Вы находитесь на странице: 1из 49

C alculo Numerico

Soluc ao de Equac oes em Uma Variavel


Metodo da Bissec ao
Joao Paulo Gois
Universidade Federal do ABC
1
1
Apresenta cao baseada nos slides do prof. John Carroll, Dublin City University e no Livro Analise Numerica
(Burden & Faires)
1
Problema de Encontrar Razes;
2
Metodo da Bissecao;
3
Exemplos;
4
Analise.
1
Problema de Encontrar Razes;
2
Metodo da Bissecao;
3
Exemplos;
4
Analise.
1
Problema de Encontrar Razes;
2
Metodo da Bissecao;
3
Exemplos;
4
Analise.
1
Problema de Encontrar Razes;
2
Metodo da Bissecao;
3
Exemplos;
4
Analise.
1
Problema de Encontrar Razes;
2
Metodo da Bissecao;
3
Exemplos;
4
Analise.
Problema de encontrar razes
Zero da fun cao f(x)
Consideremos um dos problemas mais basicos do calculo
numerico: problema de encontrar razes
Este processo envolve encontrar uma raiz, ou solu cao de uma
equacao da forma:
f(x) = 0
A raiz desta equa cao e chamada de um zero da funcao f.
Problema de encontrar razes
Zero da fun cao f(x)
Consideremos um dos problemas mais basicos do calculo
numerico: problema de encontrar razes
Este processo envolve encontrar uma raiz, ou solu cao de uma
equacao da forma:
f(x) = 0
A raiz desta equa cao e chamada de um zero da funcao f.
Problema de encontrar razes
Zero da fun cao f(x)
Consideremos um dos problemas mais basicos do calculo
numerico: problema de encontrar razes
Este processo envolve encontrar uma raiz, ou solu cao de uma
equacao da forma:
f(x) = 0
A raiz desta equa cao e chamada de um zero da funcao f.
O Metodo da Bisse cao
Revisao
Primeiramente consideraremos o Metodo da Bisse cao (Busca
Binaria) que e baseado no Teorema do Valor Intermediario
TVI
Suponha uma funcao contnua f, denida em [a, b] e com
f(a)f(b) < 0 (sinais opostos);
Pelo TVI, existe p (a, b) tal que f(p) = 0. Vamos assumir
por simplicidade que a raiz no intervalo [a, b] e unica.
O Metodo da Bisse cao
Revisao
Primeiramente consideraremos o Metodo da Bisse cao (Busca
Binaria) que e baseado no Teorema do Valor Intermediario
TVI
Suponha uma funcao contnua f, denida em [a, b] e com
f(a)f(b) < 0 (sinais opostos);
Pelo TVI, existe p (a, b) tal que f(p) = 0. Vamos assumir
por simplicidade que a raiz no intervalo [a, b] e unica.
O Metodo da Bisse cao
Revisao
Primeiramente consideraremos o Metodo da Bisse cao (Busca
Binaria) que e baseado no Teorema do Valor Intermediario
TVI
Suponha uma funcao contnua f, denida em [a, b] e com
f(a)f(b) < 0 (sinais opostos);
Pelo TVI, existe p (a, b) tal que f(p) = 0. Vamos assumir
por simplicidade que a raiz no intervalo [a, b] e unica.
O Metodo da Bisse cao
Revisao
Primeiramente consideraremos o Metodo da Bisse cao (Busca
Binaria) que e baseado no Teorema do Valor Intermediario
TVI
Suponha uma funcao contnua f, denida em [a, b] e com
f(a)f(b) < 0 (sinais opostos);
Pelo TVI, existe p (a, b) tal que f(p) = 0. Vamos assumir
por simplicidade que a raiz no intervalo [a, b] e unica.
Metodo da Bissec ao Exemplo Graco
2.1 The Bisection Method 49
Figure 2.1
x
y
f (a)
f ( p
2
)
f ( p
1
)
f (b)
y f (x)
a a
1
b b
1
p
p
1
p
2
p
3
a
1
b
1
p
1
p
2
a
2
b
2
p
3
a
3
b
3
ALGORITHM
2.1
Bisection
To nd a solution to f (x) = 0 given the continuous function f on the interval [a, b], where
f (a) and f (b) have opposite signs:
INPUT endpoints a, b; tolerance TOL; maximum number of iterations N
0
.
OUTPUT approximate solution p or message of failure.
Step 1 Set i = 1;
FA = f (a).
Step 2 While i N
0
do Steps 36.
Step 3 Set p = a + (b a)/2; (Compute p
i
.)
FP = f ( p).
Step 4 If FP = 0 or (b a)/2 < TOL then
OUTPUT (p); (Procedure completed successfully.)
STOP.
Step 5 Set i = i + 1.
Step 6 If FA FP > 0 then set a = p; (Compute a
i
, b
i
.)
FA = FP
else set b = p. (FA is unchanged.)
Step 7 OUTPUT (Method failed after N
0
iterations, N
0
=, N
0
);
(The procedure was unsuccessful.)
STOP.
Other stopping procedures can be applied in Step 4 of Algorithm 2.1 or in any of
the iterative techniques in this chapter. For example, we can select a tolerance > 0 and
generate p
1
, . . . , p
N
until one of the following conditions is met:
Copyright 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).
Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.
O Metodo da Bisse cao
Passos computacionais
Iniciamos fazendo a
1
= a e b
1
= b e calculamos o ponto
medio p
1
de [a, b]:
p
1
=
a
1
+ b
1
2
;
Se f(p
1
) = 0, tomamos p = p
1
e encontramos a raiz;
Se f(p
1
) = 0, ou f(p
1
) > 0 ou f(p
1
) < 0;
Se f(p
1
) tem o mesmo sinal de f(a
1
), p (p
1
, b
1
). Fa ca
a
2
= p
1
e b
2
= b
1
;
Se f(p
1
) tem o mesmo sinal de f(b
1
), p (a
1
, p
1
). Fa ca
a
2
= a
1
e b
2
= p
1
;
Repita o processo no intervalo [a2, b2], ate encontrar a raiz.
O Metodo da Bisse cao
Passos computacionais
Iniciamos fazendo a
1
= a e b
1
= b e calculamos o ponto
medio p
1
de [a, b]:
p
1
=
a
1
+ b
1
2
;
Se f(p
1
) = 0, tomamos p = p
1
e encontramos a raiz;
Se f(p
1
) = 0, ou f(p
1
) > 0 ou f(p
1
) < 0;
Se f(p
1
) tem o mesmo sinal de f(a
1
), p (p
1
, b
1
). Fa ca
a
2
= p
1
e b
2
= b
1
;
Se f(p
1
) tem o mesmo sinal de f(b
1
), p (a
1
, p
1
). Fa ca
a
2
= a
1
e b
2
= p
1
;
Repita o processo no intervalo [a2, b2], ate encontrar a raiz.
O Metodo da Bisse cao
Passos computacionais
Iniciamos fazendo a
1
= a e b
1
= b e calculamos o ponto
medio p
1
de [a, b]:
p
1
=
a
1
+ b
1
2
;
Se f(p
1
) = 0, tomamos p = p
1
e encontramos a raiz;
Se f(p
1
) = 0, ou f(p
1
) > 0 ou f(p
1
) < 0;
Se f(p
1
) tem o mesmo sinal de f(a
1
), p (p
1
, b
1
). Fa ca
a
2
= p
1
e b
2
= b
1
;
Se f(p
1
) tem o mesmo sinal de f(b
1
), p (a
1
, p
1
). Fa ca
a
2
= a
1
e b
2
= p
1
;
Repita o processo no intervalo [a2, b2], ate encontrar a raiz.
O Metodo da Bisse cao
Passos computacionais
Iniciamos fazendo a
1
= a e b
1
= b e calculamos o ponto
medio p
1
de [a, b]:
p
1
=
a
1
+ b
1
2
;
Se f(p
1
) = 0, tomamos p = p
1
e encontramos a raiz;
Se f(p
1
) = 0, ou f(p
1
) > 0 ou f(p
1
) < 0;
Se f(p
1
) tem o mesmo sinal de f(a
1
), p (p
1
, b
1
). Fa ca
a
2
= p
1
e b
2
= b
1
;
Se f(p
1
) tem o mesmo sinal de f(b
1
), p (a
1
, p
1
). Fa ca
a
2
= a
1
e b
2
= p
1
;
Repita o processo no intervalo [a2, b2], ate encontrar a raiz.
O Metodo da Bisse cao
Passos computacionais
Iniciamos fazendo a
1
= a e b
1
= b e calculamos o ponto
medio p
1
de [a, b]:
p
1
=
a
1
+ b
1
2
;
Se f(p
1
) = 0, tomamos p = p
1
e encontramos a raiz;
Se f(p
1
) = 0, ou f(p
1
) > 0 ou f(p
1
) < 0;
Se f(p
1
) tem o mesmo sinal de f(a
1
), p (p
1
, b
1
). Fa ca
a
2
= p
1
e b
2
= b
1
;
Se f(p
1
) tem o mesmo sinal de f(b
1
), p (a
1
, p
1
). Fa ca
a
2
= a
1
e b
2
= p
1
;
Repita o processo no intervalo [a2, b2], ate encontrar a raiz.
O Metodo da Bisse cao
Passos computacionais
Iniciamos fazendo a
1
= a e b
1
= b e calculamos o ponto
medio p
1
de [a, b]:
p
1
=
a
1
+ b
1
2
;
Se f(p
1
) = 0, tomamos p = p
1
e encontramos a raiz;
Se f(p
1
) = 0, ou f(p
1
) > 0 ou f(p
1
) < 0;
Se f(p
1
) tem o mesmo sinal de f(a
1
), p (p
1
, b
1
). Fa ca
a
2
= p
1
e b
2
= b
1
;
Se f(p
1
) tem o mesmo sinal de f(b
1
), p (a
1
, p
1
). Fa ca
a
2
= a
1
e b
2
= p
1
;
Repita o processo no intervalo [a2, b2], ate encontrar a raiz.
Metodo da Bissec ao Algoritmo
Algoritmo
1
a
1
= a; b
1
= b; p
0
= b;
2
i = 1;
3
p
i
=
a
i
+b
i
2
;
4
Se |p
i
p
i1
| < or |f(p
i
)| < va para 10.
5
Se f(p
i
)f(a
i
) > 0, va para 6; Caso contrario, va para 8;
6
a
i+1
= p
i
; b
i+1
= b
i
;
7
i = 1 + 1; va para 3;
8
a
i+1
= a
i
; b
i+1
= p
i
;
9
i = i + 1; va para 3;
10
Fim.
Metodo da Bissec ao
Condicao de parada
Outros criterios de paradas podem ser empregados no Passo 4;
Por exemplo, podemos selecionar uma tolerancia > 0 e gerar
p
1
, , p
N
ate umas das condicoes forem satisfeitas:
|p
N
p
N1
| < (1)
|p
N
p
N1
|
|p
N
|
< (2)
|f(p
N
)| < (3)
A desigualdade 2 e o melhor criterio de parada para se aplicar,
pois ele se torna mais proximo ao erro relativo.
Por que nao usar condi cao de parada com = em vez de < ?
Metodo da Bissec ao
Condicao de parada
Outros criterios de paradas podem ser empregados no Passo 4;
Por exemplo, podemos selecionar uma tolerancia > 0 e gerar
p
1
, , p
N
ate umas das condicoes forem satisfeitas:
|p
N
p
N1
| < (1)
|p
N
p
N1
|
|p
N
|
< (2)
|f(p
N
)| < (3)
A desigualdade 2 e o melhor criterio de parada para se aplicar,
pois ele se torna mais proximo ao erro relativo.
Por que nao usar condi cao de parada com = em vez de < ?
Metodo da Bissec ao
Condicao de parada
Outros criterios de paradas podem ser empregados no Passo 4;
Por exemplo, podemos selecionar uma tolerancia > 0 e gerar
p
1
, , p
N
ate umas das condicoes forem satisfeitas:
|p
N
p
N1
| < (1)
|p
N
p
N1
|
|p
N
|
< (2)
|f(p
N
)| < (3)
A desigualdade 2 e o melhor criterio de parada para se aplicar,
pois ele se torna mais proximo ao erro relativo.
Por que nao usar condi cao de parada com = em vez de < ?
Metodo da Bissec ao
Condicao de parada
Outros criterios de paradas podem ser empregados no Passo 4;
Por exemplo, podemos selecionar uma tolerancia > 0 e gerar
p
1
, , p
N
ate umas das condicoes forem satisfeitas:
|p
N
p
N1
| < (1)
|p
N
p
N1
|
|p
N
|
< (2)
|f(p
N
)| < (3)
A desigualdade 2 e o melhor criterio de parada para se aplicar,
pois ele se torna mais proximo ao erro relativo.
Por que nao usar condi cao de parada com = em vez de < ?
Metodo da Bissec ao
Condicao de parada
Outros criterios de paradas podem ser empregados no Passo 4;
Por exemplo, podemos selecionar uma tolerancia > 0 e gerar
p
1
, , p
N
ate umas das condicoes forem satisfeitas:
|p
N
p
N1
| < (1)
|p
N
p
N1
|
|p
N
|
< (2)
|f(p
N
)| < (3)
A desigualdade 2 e o melhor criterio de parada para se aplicar,
pois ele se torna mais proximo ao erro relativo.
Por que nao usar condi cao de parada com = em vez de < ?
Exemplo
f(x) = x
3
+ 4x
2
10 = 0
Mostre que f(x) tem raiz em [1, 2] e use o metodo da Bisse cao
para determinar uma aproxima cao para a raiz com precisao inferior
a 10
4
.
Teste de Erro relativo
Para este exemplo usaremos erro relativo inferior a 10
4
, implemen-
tado na forma:
|p
N
p
N1
|
|p
N
|
< 10
4
(10 min.)
Exemplo
f(x) = x
3
+ 4x
2
10 = 0
Mostre que f(x) tem raiz em [1, 2] e use o metodo da Bisse cao
para determinar uma aproxima cao para a raiz com precisao inferior
a 10
4
.
Teste de Erro relativo
Para este exemplo usaremos erro relativo inferior a 10
4
, implemen-
tado na forma:
|p
N
p
N1
|
|p
N
|
< 10
4
(10 min.)
Soluc ao
Solucao
Como f(1) = 5 e f(2) = 14, pelo TVI, f possui uma raiz
em [1, 2];
Para o primeiro passo do Metodo da Bisse cao, temos (no
ponto medio) f(1.5) = 2.375 > 0
Isto indica que devemos selecionar o intervalo [1, 1.5] para a
segunda iteracao;
Entao calculamos f(1.25) = 1.796875 e o novo intervalo se
torna [1.25, 1.5], cujo ponto medio e 1.375
Continuamos, gerando a seguinte tabela:
Soluc ao
Solucao
Como f(1) = 5 e f(2) = 14, pelo TVI, f possui uma raiz
em [1, 2];
Para o primeiro passo do Metodo da Bisse cao, temos (no
ponto medio) f(1.5) = 2.375 > 0
Isto indica que devemos selecionar o intervalo [1, 1.5] para a
segunda iteracao;
Entao calculamos f(1.25) = 1.796875 e o novo intervalo se
torna [1.25, 1.5], cujo ponto medio e 1.375
Continuamos, gerando a seguinte tabela:
Soluc ao
Solucao
Como f(1) = 5 e f(2) = 14, pelo TVI, f possui uma raiz
em [1, 2];
Para o primeiro passo do Metodo da Bisse cao, temos (no
ponto medio) f(1.5) = 2.375 > 0
Isto indica que devemos selecionar o intervalo [1, 1.5] para a
segunda iteracao;
Entao calculamos f(1.25) = 1.796875 e o novo intervalo se
torna [1.25, 1.5], cujo ponto medio e 1.375
Continuamos, gerando a seguinte tabela:
Soluc ao
Solucao
Como f(1) = 5 e f(2) = 14, pelo TVI, f possui uma raiz
em [1, 2];
Para o primeiro passo do Metodo da Bisse cao, temos (no
ponto medio) f(1.5) = 2.375 > 0
Isto indica que devemos selecionar o intervalo [1, 1.5] para a
segunda iteracao;
Entao calculamos f(1.25) = 1.796875 e o novo intervalo se
torna [1.25, 1.5], cujo ponto medio e 1.375
Continuamos, gerando a seguinte tabela:
Soluc ao
Solucao
Como f(1) = 5 e f(2) = 14, pelo TVI, f possui uma raiz
em [1, 2];
Para o primeiro passo do Metodo da Bisse cao, temos (no
ponto medio) f(1.5) = 2.375 > 0
Isto indica que devemos selecionar o intervalo [1, 1.5] para a
segunda iteracao;
Entao calculamos f(1.25) = 1.796875 e o novo intervalo se
torna [1.25, 1.5], cujo ponto medio e 1.375
Continuamos, gerando a seguinte tabela:
Soluc ao
Solucao
Como f(1) = 5 e f(2) = 14, pelo TVI, f possui uma raiz
em [1, 2];
Para o primeiro passo do Metodo da Bisse cao, temos (no
ponto medio) f(1.5) = 2.375 > 0
Isto indica que devemos selecionar o intervalo [1, 1.5] para a
segunda iteracao;
Entao calculamos f(1.25) = 1.796875 e o novo intervalo se
torna [1.25, 1.5], cujo ponto medio e 1.375
Continuamos, gerando a seguinte tabela:
Tabela
2.1 The Bisection Method 51
Table 2.1
n a
n
b
n
p
n
f ( p
n
)
1 1.0 2.0 1.5 2.375
2 1.0 1.5 1.25 1.79687
3 1.25 1.5 1.375 0.16211
4 1.25 1.375 1.3125 0.84839
5 1.3125 1.375 1.34375 0.35098
6 1.34375 1.375 1.359375 0.09641
7 1.359375 1.375 1.3671875 0.03236
8 1.359375 1.3671875 1.36328125 0.03215
9 1.36328125 1.3671875 1.365234375 0.000072
10 1.36328125 1.365234375 1.364257813 0.01605
11 1.364257813 1.365234375 1.364746094 0.00799
12 1.364746094 1.365234375 1.364990235 0.00396
13 1.364990235 1.365234375 1.365112305 0.00194
so the approximation is correct to at least within 10
4
. The correct value of p to nine decimal
places is p = 1.365230013. Note that p
9
is closer to p than is the nal approximation p
13
.
You might suspect this is true because |f ( p
9
)| < |f ( p
13
)|, but we cannot be sure of this
unless the true answer is known.
The Bisection method, though conceptually clear, has signicant drawbacks. It is rel-
atively slow to converge (that is, N may become quite large before | p p
N
| is sufciently
small), and a good intermediate approximation might be inadvertently discarded. However,
the method has the important property that it always converges to a solution, and for that
reason it is often used as a starter for the more efcient methods we will see later in this
chapter.
Theorem 2.1 Suppose that f C[a, b] and f (a) f (b) < 0. The Bisection method generates a sequence
{ p
n
}

n=1
approximating a zero p of f with
| p
n
p|
b a
2
n
, when n 1.
Proof For each n 1, we have
b
n
a
n
=
1
2
n1
(b a) and p (a
n
, b
n
).
Since p
n
=
1
2
(a
n
+ b
n
) for all n 1, it follows that
| p
n
p|
1
2
(b
n
a
n
) =
b a
2
n
.
Because
| p
n
p| (b a)
1
2
n
,
the sequence { p
n
}

n=1
converges to p with rate of convergence O

1
2
n

; that is,
p
n
= p + O

1
2
n

.
It is important to realize that Theorem 2.1 gives only a bound for approximation error
and that this bound might be quite conservative. For example, this bound applied to the
problem in Example 1 ensures only that
Copyright 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).
Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.
Soluc ao
Solucao
Apos 13 itera coes, p
13
= 1.365112305 aproxima a raiz p com
erro:
|pp
13
| < |b
14
a
14
| = |1.3652343751.365112305| = 0.000122070.
Como |a
14
| < |p|, temos
|p p
13
|
|p|
<
|b
14
a
14
|
|a
14
|
9.0 10
5
,
Logo, a aproxima cao esta correta, com erro inferior a 10
4
Soluc ao
Solucao
Apos 13 itera coes, p
13
= 1.365112305 aproxima a raiz p com
erro:
|pp
13
| < |b
14
a
14
| = |1.3652343751.365112305| = 0.000122070.
Como |a
14
| < |p|, temos
|p p
13
|
|p|
<
|b
14
a
14
|
|a
14
|
9.0 10
5
,
Logo, a aproxima cao esta correta, com erro inferior a 10
4
Soluc ao
Solucao
Apos 13 itera coes, p
13
= 1.365112305 aproxima a raiz p com
erro:
|pp
13
| < |b
14
a
14
| = |1.3652343751.365112305| = 0.000122070.
Como |a
14
| < |p|, temos
|p p
13
|
|p|
<
|b
14
a
14
|
|a
14
|
9.0 10
5
,
Logo, a aproxima cao esta correta, com erro inferior a 10
4
Soluc ao
Solucao
Apos 13 itera coes, p
13
= 1.365112305 aproxima a raiz p com
erro:
|pp
13
| < |b
14
a
14
| = |1.3652343751.365112305| = 0.000122070.
Como |a
14
| < |p|, temos
|p p
13
|
|p|
<
|b
14
a
14
|
|a
14
|
9.0 10
5
,
Logo, a aproxima cao esta correta, com erro inferior a 10
4
Resultado Te orico
Teorema
Suponha que f C[a, b] e f(a)f(b) < 0. O metodo da bissecao
gera uma sequencia {p
n
}

n=1
aproxima um zero de f com
|p
n
p|
b a
2
n
, n 1
Resultado Te orico
Limitante de Erro Conservador
O teorema da um limitante para o erro de aproxima cao e que
este limitante pode ser muito conservador;
Por exemplo, este limitante aplicado ao problema anterior
(f(x) = x
3
+ 4x
2
10) assegura que:
|p p
9
|
2 1
2
9
2 10
3
mas o erro e muito menor:
|p p
9
| = |1.365230013 1.365234375| 4.4 10
6
.
Exerccio
Exemplo
Determine o n umero de itera coes necessarias para resolver a equacao
f(x) = x
3
+ 4x
2
10 = 0, com precisao de 10
3
, usando a
1
= 1 e
b
1
= 2.
Solucao
Usaremos logaritmo (base 10) para encontrar o inteiro N que
satisfaz:
|p
N
p| 2
N
(b a) = 2
N
< 10
3
Assim
N log
10
2 < 3 N >
3
log
10
2
9.96
Logo 10 itera coes sao sucientes para garantir esta precisao.
Na tabela temos que p
9
= 1.365234375 possui precisao
inferior a 10
4
.
Exerccio
Exemplo
Determine o n umero de itera coes necessarias para resolver a equacao
f(x) = x
3
+ 4x
2
10 = 0, com precisao de 10
3
, usando a
1
= 1 e
b
1
= 2.
Solucao
Usaremos logaritmo (base 10) para encontrar o inteiro N que
satisfaz:
|p
N
p| 2
N
(b a) = 2
N
< 10
3
Assim
N log
10
2 < 3 N >
3
log
10
2
9.96
Logo 10 itera coes sao sucientes para garantir esta precisao.
Na tabela temos que p
9
= 1.365234375 possui precisao
inferior a 10
4
.
Considerac oes nais
Consideracoes nais
O Metodo da Bisse cao possui diversas limitacoes;
Primeiro que a taxa de convergencia e lenta: N pode se
tornar muito grande antes de p p
N
se tornar pequeno;

E possvel que uma aproximacao intermediaria possa ser


inadvertidamente descartada;
O metodo sempre converge para uma solucao. Contudo, e por
esta razao, e frequentemente usado para oferecer uma
aproximacao inicial para um metodo mais eciente.
Considerac oes nais
Consideracoes nais
O Metodo da Bisse cao possui diversas limitacoes;
Primeiro que a taxa de convergencia e lenta: N pode se
tornar muito grande antes de p p
N
se tornar pequeno;

E possvel que uma aproximacao intermediaria possa ser


inadvertidamente descartada;
O metodo sempre converge para uma solucao. Contudo, e por
esta razao, e frequentemente usado para oferecer uma
aproximacao inicial para um metodo mais eciente.
Considerac oes nais
Consideracoes nais
O Metodo da Bisse cao possui diversas limitacoes;
Primeiro que a taxa de convergencia e lenta: N pode se
tornar muito grande antes de p p
N
se tornar pequeno;

E possvel que uma aproximacao intermediaria possa ser


inadvertidamente descartada;
O metodo sempre converge para uma solucao. Contudo, e por
esta razao, e frequentemente usado para oferecer uma
aproximacao inicial para um metodo mais eciente.
Considerac oes nais
Consideracoes nais
O Metodo da Bisse cao possui diversas limitacoes;
Primeiro que a taxa de convergencia e lenta: N pode se
tornar muito grande antes de p p
N
se tornar pequeno;

E possvel que uma aproximacao intermediaria possa ser


inadvertidamente descartada;
O metodo sempre converge para uma solucao. Contudo, e por
esta razao, e frequentemente usado para oferecer uma
aproximacao inicial para um metodo mais eciente.
Considerac oes nais
Consideracoes nais
O Metodo da Bisse cao possui diversas limitacoes;
Primeiro que a taxa de convergencia e lenta: N pode se
tornar muito grande antes de p p
N
se tornar pequeno;

E possvel que uma aproximacao intermediaria possa ser


inadvertidamente descartada;
O metodo sempre converge para uma solucao. Contudo, e por
esta razao, e frequentemente usado para oferecer uma
aproximacao inicial para um metodo mais eciente.
Teorema do Valor Intermediario
Teorema do Valor Intermediario
Se f C[a, b] e K e um n umero entre f(a) e f(b), entao existe um
n umero c em (a, b) para o qual f(c) = K.
Voltar
8 C H A P T E R 1 Mathematical Preliminaries and Error Analysis
Maple gives the response
f solve(12 sin(2x) 4x cos(2x), x, .5 . . 1)
This indicates that Maple is unable to determine the solution. The reason is obvious once
the graph in Figure 1.6 is considered. The function f is always decreasing on this interval,
so no solution exists. Be suspicious when Maple returns the same response it is given; it is
as if it was questioning your request.
In summary, on [0.5, 1] the absolute maximum value is f (0.5) = 1.86004545 and
the absolute minimum value is f (1) = 3.899329036, accurate at least to the places
listed.
The following theorem is not generally presented in a basic calculus course, but is
derived by applying Rolles Theorem successively to f , f

, . . . , and, nally, to f
(n1)
.
This result is considered in Exercise 23.
Theorem 1.10 (Generalized Rolles Theorem)
Suppose f C[a, b] is n times differentiable on (a, b). If f (x) = 0 at the n + 1 distinct
numbers a x
0
< x
1
< . . . < x
n
b, then a number c in (x
0
, x
n
), and hence in (a, b),
exists with f
(n)
(c) = 0.
We will also make frequent use of the Intermediate Value Theorem. Although its state-
ment seems reasonable, its proof is beyond the scope of the usual calculus course. It can,
however, be found in most analysis texts.
Theorem 1.11 (Intermediate Value Theorem)
If f C[a, b] and K is any number between f (a) and f (b), then there exists a number c
in (a, b) for which f (c) = K.
Figure 1.7 shows one choice for the number that is guaranteed by the Intermediate
Value Theorem. In this example there are two other possibilities.
Figure 1.7
x
y
f (a)
f (b)
y f (x)
K
(a, f (a))
(b, f (b))
a b c
Example 2 Show that x
5
2x
3
+ 3x
2
1 = 0 has a solution in the interval [0, 1].
Solution Consider the function dened by f (x) = x
5
2x
3
+ 3x
2
1. The function f is
continuous on [0, 1]. In addition,
Copyright 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).
Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.