Métodos Numéricos C. A. Ismael F. Vaz 1. Escola de Engenharia Universidade do Minho Ano lectivo 2007/2008
|
|
- Rita Cabral Padilha
- 6 Há anos
- Visualizações:
Transcrição
1 Métodos Numéricos C A. Ismael F. Vaz 1 1 Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
2 Conteúdo 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Mínimos quadrados lineares 8 Mínimos quadrados não lineares 9 Integração numérica 10 Optimização não linear sem restrições 11 Método de Davies Swann e Campey 12 Método de Nelder Mead 13 Método de Segurança de Newton 14 Método quasi-newton A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
3 Introdução Contents 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Mínimos quadrados lineares 8 Mínimos quadrados não lineares 9 Integração numérica 10 Optimização não linear sem restrições 11 Método de Davies Swann e Campey 12 Método de Nelder Mead 13 Método de Segurança de Newton 14 Método quasi-newton A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
4 Introdução Apresentação - Docente Aulas teóricas A. Ismael F. Vaz - aivaz@dps.uminho.pt Aulas teórico-práticas Isabel Espírito Santo - iapinho@dps.uminho.pt Horário de atendimento A combinar... A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
5 Introdução Apresentação - Disciplina Uma primeira parte de métodos numéricos e uma segunda parte de optimização não linear sem restrições; Página da disciplina; 7 fichas TPs para realizar ao longo do semestre (nas aulas Ts). A classificação final é a soma das notas das fichas TPs. Não é obrigatória a presença nas aulas Ts e TPs. Mas atenção aos momentos de avaliação. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
6 Introdução Apresentação - Disciplina Uma primeira parte de métodos numéricos e uma segunda parte de optimização não linear sem restrições; Página da disciplina; 7 fichas TPs para realizar ao longo do semestre (nas aulas Ts). A classificação final é a soma das notas das fichas TPs. Não é obrigatória a presença nas aulas Ts e TPs. Mas atenção aos momentos de avaliação. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
7 Introdução Apresentação - Disciplina Uma primeira parte de métodos numéricos e uma segunda parte de optimização não linear sem restrições; Página da disciplina; 7 fichas TPs para realizar ao longo do semestre (nas aulas Ts). A classificação final é a soma das notas das fichas TPs. Não é obrigatória a presença nas aulas Ts e TPs. Mas atenção aos momentos de avaliação. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
8 Introdução Apresentação - Disciplina Uma primeira parte de métodos numéricos e uma segunda parte de optimização não linear sem restrições; Página da disciplina; 7 fichas TPs para realizar ao longo do semestre (nas aulas Ts). A classificação final é a soma das notas das fichas TPs. Não é obrigatória a presença nas aulas Ts e TPs. Mas atenção aos momentos de avaliação. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
9 Introdução Apresentação - Disciplina Uma primeira parte de métodos numéricos e uma segunda parte de optimização não linear sem restrições; Página da disciplina; 7 fichas TPs para realizar ao longo do semestre (nas aulas Ts). A classificação final é a soma das notas das fichas TPs. Não é obrigatória a presença nas aulas Ts e TPs. Mas atenção aos momentos de avaliação. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
10 Introdução Material necessário e de apoio Calculadora científica; Folhas das fichas TPs; Papel e caneta; Livro de Computação Numérica; Software CoNum; A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
11 Introdução Material necessário e de apoio Calculadora científica; Folhas das fichas TPs; Papel e caneta; Livro de Computação Numérica; Software CoNum; A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
12 Introdução Material necessário e de apoio Calculadora científica; Folhas das fichas TPs; Papel e caneta; Livro de Computação Numérica; Software CoNum; A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
13 Introdução Material necessário e de apoio Calculadora científica; Folhas das fichas TPs; Papel e caneta; Livro de Computação Numérica; Software CoNum; A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
14 Introdução Material necessário e de apoio Calculadora científica; Folhas das fichas TPs; Papel e caneta; Livro de Computação Numérica; Software CoNum; A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
15 Introdução Programa detalhado / Avaliações Dia 25-Fev 29-Fev 04-Mar 11-Mar 01-Abr 08-Abr Matéria Apresentação da disciplina. Erros. Algarismos significativos. Fórmula fundamental dos erros. Erros de truncatura. Solução de equações não lineares. Método dos gráficos. Método da secante e sua convergência. Método de Newton e sua convergência. Critérios de paragem. Sistemas de equações lineares. Eliminação de Gauss com pivotagem parcial. Métodos iterativos de Gauss-Seidel e Jacobi. Método de Newton para sistemas de equações não lineares. Avaliação sobre zeros de funções (2.5 valores). Interpolação polinomial. Diferenças divididas. Fórmula interpoladora de Newton. Erro da fórmula interpoladora de Newton. Avaliação sobre sistemas lineares e não lineares (2.5 valores). Mínimos quadrados polinomiais e modelos lineares. Mínimos quadrados não lineares. Método de Gauss-Newton. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
16 Introdução Programa detalhado / Avaliações - cont. Dia Matéria 15-Abr Revisões. Avaliação sobre interpolação e mínimos quadrados (3 valores). 22-Abr Integração numérica. Fórmulas simples e compostas do Trapézio, Simpson e 3/8. 29-Abr Optimização não linear sem restrições. Condições de optimalidade. Avaliação sobre integração numérica (2.5 valores). 06-Mai Procura unidimensional. Método DSC. Procura multidimensional. Método de Nelder-Mead. 20-Mai Método de Newton. Método de segurança de Newton. Avaliação sobre condições de optimalidade e DSC + NM (3 valores). 27-Mai Procura unidimensional com divisões sucessivas de α por 2. Critério de Armijo. Questionários. 03-Jun Método quasi-newton. Revisões. Avaliação sobre segurança de Newton (4 valores). 17-Jun Revisões. Avaliação sobre quasi-newton (2.5 valores). A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
17 Introdução Motivação da disciplina Presente em todos os cursos de engenharia (aplicações em todas as áreas da engenharia); A disciplina de métodos numéricos dedica-se à resolução numérica de problemas matemáticos. Com o desenvolvimento dos computadores encontra-se direccionada para a implementação de algoritmos estáveis. A optimização consiste em determinar soluções óptimas para problema matemáticos. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
18 Introdução Motivação da disciplina Presente em todos os cursos de engenharia (aplicações em todas as áreas da engenharia); A disciplina de métodos numéricos dedica-se à resolução numérica de problemas matemáticos. Com o desenvolvimento dos computadores encontra-se direccionada para a implementação de algoritmos estáveis. A optimização consiste em determinar soluções óptimas para problema matemáticos. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
19 Introdução Motivação da disciplina Presente em todos os cursos de engenharia (aplicações em todas as áreas da engenharia); A disciplina de métodos numéricos dedica-se à resolução numérica de problemas matemáticos. Com o desenvolvimento dos computadores encontra-se direccionada para a implementação de algoritmos estáveis. A optimização consiste em determinar soluções óptimas para problema matemáticos. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
20 Introdução Controlo óptimo - Um exemplo Problema de optimização do processo semi-contínuo de produção de Etanol. O problema de optimização é: (t 0 = 0 e t f = 61.2 dias) max u(t) J(t f ) x 3 (t f )x 4 (t f ) s.a dx 1 = g 1 x 1 u x 1 dt x 4 dx 2 = 10g 1 x 1 + u 150 x 2 dt x 4 dx 3 = g 2 x 1 u x 3 dt x 4 dx 4 = u dt 0 x 4 (t f ) u(t) 12 t [t 0, t f ] com ( ) ( ) x 2 g 1 = 1 + x 3 / x 2 ( ) ( ) 1 x 2 g 2 = 1 + x 3 / x 2 onde x 1, x 2 e x 3 são as concentrações da massa celular, substrato e produto (g/l), e x 4 é o volume (L). As condições iniciais são: x(t 0 ) = (1, 150, 0, 10) T. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
21 Introdução Abordagem para a resolução Grande exigência em termos numéricos; Grande exigência em termos de programação; Solução da equação diferencial com o CVODE (software em C); Problemas codificados em AMPL (linguagem de modelação); Algoritmo para optimização sem derivadas; A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
22 Introdução Abordagem para a resolução Grande exigência em termos numéricos; Grande exigência em termos de programação; Solução da equação diferencial com o CVODE (software em C); Problemas codificados em AMPL (linguagem de modelação); Algoritmo para optimização sem derivadas; A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
23 Introdução Abordagem para a resolução Grande exigência em termos numéricos; Grande exigência em termos de programação; Solução da equação diferencial com o CVODE (software em C); Problemas codificados em AMPL (linguagem de modelação); Algoritmo para optimização sem derivadas; A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
24 Introdução Abordagem para a resolução Grande exigência em termos numéricos; Grande exigência em termos de programação; Solução da equação diferencial com o CVODE (software em C); Problemas codificados em AMPL (linguagem de modelação); Algoritmo para optimização sem derivadas; A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
25 Introdução Abordagem para a resolução Grande exigência em termos numéricos; Grande exigência em termos de programação; Solução da equação diferencial com o CVODE (software em C); Problemas codificados em AMPL (linguagem de modelação); Algoritmo para optimização sem derivadas; A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
26 Erros Contents 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Mínimos quadrados lineares 8 Mínimos quadrados não lineares 9 Integração numérica 10 Optimização não linear sem restrições 11 Método de Davies Swann e Campey 12 Método de Nelder Mead 13 Método de Segurança de Newton 14 Método quasi-newton A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
27 Erros Formato de vírgula flutuante normalizado fl(x) = ±0.d 1 d 2...d k 10 e onde, 0.d 1 d 2... d k corresponde à mantissa, e e é o expoente. fl t (x) representa o valor de x em vírgula flutuante truncado e fl a (x) representa o valor de x em vírgula flutuante arredondado. Exemplo x = 2 3 fl t (x) = fl a (x) = A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
28 Erros Formato de vírgula flutuante (norma IEEE-754, 32 bits) σ e + 64 d 1 d 2 d 3 d 4 d 5 d 6 1 bit 7 bits 4 bits 4 bits 4 bits 4 bits 4 bits 4 bits Exemplo x = = = ( ) σ e + 64 d 1 d 2 d 3 d 4 d 5 d 6 A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
29 Erros Exemplo de programação A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
30 Erros Exemplo de programação A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
31 Erros Erros Seja x o valor exacto e x o seu valor aproximado, que será usado nos cálculos x x é o erro absoluto (normalmente não se pode calcular, porque x é desconhecido); x x δ x é o limite superior do erro absoluto; r x = x x x = δx x δx x é o erro relativo. Exemplo Pediu-se a duas pessoas para contarem laranjas de dois cestos. A primeira contou 980 laranjas num cesto de 1000 e a segunda contou 480 num cesto de 500. Apesar de cometerem o mesmo erro absoluto (δ 1 = 20 laranjas e δ 2 = 20 laranjas) a segunda cometeu um erro maior, visto que r 1 = = 0.02 e r 2 = = A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
32 Erros Erros Seja x o valor exacto e x o seu valor aproximado, que será usado nos cálculos x x é o erro absoluto (normalmente não se pode calcular, porque x é desconhecido); x x δ x é o limite superior do erro absoluto; r x = x x x = δx x δx x é o erro relativo. Exemplo Pediu-se a duas pessoas para contarem laranjas de dois cestos. A primeira contou 980 laranjas num cesto de 1000 e a segunda contou 480 num cesto de 500. Apesar de cometerem o mesmo erro absoluto (δ 1 = 20 laranjas e δ 2 = 20 laranjas) a segunda cometeu um erro maior, visto que r 1 = = 0.02 e r 2 = = A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
33 Erros Erros Seja x o valor exacto e x o seu valor aproximado, que será usado nos cálculos x x é o erro absoluto (normalmente não se pode calcular, porque x é desconhecido); x x δ x é o limite superior do erro absoluto; r x = x x x = δx x δx x é o erro relativo. Exemplo Pediu-se a duas pessoas para contarem laranjas de dois cestos. A primeira contou 980 laranjas num cesto de 1000 e a segunda contou 480 num cesto de 500. Apesar de cometerem o mesmo erro absoluto (δ 1 = 20 laranjas e δ 2 = 20 laranjas) a segunda cometeu um erro maior, visto que r 1 = = 0.02 e r 2 = = A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
34 Erros Erros Seja x o valor exacto e x o seu valor aproximado, que será usado nos cálculos x x é o erro absoluto (normalmente não se pode calcular, porque x é desconhecido); x x δ x é o limite superior do erro absoluto; r x = x x x = δx x δx x é o erro relativo. Exemplo Pediu-se a duas pessoas para contarem laranjas de dois cestos. A primeira contou 980 laranjas num cesto de 1000 e a segunda contou 480 num cesto de 500. Apesar de cometerem o mesmo erro absoluto (δ 1 = 20 laranjas e δ 2 = 20 laranjas) a segunda cometeu um erro maior, visto que r 1 = = 0.02 e r 2 = = A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
35 Erros Fórmula fundamental dos erros Dados n valores aproximados, x 1,..., x n, e os seus respectivos erros absolutos é possível calcular um majorante para o erro absoluto cometido quando se aplica uma função f, através da fórmula fundamental dos erros. δ f M x1 δ x1 + M x2 δ x M xn δ xn f onde max x I xi Mxi, com I = I x1 I xn I xi = [x i δ xi, x i + δ xi ] r f δ f f(x 1,..., x n ) e A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
36 Erros Exemplo Cálculo dos limites do erro absoluto e relativo do cálculo da função f(x) = x 1 x 2. Temos que f x 1 Mx1 = 1 e f x 2 Mx2 = 1, logo e δ f = δ x1 + δ x2 r f δ x 1 + δ x2 x 1 x 2 A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
37 Erros Algarismos Significativos Casa decimais são as casas (algarismos) à direita da vírgula. Os algarismos significativos são aqueles em que temos confiança do seu valor. Exemplos: tem 1 algarismo significativo se δ = 0.05, 2 se δ = e 7 se δ = tem 7 casas decimais e 2 algarismos significativos (δ = ). Quando todas as casas decimais são significativas 0.2 é diferente de A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
38 Zeros de funções Contents 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Mínimos quadrados lineares 8 Mínimos quadrados não lineares 9 Integração numérica 10 Optimização não linear sem restrições 11 Método de Davies Swann e Campey 12 Método de Nelder Mead 13 Método de Segurança de Newton 14 Método quasi-newton A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
39 Zeros de funções Forma geral do problema Pretende-se determinar x tal que f(x) = 0 Exemplo Temos x = como solução para e x + x = 0 Nota: uma equação não linear pode não ter solução, ou ter mais do que uma. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
40 Zeros de funções Métodos iterativos Uma sequência diz-se iterativa se é definida por uma função F independente de k e dependente de um ou vários elementos anteriores a ele, x k = F (x k 1, x k 2,... ) Aproximações iniciais Um método que se baseie numa sequência iterativa com k 1 elementos anteriores necessita também de k 1 valores iniciais. Exemplo x k = x k 1 + x k 2 Partindo de x 0 = 1 e x 1 = 1 temos x 2 = x 1 + x 0 = 2, x 3 = x 2 + x 1 = = 3, x 4 = x 3 + x 2 = = 5 gera uma sequência com os números de Fibonacci. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
41 Zeros de funções Convergência Uma sequência iterativa diz-se convergente quando Convergência superlinear lim x k = x k lim k + x x k+1 x = L ou lim x k k + x x k+1 x x k = 0 Convergência quadrática x x k+1 lim k + x x k 2 = L A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
42 Zeros de funções Critério de Paragem A sequência de aproximações pode ser infinita. Como se pretende obter uma aproximação à solução implementa-se um critério de paragem. Estimativa do erro relativo d k = x k+1 x k x k+1 ɛ 1 Valor da função f(x k+1 ) ɛ 2 Número máximo de iterações k n max A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
43 Zeros de funções Método dos gráficos Uma aproximação ao zero da função f(x) pode obter-se pela intersecção do gráfico de f(x) com o eixo dos xx; se f(x) = g(x) h(x) os zeros de f(x) são os pontos de intersecção de g(x) com h(x). O método dos gráficos é frequentemente usado para obtermos uma aproximação inicial para outros métodos mais precisos. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
44 Zeros de funções Exemplo f(x) = e x + x g(x) = e x h(x) = x g(x) 0.2 h(x) y f(x) x A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
45 Zeros de funções Método da bissecção Se f(x i )f(x s ) < 0 então existe um número ímpar de raízes de f(x) no intervalo [x i, x s ]. Aproxima-se da raiz calculando x k = x i+x s 2, k = 1, 2,... Considera-se o intervalo [x i, x k ] se f(x i )f(x k ) < 0 e faz-se x s x k ou [x k, x s ] se f(x k )f(x s ) < 0 e faz-se x i x k A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
46 Zeros de funções Interpretação gráfica (Bissecção) f(x) = e x + x f(x) xi xk+1 xk xs xs x A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
47 Zeros de funções Método da secante Método iterativo em que se fornece o x 1 e x 2 (a raiz não está necessariamente no intervalo [x 1, x 2 ]). O próximo valor é calculado pela seguinte fórmula (equação iterativa): x k+1 = x k (x k x k 1 )f(x k ), k = 2, 3,... f(x k ) f(x k 1 ) Zeros complexos: O método da secante também calcula zeros complexos, bastando para isso usar aritmética complexa. Convergência: A convergência do método da Secante depende do valor de M 2m ser pequeno. M é o max f (ξ) e m é o min f (η), onde ξ, η I. ɛ k+1 = f (ξ) 2f (η) ɛ k 1ɛ k A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
48 Zeros de funções Interpretação gráfica (Secante) f(x) = e x + x f(x) xk+2 xk+1 xk xk x A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
49 Zeros de funções Método de Newton Método iterativo em que se fornece o x 0. O próximo valor é calculado pela seguinte formula (equação iterativa): x k+1 = x k f(x k) f, k = 1, 2,... (x k ) Zeros complexos: O método de Newton também calcula zeros complexos, bastando para isso usar aritmética complexa. Convergência: A convergência do método de Newton depende do valor de M 2m ser pequeno. M é o max f (ξ) e m é o min f (η), onde ξ, η I. ɛ k+1 = f (ξ) 2f (η) ɛ2 k A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
50 Zeros de funções Interpretação gráfica (Newton) f(x) = e x + x f(x) xk+2 xk+1 xk x A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
51 Zeros de funções Principais propriedades Ambos possuem convergência local. Superlinear no caso do método da secante e quadrática no método de newton. O método da secante não usa derivadas. O método da secante e de Newton podem falhar quando o denominador da equação iterativa é próximo de zero, i.e., quando f(x k ) f(x k 1 ) ou f (x k ) 0. O método da secante e de Newton não convergem necessariamente para o zero mais próximo da aproximação inicial. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
52 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
53 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
54 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
55 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
56 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
57 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
58 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
59 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
60 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
61 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
62 Resolução de sistemas lineares Contents 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Mínimos quadrados lineares 8 Mínimos quadrados não lineares 9 Integração numérica 10 Optimização não linear sem restrições 11 Método de Davies Swann e Campey 12 Método de Nelder Mead 13 Método de Segurança de Newton 14 Método quasi-newton A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
63 Resolução de sistemas lineares Forma geral do problema a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2... a n1 x 1 + a n2 x a nn x n = b n É um sistema com n equações lineares nas n incógnitas, x 1, x 2,..., x n. O sistema pode ser escrito na forma matricial Ax = b a 11 a a 1n a 21 a a 2n... a n1 a n2... a nn x 1 x 2... x n = b 1 b 2... b n A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
64 Resolução de sistemas lineares Exemplo x 1 x 2 x 3 = É um sistema linear de dimensão 3 3. A matriz dos coeficientes A = R 3 3 e o vector b = (1, 1, 1) T R 3 é o vector dos termos independentes A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
65 Resolução de sistemas lineares Definições A característica de uma matriz A, c(a), é o número máximo de linhas paralelas, ou colunas, linearmente independentes que existem na matriz. Para que um sistema seja possível e determinado temos de ter c(a) = n. Caso contrário (c(a) < n) o sistema é indeterminado ou impossível. À matrix (A b) que se obtém ampliando A com a coluna do termo independente b chama-se matriz ampliada do sistema. Triangular superior (inferior): É uma matriz em que os elementos abaixo (acima) da diagonal principal são zeros. Tridiagonal: Matriz em que a ij = 0, se i j 2, i, j = 1,..., n. Uma matriz com muitos elementos nulos diz-se esparsa. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
66 Resolução de sistemas lineares Definições A característica de uma matriz A, c(a), é o número máximo de linhas paralelas, ou colunas, linearmente independentes que existem na matriz. Para que um sistema seja possível e determinado temos de ter c(a) = n. Caso contrário (c(a) < n) o sistema é indeterminado ou impossível. À matrix (A b) que se obtém ampliando A com a coluna do termo independente b chama-se matriz ampliada do sistema. Triangular superior (inferior): É uma matriz em que os elementos abaixo (acima) da diagonal principal são zeros. Tridiagonal: Matriz em que a ij = 0, se i j 2, i, j = 1,..., n. Uma matriz com muitos elementos nulos diz-se esparsa. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
67 Resolução de sistemas lineares Definições A característica de uma matriz A, c(a), é o número máximo de linhas paralelas, ou colunas, linearmente independentes que existem na matriz. Para que um sistema seja possível e determinado temos de ter c(a) = n. Caso contrário (c(a) < n) o sistema é indeterminado ou impossível. À matrix (A b) que se obtém ampliando A com a coluna do termo independente b chama-se matriz ampliada do sistema. Triangular superior (inferior): É uma matriz em que os elementos abaixo (acima) da diagonal principal são zeros. Tridiagonal: Matriz em que a ij = 0, se i j 2, i, j = 1,..., n. Uma matriz com muitos elementos nulos diz-se esparsa. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
68 Resolução de sistemas lineares Definições A característica de uma matriz A, c(a), é o número máximo de linhas paralelas, ou colunas, linearmente independentes que existem na matriz. Para que um sistema seja possível e determinado temos de ter c(a) = n. Caso contrário (c(a) < n) o sistema é indeterminado ou impossível. À matrix (A b) que se obtém ampliando A com a coluna do termo independente b chama-se matriz ampliada do sistema. Triangular superior (inferior): É uma matriz em que os elementos abaixo (acima) da diagonal principal são zeros. Tridiagonal: Matriz em que a ij = 0, se i j 2, i, j = 1,..., n. Uma matriz com muitos elementos nulos diz-se esparsa. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
69 Resolução de sistemas lineares Definições A característica de uma matriz A, c(a), é o número máximo de linhas paralelas, ou colunas, linearmente independentes que existem na matriz. Para que um sistema seja possível e determinado temos de ter c(a) = n. Caso contrário (c(a) < n) o sistema é indeterminado ou impossível. À matrix (A b) que se obtém ampliando A com a coluna do termo independente b chama-se matriz ampliada do sistema. Triangular superior (inferior): É uma matriz em que os elementos abaixo (acima) da diagonal principal são zeros. Tridiagonal: Matriz em que a ij = 0, se i j 2, i, j = 1,..., n. Uma matriz com muitos elementos nulos diz-se esparsa. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
70 Resolução de sistemas lineares Tipos de métodos Métodos directos e estáveis. Métodos que calculam a solução exacta do sistema ao fim de um número finito de operações elementares, caso não ocorram erros de arredondamento. Matrizes dos coeficientes densas e de pequena dimensão. Métodos iterativos. Métodos que definem uma sequência infinita de operações, determinando uma sequência de aproximações, cujo limite é a solução exacta do sistema. Matrizes dos coeficientes esparsas e de grande dimensão. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
71 Resolução de sistemas lineares Tipos de métodos Métodos directos e estáveis. Métodos que calculam a solução exacta do sistema ao fim de um número finito de operações elementares, caso não ocorram erros de arredondamento. Matrizes dos coeficientes densas e de pequena dimensão. Métodos iterativos. Métodos que definem uma sequência infinita de operações, determinando uma sequência de aproximações, cujo limite é a solução exacta do sistema. Matrizes dos coeficientes esparsas e de grande dimensão. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
72 Resolução de sistemas lineares Estabilidade numérica Considere-se o seguinte sistema linear: { x1 + x 2 = x 1 + x 2 = 2 cuja solução é x = (1, 1) T. Usando aritmética de três algarismos significativos e considerando o multiplicador igual a = , surge o sistema condensado { x 1 + x 2 = cuja solução é x = (0, 1) T!!! x 2 = A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
73 Resolução de sistemas lineares Motivação - Continuação Se nas mesmas condições usarmos a pivotagem parcial temos { x 1 + x 2 = x 1 + x 2 = m = = cuja solução é x = (1, 1) T. { x1 + x 2 = 2 x 2 = A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
74 Resolução de sistemas lineares Eliminação de Gauss com Pivotagem Parcial (EGPP) Corresponde a eliminação de Gauss, mas em que a linha usada na eliminação dos elementos da coluna das linhas seguintes é o maior em módulo. Exemplo: m 21 = 3 9 m 31 = 6 9 = A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
75 Resolução de sistemas lineares Eliminação de Gauss com Pivotagem Parcial (EGPP) m 32 = = 0.1 = A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
76 Resolução de sistemas lineares Substituição inversa Quando a matriz é triangular superior pode-se determinar a solução directamente, através da substituição inversa. Exemplo vem que x 3 = = 0.875, x ( 2) = = x 1 = 1 ( 9) = 0.5 A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
77 Resolução de sistemas lineares Substituição directa Quando a matriz é triangular inferior pode-se determinar a solução directamente, através da substituição directa. Exemplo vem que x 1 = 2 1 = 2, x 2 = = 1 x 3 = ( 1) 1 = 0 A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
78 Resolução de sistemas lineares Decomposição LU Da eliminação de Gauss com Pivotagem Parcial resulta Exemplo ( ) (A I ) (U J ) ( ) ( ) A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
79 Resolução de sistemas lineares Determinantes de Matrizes det(a) = ( 1) s n u ii onde u ii corresponde aos elementos da diagonal da matriz U e s é o número de trocas de linhas para obter a matriz U. Exemplo ( 1 2 det 2 1 ) ( = ( 1) det i=1 ) = ( 1) = 3 A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
80 Resolução de sistemas lineares Cálculo da Inversa de Matrizes A matriz inversa de A (A 1 ) verifica AA 1 = I = A 1 A. O cálculo da matriz inversa reduz-se a resolução de n sistemas lineares da forma Ax j = e j, j = 1,..., n, em que os vectores independentes e j são as colunas da matriz identidade. O vector solução x j corresponde à coluna j da matriz inversa. Na prática resolve-se os n sistemas em simultâneo, i.e., resolve-se a equação (U J ) por substituição inversa. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
81 Resolução de sistemas lineares Cálculo da Inversa de Matrizes - Exemplo ( ) ( ) ( ) ( ) { x11 = = x 21 = = ( ) { x12 = 1 1 ( ) 2 = x 22 = = ( ) ( ) A inversa de é A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
82 Resolução de sistemas lineares Métodos iterativos Nos métodos iterativos a solução exacta só é obtida ao fim de uma sequência infinita de operações. O processo parte de uma aproximação inicial para a solução do sistema e usa uma equação iterativa da forma Mx (k+1) = Nx (k) + b, para k = 1, 2,... Os métodos em que M e N não dependem de k dizem-se estacionários. Os métodos de Jacobi e Gauss-Seidel são métodos estacionário. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
83 Resolução de sistemas lineares Método Iterativo Jacobi D matriz dos elementos da diagonal principal, L matriz dos simétricos dos elementos abaixo da diagonal principal e U matriz dos simétricos dos elementos acima da diagonal principal. O método de Jacobi usa a partição de A em D (L + U), i.e, M = D e N = L + U A equação iterativa fica Dx (k+1) = (L + U)x (k) + b ou x (k+1) = D 1 (L + U)x (k) + D 1 b A matriz iteração é C J = M 1 N = D 1 (L + U) A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
84 Resolução de sistemas lineares Método Iterativo Gauss-Seidel M = D L N = U A equação iterativa fica Mx (k+1) = Nx (k) + b ou x (k+1) = M 1 Nx (k) + M 1 b A matriz iteração é C GS = M 1 N = (D L) 1 U. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
85 Resolução de sistemas lineares Critério de Paragem Erro relativo na aproximação x (k+1) x (k) x (k+1) < ɛ 1 Resíduo Ax (k+1) b < ɛ 2 A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
86 Resolução de sistemas lineares Convergência dos métodos iterativos Condições suficientes A simétrica e definida positiva = GS exibe convergência global; A é estrita e diagonalmente dominante = J e GS exibem convergência global; C p < 1, para qualquer normal p, = J e GS exibem convergência global; C é a matriz iteração de Jacobi ou Gauss-Seidel. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
87 Resolução de sistemas lineares Convergência dos métodos iterativos Condições suficientes A simétrica e definida positiva = GS exibe convergência global; A é estrita e diagonalmente dominante = J e GS exibem convergência global; C p < 1, para qualquer normal p, = J e GS exibem convergência global; C é a matriz iteração de Jacobi ou Gauss-Seidel. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
88 Resolução de sistemas lineares Convergência dos métodos iterativos Condições suficientes A simétrica e definida positiva = GS exibe convergência global; A é estrita e diagonalmente dominante = J e GS exibem convergência global; C p < 1, para qualquer normal p, = J e GS exibem convergência global; C é a matriz iteração de Jacobi ou Gauss-Seidel. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
89 Resolução de sistemas lineares Algumas definições Uma matriz A diz-se simétrica se A = A T. Uma matriz é definida positiva se d T Ad > 0, d 0. É equivalente a verificar que todos os determinante das sub-matrizes principais são maiores do que zero. Uma matriz A diz-se estrita e diagonalmente dominante se a ii > n a ij, i = 1,..., n j=1 j i A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
90 Resolução de sistemas lineares Algumas definições Uma matriz A diz-se simétrica se A = A T. Uma matriz é definida positiva se d T Ad > 0, d 0. É equivalente a verificar que todos os determinante das sub-matrizes principais são maiores do que zero. Uma matriz A diz-se estrita e diagonalmente dominante se a ii > n a ij, i = 1,..., n j=1 j i A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
91 Resolução de sistemas lineares Algumas definições Uma matriz A diz-se simétrica se A = A T. Uma matriz é definida positiva se d T Ad > 0, d 0. É equivalente a verificar que todos os determinante das sub-matrizes principais são maiores do que zero. Uma matriz A diz-se estrita e diagonalmente dominante se a ii > n a ij, i = 1,..., n j=1 j i A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
92 Resolução de sistemas lineares Exemplo - convergência de Gauss-Seidel Considere-se a seguinte matriz dos coeficientes de um sistema linear ( ) 3 1 A = 1 2 Como a A = A T a matriz é simétrica. ( ) 3 1 det( 3 ) = 3 > 0 det(a) = = 5 > Logo A é simétrica e definida positiva e o método de Gauss-Seidel converge. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
93 Resolução de sistemas lineares Exemplo - convergência de Jacobi Considere-se o seguinte sistema ( Como 1 2 a matriz dos coeficientes não é estrita e diagonalmente dominante e nada se pode concluir acerca da convergência do método de Jacobi. No entanto se trocarmos as linhas temos ( 3 1 ) e como 3 > 1 e 2 > 1 a matriz é estrita e diagonalmente dominante, logo o método de Jacobi converge. ) A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
94 Resolução de sistemas lineares Exemplo - convergência de Jacobi Considere-se a seguinte matriz dos coeficientes de um sistema linear ( ) 3 2 A = 3 1 Como 3 > 2, mas 1 3 a matriz dos coeficientes não é estrita e diagonalmente dominante e nada se pode concluir acerca da convergência do método de Jacobi. D = ( ) L = ( ) U = ( ) A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
95 Resolução de sistemas lineares Continuação ( ) ( C J = D (L + U) = ( ) = 3 0 ) Como C J = max{ , } = 3 1 e c J 1 = max{ 0 + 3, } = 3 1 nada se pode concluir acerca da convergência do método de Jacobi. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
96 Resolução de sistemas lineares Uma iteração do método de Gauss-Seidel Considere-se o seguinte sistema linear ( A = ), x (1) = (0, 0) T e ɛ 1 = ɛ = 0.1 ( ) 3 0 D = L = 0 2 Equação iterativa é ( ) U = ( ) (D L)x (k+1) = Ux (k) + b A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
97 Resolução de sistemas lineares Continuação 1 a iteração C.P. ( ) ( x (2) 0 1 = 0 0 ( x (2) x (1) x (2) = ) { ( ( ) ( 0 0 ) ( ) = ( 1 1 x (2) 1 = 1 3 = x (2) 2 = = ) ( 0 0 ) ) ) = = Como o critério não se verifica deve-se continuar com a próxima iteração. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
98 Resolução de sistemas não lineares Contents 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Mínimos quadrados lineares 8 Mínimos quadrados não lineares 9 Integração numérica 10 Optimização não linear sem restrições 11 Método de Davies Swann e Campey 12 Método de Nelder Mead 13 Método de Segurança de Newton 14 Método quasi-newton A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
99 Resolução de sistemas não lineares Sistemas de equações não lineares Forma geral do problema f 1 (x 1, x 2,..., x n ) = 0 f 2 (x 1, x 2,..., x n ) = 0... f n (x 1, x 2,..., x n ) = 0 em que f = (f 1, f 2,..., f n ) T é um vector de funções pelo menos uma vez continuamente diferenciáveis. Pretende-se determinar um x = (x 1, x 2,..., x n) T tal que f(x ) = (0, 0,..., 0) T = 0. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
100 Resolução de sistemas não lineares Fórmula de Taylor a uma dimensão Se f : R R for l + 1 vezes diferenciável temos que f(x) = l k=0 f (k) (a) k! (x a) k + f (l+1) (ξ) (x a)l+1 (l + 1)! com ξ [a, x] e a função definida em torno de a. Exemplo: Valor da função em x (k+1) definido em torno de x (k). f(x (k+1) ) f(x (k) ) + f (x (k) )(x (k+1) x (k) ) ou seja, quando se pretende que f(x (k+1) ) = 0 vem x (k+1) = x (k) f(x(k) ) f (x (k) ) Eq. it. do método de Newton A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
101 Resolução de sistemas não lineares Fórmula de Taylor para dimensão n Se f : R n R n temos que f(x (k+1) ) f(x (k) )+ f 1 (x (k) ) f 1 (x (k) ) x 1 f 2 (x (k) ) f 2 (x (k) ) x 1 x 2... x f n(x (k) ) x 1 f n(x (k) ) x 2... f 1 (x (k) ) x n f 2 (x (k) ) x n f n(x (k) ) x n x (k+1) 1 x (k) 1 x (k+1) 2 x (k) 2 x (k+1) n... x (k) n e deduzindo a equação iterativa do método de Newton para sistemas de equações não lineares temos, J(x (k) ) (k) x = f(x (k) ), com x (k+1) = x (k) + (k) x em que J(x) é o Jacobiano da função. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
102 Resolução de sistemas não lineares Critério de paragem x (k+1) x (k) 2 x (k+1) = (k) x 2 2 x (k+1) ɛ 1 2 Se x (k+1) 2 é zero, ou próximo de zero, então o critério deve ser (k) x 2 ɛ 1 Número máximo de iterações. f(x (k+1) ) 2 ɛ 2 A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
103 Resolução de sistemas não lineares Critério de paragem x (k+1) x (k) 2 x (k+1) = (k) x 2 2 x (k+1) ɛ 1 2 Se x (k+1) 2 é zero, ou próximo de zero, então o critério deve ser (k) x 2 ɛ 1 Número máximo de iterações. f(x (k+1) ) 2 ɛ 2 A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
104 Resolução de sistemas não lineares Critério de paragem x (k+1) x (k) 2 x (k+1) = (k) x 2 2 x (k+1) ɛ 1 2 Se x (k+1) 2 é zero, ou próximo de zero, então o critério deve ser (k) x 2 ɛ 1 Número máximo de iterações. f(x (k+1) ) 2 ɛ 2 A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
105 Resolução de sistemas não lineares Propriedades Convergência local quadrática. Determina a solução de um sistema linear numa única iteração. Inconveniente do cálculo do Jacobiano. (Também existe um método da secante para sistemas.) O método falha quando o Jacobiano é singular (nova aproximação inicial). O método de Newton não converge necessariamente para a solução mais próxima da aproximação inicial. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
106 Resolução de sistemas não lineares Propriedades Convergência local quadrática. Determina a solução de um sistema linear numa única iteração. Inconveniente do cálculo do Jacobiano. (Também existe um método da secante para sistemas.) O método falha quando o Jacobiano é singular (nova aproximação inicial). O método de Newton não converge necessariamente para a solução mais próxima da aproximação inicial. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
107 Resolução de sistemas não lineares Propriedades Convergência local quadrática. Determina a solução de um sistema linear numa única iteração. Inconveniente do cálculo do Jacobiano. (Também existe um método da secante para sistemas.) O método falha quando o Jacobiano é singular (nova aproximação inicial). O método de Newton não converge necessariamente para a solução mais próxima da aproximação inicial. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
108 Resolução de sistemas não lineares Propriedades Convergência local quadrática. Determina a solução de um sistema linear numa única iteração. Inconveniente do cálculo do Jacobiano. (Também existe um método da secante para sistemas.) O método falha quando o Jacobiano é singular (nova aproximação inicial). O método de Newton não converge necessariamente para a solução mais próxima da aproximação inicial. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
109 Resolução de sistemas não lineares Propriedades Convergência local quadrática. Determina a solução de um sistema linear numa única iteração. Inconveniente do cálculo do Jacobiano. (Também existe um método da secante para sistemas.) O método falha quando o Jacobiano é singular (nova aproximação inicial). O método de Newton não converge necessariamente para a solução mais próxima da aproximação inicial. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
110 Resolução de sistemas não lineares Um exemplo Considere-se o seguinte sistema não linear { 3x 2 + 2y 2 = 35 4x 2 3y 2 cujo Jacobiano é J(x, y) = = 24 ( 6x 4y 8x 6y ) Temos f(x, y) = ( 3x 2 + 2y x 2 3y 2 24 ) e a aproximação inicial é (x, y) (1) = (2.5, 2). Pretende-se determinar a solução com uma precisão de ɛ 1 = ɛ 2 = A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
111 Resolução de sistemas não lineares Continuação 1 a iteração ( ) J((x, y) (1) 15 8 ) = J(2.5, 2) = ( ) f((x, y) (1) 8.25 ) = f(2.5, 2) = 11 ( (1) (x,y) = ( ) ) ( ) ( e (x, y) (2) = (x, y) (1) + (1) (x,y) = (3.05, 2)T ) A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
112 Resolução de sistemas não lineares Continuação C.P. ( f (x, y) (2)) ( ) = = 1.21 ɛ 2 = 0.1 Como o critério não se verifica faz-se uma nova iteração. A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
113 Interpolação polinomial Contents 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Mínimos quadrados lineares 8 Mínimos quadrados não lineares 9 Integração numérica 10 Optimização não linear sem restrições 11 Método de Davies Swann e Campey 12 Método de Nelder Mead 13 Método de Segurança de Newton 14 Método quasi-newton A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
114 Interpolação polinomial Motivação Pretende-se determinar uma função aproximação que descreva o melhor possível o comportamento de um conjunto de pontos (x 0, f 0 ), (x 1, f 1 ),..., (x m, f m ). Este conjunto de pontos pode ter sido obtido de: observações de uma experiência (função desconhecida); uma função complexa cujo cálculo é difícil (função pode ser conhecida). A função aproximação server para: formular um modelo matemático que descreve o processo em causa; obter valores da função em pontos que são desconhecidos. Problema: Como implementar a função sin(x) num microcontrolador? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
115 Interpolação polinomial Motivação Pretende-se determinar uma função aproximação que descreva o melhor possível o comportamento de um conjunto de pontos (x 0, f 0 ), (x 1, f 1 ),..., (x m, f m ). Este conjunto de pontos pode ter sido obtido de: observações de uma experiência (função desconhecida); uma função complexa cujo cálculo é difícil (função pode ser conhecida). A função aproximação server para: formular um modelo matemático que descreve o processo em causa; obter valores da função em pontos que são desconhecidos. Problema: Como implementar a função sin(x) num microcontrolador? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
116 Interpolação polinomial Motivação Pretende-se determinar uma função aproximação que descreva o melhor possível o comportamento de um conjunto de pontos (x 0, f 0 ), (x 1, f 1 ),..., (x m, f m ). Este conjunto de pontos pode ter sido obtido de: observações de uma experiência (função desconhecida); uma função complexa cujo cálculo é difícil (função pode ser conhecida). A função aproximação server para: formular um modelo matemático que descreve o processo em causa; obter valores da função em pontos que são desconhecidos. Problema: Como implementar a função sin(x) num microcontrolador? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
117 Interpolação polinomial Motivação Pretende-se determinar uma função aproximação que descreva o melhor possível o comportamento de um conjunto de pontos (x 0, f 0 ), (x 1, f 1 ),..., (x m, f m ). Este conjunto de pontos pode ter sido obtido de: observações de uma experiência (função desconhecida); uma função complexa cujo cálculo é difícil (função pode ser conhecida). A função aproximação server para: formular um modelo matemático que descreve o processo em causa; obter valores da função em pontos que são desconhecidos. Problema: Como implementar a função sin(x) num microcontrolador? A. Ismael F. Vaz (UMinho) MN C 2007/ / 216
Métodos Numéricos I. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho
Métodos Numéricos I A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Engenharia Mecânica Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho)
Leia maisMétodos Numéricos C. A. Ismael F. Vaz 1. Escola de Engenharia Universidade do Minho Ano lectivo 2007/2008
Métodos Numéricos C A. Ismael F. Vaz 1 1 Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho) MN C 2007/2008
Leia maisMétodos Numéricos. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho
Métodos Numéricos A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Mestrado Integrado em Engenharia Mecânica Ano lectivo 2007/2008 A.
Leia maisMétodos Numéricos. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.
Métodos Numéricos A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Mestrado Integrado em Engenharia Mecânica Ano lectivo 2007/2008 A.
Leia maisMétodos Numéricos C Apresentação da Disciplina
Métodos Numéricos C Apresentação da Disciplina Isabel Espírito Santo Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho iapinho@dps.uminho.pt http://www.norg.uminho.pt/iapinho/
Leia maisMÉTODOS NUMÉRICOS. ENGENHARIA e GESTÃO INDUSTRIAL
UNIVERSIDADE DO MINHO MÉTODOS NUMÉRICOS ENGENHARIA e GESTÃO INDUSTRIAL EXERCÍCIOS PRÁTICOS Ano lectivo de 2005/2006 Métodos Numéricos - L.E.G.I. Exercícios práticos - CONUM Solução de uma equação não linear
Leia maisAgenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação
Agenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares. Um
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 - 1 de Janeiro de 1 - Parte I (1h3m) 1. Considere
Leia maisMétodos Numéricos. MEI - Logística e distribuição Optimização não linear com restrições de igualdade 2004/2005
Métodos Numéricos MEI - Logística e distribuição Optimização não linear com restrições de igualdade 2004/2005 Métodos Numéricos - MEI 1 Apresentação - Docentes Aulas teóricas: A. Ismael F. Vaz - aivaz@dps.uminho.pt
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Introdução 2 Alguns Conceitos de Álgebra Linear 3 Sistemas Lineares 4 Métodos Computacionais 5 Sistemas Triangulares 6 Revisão Introdução Introdução Introdução
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 III Resolução Numérica de Sistemas de Equações Normas, Erros e Condicionamento.
Leia maisSistemas de equações lineares
É um dos modelos mais u3lizados para representar diversos problemas de Engenharia (cálculo estrutural, circuitos elétricos, processos químicos etc.) Conservação da carga: i 1 i 2 i 3 = 0 i 3 i 4 i 5 =
Leia maisDepartamento de Matemática da Universidade de Coimbra. Licenciatura em Matemática. e B =
Departamento de Matemática da Universidade de Coimbra Optimização Numérica Licenciatura em Matemática Ano lectivo 2006/2007 Folha 1 1. Considere as matrizes A = [ 1 1 1 2 ] e B = [ 1 3 1 2 (a) Verifique
Leia maisDisciplina: Cálculo Numérico IPRJ/UERJ. Sílvia Mara da Costa Campos Victer. Aula 6 - Solução de Sistema de Equações Algébricas
Disciplina: Cálculo Numérico IPRJ/UERJ Sílvia Mara da Costa Campos Victer Aula 6 - Solução de Sistema de Equações Algébricas Métodos diretos: 1- Eliminação de Gauss com substituição recuada 2- Decomposição
Leia maisInstituto Politécnico de Tomar Escola Superior de Tecnologia de Tomar Área Interdepartamental de Matemática
Instituto Politécnico de Tomar Escola Superior de Tecnologia de Tomar Área Interdepartamental de Matemática Análise Numérica Licenciaturas em Engenharia Ambiente,Civil e Química I - Equações Não Lineares.
Leia maisMétodos Numéricos e Estatísticos Parte I-Métodos Numéricos
Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Lic. Eng. Biomédica e Bioengenharia-2009/2010 lineares Muitos problemas da Física, Matemática, Engenharia, Biologia, economia e outras ciências,
Leia maisSistemas Lineares. Métodos Iterativos Estacionários
-58 Sistemas Lineares Estacionários Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo -
Leia maisSME Cálculo Numérico. Lista de Exercícios: Gabarito
Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado
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 maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisSME300 - Cálculo Numérico - Turma Elétrica/Automação - Prof. Murilo F. Tomé. Lista 1: Solução Numérica de Sistema Lineares A = MÉTODOS DIRETOS.
SME300 - Cálculo Numérico - Turma Elétrica/Automação - Prof. Murilo F. Tomé Lista 1: Solução Numérica de Sistema Lineares NORMAS DE VETORES E MATRIZES 1. Dado o vetor v = ( 3, 1, 8, 2) T, calcule v 1,
Leia maisSistemas de equações lineares
DMPA IM UFRGS Cálculo Numérico Índice Sistema de Equações Lineares 1 Sistema de Equações Lineares 2 com pivoteamento parcial 3 Método de Jacobi Método Gauss-Seidel Sistema de Equações Lineares n equações
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisMatemática Computacional - Exercícios
Matemática Computacional - Exercícios o semestre de 009/00 - LEMat e MEQ Resolução de sistemas lineares. Inuência dos erros de arredondmento. Consideremos o sistema linear A x = b, onde 0 6 0 A = 0 6,
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 maisResolução de Sistemas de Equações Lineares
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. Resolução de Sistemas de Equações
Leia maisUma equação linear com n variáveis tem a seguinte forma:
Edgard Jamhour Uma equação linear com n variáveis tem a seguinte forma: a 1 x 1 + a 2 x 2 +... + a n x n = b onde a 1, a 2,..., a n e b são constantes reais. Um sistema de equações lineares é um conjunto
Leia maisAlgoritmos Numéricos 2 a edição
Algoritmos Numéricos 2 a edição Capítulo 2: Sistemas lineares c 2009 FFCf 2 2.1 Conceitos fundamentais 2.2 Sistemas triangulares 2.3 Eliminação de Gauss 2.4 Decomposição LU Capítulo 2: Sistemas lineares
Leia maisEXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: PRIMEIRO BIMESTRE: EDGARD JAMHOUR. QUESTÃO 1: Indique as afirmativas verdadeiras.
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: PRIMEIRO BIMESTRE: EDGARD JAMHOUR QUESTÃO 1: Indique as afirmativas verdadeiras. ( ) O número Pi não pode ser representado de forma exata em sistemas numéricos de
Leia maisCâmpus de Bauru. Plano de Ensino. Seriação ideal 3
Curso 1503 / 1504 - Licenciatura em Matemática Ênfase Identificação Disciplina 0007220A - Cálculo Numérico Computacional Docente(s) Antonio Roberto Balbo Unidade Faculdade de Ciências Departamento Departamento
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 maisMÉTODOS NUMÉRICOS. ENGENHARIA ELECTRÓNICA INDUSTRIAL e de COMPUTADORES
UNIVERSIDADE DO MINHO MÉTODOS NUMÉRICOS ENGENHARIA ELECTRÓNICA INDUSTRIAL e de COMPUTADORES EXERCÍCIOS PRÁTICOS- 1 a parte Ano lectivo de 2004/2005 Exercícios práticos - CONUM Solução de uma equação não
Leia maisMatrizes e Linearidade
Matrizes e Linearidade 1. Revisitando Matrizes 1.1. Traço, Simetria, Determinante 1.. Inversa. Sistema de Equações Lineares. Equação Característica.1. Autovalor & Autovetor 4. Polinômios Coprimos 5. Função
Leia maisCapítulo III Sistemas de equações
Capítulo III Sistemas de equações III1 - Condicionamento de sistemas lineares 1 Seja 1 0 0 10 6 e considere o sistema Ax = b, com b = 1 10 6 T, que tem por solução exacta x = 1 1 T (a) Determine cond(a)
Leia maisCapítulo 4 - Equações Não-Lineares
Capítulo 4 - Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Química e Gestão Industrial Carlos Balsa Métodos Numéricos 1/
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 IV Aproximação de Funções 1 Interpolação Polinomial 1. Na tabela seguinte
Leia maisMÉTODOS NUMÉRICOS C. Mestrado de ciclo integrado em. Engenharia de COMUNICAÇÕES EXERCÍCIOS TEÓRICO-PRÁTICOS
MÉTODOS NUMÉRICOS C Mestrado de ciclo integrado em Engenharia de COMUNICAÇÕES EXERCÍCIOS TEÓRICO-PRÁTICOS Ano lectivo de 2007/2008 1 ERROS. SOLUÇÃO DE UMA EQUAÇÃO NÃO LINEAR. 1 1 Erros. Solução de uma
Leia maisCapítulo III: Sistemas de equações. III.1 - Condicionamento de sistemas lineares
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL Capítulo III: Sistemas de equações III1 - Condicionamento de sistemas lineares 1 Seja 1 0 0 10 6 e considere o sistema Ax = b, com b = 1 10 6 T, que tem por solução
Leia maisCapítulo 2 - Sistemas de Equações Lineares
Capítulo 2 - Sistemas de Equações Lineares 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
Leia maisPlano de Ensino. Identificação. Câmpus de Bauru. Curso Licenciatura em Matemática. Ênfase. Disciplina A - Cálculo Numérico Computacional
Curso 1503 - Licenciatura em Matemática Ênfase Identificação Disciplina 0006315A - Cálculo Numérico Computacional Docente(s) Antonio Roberto Balbo Unidade Faculdade de Ciências Departamento Departamento
Leia maisSistemas de Equações Lineares
Sistemas de Equações Lineares Análise Numérica Artur M C Brito da Cruz Escola Superior de Tecnologia Instituto Politécnico de Setúbal 5/6 versão de Setembro de 7 Conteúdo Matrizes 3 Operações com Matrizes
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 maisCCI-22 LISTA DE EXERCÍCIOS
CCI-22 LISTA DE EXERCÍCIOS Capítulos 1 e 2: 1) Considere floats com 4 dígitos decimais de mantissa e expoentes inteiros entre -5 e 5. Sejam X =,7237.1 4, Y =,2145.1-3, Z =,2585.1 1. Utilizando um acumulador
Leia mais2. Sistemas lineares
2. Sistemas lineares 2.1 Conceitos fundamentais. 2.2 Sistemas triangulares. 2.3 Eliminação de Gauss. 2.4 Decomposição LU. 2.5 Decomposição de Cholesky. 2.6 Decomposição espectral. 2.7 Uso da decomposição.
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 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 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 maisCCI-22 FORMALIZAÇÃO CCI-22 MODOS DE SE OBTER P N (X) Prof. Paulo André CCI - 22 MATEMÁTICA COMPUTACIONAL INTERPOLAÇÃO
CCI - MATEMÁTICA COMPUTACIONAL INTERPOLAÇÃO Prof. Paulo André ttp://www.comp.ita.br/~pauloac pauloac@ita.br Sala 0 Prédio da Computação -Gregory DEFINIÇÃO Em matemática computacional, interpolar significa
Leia maisA = Utilizando ponto flutuante com 2 algarismos significativos, 2 = 0, x (0)
MAP 22 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Sistemas Lineares : Utilizando o método de eliminação de Gauss, calcule o determinante e a seguir a inversa da matriz abaixo. Efetue todos os
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 maisMAP Primeiro exercício programa Método de Diferenças Finitas para solução de problemas de contorno de equações diferenciais ordinárias
MAP-2121 - Primeiro exercício programa - 2006 Método de Diferenças Finitas para solução de problemas de contorno de equações diferenciais ordinárias Instruções gerais - Os exercícios computacionais pedidos
Leia maisUniversidade de Coimbra Departamento de Engenharia Electrotecnica e Computadores Matemática Computacional
Ano Lectivo: 2007/2008 Sumários da turma Teórico-Prática [TP2]: Aula: 1 Data: 2008-02-12 Hora de Início: 15:00 Duração: 1h30m Apresentação da Unidade Curricular. Discussão de aspectos relacionados com
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 maisMatemática I. Capítulo 3 Matrizes e sistemas de equações lineares
Matemática I Capítulo 3 Matrizes e sistemas de equações lineares Objectivos Matrizes especiais e propriedades do produto de matrizes Matriz em escada de linhas Resolução de sistemas de equações lineares
Leia maisTP062-Métodos Numéricos para Engenharia de Produção Introdução. Prof. Volmir Wilhelm Curitiba, Paraná, Brasil
TP062-Métodos Numéricos para Engenharia de Produção Introdução Prof. Volmir Wilhelm Curitiba, Paraná, Brasil TP062-Métodos Numéricos para Engenharia de Produção Ementa Matrizes. Sistemas lineares. Zeros
Leia maisAdérito Araújo. Gonçalo Pena. Adérito Araújo. Adérito Araújo. Gonçalo Pena. Método da Bissecção. Resolução dos exercícios 2.14, 2.15, 2.16 e 2.17.
1 2011-02-08 13:00 2h Capítulo 1 Aritmética computacional 1.1 Erros absolutos e relativos 1.2 O polinómio de Taylor Resolução do exercício 1.3 2 2011-02-08 15:00 1h30m As aulas laboratoriais só começam
Leia mais2006/2007 EXERCÍCIOS. 2. Determine a representação decimal dos seguintes números: , ( ) 2 , (1A0F ) 16
ANÁLISE NUMÉRICA 006/007 EXERCÍCIOS. Represente os números nas bases, 5 e 6. 57,,.3, 06.0, 0.7, 3.7, 5. Determine a representação decimal dos seguintes números: (00), () 3, (47) 8, (A0F ) 6, (0.000), (0.),
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 mais3.6 Erro de truncamento da interp. polinomial.
3 Interpolação 31 Polinômios interpoladores 32 Polinômios de Lagrange 33 Polinômios de Newton 34 Polinômios de Gregory-Newton 35 Escolha dos pontos para interpolação 36 Erro de truncamento da interp polinomial
Leia maisLista de Exercícios 1 Cálculo Numérico - Professor Daniel
Lista de Exercícios 1 Cálculo Numérico - Professor Daniel Observação: Esta lista abrange os três primeiros tópicos da ementa do curso, teoria dos erros, sistemas lineares, e zeros de funções. Ela abrange
Leia maisSistemas Lineares - Métodos Iterativos : Jacobi e Gauss-Seidel. Profa. Cynthia de O. Lage Ferreira Métodos Numéricos e Computacionais I - SME0305
Sistemas Lineares - Métodos Iterativos : Jacobi e Gauss-Seidel Profa. Cynthia de O. Lage Ferreira Métodos Numéricos e Computacionais I - SME35 Métodos Iterativos Nesta seção, vamos estudar métodos iterativos
Leia maisSME CÁLCULO NUMÉRICO I PROFESSORES MARCOS ARENALES MARISTELA SANTOS. Agosto 2011
SME0100 - CÁLCULO NUMÉRICO I PROFESSORES MARCOS ARENALES MARISTELA SANTOS Agosto 2011 SME0100 - Cálculo Numérico I Ementa: 1) Representação de números no computador. Erros em métodos numéricos. 2) Soluções
Leia maisFOLHAS DE PROBLEMAS DE MATEMÁTICA II CURSO DE ERGONOMIA PEDRO FREITAS
FOLHAS DE PROBLEMAS DE MATEMÁTICA II CURSO DE ERGONOMIA PEDRO FREITAS Maio 12, 2008 2 Contents 1. Complementos de Álgebra Linear 3 1.1. Determinantes 3 1.2. Valores e vectores próprios 5 2. Análise em
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 15 (21/10/15) Sistemas Lineares Métodos Diretos: Regra de Cramer Método da Eliminação de Gauss (ou triangulação)
Leia maisDISTRIBUIÇÃO DA CARGA HORÁRIA TEÓRICA PRÁTICA TEO/PRAT OUTRAS NÚMERO MÁXIMO DE ALUNOS POR TURMA AULAS TEÓRICAS PRÁTICAS 80 40
unesp UNIVERSIDADE ESTADUAL PAULISTA CÂMPUS UNIVERSITÁRIO DE BAURU FACULDADE DE CIÊNCIAS PLANO DE ENSINO 2008 UNIDADE UNIVERSITÁRIA: FACULDADE DE CIÊNCIAS CURSO: LICENCIATURA EM MATEMÁTICA HABILITAÇÃO:
Leia maisAula 3 11/12/2013. Integração Numérica
CÁLCULO NUMÉRICO Aula 3 11/12/2013 Integração Numérica Objetivo: Calcular integrais utilizando métodos numéricos Cálculo Numérico 3/64 Integração Numérica Cálculo Numérico 4/64 Integração Numérica Em determinadas
Leia maisSistemas de equações lineares
Capítulo 3 Sistemas de equações lineares Os sistemas de equações lineares fazem parte da descrição matemática dos mais diversos fenômenos em todas as áreas das ciências naturais e também são peça fundamental
Leia maisAutovalores e Autovetores
Algoritmos Numéricos II / Computação Científica Autovalores e Autovetores Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2016 Introdução Ideia Básica Se multiplicarmos a matriz por um autovetor encontramos
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 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 maisUNIVERSIDADE FEDERAL DO RIO DE JANEIRO Departamento de Ciência da ComputaçãoUFRJ. Cálculo Numérico. S. C. Coutinho. Provas e gabaritos
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO Departamento de Ciência da ComputaçãoUFRJ Cálculo Numérico S. C. Coutinho Provas e gabaritos Lembre-se: Nas provas não são aceitas respostas sem justicativa. Você
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 maisx exp( t 2 )dt f(x) =
INTERPOLAÇÃO POLINOMIAL 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 Aproximação
Leia maisLucia Catabriga e Andréa Maria Pedrosa Valli
1-35 Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-35
Leia maisMÉTODOS NUMÉRICOS II ENGENHARIA POLÍMEROS EXERCÍCIOS TEÓRICO-PRÁTICOS
MÉTODOS NUMÉRICOS II ENGENHARIA POLÍMEROS EXERCÍCIOS TEÓRICO-PRÁTICOS Ano lectivo de 2003/2004 1 1 Celina Pinto Leão, DPS (2004) Métodos Numéricos II - Eng a Polimeros Exercícios - Optimização não linear
Leia maisUniversidade Federal de Campina Grande
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Disciplina: Métodos e Software Numéricos Prof.: José Eustáquio Rangel de Queiroz Práticas de Avaliação e Planejamento das Atividades
Leia maisCálculo Numérico. Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson
Cálculo Numérico Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson Métodos como: Métodos exatos Método de eliminação de Gauss Método de decomposição LU Método de Cholesky
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 20 (09/11/15) Interpolação: Introdução Características Interpolação Linear: Introdução Características Exercícios
Leia maisCálculo Numérico e Computacional CNC
Cálculo Numérico e Computacional Luiza Amalia Pinto Cantão luiza@sorocaba.unesp.br Sumário Introdução à Teoria de Erros e Estabilidade 3. Representação de Números.......................................
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisMAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Interpolação e Integração. φ(x k ) ψ(x k ).
MAP 22 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Interpolação e Integração : Sejam x =, x =, x 2 = 2 e x 3 = 3. (a) Determine os polinômios de Lagrange L i (x) correspondentes a estes pontos
Leia maisErros e Aritmética de ponto flutuante
Cálculo Numérico Noções básicas sobre erros Aritmética de ponto flutuante Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br DCC IM UFRJ Parte I Noções básicas sobre erros Introdução Validação Modelagem
Leia maisMétodos Numéricos e Estatísticos Parte I-Métodos Numéricos
Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Lic Eng Biomédica e Bioengenharia-2009/2010 O problema geral da interpolação polinomial consiste em, dados n + 1 pontos (reais ou complexos) x
Leia mais1. Escreva aproximações com três e cinco algarismos significativos correctos para os números: π, 1 3, 1 11, e 3.
Universidade de Trás-os-Montes e Alto Douro Métodos Numéricos e Estatísticos Lic. Eng. Biomédica e Bioengenharia, 29/2 a Parte: Métodos Numéricos Teoria de erros. Escreva aproximações com três e cinco
Leia maisPlano de Ensino. Identificação. Câmpus de Bauru. Curso Engenharia de Produção. Ênfase. Disciplina EM1 - Cálculo Numérico Computacional
Curso 4402 - Engenharia de Produção Ênfase Identificação Disciplina 0002029EM1 - Cálculo Numérico Computacional Docente(s) Adriana Cristina Cherri Nicola Unidade Faculdade de Ciências Departamento Departamento
Leia maisCapítulo 2 - Sistemas de Equações Lineares
Capítulo 2 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Electrotécnica e Mecânica Carlos
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 maisSistemas de Equações Lineares
Capítulo 3 Sistemas de Equações Lineares Um sistema com n equações lineares pode ser escrito na forma : ou na forma matricial onde com a 1,1 x 1 + a 1,2 x 2 + + a x n = b 1 a 2,1 x 1 + a 2,2 x 2 + + a
Leia maisRaízes de Equações métodos delimitados. qual o problema? equações não lineares/raízes
Raízes de Equações métodos delimitados Aula 5 (16/0/07) Métodos Numéricos Aplicados à Engenharia Licenciatura em Engenharia Alimentar Escola Superior Agrária de Coimbra qual o problema? Podemos calcular
Leia maisPode-se mostrar que da matriz A, pode-se tomar pelo menos uma submatriz quadrada de ordem dois cujo determinante é diferente de zero. Então P(A) = P(A
MATEMÁTICA PARA ADMINISTRADORES AULA 03: ÁLGEBRA LINEAR E SISTEMAS DE EQUAÇÕES LINEARES TÓPICO 02: SISTEMA DE EQUAÇÕES LINEARES Considere o sistema linear de m equações e n incógnitas: O sistema S pode
Leia mais1. Converta para a base binária, usando o método das divisões sucessivas, os seguintes números inteiros: a) 13 b) 35.
Computação Científica Folha Prática Computação Numérica 1. Converta para a base binária, usando o método das divisões sucessivas, os seguintes números inteiros: a) 13 b) 35 c) 192 d) 255 e) 347 f) 513
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 12 04/2014 Sistemas de Equações Lineares Parte 2 FATORAÇÃO LU Cálculo Numérico 3/37 FATORAÇÃO LU Uma fatoração LU de uma dada
Leia maisCálculo Numérico P2 EM33D
Cálculo Numérico P EM33D 8 de Abril de 03 Início: 07h30min (Permanência mínima: 08h40min) Término: 0h00min Nome: GABARITO LER ATENTAMENTE AS OBSERVAÇÕES, POIS SERÃO CONSIDERADAS NAS SUA AVALIAÇÃO ) detalhar
Leia maisCapítulo 1 - Erros e Aritmética Computacional
Capítulo 1 - Erros e 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/ 21 Sumário
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 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 maisPLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA
1 PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA Curso: CST em Sistemas de Telecomunicações, Tecnologia Nome da disciplina: Métodos Numéricos Código: INF065 Carga horária: 67 horas Semestre previsto: 3º Pré-requisito(s):
Leia maisFísica Computacional 18 matrizes: inversão, valores próprios e sol. da eq. De Schrödinger
Física Computacional 18 matrizes: inversão, valores próprios e sol. da eq. De Schrödinger 1. Trabalhar com matrizes, e aplicá-las a um problema físico a. Inversão da matriz, eliminação de Gauss b. Determinante
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Não Linear Aula 7: Programação Não-Linear - Funções de Várias variáveis Vector Gradiente; Matriz Hessiana; Conveidade de Funções e de Conjuntos; Condições óptimas de funções irrestritas; Método
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 mais