Fase II Refinamento Aurora Pozo Refinamento Uma vez

  • Slides: 10
Download presentation
Fase II - Refinamento Aurora Pozo

Fase II - Refinamento Aurora Pozo

Refinamento • Uma vez isolada uma raiz em um intervalo [a, b], procura-se, nesta

Refinamento • Uma vez isolada uma raiz em um intervalo [a, b], procura-se, nesta fase, considerar uma aproximação para a raiz e melhorá-la sucessivamente até se obter uma aproximação com a precisão requerida

Critérios de parada Por outro lado, como um determinado método pode não convergir em

Critérios de parada Por outro lado, como um determinado método pode não convergir em uma dada aplicação, é comum impor-se, também, um número máximo de iterações.

Método da Bisseção • A idéia do Método da Bisseção é reduzir o intervalo

Método da Bisseção • A idéia do Método da Bisseção é reduzir o intervalo [a, b] que contém a raiz, dividindo-o ao meio a cada iteração.

function [raiz, iter]=bissec 1(f, a, b, eps 1), //calcula a raiz de f(x) no

function [raiz, iter]=bissec 1(f, a, b, eps 1), //calcula a raiz de f(x) no intervalo [a, b] // com precisão eps 1 x 0=a; x 1=b; xm=(x 0+x 1). /2; it=0; while (min(abs(f(xm)), (x 1 -x 0))>eps 1)&it<=150 do if f(x 0). *f(xm) > 0 then x 0=xm; else x 1=xm; end; xm=(x 0+x 1). /2; it=it+1; end; raiz=xm; iter=it; endfunction;

Estimativa do número de iterações

Estimativa do número de iterações

Vantagens e Desvantagens do Método da Bisseção • A maior vantagem do Método da

Vantagens e Desvantagens do Método da Bisseção • A maior vantagem do Método da Bisseção é que, para sua convergência, não há exigências com relação ao comportamento do gráfico de f no intervalo [a; b]. • Entretanto, ele não é eficiente devido à sua convergência lenta. Pode ser observado que f(x) não decresce monotonicamente. Isto decorre do fato de que na escolha de uma aproximação x = a+b/2 não se leva em consideração os valores da função nos extremos do intervalo. No pior caso, a raiz está próxima a um extremo. • O Método da Bisseção é mais usado para reduzir o intervalo antes de usar um outro método de convergência mais rápida.

Método da Falsa Posição

Método da Falsa Posição

function [raiz, iter]=falpos 1(f, a, b, eps 1), //calcula a raiz de f(x) no

function [raiz, iter]=falpos 1(f, a, b, eps 1), //calcula a raiz de f(x) no intervalo [a, b] // com precisão eps 1 x 0=a; x 1=b; if f(x 0)*f(x 1)>=0 then error("O valor de f(a) e f(b) devem ter sinal diferente"); end; xp=(x 0. *f(x 1)-x 1. *f(x 0)). /(f(x 1)-f(x 0)); it=0; while (min(abs(f(xp)), (x 1 -x 0))>eps 1)&it<=150 do if f(x 0). *f(xp) > 0 then x 0=xp; else x 1=xp; end; xp=(x 0. *f(x 1)-x 1. *f(x 0)). /(f(x 1)-f(x 0)); it=it+1; end; raiz=xp; iter=it; endfunction;

Vantagens e Desvantagens do Método da Falsa Posição • A grande vantagem do Método

Vantagens e Desvantagens do Método da Falsa Posição • A grande vantagem do Método da Falsa Posição é que ela é uma técnica robusta, que converge independentemente da forma do gráfico de f no intervalo [a; b].