Apostila de Introduo

Aos Mtodos Numricos

PARTE I
2o Semestre - 2002

Profa. Salete Souza de Oliveira Buffoni

ndice
INTRODUO: O QUE SO OS MTODOS NUMRICOS, SUA IMPORTNCIA E OS
OBJETIVOS DO CURSO....................................................................................................4

O QUE O CLCULO NUMRICO? .....................................................................................4

A IMPORTNCIA DA DISCIPLINA DE MTODOS NUMRICOS .............................................5
OBJETIVOS DA DISCIPLINA:...............................................................................................6

CONTEDO..........................................................................................................................7

DATA .....................................................................................................................................7

REPRESENTAO NUMRICA .....................................................................................9

INTRODUO ....................................................................................................................9
PONTO FIXO E PONTO FLUTUANTE ....................................................................................9

ERROS NUMRICOS .......................................................................................................11

INTRODUO ..................................................................................................................11
TIPOS DE ERROS ..............................................................................................................12
PROPAGAO E CONDICIONAMENTO DE ERROS NUMRICOS ..........................................13
ERROS NA ARITMTICA DE PONTO FLUTUANTE ..............................................................13

ZERO REAIS DE FUNES REAIS ..............................................................................16

INTRODUO ..................................................................................................................16
ZEROS OU RAZES DE FUNES ......................................................................................16
PROCESSOS ITERATIVOS..................................................................................................18
ISOLAMENTO DE RAZES .................................................................................................19
Exemplo: ........................................................................................................................ 19
Teorema de Bolzano. ..................................................................................................... 20
Exemplo: ........................................................................................................................ 21
MTODO DA DICOTOMIA OU BISSECO. .......................................................................21
Exemplo: ........................................................................................................................ 23

PRIMEIRA LISTA DE EXERCCIOS ............................................................................25

CRITRIOS DE PARADA EM UM PROCESSO ITERATIVO ..................................26

2
 Estimativa do nmero de iteraes no mtodo da bisseo. ......................................... 27

MTODO DE ITERAO LINEAR (MIL) ...................................................................28

O PROBLEMA DA CONVERGNCIA NO MTODO DA ITERAO LINEAR ..32

CRITRIOS DE PARADA NO MTODO DA ITERAO LINEAR .............................................36

MTODO DE NEWTON-RAPHSON..............................................................................38

CONVERGNCIA DO MTODO DE NEWTON-RAPHSON .....................................................39

Interpretao Geomtrica.............................................................................................. 39

SEGUNDA LISTA DE EXERCCIOS .............................................................................42

TERCEIRA LISTA DE EXERCCIOS............................................................................43

3
Introduo: O que so os Mtodos Numricos, sua
importncia e os objetivos do curso

O que o Clculo Numrico?

Os Mtodos Numricos correspondem a um conjunto de ferramentas ou mtodos usados para se
obter a soluo de problemas matemticos de forma aproximada. Esses mtodos se aplicam a
problemas que no apresentam uma soluo exata, portanto precisam ser resolvidos
numericamente.
O que isso quer dizer? Vamos tomar um exemplo para entender melhor os objetivos do
Clculo Numrico.
Seja um circuito eltrico composto de uma fonte de tenso (uma pilha, por exemplo) e um
resistor, como ilustrado na Figura 1. Digamos que desejamos obter a corrente que circula no
circuito, dado o valor da tenso V e da resistncia R. O primeiro passo formular um modelo
matemtico para o nosso sistema fsico (o circuito), e encontrar a soluo do problema
representado por esse modelo.

Figura 1: circuito eltrico composto de uma fonte de tenso e um resistor.

No caso do circuito da Figura 1, o modelo matemtico tambm bastante simples.
Utilizando-se a Lei de Kirchoff (no se preocupe com essa lei caso voc no a conhea), teremos a
seguinte equao para o circuito:
V R i = 0
Esse o nosso modelo matemtico para o circuito (sistema fsico). O modelo apresenta uma
equao bastante simples que tem uma soluo exata. Portanto, nosso problema (encontrar a
corrente eltrica do circuito) pode ser resolvido de maneira exata, cuja soluo dada por:

4
 V
i=
R
Por exemplo, se V=10 V e R=100 , teremos que i=0,1 A.
Como esse problema tem uma soluo exata, no preciso utilizar os mtodos do clculo
numrico para resolve-lo. Porm, digamos que um outro componente eletrnico seja includo no
circuito: um diodo semicondutor. Esse dispositivo tem uma curva caracterstica, isto , a tenso
nesse componente em funo da corrente, que dada por:
kT i
v( i ) = ln + 1
q Is

onde k e Is so constantes, q a carga do eltron e T a temperatura do dispositivo. Essa equao

corresponde ao modelo matemtico do diodo (no se preocupe em entender esta equao, pois isto
s um exemplo).
Portanto, ao se incluir o diodo no circuito da Figura 1, tem-se a seguinte equao
descrevendo o comportamento da corrente eltrica no circuito:

kT i
V R i ln + 1 = 0
q Is

A incluso desse novo componente no circuito tornou nosso problema mais complicado e de
difcil soluo analtica. O que isso quer dizer? Tornou-se difcil se obter uma expresso para i,
principalmente quando comparado ao caso anterior, quando tnhamos simplesmente i=V/R.
Como resolver esse problema ento? Como obter o valor de i? A soluo est na utilizao
de mtodos numricos que sero aprendidos neste curso.

A importncia da Disciplina de Mtodos Numricos

Ao resolver um problema matemtico numericamente, o mais comum o profissional utilizar um
pacote computacional. Porm, ele ter que tomar uma srie de decises antes de resolver o
problema. E para tomar essas decises, preciso ter conhecimento de mtodos numricos. O
profissional ter que decidir:
9 Pela utilizao ou no de um mtodo numrico (existem mtodos numricos para se resolver
este problema?);
9 Escolher o mtodo a ser utilizado, procurando aquele que mais adequado para o seu
problema. Que vantagens cada mtodo oferece e que limitaes eles apresentam;

5
 9 Saber avaliar a qualidade da soluo obtida. Para isso, importante ele saber exatamente o
que est sendo feito pelo computador ou calculadora, isto , como determinado mtodo
aplicado;

Objetivos da Disciplina:
Os principais objetivos do curso so:
Apresentar diversos mtodos numricos para a resoluo de diferentes problemas matemticos.
Pretende-se deixar bem claro a importncia desses mtodos, mostrando:
9 a essncia de um mtodo numrico;
9 a diferena em relao a solues analticas;
9 as situaes em que eles devem ser aplicados;
9 as vantagens de se utilizar um mtodo numrico;
9 e as limitaes na sua aplicao e confiabilidade na soluo obtida.
Melhorar a familiarizao e intimidade do aluno com a matemtica, mostrando seu lado
prtico e sua utilidade no dia-a-dia de um engenheiro. Rever conceitos j vistos, exercit-los e
utiliz-los de maneira prtica;
Apresentar ao aluno maneiras prticas de se desenvolver e utilizar mtodos numricos. Isso
significa mostrar como usar esses mtodos numricos na calculadora e com linguagens e
aplicativos computacionais;
Treinar o aluno a aprender outros mtodos numricos por conta prpria. No seu dia-a-dia
profissional, ele pode se deparar com um problema cuja soluo depende de um mtodo
numrico que no foi visto no curso. Portanto, ele dever ser capaz de encontrar a literatura
pertinente, estudar o mtodo e aprender a sua utilizao de maneira conceitual e prtica (usando
um aplicativo computacional) por conta prpria.

6
 Plano de Aula

Contedo Data

1) Introduo aos Sistemas Numricos e Erros 09/10 (qua)

2) Ponto Fixo e Ponto Flutuante 10/10 (qui)
3) Zeros Reais de Funes Reais. Introduo: Sistema de Bolzano 16/10 (qua)
4) Mtodo da Bisseo. Mtodo da Posio Falsa 17/10 (qui)
5) Aula de Laboratrio 23/10 (qua)
6) Aula de Laboratrio 24/10 (qui)
7) Mtodo da Iterao Linear 30/10 (qua)
8) Mtodo de Newton - Raphson. Mtodo das Cordas 31/10 (qui)
9) Sistemas de Equaes Lineares: Mtodos diretos e Indiretos 06/11 (qua)
10) Mtodos Matriciais. Regra de Cramer. 07/11 (qui)
11) Mtodo de Jacobi. Mtodo de Gauss - Seidel 13/11 (qua)
12) Acelerao da Convergncia. Projeo. 14/11 (qui)
13) Entrega do primeiro trabalho individual e prova oral. 20/11 (qua)
14) Interpolao Polinomial. Introduo: Interpolao Linear 21/11 (qui)
15) Interpolao Lagrangeana. Extrapolao. 27/11 (qua)
16) Ajuste de Curvas: Mtodo dos Mnimos quadrados 28/11 (qui)
17) Regresso Linear. Regresso Polinomial. 04/12 (qua)
18) Exerccios/ Aula de dvidas 05/12 (qui)
19) Aula de laboratrio 11/12 (qua)
20) Aula de Laboratrio 12/12 (qui)
21) Primeira Prova Escrita 18/12 (qua)
22) Integrao Numrica. Introduo: Diferenciao. 19/12 (qui)
23) Regra dos Trapzios. Mtodo da Extrapolao para o limite. 08/01(qua)
24) Regras de Simpson. Integral de Gauss. 09/01(qui)
25) Entrega do Segundo Trabalho Individual e Prova Oral. 15/01(qua)
26) Introduo Soluo Numrica de Equaes Diferenciais Ordinrias. 16/01 (qui)
27) Soluo para Srie de Taylor. 22/01 (qua)
28) Mtodo de Predio-Correo. 23/01 (qui)
29) Mtodo dos passos. 29/01(qua)
30) Mtodos de Runge Kutta. 30/01(qui)
31) Aula de Laboratrio 05/02 (qua)
32) Aula de Laboratrio 06/02 (qui)
33) Entrega do Terceiro Trabalho Individual e Prova Oral 12/02 (qua)
34) Segunda Prova Escrita 13/02(qui)
35) Verificao de Reposio 19/02 (qua)
36) Verificao Suplementar 20/02 (qui)

7
Objetivos da Parte I
Apresentar a noo de anlise numrica: o que e para que serve. Mostrar o que est por
trs da maneira prtica como realizamos operaes numricas, isto , como calculadoras e
computadores realizam essas operaes. E, finalmente, quais os problemas que podem surgir ao
realizar essas operaes e o que devemos considerar para realmente compreender o resultado obtido
de tais operaes.
Introduzir a idia de processos iterativos, chamando a ateno para suas caractersticas bsicas.
Apresentar trs mtodos numricos utilizados na obteno de zeros de funo, procurando ressaltar
as caractersticas, vantagens e desvantagens de cada mtodo, como avaliar o resultado obtido (erros)
e problemas que podem ser encontrados durante a resoluo.
Conceitos introduzidos: representao numrica em equipamentos digitais (calculadoras e
computadores); erros numricos; mtodos iterativos e suas caractersticas (estimativa inicial,
convergncia, critrios de parada).
Conceitos revistos: representao de nmeros em matemtica elementar; funes e razes
de funes.
Metodologia:
Mtodos numricos abordados: bisseco, iterao linear, Newton-Raphson.
Aplicativo computacional: programao C e Excel.
Aproveitamento:
Fundamental: entendimento da natureza e objetivo do clculo numrico. Saber definir e
identificar as conseqncias de erros numricos. Entendimento do conceito de razes de uma
equao, processos iterativos e capacidade de encontrar razes de equaes simples
utilizando o Mtodo da Bisseco.
Bom: representao de nmeros. Capacidade de encontrar razes de equaes simples
utilizando qualquer um dos mtodos abordados.
Excelente: compreender o mecanismo que leva aos erros numricos durante operaes em
calculadoras e computadores. Saber avaliar o erro da raiz encontrada.

8
Representao Numrica

Introduo
A fim se realizarmos de maneira prtica qualquer operao com nmeros, ns precisamos
representa-los em uma determinada base numrica. O que isso significa? Vamos tomar como
exemplo o nmero 2 . A fim de calcularmos, por exemplo, o valor de 2 - 1, ns precisamos
escrever o nmero 2 de alguma outra forma, caso contrrio no possvel realizar essa operao.
Podemos escreve-lo na base decimal, por exemplo, que a base mais usada na histria da
humanidade (graas a nossa anatomia). O valor de 2 na base decimal pode ser escrito como 1,41
ou 1,4142 ou ainda 1,41421356237. Qual a diferena entre essas vrias formas de representar
2 ? A diferena a quantidade de algarismos significativos usados em cada representao. Agora
podemos realizar a operao proposta: 2 -1=0.41 ou 0.4142 ou ainda 0.41421356237, conforme o
nmero de algarismos significativos adotados na nossa representao.
Em uma mquina digital, como uma calculadora ou um computador, os nmeros no so
representados na base decimal. Eles so representados na base binria, ou seja, usam o nmero 2
como base ao invs do nmero 10. Como na base decimal existem 10 algarismos diferentes (0, 1, 2
,3, 4, 5, 6, 7, 8, 9), na base binria existem somente 2 nmeros: 0 e 1. Portanto, a base binria
usada porque essas mquinas utilizam-se de sinais eltricos, sendo o 0 correspondente a ausncia de
sinal e o nmero 1 a presena do sinal eltrico.

Ponto fixo e Ponto Flutuante

A princpio, toda vez que escrevemos um nmero, deveramos mencionar a base numrica a qual
estamos nos referindo. Obviamente, isso no se faz necessrio na prtica, pois estamos sempre
representando os nmeros na base decimal, portanto sabemos exatamente o seu significado. Por
exemplo, quando escrevemos o nmero 1532, o que realmente queremos dizer? Estamos dizendo
que esse nmero representa uma quantidade equivalente a 11000 + 5100 + 310 + 2, ou,
escrevendo a base de outra forma, 1103 + 5102 + 3101 + 2100. Essa a chamada
representao posicional de nmeros.

9
 Na base binria, o mecanismo o mesmo, porm, ao invs de potncias de 10, utilizamos
potncias de 2. Portanto, um nmero binrio como 1011 (lembre-se que na base binria s existem
os algarismos 0 e 1) significa 123 + 022 + 121 + 120.
Essa idia que est por trs da representao dos nmeros em bases numricas utilizada
para representar nmeros no computador. A fim de tornar a manipulao de nmeros mais eficiente,
os computadores fazem a distino entre nmeros inteiros e nmeros reais. Um nmero inteiro
apresenta a chamada representao de ponto fixo, onde a posio do ponto decimal est fixa e
todos os dgitos so usados para representar o nmero em si, com exceo do primeiro dgito usado
para representar o sinal desse nmero.
A figura abaixo ilustra essa representao:
Sinal dgitos
Para um nmero real qualquer (inteiro ou no inteiro) utilizada a representao de ponto
flutuante, que dada pela expresso:
(0.d1d2d3...dt) be
onde:
0.d1d2d3...dt uma frao na base b, tambm chamada de mantissa, com 0 di b-1, para todo i =
1,2,3,...,t, sendo t o nmero mximo de dgitos da mantissa que determinado pelo comprimento de
palavra do computador;
e um expoente que varia em um intervalo dado pelos limites da mquina utilizada.
Esse tipo de representao chamada de ponto flutuante pois o ponto da frao flutua
conforme o nmero a ser representado e sua posio expressa pelo expoente e. A figura abaixo
ilustra essa representao:

Sinal posio do ponto = dgitos = mantissa

expoente e

Alguns exemplos da representao de ponto flutuante pode ser visto na tabela abaixo.
Nmero na base decimal representao em ponto flutuante mantissa base expoente
1532 0.1532104 0.1532 10 4
15.32 0.1532102 0.1532 10 2
0.00255 0.25510-2 0.255 10 -2
10 0.10102 0.10 10 1
10 0.101024 0.1010 2 4

10
Erros Numricos

Introduo
Vamos supor o seguinte problema: como calcular o valor de 2 ? Provavelmente, a primeira
resposta que vem a mente de qualquer pessoa que nasceu no sculo XX ser: utilizando uma
calculadora ou um computador. Indiscutivelmente, essa a resposta mais sensata e prtica. Porm,
um profissional que utilizar o resultado fornecido pela calculadora para projetar, construir ou
manter pontes, edifcios, mquinas, dispositivos eletrnicos, etc., no pode aceitar o valor obtido
antes de fazer alguns questionamentos (pelo menos uma vez na sua vida profissional).
Quando calculamos, por exemplo, o valor de 2 em uma calculadora ou em um
computador, o que realmente estamos fazendo? Em outras palavras, o que a calculadora fez para
obter o resultado? Para um engenheiro, ainda mais importante a pergunta: qual a confiabilidade
do resultado que obtemos?
Essa pergunta faz sentido pois 2 um nmero irracional, isto , no existe uma forma de
representa-lo com um nmero finito de algarismos. Portanto, o nmero apresentado pela
calculadora uma aproximao do valor real de 2 , j que ela no pode mostrar infinitos
algarismos. E quo prximo do valor real est o resultado mostrado?
Podemos criar algumas definies a fim de facilitar as discusses e trocas de informao
sobre esse problema. Vamos definir a diferena entre o valor real da grandeza que queremos
calcular e o valor aproximado que efetivamente calculamos como sendo o erro, ou seja:
erro = valor real valor aproximado (1)
Quanto menor for esse erro, mais preciso ser o resultado da operao. Essa definio
corresponde ao erro absoluto de um clculo.
Porm, se estivermos lidando com nmeros muito grandes, o erro pode ser grande em
termos absolutos, mas o resultado ainda ser preciso. E o caso inverso tambm pode ocorrer: um
erro absoluto pequeno, mas um resultado impreciso. Por exemplo, digamos que o resultado de uma
operao nos fornea o valor 2.123.542,7 enquanto o valor real que deveramos obter 2.123.544,5.
O erro absoluto neste caso 1,8. Comparada com o valor real, essa diferena (o erro) bem
pequena, portanto, podemos considerar o resultado preciso. Em um outro caso, digamos que o
resultado da operao seja 0,234 e o resultado esperado era 0,128. Desta vez o erro ser igual a
0,106 , porm o resultado bastante impreciso.

11
 A fim de evitar esse tipo de ambigidade, podemos criar uma nova definio. Podemos
definir o erro relativo, que corresponde ao quociente entre o erro absoluto e o valor aproximado da
grandeza a ser calculada, ou seja:
valor _ real valor _ aproximado
erro = (2)
valor _ aproximado
O erro relativo uma forma muito mais geral de se avaliar a preciso de um clculo
efetuado. No exemplo acima, teremos um erro relativo de 0,0000008 ou 0,00008% no primeiro caso
e um erro relativo igual a 0,83 ou 83% no segundo caso.

Tipos de Erros
O erro cometido ao se calcular o valor de 2 , por exemplo, apenas um tipo de erro que pode
surgir ao se resolver um problema real. Outros tipos de erros tambm podem aparecer devido a
outros tipos de problemas ou limitaes.
A soluo matemtica de um determinado problema envolve diversas etapas, como
discutido na introduo desta apostila. A soluo do problema se inicia com a criao de um
modelo matemtico do sistema em questo. Esse modelo sempre apresentar aproximaes e
limitaes. Alm disso, na grande maioria das vezes, dados experimentais sero utilizados para se
obter a soluo. Como toda medida experimental apresenta uma incerteza, a soluo do problema
ser influenciada pelas mesmas. Portanto, logo de incio, existem diversos fatores que introduzem
incertezas na soluo numrica do problema. Esse tipo de erro chamado de erro inicial.
O problema discutido na introduo desta aula para o clculo de 2 , que se refere a
inevitvel limitao na representao de nmeros irracionais (por exemplo), introduz erros no
resultado. Esse tipo de erro chamado de erro de arredondamento.
Vamos considerar um outro tipo de problema prtico que pode surgir ao realizarmos
determinadas operaes. Digamos que precisamos calcular o valor de ex. Mais uma vez, iremos
utilizar uma mquina digital (calculadora ou computador). Porm. Como esse equipamento ir
realizar essa operao? Sabemos que a exponencial uma funo que pode ser representada por
uma srie infinita dada por:
x2 x3 xn
ex = 1+ x + + +L+ +L
2! 3! n!
Como a exponencial uma srie infinita, na prtica impossvel calcular seu valor exato.
Portanto, mais uma vez, teremos que fazer uma aproximao, que levar a um erro no resultado

12
final de ex. Neste caso, faremos um truncamento dessa srie, e o erro gerado no valor de ex
chamado de erro de truncamento.

Propagao e Condicionamento de Erros Numricos

Vamos supor que queremos calcular o valor de 2 - e3. Como vimos anteriormente, ao calcularmos
o valor de 2 , teremos que realizar um arredondamento, que leva ao um resultado aproximado de
2 , ou seja, existe um erro de arredondamento associado ao resultado. Para calcularmos o valor de
e3 teremos que fazer um truncamento, que tambm ir gerar um erro no resultado obtido. Portanto,
o resultado da operao de subtrao entre 2 e e3 apresentar um erro que proveniente dos erros
nos valores de 2 e e3 separadamente. Em outras palavras, os erros nos valores de 2 e e3 se
propagam para o resultado de 2 - e3. Podemos concluir ento que, ao se resolver um problema
numericamente, a cada etapa e a cada operao realizada, devem surgir diferentes tipos de erros
gerados das mais variadas maneiras, e estes erros se propagam e determinam o erro no resultado
final obtido.
A propagao de erros muito importante pois, alm de determinar o erro final de uma
operao numrica, ela tambm determina a sensibilidade de um determinado problema ou mtodo
numrico. Se uma pequena variao nos dados de entrada de um problema levar a uma grande
diferena no resultado final, considera-se que essa operao mal-condicionada, ou seja, existe
uma grande propagao de erros nessa operao. Por outro lado, se uma pequena variao nos
dados de entrada leva a apenas uma pequena diferena no resultado final, ento essa operao
bem-condicionada.

Erros na Aritmtica de Ponto Flutuante

Ns vimos nas sees anteriores que ao manipularmos os nmeros de maneira prtica, estaremos
sempre lidando com erros, devido a diversos fatores. Vamos agora examinar os erros mais comuns
que aparecem quando um computador manipula os nmeros.
O primeiro tipo de erro que est presente na forma como computadores lidam com nmeros
corresponde aos erros de arredondamento e truncamento. Como citado anteriormente, esses erros
esto presentes pois os computadores precisam representar os nmeros com uma quantidade finita
de algarismos.

13
 Vamos supor, para simplificao, um computador com uma representao de ponto
flutuante na base decimal (b=10) e uma mantissa de 4 algarismos (t=4). A fim de representarmos
em ponto flutuante nesse computador, por exemplo, o nmero 734,68, teramos que trunca-lo para
0,7346103 ou arredonda-lo para 0,7347103. Portanto, no truncamento, estaramos cometendo um
erro de 0,810-1 e no arredondamento, um erro de 0,210-1. Podemos generalizar esse exemplo e
dizer que, em uma representao de ponto flutuante na base b e mantissa de t algarismos, os erros
de truncamento sero dados por:
erro < b e t
onde o nmero em questo foi representado na forma x=fx be. E os erros de arredondamento sero
dados por:
1 e t
erro < b
2
Portanto, para uma representao numrica com t=24 ou t=53 (como no caso da maioria dos
computadores) esse erro muito pequeno.
Apesar de pequeno, importante lembrar que ele se propagar nas operaes aritmticas
realizadas pelo computador. Vamos tomar como exemplo a soma dos nmeros 6563 (=
0,6563104) e 3,375 (= 0,3375101) no nosso computador fictcio de mantissa com 4 algarismos. A
soma desses dois nmeros corresponde a 6566,375. Como nosso computador pode representar com
apenas 4 algarismos, o resultado dessa operao ser 0,6566104 = 6566. Ou seja, apesar de
partirmos de dois nmeros exatos, o resultado da soma no ser exata. Mais uma vez, para um
computador real, esse erro pequeno, porm, se um nmero muito grande de operaes for
realizado e se existir a necessidade de se obter um resultado bastante preciso, ser preciso se levar
em considerao esse tipo de erro para avaliar o resultado obtido.
Existe mais um tipo de erro que aparece quando computadores manipulam nmeros. Esse
erro se refere converso de nmeros de uma base para a outra. O tipo de converso mais comum
da base decimal (usada por humanos) para a base binria (usada por computadores) e vice-versa.
Um exemplo bastante peculiar o nmero 0,1. Ao convertermos esse nmero da base decimal para
a base binria (existem diversos algoritmos para se realizar essa converso, mas no vamos entrar
nesse detalhe aqui), obtemos como resposta:
(0,1)10 = (0,0001100110011...)2
onde representamos com um subscrito a base em que esse nmero est escrito.
Portanto, notamos que, ao se converter o nmero 0,1 da base decimal para a base binria,
obtemos um nmero com infinitos algarismos! Como esse nmero no pode ser representado pelo

14
computador, ele ser truncado, introduzindo um erro na sua representao. Uma forma interessante
1000
de constatar esse problema escrevendo um pequeno programa que calcule o valor de 0,1 . Voc
i =1

ver que esse nmero no igual a 100 !

15
Zero Reais de Funes Reais

Introduo
No exemplo usado na introduo desta apostila, vimos que ao tentar calcularmos a corrente eltrica
de um circuito simples contendo apenas uma bateria, um resistor e um diodo, j nos deparamos com
um problema matemtico de difcil soluo. Esse problema corresponde ao clculo do valor da
corrente i que satisfaz a equao

kT i
V R i ln + 1 = 0
q Is

Em outras palavras, precisamos resolver ou encontrar o zero da funo acima.

Nesta aula iniciaremos o estudo de mtodos numricos que nos permitiro resolver
problemas como esse.

Zeros ou Razes de Funes

Dada uma funo f(x), dizemos que raiz, ou zero de f se e somente f()=0.
Graficamente, os zeros de uma funo correspondem ao ponto x em que a funo intercepta
o eixo do grfico, como mostrado no exemplo abaixo:

g (x )

a x1 x2 x3 x4 x5 b x

A funo g(x) acima tem 5 razes no intervalo [a,b]: x1, x2, x3, x4, x5.
As razes de uma funo podem ser encontradas analiticamente, ou seja, resolvendo a
equao f(x)=0 de maneira exata, como mostrado nos exemplos abaixo:

16
1) f ( x) = x 3
x = 3 raz de f ( x) pois :
f (3) = 3 3 = 0

8
2) g ( x ) =
x4
3
8 8 12 3
x4 = 0 x = 4 x = =
3 3 8 2
3 8 3
g = . 4 = 0
2 3 2
3) h( x) = x 2 5 x + 6
x 2 5x + 6 = 0
= 25 24 = 1
5 1
x =
2
x1 = 3
x2 = 2

h(3) = 3 2 5.3 + 6 = h(2) = 2 2 - 5.2 + 6 =

= 15 15 = 0 = 10 - 10 = 0

Porm, nem sempre possvel encontrar analiticamente a raiz de uma funo, como nos casos
abaixo:

1) f ( x) = x 3 + 2 x 2 x + 1

2) g ( x) = sen( x) + e x

3) h( x) = x + ln( x)

Nestes casos precisamos de um mtodo numrico para encontrar uma estimativa para a raiz
da funo estudada.
Um mtodo numrico para se encontrar os zeros de uma funo deve envolver as seguintes
etapas:

17
 (a) Determinar um intervalo em x que contenha pelo menos uma raiz da funo f(x), ou seja,
isolar as razes;
(b) Calcular a raiz aproximada atravs de um processo iterativo at a preciso desejada.

Processos Iterativos
Existe um grande nmero de mtodos numricos que so processos iterativos. Como o prprio
nome j diz (consulte um dicionrio para verificar o significado de iterativo), esses processos se
caracterizam pela repetio de uma determinada operao. A idia nesse tipo de processo repetir
um determinado clculo vrias vezes, obtendo-se a cada repetio ou iterao um resultado mais
preciso que aquele obtido na iterao anterior. E, a cada iterao utiliza-se o resultado da iterao
anterior como parmetro de entrada para o clculo seguinte.
Existem diversos aspectos comuns a qualquer processo iterativo, que iremos discutir abaixo:
9 Estimativa inicial: como um processo iterativo se caracteriza pela utilizao do resultado da
iterao anterior para o clculo seguinte, a fim de se iniciar um processo iterativo, preciso
ter uma estimativa inicial do resultado do problema. Essa estimativa pode ser conseguida de
diferentes formas, conforme o problema que se deseja resolver;
9 Convergncia: a fim de obtermos um resultado prximo do resultado real esperado,
preciso que a cada passo ou iterao, nosso resultado esteja mais prximo daquele esperado,
isto , preciso que o mtodo convirja para o resultado real. Essa convergncia nem sempre
garantida em um processo numrico. Portanto, muito importante estar atento a isso e
verificar a convergncia do mtodo para um determinado problema antes de tentar resolve-
lo;
9 Critrio de Parada: obviamente no podemos repetir um processo numrico infinitamente.
preciso par-lo em um determinado instante. Para isso, devemos utilizar um certo critrio,
que vai depender do problema a ser resolvido e da preciso que precisamos obter na soluo.
O critrio adotado para parar as iteraes de um processo numrico chamado de critrio
de parada.

Para encontrarmos as razes ou zeros de uma funo iremos utilizar mtodos numricos
iterativos. Portanto, teremos que abordar todos esses aspectos nos mtodos que utilizaremos. Como
mencionado acima, o primeiro passo para resolver um processo iterativo corresponde a obteno de

18
uma estimativa inicial para o resultado do problema. No caso de zeros de funes, essa operao
chamada de isolamento de razes, que veremos na seo seguinte.

Isolamento de Razes
Para determinarmos o nmero e a localizao aproximada de razes de uma funo para obtermos
uma estimativa inicial a ser usada nos processo iterativos, podemos examinar o comportamento
dessa funo atravs de um esboo grfico.
Por exemplo, seja uma funo f(x) tal que:

f( x ) = g( x ) - h( x )

As razes de f(x), so tais que:

g( x ) h (x ) = 0

ou seja, os valores de x em que o grfico g(x) intercepta o grfico de h(x) a raiz de f(x).

Exemplo:
f(x) = sen(x) - [-cos( x )]
sen( x ) [-cos( x )] = 0
sen( x ) = -cos( x )

1 raiz
sen x
+1

0
3 x
2
2 2 - cos x

-1

2 raiz

19
 Pelo grfico acima, vemos que a funo g(x) ir interceptar a funo h(x) entre /2 e e
entre 3/2 e 2. Portanto, podemos afirmar que existe uma raiz de f(x) no intervalo [/2, ] e no
intervalo [3/2,2]. Esses intervalos podem ser utilizados como estimativa inicial nos processos
iterativos que veremos a seguir.
Porm, o esboo grfico nem sempre a forma mais prtica de se obter um intervalo que
contm pelo menos uma raiz da funo f(x). Muitas vezes preciso se utilizar um mtodo algbrico.
Para isso, vamos recorrer ao teorema de Bolzano.

Teorema de Bolzano.
Seja uma funo f(x) contnua em um intervalo [a,b], tal que, f(a).f(b)<0. Ento a funo f(x) possui
pelo menos uma raiz no intervalo [a,b].
Podemos verificar este teorema graficamente:

y
y

f(b )
f(a )

a b x a b x

f(a )
f(b )

a b x

20
 Exemplo:
Seja a funo f(x)=xln(x)-3.2. Podemos calcular o valor de f(x) para valores arbitrrios de x, como
mostrado na tabela abaixo:

x 1 2 3 4
f(x) -3.20 -1.81 0.10 2.36

Pelo teorema de Bolzano, conclumos que existe pelo menos uma raiz real no intervalo
[2,3].

Mtodo da Dicotomia ou Bisseco.

O mtodo da dicotomia ou bisseco a forma mais intuitiva de se obter a raiz de uma funo. Seja
uma funo f(x) contnua em um intervalo [a,b], e uma raiz de f(x) isolada neste intervalo atravs
de um dos mtodos descritos no item anterior.
Inicialmente, subdividimos este intervalo em suas duas metades, ou seja:

a + b a + b
a; e 2 ; b
2

Verificamos se a raiz est contida na primeira ou na segunda metade do intervalo inicial,

usando o teorema de Bolzano. Ou seja, se a funo f(x) mudar de sinal entre a e a + b saberemos
2
que a raiz est nessa primeira metade do intervalo [a,b]. Caso a funo f(x) mude de sinal entre
a+b e b, a raiz dever estar na segunda metade do intervalo original.
2
Em seguida repetimos o processo para aquela metade que contm a raiz de f(x): dividimos o
intervalo ao meio e verificamos em qual metade est a raiz. E podemos continuar repetindo esse
processo indefinidamente.
A estimativa da raiz em cada etapa ser o ponto mdio do intervalo em estudo onde
sabemos que existe uma raiz. E, como todo processo numrico, importante estimarmos o erro
nesse resultado obtido. No caso do mtodo da bisseco, o erro na estimativa ser dado pela metade
do comprimento do intervalo em estudo.
A seguir, uma ilustrao desse processo:

21
+ + -
a x1 b

a +b ba
x1 =
2 2

+ - -
x1 x2 b

x +b b x1
x2 = 1
2 2

+ + -
x1 x3 x2

x + x2 x2 x1
x3 = 1
2 2

22
Exemplo:

Encontre uma estimativa para a raiz de:

f (x) = ex + x
, com um erro menor ou igual a 0,050.

exp(x)
4 -x

1
0

-1

-2

-4

-4 -2 0 2 4

A raiz de f(x) [-1,0];

- + + f (1) = 0,63

-1 -0,5 0
f (0) = 1
x1 = 0,5 0,5
f (0,5) = 0,11

- - +

-1 -0,75 -0,5 f (0,75) = 0,28

x2 = 0,75 0,25

23
 - - +

-0,75 -0,625 -0,5

f ( 0,625) = 0,09
x3 = 0,625 0,125

- + +

-0,625 -0,563 -0,5

f ( 0,563) = 0,01
x4 = 0,563 0,063

- - +

-0,625 -0,594 -0,563

f ( 0,594 ) = 0,04
x5 = 0,594 0,032

Portanto, a raiz da funo f(x)=ex+x igual a 0,594 0,032.

24
Primeira Lista de Exerccios

1 ) Quais so as 3 causas mais importantes de erros numricos em operaes realizadas em

computadores e calculadoras?

2 ) Cite as caractersticas bsicas de todo processo iterativo.

3 ) Como voc poderia usar o mtodo da bisseco para estimar o valor de 7 ? Estime esse valor

com uma preciso de (ou erro menor que) 0,1.

4 ) Dada a funo f (x ) = sen (x ) x 2 + 4 :

(a) Determine o intervalo em x que contm pelo menos uma raiz de f(x) (graficamente ou
aritmeticamente usando o Teorema de Bolzano);
(b) Partindo-se desse intervalo, utilize o mtodo da bisseco para determinar o valor dessa raiz
aps 4 iteraes.
(c) Qual o erro no seu resultado final?

25
Critrios de Parada em um Processo Iterativo
Foi usado, at o momento, o seguinte critrio de parada:

bk a k erro estipulado (1)

onde [a k , bk ] o intervalo que contm a raiz da funo aps k iteraes.

No entanto, se tivermos uma funo do seguinte tipo:

f(x0 x0 a estimativa da raz

a raiz de f(x)

a x0
x

Podemos estar satisfazendo (1) e, entretanto, f(x0) pode ser muito maior que zero. Assim, em
certos casos pode-se usar a seguinte condio:

f(x 0 ) erro estipulado (2)

Tanto o critrio (1), quanto o critrio (2), podem levar a um nmero muito grande de
iteraes. Uma maneira de se contornar este problema tomar como um critrio de parada
adicional, um certo nmero de iteraes mximo.

26
 Estimativa do nmero de iteraes no mtodo da bisseo.
Como em cada passo, dividimos o intervalo por 2, temos:

bo ao
bk a k = (3)
2k

onde k o nmero de iteraes e [ao,bo] o intervalo inicial que isola a raiz da funo.
Dado o seguinte critrio de parada:

bk a k (4)

onde o erro estipulado. Assim de (3) em (4):

b o ao
2k (5)

e re-arranjando os termos:

klog 2 log bo a o - log (6)

Assim,
log bo a o - log
k (7)
log 2

A expresso (7) d o nmero de iteraes necessrias para que o critrio de parada, definido
em (5), seja satisfeito.

27
Mtodo de Iterao Linear (MIL)
O mtodo da iterao linear um processo iterativo que apresenta vantagens e desvantagens em
relao ao mtodo da bisseco estudado na aula passada.
Seja uma funo f(x) contnua em um intervalo [a,b] que contenha uma raiz de f(x). O Mtodo de
Iterao Linear inicia-se reescrevendo a funo f(x) como,
f(x) = (x) x
Essa forma de escrever f(x) bastante til. No ponto x que corresponde raiz de f(x), isto ,
f(x) = 0, teremos que:
f(x) = (x) x =0
(x) = x
Ou seja, no ponto x que corresponde raiz de f(x), ao substituirmos o valor de x na funo
(x), teremos como resultado o prprio valor de x. Portanto, a raiz de f(x) ser o ponto fixo de (x),
ou seja, o valor que ao ser substitudo em (x) retorna o prprio valor de x.
Por exemplo, a funo
f(x) = x2 - x 2
pode ser reescrita como,
f(x) = x2 2 x = (x) x ,
onde (x) = x2 2. Essa funo tem como ponto fixo o valor x=2, pois (2) = 22 2 = 2. E esse
exatamente o valor da raiz de f(x), pois f(2) = 22 2 2 = 0.
Portanto, para encontrarmos a raiz de f(x), podemos encontrar o valor numrico que ao
substituirmos em (x), essa funo retorna o prprio valor de x. Para encontrarmos esse valor de x,
vamos utilizar um processo iterativo, onde comeamos a calcular o valor de (x) com um valor
inicial de x, e recalculamos repetidamente o valor de (x) sempre usando o resultado de uma dada
iterao como a nova estimativa de x, ou seja, fazendo:

xk +1 = ( xk )

onde, k a ordem da iterao em que estamos (k = 0, 1, 2, 3, 4, ...). A funo

(x) chamada de funo de iterao. Ela no nica para uma dada

28
 funo f(x), mas, como veremos na prxima aula, o bom resultado deste
mtodo depende de uma boa escolha de (x).

Exemplo 1:
Encontre algumas funes de iterao a partir de:

f ( x ) = x 2 + ln( x ) x + 1

f ( x) = 0
x 2 + ln( x ) x + 1 = 0
x = x 2 + ln( x ) + 1
( x ) = x 2 + ln( x ) + 1

Ou ento,

x 2 + ln( x ) x + 1 = 0
ln( x ) = x x 2 1
2
x = e ( x x 1)

2
( x) = e ( x x 1)

Ou ainda,

x 2 + ln( x ) x + 1 = 0
x. x = x ln( x ) 1 x
x ln( x ) 1
x=
x
x ln( x ) 1
( x) =
x

Mais um exemplo,

29
 x 2 + ln( x ) x + 1 + cos x cos x = 0
cos x = cos x x 2 ln( x ) + x 1
x = arc cos(cos x x 2 ln( x ) + x 1)
( x ) = arc cos(cos x x 2 ln( x ) + x 1)

Exemplo 2:

Encontre uma estimativa para a raiz de :

f ( x) = x 2 e x

usando o mtodo da iterao linear.

Vamos iniciar a soluo encontrando uma boa estimativa inicial para o valor da raiz de f(x).
Para isso, vamos usar o mtodo grfico para o isolamento de razes. Escrevendo:
f(x) = g(x) h(x) g(x) = x2 e h(x) = ex

x*x
4 exp(x)

1
0
-1

-2

-4

-4 -2 0 2 4

A partir do esboo grfico acima, conclui-se que a raiz encontra-se no intervalo [-1,0].
Devemos agora escolher uma funo de iterao (x). Para isso, escrevemos:

30
 f ( x) = 0
x2 ex = 0
x = ex

Ou seja, podemos ter como funo iterao, os dois casos abaixo:

( x) = e x
( x) = e x

Usando ( x) = e x e x0 = 1 , temos :

x 0 = 1 ( x0 ) = ( 1) = e 1 = 0,606
x1 = 0,606 ( x1 ) = ( 0,606 ) = e 0 , 606 = 0,738
x 2 = 0,738 ( x2 ) = ( 0,738 ) = e 0 , 738 = 0,691
x 3 = 0,691 ( x3 ) = ( 0,691) = e 0 , 691 = 0,707
x 4 = 0,7 07

Substituindo os valores de xk em f(x) para cada iterao k, vemos que a cada etapa nos
aproximamos mais da raiz de f(x), pois o valor dessa funo fica mais prximo de zero a cada
iterao, como mostrado na tabela abaixo:

x f ( x) = x 2 e x

-1 0,632
-0,606 -0,178
-0,738 0,067
-0,691 -0,024
-0,707 0,007

31
O problema da convergncia no Mtodo da
Iterao Linear
Como discutido na aula 03, para se obter um resultado coerente e preciso com um processo
iterativo, preciso que a cada iterao a resposta se aproxime mais e mais da soluo real, ou seja,
que o mtodo convirja para o valor real. No caso do mtodo da bisseco, ns no precisamos nos
preocupar com a convergncia, pois com esse mtodo ela est sempre garantida, j que isolamos a
raiz em um dado intervalo e nunca deixamos esse intervalo inicial. J no mtodo da iterao linear,
a convergncia no garantida a priori. A cada iterao podemos nos aproximar os nos afastar da
soluo real. Portanto, antes de resolver um problema atravs desse mtodo preciso se verificar se
haver ou no a convergncia.
O seguinte Teorema coloca condies suficientes, porm no necessrias para que o mtodo
de iterao linear seja convergente.
Seja uma funo f(x) contnua em um intervalo [a,b] e uma raiz de f(x) contida em [a,b].
Seja (x) uma funo de iterao obtida a partir de f(x).

Se:

i) (x) e (x) forem contnuas em [a,b];

ii) |(x)| < 1 (para todo) x [a,b];

iii) x0 [a,b].

Ento:

lim n+ xn =
Exemplos:
1) Deseja-se encontrar a raiz de f ( x) = x 2 + 0,96 x 2,08 .
Para isto, pretende-se usar uma das seguintes funes de iterao:

2 , 08
1( x) =
x + 0 ,96

2 ( x ) = x 2 + 1,96 x 2 , 08

32
 Verifique se 1(x) e 2(x) satisfazem as condies (i) e (ii) do Teorema de convergncia no
intervalo [1,2].
Vamos iniciar verificando a condio (i) para a funo 1(x).
2 , 08
1 ( x) =
x + 0 ,96
1 ' ( x ) = 2 ,08 .( x + 0 ,96 ) 1
1 ' ( x ) = 0 .( x + 0 ,96 ) 1 2 , 08 .( x + 0 ,96 ) 2 . 1
2 , 08
1 ' ( x) =
( x + 0 ,96 ) 2

Ambas as funes 1(x) e 1(x) so contnuas (para todo) x R com x -0,96.

Em seguida, vamos verificar a condio (ii) para 1(x).
| 1 '( x ) | < 1
2 , 08
< 1
( x + 0 , 96 ) 2

2 , 08
< 1
( x + 0 , 96 ) 2

2 , 08
< 1
( x + 0 , 96 ) 2

2 , 08 < ( x + 0 , 96 ) 2
2 , 08 < x 2 + 1, 92 x + 0 , 9216
x 2 + 1, 92 x + 0 , 9216 > 2 , 08
x 2 + 1, 92 x 1,1584 > 0

Portanto, para os valores de x que satisfazem a equao acima, teremos |1(x)| < 1, ou seja ,
a condio (ii) do teorema da convergncia satisfeita. Vamos encontrar as razes da funo acima
(x2 + 1.92x 1,1584) e, como ela se trata de uma parbola com concavidade para cima, sabemos
que a funo ser positiva para valores menores que a raiz de menor valor (x1) e valores maiores
que a raiz de maior valor (x2) , como ilustrado abaixo.

33
 + +
x1 _ x2

As razes dessa funo so:

x 2 + 1, 92 x 1,1584 = 0
= 8,32
1, 92 8 , 32
x = =
2
x 1 = 2 ,40
x 2 = 0 ,48
Portanto:

| 1(x) | <1 para x< 2,40 ou x > 0,48.

Finalmente, conclumos que as condies (i) e (ii) do Teorema de Convergncia so
satisfeitas por:
2,08
1 ( x ) =
x + 0,96
no intervalo [1,2].
Vamos verificar se essas condies so satisfeitas para a funo 2(x). Para a condio (i),
temos:

2 ( x ) = x 2 + 1,96 x 2,08
2 ' ( x ) = 2 x + 1,96

Portanto, 2 (x) e 2(x) so contnuas x R . Para a condio (ii) ser satisfeita,

devemos ter:

2 ' ( x) <1
2 x + 1,96 <1
1 < 2 x + 1,96 < 1
1 1,96 < 2 x + 1,96 1,96 < 1 1,96
2,96 < 2 x < 0,96 ( 2)
- 1,48 < x < - 0,48

34
 Ou seja:
2(x) < 1 para 1,48 < x < -0,48.

Temos, portanto, que 2(x) no satisfaz a condio (ii) do Teorema de Convergncia, no

intervalo [1,2].

2) Na aula 05, calculamos o valor da raiz da funo f(x) = x2 ex, utilizando:

(x ) = e x
Vamos verificar se essa funo satisfaz as condies do teorema da convergncia. Para a
condio (i), temos:

( )
1
( x) = e = e x x 2

x 1
( )
1
1 1 1 x
( x) = e x 2 .e = .e 2 .e x = .e 2
x

2 2 2

Portanto, (x) e (x) so contnuas para x R.

Para a condio (ii), devemos ter |(x)| < 1, ou seja:

x
1
- e2 < 1
2
x
1
e2 < 1
2
x

e2 < 2
x
< ln 2
2
x < 2 . ln 2
x < 1,386

35
 O Teorema de convergncia ser satisfeito se x < 1,386.

E, finalmente, para a condio (iii), devemos ter x0 < 1,386, que tem se satisfaz para x0 = -
0.5, que foi o valor usado.

Ainda nesse exemplo, vimos que a funo ( x ) = e x , a princpio, tambm poderia ser
usada. Mas, ser que ela satisfaz todas as condies do teorema da convergncia. Devido sua

semelhana com a funo (x ) = e x , podemos concluir que ela satisfaz o teorema da

convergncia tambm para valores de x < 1,386.

Ao tentarmos resolver este problema usando a funo (x ) = e x , notamos que essa

condio no satisfeita em todas as etapas do problema. A tabela abaixo mostra o que acontece ao

tentarmos encontrar a raiz de f(x) usando ( x ) = e x . A tabela apresenta o ndice das iteraes que
estamos (i), o valor de (xi) e de f(xi) para cada iterao:

i xi (xi) f(xi)
0 -0.5 0.778801 -0.35653
1 0.778801 1.476095 -1.57233
2 1.476095 2.091848 -2.19697
3 2.091848 2.846027 -3.72404
4 2.846027 4.149606 -9.11936
5 4.149606 7.962976 -46.1898

Notamos que o processo est divergindo, isto , se afastando da raiz de f(x), j que o valor
de f(x) cada vez mais distante de zero. Tambm podemos notar que isso acontece devido ao fato
de usarmos valores de x > 1,386 a partir da iterao i=2. Portanto, essa funo no satisfaz o
teorema da convergncia em todas as iteraes.

Critrios de Parada no mtodo da iterao linear

No caso do mtodo da iterao linear, podemos usar qualquer uma (ou todas simultaneamente) das
condies abaixo como critrio de parada:
1. Variao de xk :

xk xk 1 <

36
 Conforme avanamos no nmero de iteraes, se as estimativas da raiz de f(x) comeam a
variar muito pouco, podemos concluir que estamos bem prximos da raiz de f(x) e o processo
iterativo pode ser parado.

2. Valor de f(xk) (como discutido na aula 04):

f (x k ) <
3. Nmero de Iteraes (tambm discutido na aula).

37
Mtodo de Newton-Raphson.
O Mtodo de Newton-Raphson um caso particular do mtodo de iterao linear.
O mtodo de iterao linear consiste em estimar a raiz de uma funo f(x) usando o processo
iterativo:

xn +1 = ( xn ) (1)

Essa expresso define a forma de (x). Podemos escrever uma forma geral para essa funo
dada por:

( x ) = x + A( x ). f ( x ) (2)

pois, para x igual raiz de f(x), tem-se f(x)=0, ou seja x=(x) para qualquer A(x)0.

Para haver a convergncia no mtodo da iterao linear preciso que |(x)|<1 em um

intervalo [a,b] que contm a raiz de f(x). Portanto, a idia no mtodo de Newton-Raphson
escolher uma funo (x) tal que ()=0 onde a raiz de f(x) e [a,b]. Com isso, teremos
|(x)|<1 desde que no nos afastemos muito do valor de durante o processo de resoluo do
problema.
Derivando (x) dada pela expresso (2) em relao a x, temos:

' ( x ) = 1 + A ' ( x ). f ( x ) + A ( x ). f ' ( x )

Exigindo que (x)=0, tem-se:

0 = 1 + A' ( x). f ( x) + A( x). f ' ( x)

Portanto:

1 + A ' ( x ). f ( x ) + A ( x ). f ' ( x ) = 0
A ( x ). f ' ( x ) = 1
1
A( x) =
f '( x)
38
 Escolhendo:

1
A( x) = (3)
f ' ( x)

De (3) em (2):

f (x)
( x) = x (4)
f ' ( x)

O Mtodo de Newton-Raphson consiste em usar o processo iterativo xn+1 = (xn) e como

funo de iterao a expresso (4).

Convergncia do Mtodo de Newton-Raphson

Apesar de obtermos a forma da funo (x) procurando garantir a convergncia do processo
iterativo, esta no esta sempre garantida para este mtodo (mas quase sempre). A convergncia no
mtodo de Newton-Raphson esta sempre garantida para um certo intervalo [a,b] que contm a
raiz de f(x), desde que f(x) e f(x) sejam contnuas nesse intervalo e que f()0, onde a raiz de
f(x) (f()=0). Portanto, se utilizarmos uma estimativa inicial x0 tal que x0 [a,b], a convergncia
estar garantida. Em outras palavras, para o mtodo de Newton-Raphson convergir, preciso que
nossa estimativa inicial esteja prxima da raiz de f(x). A proximidade exigida para a convergncia
vai depender de caso a caso e nem sempre simples de determinar.

Interpretao Geomtrica
Dado xn, o ponto xn+1 ser dado pela intercesso da reta tangente a f(x) no ponto xn com o eixo x (a
abscissa). Podemos ilustrar isso matematicamente. A reta tangente a f(x) em xn dada por:

f (xn ) 0
f '( xn ) =
x n x n +1

A partir dessa expresso, obtemos a frmula de Newton-Raphson, ou seja:

39
 f (xn)
x n x n +1 =
f '( x n )

f (xn )
x n +1 = x n
f '( xn )

Portanto, a cada iterao do nosso processo, nos aproximamos cada vez mais da raiz de f(x)
atravs da tangente (ou seja, da derivada) da funo f(x).
A figura abaixo ilustra essa interpretao geomtrica do Mtodo de Newton-Raphson.

f(x n )

( x n , f(x n ) )

xn + 1 xn
x

Exemplo:

Calcule a raiz de f ( x) = x 2 + x 6 , usando o mtodo de Newton-Raphson,

x0 = 3 como estimativa inicial e como critrio de parada |f(xn)| 0,020.

Para encontrar a raiz de f(x) usando o mtodo de Newton-Raphson, devemos ter:

40
 x n +1 = ( x n )

onde,
f (x )
(x ) = x
f ( x )
x2 + x 6 2 x2 + x x2 x + 6 x2 + 6
(x ) = x = =
2 x +1 2 x +1 2 x +1

Portanto, temos que:

xn f(xn) (xn)
3 6 2,1429
2,1429 0,7349 2,0039
2,0039 0,0195

A estimativa da raiz de f(x) : x = 2,0039

41
Segunda Lista de Exerccios

1 ) O que significa a convergncia de um mtodo iterativo? Que condies garantem a

convergncia no mtodo da iterao linear? O que fazer caso seja constatado que o mtodo da
iterao linear no ir convergir para um dado problema?

2 ) Como voc estimaria o erro da raiz obtida atravs do mtodo da iterao linear?

3 ) Dada a funo f(x)=ln(x) x2 + 4, mostre 3 formas para a funo (x) que poderiam ser usadas
para se estimar a raiz de f(x).

4 ) Seja a funo f(x) = ex 4x2.

(a) Encontre o intervalo que deve possuir pelo menos uma raiz de f(x);
1 x2
(b) Usando ( x ) = e , estime a raiz de f(x) com |xn-xn-1| < 0,001.
2
(c) Faa a mesma estimativa usando o mtodo de Newton-Raphson. Qual dos dois mtodos
converge mais rapidamente?
(d) Um outro critrio de parada que poderia ser usado corresponde verificao se o valor de f(x)
est prximo de zero. Qual resultado para a raiz de f(x) se obteria caso se usasse como critrio
de parada a condio |f(x)| < 0.001?

42
Terceira Lista de Exerccios

1 ) Descreva a representao de ponto flutuante utilizada por computadores e calculadoras? Que

palavra(s) chave(s) define(m) um tipo de varivel que utilizaria essa representao na Linguagem
C?

2 ) O que um zero ou raiz de funo?

3 ) Dada a funo f (x ) = e x + x 2 2 :
(a) Determine graficamente o intervalo em x que contm pelo menos uma raiz de f(x);
(b) Faa a mesma estimativa, mas desta vez aritmeticamente usando o Teorema de Bolzano;
(c) Partindo-se desse intervalo, utilize o mtodo da bisseco para determinar o valor dessa raiz
com uma preciso de 0,05.
(d) Compare o resultado obtido aqui com a soluo dada pelo programa que voc escreveu na
linguagem C.

4 ) Seja: f ( x) = x 3 3x + 1
(a) Mostre que f(x) possui uma raiz em [0,1].
x3 + 1
(b) Mostre que ( x) = , uma possvel funo de iterao obtida a partir de f(x).
3
(c) Verifique se (x) satisfaz as condies (i) e (ii) do Teorema de Convergncia.
(d) Encontre uma estimativa para a raiz de f(x) atravs do mtodo da iterao linear e usando a

funo (x) do item (c), tal que |f(x)| < 0,0070.

(e) Faa a mesma estimativa, mas desta vez ao invs de utilizar a funo (x) do item (c), utilize o
mtodo de Newton-Raphson.

43
Referncias Bibliogrficas
RUGGIERO/LOPES - Clculo Numrico. Makron Books
CHAPRA/CARRALE - Numerical Methods for Engineers. Ed. McGrawHill
CONTE - Elementos de Anlise Numrica. Ed. Globo
BARROSO - Clculo Numrico - Ed. Harper & How do Brasil
MARCELO G. MUNHOZ- Apostila de Clculo Numrico - FACENS

44