CAPÍTULO 2

RAÍZES DE EQUAÇÕES TRANSCENDENTES E POLINOMIAIS

2.1. INTRODUÇÃO

Resolver uma função, ou localizar a raiz de uma função, significa encontrar o valor de sua incógnita para o
qual o valor da função é zero.
Métodos numéricos para obtenção de raízes de equações transcendentes e polinomiais são necessários pois:

- polinômios de grau superior a 4 não tem solução analítica, exceto em formas particulares;
- a localização de raízes de equações transcendentes por métodos analíticos é, em geral, impraticável.

Assim, os métodos numéricos se constituem na única forma prática de resolver este tipo de problema.
Todos os métodos que serão vistos neste capítulo consistem na aplicação do seguinte procedimento geral:

a) isolamento da raiz: para a aplicação dos métodos é necessário que seja definida a região em que a raiz
se encontra ou um valor grosseiramente aproximado da raiz, dependendo do método a utilizar. De
qualquer forma, alguma informação sobres a(s) raiz(es) é necessária;

b) aproximação da raiz: a partir de uma aproximação grosseira da raiz, os métodos numéricos nos levam
a melhores aproximações da mesma.

É importante ressaltar que os métodos a serem discutidos não levam, via de regra, ao valor exato das raízes,
mas apenas uma aproximação de seu valor.
Como os métodos vão levar a uma aproximação da raiz, é necessário definir-se critérios para decidir quando
uma aproximação obtida é aceitável e, portanto, não há mais necessidade de melhora-la. Os critérios usualmente
utilizados são :

| - |
a)| f( x n ) | ≤ ε b) xn - x n-1 ≤ ε c) x n x n-1 ≤ ε
| xn |
onde ε é a tolerância da aproximação.
 O ideal seria que todos os métodos atendessem os critérios "a" e "b", o que, no entanto, nem sempre é
possível, em função das características das funções. Por isto, para cada método de aproximação deve ser definido
um critério de tolerância entre os três apresentados.

2.2. MÉTODOS DE ISOLAMENTO DE RAÍZES

2.2.1. MÉTODOS GERAIS

Os métodos gerais são aplicados a qualquer tipo de função quando não se conhece nada sobre a mesma,
como normalmente ocorre com as equações transcendentes. Pelo fato de servirem para conhecer a função em
estudo, estes métodos podem ser chamados de métodos de inspeção.
Estes métodos baseiam-se no seguinte teorema da Álgebra:

"Se uma função contínua f(x) assume sinais opostos nos pontos extremos do intervalo [a,b] (isto é,
f(a).f(b) < 0), então o intervalo conterá, no mínimo, uma raiz da equação f(x) = 0, ou seja, haverá, no
mínimo, um número ξ 0 [a,b] tal que f(ξ
ξ) = 0."

O objetivo destes métodos será, então, localizar, de maneira grosseira e expedita, um intervalo [a,b] para o
qual o valor da função nos extremos tenha sinais opostos.

2.2.1.1. MÉTODO GRÁFICO

Consiste na plotagem da função e localização do(s) ponto(s) em que a função se anula, isto é, intercepta o
eixo das abcissas.
Uma variante deste método consiste em apresentar a função f(x) como a diferença de duas outras g(x) e h(x)
(f(x) = g(x) - h(x)), e plotar estas duas funções. A raiz de f(x) será o valor em que as funções g(x) e h(x) se
interceptarem (o que significa que tem o mesmo valor).
Exemplo : para : f(x) = x2 - sen(x) - 1
faz-se : g(x) = x2
h(x) = sen(x) + 1
e : f(x) = g(x) - h(x).
2.2.1.2. MÉTODO DO TABELAMENTO

Este método consiste tabelar os valores de f(x). Normalmente o procedimento adotado é :

. definir um valor inicial x0 para a variável independente;

. definir um valor ∆x para variação da variável independente;
. calcular o valor da função nos n+1 pontos x0, x0+∆x, x0+2∆x,...,x0+n∆x.

Se f(x) muda de sinal entre 2 valores da tabela, há um número ímpar de raízes entre eles, o que significa que
há ao menos 1 raiz. Entre 2 valores de mesmo sinal ou existe um número par de raízes ou não existem raízes.

2.2.2. MÉTODOS PARA EQUAÇÕES POLINOMIAIS

Para equações polinomiais existem vários teoremas que auxiliam no isolamento de suas raízes. Alguns deles
serão apresentados a seguir. É interessante que se note que quanto mais informação um teorema fornece com
relação às raízes de um polinômio, maior o trabalho envolvido em aplica-lo. Por exemplo, compare-se a Regra dos
Sinais de Descartes e o Teorema de Budan.

a. Teorema de Bolzano :

"Seja P(x) = 0 uma equação algébrica com coeficiente reais e x 0 [a,b]. Se P(a).P(b) < 0 (isto é, se a função
tem sinais diferentes em a e b), então existe um número ímpar de raízes reais (contando sua multiplicidade), no
intervalo [a,b]. Se P(a).P(b) > 0, então existe um número par de raízes reais (contando sua multiplicidade) ou não
existem raízes no intervalo [a,b]".

b. Regra de sinais de Descartes

"O número de raízes reais positivas (n+) de uma equação algébrica é igual ao número de variações de sinais
na seqüência dos coeficientes ou menor que este número por um inteiro par, sendo uma raiz de multiplicidade m
contada como m raízes e não sendo considerados os coeficientes iguais a zero"
 Como corolário :
"O número de raízes reais negativas (n-), contando suas multiplicidades, é igual ao número de permanências
dos sinais na seqüência dos seus coeficientes ou é menor que este por um inteiro par".

Exemplo: Dado P(x) = 2x4 - x3 - 6x2 + 8x + 12 = 0

n+ = 2 - 2k1 ⇒ n+ = 2 ou 0
n- = 2 - 2k2 ⇒ n- = 2 ou 0

c. Teorema de Lagrange

"Sejam an > 0, a0 ≠ 0 e k (0 ≤ k ≤ n-1) o maior índice dos coeficientes negativos do polinômio P(x). Então, o
limite superior das raízes positivas será :

|B|
LS + = 1 + n -k
an
onde B é o máximo dos módulos dos coeficientes negativos do polinômio."

O limite inferior das raízes positivas, obtido do limite superior do polinômio auxiliar P1(x) = xn P(1/x), é :
LI+ = 1/L1.

O limite inferior das raízes negativas, obtido do limite superior do polinômio auxiliar P2(x) = P(-x), é : LI- =
- L2.

O limite superior das raízes negativas, obtido do limite superior do polinômio auxiliar P3(x) = xn P(-1/x), é :
LS- = - 1/L3.

Exemplo : Dado P(x)= 2x4 -x3 -6x2 +8x +12 = 0

a) P(x)= 2x4 -x3 -6x2 +8x +12 = 0

| -6 |
LS+ = 1 + 4-3 =4
2
b) P1(x)= 12x4 +8x3 -6x2 -x +2 = 0

| -6 | 2 + 2 1
L1 = 1 + 4-2 = ⇒ LI + = = 2 - 2
12 2 L1
 c) P2(x)= 2x4 +x3 -6x2 -8x +12 = 0

| -8 |
L2 = 1 + 4- 2 = 3 ⇒ LI - = - L2 = - 3
2
d) P3(x)= 12x4 -8x3 -6x2 +x +2 = 0

| -8 | 5 1 3
L3 = 1 + 4-3 = ⇒ LI - = - = -
12 3 L3 5

d. Teorema de Budan

"Seja Pk(L) a derivada de ordem k de P(X) calculada em x = L. Seja VL o número de trocas de sinal na
seqüência de números P(L), P'(L),...,Pm(L), tomados nesta ordem. O número de raízes de P(x) no intervalo L ≤ x ≤
U é igual a |VL - VU| ou menor que este número por um inteiro par".

Exemplo : Dado P(x) = x5 + x4 - 4x3 - 3x2 + 3x + 1

P(x) = x5 + x4 - 4x3 - 3x2 + 3x + 1

P'(x) = 5x4 + 4x3 - 12x2 - 6x + 3
P''(x) = 20x3 + 12x2 - 24x - 6
P'''(x) = 60x2 + 24x - 24
Piv(x) = 120x + 24
Pv(x) = 120

Aplicando-se o teorema para o intervalo [-2,2] :

x P P' P'' P''' Piv Pv Vx

-2 - + - + - + 5

-1 - - + + - + 3

0 + + - - + + 2

1 - - + + + + 1

2 + + + + + + 0
 Deste resultado conclui-se que existe uma raiz em [1,2], uma em [0,1], uma em [-1,0] e duas ou nenhuma
em [-2,-1].

2.3. MÉTODOS PARA APROXIMAÇÃO DAS RAÍZES

2.3.1. MÉTODO DAS TENTATIVAS

Descrição : o método consiste na aplicação sucessivas, para o intervalo que contém a raiz, do algoritmo de
inspeção por tabelamento da função com ∆x menor menores a cada iteração. Por exemplo, aplica-se o algoritmo
para ∆x = 1 e localiza-se o intervalo que contém a raiz (f(a).f(b)<0). Para este intervalo aplica-se novamente o
algoritmo para ∆x = 0,1, acha-se um novo intervalo para a raiz e assim sucessivamente.

Critério de Aproximação : | x a - x b | < ε

2.3.2. MÉTODO DA BISSECÇÃO

Descrição : calcula-se o valor de f(x) para o ponto médio do intervalo que contém a raiz. O valor da função neste
ponto substitui o limite do intervalo de mesmo sinal e repete-se o procedimento.

Critério de Aproximação : | x n+1 - x* | < ε , onde x* é o limite do intervalo para o qual f(xn+1).f(x*) < 0 (intervalo
que se tem garantia de conter ao menos uma raiz).

Convergência:

Em função do procedimento, tem-se sempre:

f(xn+1).f(x*) ≤ 0 (2.1)
b-a
e | x n+1 - x* | = n +1
. (2.2)
2
Quando n → ∞, | xn+1 – x* | → 0 => |xn+1| = |x*| = ξ .
Levando este valor à equação (2.1) tem-se:
2
f(ξ ) ≤ 0 ⇒ f(ξ ) = 0 ⇒ ξ = ξ .
2.3.3. MÉTODO DA CORDAS

Descrição : divide-se o intervalo proporcionalmente ao valor da função em seus extremos, tentando aproximar mais
rapidamente a raiz. Pode ser visto como empregando uma corda como aproximação da função, daí seu nome. O
método acaba fixando o ponto, chamado de ponto fixo, que é aquele em que f(x) tem o mesmo sinal que f''(x), e
tem-s aproximação à raiz por apenas um lado, o lado oposto.

Condições para Aplicação do Método :

. f(x) contínua e sinal de f''(x) constante em [a,b] ;

. existência de apenas uma raiz no intervalo.

Obs: ambas as condições são condições ideais. A sua ausência apenas implica na impossibilidade de definir o
comportamento exato do método, como se haverá ou não um ponto fixo e convergência por apenas um lado e para
qual raiz o processo convergirá, mas não na impossibilidade de sua aplicação.

Formulação Matemática :

f( x n )
x n+1 = x n - ( xn - x * ) (2.3)
f( x n ) - f(x * )

onde x* é o ponto do intervalo anterior para o qual f(xn)f(x*) < 0.

O próximo intervalo é também definido pela condição f(xn+1)f(x*) < 0 (intervalo onde se tem certeza da existência de
ao menos uma raiz.

Critério de Aproximação : | f( x n+1 ) | < ε .

Convergência :

Os xn formam uma série limitada e monótona, admitindo, portanto, um limite. Seja ξ = lim x n (a < ξ < b).
n→∞

Levando (2.3) ao limite, temos:

 f( x n) 
lim x
n→∞
n +1 = lim x n - lim 
n→∞ n → ∞  f( x n ) - f( x *)
( x n - x* )  ⇒

  f( ξ ) 
⇒ ξ=ξ-  ( ξ - x* ) ∴f( ξ ) = 0 ⇒ ξ = ξ .
 f( ξ ) - f( x*) 

2.3.4. MÉTODO PÉGASO

Descrição : apresenta o mesmo princípio que o método das cordas mas tenta acelerar a convergência alterando o
valor da ordenada da variável relativa ao ponto fixo, criando assim um "falso ponto". Esta ordenada é diminuída de
um fator entre 0 e 1, função do valor da função em duas aproximações sucessivas de mesmo sinal. Quanto mais
próximo de 0 estiver uma aproximação, mais próximo de 1 estará o fator, indicando que os parâmetros utilizados
estão conduzindo a um valor próximo da raiz. Por outro lado, se os valores de duas aproximações estiverem muito
próximos, indicando uma convergência lenta, mais próximo de 1/2 estará o fator, aumentando a velocidade de
convergência.

Formulação Matemática:
f( x n )
x n+1 = x n - ( xn - x * )
f( x n ) - f(x * )

onde x* é o ponto do intervalo anterior para o qual f(xn)f(x*) < 0, e candidato a ponto fixo.

Se f(xn+1).f(xn) < 0 (o que significa que não temos candidato a ponto fixo):

[x n , f( x n )] → [x* , f( x*)]

Se f(xn+1).f(xn) > 0 (o que significa que x* é candidato a ponto fixo):

f( x n )
f(x * ) → f(x * )
f( x n ) + f(x n+1 )

Critério de Aproximação : | f( x n+1) | < ε

Convergência : por ser um método derivado do Método das Cordas, a prova de sua convergência é a mesma que a
daquele método.
2.3.5. MÉTODO DE APROXIMAÇÕES SUCESSIVAS ( ITERAÇÃO LINEAR )

Descrição : divide-se a função f(x) em duas : y1 = x e y2 = F(x), onde f(x) = F(x) - x , e tenta-se encontrar o ponto
comum entre estas duas equações, isto é, x = F(x). Isto é feito com o seguinte procedimento: partindo-se de uma
estimativa x0 da raiz, calcula-se F(x0). Este resultado torna-se a estimativa x1 e repete-se o processo. Quando f'(x) é
positiva, a aproximação se dá por um mesmo lado (tipo “escada”), senão se dá por lados opostos (tipo “caracol”).

Condições para Aplicação do Método :

| F′(x) | < 1 ; a ≤ x ≤ b .
Se não ocorre, pode ou não haver convergência.

Formulação Matemática : x n +1 = F( x n ) (2.4)

Critério de Aproximação : | x n +1 - x n | < ε ou f(x n+1 ) < ε

Convergência:

Se ∃ lim
n →∞
x n +1 = ξ ⇒ lim
n →∞
x n +1 = lim F( x n ) ⇒
n →∞

⇒ ξ = F(ξ ) ⇒ ξ - F(ξ ) = f( ξ ) = 0 ⇒ ξ = ξ

É possível analisar a convergência do método a partir da relação entre os erros de iterações sucessivas. Para
isto expande-se F(x) em série de Taylor no entorno de xn e aplica-se o Teorema do Valor Médio Generalizado de
modo a obter-se um termo da série e o termo de resto, o que resulta:

F(x) = F(x n ) + (x - x n ) F′(η) (η entre x e x n ) .

Como no limite ξ = F(ξ), aí temos:

ξ = F(x n ) + (ξ - x n ) F′(η) .
 Como, de (2.4), F(xn) = xn+1:

(ξ - x n +1) = (ξ - x n ) F′(η) .

Finalmente, tendo em conta a definição de erro absoluto:

εn+1 = εn F′(η) .

Esta equação nos diz que o erro em um iteração n+1 é diretamente proporcional ao erro na iteração n.
Também é possível ver que, para haver convergência, isto é, para que os valores das sucessivas aproximações
tendam ao valor da raiz, é necessário que F'(η) seja menor que 1. Caso contrário, o erro crescerá continuamente
com a aplicação do método. Também pode-se concluir que quanto menor F'(η) mais rápida será a convergência.
Devido à relação entre os erros de iterações sucessivas ser linear, diz-se que o método apresenta
convergência linear.

2.3.6. MÉTODO DE APROXIMAÇÕES SUCESSIVAS MODIFICADO

Descrição : consiste numa modificação do Método das Aproximações Sucessivas para acelerar a sua convergência.
Ao invés de fazer {xn+1 = xn + ∆x}, procura-se um α tal que {xn+1 = xn + α∆x} acelere a convergência. A solução
implica em traçar uma corda entre Pn e Pn-1 e encontrar a sua intersecção com y = x. Este método permite corrigir
até mesmo a tendência de não convergência de alguns casos do Método das Aproximações Sucessivas. Por exemplo
: se F'(ρ) > 1, fazendo-se α < 0 pode-se inverter o sentido do incremento.

Formulação Matemática :

1 F( ) -
x n +1 = x n + α (F( x n ) - x n ) ; α = ; F′(ρ ) ≅ x n x n
1 - F′(ρ ) x n - x n -1

Critério de Aproximação : | x n +1 - x n | < ε

Desenvolvimento da Formulação Matemática :

Se pudéssemos calcular α de modo a, em um passo, obter a raiz, ou seja, se conseguíssemos achar a corda
entre xn e ξ, chegaríamos à seguinte expressão para a tangente desta corda:
(α - 1) ∆x α - 1
tg θ = = . (2.5)
α ∆x α
Mas também:
F(ξ ) - F(x n )
tg θ = e, pelo Teorema do Valor Médio : tg θ = F′(ρ ) .
ξ - xn
1
Este valor, levado a (2.5), conduz a : α = .
1 - F′(ρ )
Como ρ não é conhecido, aproxima-se F'(ρ) pela corda entre os pontos xn e xn-1, o que resulta :
F( x n ) - F( x n-1) F( x n ) - x n
F′(ρ ) ≅ = .
x n - x n -1 x n - x n -1

Interpretação : o método tenta fazer uso da informação da declividade da curva, obtida a partir da corda entre dois
pontos sucessivos da função, para acelerar a aproximação da raiz.

2.3.7. MÉTODO DE NEWTON-RAPHSON

Descrição : pode ser considerado como: (1) um caso particular do Método de Aproximações Sucessivas
Modificado; (2) ou como resultado de uma expansão em série da função, truncada no segundo termo, o que gera
formas distintas e interpretações distintas de seu resultado.

2.3.7.1. Desenvolvimento a Partir do Método de Aproximações Sucessivas Modificado

Condições Para Aplicação do Método :

As condições que a função deve obedecer, obtidas da restrição do Método de Aproximações Sucessivas de
que a tangente da função de aproximação deve ser menor que 1, são:

. x0 próximo da raiz ;
. F''(x) não muito grande ;
. F'(x) não muito próximo de 1.
Formulação Matemática :

F( x n) - x n F′( x n )
x n +1 =
1 - F′( x n )

Desenvolvimento da Formulação Matemática :

No Método das Aproximações Sucessivas Modificado faz-se:

F′( ρ ) = F′( x n )

Interpretação : utiliza-se a tangente a F(x) em xn como aproximação da função e encontra-se sua intersecção com
a função y = x, que passa a ser o novo x. Aqui, utiliza-se a própria declividade da curva para aumentar a velocidade
de convergência do método.

2.3.7.2. Desenvolvimento a Partir de Expansão em Série de Taylor

Condições Para Aplicação do Método :

Obtidas para a mesma restrição de 2.3.7.1 :

. x0 próximo da raiz;
. f''(x) não muito grande;
. f'(x) não muito próximo de 0.

A última condição significa que nenhum par de raízes deve estar muito próximo.

Formulação Matemática :

f( x n )
x n+1 = x n - (2.6)
f ′( x n )
Desenvolvimento da Formulação Matemática :

Desenvolvendo f(x) = 0 em série de Taylor e truncando para o segundo termo:

f(x) = f( x n ) + (x - x n )f ′( x n ) = 0 .
Rearranjando os termos obtemos:
f( x n )
x = xn -
f ′( x n )
que aplicada sucessivamente leva a (2.6).

Interpretação : utiliza-se a tangente a f(x) em xn como aproximação da função e encontra-se sua intersecção com o
eixo dos x, que passa a ser o novo x.

2.3.7.3 Raízes Aproximadamente Iguais

Quando há raízes aproximadamente iguais f'(x) é aproximadamente 0 (F'(x) aproximadamente 1), violando
assim uma das condições do método. Sugere-se resolver este problema achando-se o ponto β onde f'(x) = 0
(F'(x) = 1) (ex: definir [x = x + f'(x)], e resolver por aproximações sucessivas). Supondo que β está eqüidistante das
raízes, elas serão (β + d) e (β - d). Fazendo a expansão em série de f(β + d) até o 3º termo e notando-se que f'(β)
= 0 (F'(β) = 1), resulta :

- 2 f (β )  2( β - F(β )) 
d= d =  .
f" (β )  F" (β ) 
 
Usa-se (β + d) e (β - d) como aproximações iniciais das raízes.

2.3.7.4. Convergência

Apresentaremos a análise de convergência para a forma (2.6) do método. Desenvolvimento análogo pode
ser efetuado para a outra forma.
Expandindo-se f(x) por série de Taylor em torno de xn e aplicando-se o teorema do Valor Médio de modo a
ter-se 2 termos da série e um termo de resto resulta:
1
f(x) = f(x n ) + (x - x n ) f ′( x n ) + (x - x n )2 f ′′(η) .
2
Rearranjando os termos:
 1
f(x) = x f ′(x n ) - [x n f ′(x n ) - f(x n )] + (x - x n )2 f ′′(η) . (2.7)
2

De (2.6) obtêm-se :

x n+1 f ′(x n ) = x n f ′(x n ) - f(x n )

que substituído em (2.7) leva a:

1
f(x) = (x - x n +1 ) f ′(x n ) + (x - x n )2 f ′′(η) .
2

Se ξ é uma raiz de f(x), então f(ξ) = 0 e:

1
f (ξ ) = (ξ - x n+1 ) f ′(x n ) + (ξ - x n )2 f ′′(η) = 0 .
2
Lembrando-se da definição de erro absoluto e rearranjando os termos obtemos:
1 f" (η) 2
ε =- .
n +1
2 f ′(x n ) εn

Esta equação nos indica que o erro numa iteração n é proporcional ao quadrado do erro da iteração anterior,
motivo pelo qual diz-se que o método de Newton-Raphson tem convergência quadrática. Também pode explicar
as condições impostas à aplicação do método.

2.3.7.5. Aplicação a Polinômios (Método de Birge-Vieta)

a) Divisão Sintética de Polinômios (Método de Briot-Ruffini)

Qualquer polinômio de grau n Pn(x) pode ser colocado na forma:

Pn(x) = (x - κ) Pn-1(x) + R1 (2.8)

onde κ é uma constante. Ou seja, qualquer polinômio de grau n pode ser escrito como o produto de um
polinômio (x - κ) (κ constante) por um polinômio de grau n-1, mais um valor de resto. Por exemplo, dados:
P3(x) = 4x3 + 2x2 - 6x + 4 e κ = 2
 pode-se escrever:

P3(x) = (x - 2)(4x2 + 10x + 14) + 32.

Note-se que Pn(κ) = R1, o que significa que o valor de um polinômio em um ponto κ é o resto da divisão
sintética deste polinômio por (x - κ).
Os coeficientes do polinômio Pn-1(x), que chamaremos de "b", e o resto R1 são obtidos dos coeficientes de
Pn-1(x) e de κ através do seguinte algoritmo:

bn = an ;
bj = aj + κ bj+1, com b0 = R1.

O cálculo do valor de um polinômio desta forma é equivalente à aplicação do Método de Horner, o que
significa que, desta maneira, o cálculo é feito com o menor número possível de operações aritméticas (excetuados
casos de polinômios particulares). No entanto, o Método da Divisão Sintética apresenta uma vantagem importante
quando há a necessidade do cálculo das derivadas dos polinômios.
Derivando-se (2.8) obtemos:

P'n(x) = (x - κ) P'n-1(x) + Pn-1(x).

Isto significa que:

P'n(κ) = Pn-1(κ).

Aplicando-se o Briot-Ruffini a Pn-1(x) e chamando os coeficientes de Pn-2(x) de "c", obtemos:

cn = bn ;
cj = bj + κ cj+1, com c0 = R2.

Portanto, R2 é o valor de P'n(κ).

b) Método de Birge-Vieta

Vejamos inicialmente a aplicação do Método de Birge-Vieta para aproximação de uma raiz de polinômio.
Isto é feito aplicando-se Newton-Raphson com o cálculo de f(x) e f'(x) pelo Método de Briot-Ruffini, o que
levará a fórmula (2.6) à seguinte forma:
b0
x j = x j-1 - .
c0

A grande vantagem do Método de Birge-Vieta está na localização das outras raízes do polinômio. Isto se
deve ao fato de que, se xn é raiz de Pn(x) ou uma boa aproximação dela, R1 pode ser considerado 0. Portanto:

Pn(x) = (x - xj) Pn-1(x).

Para toda raiz de Pn(x) diferente de xj, o termo (x - xj) será diferente de 0, o que significa que o valor de
Pn-1(x) deve ser 0 para estas raízes. Portanto, as outras raízes de Pn(x) são também raízes de Pn-1(x). Assim, pode-se
utilizar Pn-1(x), que é de grau menor que Pn(x), para aproximar a próxima raiz de Pn(x). Após aproximada esta raiz,
repete-se o raciocínio e utiliza-se Pn-2(x) para aproximar a próxima, e assim sucessivamente.
Cuidados devem ser tomados na aplicação deste algoritmo para polinômios de graus muito elevados, pois,
como as raízes que vão sendo localizadas ao longo do processo não são exatas, mas apenas aproximadas, os
coeficientes dos polinômios de menor grau vão perdendo a sua precisão. A acumulação de erros neste processo
pode comprometer, a partir de certo ponto, a localização das raízes.
Da mesma forma, polinômios com p raízes múltiplas tem as suas derivadas até ordem p-1 nulas,
inviabilizando a sua localização por este método.

2.8. Raízes Complexas

Os Métodos de Aproximações Sucessivas, Aproximações Sucessivas Modificado e Newton-Raphson

funcionam da mesma forma com raízes complexas, bastando para isto fornecer-se estimativas iniciais das raízes na
forma complexa e implementar-se os algoritmos com aritmética complexa.
2.9. Efeito da Imprecisão dos Coeficientes do Polinômio no Valor da Raiz

Seja δi o erro no coeficiente ai do polinômio aproximado de grau m e 0 a raiz deste polinômio. Se o erro em
0 for pequeno em relação a ele, o limite deste erro é dado por:

∑δ
i=0
i xi
| ε |≤ .
()
|f′ x |

Se os coeficientes ai do polinômio são precisos para p decimais, esta fórmula pode ser escrita como:

-p m +1
10 (1 - x )
| ε |≤ .
()
2 | f ′ x | (1 - x )

Para que se possa utilizar esta estimativa é necessário compara-la com 0, de forma a verificar a hipótese de 0
ο ε. Se isto não for verdade, o limite de erro definido pela(s) fórmula(s) não é válido.

2.11. Avaliação dos Métodos

a) Método das Tentativas:

. apresenta convergência bastante lenta (linear), mas garantida;
. implica executar o cálculo da função muitas vezes;
. muito simples de implementar.

b) Método da Bissecção:
. apresenta convergência lenta (linear), mas garantida;
. implica executar o cálculo da função muitas vezes;
. muito simples de implementar.

c) Método das Cordas:

. apresenta convergência lenta (linear), mas garantida;
. se o ponto fixo x* estiver longe da raiz, o método pode ser mais lento que o de bissecção.
d) Método Pégaso:
. apresenta convergência lenta (linear), mas garantida;
. normalmente, convergência acelerada em relação ao Método das Cordas;

e) Método de Aproximações Sucessivas:

. apresenta convergência lenta (linear);
. não é aplicável a qualquer problema (depende da forma da função);
. exige estimativa inicial próxima da raiz.

f) Método de Aproximações Sucessivas Modificado:

. apresenta convergência mais rápida que o de Aproximações Sucessivas, mas ainda linear;
. não é aplicável a qualquer problema (depende da forma da função);
. diminui a dependência da forma da função.

g) Método de Newton-Raphson:
. apresenta convergência quadrática;
. não tem convergência garantida;
. necessita do cálculo de f'(x).