CCI-22 CCI-22. 4) Equações e Sistemas Não Lineares. Matemática Computacional. Bissecção, Posição Falsa, Ponto Fixo, Newton-Raphson, Secante
|
|
- Vera Canela de Almada
- 7 Há anos
- Visualizações:
Transcrição
1 Matemática Computacional 4) Equações e Sistemas Não Lineares Carlos Alberto Alonso Sanches Bissecção, Posição Falsa, Ponto Fio, Newton-Raphson, Secante Introdução Ponto Fio Introdução Ponto Fio
2 Raízes reais de funções Nas mais diversas áreas das ciências eatas, frequentemente ocorrem situações que envolvem a resolução de uma equação do tipo f() = 0 Muitas vezes, essas equações não são lineares. Por eemplo, a aplicação da lei de Kirchoff no cálculo da corrente elétrica em um circuito pode resultar em um polinômio de terceiro grau O objetivo deste capítulo é estudar métodos numéricos para a resolução de equações não lineares Em alguns casos (polinômios, por eemplo), as raízes podem ser reais ou compleas. Estamos principalmente interessados em encontrar as raízes reais: dada uma curva, queremos os pontos em que o eio é interceptado Esses métodos possuem duas fases: 1) Localização ou isolamento de uma raiz (encontrar um intervalo que a contenha) 2) Refinamento: dada uma aproimação inicial da raiz nesse intervalo, melhorá-la até se obter a precisão desejada Isolamento das raízes Nesta primeira fase, é feita uma análise teórica e gráfica da função f(), da qual depende fortemente o sucesso da fase seguinte De modo geral, é utilizado o seguinte teorema: considerando f() uma função contínua no intervalo [a,b], se f(a).f(b) < 0, então eiste pelo menos uma raiz = ξ entre a e b Graficamente: f() a ξ b f() a f() a ξ 1 ξ 2 ξ 3 b ξ 1 ξ 2 b Eemplo f() = Outras situações Se f(a).f(b) > 0, então podemos ter várias situações: Vamos construir uma tabela de valores para f(), considerando apenas os sinais: f() f() f() f() a b a ξ ξ b 1 2 a ξ 1 b Sabendo que f() é contínua para qualquer real, e observando as variações de sinal, podemos concluir que eistem raízes nos seguintes intervalos: [-5, -3] [0, 1] [2, 3] Como f() é um polinômio de grau 3, localizamos todas as suas raízes Será preciso realizar uma análise gráfica de f(). Basta seguir um dos seguintes procedimentos: Esboçar o gráfico de f() e localizar as raízes A partir da equação f() = 0, obter uma equação equivalente g() = h(), esboçar seus gráficos e localizar os pontos em que se encontram Utilizar programas que traçam gráficos de funções
3 Introdução Ponto Fio Raízes reais de um polinômio Regra de Descartes: O número de raízes reais positivas de um polinômio p() com coeficientes reais nunca é maior que o número de trocas de sinal na sequência de seus coeficientes não nulos Se for menor, então será sempre por um número par Como as raízes negativas de p() são as positivas de p(-), também é possível utilizar essa mesma regra na enumeração das raízes reais negativas Eemplo Outro eemplo p() = Uma troca de sinal: p() tem 1 raiz positiva p() = Quatro trocas de sinal: p() pode ter 4, 2 ou 0 raízes positivas p(-) = Duas trocas de sinal: p() pode ter 2 ou 0 raízes negativas p(-) = Nenhuma troca de sinal: p() não tem raízes negativas Se p() tiver 2 raízes negativas, não terá raízes compleas; caso contrário, terá 2 raízes compleas Possibilidades: Raízes Positivas Negativas Compleas sempre aos pares Possibilidades: Raízes Positivas Negativas Compleas
4 Raízes compleas de um polinômio Seja o polinômio de grau n: p() = a 0 n + a 1 n a n-1 + a n Regra de Huat: Se para algum k, 1 k < n, tivermos (a k ) 2 a k-1.a k+1, então p() terá raízes compleas Regra da Lacuna: Se os coeficientes de p() forem todos reais e para algum k, 1 k < n, tivermos a k = 0 e a k-1.a k+1 > 0, então p() terá raízes compleas Se os coeficientes forem todos reais e eistirem dois ou mais coeficientes nulos sucessivos, então p() terá raízes compleas Eemplo p() = p(-) = Regra de Huat: (a 2 ) 2 a 1.a 3, pois 1 < 3.2 Portanto, p() tem raízes compleas Possibilidades: Raízes Positivas Negativas Compleas ou 0 positivas 3 ou 1 negativas Outro eemplo p() = p(-) = Possibilidades: Raízes Positivas Negativas Compleas , 2 ou 0 positivas não tem negativas Regra da Lacuna: a 2 = 0 e a 1.a 3 > 0, pois (-3).(-2) > 0 Portanto, p() tem raízes compleas Introdução Ponto Fio
5 Localização de raízes Localizar as raízes reais de um polinômio p() é determinar um intervalo que as contenha Eemplos: a b Localizar as raízes compleas é determinar os raios interno e eterno de anéis que as contenham Eemplo: a b Em ambos os casos, a e b são chamados respectivamente de cota inferior e superior a b Localização de raízes reais Teorema de Laguerre: Dado o polinômio p() de coeficientes reais e dado um número α, obtemos p() = q().( α) + R. Se os coeficientes de q() e R forem todos positivos ou nulos, então todas as raízes reais são menores que α Cota de Laguerre-Thibault: Dado o polinômio p() de coeficientes reais, calcule a divisão de p() por -1, -2, -3,..., -m, até que o quociente q() tenha todos os coeficientes positivos ou nulos, e resto R > 0. Esse m > 0 é uma cota superior das raízes reais de p(). Uma cota inferior n < 0 pode ser calculada de modo semelhante, multiplicando-se p(-) por -1 e seguindo o mesmo procedimento Eemplo p() = é uma cota superior de p() Eemplo (continuação) p(-) = é uma cota inferior de p() Todas as raízes de p() pertencem a [-4, 3]
6 Localização de raízes compleas Cota de Kojima: Dado o polinômio p() = a 0 n + a 1 n a n-1 + a n, toda raiz α, real ou complea, está em um anel de raio eterno R = q 1 + q 2, onde q 1 e q 2 são os maiores valores de a i /a 0 1/i, para 1 i n Considerando o polinômio p(1/), o raio interno r é calculado de modo semelhante: r = 1/(q 1 + q 2 ) Eemplo p() = a 0 = 1, a 1 = 1, a 2 = -9, a 3 = -1, a 4 = 20, a 5 = -12 Valores: { 1 1 ; 9 1/2 ; 1 1/3 ; 20 1/4 ; 12 1/5 } = {1; 3; 1; 2,115; 1,644} q 1 = 3 e q 2 = 2,115 R = 5,115 Toda raiz α satisfaz α < 5,115 As raízes de p(1/) são as mesmas do polinômio Valores: {(20/12) 1 ; (1/12) 1/2 ; (9/12) 1/3 ; (1/12) 1/4 ; (1/12) 1/5 } = {1,667; 0,289; 0,909; 0,537; 0,608} q 1 = 1,667 e q 2 = 0,909 r = 0,388 Toda raiz α satisfaz α > 0,388 Separação de raízes reais Separar raízes de um polinômio é encontrar uma sequência de subintervalos distintos, tais que cada um contenha eatamente uma raiz real, e cada raiz real esteja contida em um desses subintervalos Teorema de Budan: Seja p (k) (c) o valor da k-ésima derivada do polinômio p() calculada para = c. Seja V c o número de variações de sinal na sequência p(c), p (c), p (c),..., p (n) (c), onde n é o grau de p(). Então, o número de raízes de p() no intervalo (a,b) é igual ou menor que V a - V b. Se for menor, será por um número par Importante: este teorema não dá informações sobre a multiplicidade das raízes, ou seja, uma mesma raiz pode ser contada várias vezes... Eemplo p() = Pela regra de Descartes, como há duas variações de sinal, p() tem 2 ou 0 raízes positivas Derivadas de p(): p () = ; p () = 6 4; p () = 6 Por Laguerre-Thibault, sabe-se que a cota superior é 3. Portanto, tomemos (a,b) = (0;3): p(0)=2; p (0)=-1; p (0)=-4; p (0)=6 p(3)=8; p (3)=10; p (3)=14; p (3)=6 V 0 =2 e V 3 =0: há 2 ou 0 raízes em (0;3) Dividindo-se o intervalo em (0;3/2) e (3/2;3), é possível verificar que V 3/2 =1: podemos concluir que há uma raiz em cada um desses subintervalos
7 Outro eemplo p() = Pela regra de Descartes, p() tem 2 ou 0 raízes positivas e 1 raiz negativa Por Laguerre-Thibault, sabe-se que a cota superior é 9, e a inferior é -1 Análise gráfica: P() De fato, é fácil comprovar que há uma raiz negativa em [-1;0] A tabela parece indicar que não há raízes positivas... No entanto, p(4,5) = -0,125, ou seja, há uma raiz em [4;4,5] e outra em [4,5;5] É preciso ter muito cuidado com as análises gráficas... Introdução Ponto Fio Métodos iterativos Critérios rios de parada Através da separação de raízes Específico de cada método Veremos a seguir Na resolução de equações não lineares, qualquer método iterativo possui 4 partes: Estimativa inicial: uma aproimação para a raiz Atualização: uma fórmula que recalcula a solução Critério de parada: uma condição de término para o processo iterativo Avaliador de eatidão: associado ao critério de parada, provê uma estimativa do erro cometido Na resolução de f() através de um processo iterativo, sejam: i a solução obtida no passo i; ε 1 e ε 2 valores de tolerância estabelecidos; k o número de dígitos significativos eatos requeridos na aproimação final; L o número máimo permitido de iterações. Portanto, pode-se interromper esse processo de quatro maneiras: i i-1 / i < ε 1 f( i ) < ε 2 DIGSE ( i ) k i > L
8 Introdução Ponto Fio Método da Bissecção Seja [a,b] um intervalo que contenha uma raiz de f(), onde f(a).f(b) < 0 Algoritmo: Calcula-se o ponto médio do intervalo: m = (a+b)/2 Se f( m ) 0, escolhe-se o subintervalo de [a,b] em que f tenha sinais opostos nas etremidades: f(a).f( m ) < 0 ou f( m ).f(b) < 0 Repete-se o processo até que algum critério de parada seja satisfeito Bissecção: análise gráfica Eemplo f() f() p() = a = a = (a + b)/2 b = b 0 f() 2 = (a + 1 )/2 a = a = b 1 3 = ( )/2 Enumeração: pela regra de Descartes, p() tem 2 ou 0 raízes positivas e 1 raiz negativa Localização: por Laguerre-Thibault, sabe-se que a cota superior é 5 e a inferior é -1 Separação: Percebe-se que há apenas uma raiz negativa em p() [-1;0] -1-2 Aplicação do Método da Bissecção: 0 21 i a b m f( m ) 3 2 = a 2 1 = b ,0 0,0-0,5 11, ,0-0,5-0,75 5, ,0-0,75-0,875 1, ,0-0,875-0,9375-0, ,9375-0,875-0, , ,9375-0, , , ,9375-0, , ,
9 Estimativa do número n de iterações Dada uma precisão ε e um intervalo inicial [a 0,b 0 ], é possível calcular o número i de iterações do Método da Bissecção até que se tenha b i - a i < ε: b i a i = (b i-1 a i-1 )/2 = (b 0 a 0 )/2 i Deseja-se que b i - a i < ε: b i - a i < ε (b 0 a 0 )/2 i < ε b i - a i < ε 2 i > (b 0 a 0 )/ε b i - a i < ε i > (log(b 0 a 0 ) log ε)/log 2 O número de iterações tende a ser grande devido a este valor Se essa condição for satisfeita, então no final do passo i teremos um intervalo [a i,b i ] que contém a raiz ξ tal que [a i,b i ] -ξ b i - a i < ε Bissecção: análise geral Vantagens: Se a função f() for contínua no intervalo inicial [a,b], o método da bissecção gera uma sequência convergente Facilidade de implementação, pois as iterações envolvem cálculos simples Desvantagens: A convergência é lenta Eige o conhecimento prévio da região onde se encontra a raiz A etensão desse método para problemas multivariáveis é complea Introdução Ponto Fio Método da Posição Falsa Dado o intervalo [a,b], vimos que o Método da Bissecção encontra um novo intervalo através de uma média aritmética entre a e b: m = (a + b)/2 Por outro lado, o Método da Posição Falsa calcula uma média ponderada entre a e b com pesos f(b) e f(a), respectivamente: m = (a. f(b) + b. f(a) )/( f(b) + f(a) ) Como f(a) e f(b) têm sinais opostos, é equivalente a m = (a.f(b) - b.f(a))/(f(b) - f(a))
10 Posição Falsa: análise gráfica f() f(b) f(a) a m m = (a.f(b) b.f(a))/(f(b) - f(a)) m é a intersecção do eio com a reta que passa por (a,f(a)) e (b,f(b)) Equação da reta: ( a)/(f() - f(a)) = (b - a)/(f(b) - f(a)) No eio : = m e f( m ) = 0 m - a = -f(a).(b - a)/(f(b) - f(a)) m - a = (a.f(a) b.f(a))/(f(b) - f(a)) m = (a.f(b) a.f(a) + a.f(a) b.f(a))/(f(b) - f(a)) m = (a.f(b) b.f(a))/(f(b) - f(a)) b Eemplo f() =.log 1 [a 0,b 0 ] = [2;3] f(a 0 ) = -0,3979 < 0 f(b 0 ) = 0,4314 > 0 0 = (a 0.f(b 0 ) b 0.f(a 0 ))/(f(b 0 ) - f(a 0 )) = 2,4798 f( 0 ) = -0,0219 < 0 Como f(a 0 ) e f( 0 ) têm mesmo sinal, a 1 = 0 e b 1 = b 0 1 = (a 1.f(b 1 ) b 1.f(a 1 ))/(f(b 1 ) - f(a 1 )) = 2,5049 f( 1 ) = -0,0011 < 0 Como f(a 1 ) e f( 1 ) têm mesmo sinal, a 2 = 1 e b 2 = b 1 E assim por diante, até que o critério de parada seja satisfeito Posição Falsa: análise geral De modo geral, suas vantagens e desvantagens são análogas às do Método da Bissecção Se a função for côncava ou convea em [a,b], então umas das etremidades permanecerá fia Eemplo: f() f(b) f(a) a i i+1 b Cuidado com o critério de parada: neste caso, o intervalo [a i,b i ] nunca ficará suficientemente pequeno, pois b i permanece constante... É possível modificar o método, prevendo casos como este Introdução Ponto Fio
11 Método do Ponto Fio Seja uma função f() contínua e não linear em [a,b], onde está uma única raiz ξ O Método do Ponto Fio consiste em: Transformar a equação f() = 0 na equivalente = g(), de tal modo que f(ξ) = 0 g(ξ) = ξ A partir de 0 [a,b], gerar a sequência { i } de aproimações para ξ pela relação i+1 = g( i ) O problema de se encontrar a raiz em f() foi transformado no problema de se encontrar o ponto fio de g() g() é chamada de função de iteração Eemplo f() = Possíveis funções de iteração para f(): g 1 () = 6 2 g 2 () = ±(6 ) 1/2 g 3 () = (6/) 1 g 4 () = 6/(+1) Algumas situações possíveis Convergência y 2 1 y = 0 g() Converge! g() y y = Converge! 0 Teorema: Seja ξ uma raiz de f() aproimadamente centrada no intervalo I, e g() uma função de iteração. A sequência { i } gerada pelo processo iterativo i+1 = g( i ) convergirá para ξ se: g() e g () são contínuas em I y g() y = Não converge! y g() y = Não converge! 0 I g () M < 1, I, onde 0 < M <
12 Demonstração 1ª parte: Se 0 I, então i I, i 0 f(ξ) = 0 ξ = g(ξ) Para i 0, i+1 = g( i ) i+1 - ξ = g( i ) - g(ξ) Como g() é contínua e diferenciável em I, pelo Teorema do Valor Médio, se i I então eiste c i entre i e ξ tal que g (c i ).( i ξ) = g( i ) - g(ξ) i+1 - ξ = g (c i ).( i ξ), i 0 i+1 ξ = g (c i ). i ξ < i ξ, i 0, pois g (c i ) < 1 Como I está aproimadamente centrado em ξ, se i I então i+1 I, i 0 Demonstração 2ª parte: lim i i = ξ 1 ξ = g (c 0 ). 0 ξ M. 0 ξ 2 ξ = g (c 1 ). 1 ξ M 2. 0 ξ Generalizando: i ξ = g (c i-1 ). i-1 ξ M i. 0 ξ, i>0 Como 0<M<1, 0 lim i i ξ M i. 0 ξ = 0 Portanto, lim i i ξ = 0 lim i i = ξ c 0 está entre 0 e ξ c 1 está entre 1 e ξ c i-1 está entre i e ξ Voltando ao eemplo anterior Sabemos que as raízes de f() = são ξ 1 = -3 e ξ 2 = 2 Consideremos g 1 () = 6-2 e 0 = 1,5: 1 = g( 0 ) = 6 1,5 2 = 3,75 2 = g( 1 ) = 6 3,75 2 = -8, = g( 2 ) = 6 (-8,0625) 2 = -59, = g( 3 ) = 6 (-59,003906) 2 = -3475,4609 A sequência { i } diverge... g 1 () = 6-2 g 1 () = -2 y y = g 1 () e g 1 () são contínuas em R g 1 () < 1-2 < ½ < < ½ O intervalo I = [-½,½] não satisfaz o teorema, pois não g() contém as raízes, nem 0... Ainda o mesmo eemplo Consideremos agora g 2 () = (6 ) 1/2 e 0 = 1,5: 1 = g( 0 ) = (6 1,5) 1/2 = 2, = g( 1 ) = (6 2,12132) 1/2 = 1, = g( 2 ) = (6 1,96944) 1/2 = 2, = g( 3 ) = (6 2,00763) 1/2 = 2,00048 A sequência { i } está convergindo para ξ 2 = 2 g() y y = g 2 () = (6 ) 1/2 g 2 () = -1/(2(6-) 1/2 ) g 2 () é contínua em R para 6 g 2 () é contínua em R para < 6 g 2 () < 1 1/(2(6-) 1/2 ) < 1 < 5,75 O intervalo I = [1,5;2,5] satisfaz as condições do teorema
13 Outro eemplo Seja f() = 2-2, com ξ 1 = -1 e ξ 2 = 2 Sejam duas funções de iteração: g 1 () = 2 2 g 2 () = (2+) 1/2 g 1 () = 2: g 1 () < 1 -½ < < ½ O intervalo I = [-½,½] não satisfaz o teorema g 2 () = 1/(2(2+) 1/2 ): g 2 () < 1 > -7/4 O intervalo I = [0;3], por eemplo, satisfaz o teorema Consideremos g 2 () = (2+) 1/2, 0 = 0: 1 = g( 0 ) = (2+ 0 ) 1/2 = 1, = g( 1 ) = (2+ 1 ) 1/2 = 1, = g( 2 ) = (2+ 2 ) 1/2 = 1, = g( 3 ) = (2+ 3 ) 1/2 = 1,98036 A sequência está convergindo para ξ 2 = 2 Ordem da convergência Seja { i } uma sequência que converge para a raiz ξ e seja e i = i ξ o erro na iteração i, i 0 Se eistir um número p>1 e uma constante C>0 tais que lim i e i+1 / e i p = C, então p é a ordem de convergência dessa sequência, e C é a constante assintótica de erro Quanto maior o valor de p, maior a rapidez de convergência do método iterativo No Método do Ponto Fio, pode-se demonstrar que lim i e i+1 /e i = g (ξ) Neste caso, p=1, ou seja, a ordem de convergência é linear Demonstração Na demonstração do teorema da convergência, vimos que i+1 - ξ = g (c i ).( i ξ), i 0, onde c i está entre i e ξ Portanto, ( i+1 ξ)/( i ξ) = g (c i ) Tomando o limite quando i : lim i ( i+1 ξ)/( i ξ) = lim i g (c i ) = g (lim i c i ) = g (ξ) Logo, lim i e i+1 /e i = g (ξ) = C. Além disso, C <1, pois g () satisfaz as hipóteses do teorema da convergência Neste caso, a convergência será mais rápida quanto menor for g (ξ) Ponto Fio: análise geral Vantagens: Convergência rápida Desvantagens: Obtenção de uma função de iteração Determinação de um intervalo inicial válido Difícil implementação A importância deste método está mais no estudo dos seus conceitos que em sua eficiência computacional
14 Introdução Ponto Fio Método de Newton-Raphson Dada uma função f() contínua no intervalo [a,b] que contém uma única raiz, e um ponto inicial 0, é possível encontrar uma aproimação para essa raiz a partir da intersecção da reta tangente à curva em 0 com o eio das abscissas O ponto inicial 0 é escolhido em função da geometria do método e do comportamento da curva nas proimidades da raiz Cálculo das aproimações: i+1 = i - f( i )/f ( i ) Newton-Raphson: análise gráfica f() a iteração 3 a iteração 2 a iteração 1 a iteração Seja o ponto ( i, f( i )) Traça-se a reta L i+1 () tangente à curva nesse ponto: L i+1 () = f( i ) + f ( i )( i+1 - i ) No cruzamento com o eio, L i+1 () = 0: 0 = f( i ) + f ( i )( i+1 - i ) Portanto, i+1 = i - f( i )/f ( i ) Caso particular do Ponto Fio O Método de Newton-Raphson pode ser entendido como um caso particular do Método do Ponto Fio, onde g() = - f()/f () Calculando a derivada de g(): g () = 1 (f () 2 f().f ())/f () 2 Na raiz ξ, sabemos que f(ξ) = 0. Desde que f (ξ) 0, então g (ξ) = 1 - f (ξ) 2 /f (ξ) 2 = 0 Como g (ξ) = 0, graças ao teorema da convergência do Método do Ponto Fio, o Método de Newton-Raphson converge com rapidez máima para a raiz
15 Convergência Teorema: Seja f(), f () e f () contínuas em um intervalo I que contém uma raiz ξ de f(). Supondo f (ξ) 0, eiste um intervalo Ī I contendo essa raiz tal que, se 0 Ī, a sequência { i } gerada por i+1 = i - f( i )/f ( i ) converge para ela Demonstração: basta verificar que são satisfeitas as hipóteses do teorema da convergência do Método do Ponto Fio Em outras palavras, o Método de Newton-Raphson converge desde que a aproimação inicial seja suficientemente próima da raiz Sua convergência é de ordem quadrática: lim i e i+1 /e i2 = C 0 Demonstração i+1 = i - f( i )/f ( i ) i+1 - ξ = i ξ - f( i )/f ( i ) e i+1 = e i - f( i )/f ( i ) Desenvolvimento de Taylor em torno de i : f() = f( i ) + f ( i ).(- i ) + f (c i ).(- i ) 2 /2, onde c i está entre e i 0 = f(ξ) = f( i ) - f ( i ).( i -ξ) + f (c i ).( i -ξ) 2 /2 f( i ) = f ( i ).e i - f (c i ).e i2 /2 f( i )/f ( i ) = e i - f (c i ).e i2 /2f ( i ) f (c i ).e i2 /2f ( i ) = e i+1 e i+1 /e i2 = f (c i )/2f ( i ) lim i e i+1 /e i2 = lim i f (c i )/2f ( i ) = f (ξ)/2f (ξ) lim i e i+1 /e i2 = g (ξ)/2 lim i e i+1 /e i2 = C Conferir através do desenvolvimento de g () Eemplo Casos de loop infinito f() = f() f() f () = = 3 0 = -1,0 1 = 0 - f( 0 )/f ( 0 ) = -1,0 + 2/30 = -0, = 1 - f( 1 )/f ( 1 ) = -0, = 2 - f( 2 )/f ( 2 ) = -0, = 3 - f( 3 )/f ( 3 ) = -0, = 2 0 = 2 1 = 3
16 Newton-Raphson: análise geral Vantagens: Convergência rápida Desvantagens: Dificuldade para se encontrar uma aproimação inicial adequada Necessidade da obtenção de f (), que nem sempre é possível Risco de loop infinito O Método da Bissecção poderia ser utilizado para se obter uma aproimação inicial Introdução Ponto Fio Método da Secante Para se evitar o cálculo de derivadas, podemos usar um modelo linear baseado nos valores mais recentes de f() Partindo de duas aproimações i-1 e i, calculamos a reta que passa por ( i-1,f( i-1 )) e ( i,f( i )). A intersecção desta reta com o eio determina a aproimação i+1, e o processo continua a partir de i e i+1 Cálculo das aproimações: i+1 = i ( i i-1 ).f( i )/(f( i ) - f( i-1 )) Secante: análise gráfica f() a iteração 3 a iteração 2 a iteração 1 a iteração Sejam os pontos ( i-1,f( i-1 )) e ( i,f( i )) Traça-se a reta L i+1 () que passa por ambos: L i+1 () = f( i ) + ( i+1 - i ).(f( i ) - f( i-1 )/( i i-1 ) No cruzamento com o eio, L i+1 () = 0: 0 = f( i ) + ( i+1 - i ).(f( i ) - f( i-1 )/( i i-1 ) Portanto, i+1 = i ( i i-1 ).f( i )/(f( i ) - f( i-1 ))
17 Eemplo f() = ξ = 2; 0 = 1,5; 1 = 1,7 2 = 1 ( 1 0 ).f( 1 )/(f( 1 ) - f( 0 )) 2 = 1,7 (1,7-1,5).(-1,41)/(-1,41+2,25) = 2, = 1, = 1,99999 Convergência Como o Método da Secante é uma aproimação do Método de Newton-Raphson, as condições para convergência são praticamente as mesmas Dahquiste Bjorck demonstrou que, no Método da Secante, lim i e i+1 /e ip = C 0, onde p = ½(1+5 1/2 ) 1,618 Portanto, esse método é um pouco mais lento que o Método de Newton-Raphson Além disso, é importante frisar que pode divergir se f( i ) f( i-1 ) Secante: análise geral Vantagens: Convergência quase tão rápida quanto Newton- Raphson Cálculos mais simples Desvantagens: Dificuldade para se encontrar as aproimações iniciais Pode divergir se a curva for quase paralela ao eio das abscissas O Método da Bissecção também poderia ser utilizado para se obter as aproimações iniciais Introdução Ponto Fio
18 Uma comparação Dados iniciais Função Raiz Critério de parada f() = e -. cos ξ (1;2) f( i ) < 10-4 ou i i-1 < 10-4 Bissecção Posição Falsa Ponto Fio g() = cos e -. + Newton- Raphson Secante [1;2] [1;2] 0 = 1,5 0 = 1,5 0 = 1; 1 = 2 i 1, , , , , f( i ) 2, , , , , Erro em i 6, , , , , i (iterações) Considerações finais Critérios de comparação entre os métodos: garantia e rapidez de convergência e esforço computacional Convergência: e Posição Falsa: basta que a função seja contínua no intervalo [a,b] e que f(a).f(b) < 0 Ponto Fio, Newton-Raphson e Secante: condições mais restritivas, mas maior rapidez Quando não for difícil verificar as condições de convergência, convém usar o Método de Newton-Raphson; se o cálculo de f () for muito complicado, tentar o Método da Secante Introdução Ponto Fio Sistemas de equações não lineares Dada uma função não linear F: D R n R n, F = (f 1,..., f n ) T, o objetivo é encontrar as soluções de F() = 0 Equivalentemente: f 1 ( 1, 2,..., n ) = 0 f 2 ( 1, 2,..., n ) = 0... f n ( 1, 2,..., n ) = 0 onde f i () é uma função não linear, 1 i n
19 Eemplos f 1 ( 1, 2 ) = = 0 f 2 ( 1, 2 ) = /9 1 = soluções 1 f 1 ( 1, 2 ) = ,2 = 0 f 2 ( 1, 2 ) = = Não há soluções Matriz Jacobiana O vetor das derivadas parciais da função f i ( 1,..., n ), para 1 i n, é denominadovetor gradiente de f i e será denotado por f i (): f() i f() i f() i fi () =,, L, 1 2 n A matriz J() das derivadas parciais de F() é chamada de Matriz Jacobiana : f() 1 f2 () J() = M f n() T T T f() 1 1 f2 () = 1 M f n() 1 f() 1 2 f2 () 2 M f n() 2 L L O L T f 1() n f2 () n M f n() n Método de Newton Eemplo A resolução de sistemas de equações não lineares mais estudada e conhecida é o Método de Newton Analogamente ao caso de uma única equação, dada a aproimação (k) D, para qualquer D eiste c i D tal que f i () = f i ( (k) ) + f i (c i ) T.( (k) ), onde 1 i n Aproimando f i (c i ) por f i ( (k) ), 1 i n, temos um modelo local para f i () em torno de (k) : f i () f i ( (k) ) + f i ( (k) ) T.( (k) ), onde 1 i n Consequentemente: F() L k () = F( (k) ) + J( (k) ).( (k) ) L k () = 0 J( (k) ).( (k) ) = -F( (k) ) Chamando s (k) = (k), temos que (k+1) = (k) + s (k), onde s (k) é solução do sistema linear J( (k) ).s = -F( (k) ) 1 + () = F 2 2 1ª iteração: (0) 3 F( ) = 17 2ª iteração: (1) 0 F( ) = 4, (0) 1 J( ) = 2 (1) 1 J( ) = 1,25 Soluções: * = [3 0] T e ** = [0 3] T J() ,25 1 = (1) (0) 1 1,625 0,625 = + s = + = 5 1,375 3,625 (2) (1) 0,625 0,533 0,092 = + s = + = 3,625 0,533 3,0917 (0) 1 = ,625 s = s = , ,533 s = s = 1,25 7,25 4, , 533
20 Método de Newton Modificado Sob condições adequadas envolvendo o ponto inicial (0), a função F() e a matriz Jacobiana J(), a sequência { (k) } gerada pelo Método de Newton converge para a raiz com taa quadrática No entanto, cada iteração eige a resolução do sistema J( (k) ).s = -F( (k) ), o que compromete seu desempenho Uma possível modificação é utilizar a matriz J( (0) ) em todas as iterações: desse modo, a sequência { (k) } será gerada através de (k+1) = (k) + s (k), onde s (k) é solução do sistema linear J( (0) ).s = -F( (k) ) A decomposição LU da matriz J( (0) ) melhora o desempenho deste novo algoritmo, que é chamado Método de Newton Modificado. No entanto, sua taa de convergência passa a ser linear Mesmo eemplo 1 + () = F 2 2 1ª iteração: (0) 3 F( ) = 17 2ª iteração: (1) 0 F( ) = 4, (0) 1 J( ) = Soluções: * = [3 0] T e ** = [0 3] T J() = (1) (0) 1 1,625 0,625 = + s = + = 5 1,375 3,625 (0) 1 = ,625 s = s = , , s = s = 10 4, , (2) (1) 0,625 0, , = + s = + = 3,625 0, ,
CCI-22. Matemática Computacional. Carlos Alberto Alonso Sanches Juliana de Melo Bezerra
CCI-22 Matemática Computacional Carlos Alberto Alonso Sanches Juliana de Melo Bezerra CCI-22 4) Equações e Sistemas Não Lineares Biss ã P si ã F ls P nt Fi Bissecção, Posição Falsa, Ponto Fio, Newton-Raphson,
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 4 09/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma:
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma: f
Leia maisAula 4. Zeros reais de funções Parte 1
CÁLCULO NUMÉRICO Aula 4 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma: f 0 sendo f uma função real dada. Cálculo Numérico 3/60 APLICAÇÃO
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 maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano.
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma: f
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Zeros reais de funções Parte 1 Objetivo Determinar valores aproimados para as soluções (raízes) de equações da forma: f
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 3/47 CONSIDERAÇÕES INICIAIS MÉTODO DO PONTO FIXO: Uma das condições de convergência é que onde I é um intervalo
Leia maisZero de Funções ou Raízes de Equações
Zero de Funções ou Raízes de Equações Um número ξ é um zero de uma função f() ou raiz da equação se f(ξ). Graficamente os zeros pertencentes ao conjunto dos reais, IR, são representados pelas abscissas
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 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 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 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 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 EXEMPLO 6 Aula anterior Aplicação do método da bissecção para: f ( ) = log 1, em[ 2,3] com
Leia maisCAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES
CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES Vamos estudar alguns métodos numéricos para resolver: Equações algébricas (polinómios não lineares; Equações transcendentais equações que envolvem funções
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 maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 6 Zeros reais de funções Parte 3 MÉTODO DE NEWTON RAPHSON Cálculo Numérico 3/47 CONSIDERAÇÕES INICIAS MÉTODO DO PONTO FIXO:
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 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 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 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 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 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 maisEquações Não Lineares. 35T12 Sala 3G4 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227
Equações Não Lineares 35T12 Sala 3G4 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 Introdução Um tipo de problema bastante comum é o de achar raízes de equações da forma f() = 0, onde f() pode ser um
Leia maisMétodos Numéricos Zeros Newton-Raphson e Secante. Professor Volmir Eugênio Wilhelm Professora Mariana Kleina
Métodos Numéricos Zeros Newton-Raphson e Secante Professor Volmir Eugênio Wilhelm Professora Mariana Kleina Método Newton Raphson 2 Método Newton-Raphson Dada uma função f( contínua num intervalo fechado
Leia maisUniversidade Federal do Rio Grande do Norte. Métodos Computacionais Marcelo Nogueira
Universidade Federal do Rio Grande do Norte Métodos Computacionais Marcelo Nogueira Raízes de Equações Algébricas Achar a raiz de uma unção signiica achar um número tal que 0 Algumas unções podem ter suas
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 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 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 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 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 Faculdade de Ciências Sociais Aplicadas e Comunicação FCSAC Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Ciências Sociais Aplicadas e Comunicação FCSAC Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) REVISÃO DA 1ª PARTE
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 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 maisInterpretação Geométrica
.. Método da Iteração Linear MIL Seja uma unção contínua em [a, com α [ a, tal que α. O Método de Iterações Lineares consiste em: a transormar a equação numa unção de iteração ϕ ; b adotar um valor inicial
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 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 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 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 maisétodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
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 maisPretende-se calcular uma aproximação para a menor raiz positiva da equação
1 Prete-se calcular uma aproimação para a menor raiz positiva da equação, pelos métodos de Newton-Raphson e ponto fio. a) Localize um intervalo que contenha a menor raiz positiva da equação dada Determinar
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 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 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 maisUNIVERSIDADE 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 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 maisO método da falsa posição
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência c Publicação Eletrônica do KIT http://www.dma.uem.br/kit O método da falsa posição
Leia maisEquações Algébricas e Transcendentes
Notas de aula de Cálculo Numérico c Departamento de Computação/ICEB/UFOP Equações Algébricas e Transcendentes Marcone Jamilson Freitas Souza, Departamento de Computação, Instituto de Ciências Eatas e Biológicas,
Leia maisSemana 5 Zeros das Funções_2ª parte
1 CÁLCULO NUMÉRICO Semana 5 Zeros das Funções_2ª parte Professor Luciano Nóbrega UNIDADE 1 2 LOCALIZAÇÃO DAS RAÍZES PELO MÉTODO GRÁFICO Vejamos dois procedimentos gráficos que podem ser utilizados para
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 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 maisRaízes de uma função. Laura Goulart. 14 de Março de 2019 UESB. Laura Goulart (UESB) Raízes de uma função 14 de Março de / 17
Raízes de uma função Laura Goulart UESB 14 de Março de 2019 Laura Goulart (UESB) Raízes de uma função 14 de Março de 2019 1 / 17 Aproximação de uma raíz Dado uma precisão ɛ > 0, diremos que um ponto c
Leia maisCÁLCULO DE ZEROS DE FUNÇÕES REAIS
15 CÁLCULO DE ZEROS DE FUNÇÕES REAIS Um dos problemas que ocorrem mais frequentemente em trabalhos científicos é calcular as raízes de equações da forma: f() = 0. A função f() pode ser um polinômio em
Leia maisRaízes de uma função. Laura Goulart. 16 de Março de 2016 UESB. Laura Goulart (UESB) Raízes de uma função 16 de Março de / 1
Raízes de uma função Laura Goulart UESB 16 de Março de 2016 Laura Goulart (UESB) Raízes de uma função 16 de Março de 2016 1 / 1 Aproximação de uma raíz Dado uma precisão ɛ > 0, diremos que um ponto c R
Leia maisResolução Numérica de Equações Parte I
Cálculo Numérico Resolução Numérica de Equações Parte I Prof Reinaldo Haas Cálculo Numérico Objetivos 2 Estudar métodos numéricos para a resolução de equações não lineares (determinar a(s) raiz(es) de
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 maisCapítulo 06. Raízes: Métodos Abertos
Capítulo 06 Raízes: Métodos Abertos Objetivos do capítulo Reconhecer a diferença entre os métodos intervalares e os métodos abertos para localização de raízes. Compreender o método de iteração de ponto
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 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 maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano.
CÁLCULO NUMÉRICO Proa. Dra. Yara de Souza Tadano yaratadano@utpr.edu.br Revisão Zeros de Funções A ideia central dos métodos que iremos aprender é partir de uma aproimação inicial para a raiz e em seguida
Leia maisMétodo de Newton para polinômios
Método de Newton para polinômios Alan Costa de Souza 26 de Agosto de 2017 Alan Costa de Souza Método de Newton para polinômios 26 de Agosto de 2017 1 / 31 Seja f(x) uma função polinomial de grau n. A princípio.
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 mais1ª LISTA DE EXERCÍCIOS DE MÉTODOS NUMÉRICOS Prof.: Magnus Melo
ª LISTA DE EXERCÍCIOS DE MÉTODOS NUMÉRICOS Pro.: Magnus Melo Eercício. Sejam os polinômios dados abaio. Use a regra de sinais de descartes e o teorema da cota de Augustin Cauchy para pesquisar a eistência
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 maisétodos uméricos ZEROS DE FUNÇÕES DE UMA OU MAIS VARIÁVEIS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES DE UMA OU MAIS VARIÁVEIS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisCálculo Numérico. Aula 5 Método Iterativo Linear e Newton-Raphson /04/2014
Cálculo Numérico Aula 5 Método Iterativo Linear e Newton-Raphson 2014.1-15/04/2014 Prof. Rafael mesquita rgm@cin.ufpe.br Adpt. por Prof. Guilherme Amorim gbca@cin.ufpe.br O que vimos até agora? Zeros de
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 mais1, tal que x k+ 1 x para k +. x k + 1 : raiz aproximada da f; Uma forma de determinarmos um intervalo I = [ a,
- SOLUÇÃO DE EQUAÇÕES NÃO LINEARES INTRODUÇÃO Um dos problemas que ocorrem mais reqüentemente em trabalhos cientíicos é calcular as raízes de equações da orma: () 0. A unção () pode ser um polinômio em
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 mais4. Resolução Numérica de Equações (Zero de Funções)
Curso de CNC º Semestre de 5 Engenaria de Controle e Automação UD Sorocaa UNESP 4. Resolução Numérica de Equações Zero de Funções 4. Introdução No eemplo usado na introdução desta apostila, vimos que ao
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 mais2.3- Método Iterativo Linear (MIL)
.3- Método Iterativo Linear (MIL) A fim de introduzir o método de iteração linear no cálculo de uma raiz da equação (.) f(x) = 0 expressamos, inicialmente, a equação na forma: (.) x = Ψ(x) de forma que
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 maisMétodo de Newton. 1.Introdução 2.Exemplos
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Método de Newton Prof.:
Leia maisCapítulo 6 - Equações Não-Lineares
Sistemas de Capítulo 6 - Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa Métodos Numéricos 1/
Leia mais( ) ( ) 60 ( ) ( ) ( ) ( ) R i. Método de Newton. Método de Newton = Substituindo i por x, teremos: 1.Introdução 2.
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I R A = + i ( i ) n
Leia mais13 Fórmula de Taylor
13 Quando estudamos a diferencial vimos que poderíamos calcular o valor aproimado de uma função usando a sua reta tangente. Isto pode ser feito encontrandose a equação da reta tangente a uma função y =
Leia maisProf. MSc. David Roza José 1/35
1/35 Métodos Iterativos Objetivos: Compreender a diferença entre os métodos de Gauss-Seidel e Jacobi; Saber analisar a dominância diagonal e entender o quê significa; Reconhecer como a relaxação pode ser
Leia maisModelagem Computacional. Parte 2 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 2 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 2 e 3] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisAULA 16 Esboço de curvas (gráfico da função
Belém, 1º de junho de 015 Caro aluno, Seguindo os passos dados você ará o esboço detalhado do gráico de uma unção. Para achar o zero da unção, precisamos de teorias que você estudará na disciplina Cálculo
Leia maisMétodos Numéricos. Turma CI-202-X. Josiney de Souza.
Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 5 (16/09/15) Zero de funções: Introdução Tipos de métodos Diretos Indiretos ou iterativos Fases de cálculos Isolamento
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 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 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 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 maisCálculo Numérico. Aula 6 Método das Secantes e Critérios de Parada /04/2014
Cálculo Numérico Aula 6 Método das Secantes e Critérios de Parada 2014.1-22/04/2014 Prof. Rafael mesquita rgm@cin.ufpe.br Adpt. por Prof. Guilherme Amorim gbca@cin.ufpe.br Aula passada? Método Iterativo
Leia maisUniversidade Tecnológica Federal do Paraná Campus Francisco Beltrão
Isolamento de Raízes Campus Francisco Beltrão Disciplina: Professor: Jonas Joacir Radtke Definição Um número real ξ é um zero da função f (x) ou uma raiz da equação f (x) = 0 se f (ξ) = 0. Etapas para
Leia maisMétodos Numéricos. Turma CI-202-X. Josiney de Souza.
Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 9 (30/09/15) Método de Ponto Fixo: Método de Newton- Raphson ou Método das Tangentes O que é Como é calculado Particularidades
Leia maisZeros de Polinômios. 1 Resultados Básicos. Iguer Luis Domini dos Santos 1, Geraldo Nunes Silva 2
Zeros de Polinômios Iguer Luis Domini dos Santos, Geraldo Nunes Silva 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP, Brazil, iguerluis@hotmail.com 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP,Brazil,
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 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 maisEquações não lineares
DMPA IME UFRGS Cálculo Numérico Índice Raizes de polinômios 1 Raizes de polinômios 2 raizes de polinômios As equações não lineares constituídas por polinômios de grau n N com coeficientes complexos a n,a
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 maisAula 10 Sistemas Não-lineares e o Método de Newton.
Aula 10 Sistemas Não-lineares e o Método de Newton MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisSolução Comentada Prova de Matemática
18. Se f é uma função real de variável real definida por f() = a + b + c, onde a, b e c são números reais negativos, então o gráfico que melhor representa a derivada de f é: A) y B) y C) y D) y E) y Questão
Leia mais