2013/1S EM33D Cálculo Numérico
|
|
- Lorenzo de Andrade
- 4 Há anos
- Visualizações:
Transcrição
1 01/1S EMD Cálculo Numérico Lista 01 Soluções de Equações APS Soluções Resumo Os algoritmos indicados nas resoluções representam implementações dos métodos numéricos no software wxmaxima v Problema 1. Determine uma aproximação de correta até 10 4 utilizando o método da Bissecção. O método da bissecção permite encontrar uma raíz de uma função contínua f em um intervalo [a,b] tal que f(a).f(b)<0. Consideremos, pois, f(x)=x com a=1 e b=, uma vez que f ( ) ( ) = =0, f(a)=f(1)= e f(b)=f()=1. O algoritmo do método da bissecção consiste em determinar o ponto médioc=(a+b)/ e substituir o extremo cuja função assume o mesmo sinal de f(c). Assim, temos (%i) kill(all); reset(); (%i) f(x) := x^ - ; a : 1; b : ; N0 : 0; epsilon : 1e-4; (%o) f(x)6 x (%o) 1 (%o4) (%o5) 0 (%o6) (%i7) for i:1 thru N0 step 1 do ( c : (a+b)/, if (f(c)*f(a)>0) then (a:c) else (b:c), if ( (b-a) < epsilon ) then (display(i,float(c)), return(float(c))) ); %^; i=14 ( ) 877 float = (%o7) (%o8) Ou seja, após 14 iteradas, encontramos com erro absoluto de PASSO-A-PASSO: i=1 1, 719 1
2 a=1, f(a)=, b=, f(b)=1, c= a+b =1,5, f(c)= 0, 75 i= f(a).f(c)>0 a c, c= a+b =1, 75, f(c)=0, 065 i= f(a).f(c)<0 b c, c= a+b =1, 65, f(c)= 0, 5975, e assim por diante... Problema. Determine um limitante para o número de iterações necessárias para obter uma aproximação com precisão absoluta de 10 4 da solução de x x 1=0 no intervalo [1,] utilizando o método da Bissecção. Determine uma aproximação da raiz com essa ordem de precisão. Como o método da bissecção consiste em particionar o intervalo inicial [a 0,b 0 ] ao meio, tem-se b n a n = 1 (b n 1 a n 1 ) n b n a n = 1 n 0. Assim, para uma precisão absoluta de ε=10 4, requer-se n <ε 1 n 0<ε n > 0 ε Uma vez que ambos os termos da inequação são positivos e log (x) é uma função crescente para x>0, ( ) 0 n>log. ε Como 0 >ε, o termo à direita é positivo e o limitante para o número de iterações N 0 é dado pelo menor inteiro maior que log ( 0 /ε). Nesse caso, ( ) ( ) 0 1 log = log ε 10 4 =4log 10 1, 8 N 0 = 14. (%i9) kill(all); reset(); (%i9) f(x) := x^-x-1; a : 1; b : ; N0 : 14; epsilon : 1e-4; (%o9) f(x)6 x x 1 (%i) for i:1 thru N0 step 1 do ( c : (a+b)/, if (f(c)*f(a)>0) then (a:c) else (b:c), if ( (b-a) < epsilon ) then (display(i,float(c)), return(float(c))) ); %^-%-1; i=14
3 ( ) 1705 float = (%o7) (%o8) Ou seja, com erro absoluto de 10 4 encontramos, após 14 iteradas, p 1, 476. Problema. Uma partícula começa a se movimentar sobre um plano inclinado liso cujo ângulo θ com a horizontal está variando a uma velocidade constante θ =ω<0. Depois de t segundos, a posição da partícula é dada por x(t)= g ( e ωt e ωt ) ω senωt. Suponha que a partícula tenha se deslocado 60cm em um segundo. Determine, com precisão relativa de 10 5, a velocidade ω com a qual θ varia. Suponha que g=9, m/s. Seja x(0) = 0 a posição inicial da partícula. Denotando as quantidades nas unidades do sistema internacional (SI), o enunciado nos fornece 0, 60=x(1)= ( ) 9, e ω e ω ω senω. Ou seja, a velocidade angular ω (em radianos/segundo) pode ser determinada pelo zero (negativo) de (em que a expressão assima foi multiplicada por ω 0): Vemos que f(0)=0 e ( ) e f(ω)=0, 60ω +4, 905 ω e ω senω. ( ) e f (ω)=1,ω+4, 905 ω +e ω cosω f (0)=0. ( ) e f (ω)=1,+4, 905 ω e ω + senω f (0)=1,>0. Esse resultado implica ω=0 ser um ponto de mínimo (local) de f. Ou seja, f(±δ)>0 para δ 1. Basta encontrarmos agora algum ω<0 tal que f(ω)<0 para que o método da bissecção possa ser utilizado. Por inspeção, escolhemos f( 1) 1, e iniciamos o método no intervalo [ 1, δ], com δ= 10. Assim, (%i9) kill(all); reset(); (%i) f(x) := 0.60*x^+4.905*( (exp(x)-exp(-x))/ - sin(x) ); a : -1; b : -1e-; N0 : 0;
4 (%i7) for i:1 thru N0 step 1 do ( c : (a+b)/, if (f(c)*f(a)>0) then (a:c) else (b:c), if ( (b-a) < epsilon ) then (display(i,float(c)), return(float(c))) ); f(%); i=17 float( ) = (%o7) (%o8) Ou seja, com erro absoluto de 10 5, encontramos ω= 0, 6709 rad/s. Problema 4. Utilize manipulação algébrica para mostrar que cada uma das funções a seguir tem um ponto fixo em p precisamente quando f(p)=0, sendo f(x)=x 4 +x x. a) g 1 (x)=(+x x ) 1/4 c) g (x)= ( ) x+ x 4 1/ b) g (x)= (a) Fazendo-se f(x)=0 e evidenciando x 4, temos ( ) x+ 1/ x + d) g 4 (x)= x4 +x + 4x +4x 1 f(x)=0=x 4 +x x x 4 =+x x x=(+x x ) 1/4 =g 1 (x). (b) Analogamente, fazendo-se f(x)=0 e evidenciando x, temos f(x)=0=x 4 +x x x = +x x4 ( ) +x x 4 1/=g x= (x). (c) Manipulando a igualdade f(x)=0, temos x 4 +x x =0 x 4 +x =x+ x (x +)=x+ Como (x +) 0 para todo x R, dividimos a igualdade por (x +) e obtemos x = x+ x + ( ) x+ 1/=g x= x (x). + (d) Seguindo a mesma idéia do idem (c), encontramos x 4 +x x =0 x 4 +x x=. Somando (x 4 +x ) em ambos os lados da igualdade e evidenciando x à esquerda, temos 4x 4 +4x x=x(4x +4x 1)=x 4 +x +. 4
5 Investiguemos, pois, os zeros de h(x)=4x +4x 1. Note que h(x)=0=4x +4x 1 4x +4x=1 4x(x +1)=1. Essa última equação nos garante que não existe um zero de h para x 0 (pois o termo à esquerda deve ser positivo para que a igualdade seja satisfeita). Observe, também, que h é estritamente crescente para x>0. Assim, como h(0)= 1, h possui um (único) zero para x>0. Como h(1)=7, este zero está contido em (0,1). Analisemos, pois, a existência de um zero de f em (0,1). Como f é um polinômio, é contínua em [0,1] e diferenciável em (0,1). Assim, o teorema do valor extremo nos garante que max x (0,1) {f(x)} ocorre em x=0, x=1, ou nos pontos em que f (x)=0. Como f (x)=4x +4x 1 h(x), existe um único ponto em x (0,1) tal que f (x)=0. Uma vez que f(0)= e f (0)= 1, o ponto x (0,1) em que f (x)=0 deve satisfazer f(x)<f(0) 1. Assim, o máximo de f em [0,1] ocorre em x=0 ou x=1. Como f(0)= e f(1)= 1, f não possui nenhum zero em [0,1]. Assim, excluíndose esse intervalo do domínio de g 4, temos x= x4 +x + 4x +4x 1 =g 4(x). Problema 5. Se possível, efetue quatro iterações em cada função g i definida no exercício anterior. Faça p 0 =1 e p n+1 = g(p n ) para n=0,1,,. Qual é a função que você acredita que fornecerá a melhor aproximação da solução? (%i) kill(all); reset(); (%i) f(x) := x^4 + *x^ - x - ; (%o) f(x)6 x 4 +x x (%i) g[1](x) := (+x-*x^)^(1/4); p[0] : 1 (%o) g 1 (x)6 (+x+( )x ) 1 4 (%o4) 1 (%i5) for n:0 thru step 1 do (p[n+1] : float(g[1](p[n]))); (%i6) [p[0],p[1],p[],p[],p[4]]; f([p[0],p[1],p[],p[],p[4]]); (%o6) [1, , , , ] (%o7) [ 1, , , , ] (%i8) g[](x) := ((x+-x^4)/)^(1/); p[0] : 1; (%o8) g (x)6 ( x+ x 4 (%o9) 1 ) 1 (%i10) for n:0 thru step 1 do (p[n+1] : float(g[](p[n]))); (%i11) [p[0],p[1],p[],p[],p[4]]; f([p[0],p[1],p[],p[],p[4]]); 1. Pois no intervalo (0, x) a função f é estritamente decrescente, uma vez que sabemos que f (x) é contínua em diferente de zero em todo esse intervalo. 5
6 (%o1) [1, , , , ] (%o14) [ 1, , , , ] (%i15) g[](x) := ((x+)/(x^+))^(1/); p[0] : 1 (%o15) g (x)6 ( x+ x + (%o16) 1 ) 1 (%i17) for n:0 thru step 1 do (p[n+1] : float(g[](p[n]))); (%i18) [p[0],p[1],p[],p[],p[4]]; f([p[0],p[1],p[],p[],p[4]]); (%o0) [1, , , , ] (%o1) [ 1, , , , ] (%i) g[4](x) := (*x^4+*x^+)/(4*x^+4*x-1); p[0] : 1 (%o) g 4 (x)6 x4 +x + 4x +4x 1 (%o) 1 (%i4) for n:0 thru step 1 do (p[n+1] : float(g[4](p[n]))); (%i5) [p[0],p[1],p[],p[],p[4]]; f([p[0],p[1],p[],p[],p[4]]); (%o5) [1, , , , ] (%o6) [ 1, , , , \ ] Para cada função de iteração g i (x), duas listas foram geradas: [p 0, p 1, p, p, p 4 ] e [f(p 0 ), f(p 1 ), f(p ),f(p ),f(p 4 )]. Comparando os resultados, espera-se que g 1, g e g 4 gerem sequências convergentes, sendo g 4 apresentou a melhor aproximação. PASSO-A-PASSO: (para g 1 ) n=0 n=1 p 0 =1, p 1 =g(p 0 ) p 1 =(+1 (1) ) 1/4 1, p 1 =1, 18907, p =g(p 1 ) p =(+1, (1, 18907) ) 1/ 1, e assim por diante... Problema 6. Utilize um método de iteração de ponto fixo para determinar uma solução com precisão absoluta de 10 para x x 1=0 em [1,]. Utilize p 0 =1. Devemos construir uma função de iteração tal que g(p)= p f(p)=0, sendo f(x)=x x 1. Sabemos que a convergência será garantida se g([1,]) [1,] e se existir constante positiva k<1 tal que g (x) <k para todo x (1,). Seguindo o procedimento sugerido no problema anterior, fazemos f(x)=0 e isolamos x: x x 1=0 x=g 1 (x)=x 1. 6
7 Mas observamos que g 1 (x)=x 1>1 para todo x (1,). Assim, g 1 não é uma boa função de iteração para o método do ponto fixo. Evidenciando x, temos x =1+x x=g (x)=(1+x) 1/. Vemos que g 1 (x)= (1+x) é decrescente em x (1,). Assim, / max g (x) = g (1) 0, 099<1. Vejamos, pois, se g ([1,]) [1,]. Primeiro, notemos que g é crescente em [1,] (pois g é positiva nesse intervalo). Assim, basta verificarmos se g (1) e g () pertencem a [1,]. Como g (1)= 1/ 1, 599 e g ()= 1/ 1, 44, verificamos que g ([1,]) [1, 5,1, 45] [1,]. Logo, a sequência {p k } k=0 convirgirá para p, sendo p k =g (p k 1 ) para k 1. Como conhecemos um limitantek=0,1 para a derivada de g em [1,], podemos estimar o número máximo de iterações pelas relações n p n p k n max{p 0 a,b p 0 } e n p n p kn 1 k p 1 p 0. Pela primeira equação, temos (observe que a=p 0 =1 e b=), n =ε=10 (0, 1) n ( 1) n, 95 N 0 =. Determinando p 1 =g (p 0 )=1, 599, a segunda desigualdade fornece n =ε=10 (0, 1)n 1 0, 1 1, n, N 0=. Assim, fazemos N 0 = (número máximo de iterações). (%i) kill(all); reset(); (%i) f(x) := x^ -x - 1; (%i) g[](x) := (1+x)^(1/); epsilon : 1e-; N0 : ; p[0] : 1; k : 0; (%i8) for n:1 thru N0 step 1 do ( k : n, p[n] : float(g[](p[n-1])), if (abs(p[n]-p[n-1]) < epsilon) then ( return(p[k])) ); (%i9) p[k]; (%o9) Logo, a solução aproximada de f(x)=0 é x 1,. Problema 7. Utilize o Teorema. para mostrar que g(x)=π+ 1 sen(x/) tem um único ponto fixo em [0,π]. Aplique a iteração de ponto fixo para encontrar uma aproximação do ponto fixo que tenha precisão de 10. Utilize o Corolário.4 para estimar o número de iterações necessárias para que a precisão 10 q seja alcançada, sendo q um inteiro positivo, e compare essa estimativa teórica para q= com o número realmente necessário. 7
8 A existência e unicidade do ponto fixo de g em um intervalo [a,b] é garantida se g([a,b]) [a,b] e existir um k<1 positivo tal que g (x) <k x (a,b). Sabemos que 1 sen(x) 1 para qualquer x, assim min{g(x)}=π 1 = π 1 >0 e max{g(x)}=π+ 1 = π+1 <π. Logo, g([0, π]) [0, π]. Assim, a existência de um ponto fixo em [0, π] está garantida. Para verificar a unicidade, analisemos g : g (x)= cos(x/) 4 g (x) 1 4 x [0,π] pois, assim como o seno, 1 cos(x) 1 para qualquer x. Como existe o limitante k=1/4<1 para a derivada de g em [0,π], o ponto fixo nesse intervalo é único. Aplicando o método de ponto fixo com ε=10 e p 0 =π (arbitrário, pois a convergência está garantida), obtemos: (%i15) reset(); kill(all); (%i15) g(x) := %pi + sin(x/)/; epsilon : 1e-; N0 : 10; p[0] : %pi; k : 0; (%i15) for n:1 thru N0 step 1 do ( k : n, p[n] : float(g(p[n-1])), if (abs(p[n]-p[n-1]) < epsilon) then ( return(p[k])) ); (%i8) [k,p[k],float(g(p[k]))]; (%o8) [, , ] Ou seja, após iterações encontramos p, 669 tal que g(p ), 669. Pelo Corolário.4, temos as seguintes desigualdades, para n p n p =ε=10 q, com k=1/4, p 0 =π e p 1 =g(p 0 )=π+ sen(π/)/=π+0,5: e 10 q < n π n> q+ log 10π log q < (1/4)n 1 1/4 π π 0,5 = ( 1 4 ) n n> q+ log ( 10 ). log 10 4 Como π>/, utilizamos a primeira desigualdade. Com q=, encontramos n> +log 10π log , 1475 N 0 =5. Vemos que a precisão ε=10 foi obtida com apenas iterações. Isto se deve ao fato da estimativa considerar apenas o majorante da derivada da função de iteração. Ou seja, N 0 é um limitante superior para o número de iteradas. Problema 8. Para cada uma das equações a seguir, (i) determine um intervalo [a, b] no qual a interação de ponto fixo convirja. (ii) Estime o número de iterações necessárias para se obter aproximações do ponto fixo com uma precisão de 10 5 e (iii) efetue os cálculos. a) x= ex +x 8
9 b) x= 5 x + ( ) e x 1/ c) x= d) x=5 x e) x=6 x f) x= senx+cosx A primeira etapa consiste em determinar um intervalo[a, b] tal que g([a, b]) [a, b]. Isto é garantido quando max{g(x)} b e min{g(x)} a para qualquer x [a,b]. Pelo teorema do valor extremo sabemos que, se g é contínua em [a, b] e diferenciável em (a, b), então seus máximos e mínimos ocorrem em x = a, x = b ou nos pontos em que g (x) = 0. Em seguida, é necessário que k < 1 positivo tal que g (x) <k para todos x [a,b]. Caso exista, então a iteração convergirá para o único ponto fixo de g em [a,b]. Por fim, o número de iterações será extimado pelas desigualdades p n p <k n max{p 0 a,b p 0 } e p n p < kn 1 k p 1 p 0. Analisemos, pois, as funções g(x) x dadas. (a) g(x)=( e x +x )/ Derivando, obtemos g (x)= x+e x g (x)= e x g (x)= e x. Para determinar se g é crescente ou decrescente em um intervalo, devemos analisar g. Como g (x)>0 para qualquer x, sabemos que qualquer z tal que g (z)=0 será um ponto de mínima para g. Resolvendo g (z)=0 encontramos o único ponto de mínima z= ln. Como g ( ln)= ( ln)+e ( ln) = eln ln = (1 ln) vemos que g (x)>g (z)>0 para qualquer x de tal modo que g(x) é crescente em qualquer intervalo [a, b]. Assim, g([a,b]) [a, b] é garantido se g(a) a e g(b) b (pois sabemos que g(b) > g(a)). Substituindo b na expressão de g, encontramos, da segunda desigualdade, g(b)= e b +b >0, b b b+ e b. Como e b 0 para qualquer b, basta que b b+ 0 para que a inequação seja satisfeita. Assim, qualquer b [1,] garante b b+ 0 g(b)<b. Como g (x) é crescente para x>z, escolhemos b=1. Note que Analogamente, substituindo a, temos g (1)= +e 1 <1. g(a)= e a +a a a a+ e a. com a restrição de que a < b=1. Esta desigualdade é um pouco mais difícil de se analisar. Por inspeção, vemos que a = 0 satisfaz as condições necessárias, pois g(0)= 1+0 = 1 >0 e g (0)= 1 <1. Mais ainda, aplicando o teorema do valor extremo para g em um intervalo arbitrário[a,b], sabemos que m=g (a) ou m=g (b) (pois z é o único ponto de mínima de g ). Como g (0)<g (1), temos, portanto, g (x) <k=g (1)= +1/e 0, 79 x (0,1). 9
10 Assim, a existência de um único ponto fixo de g em [0,1] está demonstrada. Assumindo como p 0 o ponto médio, p 0 =0,5, estimamos o número de iterdadas por e ε=10 5 = n k n max{p 0 a,b p 0 }=(0, 79) n 0,5 n>45,9 N 0 = 46 ε=10 5 = n kn 1 k g(p (0, 79)n 0) p 0 = 0, 5478 n> 5, , 79 Como o majorante da derivada no intervalo escolhido é próximo de um, o número de iteradas esperado é alto. Iterando, temos: (%i1) reset(); kill(all); (%i1) g(x) := ( - exp(-x) + x^)/; N0 : 46; p[0] :0.5; k : 0; (%i6) for n:1 thru N0 step 1 do ( k : n, p[n] : float(g(p[n-1])), if (abs(p[n]-p[n-1]) < epsilon) then ( return(p[k])) ); (%i7) [k,p[k],float(g(p[k]))]; (%o7) [17, , ] Ou seja, após 17 iteradas encontramos p 0, tal que g(p) 0, (b) g(x)= 5 x + Como g é proporcional a+x, g é uma função simétrica (isto é, g( x)=g(x)) e g(x)>0 x. Assim, qualquer ponto fixo de g deve ser positivo. Como g (x) = 10/x, g é estritamente decrescente para x>0. Assim, g([a,b]) [a,b] está garantido se g(a)<b e g(b)>a, restringindo 0<a<b. É necessário, também, que g (x) k<1 para qualquer x [a,b]. Isso é garantido desde quea>10 1/. Assim, temos g(b)>a 5 b +>a>101/ 5> ( 10 1/ ) b 5 b<, / Assim, é garantida a existência de um ponto fixo de g no intervalo ( 10 1/,,761 ). Para obter uma melhor estimativa de convergência, devemos evitar as vizinhanças dex=10 1/, pois g ( 10 1/) =1. Como g(, 761)=10 1/, g ( 10 1/) 4, 0794 e g(4, 0794), escolhemos [a,b]=[, 6,4, ], pois g(a)<b e k= max x [a,b] { g (x) }= g (, 6) 0, 866. Isto é, a convergência para o único ponto fixo em[a, b] é garantida. Estimando o número de iteradas, para p 0 = a+b =, 9, encontramos ε= n <k n max{p 0 a,b p 0 } 10 5 <(0, 866) n 1, 0 n>80, 4 N 0 = 81 ε= n < kn 1 k p 1 p (0, 866)n <, 4619, 9 n>9, ,
11 Iterando, temos: (%i1) reset(); kill(all); (%i1) g(x) := 5/x^ + ; N0 : 81; p[0] :.9; k : 0; p[n] : float(g(p[n-1])), if (abs(p[n]-p[n-1]) < epsilon) then ( return(p[k])) ); (%i7) [k,p[k],float(g(p[k]))]; (%o7) [18, , ] Assim, após 18 iteradas, o método de iteração resulta em p 18 =, tal que g(p 18 )=, Observe que, novamente, k= 18 N 0. ( ) e x 1/ (c) g(x)= Novamente, esta função satisfaz g(x) > 0 x. Assim, o(s) ponto(s) fixo(s) deve(m) ser positivo(s). Como g (x)= 1 ( ) 1/ e x e x = ex/ >0 x, a função g é estritamente crescente em[a,b]. Assim, g([a,b]) [a,b] é garantido se g(a)>a e g(b)<b. Como requeremos que g (x) k<1 x [a,b], temos g (x) = ex/ <1 e x/ < Assim, já temos as restrições 0 a<b< ln(1). Uma vez que x<ln(1). ( e 0 g(0)= ) 1/= ( e ln 1 >0, g(ln 1)= ) 1/= e e g()= <, delimitamos um intervalo [a,b]=[0,] tal que qualquer p 0 [0,] converge para o único ponto fixo de g nesse intervalo. Como k= max x [0,] g (x) = e/ 0, 7847, estimamos o limitante para o número de iteradas com p 0 =1: ε= n <k n max{p 0 a,b p 0 } 10 5 <(0, 7847) n n>47, 48 ε= n < kn 1 k p 1 p (0, 7847)n < 1 0, , n>8,6 N 0=9 Assim, iterando, temos (%i8) reset(); kill(all); 11
12 (%i1) g(x) := sqrt(exp(x)/); N0 : 9; p[0] :1; k : 0; p[n] : float(g(p[n-1])), if (abs(p[n]-p[n-1]) < epsilon) then ( return(p[k])) ); (%i7) [k,p[k],float(g(p[k]))]; (%o7) [1, , ] ou seja, após k= 1 iteradas, obtemos p 1 =0, tal que g(p 1 )=0, (d) e (e) g(x)=α x, com α>1 Como g(x)>0 x, g(p)=p só pode ser satisfeito para p>0. Assim, a>0. Mais ainda, como g (x)= (lnα)α x, g é estritamente decrescente, [a,b] deve ser tal que g(a)<b e g(b)>a. Para que o ponto fixo exista e seja único em [a,b], é necessário que g (x) k<1 x [a,b]. Ou seja, (lnα)α x <1 x lnα< ln(lnα) x> ln(lnα) lnα. Como α>1, encontramos a>ln(lnα)/lnα. Observe que a restrição sobre a derivada não limita o valor de b. Como g é decrescente, se definirmos b=g(a) temos a garantia de que g(x)<b para x (a,b), pois se a<x<b, g(a)>g(x)>g(b) b>g(x)>g(b). Assim, o intervalo (β,g(β)) com β= ln(lnα) lnα certamente contem um único ponto fixo de g e a convergência para este é garantida. Como β é o ponto em que g (β) = 1, a estimativa da convergência será, certamente, superestimada para qualquer a β. Definimos, então, b=g(β) e a=g(b), de tal modo que k= max x [a,b] { g (x) }= g (a)=lnα 1 α a, a=g(g(β)). Assim, para α=5, temos β 0, 9568 b=0, 614 a=0, k=0, 8900 Assim, estimando o número máximo de iteradas para p 0 =(a+b)/=0, , temos ε= n <k n max{p 0 a,b p 0 } 10 5 <(0,890) n 0, 167 n> 81, 0 N 0 = 8 ε= n < kn 1 k p 1 p (0, 890)n < 0, , n> 91, , 890 Iterando, encontramos: (%i1) reset(); kill(all); 1
13 (%i1) alpha : 5; g(x) := alpha^(-x); N0 : 8; beta : float(log(log(alpha))/log(alpha)); b : g(beta); a : g(b); p[0] : (a+b)/; k : 0; p[n] : float(g(p[n-1])), if (abs(p[n]-p[n-1]) < epsilon) then ( return(p[k])) ); (%i11) [k,p[k],float(g(p[k]))]; (%o11) [1, , ] Ou seja, após k = 1 iterações, com p 0 = 0, , encontramos p 1 = 0, tal que g(p 1 )=0, Com α=6, temos β 0, 5489 b=0, a=0, k=0, Assim, estimando o número máximo de iteradas para p 0 =(a+b)/=0, 4699, temos ε= n <k n max{p 0 a,b p 0 } 10 5 <(0,96) n 0, 0951 n> 10,5 N 0 = 11 ε= n < kn 1 k p 1 p (0, 968)n < 0, 466 0, 4699 n> 18,. 1 0, 968 Iterando, encontramos: (%i) reset(); kill(all); (%i) alpha : 6; g(x) := alpha^(-x); N0 : 11; beta : float(log(log(alpha))/log(alpha)); b : g(beta); a : g(b); p[0] : (a+b)/; k : 0; (%i) for n:1 thru N0 step 1 do ( k : n, p[n] : float(g(p[n-1])), if (abs(p[n]-p[n-1]) < epsilon) then ( return(p[k])) ); (%i11) [k,p[k],float(g(p[k]))]; (%o11) [7, , ] Ou seja, com p 0 = 0, 4699 encontramos, após k = 7 iteradas, p 7 = 0, tal que g(p 7 )=0, (f) g(x)=(senx+cosx)/ Como g (x)=(cosx senx)/ e 1 senx, cosx 1 para qualquer x, a condição g (x) k<1 é satisfeita para qualquer intervalo [a,b], pois senx=±1 cosx=0 (e vice-versa). Vemos, também, que g(x) [ g(m),g(m)] x sendo m dado pela menor solução positiva de g (m)=0 cosm senm =0 cosm=senm m= π 4. 1
14 Ou seja, g(x) [ ] /, / x. Assim, a escolha [a, b] com a = b e b = / satisfaz as condições para a convergência da série gerada por g para o único ponto fixo em [a,b], pois k= max x [a,b] { g (x) }= <1. Seguindo o processo iterativo, determinemos a estimativa para o número máximo de iteradas, fazendo p 0 =(a+b)/=0: ( ε= n <k n max{p 0 a,b p 0 } 10 5 < ε= n < kn 1 k p 1 p < Iterando, encontramos: (%i1) reset(); kill(all); (%i1) g(x) := (sin(x) + cos(x))/; N0 : 1; p[0] : 0; k : 0; ) n 4 n>0, N 0 = 1 ( ) n / 0,5 0 n>4, / p[n] : float(g(p[n-1])), if (abs(p[n]-p[n-1]) < epsilon) then ( return(p[k])) ); (%i7) [k,p[k],float(g(p[k]))]; (%o7) [6, , ] Ou seja, após k=6 iteradas obtemos p 6 =0, tal que g(p 6 )=0, /. OBSERVAÇÃO: Para esse exercício, é possível delimitar o intervalo [a, b] pela análise gráfica de g (para verificar a condição g([a,b]) [a,b]) e de g (para verificar a condição g (x) <1 x [a,b]). Problema 9. Um objeto em queda vertical no ar está sujeito à resistência viscosa, bem como à força da gravidade. Suponha que um objeto com massam=50g seja solto a uma altura s 0 = 10m e que a altura do objeto após t segundos seja s(t)=s 0 mg k t+ m g k ( 1 e kt/m ), em que g = 9, 80665m/s é a aceleração gravitacional e k = 0, 05kg/s é o coeficiente de resistência do ar. Determine, com precisão de 0,01 segundo, o tempo necessário para o objeto alcance o solo. Como s(t) é a altura do objeto, queremos determinar t tal que s(t) = 0m. Convertendo k = 0, 05 kg/s=50g/s, temos, nas unidades do SI, s(t)=α βt+γ(1 e δt ) sendo α=10, β=mg/k=9, 80665, γ=m g/k =9, e δ=k/m=1. Utilizando o método de Newton, t n+1 =t n s(t n) s (t n ) 14
15 em que n=0,1,, t 0 =0 e encontramos o seguinte método iterativo: s (t)= β γe t, t 0 =0, t n+1 =g(t n )=t n + α βt+γ(1 et ) β+γe t, n 0 Iterando, encontramos, com ε=10, (%i1) kill(all); reset(); kill(all); (%i1) alpha : 10; beta : ; gamma : beta; g(t) := t + (alpha - beta*t + gamma*(1-exp(t)))/(beta + gamma*exp(t)); epsilon : 1e-; t[0] : 0; k : 0; s(t) := alpha - beta*t + gamma*(1-exp(t)); t[n] : float(g(t[n-1])), if (abs(s(t[n])) < epsilon) then ( return(t[k])) ); (%i11) [k,t[k],float(g(t[k])),s(t[k])]; (%o11) [, , , ] Ou seja, após iteradas o método de Newton, com t 0 =0 resultou em t =0, tal que s(t )= 8, Ou seja, o tempo para que o objeto chegue ao solo é aproximadamente 0,450 segundos. PASSO-A-PASSO: n=0 n=1 n= n= t 0 =0, s(t 0 )=10, s (t 0 )= 19, 61, t 1 =g(t 0 )=t 0 s(t 0) s =0, (t 0 ) t 1 =0, , s(t 1 )= 1, >ε, s (t 1 )= 6, 15, t =g(t 1 )=0, t =0, 45164, s(t )= >ε, s (t )= 5, 115, t =g(t )=0, t =0, , s(t )= 8, <ε Problema 10. Utilize o método de Newton para encontrar soluções com precisão absoluta de 10 5 para os problemas abaixo: a) e x + x +cosx 6=0 para 1 x b) ln(x 1)+cos(x 1)=0 para 1, x 15
16 c) x cos (x) (x ) = 0 para x e x 4 d) (x ) lnx=0 para 1 x e e x 4 e) e x x =0 para 0 x 1 e x 5 f) senx e x = 0 para 0 x 1, x 4 e 6 x 7 Em cada um dos casos, utilizaremos p 0 =(a+b)/ como ponto inicial, sendo a x b dado pelo enunciado. Utilizaremos como critério de parada f(x) <ε=10 5 e colocaremos N 0 = 100 como limitante do número de iteradas. Para cada um dos casos, fl(x) f (x) e o resultado está indicado em uma lista [k,p k,f(p k )] sendo k o menor número inteiro tal que f(p k ) <ε. (a) p 6 =1, 898 (%i1) kill(all); reset(); kill(all); (%i1) a : 1; b : ; f(x) := exp(x) + ^(-x) + *cos(x) - 6; fl(x) := exp(x) + log()*^(-x) - *sin(x); p[0] : float((a+b)/); k : 0; p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i10) [k,p[k],f(p[k])]; (%o10) [6, , ] (b) p 5 =1, (%i11) kill(all); reset(); kill(all); (%i1) a : 1.; b : ; f(x) := log(x-1) + cos(x-1); fl(x) := 1/(x-1) - sin(x-1); p[0] : (a+b)/; k : 0; p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i10) [k,p[k],f(p[k])]; (%o10) [5, , ] (c) p =, [,] e p 4 =, 711 [,4] (%i1) kill(all); reset(); kill(all); (%i1) a : ; b : ; f(x) := *x*cos(*x) - (x-)^; fl(x) := *cos(*x) - 4*x*sin(*x) - *(x-); p[0] : (a+b)/; k : 0; p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i10) [k,p[k],f(p[k])]; (%o10) [, , ] 16
17 (%i1) kill(all); reset(); kill(all); (%i1) a : ; b : 4; f(x) := *x*cos(*x) - (x-)^; fl(x) := *cos(*x) - 4*x*sin(*x) - *(x-); p[0] : (a+b)/; k : 0; p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i10) [k,p[k],f(p[k])]; (%o10) [4, , ] (d) p =1, 4191 [1,] e p =, [e,4] (%i1) kill(all); reset(); kill(all); (%i1) a : 1; b : ; f(x) := (x-)^ - log(x); fl(x) := *(x-) - 1/x; p[0] : (a+b)/; k : 0; p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i10) [k,p[k],f(p[k])]; (%o10) [, , ] (%i11) kill(all); reset(); kill(all); (%i1) a : float(exp(1)); b : 4; f(x) := (x-)^ - log(x); fl(x) := *(x-) - 1/x; p[0] : (a+b)/; k : 0; p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i10) [k,p[k],f(p[k])]; (%o10) [, , ] (d) p 4 =0, [0,1] e p 4 =.7079 [,5] (%i1) kill(all); reset(); kill(all); (%i1) a : 0; b : 1; f(x) := exp(x) - *x^; fl(x) := exp(x) - 6*x; p[0] : (a+b)/; k : 0; p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); 17
18 (%i10) [k,p[k],f(p[k])]; (%o10) [4, , ] (%i11) kill(all); reset(); kill(all); (%i1) a : ; b : 5; f(x) := exp(x) - *x^; fl(x) := exp(x) - 6*x; p[0] : (a+b)/; k : 0; p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i10) [k,p[k],f(p[k])]; (%o10) [4, , ] (f) p =0, [0,1], p =, 0966 [,4] e p =6, [6,7] (%i11) kill(all); reset(); kill(all); (%i1) a : 0; b : 1; f(x) := sin(x) - exp(-x); fl(x) := cos(x) + exp(-x); p[0] : (a+b)/; k : 0; p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i10) [k,p[k],f(p[k])]; (%o10) [, , ] (%i11) kill(all); reset(); kill(all); (%i1) a : ; b : 4; f(x) := sin(x) - exp(-x); fl(x) := cos(x) + exp(-x); p[0] : (a+b)/; k : 0; p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i10) [k,p[k],f(p[k])]; (%o10) [, , ] (%i11) kill(all); reset(); kill(all); (%i1) a : 6; b : 7; f(x) := sin(x) - exp(-x); fl(x) := cos(x) + exp(-x); p[0] : (a+b)/; k : 0; 18
19 p[n] : float(p[n-1] - f(p[n-1])/fl(p[n-1])), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i10) [k,p[k],f(p[k])]; (%o10) [, , ] Problema 11. Repita o exercício anterior utilizando o método da Secante. O método da secante consiste em substituir o cálculo da derivada da função f por uma aproximação finita, dada por f (x) f(b) f(a) quando x=a δ =b+δ e 0<δ 1. Neste exercício, b a consideraremos p 0 =(a+b)/ e p 1 =(a+b)/ como pontos iniciais, sendo [a,b] o intevalo que contém a raíz dado pelo enunciado. Note que essa escolha é arbitrária. Novamente, para a implementação, faremos ε=10 5 e N 0 = 100. Como exemplo, temos o algoritmo explicitamente indicado abaixo e, em seguida, as operações explícitas das primeiras iteradas, para o item (a). Os demais foram obtidos de modo análogo e apenas a os valores numéricos da sequência [n,p n,f(p n )] com n=0,1,,k está indicada, tal que k é o menor inteiro em que f(p k ) <ε. (a) (%i1) kill(all); reset(); kill(all); (%i1) a : 1; b : ; f(x) := exp(x) + ^(-x) + *cos(x) - 6; p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0; (%i1) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ) (%i10) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0, 1., ] [1, , ] [, , ] [, , ] [4, , ] [5, , ] [6, , ] (%o11) done PASSO-A-PASSO: n=0 e n=1 p 0 = a+b =1,, f(p 0 )= 1, 900, p 1 = a+b =1, 66666, f(p 1 )= 0,
20 n= n= (p p =p 1 f(p 1 ) 1 p 0 ) =1, 991, f(p 1 ) f(p 0 ) f(p (p p =p f(p ) p 1 ) =1, 81676, f(p ) f(p 1 ) f(p )=0, >ε )= 0, 0517 >ε e assim por diante, até n=6 tal que (p 4 =1, 889 e p 5 =1, 8994) (b) (p p 6 =p 5 f(p 5 ) 5 p 4 ) =1, 898, f(p 5 ) f(p 4 ) f(p 6)=, <ε (%i1) kill(all); reset(); kill(all); (%i1) a : 1.; b : ; f(x) := log(x-1) + cos(x-1); p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0; (%i1) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ) (%i10) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0, , ] [1, 1.7, ] [, , ] [, , ] [4, , ] [5, , ] [6, , ] (%o10) done (c) (%i11) kill(all); reset(); kill(all); (%i1) a : ; b : ; f(x) := *x*cos(*x) - (x-)^; p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0; (%i1) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ) 0
21 (%i10) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0,.4, ] [1, , ] [, , ] [, , ] [4, , ] (%o10) done (%i11) a : ; b : 4; p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0; (%i11) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ) (%i17) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0,.4, ] [1, , ] [, , ] [, , ] [4, , ] [5, , ] (%o17) done (d) (%i18) kill(all); reset(); kill(all); (%i1) a : 1; b : ; f(x) := (x-)^-log(x); p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0; (%i1) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ) (%i10) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0, 1., ] [1, , ] [, , ] [, , ] [4, , ] 1
22 [5, , ] (%o10) done (%i11) a : float(exp(1)); b : 4; p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0; (%i11) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ) (%i17) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0, , ] [1, , ] [, , ] [, , ] [4, , ] [5, , ] (%o17) done (e) (%i1) kill(all); reset(); kill(all); (%i1) a : 0; b : 1; f(x) := exp(x) - *x^; p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0; (%i1) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ) (%i10) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0, 0., ] [1, , ] [, , ] [, , ] [4, , ] [5, , ] [6, , ] (%o10) done (%i11) a : ; b : 5; p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0;
23 (%i11) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ) (%i17) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0, , ] [1, 4., ] [, , ] [, , ] [4, , ] [5, , ] [6, , ] (%o17) done (f) (%i18) kill(all); reset(); kill(all); (%i1) a : 0; b : 1; f(x) := sin(x) - exp(-x); p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0; (%i1) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ) (%i10) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0, 0., ] [1, , ] [, , ] [, , ] [4, , ] (%o10) done (%i11) a : ; b : 4; p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0; (%i11) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ) (%o16) (%i17) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0,.4, ] [1, , ]
24 [, , ] [, , ] [4, , ] (%o17) done (%i18) a : 6; b : 7; p[0] : float((*a+b)/); p[1] : float((a+*b)/); k : 0; (%i18) for n: thru N0 step 1 do ( k : n, p[n] : float( p[n-1] - f(p[n-1])*(p[n-1]-p[n-])/(f(p[n-1])-f(p[n-])) ), if (abs(f(p[n])) < epsilon) then ( return(p[k])) ); (%i4) for n:0 thru k step 1 do (disp([n,p[n],f(p[n])])); [0, 6., ] [1, , ] [, , ] [, , ] [4, , ] (%o5) done Problema 1. A equação de iteração do método da Secante pode ser escrita na forma mais simples p n = f(p n 1)p n f(p n )p n 1. f(p n 1 ) f(p n ) Explique porque essa equação tende a ser menos precisa que p n =p n 1 f(p n 1)(p n 1 p n ). f(p n 1 ) f(p n ) Sabemos que no cálculo com precisão finita, como no caso da álgebra de ponto flutuante, os erros de arredondamento e truncamento são, tipicamente, maiores para multiplicações (e divisões) que para adições (e subtrações). Portanto, uma maneira de se reduzir os erros de arredondamento e manipular algebricamente as expressões para que um menor número de multiplicações (e divisões) esteja presenta. Vemos que na primeira forma, o método da secante envolve duas multiplicações, uma divisão e duas subtrações (5 operações). Na segunda forma, no entanto, exite uma multiplicação, uma divisão e três subtrações (também 5 operações). Como o número de produtos na segunda forma é menor que na primeira, espera-se que a segunda forma seja menos sensível à erros de arredondamento e truncamento. Problema 1. A soma de dois numeros é 0. Se a cada número for adicionado à respectiva raiz quadrada, o produto das duas somas será 155,55. Determine os dois números com precisão Sejam x e y esses números. Então { x+y = 0 (x+ x )(y+ y) = 155, 55 4
25 Da primeira equação, temos y= 0 x. Substituindo na segunda, temos f(x)=(x+ x )(0 x+ 0 x ) 155, 55=0. Ou seja, podemos utilizar qualquer método visto até agora para estimar x (e, consequentemente, y) com precisão de Observando que 1+7=0, ( )( ) , 17, 14+6=0, ( )( ) , 90 temos duas boas aproximações iniciais x 0 = 1 e x 1 = 14 (ou x 0 =7 e x 1 =6) para x. Utilizando o método da secante, encontramos x 0 = 1 f(x 0 )=4, 6018 >ε x 1 = 14 f(x 1 )= 5, >ε x = 1, f(x )=0, 7401 >ε x = 1, f(x )=0, 0678 >ε x 4 = 1, f(x )= 1, >ε x 5 = 1, f(x )=5, <ε=10 4 Assim, x=1, 4871 e y=6, 519 são as aproximações para tais números. Note que (x+ x )(y+ y)=155, Problema 14. O valor acumulado em uma poupança com base em pagamentos regulares pode ser determinado a partir da equação da anuidade antecipada, A= P i [(1+i)n 1]. Nessa equação, A é a quantia na conta, P é a quantia depositada de forma regular e i é a taxa de juros por período para n períodos de depósito. Um engenheiro gostaria de ter uma poupança de R$ ,00 ao se aposentar, depois de 0 anos de trabalho, e pode depositar R$.000,00 por mês para esse fim. Qual é a taxa de juros mínima com a qual essa quantia pode ser alcançada, supondo que os juros sejam compostos mensalmente? Buscamos determinar a taxa de juros i tal que em n=0 1=60 meses tenhamos A= 10 6, com P = 000. Assim, buscamos uma raiz de f(i)= 000 [(1+i) 60 1] i Podemos utilizar o método de Newton, com condição inicial i 0 =0, 01 (um rendimento mensal de 1%). Derivando, temos Determinamos, portanto, i n por f (i)= 000 [60(1+i) 59 ] 000 i i [(1+i)60 1]. i n =i n 1 f(i n 1) f (i n 1 ). n 1. 5
26 Temos n i n f(i n ) f (i n ) 0 0, 01 4, , , 007 1, , , , , , 4, , , 477 4, , Ou seja, a aplicação de R$.000,00 mensais deve ser ter um rendimento de 0,49% ao mês para que, ao cabo de 0 anos, a aplicação totalize R$ ,00. Problema 15. (APS) No projeto de veículos para qualquer tipo de terreno, é necessário considerar falhas do veículo quando este tenta transpor dois obstáculos. Um tipo de falha é denominado falha de suspensão e ocorre quando o veículo tenta cruzar um obstáculo onde sua parte inferior toca o chão. Outro tipo de falha é chamado falha dianteira e ocorre quando o veículo desce em uma vala e sua parte dianteira toca o chão. A figura abaixo mostra os componentes envolvidos na falha dianteira de um veículo. Figura 1. Esquema do projeto e cálculo de falhas do veículo. O ângulo máximo α que pode ser transposto por um veículo quando β é o ângulo máximo para o qual a falha de suspensão não ocorre satisfaz a seguinte equação sendo A senα cosα+b sen α C cosα E senα=0, A=lsenβ 1, B=lcosβ 1, C =(h+0,5d)senβ 1 0,5D tanβ 1 e E=(h+0,5D)cosβ 1 0,5D. a) Afirma-se que quando l=6cm, h=15cm, D= 140cm e β 1 = 11,5 o, o ângulo α é de aproximadamente o. Verifique esse resultado. b) Determine α para a situação em que l, h e β 1 tenham os mesmos valores da parte (a) mas D= 76cm. (a) Fazendo a conversão β 1 = 11, 5 o = 11,5π = 0, 007 rad(neste caso, podemos manter todas as 180 unidades em cm), temos: A = l senβ 1 = 45, 0571 B = l cosβ 1 = 1, 4619 C = (h+0,5d)senβ 1 0,5D tanβ 1 = 5, 1 E = (h+0,5d)cosβ 1 0,5D= 14, 050 de tal modo que, com α= o =0, 5759 rad, temos f(α)=asenαcosα+b sen α C cosα E senα=, 474 6
27 Este resultado, certamente, poderia ser refinado, pois espera-se que f(α) = 0. (b) Para determinar α nesse caso, calculamos novamente os parâmetros com D = 76, para obter C= 4, 650 e E= 11, 085. Então, utilizamos algum método iterativo para encontrar a raíz de f(α). Fazemos α 0 = o = 0, 5759 rad e α 1 = 4 o =0, 594 rad (novamente, escolhas arbitrárias próximas da raiz) e obtemos a n sequência {α k } k=0 pelo método da secante: k α k f(α k ) 0 0, , , 594, , α k =α k 1 f(α n 1)(α n 1 α n ) f(α 0, , 0044 n 1 ) f(α n ) 0, 5784 Assim, o ângulo máximo para que a falha de suspensão não ocorra nesse caso é α= 180 0, 5784 π =, 1 o. 7
UNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérico SME0104 ICMC-USP Lista 5: Zero de Funções Lembrete (informação que vai estar disponível na prova) Método de Newton Método da Secante x k+1 = x k f(x k) f (x k ), x k+1 = x k J 1 F (x k
Leia maisExercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares
Exercícios de MATEMÁTICA COMPUTACIONAL Mestrado Integrado em Engenharia Biomédica 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x) e x = 0. a) Prove que
Leia maisNeste capítulo estamos interessados em resolver numericamente a equação
CAPÍTULO1 EQUAÇÕES NÃO-LINEARES 1.1 Introdução Neste capítulo estamos interessados em resolver numericamente a equação f(x) = 0, onde f é uma função arbitrária. Quando escrevemos resolver numericamente,
Leia maisMAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Zeros de Funções
MAP 2121 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Zeros de Funções 1: Mostre que a função f(x) = x 2 4x + cos x possui exatamente duas raízes: α 1 [0, 1.8] e α 2 [3, 5]. Considere as funções:
Leia maisSolução aproximada de equações de uma variável
Cálculo Numérico de uma variável Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Parte I Localização de zeros e Método da bissecção Motivação: Queda de um
Leia maisCálculo Numérico. que é denominado erro relativo. Temos então para os dados acima:
Cálculo Numérico 1 Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo.
Leia maisCálculo Numérico. que é denominado erro relativo. Temos então para os dados acima:
Cálculo Numérico 1 Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo.
Leia maisEncontre um valor aproximado para 3 25 com precisão de 10 5 utilizando o método da bissecção.
1 a) Mostre que f (x) = x cos x possui uma raiz no intervalo [0, 1]. b) Prove que essa raiz é única. c) Sem executar o método, preveja o número de iterações que o algoritmo da bissecção utilizaria para
Leia maisTE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira
TE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira Sumário 1. Como obter raízes reais de uma equação qualquer 2. Métodos iterativos para obtenção de raízes 1. Isolamento das raízes 2. Refinamento
Leia maisLista de Exercícios de Métodos Numéricos
Lista de Exercícios de Métodos Numéricos 1 de outubro de 010 Para todos os algoritmos abaixo assumir n = 0, 1,, 3... Bisseção: Algoritmo:x n = a+b Se f(a) f(x n ) < 0 então b = x n senão a = x n Parada:
Leia maisMétodos iterativos dão-nos uma valor aproximado para s. Sequência de valores de x que convergem para s.
Análise Numérica 1 Resolução de equações não lineares ou Cálculo de zeros de funções Problema: Dada a função f(x) determinar o valor s tal que f(s) = 0. Slide 1 Solução: Fórmulas exemplo: fórmula resolvente
Leia maisMatemática Computacional - Exercícios
Matemática Computacional - Exercícios 1 o semestre de 2007/2008 - Engenharia Biológica Teoria de erros e Representação de números no computador Nos exercícios deste capítulo os números são representados
Leia maisResolução Numérica de Equações (Parte II)
Cálculo Numérico Módulo III Resolução Numérica de Equações (Parte II) Prof: Reinaldo Haas Cálculo Numérico Bissecção Métodos Iterativos para a Obtenção de Zeros Reais de Funções Bissecção Newton-Raphson
Leia maisUniversidade Tecnológica Federal do Paraná
Cálculo Numérico - Zeros de Funções Prof a Dr a Diane Rizzotto Rossetto Universidade Tecnológica Federal do Paraná 13 de março de 2016 D.R.Rossetto Zeros de Funções 1/81 Problema Velocidade do pára-quedista
Leia maisLista 1 - Cálculo Numérico - Zeros de funções
Lista 1 - Cálculo Numérico - Zeros de funções 1.) De acordo com o teorema de Bolzano, se uma função contínua f(x) assume valores de sinais opostos nos pontos extremos do intervalo [a, b], isto é se f(a)
Leia maisC alculo Num erico Ra ızes de Equa c oes Ana Paula Ana Paula C alculo Num erico
Raízes de Equações Sumário 1 Introdução 2 3 Revisão Introdução Introdução Introdução Introdução Serão estudados aqui métodos numéricos para a resolução do problema de determinar as raízes de uma equação
Leia maisCálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015
Cálculo Numérico Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 1 Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de
Leia maisMétodo do Ponto Fixo
Determinação de raízes de funções: Método do Ponto Fixo Marina Andretta ICMC-USP 07 de março de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500
Leia maisDerivadas. Derivadas. ( e )
Derivadas (24-03-2009 e 31-03-2009) Recta Tangente Seja C uma curva de equação y = f(x). Para determinar a recta tangente a C no ponto P de coordenadas (a,f(a)), i.e, P(a, f(a)), começamos por considerar
Leia maisExercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA
Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Licenciaturas em Engenharia do Ambiente e Química 2 o Semestre de 2005/2006 Capítulo II Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x)
Leia maisNotas de Aula de Cálculo Numérico
IM-Universidade Federal do Rio de Janeiro Departamento de Ciência da Computação Notas de Aula de Cálculo Numérico Lista de Exercícios Prof. a Angela Gonçalves 3 1. Erros 1) Converta os seguintes números
Leia maisEquações não lineares
Capítulo 2 Equações não lineares Vamos estudar métodos numéricos para resolver o seguinte problema. Dada uma função f contínua, real e de uma variável, queremos encontrar uma solução x que satisfaça a
Leia maisLista de Exercícios 1
Lista de Exercícios 1 MAT 01169 - Cálculo Numérico 2 de Agosto de 2015 As respostas de alguns exercícios estão no final da lista. Exercício 1. Converta para binário os números abaixo: (a) (102) 10 = (b)
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Zeros de equações transcendentes e Tipos de Métodos polinomiais São dois os tipos de métodos para se achar a(s) raízes de uma equação:
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ DISCIPLINA DE MÉTODOS NUMÉRICOS 2º SEMESTRE 2004 Professora Aurora T. R. Pozo 1ª LISTA DE EXERCÍCIOS
UNIVERSIDADE FEDERAL DO PARANÁ DISCIPLINA DE MÉTODOS NUMÉRICOS 2º SEMESTRE 2004 Professora Aurora T. R. Pozo 1ª LISTA DE EXERCÍCIOS Representação de Números Reais e Erros 1. Converta os seguintes números
Leia maisSME0300 Cálculo Numérico Aula 4
SME0300 Cálculo Numérico Aula 4 Maria Luísa Bambozzi de Oliveira marialuisa @ icmc. usp. br Sala: 3-241 Página: tidia-ae.usp.br 13 de agosto de 2015 Aula Passada Operações Aritméticas: Arredondamento a
Leia maisMatemática Computacional - Exercícios
Matemática Computacional - Exercícios 2 o semestre de 2005/2006 - LEE, LEGI e LERCI Programação em Mathematica 1. Calcule no Mathematica e comente os resultados: (a) 7; (b) 7.0; (c) 14406; (d) cos π 6
Leia maisMatemática Computacional. Exercícios. Teoria dos erros
Matemática Computacional Exercícios 1 o Semestre 2014/15 Teoria dos erros Nos exercícios deste capítulo os números são representados em base decimal. 1. Represente x em ponto flutuante com 4 dígitos e
Leia maisMétodos Numéricos Zeros: Introdução. Professor Volmir Eugênio Wilhelm Professora Mariana Kleina
Métodos Numéricos Zeros: Introdução Professor Volmir Eugênio Wilhelm Professora Mariana Kleina Um número real é um zero da função f(x) ou uma raiz da equação f(x)=0, se f( )=0. 2 Os zeros de uma função
Leia maisMétodos Numéricos Zeros Posição Falsa e Ponto Fixo. Professor Volmir Eugênio Wilhelm Professora Mariana Kleina
Métodos Numéricos Zeros Posição Falsa e Ponto Fixo Professor Volmir Eugênio Wilhelm Professora Mariana Kleina Método da Posição Falsa 2 Método da Posição Falsa O processo consiste em dividir/particionar
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Módulo I: Cálculo Diferencial e Integral Derivada e Diferencial de uma Função Professora Renata Alcarde Sermarini Notas de aula
Leia maisResolução Numérica de Equações Métodos Parte II
Cálculo Numérico Resolução Numérica de Equações Métodos Parte II Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CÁLCULO NUMÉRICO DA UFCG - www.dsc.ufcg.edu.br/~cnum/
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 8 04/2014 Zeros reais de funções Parte 2 Voltando ao exemplo da aula anterior, vemos que o ponto médio da primeira iteração
Leia maisTP062-Métodos Numéricos para Engenharia de Produção Zeros: Introdução
TP062-Métodos Numéricos para Engenharia de Produção Zeros: Introdução Prof. Volmir Wilhelm Curitiba, 2015 Os zeros de uma função são os valores de x que anulam esta função. Este podem ser Reais ou Complexos.
Leia maisCálculo Numérico. Aula 4 Zeros de Funções /04/2014. Prof. Rafael mesquita Adpt. por Prof. Guilherme Amorim
Cálculo Numérico Aula 4 Zeros de Funções 2014.1-09/04/2014 Prof. Rafael mesquita rgm@cin.ufpe.br Adpt. por Prof. Guilherme Amorim gbca@cin.ufpe.br Últimas aulas... Aritmética de máquina Erros Sistema de
Leia maisCálculo Numérico. Zeros de funções reais
Cálculo Numérico Zeros de funções reais Agenda Introdução Isolamento de raízes Refinamento Bissecção Posição Falsa Método do ponto fixo (MPF) Método de Newton-Raphson Método da secante Introdução Um número
Leia maisArtur M. C. Brito da Cruz. Escola Superior de Tecnologia Instituto Politécnico de Setúbal 2015/2016 1
Equações Não Lineares Análise Numérica Artur M. C. Brito da Cruz Escola Superior de Tecnologia Instituto Politécnico de Setúbal 2015/2016 1 1 versão 20 de Setembro de 2017 Conteúdo 1 Introdução...................................
Leia maisCálculo Numérico Ponto Fixo
Cálculo Numérico Ponto Fixo Método do Ponto Fixo (MPF) Dada uma função f(x) contínua no intervalo [a,b] onde existe uma raiz única, f(x) = 0, é possível transformar tal equação em uma equação equivalente
Leia maisDCC008 - Cálculo Numérico
DCC008 - Cálculo Numérico Polinômios de Taylor Bernardo Martins Rocha Departamento de Ciência da Computação Universidade Federal de Juiz de Fora bernardomartinsrocha@ice.ufjf.br Conteúdo Introdução Definição
Leia mais1.1 Revisão de teoremas do cálculo 1.
LISTA DE EXERCÍCIOS Observação: De acordo ao exercício o aluno pode e deve conferir suas respostas com seus programas. 1.1 Revisão de teoremas do cálculo 1. 1 Mostre que cada uma das seguintes equações
Leia maisf(1) = 6 < 0, f(2) = 1 < 0, f(3) = 16 > 0 x [2, 3].
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Métodos Numéricos Para Solução
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisDCC008 - Cálculo Numérico
DCC008 - Cálculo Numérico Equações Não-Lineares Bernardo Martins Rocha Departamento de Ciência da Computação Universidade Federal de Juiz de Fora bernardomartinsrocha@ice.ufjf.br Conteúdo Introdução Localização
Leia maisPARTE I EQUAÇÕES DE UMA VARIÁVEL REAL
PARTE I EQUAÇÕES DE UMA VARIÁVEL REAL. Introdução Considere f uma função, não constante, de uma variável real ou complexa, a equação f(x) = 0 será denominada equação de uma incógnita. EXEMPLO e x + senx
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 04/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproximados para as soluções (raízes) de equações da
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo temático Zeros de Função Conteúdo específico Métodos iterativos
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO Lista de Exercícios / Cálculo Numérico 1ª Unidade
1) Analise as alternativas abaixo e marque V para verdadeiro e F para falso. No segundo caso, explique como as tornaria verdadeiras: ( ) O método das secantes é utilizado para solucionar um problema de
Leia maisSolução numérica de equações não-lineares
Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de uma equação. Mas, o que é uma equação? Uma equação é uma igualdade
Leia maisCálculo Numérico A - 2 semestre de 2006 Prof. Leonardo F. Guidi. 2 a Lista de Exercícios - Gabarito. 1) Seja a equação não linear x e x = 0.
Cálculo Numérico A - 2 semestre de 2006 Prof. Leonardo F. Guidi 2 a Lista de Exercícios - Gabarito 1) Seja a equação não linear x e x = 0. A solução é dada em termos da função W de Lambert, x = W 1) 0,
Leia maisCálculo Numérico / Métodos Numéricos. Solução de equações polinomiais Briot-Ruffini-Horner
Cálculo Numérico / Métodos Numéricos Solução de equações polinomiais Briot-Ruffini-Horner Equações Polinomiais p = x + + a ( x) ao + a1 n x n Com a i R, i = 0,1,, n e a n 0 para garantir que o polinômio
Leia maisIntegrais. ( e 12/ )
Integrais (21-04-2009 e 12/19-05-2009) Já estudámos a determinação da derivada de uma função. Revertamos agora o processo de derivação, isto é, suponhamos que nos é dada uma função F e que pretendemos
Leia maisCAP. 2 ZEROS REAIS DE FUNÇÕES REAIS
5 CAP. ZEROS REAIS DE FUNÇÕES REAIS OBJETIVO: Estudo de métodos iterativos para resolução de equações não lineares. DEFINIÇÃO : Um nº real é um zero da função f() ou raiz da equação f() = 0 se f( )=0.
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 04/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproximados para as soluções (raízes) de equações da
Leia maisResolução Numérica de Equações Métodos Parte II
Cálculo Numérico Resolução Numérica de Equações Métodos Parte II Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CÁLCULO NUMÉRICO DA UFCG - www.dsc.ufcg.edu.br/~cnum/
Leia maisCálculo Numérico BCC760 Raízes de equações algébricas e transcendentes
Cálculo Numérico BCC760 Raízes de equações algébricas e transcendentes Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ Introdução Dada uma função y = f(x), o objetivo deste
Leia mais1.1 Conceitos Básicos
1 Zeros de Funções 1.1 Conceitos Básicos Muito frequentemente precisamos determinar um valor ɛ para o qual o valor de alguma função é igual a zero, ou seja: f(ɛ) = 0. Exemplo 1.1 Suponha que certo produto
Leia maisA. Equações não lineares
A. Equações não lineares 1. Localização de raízes. a) Verifique se as equações seguintes têm uma e uma só solução nos intervalos dados: i) (x - 2) 2 ln(x) = 0, em [1, 2] e [e, 4]. ii) 2 x cos(x) (x 2)
Leia maisAula 2- Soluções de Equações a uma Variável (zeros reais de funções reais)
Cálculo Numérico IPRJ/UERJ Sílvia Mara da Costa Campos Victer ÍNDICE Aula 2- Soluções de Equações a uma Variável (zeros reais de funções reais) FASE I: Isolamento das raízes. FASE 2: Refinamento: 2.1-
Leia maisEquações não lineares
DMPA IM UFRGS Cálculo Numérico Índice 1 Método da bissecção 2 Método Newton-Raphson 3 Método da secante Vamos estudar métodos numéricos para resolver o seguinte problema. Dada uma função f contínua, real
Leia maisComputação Científica 65
Capítulo 3. 1. Métodos numéricos Sempre que se pretende resolver um problema cuja solução é um valor numérico, é habitual ter de se considerar, para além de conceitos mais abstratos (que fornecem um modelo
Leia mais- Métodos numéricos. - Métodos analíticos versus métodos numéricos. - Necessidade de se usar métodos numéricos. - Métodos iterativos
Tópicos Tópicos - Métodos numéricos - Métodos analíticos versus métodos numéricos - Necessidade de se usar métodos numéricos - Métodos iterativos - Resolução de problemas - Problemas com equações não lineares
Leia maisMAT Complementos de Matemática (Contabilidade) - FEAUSP 2 o semestre de 2013 Professor Oswaldo Rio Branco de Oliveira
MAT 103 - Complementos de Matemática (Contabilidade) - FEAUSP 2 o semestre de 2013 Professor Oswaldo Rio Branco de Oliveira TEOREMAS: DO VALOR INTERMEDIÁRIO (TVI), SOBRE MÁXIMOS E MÍNIMOS, DE ROLLE, DO
Leia maisCálculo 1 - Quinta Lista de Exercícios Derivadas
Cálculo 1 - Quinta Lista de Exercícios Derivadas Prof. Fabio Silva Botelho November 2, 2017 1. Seja f : D = R\{ 7/5} R onde 1 5x+7. Seja x D. Utilizando a definição de derivada, calcule f (x). Calcule
Leia maisATIVIDADES EM SALA DE AULA Cálculo I -A- Humberto José Bortolossi
ATIVIDADES EM SALA DE AULA Cálculo I -A- Humberto José Bortolossi http://www.professores.uff.br/hjbortol/ 08 Continuidade e O Teorema do Valor Intermediário [0] (2008.) (a) Dê um exemplo de uma função
Leia maisBANCO DE EXERCÍCIOS - 24 HORAS
BANCO DE EXERCÍCIOS - HORAS 9º ANO ESPECIALIZADO/CURSO ESCOLAS TÉCNICAS E MILITARES FOLHA Nº GABARITO COMENTADO ) A função será y,5x +, onde y (preço a ser pago) está em função de x (número de quilômetros
Leia maisResolução de sistemas de equações não-lineares: Método Iterativo Linear
Resolução de sistemas de equações não-lineares: Método Iterativo Linear Marina Andretta/Franklina Toledo ICMC-USP 18 de setembro de 2013 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires.
Leia maisPortanto, = 4 1= 2. LETRA D
TRIGONOMETRIA PARTE QUESTÃO 0 Maior valor (cos (0,0t) -) 585 r(t) 900 + 0,5.( ) Menor valor (cos(0,0t) ) 585 r(t) 500 + 0,5.() Somando, temos: 900 + 500 000 QUESTÃO 0 P QUESTÃO 0 Queremos calcular f()
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 9 04/2014 Zeros reais de funções Parte 3 MÉTODO DE NEWTON RAPHSON Cálculo Numérico 3/42 CONSIDERAÇÕES INICIAS MÉTODO DO PONTO
Leia maisProf. MSc. David Roza José 1/37
1/37 Métodos Abertos Objetivos: Reconhecer as diferenças entre os métodos intervalados e abertos para a localização de raízes; Compreender o método da iteração de ponto-fixo e avaliar suas características
Leia maisAula 22 O teste da derivada segunda para extremos relativos.
O teste da derivada segunda para extremos relativos. MÓDULO 2 - AULA 22 Aula 22 O teste da derivada segunda para extremos relativos. Objetivo: Utilizar a derivada segunda para determinar pontos de máximo
Leia maisJosé Álvaro Tadeu Ferreira. Cálculo Numérico Notas de aulas. Resolução de Equações Não Lineares
UNIVERSIDADE FEDERAL DE OURO PRETO Instituto de Ciências Exatas e Biológicas Departamento de Computação José Álvaro Tadeu Ferreira Cálculo Numérico Notas de aulas Resolução de Equações Não Lineares Ouro
Leia maisAndréa Maria Pedrosa Valli
Raízes de Equações Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-27 Raízes
Leia maisSequências e Séries Infinitas. Copyright Cengage Learning. Todos os direitos reservados.
11 Sequências e Séries Infinitas Copyright Cengage Learning. Todos os direitos reservados. 11.3 O Teste da Integral e Estimativas de Somas Copyright Cengage Learning. Todos os direitos reservados. O Teste
Leia maisResolução de sistemas de equações não-lineares: Método Iterativo Linear
Resolução de sistemas de equações não-lineares: Método Iterativo Linear Marina Andretta/Franklina Toledo ICMC-USP 27 de março de 2015 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires.
Leia maisUFRJ - Instituto de Matemática
UFRJ - Instituto de Matemática Programa de Pós-Graduação em Ensino de Matemática www.pg.im.ufrj.br/pemat Mestrado em Ensino de Matemática Seleção 9 Etapa Questão. Determine se as afirmações abaio são verdadeiras
Leia maisExercícios sobre zeros de funções Aula 7
Exercícios sobre zeros de funções Aula 7 André L. R. Didier 1 6 de Maio de 2015 7/47 Introdução Todas as questões foram obtidas da 3 a edição do livro Métodos Numéricos de José Dias dos Santos e Zanoni
Leia maisUniversidade Federal do Pará Instituto de Tecnologia. Cálculo III. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia Cálculo III Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica Universidade Federal do Pará Instituto de Tecnologia
Leia maisLista de exercícios de MAT / I
1 Lista de exercícios de MAT 271-29 / I 1. Converta os seguintes números da forma decimal para a forma binária:x 1 = 37; x 2 = 2347; x 3 =, 75; x 4 =(sua matrícula)/1; x 5 =, 1217 2. Converta os seguintes
Leia maisCálculo Diferencial e Integral I
Cálculo Diferencial e Integral I Complementos ao texto de apoio às aulas. Amélia Bastos, António Bravo Julho 24 Introdução O texto apresentado tem por objectivo ser um complemento ao texto de apoio ao
Leia maisLista de exercícios de MAT / II
1 Lista de exercícios de MAT 271-26 / II 1. Converta os seguintes números da forma decimal para a forma binária:x 1 = 37; x 2 = 2347; x 3 =, 75; x 4 =(sua matrícula)/1; x 5 =, 1217 2. Converta os seguintes
Leia mais30 a OLIMPÍADA DE MATEMÁTICA DO RIO GRANDE DO NORTE PRIMEIRA FASE. NÍVEL UNIVERSITÁRIO. 35! =
0 a OLIMPÍADA DE MATEMÁTICA DO RIO GRANDE DO NORTE 09- PRIMEIRA FASE. NÍVEL UNIVERSITÁRIO. Para cada questão, assinale uma alternativa como a resposta correta. NOME DO(A) ESTUDANTE: UNIVERSIDADE:. O fatorial
Leia maisÍndice. AULA 5 Derivação implícita 3. AULA 6 Aplicações de derivadas 4. AULA 7 Aplicações de derivadas 6. AULA 8 Esboço de gráficos 9
www.matematicaemexercicios.com Derivadas Vol. 2 1 Índice AULA 5 Derivação implícita 3 AULA 6 Aplicações de derivadas 4 AULA 7 Aplicações de derivadas 6 AULA 8 Esboço de gráficos 9 www.matematicaemexercicios.com
Leia mais= 2 sen(x) (cos(x) (b) (7 pontos) Pelo item anterior, temos as k desigualdades. sen 2 (2x) sen(4x) ( 3/2) 3
Problema (a) (3 pontos) Sendo f(x) = sen 2 (x) sen(2x), uma função π-periódica, temos que f (x) = 2 sen(x) cos(x) sen(2x) + sen 2 (x) 2 cos(2x) = 2 sen(x) (cos(x) sen(2x) + sen(x) cos(2x) ) = 2 sen(x)
Leia maisDerivadas 1
www.matematicaemexercicios.com Derivadas 1 Índice AULA 1 Introdução 3 AULA 2 Derivadas fundamentais 5 AULA 3 Derivada do produto e do quociente de funções 7 AULA 4 Regra da cadeia 9 www.matematicaemexercicios.com
Leia maisProfessor Oswaldo Rio Branco de Oliveira 2. TeoremadeRolleeTeoremadoValorMédio(TVM)...
MAT 103 - Complementos de Matemática para Contabilidade - FEAUSP Semestre 2 de 2015 - diurno TEOREMAS SOBRE MÁXIMOS E MÍNIMOS, DE ROLLE, DO VALOR MÉDIO (TVM), DARBOUX, TVM GENERALIZADO (CAUCHY) E REGRAS
Leia maisMatemática Computacional Ficha 1: Capítulo /19
Matemática Computacional Ficha 1: Capítulo 1 2018/19 I. Notação e revisão da matéria e x = x x (erro de x em relação a x) e x : erro absoluto de x δ x : erro relativo de x em relação a x, onde, para x
Leia maisExercício 1 Dê o valor, caso exista, que a função deveria assumir no ponto dado para. em p = 9
Exercícios - Limite e Continuidade-1 Exercício 1 Dê o valor, caso exista, que a função deveria assumir no ponto dado para ser contínua: (a) f(x) = x2 16 x 4 (b) f(x) = x3 x x em p = 4 em p = 0 (c) f(x)
Leia maisAna Paula. October 26, 2016
Raízes de Equações October 26, 2016 Sumário 1 Aula Anterior 2 Método da Secante 3 Convergência 4 Comparação entre os Métodos 5 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Método de
Leia maisMATEMÁTICA COMPUTACIONAL. Exercícios
MATEMÁTICA COMPUTACIONAL Exercícios Filipe J. Romeiras Departamento de Matemática Instituto Superior Técnico Junho de 2008 1 1. REPRESENTAÇÃO DE NÚMEROS E TEORIA DE ERROS 1 [1.1] Represente x num sistema
Leia maisMatemática Computacional - 2 o ano LEMat e MEQ
Instituto Superior Técnico Departamento de Matemática Secção de Matemática Aplicada e Análise Numérica Matemática Computacional - o ano LEMat e MEQ Exame/Teste - 5 de Fevereiro de - Parte I (h3m). Considere
Leia maisA derivada da função inversa, o Teorema do Valor Médio e Máximos e Mínimos - Aula 18
A derivada da função inversa, o Teorema do Valor Médio e - Aula 18 Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil 10 de Abril de 2014 Primeiro Semestre de 2014 Turma 2014106
Leia maisAula 6. Zeros reais de funções Parte 3
CÁLCULO NUMÉRICO Aula 6 Zeros reais de funções Parte 3 MÉTODO DE NEWTON RAPHSON Cálculo Numérico 3/48 CONSIDERAÇÕES INICIAS MÉTODO DO PONTO FIXO: Uma das condições de convergência é que onde I é um intervalo
Leia maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA 5 - Integração numérica (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda). Calcule as integrais a seguir pela regra
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano.
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 5 Zeros reais de funções Parte 2 Voltando ao eemplo da aula anterior, vemos que o ponto médio da primeira iteração 1 = 2,5
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO
CÁLCULO L1 NOTAS DA DÉCIMA PRIMEIRA AULA UNIVERSIDADE FEDERAL DE PERNAMBUCO Resumo. Nesta aula, apresentaremos o Teorema do Valor Médio e algumas de suas conseqüências como: determinar os intervalos de
Leia maisProfessor Oswaldo Rio Branco de Oliveira 2. TeoremadeRolleeTeoremadoValorMédio(TVM)...
Oswaldo Rio Branco de Oliveira Cálculo I - MAT 1351 - Licenciatura em Física (IFUSP) Primeiro semestre de 2017 - diurno TEOREMAS SOBRE MÁXIMOS E MÍNIMOS, DE ROLLE, DO VALOR MÉDIO (TVM), DARBOUX, TVM GENERALIZADO
Leia mais