Você está na página 1de 57

UNIVERSIDADE FEDERAL DE JUIZ DE FORA

ALCULO NUM

ERICO
Notas de Aula
Prof.
a
Mich` ele C. R. Farage
2
o
- 2006
Sum ario
1. INTRODUC

AO 1
1.1 Modelagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Resoluc ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2. NOC

OES SOBRE ERROS 2
2.1 Erros na fase de modelagem . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Erros de precis ao nos dados de entrada . . . . . . . . . . . . . . . . . . . 2
2.3 Erros na fase de aplicac ao das t ecnicas num ericas . . . . . . . . . . . . . 2
2.4 Representac ao de n umeros . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.5 Convers ao de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.6 Aritm etica de ponto utuante . . . . . . . . . . . . . . . . . . . . . . . . 6
2.7 Erros absolutos e erros relativos . . . . . . . . . . . . . . . . . . . . . . 10
2.8 Erros de arredondamento e truncamento . . . . . . . . . . . . . . . . . . 10
Limite superior para o erro de truncamento . . . . . . . . . . . . . . . . 11
Limite superior para o erro de arredondamento . . . . . . . . . . . . . . 12
2.9 Propagac ao de erros em operac oes aritm eticas de ponto utuante . . . . . 13
2.10 Exemplos de operac oes que causam erros graves nos computadores . . . 16
3. RA

IZES REAIS DE FUNC



OES 20
3.1 Introduc ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2 Isolamento de razes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Converg encia e crit erios de parada . . . . . . . . . . . . . . . . . . . . . 24
3.4 M etodo das Aproximac oes Sucessivas ou M etodo do Ponto Fixo . . . . . 32
Algoritmo do M etodo do Ponto Fixo . . . . . . . . . . . . . . . . . . . . 40
3.5 M etodo de Newton Raphson (MNR) . . . . . . . . . . . . . . . . . . . . 40
Algoritmo do M etodo de Newton-Raphson . . . . . . . . . . . . . . . . . 45
3.6 M etodo da Secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.7 M etodo da Bissec ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.8 M etodo da Falsa Posic ao . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.9 Comparac ao entre os m etodos . . . . . . . . . . . . . . . . . . . . . . . 52
Notas de aula de C alculo Num erico
1. INTRODUC

AO
A maioria dos problemas matem aticos se origina da necessidade de representar fen o-
menos da natureza. Tais fen omenos podem ser descritos atrav es de modelos matem aticos.
As etapas para a soluc ao de um problema fsico podem ser representadas pelo es-
quema abaixo:
Figura 1: Etapas para a resoluc ao de um problema.
1.1 Modelagem
Para obter um modelo matem atico que represente de forma adequada um problema
real, s ao empregadas teorias fsicas, econ omicas, etc. Um mesmo problema pode ser
representado por modelos matem aticos diferentes, que dependem do enfoque desejado
(Ruggiero and Lopes, 1997).
O modelo matem atico, em geral, cont em simplicac oes da realidade, as quais tornam
possvel a resoluc ao do problema em quest ao.
1.2 Resoluc ao
Construdo o modelo matem atico, parte-se para a resoluc ao do mesmo atrav es de
m etodos adequados. Existem v arias t ecnicas j a consagradas para a resoluc ao de diversos
tipos de modelos matem aticos. O presente curso de C alculo Num erico se dedica ao estudo
de alguns destes m etodos num ericos, empregados na resoluc ao dos seguintes tipos de
problemas:
1. encontrar as razes de uma equac ao;
2. resolver um sistema de equac oes lineares;
3. aproximar uma func ao dada por uma outra e
4. integrar uma func ao em um intervalo.
Em geral, a soluc ao obtida por um m etodo num erico e diferente da soluc ao exata -
trata-se de uma soluc ao aproximada. As diferencas s ao provocadas por:
simplicac oes adotadas no modelo matem atico;
erros de arredondamento;
erros de truncamento;
1
Notas de aula de C alculo Num erico
erros nos dados (medic oes experimentais, erros humanos...).
A seguir s ao apresentadas algumas noc oes sobre erros envolvidos em processos nu-
m ericos.
2. NOC

OES SOBRE ERROS
2.1 Erros na fase de modelagem
Ao tentar representar um fen omeno do mundo fsico por meio de um modelo ma-
tem atico, raramente se tem uma descric ao correta deste fen omeno. Parte dos erros resul-
tam de simplicac oes adotadas na modelagem. Por exemplo (Barroso et al., 1987):
Exemplo 1
Para o estudo do movimento de um corpo sujeito a acelerac ao constante, adota-se a
equac ao:
d = d
0
+ v
0
t +
1
2
at
2
(1)
onde: d = dist ancia percorrida, d
0
= dist ancia inicial, v
0
= velocidade inicial, t = tempo
e a = acelerac ao.
Com esta express ao, pode-se calcular a altura de um edifcio usando uma bolinha de
metal e um cron ometro. Basta lancar a bolinha do topo do edifcio e medir o tempo que
ela gasta para atingir o solo.
Supondo que o tempo medido tenha sido 3 segundos, da equac ao 1 obt em-se:
d = 0 + 0 . t +
1
2
. 9, 8 . 3
2
d = 44, 1m (2)
Da, ent ao, calcula-se que o edifcio tenha 44,1m de altura. Tal resultado foi obtido
com a adoc ao uma s erie de hip oteses simplicadoras: o modelo despreza a resist encia do
ar e a velocidade do vento. Dependendo do problema tratado, estes efeitos s ao signica-
tivos e n ao podem ser desprezados.
2.2 Erros de precis ao nos dados de entrada
Os dados de entrada empregados a um modelo cont em uma imprecis ao que n ao pode
ser evitada, j a que representam medidas obtidas usando equipamentos especcos, como
e o caso de medidas de corrente e tens ao em um circuito el etrico, ou medidas de compri-
mento de um elemento estrutural, ou dados obtidos de pesquisas ou levantamentos, como
e o caso de dados populacionais em um recenseamento (Ruggiero and Lopes, 1997).
No exemplo 1, a altura calculada para o edifcio foi obtida a partir da leitura do
cron ometro, cuma precis ao afeta muito a qualidade do resultado. Suponhamos que o
tempo medido fosse 3,5s - neste caso, a altura calculada do edifcio teria sido de 60
metros. Isto signica que uma variac ao de 16,7% no valor lido no cron ometro altera em
36% a altura calculada.
2.3 Erros na fase de aplicac ao das t ecnicas num ericas
Para resolver modelos matem aticos de maior porte, empregam-se freq uentemente
equipamentos de c alculo - computadores - cujo funcionamento implica em certas apro-
2
Notas de aula de C alculo Num erico
ximac oes. Tais aproximac oes podem gerar erros relativos ` a representac ao dos n umeros
no computador (a base adotada, a quantidade de algarismos signicativos) e ` as operac oes
num ericas efetuadas, que podem envolver arredondamentos ou truncamentos.
Ser ao aqui tratados os relativos ` a representac ao dos n umeros em um computador e ` as
operac oes num ericas efetuadas.
2.4 Representac ao de n umeros
Sejam os exemplos abaixo de operac oes num ericas:
Exemplo 2 Calcular a area de uma circunfer encia de raio 100 cm adotando para os
valores 3,14cm, 3,1416cm e 3,141592cm.
=3,14cm : A=31400cm
2
=3,1416cm : A=31416cm
2
=3,141592cm : A=31415,92cm
2
Como o n umero n ao pode ser representado atrav es de um n umero nito de dgitos
decimais, a area calculada depende da aproximac ao escolhida para . Qualquer que
seja o raio da circunfer encia, n ao e possvel calcular a area exata, uma vez que
e um n umero irracional.
Exemplo 3 Calcular o somat orio abaixo para x
i
=0,5 e para x
i
=0,11 de forma analtica
e usando computador
S =
30000

i=1
x
i
x
i
=0,5
analtico: S=15000
computador 1: S=15000
computador 2: S=15000
x
i
=0,11
analtico: S=3300
computador 1: S=3299,99691
computador 2: S=3300,985
computador 2 (dupla precis ao): S=3300,000000000629
Os resultados relativos ao computador 1 s ao os encontrados na refer encia Ruggiero and
Lopes (1997) e os relativos ao computador 2 foram calculados atrav es de um programa
desenvolvido em linguagem Fortran, executado em um Celeron 2,8GHz.
Nota-se que para x
i
=0,5 os 3 c alculos fornecem resultados id enticos. J a para x
i
=0,11
h a diferencas entre a resposta analtica e as obtidas via computador, que dependem do
equipamento e da linguagem de programac ao usada.
3
Notas de aula de C alculo Num erico
A raz ao para estas diferencas e a forma como os n umeros s ao representados pelos
computadores. Um n umero pode ter representac ao nita em uma base e n ao-nita em
outras bases. A base decimal e a que se adota atualmente, mas os computadores operam
normalmente no sistema bin ario. On umero 0,11 temrepresentac ao nita na base decimal,
mas na base bin aria, e representado por um n umero n ao-nito de algarismos - o que
implica em arredondamentos ou truncamentos.
Na interac ao entre o usu ario e o computador, os dados de entrada s ao enviados ao
computador no sistema decimal, s ao ent ao convertidos para o sistema bin ario, no qual
todas as operac oes s ao realizadas. Os resultados nais s ao convertidos para o sistema
decimal e transmitidos ao usu ario (Ruggiero and Lopes, 1997). Todo esse processo e uma
fonte de erro que afeta a qualidade dos resultados.
2.5 Convers ao de base
De forma geral, um n umero real x na base e representado por (Sperandio et al.,
2003):
x = (a
m
a
m1
. . . a
1
a
0
, b
1
b
2
. . . b
n
)

(3)
que signica:
x = a
m

m
+ a
m1

m1
+ . . . + a
0

0
+ b
1

1
+ . . . + b
n

n
(4)
onde a
i
, i = 0, 1, 2, . . . , m e b
j
, j = 1, 2, . . . , n s ao elementos do conjunto A = {k
N; 0 k 1}.
Assim, tem-se:
no sistema decimal: ( = 10), A = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9};
no octal: ( = 8), A = {0, 1, 2, 3, 4, 5, 6, 7} e
no bin ario: ( = 2), A = {0, 1}.
Exemplo 4 representac ao de n umeros na forma da express ao 4:
(1995)
10
1x10
3
+ 9x10
2
+ 9x10
1
+ 5x10
0
(19, 95)
10
1x10
1
+ 9x10
0
+ 9x10
1
+ 5x10
2
(0, 1995)
10
1x10
1
+ 9x10
2
+ 9x10
3
+ 5x10
4
(10111)
2
1x2
4
+ 0x2
3
+ 1x2
2
+ 1x2
1
+ 1x2
0
(1011, 101)
2
1x2
3
+ 0x2
2
+ 1x2
1
+ 1x2
0
+ 1x2
1
+ 0x2
2
+ 1x2
3
4
Notas de aula de C alculo Num erico
Convers ao da base bin aria para a base decimal
Para converter um n umero da base bin aria para a base decimal, basta represent a-lo
na forma da equac ao 4 e realizar as operac oes indicadas na base decimal.
Exemplo 5
(10111)
2
= 1x2
4
+ 0x2
3
+ 1x2
2
+ 1x2
1
+ 1x2
0
= 16 + 0 + 4 + 2 + 1
= (23)
10
(5)
Exemplo 6
(10111, 101)
2
= 1x2
4
+ 0x2
3
+ 1x2
2
+ 1x2
1
+ 1x2
0
+ 1x2
1
+ 1x2
3
= 16 + 0 + 4 + 2 + 1 + 0, 5 + 0, 125
= (23, 625)
10
Convers ao da base decimal para a base bin aria
Para converter um n umero da base decimal para a base bin aria, adota-se o seguinte
procedimento, considerando i a parte inteira e f a parte fracion aria do n umero real x:
1. Divide-se sucessivamente a parte inteira (i) do n umero x na base 10 por 2, at e que
o ultimo quociente seja igual a 1;
2. A parte inteira do n umero na base 2 e composta pelo ultimo quociente obtido (1)
seguido dos restos das divis oes lidos em sentido inverso ` aqueles em que foram
obtidos: (i)
2
= 1r
n
r
n1
. . . r
1
r
0
3. Multiplica-se a parte fracion aria do n umero na base 10 (f) por 2, a parte inteira do
resultado obtido e o primeiro algarismo de f na base bin aria;
4. do resultado obtido, toma-se a parte fracion aria e multiplica-se novamente por 2, a
parte inteira do n umero obtido e o segundo algarismo de (f)
2
5. repete-se o procedimento at e obter um n umero com parte fracion aria igual a 0 ou
que apareca uma dzima peri odica.
Exemplo 7 Convers ao de (23)
10
para a base bin aria:
23 = 11x2 + 1
11 = 5x2 + 1
5 = 2x2 + 1
2 = 2x1 + 0
ent ao: (23)
10
= (10111)
2
.
5
Notas de aula de C alculo Num erico
Exemplo 8 Convers ao de (23, 625)
10
para a base bin aria:
0, 625x2 = 1, 250
0, 250x2 = 0, 5
0, 5x2 = 1
ent ao: (0, 625)
10
= (0, 101)
2
e (23, 625)
10
= (10111, 101)
2
Exemplo 9 Convers ao de (0, 6)
10
para a base bin aria:
0, 6x2 = 1, 2
0, 2x2 = 0, 4
0, 4x2 = 0, 8
0, 8x2 = 1, 6
0, 6x2 = 1, 2
0, 2x2 = 0, 4
0, 4x2 = 0, 8
.
.
.
.
.
.
.
.
.
ent ao: o n umero (0, 6)
10
e representado na base bin aria por um n umero innito de alga-
rismos (0, 1001100 . . .)
2
.
Exemplo 10 Convers ao de (0, 11)
10
para a base bin aria:
0, 11x2 = 0, 22
0, 22x2 = 0, 44
0, 44x2 = 0, 88
0, 88x2 = 1, 76
0, 76x2 = 1, 52
0, 52x2 = 1, 04
0, 04x2 = 0, 08
0, 08x2 = 0, 16
0, 16x2 = 0, 32
0, 32x2 = 0, 64
0, 64x2 = 1, 28
0, 28x2 = 0, 56
0, 56x2 = 1, 12
0, 12x2 = 0, 24
0, 24x2 = 0, 48
0, 48x2 = 0, 96
0, 96x2 = 1, 92
0, 92x2 = 1, 84
0, 84x2 = 1, 68
0, 68x2 = 1, 36
0, 36x2 = 1, 72
0, 72x2 = 1, 44
0, 44x2 = 1, 88
.
.
.
.
.
.
.
.
.
ent ao: o n umero (0, 11)
10
e representado na base bin aria por um n umero innito
1
de
algarismos (0, 000111000011110000 . . .)
2
.
2.6 Aritm etica de ponto utuante
As m aquinas adotam o sistema de aritm etica de ponto utuante para representar
n umeros e executar operac oes. A forma geral normalizada de um n umero real x na base
, em aritm etica de ponto utuante e:
x = (.d
1
d
2
. . . d
t
) x
e
onde e a base em que a m aquina opera;
1
Esta e a causa da diferenca entre o valor analtico e os valores calculados por computador no exemplo
3 - ao efetuar a operac ao num erica, o computador realiza convers oes entre os sistemas decimal e bin ario, o
que implica em arredondamentos que afetam o resultado calculado.
6
Notas de aula de C alculo Num erico
(.d
1
d
2
. . . d
t
) e a mantissa;
t e o n umero de dgitos da mantissa;
0 d
j
( 1), j = 1, . . . , t, d
1
= 0 e
e e o expoente, sendo m e M, m e M s ao n umeros inteiros cujos valores dependem
da m aquina utilizada.
O n umero m aximo de dgitos t da mantissa e determinado pelo comprimento da pa-
lavra no computador (Sperandio et al., 2003). Na base bin aria, um dgito da mantissa e
um bit.
Em um computador, apenas um subconjunto dos n umeros reais pode ser representado
de forma exata e, portanto, a representac ao dos n umeros reais que n ao pertencem a tal
subconjunto e feita atrav es de truncamento ou de arredondamento.
De forma geral, um determinado sistema de aritm etico de ponto utuante pode ser
expresso pela func ao F dada abaixo:
F = F(, t, m, M) (6)
Exemplo 11 representac ao de n umeros no sistema de aritm etica de ponto
utuante F(10, 3, 4, 4):
(a) -279,15 . . . . . . -0,279 x 10
3
(b) 1,35 . . . . . . . . . 0,135 x 10
1
(c) 0,0677621 . . . 0,678 x 10
1
(d) 1,0093 . . . . . . 0,101 x 10
1
Ao contr ario do que e v alido para os n umeros reais, as operac oes de adic ao e multiplicac ao
em aritm etica de ponto utuante nem sempre s ao associativas nem distributivas. Isto se
deve ao fato de, numa s erie de operac oes aritm eticas, o arredondamento ser feito ap os
cada operac ao (Humes et al., 1984).
7
Notas de aula de C alculo Num erico
Exemplo 12 sistema de aritm etica de ponto utuante F(10, 3, 4, 4):
a
1
= (4, 26 + 9, 24) + 5, 04 = (0, 426x10
1
+ 0, 924x10
1
) + 0, 504x10
1
= 0, 135x10
2
+ 0, 504x10
1
= 0, 135x10
2
+ 0, 050x10
2
= 0, 185x10
2
a
2
= 4, 26 + (9, 24 + 5, 04) = 0, 426x10
1
+ (0, 924x10
1
+ 0, 504x10
1
)
= 0, 426x10
1
+ 0, 143x10
2
= 0, 043x10
2
+ 0, 143x10
2
= 0, 186x10
2
b
1
=
_
0, 123
7, 97
_
x 84, 9 =
_
0, 123
0, 797x10
1
_
x 0, 849x10
2
= 0, 154x10
1
x 0, 849x10
2
= 0, 131x10
1
b
2
=
0, 123 x 84, 9
7, 97
=
0, 123 x 0, 849 x 10
2
0, 797x10
1
=
=
0, 104x10
2
0, 797x10
1
= 0, 130x10
1
(7)
O exemplos acima demonstram que, al em dos erros de arredondamentos que surgem
no processo de mudanca de base, ocorrem tamb em arredondamentos ou truncamentos
devido ` a limitac ao do comprimento da palavra do computador (tamanho da mantissa t).
Esquema da aritm etica de ponto utuante
Seja um computador cujo sistema de representac ao seja dado por F(2, 10, 15, 15).
Um n umero e representado da seguinte forma:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Cada dgito corresponde a um bit: no sistema aqui representado, 10 bits correspon-
dem ` a mantissa (posic oes 2 a 11) e 4 bits ao expoente (posic oes 13 a 16); um bit (posic ao
1) indica o sinal da mantissa e um bit (posic ao 12) o sinal do expoente (bit=0 positivo e
bit=1 negativo).
Exemplo 13 Sistema de aritm etica de ponto utuante F(2, 10, 15, 15):
(23, 625)
10
= 0, 10111101 x 2
(5)
10
= 0, 10111101 x 2
101
1 1 0 1 1 1 1 0 1 0 0 0 0 1 0 1
(0, 6)
10
= 0, 10011001100 . . .
0 1 0 0 1 1 0 0 1 1 0 0 0 0 0 0
8
Notas de aula de C alculo Num erico
Nota-se que nem todos os n umeros reais t em representac ao exata nesses sistemas, o
que implica em arredondamentos ou truncamentos.
Exemplo 14 Considere uma m aquina que opera no sistema F(10, 3, 5, 5). O menor
n umero em valor absoluto representado nesta m aquina e:
m = 0, 100x10
5
e o maior n umero e
M = 0, 999x10
5
Dado um n umero real x, podem ocorrem as seguintes situac oes:
m |x| M o n umero pode ser representado nesta m aquina.
Ex: x = 235, 89 = 0, 23589x10
3
arredondamento: x = 0, 236x10
3
truncamento: x = 0, 235x10
3
|x| < m o n umero n ao pode ser representado nesta m aquina, que acusa ocorr encia
de underow
|x| > M o n umero n ao pode ser representado nesta m aquina, que acusa
ocorr encia de overow
Dependendo da m aquina e da linguagem computacional usada, e possvel trabalhar
em precis ao dupla, que e o mesmo sistema de representac ao aritm etica de ponto utu-
ante com o dobro de dgitos disponveis para a mantissa. Como nesse caso o tempo de
execuc ao e a mem oria usada aumentam signicativamente, deve-se trabalhar em precis ao
dupla apenas quando necess ario (Sperandio et al., 2003).
Exemplo 15 A tabela abaixo indica quantos bits a linguagem FORTRAN emprega para
representar a mantissa de cada tipo de vari avel.
Tipo n
o
de dgitos
INTEGER(1) 7
INTEGER(2) 15
INTEGER(4) 31
REAL(4) 24
REAL(8) 53
9
Notas de aula de C alculo Num erico
2.7 Erros absolutos e erros relativos
Erro absoluto e a diferenca entre o valor exato de um n umero x e o valor aproximado
x.
EA
x
= x x
Em geral, n ao se sabe o valor do erro absoluto porque apenas o valor aproximado x
e conhecido. Ent ao o que se faz e estimar o m odulo do erro absoluto, estabelecendo
limites superiores para o erro.
O erro absoluto n ao e suciente para avaliar a precis ao de um c alculo. Para este
m, adota-se o erro relativo, que leva em conta a ordem de grandeza dos n umeros
aproximados.
Erro relativo e o erro absoluto dividido pelo valor aproximado:
ER
x
=
EA
x
x
=
x x
x
Exemplo 16
(a) Seja x representado por um valor aproximado x = 2112, 9 e y representado por
y = 5, 3. Sabendo que |EA
x
| < 0, 1 e |EA
y
| < 0, 1, a que intervalos pertencem x e
y?
x (2112, 8 , 2113) e y (5, 2 , 5, 4)
(b) Qual valor e aproximado com maior precis ao?
|ER
x
| =
|EA
x
|
|x|
<
0, 1
2112, 9
4, 7x10
5
|ER
y
| =
|EA
y
|
|y|
<
0, 1
5, 3
0, 02
O n umero x e aproximado com maior precis ao que y.
2.8 Erros de arredondamento e truncamento
Um n umero real x pode ser representado no sistema decimal, em aritm etica de ponto
utuante, da seguinte forma:
x = f
x
x 10
e
+ g
x
x 10
et
onde:
m e M;
10
Notas de aula de C alculo Num erico
0, 1 |f
x
| < 1 e
0, 1 |g
x
| < 1.
Em um sistema decimal qualquer dado por F(10, t, m, M), a limitac ao da quantidade
de dgitos da mantissa (t) leva ao arredondamento ou ao truncamento, dependendo da
forma como o sistema opera.
Exemplo 17 Representac ao de x = 237, 485 no sistema F(10, 4, 5, 5):
x = 0, 237485 x 10
3
x = 0, 2374
. .
fx
x 10
3
+ 0, 85
..
gx
x 10
1
Se o sistema operar com truncamento, x ser a representado como:
x = 0, 2374 x 10
3
= f
x
x 10
3
Se houver arredondamento:
x = 0, 2375 x 10
3
= f
x
x 10
3
+ 10
1
De forma geral, quando h a truncamento, um n umero exato x e sempre representado
como:
x = f
x
x 10
e
enquanto no arredondamento o n umero x depende do valor de g
x
:
se g
x
< 0, 5, ent ao x = f
x
x 10
e
;
se g
x
0, 5, ent ao x = f
x
x 10
e
+ 10
et
Da pode-se estimar qual e o erro m aximo cometido na representac ao de um n umero exato
x em um sistema de base 10 que empregue arredondamento ou truncamento.
Limite superior para o erro de truncamento : x = f
x
x 10
e
Erro Absoluto:
|EA
x
| = |x x|
= |(f
x
x 10
e
+ g
x
x 10
et
) (f
x
x 10
e
)|
= |g
x
| x 10
et
Como |g
x
| < 1, ent ao pode-se escrever:
|EA
x
| < 10
et
sendo o limite superior para o erro absoluto de truncamento = 10
et
11
Notas de aula de C alculo Num erico
Erro Relativo:
|ER
x
| =
|EA
x
|
x
=
|g
x
| x 10
et
|f
x
| x 10
e
Sabe-se que 0, 1 < |f
x
| < 1 e |EA
x
| < 10
et
; da:
|ER
x
| <
10
et
0, 1 x 10
e
=
10
et
10
e1
= 10
1t
Ent ao |ER
x
| < 10
1t
e o limite superior para o erro relativo de truncamento = 10
1t
Limite superior para o erro de arredondamento : considerando o crit erio de arredon-
damento sim etrico, tem-se:
x = f
x
x 10
e
se |g
x
| < 0, 5
x = f
x
x 10
e
+ 10
et
se |g
x
| 0, 5
Erros absoluto e relativo quando |g
x
| < 0, 5:
|EA
x
| = |x x| = |g
x
| x 10
et
< 0, 5 x 10
et
|ER
x
| =
|EA
x
|
x
=
|g
x
| x 10
et
|f
x
| x 10
e
<
0, 5 x 10
et
0, 1 x 10
e
< 0, 5 x 10
t+1
Erros absoluto e relativo quando |g
x
| 0, 5:
|EA
x
| = |x x| = |(f
x
x 10
e
+ g
x
x 10
et
) (f
x
x 10
e
+ 10
et
)|
= |(g
x
1)| x 10
et
0, 5 x 10
et
|ER
x
| =
|EA
x
|
|x|

0, 5 x 10
et
|f
x
+ 10
e
+ 10
et
|
<
0, 5 x 10
et
|f
x
| x 10
e
<
0, 5 x 10
et
0, 1 x 10
e
= 0, 5 x 10
1t
Ent ao, no sistema decimal, havendo arredondamento, o limite superior para o erro abso-
luto e 0, 5 x 10
et
e para o erro relativo e 0, 5 x 10
1t
.
Observac oes
Note-se que o limite superior para os erros tanto no arredondamento quanto no trunca-
mento depende da base e do n umero de dgitos na mantissa (t);
Em sistemas que operam com truncamento est ao sujeitos a erros superiores aos que
ocorrem quando se emprega arredondamento.
12
Notas de aula de C alculo Num erico
2.9 Propagac ao de erros em operac oes aritm eticas de ponto utuante
O erro total de uma operac ao num erica e composto pelo erro das parcelas ou fatores
e pelo erro no resultado da operac ao (Ruggiero and Lopes, 1997).
Sejam: X e Y - valores exatos; X e Y - valores calculados.
A an alise do erro em operac oes que envolvam X e Y comeca pela determinac ao do erro
absoluto de X e de Y :
EA
X
= X X X = X + EA
X
EA
Y
= Y Y Y = Y + EA
Y
Adic ao. . . (X + Y )
Erro absoluto) EA
(X+Y)
X + Y = X + EA
X
+ Y + EA
Y
X + Y = X + Y + (EA
X
+ EA
Y
)
EA
(X+Y)
= (EA
X
+ EA
Y
)
Erro relativo) ER
(X+Y)
ER
(X+Y)
=
EA
(X+Y)
X + Y
=
EA
X
+ EA
Y
X + Y
=
EA
X
X + Y
+
EA
Y
X + Y
=
EA
X
X
X
X + Y
+
EA
Y
Y
Y
X + Y
= ER
X
X
X + Y
+ ER
Y
Y
X + Y
Subtrac ao. . . (X Y )
Erro absoluto) EA
(XY)
X Y = X + EA
X
Y EA
Y
X Y = X Y + (EA
X
EA
Y
)
EA
(XY)
= (EA
X
EA
Y
)
Erro relativo) ER
(XY)
ER
(XY)
=
EA
(XY)
X Y
=
EA
X
EA
Y
X Y
=
EA
X
X Y

EA
Y
X Y
=
EA
X
X
X
X + Y

EA
Y
Y
Y
X + Y
= ER
X
X
X Y
ER
Y
Y
X Y
13
Notas de aula de C alculo Num erico
Multiplicac ao. . . (XY )
Erro absoluto) EA
(X.Y)
X.Y = (X + EA
X
)(Y + EA
Y
)
= XY + XEA
Y
+ Y EA
X
+ EA
X
EA
Y
. .
0
XY + XEA
Y
+ Y EA
X
EA
X.Y
XEA
Y
+ Y EA
X
Erro relativo) ER
(X.Y)
ER
(X.Y)
=
EA
(X.Y)
X.Y

XEA
Y
X.Y
+
Y EA
X
X.Y
=
EA
X
X
+
EA
Y
Y
ER
X
+ ER
Y
Divis ao. . . (X/Y )
Erro absoluto) EA
(X/Y)
X
Y
=
X + EA
X
Y + EA
Y
=
X + EA
X
Y
_
1
1 +
EA
Y
Y
_
. .
A
(8)
Representando o fator A indicado na equac ao 8 por uma s erie innita (Ruggiero
and Lopes, 1997):
1
1 +
EA
Y
Y
= 1
EA
Y
Y
+
_
EA
Y
Y
_
2

_
EA
Y
Y
_
3
+ . . . (9)
desprezando as pot encias maiores que 1 e substituindo 9 em 8:
X
Y

X + EA
X
Y
_
1
EA
Y
Y
_

X
Y
+
EA
X
Y

XEA
Y
Y
2

EA
X
EA
Y
Y
2

X
Y
+
EA
X
Y

XEA
Y
Y
2
(10)
Da:
EA
(X/Y )

EA
(X)
Y

XEA
Y
Y
2
=
Y EA
X
XEA
Y
Y
2
14
Notas de aula de C alculo Num erico
Erro relativo) ER
(X/Y)
ER
(X/Y )

_
Y EA
X
XEA
Y
Y
2
_
Y
X
=
EA
X
X

EA
Y
Y
ER
X
ER
Y
Observac ao: Na subtrac ao, tem-se:
ER
(XY)
= ER
X
_
X
X Y
_
ER
Y
_
Y
X Y
_
ent ao:

ER
(XY )

|ER
X
|

_
X
X Y
_

+|ER
Y
|

_
Y
X Y
_

Exemplo 18 Supondo que x, y, z e v sejam representados exatamente no computador,


qual e o erro cometido na operac ao: u = (x + y)z v? Deve-se considerar que o
computador faca arredondamento.
O erro de arredondamento e dado por: |ER
a
| <
1
2
10
t+1
u = (x + y)z v
u = S.z v = M v
(11)
Erro de (S = x + y) . . .
ER
S
= ER
x
x
x + y
+ ER
y
y
x + y
+ ER
a
ER
S
= ER
a
|ER
S
| <
1
2
10
t+1
Erro de (M = S.z) . . .
ER
M
= ER
S
+ ER
z
+ ER
a
ER
M
= ER
S
+ ER
a
|ER
M
| <
1
2
10
t+1
+
1
2
10
t+1
|ER
M
| < 10
t+1
Erro de (u = M v) . . .
ER
u
= ER
M
M
M v
ER
v
v
M v
+ ER
a
|ER
u
| < |ER
M
|

M
M v

+
1
2
10
t+1
|ER
u
| < 10
t+1

M
M v

+
1
2
10
t+1
|ER
u
| < 10
t+1

M
M v
+
1
2

15
Notas de aula de C alculo Num erico
Exemplo 19 Calcular ER
S
de S = x y dados: x = 0, 2327x10
3
,
y = 0, 2323x10
3
, ER
x
<
1
2
10
3
e ER
y
<
1
2
10
3
.
|ER
S
| < |ER
x
|

x
x y

+|ER
y
|

y
x y

+|ER
a
|
|ER
S
| <
1
2
10
3

0, 2327.10
3
0, 0004.10
3

+
1
2
10
3

0, 2323.10
3
0, 0004.10
3

+
1
2
10
3
|ER
S
| <
1
2
10
3
(581, 75 + 580, 75 + 1)
|ER
S
| < 0, 5818 = 58, 18% (12)
Exemplo 20 Se x est a representado por x, onde x e obtido por arredondamento, obtenha
limites superiores para erros relativos ` as operac oes: u = 2x e w = x + x. Sabe-se que
ER
x
<
1
2
10
t+1
Erro de u)
ER
u
= ER
2
+ ER
x
+ ER
a
|ER
u
| <
1
2
10
t+1
+
1
2
10
t+1
|ER
u
| < 10
t+1
Erro de w)
ER
w
= ER
x
x
x + x
+ ER
x
x
x + x
+ ER
a
|ER
w
| <
1
2
10
t+1
.
1
2
+
1
2
10
t+1
.
1
2
+
1
2
10
t+1
|ER
w
| < 10
t+1
Os limites superiores para os erros relativos ` as duas operac oes s ao
id enticos = 10
t+1
.
Exerccio Proposto 1 Determinar os limites superiores para os erros relativos ` as opera-
c oes u = 3x e w = x + x + x.
2.10 Exemplos de operac oes que causam erros graves nos computadores
Nos exemplos abaixo, os n umeros s ao representados na base decimal, com 4 dgitos
na mantissa e 1 dgito no expoente.
Erros de arredondamento na adic ao ou subtrac ao envolvendo um n umero muito
maior que outro: (5000 0, 01)
0, 01 0, 1000.10
1
5000 0, 5000.10
4
(0, 5000 + 0, 000001).10
4
= 0, 500001.10
4
0, 5000.10
4
16
Notas de aula de C alculo Num erico
Subtrair dois n umeros quase iguais:
A = 0, 1236.10
0
. . . A = 0, 1235.10
0
B = 0, 1234.10
0
AB = (0, 1235.10 0, 1234).10
0
= 0, 0001.10
0
0, 1000.10
3
AB = (0, 1236.10 0, 1234).10
0
= 0, 0002.10
0
0, 2000.10
3
Erro relativo de A:
ER
A
=
A A
A
=
0, 1236 0, 1235
0, 1235
= 0, 00081 = 0, 081%
Erro relativo de (A B):
ER
(AB)
=
(AB) (AB)
AB
=
0, 2000 0, 1000
0, 1000
= 1 = 100%
17
Notas de aula de C alculo Num erico
Lista de Exerccios I
1. Converter para a base decimal os seguintes n umeros bin arios:
(a) 1011
(b) 10,1
(c) 110,01
2. Converter para a base bin aria os seguintes n umeros decimais:
(a) 37
(b) 25,39
(c) 0,1682
3. Representar os n umeros abaixo nos sistemas de aritm etica de ponto utuante ex-
pressos por F
1
= (2, 10, 15, 15) e F
2
= (10, 4, 15, 15), sendo F(, t, m, M),
onde e a base, t e o n umero de dgitos da mantissa, m e M s ao o menor e o maior
valor assumidos pelo expoente, respectivamente.
(a) (37)
10
(b) (0, 93)
10
(c) (110101)
2
(d) (0, 1011)
2
4. Em uma m aquina de calcular que emprega o sistema F(2, 10, 15, 15), quais s ao
o maior e o menor n umero represent aveis, em valores absolutos? Determin a-los na
base bin aria e na base decimal.
5. Seja um sistema que trabalha com aritm etica de ponto utuante de t = 4 dgitos na
base 10. Calcular os erros absolutos e relativos de truncamento e arredondamento
dos seguintes valores:
(a) 123,456
(b) 374,3+3,345
(c) 124,34+0,1234
(d) 22,12 x 0,123
6. Supondo que se empregue uma calculadora que opera em base decimal com 4
dgitos signicativos e fazendo X
1
= 0, 3491 . 10
4
, X
2
= 0, 2345 . 10
0
, cal-
cular os resultados das operac oes abaixo, explicando as diferencas, se houver.
(a) (X
2
+ X
1
) X
1
(b) X
2
+ (X
1
X
1
)
7. No mesmo sistema do item anterior, calcular os resultados e os erros relativos das
operac oes abaixo, onde X = 0, 7237 . 10
4
, Y = 0, 2145 . 10
3
e Z = 0, 2585 . 10
1
.
18
Notas de aula de C alculo Num erico
(a) X + Y + Z
(b) X Y Z
(c) (X . Y )/Z
(d) X . (Y/Z)
8. Sejam x e y representac oes de x e y obtidas por arredondamento em um compu-
tador. Determinar os limites superiores para o erro relativo de u e v dados abaixo,
comparando os resultados.
u = 3xy e v = (x + x + x)y
9. Uma func ao f a uma vari avel, contnua e innitamente deriv avel, pode ser repre-
sentada em s erie de Taylor:
f(x) =

n=0
f
(n)
(a)
n!
(x a)
n
onde f
(n)
(a) e a derivada de ordem n de f no ponto a. Calcular ln 0, 8 represen-
tando f(x) = ln x com 3 termos e avaliar o erro cometido na aproximac ao.
10. A menor raiz de uma equac ao do segundo grau pode ser calculada atrav es das se-
guintes express oes exatas:
x
1
=
b +

b
2
4ac
2a
e x
1
=
2c
b +

b
2
4ac
Calcular a menor raiz da equac ao:x
2
1634x+2 = 0 utilizando operac oes de ponto
utuante F(10, 4, 15, 15). Justicar a diferenca encontrada.
11. Fazer um programa, em qualquer linguagem, para calcular:
S =
N

k=1
(0, 1) e P = N.(0, 1)
para N = 10, N = 100, N = 1000, N = 10000. Justicar, se houver, as diferencas
entre S e N.
12. Fazer um programa, em qualquer linguagem, para calcular a func ao sin(x) atrav es
da seguinte aproximac ao:
SENO = x
x
3
3!
+
x
5
5!

x
7
7!
+ . . .
(a) Avaliar o n umero de termos necess arios para que o erro de truncamento seja
da ordem do erro de arredondamento (comparar cada termo somado com a
precis ao da mantissa).
(b) Comparar os resultados obtidos declarando-se as vari aveis como reais e como
reais com precis ao dupla.
19
Notas de aula de C alculo Num erico
3. RA

IZES REAIS DE FUNC



OES
3.1 Introduc ao
H a in umeras aplicac oes em que e necess ario determinar um certo n umero tal que
f() = 0. Este n umero e chamado de raiz da func ao f(x).
As razes de uma func ao podem ser reais ou complexas, simples ou m ultiplas (repe-
tidas) e ocorrer em n umero nito ou innito.
Func ao com razes real e complexas (gura 2): f(x) = x
3
7x
2
+ 16x 10
Figura 2: Gr aco de f(x) = x
3
7x
2
+ 16x 10.
f(x) = f(x) = x
3
7x
2
+ 16x 10 = (x
2
6x + 10)(x 1)

1,2
=
6+

36 40
2
=
6+2i
2

1
= (3 + i) ,
2
= (3 i)

3
= 1
Func ao com razes m ultiplas (gura 3):f(x) = x
4
5x
3
+ 6x
2
+ 4x 8
Figura 3: Gr aco de x
4
5x
3
+ 6x
2
+ 4x 8.
20
Notas de aula de C alculo Num erico
f(x) = x
4
5x
3
+ 6x
2
+ 4x 8 = (x 2)
3
(x + 1)

1
=
2
=
3
= 2

4
= 1
Func ao com innitas razes (gura 4): f(x) = tan(x) 3 cos(x)
Figura 4: Gr aco de f(x) = tan(x) 3 cos(x).
Em muitos casos, as razes de uma func ao podem ser encontradas analiticamente,
resolvendo-se a equac ao f(x) = 0 de forma exata. Por em, em func oes polinomiais de
grau elevado e func oes transcendentais ou transcendentes (que envolvem func oes trigo-
nom etricas, neperiano...), em geral e necess ario adotar m etodos num ericos para encontrar
aproximac oes para as razes. Tais m etodos envolvem basicamente duas etapas:
1. Isolamento das razes: trata-se de localizar intervalos em x que contenham pelo
menos uma raiz da func ao f(x)
2. Renamento: a partir de uma estimativa inicial, a aproximac ao e melhorada atrav es
de um processo iterativo, at e atingir uma precis ao pr e-estabelecida.
Ser ao tratados neste curso m etodos para determinac ao de razes reais de func oes.
Denic oes
M etodos iterativos: s ao processos que calculam uma seq u encia de aproximac oes
1
,

2
,
3
, . . . da soluc ao desejada (Humes et al., 1984); caracterizam-se pela repetic ao
de determinada operac ao, empregando a cada passo o resultado da iterac ao anterior.
Estimativa inicial: primeira aproximac ao do resultado do problema, fornecida como
entrada no primeiro passo do processo iterativo.
Converg encia: a cada iterac ao feita, o resultado deve ser mais pr oximo daquele espera-
do, indicando que o processo e bem condicionado.
Crit erio de parada: estabelece o limite do processo iterativo, atrav es de crit erios que
dependem do problema a ser resolvido e da precis ao necess aria para a soluc ao.
21
Notas de aula de C alculo Num erico
3.2 Isolamento de razes
Inicialmente, a localizac ao dos zeros e feita de forma grosseira atrav es de gr acos
(esbocos) ou tabelas de valores da func ao. Estudando o comportamento da func ao, deter-
mina-se um intervalo que contenha uma ou mais razes (Humes et al., 1984). Para tanto,
e util empregar o teorema de Bolzano.
Teorema 1 : Teorema de Bolzano) Seja f uma func ao alg ebrica com coecientes reais,
contnua em um intervalo (a, b).
Se f(a).f(b) < 0, ent ao existe um n umero mpar de razes reais no intervalo (a, b)
(gura 5)
Se f(a).f(b) > 0, ent ao ou o intervalo n ao tem razes reais ou h a um n umero par de
razes reais em (a, b) (gura 6).
Figura 5: f(a).f(b) < 0
Exemplo 21 : Isolar a raiz real da func ao f(x) = x
3
2x + 4.
A func ao f(x) acima possui apenas uma raiz real que pode ser localizada com a ajuda
de um gr aco obtido atrav es de calculadoras ou programas de manipulac ao alg ebrica;
ou a partir de um esboco tracado com base em uma tabela de valores x e f(x). A gura
7 mostra a curva da func ao f(x).
Observa-se na curva que a unica raiz real da func ao situa-se entre 2, 5 e 1, 25.
O teorema de Bolzano (1) pode ser vericado calculando-se f(x) nos extremos do inter-
valo (2, 5, 1, 25):
f(2, 5).f(1, 25) = (6, 625).(4, 547) < 0.
Tabelando valores da func ao em pontos no intervalo que cont em a raiz, e possvel renar
a estimativa, vericando onde f(x) troca de sinal.
22
Notas de aula de C alculo Num erico
Figura 6: f(a).f(b) > 0
Figura 7: Gr aco da equac ao P(x) = x
3
2x + 4.
Func oes transcendentes
Exemplo 22 :Isolar todas as razes da equac ao f(x) = x
2
sin x 1
1. Em func oes deste tipo, para facilitar o tracado do esboco da curva e conveniente
escrever f(x) = 0 na forma f(x) = g(x) h(x) = 0, onde:
g(x) = x
2
;
h(x) = sin x + 1
As razes de f(x) correspondem aos pontos em que g(x) = h(x).
23
Notas de aula de C alculo Num erico
2. Esboco de g(x) e h(x): na gura 8 pode-se identicar a ocorr encia de 2 razes
reais de f(x):
1
(1, 0, 5) e
2
(1, 1, 5).
Figura 8: Esboco das func oes g(x) e h(x).
3. Os intervalos que cont em a raiz podem ser renados calculando-se f(x) para valo-
res de x contidos nos intervalos originalmente identicados e vericando o teorema
de Bolzano 1.
A tabela abaixo mostra que a raiz
1
encontra-se no intervalo (0, 70, 0, 50).
x -1,50 -1,30 -1,10 -0,90 -0,70 -0,50
f(x) 2,25 1,65 1,10 0,590 0,130 -0,270
A tabela abaixo mostra que a raiz
2
encontra-se no intervalo (1, 30, 1, 50).
x 1,00 0,900 1,10 1,30 1,50
f(x) -0,840 -0,970 -0,680 -0,270 0,250
3.3 Converg encia e crit erios de parada
A partir do isolamento de razes e do renamento dos intervalos em que estas se
encontram, e possvel estimar um valor x
0
da raiz de f(x) que pode, ent ao, ser empregado
como valor inicial em um processo num erico iterativo.
Os m etodos num ericos iterativos geram uma seq u encia {
i
} de aproximac oes, que
tende para o valor exato da raiz buscada, (Barroso et al., 1987).
Uma importante classe de m etodos iterativos s ao os m etodos iterativos de passo 1
(Sperandio et al., 2003), que consistem basicamente em:
1. estimativa inicial para a soluc ao do problema: escolha de um valor inicial x
0
(a
partir do isolamento e renamento);
24
Notas de aula de C alculo Num erico
2. adoc ao de uma equac ao de iterac ao do tipo (x) = x, onde e uma func ao a uma
vari avel, que varia de m etodo para m etodo;
3. teste de parada, por meio do qual se decide quando o processo iterativo deve ter-
minar.
A partir de uma estimativa inicial x
0
para a raiz constr oi-se atrav es de iterac oes uma
seq u encia (Sperandio et al., 2003) empregando a func ao de iterac ao (x) tendo como
entrada em cada passo o resultado da iterac ao anterior:
x
0
x
1
= (x
0
)
x
2
= (x
1
)
x
3
= (x
2
)
.
.
.
.
.
.
x
n+1
= (x
n
)
.
.
.
.
.
.
onde se espera que: lim
n
x
n+1
= lim
n
(x
n
) = ()
ent ao: lim
n
() = , indicando que o m etodo e convergente.
Uma interpretac ao geom etrica para o caso em que a seq u encia {x
n
}

n=0
converge e o
gr aco mostrado na gura 9.
Figura 9: Interpretac ao geom etrica da converg encia do processo iterativo.
25
Notas de aula de C alculo Num erico
A equac ao de iterac ao (x) = x deve equivaler ao problema original: quando x = ,
tem-se () = e f() = 0, e e obtida empregando-se procedimentos alg ebricos ` a
func ao original.
Exemplo 23 : Seja a func ao f(x) = x
2
5x + 4 = 0. Adotar uma equac ao de iterac ao
(x) = x e vericar a converg encia para as razes adotando x
0
= 2 e x
0
= 5.
A func ao f(x) tem soluc ao analtica e as razes exatas s ao
1
= 1 e
2
= 4. Para
demonstrar a aplicac ao de um m etodo iterativo na aproximac ao de razes, adota-se
uma equac ao de iterac ao (x) = x e parte-se de um valor inicial x
0
.
Exemplo de equac ao de iterac ao aplic avel a este caso:
(x) =
x
2
+ 4
5
= x x
i+1
=
x
2
i
+ 4
5
Com isto, pretende-se aproximar as razes da func ao encontrando a intersec ao das
curvas x = y e x = (x), conforme indicado na gura 10.
Figura 10: Curvas x = y e (x) = (x
2
+ 4)/5.
26
Notas de aula de C alculo Num erico
Iterac oes - c alculo dos x
i
(partindo de x
0
= 2):
x
0
= 2, 000
x
1
= (x
0
) =
x
2
0
+ 4, 000
5, 000
=
2, 000
2
+ 4, 000
5, 000
= 1, 600
x
2
= (x
1
) =
x
2
1
+ 4, 000
5, 000
=
1, 600
2
+ 4, 000
5, 000
= 1, 312
x
3
= (x
2
) =
x
2
2
+ 4, 000
5, 000
=
1, 312
2
+ 4, 000
5, 000
= 1, 144
x
4
= (x
3
) =
x
2
3
+ 4, 000
5, 000
=
1, 144
2
+ 4, 000
5, 000
= 1, 062
x
5
= (x
4
) =
x
2
4
+ 4, 000
5, 000
=
1, 062
2
+ 4, 000
5, 000
= 1, 026
x
6
= (x
5
) =
x
2
5
+ 4, 000
5, 000
=
1, 026
2
+ 4, 000
5, 000
= 1, 010
x
7
= (x
6
) =
x
2
6
+ 4, 000
5, 000
=
1, 010
2
+ 4, 000
5, 000
= 1, 004
x
8
= (x
7
) =
x
2
7
+ 4, 000
5, 000
=
1, 004
2
+ 4, 000
5, 000
= 1, 002
x
9
= (x
8
) =
x
2
7
+ 4, 000
5, 000
=
1, 002
2
+ 4, 000
5, 000
= 1, 001
x
10
= (x
9
) =
x
2
9
+ 4, 000
5, 000
=
1, 001
2
+ 4, 000
5, 000
= 1, 000
. . . . . . . . .
x
i
converge para a raiz exata
1
= 1.
Determinac ao de x
i
(x
0
= 5, 000):
x
0
= 5, 000
x
1
= (x
0
) =
x
2
0
+ 4, 000
5, 000
=
5, 000
2
+ 4, 000
5, 000
= 5, 800
x
2
= (x
1
) =
x
2
1
+ 4, 000
5, 000
=
5, 800
2
+ 4, 000
5, 000
= 7, 528
x
3
= (x
2
) =
x
2
2
+ 4, 000
5, 000
=
7, 528
2
+ 4, 000
5, 000
= 12, 12
x
4
= (x
3
) =
x
2
3
+ 4, 000
5, 000
=
12, 12
2
+ 4, 000
5, 000
= 30, 18
. . . . . . . . . . . . . . .
os valores calculados para os x
i
(aproximac oes) se distanciam da soluc ao, indi-
cando que o m etodo e divergente.
27
Notas de aula de C alculo Num erico
O exemplo 23 mostra a necessidade de:
vericar se a cada iterac ao a resposta se aproxima da soluc ao (vericac ao de con-
verg encia)
estipular um crit erio de parada e
crit erios na escolha da func ao de iterac ao e do valor inicial.
Crit erios de Parada
A cada iterac ao, deve-se efetuar um teste para vericar se o valor calculado est a
sucientemente pr oximo da raiz que se quer determinar. Podem ser adotados diversos
tipos de crit erios de parada, tais como (Ruggiero and Lopes, 1997):
1. Teste de erro absoluto:
|f(x
n
)| <
|x
n
| <
2. Teste de erro relativo:
|x
n
|
|x
n
|
<
onde e uma toler ancia pr e-estabelecida para o erro da aproximac ao (erro m aximo ad-
missvel).
Como n ao se conhece o valor exato , reduz-se o intervalo (x
n
x
n1
) que cont em a
raiz a cada iterac ao, at e obter: |x
n
x
n1
| < ou |(x
n
x
n1
)/(x
n
)| < , (x
n
, x
n1
).
|x
i
| < para todo i > m
lim
i
(x
i
) = 0 (13)
lim
i
(x
i+1
) = 0 (14)
Subtraindo 13 de 14:
lim
i
(x
i+1
x
i
) = 0
o que resulta em:
teste de erro absoluto
|x
n
x
n1
| <
teste de erro relativo
|x
n
x
n1
|
|x
n
|
<
Deve-se ainda limitar o n umero de iterac oes, para evitar que o programa entre em looping
devido a erros de programac ao ou ` a inadequac ao do m etodo num erico empregado.
Nem sempre e possvel que f(x) e x atendam simultaneamente ` a mesma toler ancia
de erro . Os m etodos num ericos iterativos devem sempre atender a, no mnimo, uma das
condic oes.
28
Notas de aula de C alculo Num erico
Condic oes de converg encia
Uma condic ao suciente para a converg encia de m etodos iterativos estacion arios e
demonstrada a seguir:
Figura 11: Representac ao do teorema do valor m edio.
Seja (x) na gura 11 uma func ao de iterac ao e um valor de x pertencente ao
intervalo (a, b) indicado. Aplicando o teorema do valor m edio, tem-se:

() =
(b) (a)
b a
(b) (a) =

()(b a) (15)
Se x e raiz de f(x), tem-se f(x) = 0 e (x) = x. A func ao (x) gera a seq u encia:
x
0
x
1
= (x
0
)
x
2
= (x
1
)
x
3
= (x
2
)
.
.
.
.
.
.
.
.
.
x
i
= (x
i1
)
x
i+1
= (x
i
)
Fazendo a = x
i1
e b = x
i
e aplicando a equac ao 15:
(x
i
)
. .
x
i+1
(x
i1
)
. .
x
i
=

(
i
)(x
i
x
i1
)
x
i+1
x
i
=

(
i
)(x
i
x
i1
)
|x
i+1
x
i
| = |

(
i
)||x
i
x
i1
| (16)
29
Notas de aula de C alculo Num erico
A equac ao 16 gera a seq u encia:
i = 1 |x
2
x
1
| = |

(
1
)||x
1
x
0
|
i = 2 |x
3
x
2
| = |

(
2
)||x
2
x
1
|
i = 3 |x
4
x
3
| = |

(
3
)||x
3
x
2
|
.
.
.
.
.
.
.
.
.
|x
i
x
i1
| = |

(
i
)||x
i1
x
i2
|
|x
i+1
x
i
| = |

(
i+1
)||x
i
x
i1
| (17)
Considerando |

(
k
)| m, sendo m um n umero real, k = 1, 2, . . . , i:
|x
2
x
1
| m|x
1
x
0
| (18)
|x
3
x
2
| m|x
2
x
1
| (19)
.
.
.
.
.
.
.
.
.
|x
i
x
i1
| m|x
i1
x
i2
|
|x
i+1
x
i
| m|x
i
x
i1
|
Substituindo 18 em 19:
|x
2
x
1
| m|x
1
x
0
|
|x
3
x
2
| m.m|x
1
x
0
|
|x
4
x
3
| m.m.m|x
1
x
0
|
.
.
.
.
.
.
.
.
.
|x
i+1
x
i
| m
i
|x
1
x
0
| (20)
Analisando a equac ao 20, v e-se que a condic ao para que haja converg encia e:
lim
i
m
i
|x
1
x
0
| 0
lim
i
m
i
0 m < 1
Como |

(
k
)| m, conclui-se que a condic ao suciente para que haja converg encia em
um determinado processo iterativo e:
|

(
k
)| < 1 (21)
para todo x em uma regi ao que inclua a raiz exata .
Exemplo 24 : Vericar a converg encia da func ao de iterac ao adotada no exemplo 23.
(x) =
x
2
+ 4
5

(x) =
2x
5
Condic ao de converg encia: |

(x)| < 1
|
2x
5
| < 1 2, 5 < x < 2, 5
A func ao (x) adotada converge para a raiz de f(x) no intervalo (2, 5 , 2, 5).
30
Notas de aula de C alculo Num erico
Ordem de converg encia
e um par ametro que permite avaliar a rapidez com que um m etodo iterativo converge
(Sperandio et al., 2003).
Seja
i
= x
i
(22)
onde e o valor exato de uma raiz e x
i
e uma aproximac ao. Desenvolvendo (x) em
s erie de Taylor em torno de , tem-se:
(x
i
) =

n=0

(n)
()
n!
(x
i
)
n
(x
i
) = () +

()(x
i
) +

()(x
i
)
2
2
+ . . .
Sabendo que (x
i
) = x
i+1
e () = , tem-se:
x
i+1
=

()(x
i
) +

()(x
i
)
2
2
+ . . . (23)
Aplicando 22 a 23 tem-se:

i+1
=

()(x
i
) +

()(x
i
)
2
2
+ . . .

i+1
=

()
i
+

()
2
i
2
+ . . .

i
>>
2
i
>>
3
i
>> . . .
A ordem de converg encia e a ordem da menor derivada n ao-nula da func ao (x) calculada
no ponto x = . Quanto maior a ordem de converg encia, mais r apida e a converg encia.
Exemplo 25 : f(x) = e
x
3x = 0.
Func ao de iterac ao:
g(x) =
e
x
3
= x x
i+1
=
e
x
i
3
Ordem de converg encia:
g

(x) =
e
x
3
= 0
ent ao a ordem de converg encia de g(x) e 1.
Intervalo de converg encia:
e
x
3
< 1 e
x
< 3 x < ln 3 1, 1
31
Notas de aula de C alculo Num erico
Iterac oes: valor inicial x
0
= 0:
x
0
= 0
x
1
=
e
0
3
= 0, 333
x
2
=
e
0,333
3
= 0, 465
x
3
=
e
0,465
3
= 0, 530
x
4
=
e
0,530
3
= 0, 567
x
5
=
e
0,567
3
= 0, 588
.
.
.
.
.
.
As aproximac oes est ao convergindo lentamente para uma das razes de f(x) (cujo
gr aco e mostrado na gura 12).
Iterac oes: valor inicial x
0
= 2:
x
0
= 2
x
1
=
e
2
3
= 2, 463
x
2
=
e
2,463
3
= 3, 913
x
3
=
e
3,913
3
= 16, 683
.
.
.
.
.
.
Neste caso, o processo diverge da soluc ao procurada.
A seguir ser ao apresentados algum m etodos num ericos para determinac ao de razes
reais de func ao.
3.4 M etodo das Aproximac oes Sucessivas ou M etodo do Ponto Fixo
Trata-se de um m etodo de aplicac ao simples, apesar de pouco eciente computacio-
nalmente. Consiste em reescrever a func ao f(x) = 0, cujas razes se deseja calcular, na
forma x = (x), atrav es de artifcios alg ebricos (ver exemplo 23). (x) e a equac ao de
iterac ao, que pode assumir v arias formas para uma equac ao f(x). Por exemplo:
Para a equac ao x
4
3x
2
+ 6 = 0, pode-se adotar:
(x) =
x
4
+ 6
3x
, (x) =
3x
2
6
x
3
, (x) =
_
x
4
+ 6
3
32
Notas de aula de C alculo Num erico
Figura 12: Curva da func ao f(x) = e
x
3x = 0.
entre outras.
Um crit erio para escolha da equac ao (x) e a condic ao de converg encia dada pela
equac ao 21: |

| < 1 em uma vizinhanca da raiz , o que assegura a converg encia do


m etodo.
O m etodo do ponto xo consiste basicamente nas seguintes etapas:
1. isolar as razes (tabelas, esbocos, teorema de Lagrange...);
2. escolher uma func ao de iterac ao que satisfaca a condic ao de converg encia na vizi-
nhanca de uma das razes (|

| < 1);
3. executar as iterac oes at e atender a umcrit erio de parada (erro absoluto, erro relativo,
quantidade de iterac oes...)
Exemplo 26 : Calcular as razes reais da equac ao f(x) = ln xx+2 = 0 com 3 casas
decimais corretas (crit erio de parada: |x
i
x
i+1
| < 10
3
).
Isolamento das razes: a func ao f(x) pode ser escrita da forma:
f(x) = g(x) + h(x), onde:
g(x) = ln x e h(x) = x 2
ln x = x 2
Tabelando valores de g(x) e h(x) no intervalo 0 x 4, pode-se tracar um
esboco das curvas (gura 13) e fazer uma primeira estimativa da localizac ao das
razes. O esboco indica a ocorr encia de zeros reais nos trechos:
0 x 0, 5 e 3 x 3, 5
Func ao de iterac ao: deve-se escolher uma func ao (x) = x e analisar a condic ao
de converg encia (|

(x)| < 1).


(x) = ln x + 2

(x) =
1
x
|
1
x
| < 1 |x| > 1
A func ao (x) converge para x > 1 e x < 1, ent ao e v alida para calcular a raiz
localizada em (3, 3, 5).
33
Notas de aula de C alculo Num erico
Figura 13: Gr acos de g(x) e h(x).
Iterac oes: a cada iterac ao deve ser vericado o crit erio de parada

i
= |x
i
x
i+1
| <
max
= 10
3
. Adota-se valor inicial x
0
= 3, 5.
x
i
= ln(x
i1
) + 2
i x
i1
x
i

i
1 3,50000 3,25276 2,47.10
1
2 3,25276 3,17950 7,33.10
2
3 3,17950 3,15673 2,28.10
2
4 3,15673 3,14954 7,19.10
3
5 3,14954 3,14725 2,28.10
3
6 3,14725 3,14653 7,24.10
4
7 3,14653 3,14630 2,30.10
4
Ent ao, ap os 6 iterac oes, chega-se ao valor aproximado da raiz com 3 casas deci-
mais corretas (
6
= 7, 24.10
4
): x = 3, 14653
Vericac ao: substituindo o valor de x = 3, 14653 na func ao f(x):
f(3, 14653) = ln(3, 14653) 3, 14653 + 2 = 0, 00023 0
Obs: Nem sempre esta condic ao se verica.
Exemplo 27 : No exemplo anterior, encontrar uma func ao (x) que permita aproximar
a outra raiz de f(x) = ln(x) x + 2.
Func ao de iterac ao: (x) = e
x2
Vericac ao do intervalo de converg encia:

(x) = e
x2
|

(x)| = |e
x2
| < 1 x 2 < 0
x < 2
34
Notas de aula de C alculo Num erico
Iterac oes: x
0
= 0, 50000
x
i
= ln x
i1
+ 2
i x
i1
x
i

i
1 0,50000 0,22313 2,77.10
1
2 0,22313 0,16917 5,40.10
2
3 0,16917 0.16028 8,89.10
3
4 0,16028 0,15886 1,42.10
3
5 0,15886 0.15864 2,25.10
4
O resultado aproximado e x = 0, 15864, com erro
5
= 2, 25.10
4
e 5 iterac oes.
Exemplo 28 Determinar as razes de f(x) = e
x
ln(x) adotando como crit erio de
parada o m aximo erro absoluto
max
= |x
i
x
i1
| < 10
2
.
Isolamento das razes: f(x) = g(x) h(x) = 0
g(x) = e
x
e h(x) = ln(x)
Na gura 14 v e-se que h a uma raiz real em (1, 2).
Figura 14: Esboco de g(x) e h(x).
Func ao de iterac ao:
e
x
ln(x) = 0
e
x
= ln(x)
e
e
x
= x
(x) = e
e
x
35
Notas de aula de C alculo Num erico
Intervalo de converg encia: a func ao (x) poder a ser empregada se atender ` a
condic ao de converg encia no intervalo em que est a a raiz real.

(x) = e
x
e
e
x
|

(x)| =

e
x
e
e
x

< 1
Vericac ao: 1 < x < 2
x = 1

e
1
e
e
1

= 0, 531 < 1
x = 2

e
2
e
e
2

= 0, 155 < 1
Ent ao (x) converge para razes no intervalo 1 < x < 2.
Iterac oes: x
0
= 1, 0000
x
i
= e
e
x
i1
i x
i1
x
i

i
1 1,0000 1,4447 0,4447
2 1,4447 1,2660 0,1787
3 1,2660 1,3257 0,0598
4 1,3257 1,3042 0,0215
5 1,3042 1,3118 0,0076
6 1,3118 1,3091 0,0027
O resultado aproximado e x = 1, 3118, com erro = 7, 6.10
3
e 5 iterac oes.
Vericac ao:
f(1, 3118) = e
1,3118
ln(1, 3118) = 0, 0021
Exerccio Proposto 2 No exemplo 28, vericar a possibilidade de emprego de outra
func ao de iterac ao para achar a raiz.
Exemplo 29 : Calcular a ordem de converg encia das func oes de iterac ao empregadas
nos exemplos 26, 27 e 28.
Exemplo 26: (x) = ln(x) + 2

(x) =
1
x
= 0 ordem 1
Exemplo 27: (x) = e
x2

(x) = e
x2
= 0 ordem 1
36
Notas de aula de C alculo Num erico
Exemplo 28: (x) = e
x
ln(x)

(x) = e
x

1
x
= 0 ordem 1
OBSERVAC

OES IMPORTANTES:
De forma geral, as func oes de iterac ao (x) adotadas no M etodo do Ponto Fixo
levam ` a ordem de converg encia igual a 1, uma vez que na escolha de (x) n ao h a
crit erios relativos a este par ametro.
A condic ao de converg encia dada pela express ao 21 ( |

(x)| < 1 em [x
0
, ],
onde x
0
e o valor inicial e e a raiz procurada) e uma condic ao suciente mas
n ao necess aria para o MPF, uma vez que pode haver converg encia mesmo que tal
condic ao n ao se verique (ver exemplo 30).
A equac ao de iterac ao deve sempre permitir a gerac ao de uma seq u encia x
1
, x
2
, . . .
de aproximac oes para a raiz , o que n ao ocorre em casos como: (x) =

x e
x
0
= 4, 0:
i x
i
x
i+1
0 4,0 -2,0
-2,0
Exemplo 30 : Calcular as razes de f(x) = x
2
x 2 usando a func ao (x) = x
2
2
e x
0
= 0, 5 e 1.
As razes de f(x) podem ser calculadas de forma analtica, sendo:

1
= 2 e
2
= 1.
O intervalo de converg encia de (x), segundo a express ao 21, e:
|

(x)| = |2x| < 1


1
2
< x <
1
2
Da nota-se que as razes n ao se encontram no intervalo de converg encia.
Iterac oes: x
0
= 0, 5
i x
i
x
i+1
1 0,5 -1,75
2 -1,75 1,06
3 1,06 -0,87
4 -0,87 -1,24
5 -1,24 -0,46
6 -0,46 -1,79
7 -1,79 1,2
8 1,2 -0,56
9 -0,56 -1,69
10 -1,69 0,85
11 0,85 -1,28
. . . . . . . . .
37
Notas de aula de C alculo Num erico
N ao h a converg encia para quaisquer das duas razes de f(x).
Iterac oes: x
0
= 1, 0
i x
i
x
i+1
1 1,0 -1,0
2 -1,0 1,0
Convergiu para
2
= 1. Neste caso, tem-se um x
i
= acidentalmente(Conte
and de Boor, 1980)...
Exemplo 31 : Vericar se a func ao:
(x) = x
(x
2
5x + 4)
(2x 5)
pode ser empregada para aproximar as razes de de f(x) = x
2
5x + 4. Em caso
armativo, vericar a ordem de converg encia do m etodo e calcular as razes de f(x).
Para que (x) seja uma func ao de iterac ao de f(x), deve-se ter (x) = x para
f(x) = 0. Vericando:
(x) = x
(x
2
5x + 4)
(2x 5)
= x
(x
2
5x + 4)
(2x 5)
= x x = 0
(x
2
5x + 4) = 0.(2x 5)
f(x) = 0
Ent ao, (x) = x equivale a f(x) = 0.


E necess ario vericar o intervalo de converg encia de (x).
Sabendo que as razes de f(x) s ao 1, 0 e 4, 0:

(x) = 1
(2x 5)(2x 5) (x
2
5x + 4)(2)
(2x 5)
2

(x) = 1
(2x 5)(2x 5) (x
2
5x + 4)(2)
(2x 5)
2

(x) = 1 1 +
(x
2
5x + 4)(2)
(2x 5)
2

(x) = 2
f(x)
(2x 5)
2
38
Notas de aula de C alculo Num erico
Como a condic ao de converg encia e que |

(x)| < 1 nas vizinhancas de , conclui-


se que a func ao (x) e adequada para aproximar ambas as razes de f(x), j a que
para x = tem-se:

() = 2
0
..
f()
(2 5)
2
= 0
Ordem de converg encia: como

() = 0, sabe-se que a ordem de converg encia


neste caso e maior que 1. Vericando a derivada segunda de (x):

(x) = 2
f(x)
(2x 5)
2
= 2
f(x)
(f

(x))
2

(x) = 2
f

(x)f

(x)
2
f(x)(2f

(x)f(x))
(f

(x))
4

(x) = 2
_
1
f

(x)
f(x)
[2f

(x)f(x)]
(f

(x))
4
_
Como para x = tem-se que f(x) = 0, ent ao:

() = 2
1
f

()
= 0
considerando que f

() = 0. Da, conclui-se que a converg encia e de ordem 2.


Determinac ao das razes: A seq u encia de aproximac oes e calculada por:
x
i
= x
i1

(x
2
i1
5x
i1
+ 4)
(2x
i1
5)
Iterac oes adotando x
0
= 2 e x
0
= 5:
i x
i
x
i+1
erro
1 2,0000 0,0000
2 0,0000 0,8000 8,00.10
1
3 0,8000 0,9882 1,88.10
1
4 0,9882 1,0000 1,17.10
2
5 1,0000 1,0000 4,58.10
5
i x
i
x
i+1
erro
1 5,0000 4,2000
2 4,2000 4,0118 1,88.10
1
3 4,0118 4,0000 1,17.10
2
4 4,0000 4,0000 4,58.10
5
Observac ao: comparando os resultados do exemplo 31 com os do exemplo 23 nota-se
que:
39
Notas de aula de C alculo Num erico
com a func ao aqui empregada foi possvel aproximar as 2 razes de f(x), enquanto
no exemplo 23 s o foi possvel aproximar a menor raiz;
em 4 iterac oes, a raiz = 1 foi aproximada com 4 casas decimais corretas, en-
quanto no exemplo 23 em 6 iterac oes ainda havia um erro de 10
2
.
Algoritmo do M etodo do Ponto Fixo Dada uma equac ao de iterac ao g(x), o algoritmo
mais simples para a implementac ao do M etodo do Ponto Fixo e:
Algoritmo 1 : M etodo do Ponto Fixo
1. Dados de entrada:
x
0
: aproximac ao inicial;

1
e
2
: toler ancias para os erros em x e f(x);
n: n umero m aximo de iterac oes;
k: vari avel de controle (contador das iterac oes).
2. k = 0, x = x
0
;
3. Se |f(x)| <
2
, ent ao FIM.
4. sen ao: k = k + 1;
5. Se k > n ent ao imprima N ao convergiu com as precis oes estipuladas.; FIM.
6. sen ao, faca: x
k
= g(x);
7. Se |x
k
x
k1
| <
1
ou |f(x)| <
2
, ent ao FIM.
8. sen ao volte ao passo 4.
Para que este algoritmo seja util, e necess ario vericar:
se para o valor inicial x
0
e possvel calcular x
1
, x
2
, . . . e
se a seq u encia e convergente para o valor de uma das razes.
Exerccio Proposto 3 : Com base no algoritmo acima, implementar um programa em
qualquer linguagem para determinar a menor raiz positiva da func ao f(x) = e
x
sin x
3.5 M etodo de Newton Raphson (MNR)
Conforme visto no item 3.4, o problema aqui tratado consiste em determinar valores
de x tal que f(x) = 0, atrav es de uma func ao de iterac ao (x). A forma geral de (x)
relativa ` a func ao f(x) e:
(x) = x + A(x).f(x) (24)
onde A(x) e uma func ao qualquer tal que A() = 0. Ent ao, para x = , tem-se () =
e o problema consiste em achar soluc oes para (x) = x (Cl audio and Martins, 1988).
40
Notas de aula de C alculo Num erico
A equac ao 21 mostra que uma condic ao para a converg encia de um m etodo e que
|

(
k
)| < 1
nas vizinhancas da raiz exata da func ao f(x) - portanto, no M etodo do Ponto Fixo as
func oes atendem ` a tal condic ao.
No M etodo de Newton Raphson (Ruggiero and Lopes, 1997), que e um caso par-
ticular do M etodo do Ponto Fixo, a func ao de iterac ao (x) e tal que

() = 0. Esta
condic ao garante e acelera a converg encia (j a que

(x) < 0 e a ordem de converg encia e


maior que 1).
Tomando a func ao de converg encia na forma geral, dada pela express ao 24, e deri-
vando, tem-se:

(x) = 1 + A

(x).f(x) + A(x).f

(x) (25)
Calculando

(x) em tem-se:

() = 1 + A

().f() + A().f

()

() = 1 + A().f

()
Como se deseja que

() = 0:

() = 1 + A().f

() = 0
A() =
1
f

()
= 0 (26)
supondo f

() = 0. Da, toma-se:
A(x) =
1
f

(x)
que, substitudo na forma geral de , dada pela express ao 24, resulta em:
(x) = x
f(x)
f

(x)
(27)
que e a func ao de iterac ao no M etodo de Newton Raphson
2
.
2
Derivando a express ao 27, tem-se:

(x) = 1
f

(x)f

(x) f(x)f

(x)
(f

(x))
2

(x) =
f(x)f

(x)
(f

(x))
2
(28)
como f() = 0, chega-se a

() =
f()f

()
(f

())
2
= 0
v alido para f

() = 0.
41
Notas de aula de C alculo Num erico
Ent ao, no M etodo de Newton-Raphson, escolhido o valor inicial x
0
, a sequ encia {x
i
}
e expressa por:
x
i+1
= (x
i
) = x
i

f(x
i
)
f

(x
i
)
x
0
x
1
= x
0

f(x
0
)
f

(x
0
)
x
2
= x
1

f(x
1
)
f

(x
1
)
x
3
= x
2

f(x
2
)
f

(x
2
)
.
.
.
.
.
.
x
i+1
= x
i

f(x
i
)
f

(x
i
)
Representac ao gr aca
A representac ao gr aca da aproximac ao pelo M etodo de Newton-Raphson e mos-
trada na gura 15. Na gura, dado x
n
, o ponto x
n+1
ser a obtido pela intercess ao da reta
tangente a f(x) em x
n
com o eixo x. O coeciente angular da reta tangente a f(x) em x
n
e dado por:
tan () =
B
A
=
f(x
n
)
x
n
x
n+1
= f

(x
n
)
Da, tem-se:
x
n
x
n+1
=
f(x
n
)
f

(x
n
)
e a equac ao de iterac ao do M etodo de Newton-Raphson (MNR):
x
n+1
= x
n

f(x
n
)
f

(x
n
)
Converg encia do MNR
Sabe-se que a condic ao de converg encia de um m etodo iterativo e:

(x) < 1
em um intervalo (a, b) que contenha a raiz exata.
42
Notas de aula de C alculo Num erico
Figura 15: Representac ao gr aca da aproximac ao pelo m etodo de Newton-Raphson.
Para avaliar a converg encia do MNR, deriva-se a func ao de iterac ao (x) dada pela
express ao 27:
(x) = x
f(x)
f

(x)

(x) = 1
f

(x)f

(x) f(x)f

(x)
(f

(x))
2

(x) =
(f

(x))
2
(f

(x))
2
+ f(x)f

(x)
(f

(x))
2

(x) =
f(x)f

(x)
(f

(x))
2
(29)
onde, por hip otese, f

(x) = 0. Considerando

(x) contnua em (a, b) e sabendo que

() = 0, certamente h a na vizinhanca de um intervalo em que

(x) assuma valores


menores que 1. Assim, se o valor inicial x
0
pertencer a este intervalo, a converg encia do
m etodo est a garantida.
De forma geral, arma-se que o MNR converge desde que x
0
esteja sucientemente
pr oximo (Ruggiero and Lopes, 1997) da raiz .
Exemplo 32 : Encontrar as razes de f(x) = e
x
3x usando o MNR, adotando como
valores iniciais x
0
= 0 e x
0
= 5 e comparar com o resultado obtido no exemplo 25.
Equac ao de iterac ao:
(x) = x
f(x)
f

(x)
= x
e
x
3x
e
x
3
43
Notas de aula de C alculo Num erico
x
i
= x
i1

e
x
i1
3x
i1
e
x
i1
3
i x
i1
x
i
erro
1 0,0000 0,5000 5,00.10
1
2 0,5000 0,6101 1,10.10
1
3 0,6101 0,6190 8,94.10
3
4 0,6190 0,6191 6,45.10
5
5 0,6191 0,6191 3,38.10
9
i x
i1
x
i
erro
1 2,0000 1,6835 3,17.10
1
2 1,6835 1,5435 1,40.10
1
3 1,5435 1,5135 3,00.10
2
4 1,5135 1,5121 1,35.10
3
5 1,5121 1,5121 2,70.10
6
6 1,5121 1,5121 1,07.10
11
Nota-se que a converg encia foi alcancada para as duas razes, enquanto a func ao de
iterac ao usada no exemplo 25 divergiu para a maior raiz. Al em disso, a converg encia
para a raiz menor foi muito mais r apida, devido ` a maior ordemde converg encia da func ao
de iterac ao aqui empregada.
Exemplo 33 : Determinar a raiz real da func ao f(x) = x
3
x 1 pelo MNR com
toler ancia de 10
5
para o erro absoluto.
Escolha do valor inicial: deve-se levar em conta o aspecto da curva para que
a primeira aproximac ao x
0
seja pr oxima da raiz e n ao coincida com um ponto
estacion ario (f

(x
0
) = 0). A raiz pode ser localizada atrav es de uma tabela de que
indique o intervalo onde ocorre troca de sinal de f(x) :
x -1 -0,5 0 0,5 1 1,5
f(x) - - - - - +
A raiz est a no intervalo (1, 1, 5), ent ao pode-se arbitrar uma aproximac ao inicial
x
0
= 1, 25, vericando se f

(1, 25) = 0.
f

(x) = 3x
2
1 f

(1, 25) = 3, 6875 = 0


Func ao de iterac ao:
(x) = x
x
3
x 1
3x
2
1
x
i
= x
i1

x
3
i1
x
i1
1
3x
2
i1
1
Aproximac oes:
i x
i1
x
i

1 1,250000 1,330508 8,05.10
2
2 1,330508 1,324749 5,76.10
3
3 1,324749 1,324718 3,10.10
5
4 1,324718 1,324718 8,96.10
10
Com 4 iterac oes chega-se a = 1, 324718 com a precis ao estipulada.
44
Notas de aula de C alculo Num erico
Algoritmo do M etodo de Newton-Raphson Um algoritmo para implementac ao do M e-
todo de Newton-Raphson deve apresentar, de forma geral, os seguintes passos:
Algoritmo 2 : M etodo de Newton-Raphson
1. Dados de entrada:
x
0
: aproximac ao inicial;

1
e
2
: toler ancias para os erros em x e f(x);
n: n umero m aximo de iterac oes;
k: vari avel de controle (contador das iterac oes).
2. k = 0, x = x
0
;
3. Se |f(x)| <
2
, ent ao FIM.
4. sen ao: k = k + 1;
5. Se k > n ent ao imprima N ao convergiu com as precis oes estipuladas.; FIM.
6. sen ao, faca: x
k
= x
k1

f(x)
f

(x)
;
7. Se |x
k
x
k1
| <
1
ou |f(x)| <
2
, ent ao FIM.
8. sen ao volte ao passo 4.
Na implementac ao de uma subrotina para o MNR, al em dos crit erios de parada - to-
ler ancia para os erros, n umero m aximo de iterac oes - deve ser vericada a ocorr encia de
f

(x
n
) = 0
Exerccio Proposto 4 : Implementar, usando qualquer linguagem, o MNR para determi-
nar a menor raiz positiva da func ao f(x) = x
3
x 1.
3.6 M etodo da Secante
Uma desvantagem do M etodo de Newton-Raphson (Ruggiero and Lopes, 1997) e
a necessidade vericar f

(x
i
) a cada iterac ao i, uma vez que este valor encontra-se no
denominador de uma das parcelas da equac ao de iterac ao 27 e tem que ser diferente de 0
para que as aproximac oes x
i
sejam determinadas.
O M etodo da Secante (MSC) e uma aproximac ao do MNR e visa contornar esse
problema substituindo f

(x
i
) pela relac ao:
f

(x
i
) =
f(x
i
) f(x
i1
)
x
i
x
i1
(30)
45
Notas de aula de C alculo Num erico
onde x
i
e x
i1
s ao duas aproximac oes para a raiz. Substituindo 30 na func ao de iterac ao
27 tem-se:
(x
i
) = x
i

f(x
i
)
f

(x
i
)
= x
i

f(x
i
)
f(x
i
)f(x
i1
)
x
i
x
i1
= x
i

f(x
i
)
f(x
i
) f(x
i1
)
(x
i
x
i1
)
=
x
i
f(x
i
) x
i
f(x
i1
) x
i
f(x
i
) + x
i1
f(x
i
)
f(x
i
) f(x
i1
)
(31)
e da chega-se ` a equac ao de iterac ao para o M etodo da Secante:
(x
i
) =
x
i1
f(x
i
) x
i
f(x
i1
)
f(x
i
) f(x
i1
)
x
i+1
=
x
i1
f(x
i
) x
i
f(x
i1
)
f(x
i
) f(x
i1
)
(32)
Observa-se que para este m etodo s ao necess arias duas aproximac oes iniciais (x
0
e
x
1
), mas a cada iterac ao se calcula apenas uma nova aproximac ao.
Representac ao gr aca
A gura 16 mostra a representac ao geom etrica do M etodo da Secante. Dados os
valores iniciais x
0
e x
1
, a aproximac ao seguinte, x
2
, e a intersec ao da reta secante que
passa pelos pontos (x
0
, f(x
0
)) e (x
1
, f(x
1
)) com o eixo x.
Figura 16: Representac ao geom etrica das aproximac oes pelo MSC.
Converg encia do MSC
Como o MSC e uma aproximac ao do MNR, as condic oes para a converg encia s ao as
mesmas nos dois m etodos. O M etodo da Secante pode divergir se f(x
i
) f(x
i1
).
46
Notas de aula de C alculo Num erico
Exemplo 34 : Encontrar a raiz positiva de f(x) = x
3
x 1 pelo MSC com erro de
10
5
e comparar com o resultado obtido no exemplo 33.
Escolha do valor inicial: o isolamento de razes feito no exemplo 33 indica que a
raiz est a no intervalo (1, 1, 5); ent ao pode-se arbitrar como aproximac oes iniciais
x
0
= 1, 00 e x
1
= 1, 25.
Func ao de iterac ao:
x
i+1
=
x
i1
f(x
i
) x
i
f(x
i1
)
f(x
i
) f(x
i1
)
(33)
Aproximac oes:
i x
i1
x
i
x
i+1
erro
1 1,000000 1,250000 1,355556 1,06.10
1
2 1,250000 1,355556 1,322506 3,30.10
2
3 1,355556 1,322506 1,324656 2,15.10
3
4 1,322506 1,324656 1,324718 6,25.10
5
5 1,324656 1,324718 1,324718 1,29.10
7
Com 5 iterac oes chega-se a = 1, 324718 com a precis ao estipulada. No exemplo
33 foram necess arias 4 iterac oes para a soluc ao.
Exerccio Proposto 5 : Implementar, usando qualquer linguagem, um algoritmo do M e-
todo da Secante para determinar a menor raiz positiva da func ao f(x) = x
3
x 1.
3.7 M etodo da Bissec ao
Considerado por alguns autores como um m etodo de isolamento de razes (Sperandio
et al., 2003), o M etodo da Bissec ao ou M etodo do Meio Intervalo consiste, inicialmente,
em obter um intervalo que cont em a raiz da func ao f(x) = 0, com f contnua neste
intervalo, e depois ir dividindo-o ao meio sucessivamente, mantendo a raiz enquadrada,
at e se aproximar sucientemente dela. Partindo de um intervalo (a
0
, b
0
), o m etodo deter-
mina uma seq u encia de intervalos (a
1
, b
1
) (a
2
, b
2
) (a
3
, b
3
) . . . que cont em a raiz
, obtidos da seguinte forma (Sperandio et al., 2003):
1. Estipulam-se os limites do intervalo inicial (a, b) do intervalo inicial I
ki
;
2. Determina-se o ponto m edio m
k
= (a + b)/2 do intervalo I
ki
;
3. Calcula-se f(m
k
). Se f(m
k
) = 0 , ent ao m
k
e a raiz;
4. Sen ao:
se f(m
k
).f(a) < 0, ent ao b = m
k
;
sen ao: a = m
k
;
5. retorna para o item 2.
47
Notas de aula de C alculo Num erico
A estimativa para a raiz e o ponto m edio do intervalo (a, b).
Exemplo 35 : Determinar pelo m etodo da bissec ao, corretamente at e a terceira casa
decimal, a raiz da func ao f(x) = (x/2)
2
sin(x) localizada no intervalo (1, 5, 2).
O resultado da iterac ao e mostrado na tabela abaixo:
i a
i
b
i
x
i
f(a).f(x
i
) |b
i
a
i
|
0 1,500 2,000 1,750 + 5,00.10
1
1 1,750 2,000 1,875 + 2,50.10
1
2 1,875 2,000 1,938 - 1,25.10
1
3 1,875 1,938 1,906 + 6,25.10
2
4 1,906 1,938 1,922 + 3,13.10
2
5 1,922 1,938 1,930 + 1,56.10
2
6 1,930 1,938 1,934 + 7,81.10
3
7 1,934 1,938 1,936 - 3,91.10
3
8 1,934 1,936 1,935 - 1,95.10
3
9 1,934 1,935 1,934 + 9,77.10
4
Algoritmo 3 : M etodo da Bissec ao Em linhas gerais, um algoritmo para determinac ao
de razes de uma func ao f(x) pelo M etodo da Bissec ao deve apresentar os seguintes
passos:
1. Dados de entrada:
x
0
e x
1
: valores iniciais;

1
e
2
: erros em x e f(x);
n: n umero m aximo de iterac oes;
k: vari avel de controle (contador de iterac oes).
2. k = 2;
3. se k > n, ent ao imprima N ao convergiu com os erros estipulados, FIM.
4. sen ao: faca x
k
= (x
k2
+ x
k1
)/2;
5. se |x
k
x
k1
| <
1
e/ou |f(x
k
)| <
2
, ent ao: FIM.
6. sen ao: faca v = f(x
k2
).f(x
k
);
7. se v < 0, ent ao faca x = x
k2
;
8. sen ao: faca x = x
k1
;
9. x
k1
= x;
10. k = k + 1
11. voltar para o passo 3.
48
Notas de aula de C alculo Num erico
Estimativa do n umero de iterac oes
No m etodo da bissec ao, dada uma precis ao e um intervalo inicial (a, b), e possvel
estimar o n umero de iterac oes necess arias para se obter b
k
a
k
< (Ruggiero and Lopes,
1997).
Sabe-se que:
b
k
a
k
=
b
k1
a
k1
2
=
b
k2
a
k2
2.2
=
b
k3
a
k3
2.2.2
= . . . =
b
0
a
0
2
k
Deve-se obter b
k
a
k
< , ent ao:
b
0
a
0
2
k
< 2
k
>
b
0
a
0

log
_
2
k
_
> log
_
b
0
a
0

_
k log(2) > log(b
0
a
0
) log()
k >
log(b
0
a
0
) log()
log(2)
(34)
Ent ao, ap os a iterac ao de n umero k obt em-se uma aproximac ao com a precis ao
estipulada.
Exemplo 36 : Vericar o n umero de iterac oes necess arias para resolver o exemplo 35
usando a express ao 34. O exemplo consiste em encontrar a raiz de
f(x) = (x/2)
2
sin(x) partindo do intervalo (1, 5, 2) com = 10
3
.
k >
log(b
0
a
0
) log()
log(2)
k >
log(2 1, 5) log(10
3
)
log(2)
8, 97
Segundo a express ao 34, e necess ario um n umero k > 8, 97 de iterac oes para atingir a
precis ao estipulada. De fato, no exemplo 35 a aproximac ao foi atingida com 9 iterac oes.
3.8 M etodo da Falsa Posic ao
No m etodo da bissec ao, dada uma func ao f(x) contnua em um intervalo (a, b que
cont em a raiz , a aproximac ao x para e a m edia aritm etica entre a e b:
x =
a + b
2
O M etodo da Falsa Posic ao (MFP) leva em conta os valores que a func ao assume em
a e b para gerar uma aproximac ao no intervalo (Ruggiero and Lopes, 1997). Por exemplo:
a func ao x
3
9x+3 possui uma raiz no intervalo (0, 1); como f(0) = 3 est a mais pr oximo
de 0 que f(1) = 5, e prov avel que a raiz esteja mais pr oxima de 0 do que de 1 - e o que
ocorre em func oes lineares em (a, b).
Ent ao, ao inv es de simplesmente tomar a m edia aritm etica entre a e b, no M etodo da
Posic ao Falsa a func ao de iterac ao consiste na m edia ponderada entre a e b com pesos
f(b) e f(a) respectivamente:
49
Notas de aula de C alculo Num erico
x
i
=
a
i
.f(b
i
) b
i
.f(a
i
)
f(b
i
) f(a
i
)
(35)
Segundo Sperandio (Sperandio et al., 2003), O M etodo da Falsa Posic ao (MFP) e
um caso particular do M etodo da Secante (Sperandio et al., 2003) no qual os pontos
(x
n1
, f(x
n1
)) e (x
n
, f(x
n
)) s ao escolhidos de forma a se ter f(x
n1
).f(x
n
) < 0 para
todo n = 1, 2, 3, . . . (ver equac ao 33).
Representac ao geom etrica
A gura 17 mostra como se d a a converg encia no MFP.
Figura 17: Representac ao geom etrica das aproximac oes pelo MFP.
A equac ao de iterac ao e a equac ao da reta que passa pelos pontos (x
i
, f(x
i
)) e
(x
i1
, f(x
i1
)), sendo a aproximac ao x
i+1
relativa ao ponto em que f(x) = 0.
Por exemplo, para obter a aproximac ao x
2
, emprega-se a equac ao da reta que passa
pelos pontos (x
0
, f(x
0
)) e (x
1
, f(x
1
)):
tan =
f(x
1
) f(x
0
)
x
1
x
0
=
y f(x
0
)
x x
0
y =
f(x
1
) f(x
0
)
x
1
x
0
(x x
0
) + f(x
0
) (36)
A aproximac ao x
2
e a intersec ao da reta descrita pela express ao 36 e o eixo x, ent ao,
50
Notas de aula de C alculo Num erico
fazendo y = 0, tem-se:
0 =
f(x
1
) f(x
0
)
x
1
x
0
(x x
0
) + f(x
0
)
x = x
0
f(x
0
)
(x
1
x
0
)
f(x
1
) f(x
0
)
x =
x
0
f(x
1
) x
0
f(x
0
) x
1
f(x
0
) + x
0
f(x
0
)
f(x
1
) f(x
0
)
x =
x
0
f(x
1
) x
1
f(x
0
)
f(x
1
) f(x
0
)
= x
2
Generalizando:
x
i
=
a
i
.f(b
i
) b
i
.f(a
i
)
f(b
i
) f(a
i
)
(37)
onde a
i
e b
i
s ao os limites do intervalo que cont em a raiz na iterac ao i.
Exemplo 37 : Determinar pelo m etodo da falsa posic ao, corretamente at e a terceira
casa decimal, a raiz da func ao f(x) = (x/2)
2
sin(x) localizada no intervalo (1, 5, 2).
e comparar o resultado com o obtido no exemplo 35.
Como f(1, 5).f(2) < 0, estes valores podem ser tomados como limites para o primeiro
intervalo (a
i
, b
i
).
A func ao de iterac ao e:
x
i
=
a
i
.f(b
i
) b
i
.f(a
i
)
f(b
i
) f(a
i
)
x
i
=
a
i
.[(b
i
/2)
2
sin(b
i
)] b
i
.[(a
i
/2)
2
sin(a
i
)]
[(b
i
/2)
2
sin(b
i
)] [(a
i
/2)
2
sin(a
i
)]
i a
i
b
i
x
i
f(a).f(x
i
) |b
i
a
i
|
0 1,500 2,000 1,914 - 5,00.10
1
1 1,500 1,914 1,940 + 4,14.10
1
2 1,940 1,914 1,934 - 2,65.10
2
3 1,940 1,934 1,934 - 6,54.10
3
No exemplo 35 foram necess arias 9 iterac oes para aproximar a raiz, que aqui foi encon-
trada com a mesma precis ao ap os 3 iterac oes.
Exemplo 38 : Aproximar a raiz de f(x) = sin(x) ln(x) pelo MFP com 4 casas deci-
mais corretas.
Localizac ao da raiz: na tabela abaixo v e-se que h a uma raiz no intervalo (2, 3):
x 0 1 2 3
f(x) > 0 > 0 > 0 < 0
51
Notas de aula de C alculo Num erico
Aproximac oes: a func ao de iterac ao e:
x
i
=
a
i
.[(sin b
i
ln(b
i
)] b
i
.[(sin a
i
ln(a
i
)]
[(sin b
i
ln(b
i
)] [(sin a
i
ln(a
i
)]
Adotando o intervalo inicial [2, 3]:
i a
i
b
i
f(a
i
) f(b
i
) x
i
f(x
i
) erro
1 2,0000 3,0000 0,2162 -0,9575 2,1842 > 0
2 2,1842 3,0000 0,0365 -0,9575 2,2141 > 0 2,99.10
2
3 2,2141 3,0000 0,0053 -0,9575 2,2184 > 0 4,30.10
3
4 2,2184 3,0000 0,0007 -0,9575 2,2190 6,04.10
4
3.9 Comparac ao entre os m etodos
A qualidade de um m etodo de aproximac ao de razes pode ser valiada com base em
par ametros variados, como: garantia de converg encia, rapidez de converg encia, esforco
computacional (tempo de processamento), etc (Ruggiero and Lopes, 1997).
Quanto ` a garantia de converg encia, os m etodos da Falsa Posic ao e da Bissec ao t em
converg encia garantida, desde que a func ao seja contnua em um intervalo (a, b) que con-
tenha a raiz.
Os M etodos da Secante e de Newton-Raphson t em condic oes mais restritivas de con-
verg encia, mas esta ocorre mais rapidamente do que para os outros dois m etodos. Pode-se
associar o M etodo da Bissec ao a estes dois, empregando-o para fornecer umintervalo com
amplitude pr e-determinada e ent ao usar o MSC ou MNR para continuar as aproximac oes.
O esforco computacional depende de diversos fatores, como da quantidade de opera-
c oes efetuadas.

E, portanto, difcil avaliar de forma geral.
O m etodo de Newton-Raphson e, de forma geral, o mais indicado quando e possvel
vericar as condic oes de converg encia e quando a avaliac ao de f

(x) n ao e muito com-


plexa. Sen ao, pode-se empregar o M etodo da Secante.
Exerccio Proposto 6 : Programar usando a linguagem de sua prefer encia rotinas para
os M etodos do Ponto Fixo, Newton-Raphson, Secante, Bissec ao e Falsa Posic ao para
encontrar ao menos uma raiz de cada uma das func oes abaixo, com < 10
4
para x e
f(x):
f(x) = 2x sin(x) + 4
f(x) = e
x
tan(x)
f(x) = x
3
x
2
12x
Apresentar os resultados em uma tabela como a mostrada a seguir e comparar os resul-
tados indicando qual o melhor m etodo em cada caso.
52
Notas de aula de C alculo Num erico
bissec ao MFP MPF MNR MSC
dados iniciais
x
f(x)
Erro em x
n
o
de iterac oes
53
Notas de aula de C alculo Num erico
Lista de Exerccios II
1. Encontrar a menor raiz real positiva de cada uma das equac oes seguintes empre-
gando: M etodo do Ponto Fixo (MPF), pelo M etodo de Newton-Raphson (MNR) e
M etodo da Secante (MSC), com precis ao de 10
4
. Em todos os c alculos, empregar
7 algarismos para representar os n umeros.
a) f(x) = e
x
sen(x)
b) f(x) = x x
x
2
c) f(x) = x
3
x 2
d) f(x) = x x
x
2
e) f(x) = x
4
8x
3
+ 30x
2
120x + 1
f) f(x) = x 2, 7 lnx
2. Encontrar as razes reais das func oes abaixo usando o M etodo da Bissec ao e o
M etodo da Falsa Posic ao.
a) f(x) = x
3
x 1
b) f(x) = x tg(x)
c) f(x) = e
x
cos(x)
3. Escrever um programa em qualquer linguagem para calcular as menores razes das
equac oes acima pelo MPF com precis ao de 10
6
e outro que faca o mesmo empre-
gando o MNR. Comparar os resultados e o n umero de iterac oes em cada caso.
4. Mostrar que o MNR e um m etodo com ordem de converg encia igual a 2
(portanto, () = 0).
54
Notas de aula de C alculo Num erico
Refer encias
L. C. Barroso, M. M. A. Barroso, F. F. Campos-lho, M. L. B. Carvalho, and M. L. Maia.
C alculo Num erico com aplicac oes. 2 edition, 1987.
F. F. Campos. Algoritmos num ericos. 1 edition, 2001.
D. M. Cl audio and J. M. Martins. C alculo Num erico Computacional. 2 edition, 1988.
S. D. Conte and C. de Boor. Elementary numerical analysis: an algorithmic approach. 3
edition, 1980.
A. F. C. Humes, I. S. H. Melo, L. K. Yoshida, and W. T. Martins. Noc oes de C alculo
Num erico. McGraw-Hill, 1984.
M. A. G. Ruggiero and V. L. R. Lopes. C alculo Num erico, aspectos te oricos e computa-
cionais. 2 edition, 1997.
D. Sperandio, J. R. Mendes, and L. H. M. Silva. C alculo Num erico, caractersticas
matem aticas e computacionais dos m etodos num ericos. 2003.
55