CAPITULO. 2 Zeros de Fun¢des Neste capitulo estudaremos esquemas numéricos para resolver equacées da forma f(r) 0, Na maioria dos casos estas equagdes ndo tem solucao algébrica como existe para as equagées de 29 grau. No entanto, esquemas numéricos podem fornecer uma solucao aproximada satisfatéria. O processo para encontrar uma solucao envolve duas fases: Fase I Isolamento das raizes - Consiste em achar um intervalo fechado (a, b] que contém a raiz. Fase II Refinamento - Partindo de uma aproximagao inicial refinamos a solugao até que certos critérios sejam satisfeitos. 2.1 Isolamento das Raizes Um mimero « que satisfaz a equagao f(z) = 0 € chamado de raiz ou zero de f. O objetivo é encontrar um intervalo (a, }]. de pequena amplitude (b— a < 1), que contenha a raiz que desejamos encontrar. Para isto usaremos duas estratégias: Anlise Grafica e Tabelamento da funcao. Aanilise grafica é baseada na idéia de que, a partir da equacao f(x) = 0, podemos obter uma equacao equivalente g(x) — h(x) = 0, onde g ¢ h sao funcdes mais simples ¢ de facil analise grafica. Esbocando 0 grafico de g € h podemos determinar os pontos x, onde as curvas se interceptam, pois estes pontos serao as raizes de f(x) ( g(é) = h(€) + f(é) =0 ) Exemplo 2.1 Sendo f(x) = «*~x temos f(x) = 9(x)~ h(x), onde g(x) = e* eh(x) =x. Na Figura 2.1 temos que as curvas se interceptam no intervalo [0, 1]. Também podemos obser- var que pelo comportamento das fungées 9(7) e h(x) estas fungdes ndo vao se interceptar em nenhum outro ponto, Logo f(x) admite uma tinica raiz. Na pratica usamos algum soflware matemalico para esbocar os graficos. Quanto menor for a amplitude do intervalo que contém a raiz, mais eficiente sera a Fase de 412 CAPITULO 2. ZEROS DE FUNCOES Figura 2.1: Graficos de 9(z) € h(x) Refinamento. Para obtermos um intervalo de menor amplitude usaremos a estratégia do tabelamento que é baseada no seguinte Teorema. Teorema 2.1 Seja f(x) uma fungéo continua num intervalo [a,b]. Se f(a) f(b) < 0 entao existe pelo menos uma raiz € € [a,}]. ren Prova: Um bom exercicio de Calculo 1. Teorema garante a existéncia de pelo menos uma raiz, mas pode ser que o intervalo contenha mais de uma raiz como mostra os exemplos na Figura 2.2. Pelo exemplos podemos notar que se /"() preserva o sinal em {a,}] € f(a) f(b) < entdo o intervalo contém uma tinica raiz. Se f(a) f(B) > 0 nao podemos afirmar nada sobre a existéncia ou nao de raizes. Exemplo 2.2 Da andlise gréfica vimos que a funcao f(r) = e~* — x tem uma raiz em (0,1). Tabelando a.funcao para valores a partir de zero e espacados de 0.25 temos 00.25 0.75 x F@) 10.528 0.108 0.277 0.632 Sendo que f(0.5) (0.75) < 0, entéo a ratz pertence ao intervalo [0.5,0.75]. Note que f(z) =-e *-1<0Vr eR, isto é f preserva o sinal em (a, 5] ¢ com isto podemos concluir que esta raiz é tinica. text Devemos observar que o tabelamento € uma estratégia que completa a andllise gra- fica, Somente com o tabelamento nao conseguimos determinar se existe outras raizes no intervalo ou ainda em que intervalo devemos tabelar a funcao.21 ISOLAMENTO DAS RAIZES 13, J'(z) preserva sinal J'(e) muda de sinal J'(2) muda de sinal S(a)f(e) > 0 Figura 2.2: Exemplos do comportamento de f(r)14 CAPITULO 2. ZEROS DE FUNCOES 2.2. Refinamento Nas préximas secdes estudaremos os esquemas numéricos que partindo de uma aproxi- a ial x9, vao gerar uma seqiténcia (+,} que converge para a raiz procurada, isto € 4 € quando k + oo. A aproximacdo inicial parte do intervalo encontrado na Fase I. Isolamento das Raizes, ¢ os termos da seqiiéncia sao calculados até que a aproximacao tenha atingido uma precisao desejada (critério de parada). ‘Ao ini 2.3 Método da Bissec¢ao Este método é baseado no Teorema 2.1. Seja f(r) uma funcdo continua no intervalo ‘a, ] tal que /(a)/(b) < 0 e seja ¢ > 0 um mumero dado. A idéia é reduzir a amplitude do intervalo até atingir a precis4o requerida: 5 — a < <, usando divisdo sucessivas do intervalo. O método procede da seguinte forma: faca [ao, bo] = [a,b] e calcule f(a) <0 & € (a0,20) ao + be 1% ane >) f(bo) >0 4 aay f(a0) > 0 b= 70 Com isto obtemos um novo intervalo [a;,5)]. de tal forma que a raiz pertence ao inter- valo e sua amplitude € igual a amplitude do intervalo [ao, to] dividida por dois. Este procedimento pode ser repetido, calculando F(a) <0 €€ (eh) = fli) >0 34 a=x f(r) <0 by = by Faz) <0 €€ (22,b2) F(b2) >0 4 as=xy S(x2) <0 bs = by E assim vamos calculando a seqiiéncia x, até que seja satisfeito o critério de parada ba < Este critério garante se tomarmos F ¢ [ay,k] 0 erro € menor que ¢, isto € EE] Ep, x= (aotbo) /2; if £(x)*£ (a0) > 0, end; y= (aovbo) /2; 2.3.1 Estudo da Convergéncia A convergéncia é bastante intuitiva, como podemos ver na Figura 2.3. Vamos dar uma demonstracao analitica através do seguinte teorema: Teorema 2.2 Seja f uma funcdo continua em (a, ], onde f(a) f(b) <0. Entdo 0 método da Bisseccdo gera uma seqiiéncia {1,} que converge para a raiz € quando k + cv.16 CAPITULO 2. ZEROS DE FUNCOES Prova: O método gera trés seqiiéncias: {ax}: Seqiiéncia nao decrescente ¢ limitada superiormente por by. Logo 4 by B+ > aS IMER tal que im by =m {=,}: Por construgao temos que ay th mh = = Hs ay < xy < bp VEEN toot (2.)) Amplitude de cada intervalo gerado é metade da amplitude do intervalo anterior, assim temos, by = a0 oF Oe aR = Calculando o limite quando k — co temos Bae 20) = Boe Isto segue que fim be — jim a, = 0 M—m=0> M=m. Usando este fato e calculando o limite em (2.1) temos m= im ag < jim 2p < jim by = m = jim 2p =m. Falta mostrar que m é raiz de f, isto é f(m) — 0. Em cada iteracao 0 intervalo é escolhido de tal forma que f(a,) (bx) < 0. Como f é continua segue que 0 lim f (ax), ) = lim f(a,) lim )= lim ay lim = fm) > 0% jim an) /() = im, fox) jim, (6x) = # (sim ox) J (im, b) = s(n) > 0 Portanto f(m) = 0 . 2.3.2 Estimativa do Namero de Iteragées Pelo critério de parada podemos observar que o numero de iteragdes depende do intervalo inicfal [ao, dp] e da precisdo requerida c. Dada uma precisao © temos, bo ao eS 10 sempre positives, podemos aplicar a funcdo logaritmo, obtendo, by — a bya cee cap > BU Como estes valores s log(b log(e)2.4, METODO ITERATIVO LINEAR (M.LL.) 17 Exemplo 2.3 No exemplo 2.2 isolamos uma raiz de f(x) = Usando a precisdo <= 10-*, temos — © no intervalo [0.5, 0.75). 5 — 0.5) — log(10-* jp 108(0.75 = 0.5) ~lox(10 Tog(2) Logo sera necessdrio no minimo 25 iteracées para que o método da Bisseccao possa atingir a precisdo desejada. 2.4 Método Iterativo Linear (M.I.L.) Seja f(x) continua em [a, t], onde existe uma raiz da equacao f(x) = 0. A estratégia deste método ¢ escrever a funcao f de tal forma que f(x) = x — (x). Se f(€) = 0, entao £-9(€) =0 > z= o(z) Isto 6, encontrar as raizes de f(z) € equivalente a achar os pontos fixo da funcao (2). Através da equacao acima montamos um processo iterativo, onde, dado ro Tri = Olan), n= 12, A funcao ¢ é chamada de fungao de iteragao e esta nao é determinada de forma tinica. As condi¢es de convergéncia sao dadas no teorema abaixo. Teorema 2.3 Seja ¢ uma raiz da funcao f isolada no intervalo |a, |. Seja ¢ uma funcao de iteracao da fungao f que satisfaz: 1) ¢ e! sao continuas em [a, 6], 2) \o'(x)| £ = 6(2). logo Tati = O(tn) + angi € = b(tn) ~ (6). Como ¢ € continua e diferencidvel, pelo Teorema do Valor Médio temos que existe c pertencente ao intervalo entre x, ¢ € tal que (tn) — (8) = 8 en)(an — 8) Logo lo"(Gn)| |tn ~ | S Man ~ & Aplicando esta relagao para n — 1,n —2,-+-,0 e usando 0 fato que zo € (a, 6] temos Tne —e| SM" |r9 — €]18 CAPITULO 2. ZEROS DE FUNCOES Como M < 1, aplicando o limite para n —- oo segue que O< im nya ~ ES lin, M™ ro ~ € Logo Tim, tpt = 1. Observamos que quanto menor for o valor de |¢'(+)| mais répida seré a convergéncia. Exemplo 2.4 Consideremos a funcao f\ x, onde existe uma raiz € € [0.5, 0,75 Uma forma de escrever (x) = x ~ o(2) € considerar ¢(r) = e-*. Verificando as condicoes de convergencia temos: 1) As fungoes (2) = e-* @ 6'(2) = ~e-* so continuas em [0.5, 0.7 2) A funcdo ¢ satisfaz PE || = 0.0000... <1 (Por que? Ver Nota 1) 3) Tomando ro € [0.5,0.75] teremos garantia de convergéncia, por exemplo podemos tomar x9 como 0 ponto médio do interval 0.5 +0.75 29 = = 0.625 Assim temos que ty = 8(to) = 9(0.625) = 0.53626 zr = Ofer) = (0.53526) = 0.58551 y= (x2) = 9(0.58551) = 0.55681 24 = $(as) = 9(0.55081) = 0.57302. 5 = (x4) = 9(0.57802) = 0.560381 x6 = $a) = 9(0.56381) = 0.56908. Na Figura 2.4 podemos ver que o comportamento do proceso iterativo converge para a raiz. 2.4.1. Critério de Parada Uma questao ainda esta em aberto, Qual o z, que fornece uma aproximagao para a raiz, com uma certa precisao = dada. Neste caso podemos usar como critério de parada uma das seguintes condicées Zn41—tn| $2 (Erro Absoluto) (Erro Relativo)2.5, METODO DE NEWTON-RAPHSON (M.N.R) 19 08 o7 06 055 ~ 045 _ od ba ous 05085 08 008 07 075 08 Figura 2.4: Método Iterativo Linear € vamos tomar x1 como aproximacdo para a raiz. Se no exemplo anterior tivéssemos escolhido ¢ 0.006 e o Erro Absoluto teriamos Ini — ol = [0.53526 ~ 0.625| = 0.08974 > & nz —x1| = 0.58551 — 0.53526] = 0.05025 > « ls —22| = [0.55681 — 0.58551| = 0.02870 > « Ina — 2 (0.57302 — 0.55681| = 0.01621 > « Irs — 24] = [0.56381 — 0.57302| = 0.00921 > Ins — 2s] = [0.56903 ~ 0.56381| = 0.00522 < ¢ Logo a aproximagao para a raiz seria x5 = 0.56903. 2.5 Método de Newton-Raphson (M.N.R) No método anterior, vimos que quanto menor for |é'(..)| mais rapida sera a convergéncia. © método de Newton-Raphson é determinado de tal forma que teremos uma funcao de iteracao tal que ¢'(€) = 0, onde ¢ € uma raiz de f. Com isto temos a garantia que existe um intervalo [f, 5] que contém a raiz e que |j'(x), < 1 e conseqiientemente a convergéncia sera mais rapida,20 CAPITULO 2. ZEROS DE FUNCOES Para determinar a forma de ¢ consideremos uma fungao A(z) continua diferenciavel e que A(z) 40, Yx. Assim temos S(2) = 0 > Ala) f(z) = 0 x= 2 + Ala) f(z) = o(2) Calculando a derivada de ¢ na raiz £ temos que ef AO S(O + AWOL) = 0. Como f(é) = 0 e considerando que J"(¢) #0, segue que A(é) = -> @ Fe) Assim tomamos a funcdo A(z) = -1/"(x), € portanto teremos f(z) 2) 2-40 9(z) Fe Com esta funcao de iteracdo montamos o processo iterative conhecido como método de Newton-Raphson, onde dado xo Stn) © SCE) + n= 0,1,2, Graficamente este método tem a interpretacdo mostrada na Figura 2.5. A derivada de uma funcdo no ponto ,, é igual a tangente do angulo que a reta tangente a curva no ponto x, forma com o eixo 2, Usando a relacao sobre o triangulo retangulo temos "(,) = tan(a) oe > tn on fh Teorema 2.4 Sejam f, f’ ¢ f", funcdes continuas num intervalo [a, 6], onde existe uma raiz & Supor que f'(x) #0 para € [a, 6). Entdo existe um intervalo [a5] c [2,6], contendo a raiz £, tal que se xy € (a, 8], a seqiiéncia {x,,} gerada pelo processo iterativo Bnd =n Fe (en) converge para a raiz. rex Prova:(Exercicio 2.7) Uma observacao deve ser feita. A condicao de que zo € (7,8) nao é uma condicao de facil verificacao, visto que o Teorema garante a existéncia do intervalo, mas nado como determina-lo, Observamos na Figura 2.6 casos em que 0 método de Newton-Raphson é falho.2.5, METODO DE NEWTON-RAPHSON (M.N.R) 21 Figura 2.5: Método Newton-Raphson Exemplo 2.5 Considerando f(r) = ¢* — x que possui uma raiz no intervato [0.5,0.75), vamos achar uma aproximacdo usando xr = 0.625 € ¢ = 0.006. Sendo f(z) teremos 0 proceso iterativo Assim temos que x1 — x9] = 0.0584 > a + pT 7050714 [22 ~ mil = 0.0006 Ep, x0-f (xo) / AE (x0) end; 2.6 Ordem de Convergéncia Na seco anterior determinamos o Método de Newton-Raphson que pode ser interpretado como um caso particular do Método Iterativo Linear, onde a convergéncia € mais rapida. A“ medida” que permite comparar a convergéncia entre os métodos é 0 que chamamos de ordem de convergéncia, definida por: Definigao 2.1 Seja {x,,} uma seqiténcia que converge para um niimero £ € sejae, = x, —£2.6. ORDEM DE CONVERGENCIA. 23 o erro na iteragdo k. Se comp > 1 eC > 0, dizemos que a seqiiéncia converge com ordem p e com constante assintética C. Como a seqiiéncia converge, para valores de k suficientemente grande temos enya ® Clex|?, com |exl <1 Assim quanto maior for o valor de p, menor sera 0 erro lex |. Quando p = 1 dizemos que © método tém convergéncia linear. Se p = 2 dizemos que a convergéncia é quadratica. Primeiramente vamos determinar a ordem de convergéncia do M.I.L. Sendo a se- qiiéncia {n} gerada por 243 = d(x), k =0,1,2,... e que € = 6(g) temos Bet — € = (aK) — O(€) = ocx) (te - §), onde a tiltima igualdade é conseqiiéncia do Teorema do Valor Médio ec, € um mimero entre 2, € £. Logo segue Ter 8 _ yey) > & en ee on) Aplicando 0 médulo e calculando o limite quando k tende ao infinite temos lim Keine Tee J, 6n)| = 8" Portanto temos que 0 M.LL. tém ordem de convergéncia p = 1 e a constante assintética é dada por C = |¢/(¢)|. A definicao exige que C’ > 0. A condicao de C = 0 € a imposta para obter 0 Método de Newton-Raphoson. No caso do Método de Newton-Raphson temos que a seqiiéncia é gerada pelo pro- cesso iterative cu =m LO) mn FGA) Subtraindo ¢ de cada lado temos Sn) Sen) Tnt1 — § = Fn — — FS = eng = en — (2.2) nrg Fey ten Fe 2.2) Através da férmula de Taylor da fungao f no ponto x, temos: Sen) F(t) = Flan) + f(aa\(e - tn) (z= 29)? en € [2,20] 2 Que calculada em « = £ fornece O= £8) = Flan) + Fen)24 CAPITULO 2. ZEROS DE FUNCOES Dividindo por f"(z,) € fazendo ey =m — £ segue que Sen) Ion) 2 Fm)" 2 any Substituindo em (2.2) obtemos ny a Blan) Finalmente aplicamos o médulo e calculamos o limite quando k tende ao infinito obtendo Hen) | |] _ Lge Lyre 2Ften)| ~ [ar@ql 2" O= © Portanto temos que o Método de Newton-Raphson tém ordem de convergéncia p — 2. ens ABR TegP? He 2.7 Observacgées Finais Neste capitulo vimos trés métodos diferentes para resolver equagdes da forma f(x) = Faremos um breve comentario das vantagens e desvantagens de cada método. No Método da bisseccao vimos que o mimero de iteracdes depende apenas do in- tervalo inicial [ao, bo] Logo este pode ser aplicado a qualquer funcao f(x) que satisfaz J(a){(®) < 0. Nao importa o quanto f(x) seja complicada. A desvantagem é que tem uma convergéncia lenta. Na pratica ele ¢ usado para refinar o intervalo que contém a raiz. Aplicamos 0 método em um numero fixo de iteracoes. Em geral o M.LL. € mais rapido que 0 Método da Bisseceao. Usa menos operacées por cada iteracao. Pode encontrar raizes em intervalos onde f(a) /(b) > 0. A dificuldade é encontrar a funcdo de iteragao ¢ que seja convergente. O Método de Newton-Raphson tém convergéncia quadratic. Porém este necessita da avaliagao da funcao ¢ sua derivada em cada ponto 1). Pode ocorrer de termos uma raiz isolada num intervalo {a,b] ¢ 0 método acabe convergindo para uma outra raiz que nao pertence a [a,]. Isto ocorre porque temos que tomar xo € {f,4] < [a,6]. Na pratica tomamos xo como ponto médio do intervalo, pois isto aumenta as chances de tomar xo dentro do intervalo [2,5]. Nota 1 Em muitas situagdes vamos necessitar de calcular 0 méximo do médulo de uma fungao restrita a um intervalo, isto é ax 1/2) Uma Jorma prdtica para este cdlculo é seguir os passos: Considerando que f(r) ¢ f"(r) sdo continuas para x € [a, 6), entéo uma forma pratica para o cdlculo do maximo é seguir os passos: 1: Caleula-se os valores da funcdo nos extremos do intervalo, |f(a)| ¢ |f(b)|- 2: Verifique se a funcao nao possut ponto critico no intervalo, ou seja, achamos os val- ores de xx tal que f"(x4) —0€ x4 € [a, 5] : Tomamos como 0 valor méximo 0 max{|/(a)|, [/(b)| L(x) |} tae