CLCULO DE RAIZ DE EQUAO

Necessidade de determinar a raiz de uma equao

em diversos problemas de engenharia, isto , determinar x, tal que:

f ( x) = 0
Algumas equaes mais simples possuem soluo analtica, como

2 x = 20
x 2 5x + 6 = 0

x = 10
x=2 e x=3

Na maioria dos casos (equao no-linear), as raizes da equao

no podem ser determinadas analiticamente
Deve-se utilizar procedimentos iterativos para determinar a(s) raiz(es)

MTODO DE PICARD
x* raiz da equao f(x) = 0

f ( x* ) = 0

x* g ( x* ) = 0
14243

x* = g ( x* )

f ( x* )

PROCEDIMENTO ITERATIVO

x
Chute inicial : x( 0)
i =1
x(i ) = g ( x(i 1) )
Enquanto x(i ) x(i 1) > , repetir
i = i +1
x(i ) = g ( x(i 1) )
Raiz : x(i )

g (x)

g ( x(1) )
g ( x( 0) )
x( 0 )

x(1) x( 2)
=
g ( x( 0) )

RAIZ

x
EXEMPLO 1: RESOLVER x e = 0

x = e x

g ( x) = e x

x( 0 ) = 1
x(1) = g ( x( 0) ) = e 1 = 0.36788
x( 2) = g ( x(1) ) = e 0.36788 = 0.69220

xn

g(xn)

0
1
2
3
4
5
6
7
8
9
10
11
.
20

1
0.36788
0.69220
0.50047
0.60624
0.54540
0.57961
0.56012
0.57114
0.56488
0.56843
0.56641
.
0.56714

0.36788
0.69220
0.50047
0.60624
0.54540
0.57961
0.56012
0.57114
0.56488
0.56843
0.56641
0.56756
.
0.56714

M
EXEMPLO 2: RESOLVER

x = 2x 1

x 1 = 0

g ( x) = 2 x 1

x( 0) = 0.9
x(1) = g ( x( 0) ) = 2 0.9 1 = 0.8
x( 2) = g ( x(1) ) = 2 0.8 1 = 0.6
M

g (x n)

0
1
2
3

0
0
0
0

.9
.8
.6
.2

0 .8
0 .6
0 .2
-0 .6

Processo iterativo diverge

PORQUE ???

g (x)

g ( x( 0) )

g (x)

g ( x(1) )

g ( x( 0) )
g ( x(1) )
x( 2) x(1) x( 0)
=
g ( x( 0) )

RAIZ

DIVERGE

x( 0 )

x( 2 )

RAIZ

x(1)
=
g ( x( 0) )

CONVERVE OSCILANDO

g ( x) > 1 DIVERGE
0 < g ( x) < 1 CONVERGE MONOTONICAMENTE
1 < g ( x) < 0 CONVERGE OSCILANDO

MTODO DE BISSEO
SE f(x) UMA FUNO CONTNUA E f(a).f(b) < 0
A RAIZ DE f(x) PERTENCE AO INTERVALO (a,b)
MTODO DE BISSEO CRIA UMA SEQUENCIA DE INTERVALOS
CADE VEZ MENOR QUE CONTENHA A RAIZ

f (x)

a0

m1 x* m2
(a1 , b1 )
(a0 , b0 )

b0 x

Escolher a0 e b0 tal que f (a0 ) f (b0 ) < 0

i =1
mi = 1 2 (a0 + b0 )
While f ( mi ) > , do
if f (mi ) f (bi 1 ) < 0 then
ai = mi
bi = bi 1
end
if f (ai 1 ) f ( mi ) < 0 then
ai = ai 1
bi = mi
end
i = i +1
mi = 1 2 (ai 1 + bi 1 )
Raiz : mi

EXEMPLO 3: RESOLVER

x
sin x = 0
2

ai-1

f(ai-1)

bi-1

f(bi-1)

mi

f(mi)

1
2
3
4
5

1.5
1.75
1.875
1.875
1.90625

<0

2
2
2
1.9375
1.9375

>0

1.75
1.875
1.9375
1.90625
1.9219

<0
<0
>0
<0

CONVERGNCIA EXTREMAMENTE LENTA

CONVERGNCIA MELHORA USANDO VALORES DE f(x)
NO CLCULO DE mi

mi =

bi 1 f (ai 1 ) + ai 1 f (bi 1 )
f (ai 1 ) + f (bi 1 )

MTODO DE NEWTON-RAPHSON (DE NEWTON)

f (x)

tan =

f ( xi )
= f ( xi )
xi xi +1

f ( xi )
xi +1 = xi
f ( xi )

x*

x( 2)

x(1)

x(0)

PROCEDIMENTO ITERATIVO

Chute inicial : x( 0)
i=0
While f ( x(i ) ) > , do
f ( x( i ) )
x =
f ( x(i ) )
x(i +1) = x(i ) + x
i = i +1
Raiz : x(i +1)

EXEMPLO 4: RESOLVER

x
sin x = 0
2

xi

f(xi)

f(bi)

0
1
2
3
4

1.5
2.14039
1.95201
1.93393
1.93375

0.434995
-0.30319
-0.02437
-0.00023
0.000005

-0.67926
-1.60948
-1.34805
-1.32217
-1.32191

0.64039
-0.18838
-0.01808
-0.00018

CONVERGNCIA RPIDA
O TAMANHO DO PASSO DIMINUI A CADA ITERAO
DE UM FATOR DE 10

x
EXEMPLO 5: RESOLVER x e = 0

xi

0
1
2
3
4

0.0

f(xi)

f(bi)

PROPRIEDADE DE CONVERGNCIA

Vamos supor que uma raiz simples de f(x): f ( ) = 0 e f ( ) 0

Obter uma estimativa de erro para a aproximao xn do Mtodo de Newton

n = xn
Expandindo f(x) em srie de Taylor em x=xn com um passo - xn
f (xn + ( xn ) ) = f ( ) = 0
1
0 = f ( xn ) + ( xn ) f ( xn ) + ( xn ) 2 f ( ); ( xn , )
2
1
( xn ) 2 f ( )
f ( xn )
+ ( xn ) = 2

f ( xn )
f ( xn )
1
2
(

x
)
f ( )

f ( xn )
xn
= n +1 = 2

f ( xn )
f ( xn )
14
4244
3
xn+1

1
2

n +1 = n2

f ( )
f ( xn )

n +1 11 f2 (f() )
= n
xn 2
22 f (f() )
n
lim

 Quando perto da soluo, o erro cai quadraticamente:

3 10 2 4 10 4 5 10 8 K
PROBLEMAS COM O MTODO DE NEWTON

O chute inicial deve estar

suficientemente prximo da soluo

O processo iterativo passa por um

ponto de mximo ou mnimo local

f (x)

f (x)
x*

x(0)

x(1)

x*

x(1)

x(0)

 O processo iterativo pode entrar em um ciclo que no converge

f (x)

x(1)

x*

x(0)

Os problemas com o Mtodo de Newton podem ser resolvidos com

um chute inicial perto da soluo
Combinar um mtodo com convergncia global boa (mas lenta) com
o mtodo de Newton (convergncia global ruim, mas extremamente
rpido quando perto da soluo)

MTODO DA SECANTE
O clculo da derivada f(x) pode ser
muito complicado ou caro computacionalmente
Aproximar a derivada por:

f ( x)
PROCEDIMENTO ITERATIVO

f ( xi ) f ( xi 1 )
xi xi 1
Chute inicial : x( 0) e x(1)
i =1
While f ( x(i ) ) > , do
x = f ( x(i ) )

x(i ) x(i 1)

f ( x(i ) ) f ( x(i 1) )
x(i +1) = x(i ) + x
i = i +1
Raiz : x(i +1)

INTERPRETAO GEOMTRICA

Necessita de 2 chutes iniciais

f (x )

x( 2 ) x(1)

Convergncia no quadrtica

x( 0 )
2

EXEMPLO 6: RESOLVER

x
sin x = 0
2

xi

f(xi)

0
1
2
3
4
5

1.0
2.0

-0.59147
0.09070