Introdução aos Métodos Numéricos

Documentos relacionados
Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Resolução Numérica de Equações (Parte II)

Introdução aos Métodos Numéricos

Introdução aos Métodos Numéricos

Lista de Exercícios de Métodos Numéricos

Testes Formativos de Computação Numérica e Simbólica

Solução aproximada de equações de uma variável

Resolução Numérica de Equações Métodos Parte II

Interpolação polinomial

TE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira

Introdução aos Métodos Numéricos

UNIVERSIDADE FEDERAL DO ABC

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.

f(1) = 6 < 0, f(2) = 1 < 0, f(3) = 16 > 0 x [2, 3].

Capítulo 9. Teoria da Aproximação. 9.2 Mínimos Quadrados

Marina Andretta/Franklina Toledo. 18 de outubro de Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires.

Integração Numérica. = F(b) F(a)

Resolução Numérica de Equações Métodos Parte II

Métodos iterativos dão-nos uma valor aproximado para s. Sequência de valores de x que convergem para s.

MAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Interpolação e Integração. φ(x k ) ψ(x k ).

Introdução aos Métodos Numéricos. Instituto de Computação UFF

EXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO

SME0300 Cálculo Numérico Aula 4

Introdução aos Métodos Numéricos

Equações não lineares

Interpolação polinomial: Polinômio de Lagrange

Interpolação polinomial: Diferenças divididas de Newton

étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

Interpolação polinomial: Diferenças divididas de Newton

UNIVERSIDADE FEDERAL DO ABC

Resolução do Exame Tipo

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

1. Converta os seguintes números decimais para sua forma binária: (a) 22 (b) 255 (c) 256 (d) 0.11 (e) (f)

Sabendo que f(x) é um polinômio de grau 2, utilize a formula do trapézio e calcule exatamente

Métodos Numéricos - Notas de Aula

Introdução aos Métodos Numéricos

Aula 6. Zeros reais de funções Parte 3

Equações não lineares

Cálculo Numérico Ponto Fixo

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015

Raízes de Equações métodos delimitados. qual o problema? equações não lineares/raízes

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

Introdução aos Métodos Numéricos

Cálculo Numérico. que é denominado erro relativo. Temos então para os dados acima:

O método da falsa posição

Lista 1 - Cálculo Numérico - Zeros de funções

Introdução aos Métodos Numéricos

Fundamentos IV. Clarimar J. Coelho. Departamento de Computação. November 20, 2014

Ana Paula. October 26, 2016

x exp( t 2 )dt f(x) =

Prof. Wagner Hugo Bonat. Bacharelado em Estatística Universidade Federal do Paraná. 15 de outubro de 2018

Equações Não Lineares. 35T12 Sala 3G4 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

de Interpolação Polinomial

TP062-Métodos Numéricos para Engenharia de Produção Zeros: Introdução

MINISTÉRlO DA EDUCACAO UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ CAMPUS PATO BRANCO

Exercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares

Introdução aos Métodos Numéricos. Instituto de Computação UFF

Introdução aos Métodos Numéricos

Métodos Numéricos Zeros: Introdução. Professor Volmir Eugênio Wilhelm Professora Mariana Kleina

A. Equações não lineares

Universidade Tecnológica Federal do Paraná

CAP. 2 ZEROS REAIS DE FUNÇÕES REAIS

Solução de sistemas não-lineares

Fundamentos IV. Gustavo Vinhal. September 13, Escola de Ciências Exatas e Computação

Integrais. ( e 12/ )

Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA

Cálculo Numérico. que é denominado erro relativo. Temos então para os dados acima:

DCC008 - Cálculo Numérico

Podem ser calculados num número finito de operações aritméticas, ao contrário de outras funções (ln x, sin x, cos x, etc.)

Teoremas e Propriedades Operatórias

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

Modelagem Computacional. Parte 2 2

Neste capítulo estamos interessados em resolver numericamente a equação

SME Cálculo Numérico. Lista de Exercícios: Gabarito

Introdução aos Métodos Numéricos

Aula 22 O teste da derivada segunda para extremos relativos.

TÓPICOS DE MATEMÁTICA II. O Curso está dividido em três unidades, temos que concluir todas.

3.6 Erro de truncamento da interp. polinomial.

Andréa Maria Pedrosa Valli

Cálculo Numérico / Métodos Numéricos. Solução de equações polinomiais Briot-Ruffini-Horner

C alculo Num erico Ra ızes de Equa c oes Ana Paula Ana Paula C alculo Num erico

Cálculo Numérico BCC760 Raízes de equações algébricas e transcendentes

Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos

Cálculo Numérico. Zeros de funções reais

Transcrição:

Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho

Conteúdo temático Zeros de Função

Conteúdo específico Regula-Falsi Exemplos

Zeros de função A questão agora é como termos um método que leve em consideração o valor da função Retornemos um pouco ao que já foi apresentado:

Zeros de função A questão agora é como termos um método que leve em consideração o valor da função Retornemos um pouco ao que já foi apresentado: Determinar o zero da função é equivalente a determinar a função inversa da função e daí R=f 1 (0) O problema é que achar a inversa não é fácil...

Zeros de função Mas porque não achamos uma função aproximada a nossa f(x) e que seja fácil de achar a função inversa?

Zeros de função Mas porque não achamos uma função aproximada a nossa f(x) e que seja fácil de achar a função inversa? Não teremos a solução exata mas teremos uma solução aproximada e, esperamos, válida Uma possibilidade você conhece...

Zeros de função Um polinômio interpolador... X será a aproximação do zero de função

Zeros de função Um polinômio interpolador... X será a aproximação do zero de função Determinemos X

Zeros de função Podemos escolher qualquer técnica para determinar o polinômio interpolador. Aqui usaremos Newton-Gregory Temos os pontos (A, f(a)) e (B, f(b)) logo p 1 (x)= p 0 (x)+ y 1 y 0 x 1 x 0 ( x x 0 )=f ( A)+ B A Não queremos o polinômio mas onde ele se anula ( x A )

Zeros de função Assim, p 1 ( X)=f ( A)+ B A ( X A )=0

Zeros de função Assim, ou p 1 ( X)=f ( A)+ ( X A )= f ( A) B A ( X A )=0 B A A B X= A+f ( A)

Zeros de função Assim, ou ou ainda p 1 ( X)=f ( A)+ ( X A )= f ( A) B A ( X A )=0 B A A B X= A+f ( A) X= A+ A f ( A) B f ( A) X= A f (B) A f ( A)+ A f ( A) B f ( A)

Zeros de função Assim, ou ou ainda p 1 ( X)=f ( A)+ ( X A )= f ( A) B A ( X A )=0 B A A B X= A+f ( A) X= A+ A f ( A) B f ( A) X= A f (B) A f ( A)+ A f ( A) B f ( A) daí X= A f (B) B f ( A)

Zeros de função Observe que podemos impor desta maneira uma partição da região onde se encontra o zero da função

Zeros de função Observe que podemos impor desta maneira uma partição da região onde se encontra o zero da função Usaremos o mesmo algoritmo do método de bissecção só que aqui trabalharemos com esta nova maneira de particionar que leva em consideração valores de f(x)

Zeros de função Observe que podemos impor desta maneira uma partição da região onde se encontra o zero da função Usaremos o mesmo algoritmo do método de bissecção só que aqui trabalharemos com esta nova maneira de particionar que leva em consideração valores de f(x) A este método denominaremos Método Regula-Falsi

Regula-falsi Método Regula-Falsi Seja f(x) diferenciável em [A, B]. Tenhamos f(a) e f(b) Af (B) B f ( A) I) Calcule X= e f (X ) II) Se f ( A) f ( X )<0 ; R ( A, X ); B X f ( A) f ( X )>0 ; R ( X, B); A X f ( A)f ( X)=0 ; R=A ou R=X III) Se o critério de parada não for satisfeito, retorne a I

Zeros de função Mais uma vez adiaremos a discussão sobre o critério de parada. Nos concentremos no algoritmo.

Regula-falsi Aplicando o algoritmo temos que f(a)f(x)<0 e B toma o valor de X. Calculando um novo X teremos

Regula-falsi Veja que o novo valor para X está mais próximo de R

Regula-falsi Este método fornece não só o valor da função f(x) como também a informação aproximada da derivada da função no intervalo onde se encontra R dada pela declividade do polinômio que interpola os extremos do intervalo

Regula-falsi Este método fornece não só o valor da função f(x) como também a informação aproximada da derivada da função no intervalo onde se encontra R dada pela declividade do polinômio que interpola os extremos do intervalo A intuição nos diz que este método deve ser melhor que a bissecção...

Regula-falsi Resolvamos o mesmo exemplo anterior não nos preocupando com o critério de parada

Regula-falsi Determine aproximações para o ponto onde a função abaixo se anula no semi-eixo positivo. e x 3 cos x Já sabemos que que R [0,1] e escolheremos A=0, B=1 e temos f ( A)= 2; f (B)=1,097374

Regula-falsi f ( A)= 2; f (B)=1,097374 X= A f (B) B f ( A) = 0 1,097374 1 ( 2) =0,645708 1,097374 ( 2) f (0,645708)= 0,488684 f ( A)f (X )>0; R (X, B); A X

Regula-falsi f ( A)= 2; f (B)=1,097374 X= A f (B) B f ( A) = 0 1,097374 1 ( 2) =0,645708 1,097374 ( 2) f (0,645708)= 0,488684 f ( A)f (X )>0; R (X, B); A X e agora teremos A=0,645708 e f ( A)= 0,488684 assim...

Regula-falsi A=0,645708 ; f ( A)= 0,488684 X= A f (B) B f ( A) = 0,645708 1,097374 1 ( 0,488684) =0,754869 1,097374 ( 0,488684) f (0,754869)= 0,057751 f ( A)f (X )>0; R (X, B); A X

Regula-falsi A=0,645708 ; f ( A)= 0,488684 X= A f (B) B f ( A) = 0,645708 1,097374 1 ( 0,488684) =0,754869 1,097374 ( 0,488684) f (0,754869)= 0,057751 f ( A)f (X )>0; R (X, B); A X e agora teremos A=0,754869 e f ( A)= 0,057751 assim...

Regula-falsi A=0,754869 ; f ( A)= 0,057751 X= A f (B) B f ( A) = 0,754869 1,097374 1 ( 0,057751) =0,767124 1,097374 ( 0,057751) f (0,767124)= 6,16565 10 3 f ( A)f (X )>0; R (X, B); A X

Regula-falsi A=0,754869 ; f ( A)= 0,057751 X= A f (B) B f ( A) = 0,754869 1,097374 1 ( 0,057751) =0,767124 1,097374 ( 0,057751) f (0,767124)= 6,16565 10 3 f ( A)f (X )>0; R (X, B); A X e agora teremos A=0,767124 e f ( A)= 6,16565 10 3 assim...

Regula-falsi A=0,767124 ;f ( A)= 0,006165 X= A f (B) B f ( A) = 0,767124 1,097374 1 ( 0,006165) =0,768424 1,097374 ( 0,006165) f (0,768424)= 6,5551 10 4 f ( A)f (X )>0; R (X, B); A X

Regula-falsi A=0,767124 ;f ( A)= 0,006165 X= A f (B) B f ( A) = 0,767124 1,097374 1 ( 0,006165) =0,768424 1,097374 ( 0,006165) f (0,768424)= 6,5551 10 4 f ( A)f (X )>0; R (X, B); A X e agora teremos A=0,768424 e f ( A)= 6,5551 10 4

Regula-falsi A=0,767124 ;f ( A)= 0,006165 X= A f (B) B f ( A) = 0,767124 1,097374 1 ( 0,006165) =0,768424 1,097374 ( 0,006165) f (0,768424)= 6,5551 10 4 f ( A)f (X )>0; R (X, B); A X e agora teremos Paremos... A=0,768424 e f ( A)= 6,5551 10 4

Regula-falsi Façamos um resumo do que obtemos f (0,645708)= 0,488684 ;f (0,754869)= 0,057751 f (0,767124)= 6,16565 10 3 ;f (0,768424)= 6,5551 10 4

Regula-falsi Façamos um resumo do que obtemos f (0,645708)= 0,488684 ;f (0,754869)= 0,057751 f (0,767124)= 6,16565 10 3 ;f (0,768424)= 6,5551 10 4 Repare que tanto o valor de X muda cada vez menos quanto o valor de f(x) se aproxima de zero

Regula-falsi Observe que X toma valores que cada vez mais aproximam do ponto onde a função f(x) se anula

Regula-falsi Observe que X toma valores que cada vez mais aproximam do ponto onde a função f(x) se anula Mais do que o fator de corte do intervalo, X nos dá sucessivas aproximações de R

Regula-falsi Observe que X toma valores que cada vez mais aproximam do ponto onde a função f(x) se anula Mais do que o fator de corte do intervalo, X nos dá sucessivas aproximações de R Temos de pensar em quando parar...

Critérios de parada Naturalmente aparecem dois critérios de parada avaliando os valores obtidos para X

Critérios de parada Naturalmente aparecem dois critérios de parada avaliando os valores obtidos para X avaliando os valores de f(x)

Critérios de parada Naturalmente aparecem dois critérios de parada avaliando os valores obtidos para X avaliando os valores de f(x) Vejamos...

Critérios de parada Critérios de parada: avaliando os valores obtidos para X Seja tol x o valor o qual desejamos para a precisão da determinação de R. Então pararemos quando o módulo da diferença entre dois valores sucessivos de X dividido por um destes valores for menor que tol x, ou seja, tol x < X i+1 X i X i ou tol x < X i+1 X i X i+1

Critérios de parada Critérios de parada: avaliando os valores obtidos para X Seja tol x o valor o qual desejamos para a precisão da determinação de R. Então pararemos quando o módulo da diferença entre dois valores sucessivos de X dividido por um destes valores for menor que tol x, ou seja, tol x < X i+1 X i X i ou tol x < X i+1 X i X i+1 A alternativa é para evitar um valor nulo no divisor

Critérios de parada Critérios de parada: avaliando o valor de f(x) Seja tol f o valor o qual desejamos para a precisão da determinação de R. Então pararemos quando o valor de f(x) for menor que tol f, ou seja, tol f <f ( X i )

Critérios de parada O mais rigoroso está na utilização conjunta destes dois critérios

Critérios de parada O mais rigoroso está na utilização conjunta destes dois critérios Estes critérios serão usados em outros métodos de determinação de zeros de função que se seguirão

Regula-falsi Outro exemplo Determine uma aproximação para o zero da função abaixo que se encontra no intervalo [1,2]. Use tol x <10 3 x 4 + x 10

Regula-falsi Outro exemplo Determine uma aproximação para o zero da função abaixo que se encontra no intervalo [1,2]. Use x 4 + x 10 Apliquemos o algoritmo tol x <10 3

Regula-falsi Outro exemplo f (x)=x 4 +x 10 Calculemos a função nos extremos do intervalo f ( A)=f (1)=1 4 +1 10= 8 ; f (B)=f (2)=2 4 +2 10=8 Temos a confirmação da existência do zero e os valores necessários para iniciar o algoritmo

Regula-falsi Outro exemplo f ( A)= 8 ;f (B)=8 X= A f (B) B f ( A) = 1 8 2 ( 8) = 3 8 ( 8) 2 =1,5 f ( 3 2 ) = 55 16 = 3,4375 f ( A)f (X )>0; R (X, B); A X

Regula-falsi Outro exemplo f ( A)= 8 ;f (B)=8 X= A f (B) B f ( A) = 1 8 2 ( 8) = 3 8 ( 8) 2 =1,5 f ( 3 2 ) = 55 16 = 3,4375 f ( A)f (X )>0; R (X, B); A X e agora teremos A= 3 2 e f ( A)= 3,4375 assim...

Regula-falsi Outro exemplo A= 3 2 ;f ( A)= 3,4375 X= A f (B) B f ( A) = 3/2 8 2 ( 3,4375) = 302 8 ( 3,4375) 183 =1,650273 f ( 302 183 ) = 0,932809 f ( A)f (X )>0; R (X, B); A X

Regula-falsi Outro exemplo A= 3 2 ;f ( A)= 3,4375 X= A f (B) B f ( A) = 3/2 8 2 ( 3,4375) = 302 8 ( 3,4375) 183 =1,650273 f ( 302 183 ) = 0,932809 f ( A)f (X )>0; R (X, B); A X e agora teremos A=1,650273 Testemos o critério de parada e f ( A)= 0,932809

Regula-falsi Outro exemplo Usando os dois últimos valores obtidos para X teremos Continuemos X 2 X 1 X 1 = 1,650273 1,5 0,100182 1,5

Regula-falsi Outro exemplo A=1,650273 ;f ( A)= 0,932809 X= A f (B) B f ( A) f (1,686793 )= 0,217632 f ( A)f (X )>0; R (X, B); A X = 1,650273 8 2 ( 0,932809) =1,686793 8 ( 0,932809)

Regula-falsi Outro exemplo A=1,650273 ;f ( A)= 0,932809 X= A f (B) B f ( A) f (1,686793 )= 0,217632 f ( A)f (X )>0; R (X, B); A X e agora teremos Testemos o critério de parada = 1,650273 8 2 ( 0,932809) =1,686793 8 ( 0,932809) A=1,686793 e f ( A)= 0,217632

Regula-falsi Outro exemplo Usando os dois últimos valores obtidos para X teremos X 3 X 2 X 2 = 1,686793 1,650273 0,0228 1,650273 Ainda não podemos parar mas o erro caiu quase cinco vezes num passo. Continuemos

Regula-falsi Outro exemplo A=1,686793 ;f ( A)= 0,217632 X= A f (B) B f ( A) f (1,695088 )= 0,048918 f ( A)f (X )>0; R (X, B); A X = 1,686793 8 2 ( 0,217632) =1,695088 8 ( 0,217632)

Regula-falsi Outro exemplo A=1,686793 ;f ( A)= 0,217632 X= A f (B) B f ( A) f (1,695088 )= 0,048918 f ( A)f (X )>0; R (X, B); A X e agora teremos = 1,686793 8 2 ( 0,217632) =1,695088 8 ( 0,217632) A=1,695088 Testemos novamente o critério de parada e f ( A)= 0,048918

Regula-falsi Outro exemplo Usando os dois últimos valores obtidos para X teremos X 4 X 3 X 3 = 1,695088 1,686793 0,0048 1,686793 O valor ainda é mais de quatro vezes o valor desejado. Continuemos

Regula-falsi Outro exemplo A=1,695088;f ( A)= 0,048918 X= A f (B) B f ( A) f (1,696941 )= 0,010902 f ( A)f (X )>0; R (X, B); A X = 1,695088 8 2 ( 0,048918) =1,696941 8 ( 0,048918)

Regula-falsi Outro exemplo A=1,695088;f ( A)= 0,048918 X= A f (B) B f ( A) f (1,696941 )= 0,010902 f ( A)f (X )>0; R (X, B); A X = 1,695088 8 2 ( 0,048918) =1,696941 8 ( 0,048918) e agora teremos A=1,696941 e f ( A)= 0,010902 Testemos mais uma vez o critério de parada

Regula-falsi Outro exemplo Usando os dois últimos valores obtidos para X teremos X 5 X 4 X 4 Foi quase! Continuemos = 1,696941 1,695088 0,00109 1,695088

Regula-falsi Outro exemplo A=1,696941; f ( A)= 0,010902 X= A f (B) B f ( A) f (1,697353 )= 0,002425 f ( A)f (X )>0; R (X, B); A X = 1,696941 8 2 ( 0,010902) =1,697353 8 ( 0,010902)

Regula-falsi Outro exemplo A=1,696941; f ( A)= 0,010902 X= A f (B) B f ( A) f (1,697353 )= 0,002425 f ( A)f (X )>0; R (X, B); A X e agora teremos = 1,696941 8 2 ( 0,010902) =1,697353 8 ( 0,010902) A=1,697353 Testemos (esperamos) pela última vez... e f ( A)= 0,002425

Regula-falsi Outro exemplo Usando os dois últimos valores obtidos para X teremos X 6 X 5 X 5 = 1,697353 1,696941 2,4278 10 4 1,696941 Critério de parada satisfeito e o critério para o valor da função em X responde coerentemente com o critério adotado neste exemplo

Zeros de função Mas observe que os métodos de partição são um tanto enrolados pois precisamos de fazer testes.

Zeros de função Mas observe que os métodos de partição são um tanto enrolados pois precisamos de fazer testes. Nos exemplos dados temos funções que são de comportamento monótono nos intervalos dados mas isto pode se complicar

Zeros de função Mas observe que os métodos de partição são um tanto enrolados pois precisamos de fazer testes. Nos exemplos dados temos funções que são de comportamento monótono nos intervalos dados mas isto pode se complicar Além disso, temos quais garantias que os métodos funcionariam sempre?

Zeros de função Mas observe que os métodos de partição são um tanto enrolados pois precisamos de fazer testes. Nos exemplos dados temos funções que são de comportamento monótono nos intervalos dados mas isto pode se complicar Além disso, temos quais garantias que os métodos funcionariam sempre? Vamos partir para outra categoria de métodos