Upload
haminh
View
213
Download
0
Embed Size (px)
Citation preview
Analise Numerica 1
Slide 1
Resolucao de equacoes nao lineares ou
Calculo de zeros de funcoes
Problema: Dada a funcao f(x) determinar o valor s tal
que f(s) = 0.
Solucao:
• Formulas – exemplo: formula resolvente para equacoes do 20 grau.
↪→ Existem para muito poucos casos.
• Metodos iterativos – dao-nos uma valor aproximado para s.
↪→ Sequencia de valores de x que convergem para s.
Slide 2
x0 — valor inicial −→ f(x0) 6= 0
↓
x1 — 1a iteracao −→ f(x1) 6= 0
↓
x2 — 2a iteracao −→ f(x2) 6= 0
↓
.
..
↓
xn — iteracao n −→ f(xn) ' 0
Isto e:
x0, x1, x2, . . . , xn, . . . −→ s
xn diz-se uma solucao (aproximada) da equacao
Para cada metodo iterativo de resolucao de equacoes nao lineares a que considerar:
1. Se x0, x1, . . . , xn e convergente para s, ou pelo menos sob que condicoes o e.
2. A rapidez com que tal convergencia ocorre.
LEEC/FEUP
Analise Numerica 2
Slide 3
Metodo das bisseccoes sucessivas
Partindo de um intervalo inicial [a, b],
que devera forcosamente conter a raiz
que se pretende determinar, vai-se su-
cessivamente dividindo o intervalo a
meio, garantindo que a raiz se mantem
dentro do intervalo.
• Para que a raiz esteja no intervalo [a, b]:
f(a)f(b) < 0.
• Para que a raiz se mantenha dentro dos sucessivos sub-intervalos:
x1 substitui a ou b conforme f(x1)f(b) < 0 ou f(a)f(x1) < 0.
Slide 4
Erro ao fim da iteracao k
x1 = a+b2
⇒ ε1 <|b−a|
2
x2 = x1+b2
⇒ ε2 <|b−a|
2
2...
...
xk = xk−1+xi
2, i ≤ k − 2 ⇒ εk <
|b−a|2k
Entao, quantas iteracoes se devem fazer para se ter um erro menor que δ?
εn <|b− a|
2n< δ ⇔ 2n >
|b− a|
δ⇔ n > log2
|b− a|
δ
LEEC/FEUP
Analise Numerica 3
Slide 5
Exemplo
Encontre um valor aproximado a menos do que 5× 10−3 da raiz s da equacao
x lnx− 1 = 0
sabendo que s ∈]1, e[.
Resolucao
1. Verificacao das condicoes de convergencia no intervalo dado
f(1) < 0 ∧ f(e) > 0
2. Calculo do numero de iteracoes
Neste problema pretende-se uma precisao δ = 5× 10−3 e b− a = e− 1. Entao:
ε < δ ⇒|b− a|
2k< δ ⇔ k > log2
|b− a|
δ⇔ k > 8.4
Portanto, quando utilizamos o intervalo [1, e] a convergencia esta garantida e
para satisfazer a precisao exigida e suficiente realizar 9 iteracoes. Para 9
iteracoes o erro maximo obtido sera de |e−1|
29 ≈ 4× 10−3.
Slide 6
3. Iteracoes
k ak f(ak) bk f(bk) xk+1
0 1 -1 e 1.718 1.859
1 1 -1 1.859 0.153 1.430
2 1.430 -0.489 1.859 0.153 1.644
3 1.644 -0.182 1.859 0.153 1.752
4 1.752 -0.018 1.859 0.153 1.805
5 1.752 -0.018 1.805 0.066 1.778
6 1.752 -0.018 1.778 0.024 1.765
7 1.752 -0.018 1.765 0.003 1.758
8 1.758 -0.007 1.765 0.003 1.762
Solucao:
x∗ = 1.762± 4× 10−3
︸ ︷︷ ︸⇔ x∗ ∈ [1.758, 1.766]
↓
Esta representacao nao significa que todos estes dıgitos sao significativos.
LEEC/FEUP
Analise Numerica 4
Slide 7
Sıntese
Seja f ∈ C[a, b] e tal que f(a).f(b) < 0. Entao a sucessao {xk} determinada
pelo metodo das bisseccoes sucessivas (xk+1 = bk+ak
2) converge para um zero
de f neste intervalo, e o erro apos k iteracoes satisfaz a seguinte relacao:
εk <|b− a|
2k
Slide 8
Metodo da falsa posicao ou regula falsi
Partindo de um intervalo [a, b], conten-
do a raiz que se pretende determinar,
um dos extremos do intervalo e substi-
tuıdo pela interseccao do segmento de
recta que une os pontos extremos do
intervalo com o eixo dos xx.
Equacao da recta AB:
y−f(a0) =f(b0)− f(a0)
b0 − a0(x−a0) ⇔
y =f(b0)− f(a0)
b0 − a0(x− a0) + f(a0)
LEEC/FEUP
Analise Numerica 5
Slide 9
A interseccao com o eixo dos xx e dada por y = 0:
x− a0 =−f(a0)(b0 − a0)
f(b0)− f(a0)⇔
x = a0 − f(a0)(b0 − a0)
f(b0)− f(a0)
No caso geral vira:
xk+1 =akf(bk)− bkf(ak)
f(bk)− f(ak)
Slide 10
Condicoes de convergencia
Nos extremos dos sucessivos sub-intervalos a funcao deve manter sinais
contrarios. Para isso e suficiente que a funcao nao mude de concavidade no
intervalo [a, b], isto e, f ′′ tenha sinal constante no intervalo [a, b].
LEEC/FEUP
Analise Numerica 6
Slide 11
Erro na iteracao k
Consideremos o caso da convergencia a esquerdaa , isto e:
Se aplicarmos o teorema do valor medio aos intervalos [xk−1, xk] e [xk, s]
obtemos:
∃ξ∈[xk−1,xk] : f(xk)− f(xk−1) = f ′(ξ)(xk − xk−1) (1)
∃ξ′∈[xk,s] : 0− f(xk) = f ′(ξ′)(s− xk) (2)
aNo caso da convergencia a direita o raciocınio e analogo.
Slide 12
Resolvendo (1) em ordem a f(xk), substituindo em (2) e resolvendo esta em ordem
a (xk − s) vem:
(xk − s) =f ′(ξ)(xk − xk−1) + f(xk−1)
f ′(ξ′)
Usando novamente a equacao (1) para substituir f(xk−1) teremos:
(xk − s) =f ′(ξ)(xk − xk−1) + f(xk)− f ′(ξ′′)(xk − xk−1)
f ′(ξ′)
Como, no pressuposto de que a convergencia e a esquerda, f(xk) < 0, entao
cortando esse termo fica-se com uma fraccao maior:
(xk − s) ≤f ′(ξ)(xk − xk−1)− f ′(ξ′′)(xk − xk−1)
f ′(ξ′)
Finalmente, aplicando modulos, usando a desigualdade triangular dos modulosa e
tomando o pior caso para as derivadas, isto e, substituindo f ′(ξ) por
M1 = maxx∈[a,b] |f′(x)| e f ′(ξ′) e f ′(ξ′′) por m1 = minx∈[a,b] |f
′(x)| vem
finalmente:
|xk − s| ≤M1 −m1
m1|xk − xk−1|
a|a + b| ≤ |a|+ |b|
LEEC/FEUP
Analise Numerica 7
Slide 13
Exemplo
Encontre um valor aproximado a menos do que 5× 10−3 da raiz s da equacao
x lnx− 1 = 0
sabendo que s ∈]1, e[.
Resolucao
1. Verificacao das condicoes de convergencia no intervalo dado
f(x) = x lnx− 1
f′(x) = lnx + 1
f′′(x) =
1
x
portanto f ′′ > 0 em [1, e] e esta garantida a convergencia do metodo.
Slide 14
2. Calculo do numero de iteracoes
Temos uma expressao para o majorante do erro em cada iteracao, mas
isso nao nos permite determinar a partida o numero de iteracoes que sao
necessarias para satisfazer um certo erro. Apenas poderemos, a medida
que vamos iterando, determinar o erro maximo dessa aproximacao.
Aplicando a expressao a esta funcao em concreto:
M1 = maxx∈[1,e]
|f ′(x)| = maxx∈[1,e]
| lnx + 1| = 2
m1 = minx∈[1,e]
|f ′(x)| = minx∈[1,e]
| lnx + 1| = 1
Logo:
εk ≤2− 1
1|xk − xk−1| = |xk − xk−1|
LEEC/FEUP
Analise Numerica 8
Slide 15
3. Iteracoes
Usando a formula de calculo de xk+1:
xk+1 =akf(bk)− bkf(ak)
f(bk)− f(ak)
Fazem-se as seguintes iteracoes:
k ak f(ak) bk f(bk) xk+1 εk
0 1 -1 e 1.718 1.632 —
1 1.632 -0.200 e 1.718 1.746 1.1× 10−1
2 1.746 -0.028 e 1.718 1.761 1.5× 10−2
3 1.761 -0.004 e 1.718 1.763 2× 10−3
Obtendo-se a solucao x∗ = 1.763± 2× 10−3.
Slide 16
Sıntese
Seja f ∈ C[a, b] e f ′ ∈ C[a, b]. Seja ainda f uma funcao convexa ou concava
(f ′′ com sinal constante) no intervalo [a, b], com f(a).f(b) < 0. Entao a
sucessao {xk} determinada pelo metodo da falsa posicao
xk+1 =akf(bk)− bkf(ak)
f(bk)− f(ak)
converge para um zero de f nesse intervalo e o erro na iteracao k e
majorado por:
|xk − s| ≤M1 −m1
m1|xk − xk−1|
com 0 < m1 ≤ |f ′(x)| ≤ M1 < ∞, ∀x∈[a,b].
LEEC/FEUP
Analise Numerica 9
Slide 17
Metodo da falsa posicao modificado
Em cada iteracao toma-se o ponto ex-
tremo do intervalo que ficaria fixo (por
exemplo (bk, f(bk)) e substitui-se a co-
ordenada y por metade do seu valor,
(bk,f(bk)
2), desde que os extremos do
intervalo se mantenham em seguida
um de cada lado da raiz. Desta forma
evita-se que um dos extremos do inter-
valo fique fixo ate ao final do processo
iterativo.
Slide 18
Exemplo
A formula de calculo de xk+1 e basicamente a mesma que anteriormente,
substituindo-se quando necessario f(ak) for f(ak)2
ou f(bk) por f(bk)2
.
Para funcao x lnx− 1 = 0 e o intervalo ]1, e[ vem:
k ak f(ak) bk f(bk) xk+1 εk
ouf(ak)
2ou
f(bk)2
0 1 -1 e 1.718 1.632 —
1 1.632 -0.200 e 0.859 1.838 2× 10−1
2 1.632 -0.200 1.838 0.118 1.761 7.7× 10−2
3 1.761 -0.003 1.838 0.118 1.763 2× 10−3
k = 0 x0 = a0 = 1
k = 1 x1 = 1.632 → f(x1) = −0.200 ... a1 = x1
f(x0)f(x1) > 0 ... f(b1) →f(b1)
2k = 2 x2 = 1.838 → f(x2) = 0.118 ... b2 = x2
f(x1)f(x2) < 0 ... f(a2)
k = 3 x3 = 1.761 → f(x3) = −0.003 ... a3 = x3
f(x2)f(x3) < 0 ... f(b3)
LEEC/FEUP
Analise Numerica 10
Slide 19
Outra alteracao ao metodo da falsa posicao – o metodo
da secante
Funciona de modo analogo ao metodo
da falsa posicao mas sem a obrigatorie-
dade de os extremos terem sinais opos-
tos:
xn+1 =f(xn)xn−1 − f(xn−1)xn
f(xn)− f(xn−1)
em que f(xn)f(xn−1) > 0 e admissıvel.
Este metodo e especialmente util quando nao se consegue garantir sinal
constante para a 2a derivada de f no intervalo em estudo.
Esta simplificacao do metodo da falsa posicao pode trazer como
consequencia que o metodo da secante deixe de convergir sob certas
condicoes. Todavia, quando converge, fa-lo mais rapidamente.
Slide 20
Metodo iterativo simples ou de ponto fixo
Este metodo obriga a que a funcao es-
teja expressa sob uma forma recursiva,
isto e:
f(x) = 0 −→ x = F (x)
Partindo de um valor inicial x0 vai-se
recursivamente obtendo novos valores
xn:
xn+1 = F (xn)
LEEC/FEUP
Analise Numerica 11
Slide 21
Condicoes de convergencia
Ha casos em que o metodo diverge!
Seja x = F (x), F (x) contınua e derivavel, e s : s = F (s), isto e, s e a
solucao da equacao f(x) = 0.
Pelo teorema do valor medio:
∃ξn∈[xn,s] : F (xn)− F (s) = F ′(ξn)(xn − s)
Como xn+1 = F (xn) e s = F (s):
xn+1 − s = F ′(ξn)(xn − s)
Slide 22
Indutivamente:
xn − s = F ′(ξn−1)(xn−1 − s)
xn−1 − s = F ′(ξn−2)(xn−2 − s)
· · ·
x1 − s = F ′(ξ0)(x0 − s)
Substituindo em cadeia teremos:
xn+1 − s = F ′(ξn)F ′(ξn−1)F′(ξn−2) · · ·F
′(ξ0)(x0 − s)
Se |F ′(x) < L para todo o x ∈ [xn, s] vem:
|xn+1 − s| < Ln+1|x0 − s|
Se L < 1 entao {xn} → s, isto e, e condicao suficiente para que o metodo
iterativo simples convirja que
|F ′(x)| < 1
numa vizinhanca de s contendo x0.
LEEC/FEUP
Analise Numerica 12
Slide 23
Erro ao fim da iteracao k
Retomemos o teorema do valor medio aplicado ao intervalo [xn, s]:
F (xn)− F (s) = F ′(ξn)(xn − s) ⇔
xn+1 − s = F ′(ξn)(xn − s) ⇔
xn+1 − s = −F ′(ξn)(−xn + s) ⇔
xn+1 − s = −F ′(ξn)(xn+1 − xn + s− xn+1) ⇔
xn+1 − s = −F ′(ξn)(xn+1 − xn) + F ′(ξn)(xn+1 − s) ⇔
xn+1 − s =−F ′(ξn)
1− F ′(ξn)(xn+1 − xn)
Seja
q = maxx∈[a,b]
|F ′(x)|
Entao:
|xn+1 − s| ≤q
1− q|xn+1 − xn|
Slide 24
Exemplo
Encontre um valor aproximado a menos do que 5× 10−3 da raiz s da equacao
x lnx− 1 = 0
sabendo que s ∈]1, e[.
Resolucao
De um modo geral existem varias funcoes F(x) tal que x = F(x) que se podem
obter a partir da funcao f(x) = 0 inicial:
x ln(x)− 1 = 0 −→ x =1
ln(x), F(x) =
1
ln(x)
x ln(x)− 1 = 0 −→ x = e1
x , F(x) = e1
x
Tomando entao, por exemplo, a funcao F(x) = e1
x , temos:
F ′(x) = −1
x2e
1
x
Portanto, F(x) e definida e derivavel em [ 1, e ] (intervalo definido na aula
anterior).
LEEC/FEUP
Analise Numerica 13
Slide 25
F ′′(x) =2
x3e
1
x +1
x4e
1
x =1
x3e
1
x (2 +1
x)
F ′′(x) > 0, ∀ x ∈ [ 1, e ] =⇒ F ′(x) monotona e crescente em [ 1, e ]
como: F ′(x) < 0, ∀ x ∈ [ 1, e ] =⇒ maxx ∈ [ 1, e ]
∣∣F ′(x)
∣∣ =
∣∣F ′(1)
∣∣
Porem, como no intervalo [ 1, e ] nao se verifica |F ′(x)| < 1, ∀ x ∈ [ 1, e ]
⇓
vamos reduzir a largura do intervalo.
[ 1.5, e ] −→∣∣F ′(1.5)
∣∣ ' 0.866 = q
Nota: f(1.5) ' −0.3918 (ainda e < 0 )
...q
1− q' 6.5
Slide 26
Formula de Recorrencia: xn = Fn−1 = e1
xn−1
k xk F(xk) εk
0 1.5 1.948 —
1 1.948 1.671 1.8× 100
2 1.671 1.819 9.6× 10−1
3 1.819 1.733 5.5× 10−1
4 1.733 1.781 3.1× 10−1
5 1.781 1.753 1.8× 10−1
6 1.753 1.769 1.0× 10−1
7 1.769 1.760 5.8× 10−2
8 1.760 1.765 3.2× 10−2
9 1.765 1.762 1.9× 10−2
10 1.762 1.764 1.3× 10−2
11 1.764 1.763 6.5× 10−3
12 1.763 1.763 3.0× 10−3
13 1.763
LEEC/FEUP
Analise Numerica 14
Slide 27
Sıntese
f(x) = 0 −→ x = F(x)
Seja F(x) definida e derivavel num intervalo I = [ a, b ] que contem todos
os pontos xk . Se existir uma constante q tal que:
|F ′(x)| ≤ q < 1, ∀ x ∈ I,
entao o processo iterativo xk = F(xk−1) converge independentemente do
valor inicial x0 ∈ [ a, b ] e esse limite e a unica raiz da equacao x = F(x)
em [ a, b ] . Apos k iteracoes o erro satisfaz a seguinte relacao:
εk = |x∗ − xk| <q
1− q|xk − xk−1|
com:
q = maxx ∈ I
|F ′(x)|
Slide 28
Ordem de um metodo iterativo
Considere um metodo iterativo tal que:
xn+1 = F (xn) (3)
Seja s a raiz ou solucao da equacao, isto e:
s = F (s) (4)
Desenvolva-se entao F (x) em serie de Taylor em torno de s:
F (xn) = F (s) + (xn − s)F ′(s) +xn − s)2
2!F ′′(s) + . . . ⇔
F (xn) = F (s)− (s− xn)F ′(s) +s− xn)2
2!F ′′(s)− . . .
Usando as igualdades (3) e (4) podemos desenvolver a expressao s− xn+1 da
seguinte forma:
LEEC/FEUP
Analise Numerica 15
Slide 29
s− xn+1 = s−F (xn) =
=0︷ ︸︸ ︷
s− F (s) +F ′(s)(s− xn)−F ′′(s)(s− xn)2
2!+ . . . ⇔
s− xn+1 = F ′(s)(s− xn)−F ′′(s)
2!(s− xn)2 + . . .
Definindo ∆i = s− xi como o erro na iteracao i:
∆n+1 = F ′(s)∆n −F ′′(s)
2!∆2
n + . . .
Se F ′(s) 6= 0 entao o erro na iteracao n + 1 e directamente proporcional ao
erro na iteracao n (como o erro e menor do que 1 as suas potencias ∆kn sao
desprezaveis face ao termo de primeira ordem ∆n), isto e, a convergencia e
de primeira ordem.
Se F ′(s) = 0 e F ′′(s) 6= 0 temos uma convergencia de segunda ordem.
No caso geral em que F (r)(s) = 0, ∀r<k e F k(s) 6= 0 teremos uma
convergencia de ordem k, isto e:
∆n+1 ∝ ∆kn
Slide 30
Metodo de Newton
O metodo de Newton e semelhante ao
metodo da falsa posicao e suas varian-
tes com a diferenca de usar a tangente
no ponto (xi, f(xi)) em vez da secante
que une os pontos extremos.
Neste caso qual e a expressao que gera
os sucessivos xk?
Olhando para o triangulo rectangulo formado por x0, x1 e f(x0)
tira-se de imediato que tan θ = f(x0)x0−x1
. Mas como f ′(x0) = tan θ,
por definicao de derivada e declive da recta tangente, vem:
f ′(x0) =f(x0)
x0 − x1⇔ x1 = x0 −
f(x0)
f ′(x0)
No caso geral teremos:
xn+1 = xn −f(xn)
f ′(xn)
LEEC/FEUP
Analise Numerica 16
Slide 31
Ordem de convergencia
A formula de recorrencia do metodo de Newton e tambem do tipo
xn+1 = F (xn), em que F (xn) = xn −f(xn)f ′(xn)
.
Recordando o que se disse sobre a ordem de convergencia de metodos
iterativos teremos neste caso:
F (xn) = xn −f(xn)
f ′(xn)⇒ F ′(x) = 1−
[f ′(x)]2 − f(x)f ′′(x)
[f ′(x)]2
No ponto s teremos:
F ′(s) = 1−[f ′(s)]2−
=0,pois f(s)=0︷ ︸︸ ︷
f(s)f ′′(s)
[f ′(s)]2= 1− 1 = 0, para f ′(s) 6= 0
Slide 32
Quanto a segunda derivada:
F ′′(x) = −[2f ′(x)f ′′(x)− f ′(x)f ′′(x)− f(x)f ′′′(x)]f ′(x)2 − [f ′(x)2 − f(x)f ′′(x)]× [2f ′(x)f ′′(x)]
f ′(x)4
Que calculada no ponto s dara:
F ′′(s) =f ′(s)3f ′′(s)− 2f ′(s)3f ′′(s)
f ′(s)4=
f ′′(s)
f ′(s)6= 0
a menos que f(x) apresente caracterısitcas particulares. Entao, para uma
funcao qualquer, o metodo de Newton e um metodo de 2a ordem.
LEEC/FEUP
Analise Numerica 17
Slide 33
Condicoes de convergencia
Ha casos em que o metodo diverge!
Quando estudamos a ordem de convergencia vimos que esta dependia da
segunda derivada de f no ponto s, pelo que a primeira condicao de
convergencia sera que f(x) seja contınua e duplamente diferenciavel em [a, b].
Pelo exemplo ilustrado na figura acima (ponto x3) e tambem evidente que se
tem que impor que f ′(x) 6= 0, ∀x∈[a,b].
Slide 34
Para que o metodo convirja “basta” que as tangentes sejam tais que os pontos xi
nao saiam fora do intervalo [a, b] e que estes se vao aproximando de s.
Uma forma de garantir isso (ha ou-
tras) seria impor concavidade cons-
tante a funcao f(x) – f ′′(x) com si-
nal constante – e impor que as tan-
gentes em a e b intersectem o ei-
xo dos xx dentro do intervalo [a, b].
Estas sao no entanto condicoes ape-
nas suficientes. Se neste caso co-
mecarmos com x0 = a, apesar de a
tangente em b intersectar o eixo dos
xx fora de [a, b], o metodo converge!
Condicao suficiente “menos forte” (mas ainda suficiente) relacionada apenas com o
ponto inicial (x0) e que f(x0)f′′(x0) > 0.
LEEC/FEUP
Analise Numerica 18
Slide 35
Demonstracao
Seja s a raiz da equacao f(x) = 0.
Vamos desenvolver f(s) em serie de Taylor em torno de xk:
f(s) = 0 = f(xk) + f ′(xk)(s− xk) +f ′′(ξk)
2(s− xk)2, ξk ∈ [s, xk]
Donde se extrai:
s− xk = −f(xk)
f ′(xk)−
f ′′(ξk)
2f ′(xk)(s− xk)2
Slide 36
Vamos supor que s − xk > 0 (s a
direita de xk, portanto convergencia
a esquerda). Entao o lado direito da
equacao tambem tera que ser positivo,
isto e:
−f(xk)
f ′(xk)−
f ′′(ξk)
2f ′(xk)(s− xk)2 > 0
Como (s − xk)2 > 0, uma condicao
suficiente para que o lado direiro da
equacao seja positivo e que:
f(xk)
f ′(xk)< 0 ∧
f ′′(ξk)
2f ′(xk)< 0
isto e, f(xk) com sinal contrario a
f ′(xk) e f ′(xk) com sinal contrario a
f ′′(ξk), ou seja, f(xk) e f ′′(ξk) com
o mesmo sinal.
Vamos supor que s−xk < 0 (s a es-
querda de xk, portanto convergencia
a direita). Entao o lado direito da
equacao tambem tera que ser negati-
vo, isto e:
−f(xk)
f ′(xk)−
f ′′(ξk)
2f ′(xk)(s− xk)2 < 0
Como (s − xk)2 > 0, uma condicao
suficiente para que o lado direiro da
equacao seja negativo e que:
f(xk)
f ′(xk)> 0 ∧
f ′′(ξk)
2f ′(xk)> 0
isto e, f(xk) com o mesmo sinal de
f ′(xk) e f ′(xk) com o mesmo sinal de
f ′′(ξk), ou seja, f(xk) e f ′′(ξk) com
o mesmo sinal.
LEEC/FEUP
Analise Numerica 19
Slide 37
Ja tinhamos imposto anteriormente concavidade constante a funcao f
(f ′′(x) com sinal constante no intervalo [a, b]). A concavidade constante
implica que as tangentes a f sejam estritamente crescentes ou decrescentes
no intervalo [a, b]. Entao, o metodo vai convergir estritamente pela esquerda
ou estritamente pela direita de s. Nestas condicoes f(x) vai ter sinal
constante no intervalo [s, xk], ∀k.
Consequentemente, dado que quer f ′′ quer f tem sinal constante no intervalo
de convergencia, basta garantir as condicoes para o ponto inicial x0:
f ′′(x0)f(x0) > 0
que estas ficam automaticamente garantidas para xk e ξk, que pertencem ao
intervalo [s, xk].
Slide 38
Erro na iteracao k
Retomemos o desenvolvimento em serie de Taylor feito anteriormente:
s = xk −f(xk)
f ′(xk)−
f ′′(ξk)
2f ′(xk)(s− xk)2
Utilizando a formula de recorrencia do metodo de Newton:
xk+1 = xk −f(xk)
f ′(xk)
Obtemos:
s = xk+1 −f ′′(ξk)
2f ′(xk)(s− xk)2 ⇔
s− xk+1 = −f ′′(ξk)
2f ′(xk)(s− xk)2 ⇔
|ek+1| ≤|f ′′(ξk)|
2|f ′(xk)||ek|
2
LEEC/FEUP
Analise Numerica 20
Slide 39
Entao, apos k iteracoes o erro satisfaz a seguinte relacao:
εk = |s− xk| ≤M2
2 m1|s− xk−1|
2
com
M2 = maxx ∈ [ a, b ]
|f ′′(x)|
m1 = minx ∈ [ a, b ]
|f ′(x)|
Para a determinacao de e0 toma-se, de uma forma pessimista, e0 = |b− a|.
Slide 40
Exemplo
Determine a raiz positiva da equacao f(x) = x2 − 2 = 0 com um erro inferior a
10−4 e tomando [a, b] = [1, 1.5].
Resolucao:
Verificacao das condicoes de convergencia
f(x) = x2 − 2
f′(x) = 2x ⇒ m1 = 2
f′′(x) = 2 ⇒ M2 = 2
Para o ponto inicial, tomemos x0 = 1:
f(1) = 12 − 2 = −1
f′′(1) = 2 ⇒ f(1)f ′′(1) < 0 (!)
LEEC/FEUP
Analise Numerica 21
Slide 41
Tentemos entao x0 = 1.5:
f(1.5) = 1.52 − 2 = 0.25
f′′(1.5) = 2 ⇒ f(1.5)f ′′(1.5) > 0
Expressao do erro
εk+1 ≤2
2 1ε2k = 0.5 ε
2k
Iteracoes
k xk f(xk) f ′(xk) xk+1 εk+1
0 1.50000 0.25000 3.00000 1.41667 0.12500
1 1.41667 0.00694 2.83333 1.41422 0.00781
2 1.41422 0.00000 2.82843 1.41422 0.00003
Slide 42
Sıntese
Seja f ∈ C2 [ a, b ] - contınua e duplamente diferenciavel em [ a, b ] .
Se se verificar:
0 < m1 ≤ |f ′(x)| ≤ M1, ∀ x ∈ [ a, b ]
|f ′′(x)| ≤ M2, ∀ x ∈ [ a, b ]
Entao o metodo de Newton converge desde que se tome para valor inicial
x0 um valor pertencente a [ a, b ] tal que f(x0) f ′′(x0) > 0 .
Apos k iteracoes o erro satisfaz a seguinte relacao:
εk ≤M2
2 m1ε2k−1
LEEC/FEUP