos agora, três condições
10
para podermos aplicar o método
MÉTODO DA ITERAÇÃO LINEAR
As derivadas parciais de primeira ordem das funções e devem ser contínuas
próximas à solução do sistema.
{
2
𝑥 + 𝑥𝑦 +3 Derivas Parciais de Primeira Ordem
𝐹 ( 𝑥 , 𝑦 )=
5 𝜕 𝐹 2𝑥+𝑦 𝜕𝐹 𝑥
2
4 𝑥 +𝑥 𝑦 +5 = =
𝐺 ( 𝑥 , 𝑦 )= 𝜕𝑥 5 𝜕𝑦 5
10
𝜕 𝐺 4 + 𝑦2 𝜕 𝐺 𝑥𝑦
= =
𝜕𝑥 10 𝜕𝑦 5
Observe que todas as derivadas parciais são
contínuas. Logo, a condição é satisfeita.
MÉTODO DA ITERAÇÃO LINEAR
Para todo ponto próximo à solução, temos que:
| 𝜕𝐹
𝜕𝑥 ||
(𝑥 , 𝑦 ) +
𝜕𝐹
𝜕𝑦 |
( 𝑥, 𝑦) <1 | 𝜕𝐺
𝜕𝑥 || |
(𝑥 , 𝑦) +
𝜕𝐺
𝜕𝑦
( 𝑥 , 𝑦 ) <1
| || | | || |
2
2𝑥+𝑦 𝑥 4+𝑦 𝑥𝑦
+ <1 + <1
5 5 10 5
Vamos testar para o ponto
|
2∙ 0,9+ 0,9
|| |
0,9
| || |
2
+ <1 4 +0,9 0,9 ∙ 0,9
5 5 + <1
10 5
0,54 +0,18<1 0,481+0,162<1
0,72<1 0,643< 1
A condição é satisfeita.
MÉTODO DA ITERAÇÃO LINEAR
O ponto inicial precisa estar próximo da solução do sistema:
Ponto
A condição é satisfeita.
MÉTODO DA ITERAÇÃO LINEAR
Procedimento das iterações é semelhante ao método da iteração linear para
raiz de equações.
Para o passo com o ponto .
{ {
2 2
𝑥 + 𝑥𝑦 +3 0,9 +0,9 ∙ 0,9+3
𝐹 ( 𝑥 , 𝑦 )= 𝐹 ( 0,9 ; 0,9 )=
5 5
2
4 𝑥 +𝑥 𝑦 +5
⟹ 2
4 ∙ 0,9+ 0,9∙ 0,9 +5
𝐺 ( 𝑥 , 𝑦 )= 𝐺 ( 0,9 ; 0,9 )=
10 10
|𝑥 1 − 𝑥 0| |0,924 −0,9|
= =0,026
{
|𝑥1|
{
𝐹 ( 0,9 ; 0,9 ) =0,924 𝑥1 =0,924 |0,924|
𝐺 ( 0,9 ; 0,9 )=0,933
⟹ 𝑦 1=0,933 | 𝑦 1 − 𝑦 0|=|0,933 − 0,9| =0,035
| 𝑦 1| |0,933|
Unidade 2 – Tópico 2
Sistemas de Equações não
Lineares:
Método de Newton
MÉTODO DE NEWTON
O método transforma um sistema não linear em um linear
{
𝜕𝑓 𝜕𝑓
𝑓 ( 𝑥 , 𝑦 )= 𝑓 ( 𝑥 0 , 𝑦 0 ) + ( 𝑥0 , 𝑦 0 ) ∙ ( 𝑥 − 𝑥 0 ) + ( 𝑥0 , 𝑦0) ∙( 𝑦 − 𝑦0 )
𝜕𝑥 𝜕𝑦
𝜕𝑔 𝜕𝑔
𝑔 ( 𝑥 , 𝑦 ) =𝑔 ( 𝑥 0 , 𝑦 0 ) + ( 𝑥 0 , 𝑦 0 ) ∙ ( 𝑥 − 𝑥0 ) + ( 𝑥0 , 𝑦0) ∙ ( 𝑦 − 𝑦0)
𝜕𝑥 𝜕𝑦
{ 𝑓 ( 𝑥 , 𝑦 )=0
𝑔 ( 𝑥 , 𝑦 )=0
MÉTODO DE NEWTON
{
𝜕𝑓 𝜕𝑓
− 𝑓 ( 𝑥0 , 𝑦 0 )= ( 𝑥0 , 𝑦0) ∙( 𝑥 − 𝑥0)+ ( 𝑥0 , 𝑦0) ∙ ( 𝑦 − 𝑦0)
𝜕𝑥 𝜕𝑦
𝜕𝑔 𝜕𝑔
− 𝑔 ( 𝑥0 , 𝑦 0 )= ( 𝑥0 , 𝑦 0 ) ∙ ( 𝑥 − 𝑥 0 ) + ( 𝑥0 , 𝑦0) ∙( 𝑦 − 𝑦0 )
𝜕𝑥 𝜕𝑦
[ ]
𝜕𝑓 𝜕𝑓
[ ][ ]
𝜕𝑥
( 𝑥0 , 𝑦0)
𝜕𝑦
( 𝑥0 , 𝑦0 )
( 𝑥 − 𝑥0) − 𝑓 ( 𝑥0 , 𝑦0)
∙ =
𝜕𝑔 𝜕𝑔 ( 𝑦 − 𝑦0) − 𝑔 ( 𝑥0 , 𝑦0)
( 𝑥0, 𝑦 0) (𝑥0 , 𝑦0 )
𝜕𝑥 𝜕𝑦
MÉTODO DE NEWTON
[ ]
𝜕𝑓 𝜕𝑓
[ ][ ]
𝜕𝑥
( 𝑥0 , 𝑦0)
𝜕𝑦
( 𝑥0 , 𝑦0 )
( 𝑥 − 𝑥0) − 𝑓 ( 𝑥0 , 𝑦0)
∙ =
𝜕𝑔 𝜕𝑔 ( 𝑦 − 𝑦0) − 𝑔 ( 𝑥0 , 𝑦0)
( 𝑥0, 𝑦 0) (𝑥0 , 𝑦0 )
𝜕𝑥 𝜕𝑦
{
𝜕𝑔 𝜕𝑓
𝑓 ( 𝑥0 , 𝑦0) ∙ ( 𝑥0 , 𝑦 0 ) − 𝑔 ( 𝑥 0 , 𝑦 0 ) ∙ ( 𝑥0 , 𝑦0)
𝜕𝑦 𝜕𝑦
𝑥=𝑥 0 −
𝜕𝑓 𝜕𝑔 𝜕𝑓 𝜕𝑔
( 𝑥0 , 𝑦0) ∙ ( 𝑥0 , 𝑦 0 ) − ( 𝑥0, 𝑦 0)∙ (𝑥0 , 𝑦0)
𝜕𝑥 𝜕𝑦 𝜕𝑦 𝜕𝑥
𝜕𝑓 𝜕𝑔
𝑔 ( 𝑥0 , 𝑦 0 ) ∙ ( 𝑥0 , 𝑦 0 ) − 𝑓 ( 𝑥 0 , 𝑦 0 ) ∙ ( 𝑥0, 𝑦 0)
𝜕𝑥 𝜕𝑥
𝑦= 𝑦 0 −
𝜕𝑓 𝜕𝑔 𝜕𝑓 𝜕𝑔
( 0 0)
𝑥 , 𝑦 ∙ ( 0 0)
𝑥 , 𝑦 − ( 0 0)
𝑥 , 𝑦 ∙ ( 𝑥0 , 𝑦 0 )
𝜕𝑥 𝜕𝑦 𝜕𝑦 𝜕𝑥
MÉTODO DE NEWTON
As condições para podermos aplicar o método de Newton sobre
um sistema não linear é que suas derivadas parciais sejam
contínuas até segunda ordem e limitadas próximas à solução do
sistema.
Além disso,
( 𝜕𝑓
𝜕𝑥
(
𝜕𝑔
)(
𝑥0 , 𝑦 0 ) ∙ ( 𝑥 0 , 𝑦 0 ) ≠
𝜕𝑦
𝜕𝑓
𝜕𝑦
(
𝜕𝑔
𝑥0 , 𝑦0 )∙ ( 𝑥0 , 𝑦0)
𝜕𝑥 )
para todo próximo da raíz.
MÉTODO DE NEWTON
EXEMPLO: Encontraremos uma aproximação para a solução do sistema
{
2 2
𝑥 + 𝑦 −2=0 utilizando uma precisão de e que possui uma solução
2
2 𝑦 próxima de .
𝑥 − −1=0
4
2
2 𝑦
2 2
𝐹 ( 𝑥 , 𝑦 )=𝑥 + 𝑦 − 2 𝐺 ( 𝑥 , 𝑦 ) =𝑥 − − 1
4
𝜕𝐹 𝜕𝐹 𝜕𝐺 𝜕𝐺 𝑦
=2 𝑥 =2 𝑦 =2 𝑥 =−
𝜕𝑥 𝜕𝑦 𝜕𝑥 𝜕𝑦 2
MÉTODO DE NEWTON
𝜕𝐹 𝜕 𝐹
𝐹 ( 1 ,1 )=1 +1 − 2=0 𝜕 𝑥 ( 1 , 1 )=2 ∙ 1=2
2 2
( 1 , 1 )=2 ∙ 1=2
𝜕𝑦
2
1 1 𝜕𝐺
2
𝐺 ( 1 ,1 ) =1 − −1=− ( 1 ,1 )=2 ∙1=2 𝜕 𝐺 ( 1 ,1 )=− 1
4 4 𝜕𝑥 𝜕𝑦 2
{{
1 𝜕𝑔 𝜕𝑓
𝑥 =1𝑥=𝑥
− 0−
() (
1
0 ∙ − 𝑓 (−
2 )
𝑥 0 ,−𝑦 0 ) ∙ ∙ 2
4 𝜕𝑦
( 𝑥0 , 𝑦 0 ) − 𝑔 ( 𝑥 0 , 𝑦 0 ) ∙ 𝜕 𝑦 ( 𝑥 0 , 𝑦 0 )
( )
2 ∙ 𝜕−
𝜕𝑥
𝑓 1 − 2 ∙ 2𝜕 𝑔
( 𝑥0 , 𝑦0) ∙
2 ( 𝑥0 , 𝑦 0 ) −
𝜕𝑓
( 𝑥0, 𝑦 0)∙
𝜕 𝑦 ⟹ ( 𝑥𝜕 ,𝑦𝑦 ) =( 1,1;𝜕0,9
𝜕𝑔
𝑥 )
(𝑥0 , 𝑦0)
( )
1 1 1
− 𝑔∙ 𝑥 2− 0 ∙ 2 𝜕 𝑓 𝜕𝑔
4 ( 0 , 𝑦 0)∙ ( 𝑥0 , 𝑦 0 ) − 𝑓 ( 𝑥 0 , 𝑦 0 ) ∙ ( 𝑥0, 𝑦 0)
𝑦 =1 − 𝜕𝑥 𝜕𝑥
𝑦= 𝑦 0 −
( )
2 ∙ 𝜕−𝑓
1
2
− 2 ∙ 2𝜕 𝑔
( 0 0)
𝑥 , 𝑦 ∙ ( 0 0)
𝑥 , 𝑦 −
𝜕𝑓
( 0 0)
𝑥 , 𝑦 ∙
𝜕𝑔
( 𝑥0 , 𝑦 0 )
𝜕𝑥 𝜕𝑦 𝜕𝑦 𝜕𝑥
MÉTODO DE NEWTON
Calculemos o erro relativo de ambas variáveis para saber se
devemos parar ou prosseguir com o processo de iteração.
|𝑥 1 − 𝑥 0| |1,1 −1|
= =0,091
|𝑥1| |1,1|
| 𝑦 1 − 𝑦 0| |0,9 −1|
= = 0,11
| 𝑦 1| |0,9|
′ 𝜕𝑈 𝜕𝑉 𝜕𝑈 𝜕𝑉
𝑓 ( 𝑧 )= ( 𝑥 , 𝑦 ) +𝑖 ∙ ( 𝑥 , 𝑦 )= ( 𝑥 , 𝑦 ) −𝑖 ∙ (𝑥, 𝑦)
𝜕𝑥 𝜕𝑥 𝜕𝑦 𝜕𝑦
MÉTODO DE NEWTON
𝑓 ( 𝑧𝑘 ) 𝑈 ( 𝑥 , 𝑦 )+𝑖 ∙ 𝑉 ( 𝑥 , 𝑦 )
𝑧 𝑘+1 = 𝑧 𝑘 − ′ ⟹ 𝑥𝑘+1 + 𝑦 𝑘+1=𝑥 𝑘+ 𝑦 𝑘 −
𝑓 ( 𝑧 𝑘) 𝜕𝑈 𝜕𝑉
( 𝑥 , 𝑦 )+𝑖 ∙ (𝑥 , 𝑦)
𝜕𝑥 𝜕𝑥
𝜕𝑈 𝜕𝑉
( 𝑥 , 𝑦 ) −𝑖 ∙ (𝑥, 𝑦 )
𝑈 ( 𝑥 , 𝑦 )+𝑖 ∙ 𝑉 ( 𝑥 , 𝑦 ) 𝜕𝑥 𝜕𝑥
𝑥𝑘+1 + 𝑦 𝑘+1= 𝑥 𝑘+ 𝑦 𝑘 − ∙
𝜕𝑈
( 𝑥 , 𝑦 )+𝑖 ∙ 𝜕 𝑉 ( 𝑥 , 𝑦 ) 𝜕 𝑈 ( 𝑥 , 𝑦 ) −𝑖 ∙ 𝜕 𝑉 ( 𝑥 , 𝑦 )
𝜕𝑥 𝜕𝑥 𝜕𝑥 𝜕𝑥
𝑥𝑘+1 + 𝑦 𝑘+1=𝑥 𝑘+ 𝑦 𝑘 −
(
( 𝑈 ( 𝑥 , 𝑦 )+𝑖 ∙ 𝑉 ( 𝑥 , 𝑦 )) ∙
𝜕𝑈
𝜕𝑥
( 𝑥 , 𝑦 ) −𝑖 ∙
𝜕𝑉
𝜕𝑥
(𝑥, 𝑦 ) )
( 𝜕 𝑥 ( 𝑥 , 𝑦 )) + ( 𝜕 𝑥 ( 𝑥 , 𝑦 ))
2 2
𝜕𝑈 𝜕𝑉
MÉTODO DE NEWTON
𝑥𝑘+1 + 𝑦 𝑘+1=𝑥 𝑘+ 𝑦 𝑘 −
( 𝜕𝑈 𝜕𝑉
( 𝑈 ( 𝑥 𝑘 , 𝑦 𝑘 )+𝑖 ∙ 𝑉 ( 𝑥 𝑘 , 𝑦 𝑘 ) ) ∙ 𝜕 𝑥 ( 𝑥 𝑘 , 𝑦 𝑘 ) − 𝑖∙ 𝜕 𝑥 ( 𝑥 𝑘 , 𝑦 𝑘 ) )
( 𝜕 𝑥 ( 𝑥 , 𝑦 )) +( 𝜕 𝑥 ( 𝑥 , 𝑦 ))
2 2
𝜕𝑈 𝜕𝑉
𝑘 𝑘 𝑘 𝑘
{
𝑈 ( 𝑥𝑘 , 𝑦𝑘) ∙
𝜕𝑈 𝜕𝑉 O método de
𝜕𝑥
( 𝑥 𝑘 , 𝑦 𝑘 ) +𝑉 ( 𝑥 𝑘 , 𝑦 𝑘 ) ∙
𝜕𝑥
( 𝑥𝑘, 𝑦𝑘)
𝑥 𝑘+1=𝑥 𝑘 − Newton deve ser
( ) ( )
2 2
𝜕𝑈 𝜕𝑉 aplicado sempre
( 𝑥 𝑘 , 𝑦 𝑘) + (𝑥𝑘 , 𝑦𝑘)
𝜕𝑥 𝜕𝑥 que a função
𝜕𝑈 𝜕𝑉 complexa não
𝑉 ( 𝑥 𝑘 , 𝑦 𝑘) ∙ ( 𝑥𝑘 , 𝑦𝑘)− 𝑈 ( 𝑥𝑘 , 𝑦𝑘)∙ ( 𝑥𝑘 , 𝑦𝑘)
𝜕𝑥 𝜕𝑥 for um
𝑦 𝑘+1= 𝑦 𝑘 −
( ) ( )
2 2
𝜕𝑈 𝜕𝑉 polinômio.
( 𝑥𝑘, 𝑦 𝑘) + ( 𝑥𝑘 , 𝑦 𝑘 )
𝜕𝑥 𝜕𝑥
Unidade 2 – Tópico 3
Equações Polinomiais:
Método de Newton
MÉTODO DE NEWTON
O método que veremos a seguir, é uma junção do método de
Newton para raízes de equações ou funções, porém, a derivada da
função é substituída pelo Algoritmo de Briot-Ruffini-Horner.
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
× +¿
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
× × +¿ +¿
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
× +¿
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
× +¿
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
× +¿
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
𝑏0 ( 𝑥 0 )=𝑃 ( 𝑥0 )
′
𝑐 1 ( 𝑥 0 )= 𝑃 ( 𝑥 0 )
MÉTODO DE NEWTON
𝑏0 ( 𝑥0 )
𝑥1 = 𝑥 0 −
𝑐1( 𝑥0) ERRO RELATIVO
5
𝑥1=2− |𝑥 1 − 𝑥 0| |1,6875 −2|
16 ¿
|𝑥1| |1,6875|
𝑥1=1,6875
−3
¿ 0,1852>10
MÉTODO DE NEWTON
4 3 2
𝑃 ( 𝑥 ) = 𝑥 − 2 𝑥 + 3 𝑥 − 4 𝑥 +1
𝑏0 ( 𝑥1 ) =𝑃 ( 𝑥 1 )
1 -2 3 -4 1
1 -0,3125 2,4727 0,1727 1,2914
1 1,375 4,793 8,2609
′
𝑐 1 ( 𝑥1 ) =𝑃 ( 𝑥 1 )
RELATIVO
1,4873 1 -2 3 -4 1
1 -0,5127 2,2375 -0,6722 0,0002
1 0,9746 3,687 4,8115
𝑥 45=1 , 4873 ERRO ¿ 0,0 000 <10 −3
RELATIVO
Unidade 2 – Tópico 3
Equações Polinomiais:
Algoritmo Quociente - Diferença
ALGORITMO QUOCIENTE-
DIFERENÇA
Não precisamos procurar um intervalo que contenha a raiz do
polinômio.
Ele é tão eficiente que nos permite obter aproximações para
TODAS as raízes do polinômio SIMULTANEAMENTE.
Esse método foi desenvolvido por Heinz Rutishauser que foi um
matemático suíço e é conhecido como Algoritmo Quociente-
Diferença ou Algoritmo Q-D.
Só pode ser aplicado para polinômios cujos coeficientes sejam
todos não nulos.
ALGORITMO QUOCIENTE-
DIFERENÇA
EXEMPLO: Procuremos as raízes do polinômio:
Quatro colunas
3 2
𝑃 ( 𝑥 )=2 𝑥 + 3 𝑥 −2 𝑥 +1
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5
𝑎 𝑛 −1 𝑎2 3
− ¿− ¿−
𝑎𝑛 𝑎3 2
3 2
𝑃 ( 𝑥 )=2 𝑥 + 3 𝑥 −2 𝑥 +1
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
𝑎 𝑛 −1 𝑎2 3
− ¿− ¿−
𝑎𝑛 𝑎3 2
3 2
𝑃 ( 𝑥 )=2 𝑥 + 3 𝑥 −2 𝑥 +1
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
SEMPR SEMPR
E E
zero zero
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 0
𝑎𝑛 − ( 𝑘+1 ) 𝑎3 − ( 1+1 ) 𝑎1 − 2
¿ ¿ ¿
𝑎𝑛 − 𝑘 𝑎3 − 1 𝑎2 3
3 2
𝑃 ( 𝑥 )=2 𝑥 + 3 𝑥 −2 𝑥 +1
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 -0,667 0
𝑃 ( 𝑥 )=2 𝑥 3+ 3 𝑥 2 −2 𝑥 +1
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 -0,667 -0,5 0
𝑃 ( 𝑥 )=2 𝑥 3+ 3 𝑥 2 −2 𝑥 +1
ALGORITMO QUOCIENTE-
DIFERENÇA
0
+¿
-1,5 0 0
-0,667 -0,5 0
−
Ordem
bem
definida
ALGORITMO QUOCIENTE-
DIFERENÇA
0
+¿
-1,5 0 0
-0,667
+¿ -0,5
+¿ 0
−
-2,167
− −
Ordem
bem
definida
ALGORITMO QUOCIENTE-
DIFERENÇA
0
+¿
-1,5 0 0
-0,667
+¿ -0,5
+¿ 0
−
-2,167
−
0,167
−
0,5
Ordem
bem
definida
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 -0,667 -0,5 0
-2,167 0,167 0,5
SEMPR SEMPR
E E
zero zero
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 × -0,667 -0,5 0
-2,167 0,167 0,5
0
÷ 0
Ordem
bem
definida
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 × -0,667 × -0,5 0
-2,167 0,167 0,5
0
÷
0,051
÷
-1,497 0
Ordem
bem
definida
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 -0,667 -0,5 0
0
+¿ -2,167
0,051
+¿ 0,167
-1,497
+¿ 0,5
0
− − −
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 -0,667 -0,5 0
0
+¿ -2,167
0,051
+¿ 0,167
-1,497
+¿ 0,5
0
−
-2,116
−
-1,381
−
1,997
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 -0,667 -0,5 0
-2,167 0,167 0,5
0 × 0,051 × -1,497 0
-2,116 -1,381 1,997
÷ ÷
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 -0,667 -0,5 0
-2,167 0,167 0,5
0 × 0,051 × -1,497 0
-2,116 -1,381 1,997
0
÷
0,033
÷
2,165 0
ALGORITMO QUOCIENTE-
DIFERENÇA
-1,5 0 0
0 -0,667 -0,5 0
-2,167 0,167 0,5
0 0,051 -1,497 0
-2,116 -1,381 1,997
0 0,033 2,165 0
-2,083 0,751 -0,168
0 -0,012 -0,484 0
-2,095 0,279 0,316
0 0,002 -0,548 0
-2,093 -0,271 0,864
ALGORITMO QUOCIENTE-
DIFERENÇA
-2,095 0,279 0,316
0 0,002 -0,548 0
-2,093 -0,271 0,864
2
𝑥 − 0,593 𝑥 + 0,241= 0
𝑥1 = 0,2965 − 0,391264 𝑖
𝑥2 =0,2965 + 0,391264 𝑖
𝑥3 =− 2,093
Unidade 2 – Tópico 4
Interpolação
Polinomial de Lagrange
INTERPOLAÇÃO POLINOMIAL DE
LAGRANGE
A necessidade de obter um valor intermediário que não consta de
uma tabela ocorre comumente
𝑃 ( 𝑥 )= 𝑦 0 𝐿0 + 𝑦 1 𝐿1+ 𝑦 2 𝐿2 + 𝑦 3 𝐿3
𝑥 3 −3 𝑥 2+2 𝑥 𝑥3 −2 𝑥 2 − 𝑥 +2 𝑥3 − 𝑥 2 − 2 𝑥 𝑥3 − 𝑥
𝑃 ( 𝑥 )=4 ∙ +2 ∙ + +5 ∙
−6 2 −2 6
− 4 ∙ ( 𝑥 3 − 3 𝑥2 +2 𝑥 ) +6 ∙ ( 𝑥 3 − 2 𝑥 2 − 𝑥 +2 ) −3 ∙ ( 𝑥3 − 𝑥 2 − 2 𝑥 ) +5 ∙ ( 𝑥 3 − 𝑥 )
¿
6
− 4 𝑥 3 +12 𝑥 2 − 8 𝑥+6 𝑥 3 −12 𝑥 2 −6 𝑥+12 −3 𝑥 3 +3 𝑥2 +6 𝑥 +5 𝑥 3 −5 𝑥
¿
6
4 𝑥 3 +3 𝑥 2 −13 𝑥+1 2
¿
6
2 𝑥3 𝑥 2 13 𝑥
𝑃 ( 𝑥 )= + − +2
3 2 6
INTERPOLAÇÃO POLINOMIAL DE
LAGRANGE
3 2
2𝑥 𝑥 13 𝑥
𝑃 ( 𝑥 )= + − +2
3 2 6
Estimar uma valor para
3 2
2∙ 1,2 1,2 13 ∙ 1,2
𝑃 ( 1,2 ) = + − +2
3 2 6
𝑃 ( 1,2 ) =1,08
Unidade 2 – Tópico 4
Interpolação
Polinomial de Newton
INTERPOLAÇÃO POLINOMIAL DE
NEWTON
A Interpolação de Lagrange é mais eficiente que simplesmente
resolver o sistema linear que surge quando igualamos a forma
geral do polinômio interpolador com o valor de nos pontos.
O método de Lagrange também tem um inconveniente.
Se, por alguma razão, descobrirmos o valor de para mais um
ponto e quisermos adicioná-lo na obtenção do polinômio
interpolador, teremos que repetir todo o processo.
A ideia é utilizar da definição de derivada para encontrar o
operador diferença dividida finita (DDF).
INTERPOLAÇÃO POLINOMIAL DE
EXEMPLO: Considere NEWTON
a tabela a seguir:
𝑃 ( 𝑥 )= 𝑓 ( 𝑥 0 ) + 𝑓 [ 𝑥 0 , 𝑥 1 ] ∙ ( 𝑥 − 𝑥 0 ) + 𝑓 [ 𝑥 0 , 𝑥 1 , 𝑥 2 ] ∙ ( 𝑥 − 𝑥 0 ) ∙ ( 𝑥 − 𝑥 1 ) +¿
−2
2− 4
𝑓 [ 𝑥 0 , 𝑥 1 ]= ¿ −2
0 − ( −1 )
INTERPOLAÇÃO POLINOMIAL DE
NEWTON
Ordem 0 Ordem 1
−2
1 −2
−1 𝑓 [ 𝑥 1 , 𝑥 2 ]= ¿ −1
1− 0
INTERPOLAÇÃO POLINOMIAL DE
NEWTON
Ordem 0 Ordem 1
−2
5 −1
−1 𝑓 [ 𝑥 2 , 𝑥 3 ]= ¿4
2 −1
4
INTERPOLAÇÃO POLINOMIAL DE
NEWTON
Ordem 0 Ordem 1 Ordem2
−2 1
2
−1
4
−1 − ( − 2 ) 1
𝑓 [ 𝑥 0 , 𝑥 1 , 𝑥 2 ]= ¿
1 − ( −1 ) 2
INTERPOLAÇÃO POLINOMIAL DE
NEWTON
Ordem 0 Ordem 1 Ordem2
−2 1
2
−1
5
2
4
4 − ( −1 ) 5
𝑓 [ 𝑥 1 , 𝑥 2 , 𝑥 3 ]= ¿
2−0 2
INTERPOLAÇÃO POLINOMIAL DE
NEWTON
Ordem 0 Ordem 1 Ordem 2 Ordem 3
−2 1
2
−1 2
3
5
2
4
5/2 −1/2 2
𝑓 [ 𝑥 0 , 𝑥 1 , 𝑥 2 , 𝑥 3 ]= ¿
2−(−1) 3
INTERPOLAÇÃO POLINOMIAL DE
NEWTON
Ordem 0 Ordem 1 Ordem 2 Ordem 3
−2 1
2
−1 2
3
5
2
4
INTERPOLAÇÃO POLINOMIAL DE
NEWTON
Ordem 0 Ordem 1 Ordem 2 Ordem 3
𝑓 [ 𝑥0] −2 1
𝑓 [ 𝑥0 , 𝑥1] 2 2
𝑓 [ 𝑥0 , 𝑥1 , 𝑥2] 3
𝑓 [ 𝑥0 , 𝑥1 , 𝑥2, 𝑥3]
INTERPOLAÇÃO POLINOMIAL DE
𝑃 ( 𝑥 )= 𝑓 ( 𝑥 ) + 𝑓 [ 𝑥 , 𝑥 NEWTON
0 0 ] ∙ ( 𝑥 − 𝑥 ) + 𝑓 [ 𝑥 , 𝑥 , 𝑥 ] ∙ ( 𝑥 − 𝑥 ) ∙ ( 𝑥 − 𝑥 ) +¿
1 0 0 1 2 0 1
3 2
2𝑥 𝑥 13 𝑥
𝑃 ( 𝑥 )= + − +2
3 2 6
Unidade 2 – Tópico 4
Interpolação Linear
INTERPOLAÇÃO LINEAR
A interpolação linear é bem eficiente, quando queremos
determinar apenas um ponto ausente em uma série de dados.
ou
decrescendo
Usaremos algum método da interpolação, determinar o valor de
quando .
INTERPOLAÇÃO INVERSA
EXEMPLO: Considere a tabela a seguir:
crescendo
Habitantes
aleatório
Em que ano a quantidade de habitantes de Belém alcançou a marca
de 1.350.000.
Habitantes
Canais de contato:
0800 642 5000 Ambiente Virtual de Aprendizagem DaVinci Talk Professor de Plantão