Clculo Numrico Mdulo III

Resoluo Numrica de Equaes (Parte III)

Profs.: Bruno Correia da Nbrega Queiroz Jos Eustquio Rangel de Queiroz Marcelo Alves de Barros

Anlise Comparativa dos Mtodos

Critrios de Comparao
Garantias de Convergncia Rapidez de Convergncia Esforo Computacional

Anlise Comparativa dos Mtodos

Garantias de Convergncia dos Mtodos

Bisseco e Falsa Posio

Convergncia garantida, desde que a funo seja contnua num intervalo [a,b] , tal que f(a)f(b)<0

Ponto Fixo , Newton-Raphson e Secante

Condies mais restritivas de convergncia Se as condies de convergncia forem satisfeitas, os dois ltimos mtodos so mais rpidos do que os demais estudados

Anlise Comparativa dos Mtodos

Rapidez de Convergncia
Nmero de Iteraes Medida usualmente adotada para a determinao da rapidez de convergncia de um mtodo No deve ser uma medida conclusiva sobre o tempo de execuo do programa Tempo gasto na execuo de iterao Varivel de mtodo mtodo uma para

Anlise Comparativa dos Mtodos

Esforo Computacional
Indicadores

Nmero de operaes efetuadas a cada iterao;

Complexidade das operaes;

Nmero de decises lgicas;

Nmero de avaliaes de funo a cada iterao; e

Nmero total de iteraes.

5

Anlise Comparativa dos Mtodos

Esforo Computacional
Concluses gerais sobre a computacional de um mtodo.

eficincia

Bisseco Clculos mais simples por

iterao

Newton Clculos mais elaborados

Nmero de iteraes da Bisseco , na grande maioria das vezes, muito maior do que o nmero de iteraes efetuadas por

Newton

Anlise Comparativa dos Mtodos

Condies a Mtodo Ideal

Serem

Satisfeitas

pelo

Convergncia assegurada Ordem de convergncia alta

Clculos por iterao simples

Anlise Comparativa dos Mtodos

Escolha do Melhor Mtodo

Newton-Raphson Caso seja fcil a verificao das condies de convergncia e o clculo de f(x) Secante Caso seja trabalhoso obter e/ou avaliar f(x) , uma vez que no necessria a obteno de f(x)

Anlise Comparativa dos Mtodos

Critrio de Parada Detalhe importante na escolha do mtodo

Se o objetivo for a reduo do intervalo que contm a raiz Bisseco ou Falsa Posio Modificado (no usar o Mtodo da Falsa Posio) Se a escolha parte de um valor inicial para a raiz Newton-Raphson ou da Secante (pois trabalham com aproximaes xk para a raiz exata)
9

Anlise Comparativa dos Mtodos

Observaes Importantes
Situaes nas quais se deve evitar o uso do Mtodo de Newton-Raphson e da

Secante

Tendncia da curva ao paralelelismo a qualquer um dos eixos Tendncia da funo tangncia ao eixo das abscissas em um ou mais pontos.

10

Anlise Comparativa dos Mtodos

Concluso
Escolha do mtodo Diretamente relacionada com a equao cuja soluo desejada

Comportamento da funo na regio da raiz exata Dificuldades com o clculo de f(x) Critrio de parada, etc.

11

Anlise Comparativa dos Mtodos

Exemplo 01: f(x) = x3 x 1

y 4 3 2

-4

-3

-2

-1

0 -1 -2 -3 -4

[1, 2 ], 1 = 2 = 10 -6
12

Anlise Comparativa dos Mtodos

Exemplo 01:
Dados iniciais x 1,324718 1,324715 1,324718 1,324718 1,324718 1,324718 f(x) 2,209495 x 10-6 -1,087390 x 10-5 -1,186057 x 10-6 2,493994 x 10-6 2,746469 x 10-12 1,417347 x 10-9 Erro em x 2,879637 x 10-6 2,614434 x 10-6 1,598683 x 10-4 1,882665 x 10-6 6,275822 x 10-7 1,221868 x 10-6 # de iteraes itera 18 34 4 9 21 8

Bisseco Bissec Falsa Posio Posi FPM Ponto Fixo Newton Secante

[1,2] [1,2] [1,2] x0 = 1 x0 = 0 x0 = 0,2 x1 = 0,5

(x) = (x+1)1/3
13

Anlise Comparativa dos Mtodos

Exemplo 02: x2 + x 6 = 0
y 4 3 2 1 x g(x)

-4

-3

-2

-1

0 -1 -2 -3 -4 -5 -6

[1, 3 ], 1 = 2 = 10 -6
14

Anlise Comparativa dos Mtodos

Exemplo 02:
Dados iniciais x 2,000000 2,000000 2,000000 2,000000 2,000000 2,000000 f(x) 2,384186 x 10-6 -2,479001 x 10-6 -2,397253 x 10-6 1,139381 x 10-6 5,820766 x 10-9 -4,230246 x 10-8 Erro em x 7,152561 x 10-7 8,548295 x 10-8 2,450482 x 10-7 5,696906 x 10-7 5,820766 x 10-10 9,798250 x 10-6 # de iteraes itera 20 42 18 11 4 5 [1;2,5] [1;2,5] [1;2,5] x0 = 1 x0 = 1 x0 = 1,0 x1 = 1,2

Bisseco Bissec Falsa Posio Posi FPM Ponto Fixo Newton Secante

(x) = (6 - x)1/2
15