Métodos Numéricos I

Tema 2. Raízes de Equações 
Algébricas e Transcendentes

Prof. Dany S. Dominguez

dsdominguez@gmail.br
Sala 1 – NBCGIB
(73) 3680 5212 – ramal 30
ROTEIRO
• Introdução
• Método gráfico
• Métodos intervalares
– Método de Bisseção
– Método de Falsa Posição
• Métodos abertos
– Método de Ponto Fixo
– Método de Newton‐Raphson
– Método da Secante
• Comentários finais
Introdução
• Funções algébricas e transcendentes?
• Funções algébricas
– Uma FA pode ser computada com um número
finito de operações algébricas
– Uma função y=f(x) é algébrica se pode ser
expressa na forma
f n y n  f n 1 y n 1    f 2 y 2  f1 y  f 0  0
onde fi é um polinômio em x.
Introdução
• Funções algébricas ...
– Exemplos:
3
x
y 2
x 1
  
x 2
 1 y  x 3
0

y  5 x 2  x3  7 x 6  y   5 x 2  x3  7 x 6   0
Introdução
• Funções transcendentes
– Aquelas funções que não podem ser computadas
com um número finito de operações algébricas
– Transcendentes ≠ Algébricas
– Funções: trigonométricas, exponenciais,
logarítmicas, ...
– Exemplos:

y  ln  x   1 sen  3 x  0,5 
0,2 x
2
ye
Introdução
• O cálculo de raízes é um dos problemas
básicos de analise numérica

• O problema consiste em encontrar valores da

variável x que satisfaçam f(x) = 0, para uma
função f(x) arbitrária

• Raízes = zeros da equação

Introdução
• Como calcular os zeros de uma equação?
– Método gráfico
y

y=f(x)
y=0, x=xt , f(xt)=0

xt x

– A raiz é a interseção da função com o eixo x

– Estimativas grosseiras e pouco precisas
Introdução
• Como calcular os zeros de uma equação ...
– Métodos analíticos
• Funções explícitas
– A variável independente (x) pode ser isolada
– Cálculo direto
– Exemplo: f(x) = x2+4 (resolver)
• Funções implícitas
– A variável independente não pode ser isolada
– Exemplo: f(x) = x – tan(x)
– Métodos analíticos não podem ser utilizados

– Métodos aproximados
Introdução
• Métodos aproximados para calcular raízes:
– Métodos intervalares
• Isolar a raiz em um intervalo
• Diminuir sistematicamente o tamanho do
intervalo
– Métodos abertos
• Iterações sistemáticas de tentativa e erro
• Não precisam isolar a raiz
Método gráfico
• Ao calcularmos as raízes é recomendável
plotar o gráfico da função
• O gráfico fornece algumas informações:
Método gráfico

• f(xl)f(xu) > 0, não existem raízes, ou numero

par de raízes
• f(xl)f(xu) < 0, número impar de raízes
Método gráfico
• As conclusões anteriores não são válidas:
– Raízes múltiplas
– Funções descontínuas
Método gráfico
• Problemas: f ( x)  sen 10 x   cos(3x), [0, 5]
Método de Bisseção
• O método da bissecção é baseado no Teorema do Valor
Intermediário (TVI)
• Suponha uma função f contínua, definida no intervalo
[xl, xu] com f(xl) e f(xu) de sinais opostos
• Pelo TVI, existe xr, xl < xr < xu, para o qual f(xr)=0
• O método de bissecção baseia‐se na repetida divisão
de subintervalos de [xl, xu]
• A cada passo aproximamos raiz xr pelo ponto médio do
intervalo [xl, xu] , x*=(xl + xu)/2
Método de Bisseção
• Verificando o TVI escolhemos um dos
subintervalos [xl, x*] ou [x*, xl] para obter
uma nova estimativa
y
• Graficamente: f(xu)

f(x1)

f(x2) x2
xl x3 p x1 xr x
f(x3)
f(xl)
x1
xl xr
x2 xr
xl
• x4? xl
x3
xr
Método de Bisseção
• Exemplo 1: Utilize o método da bisseção para
calcular as raízes da função f(x) = e-x – x, no
intervalo [0, 1]
‒ Arquivo Excel
‒ Figura (próximo slide)
Exemplo 1 ...

xl x4 x3 x2 xu
x1
Método de Bisseção
• Quando deter o processo iterativo?
− Estabelecer uma tolerância (ε)
− Verificar um critério de parada, alternativas:
a) xu  xl   
b) f  xn   

c) xn  xn 1  
d) xn  xn 1 xn  
− Qual o melhor alternativa?
Método de Bisseção
• Exemplo 2: Para as condições do exemplo 1
calcule os desvios relativos verdadeiros
considerando o valor exato da raiz xr =
0,5671432. Compare com os erros obtidos no
processo iterativo.
 T ,i  100 xr  xi xr (%)

 a ,i  100 xi  xi 1 xi (%)
‒ Arquivo Excel
Exemplo 2 ...
Método de Bisseção – Algoritmo 1
Entrada: Função, [xl, xu], TOL
Saída: Raiz aproximada xi
1 i = 0, ea = 100, x=xl
2 Enquanto (ea > TOL)
3 xold = x
4 x = (xl + xu)/2
5 i = i + 1
6 ea = ABS((x – xold)/x)*100
7 Se (f(xl)*f(x)<0) Então
8 xu = x
9 Senão
10 xl = x
11 Fim-se
12 Fim-enquanto
13 Saída (x)
Método de Bisseção ‐ Algoritmo
• Quais os problemas do algoritmo anterior?
‒ Não existe parada por numero máximo de
iterações
‒ Não prevê a divisão por zero no cálculo do erro
‒ Não aproveita as avaliações da função de uma
iteração para outra
Método de Bisseção – Algoritmo 2
Entrada: Função, [xl, xu], TOL, Imax
Saída: Raiz aproximada xi
1 i = 0, ea = 100, x = xl, fl = f(xl)
2 Enquanto (ea > TOL) e (i<Imax)
3 xold = x
4 x = (xl + xu)/2, fx=f(x)
5 i = i + 1
6 Se (x<>0)
7 ea = ABS((x – xold)/x)*100
8 Fim-se
9 Se (fl*fx<0) Então
10 xu = x
11 Senão
12 xl = x, fl = fx
13 Fim-se
14 Fim-enquanto
15 Saída (x)
Método de Bisseção
• Exemplo 3: Utilizar o método da bissecção
para calcular a raiz de x3+5x2-10 em [-5,2].

f ( x)  x  5 x  10,
3 2
xl  -5, xr  2
f ( xl )  f (5)  10
f ( xr )  f (2)  18
f ( xl )  f ( xu )  0, segundo o TVI existe raiz

• Ao aplicarmos o método obtemos a raiz

x=1,264. Esta resposta não é correta. Por que?
Método de Bisseção
• Exemplo 3 . . .
‒ Gráfico de x3+5x2-10 em [-5,2]
Método de Bisseção
• Para usarmos métodos intervalares devemos
garantir a unicidade da raiz no intervalo (raiz
isolada)
• Uma vez comprovado a existência de uma raiz
para a função f(x) em [xl, xu] (TVI);
• Como garantir que a raiz é única?
• A função deve ser estritamente monótona, o qual
pode ser verificado com qualquer uma das
seguintes condições:
f ( x)  0 ou f ( x)  0 ou f ( x)  0 em [ xl , xr ]
Método de Bisseção
• Para iniciar um método intervalar (bisseção)
• Um intervalo [xl, xu] onde f(xl)f(xu)<0 deve ser
fornecido
• Na bisseção a cada iteração o intervalo reduz na
metade
• Pelo tanto é vantajoso escolher um intervalo
inicial [xl, xu] tão pequeno quanto possível
• Quanto menor intervalo, menor o numero de
iterações necessárias
Método de Bisseção
• Podemos estimar o número de iterações para
alcançar uma determinada tolerância

• Teorema: Seja f  C [xl, xu] e suponha f(xl)f(xu)<0 .

O algoritmo da bissecção gera uma sequência
{xn} que aproxima xr com a propriedade
xl  xu
xn  xr  n
, n  1.
2
Método de Bisseção
• Exemplo 4: Determine aproximadamente quantas
iterações são necessárias usando bisseção para
gerarmos uma solução f(x)=x3+5x2-10=0 com uma
precisão de ε=10-3 no erro absoluto para xl=1 e
xu=2.
f ( xl )  f (1)  4
f ( xu )  f (2)  18
f ( xl )  f ( xu )  0, segundo o TVI existe raiz
f ( x)  3 x 2  10 x,
funçao estritamente crescente em [1, 2], f ( x)  0,
raiz unica, podemos aplicar bissecçao
Método de Bisseção
• Exemplo 4 . . .
ba
xn  xr  n , xn  xr    103 , xl  1, xu  2
2
1
 n
2
n  9,96  10

• O valor obtido é um limite superior para o

numero de iterações
• Em muitos casos o numero de iterações é menor
que o limite teórico (ver Excel)
Método de Bisseção
• Desvantagens
– Convergência lenta, o número de iterações pode ficar
muito grande, até obtermos uma boa aproximação
– Comportamento oscilatório (em alguns casos), uma
boa aproximação pode ser indevidamente descartada

• Vantagens
– Incondicionalmente convergente
– Fácil implementação
– Requer apenas uma avaliação da função f(x)
Método de Falsa Posição
• Método de bisseção = força bruta
• Na bisseção a estimativa da raiz é o ponto médio
do intervalo
• Os valores absolutos de f(xl) e f(xu) não são
considerados
• A raiz estará mais próxima do extremo (xl ou xu)
com |f(x)| mais próximo de zero
• Exploramos esse fato escolhendo como
estimativa da raiz a interseção com o eixo x da
reta que une os pontos (xl, f(xl)) e (xu, f(xu))
Método de Falsa Posição

• Iterações sucessivas (quadro)

Método de Falsa Posição
• O extremo do intervalo de maior módulo
permanece fixo
• O extremo do intervalo de menor módulo
aproxima‐se sucessivamente da raiz
• Como calcular a nova estimativa?
• Utilizamos a equação da reta
• Pontos da reta: (xl, f(xl)) e (xu, f(xu))
• Equação da reta: y = mx + n
y f ( xu )  f ( xl )
m 
x xu  xl
Método de Falsa Posição
• Calculamos n usando o ponto: (xl, f(xl))
f ( xl ) xu  f ( xu ) xl
n
xu  xl
• O valor de x para y = 0
f ( xu ) xl  f ( xl ) xu
x
f ( xu )  f ( xl )
• Somando e subtraindo xu, obtemos uma
expressão mais eficiente
f ( xu )  xl  xu 
x  xu 
f ( xu )  f ( xl )
Método de Falsa Posição
f ( xu )  xl  xu  x  f ( xu ) xl  f ( xl ) xu
x  xu  f ( xu )  f ( xl )
f ( xu )  f ( xl )

Multiplicações 1 2

Subtração/Adição 3 2

Divisões 1 1

Avaliação de função 3 4
Método de Falsa Posição
• Finalmente:
f ( xu )  xl  xu 
xi 1  xu 
f ( xu )  f ( xl )

• Exemplo 5: Utilize o método de falsa posição para

calcular as raízes da função f(x) = e-x – x, no intervalo
[0, 1]. Calcule o erro verdadeiro e compare com o
método de bisseção.
– Arquivo excel
– Gráfico
Método de Falsa Posição
• Exemplo 5 . . .
Método de Falsa Posição ‐ Algoritmo
Entrada: Função f, [xl, xu], TOL, Imax
Saída: Raiz aproximada xi
1 i = 0, ea = 100, fl = f(xl), fu = f(xu)
2 Se |fl|<|fu| Então x = xl Senão x = xu
3 Enquanto (ea > TOL) e (i<Imax)
4 xold = x, i = i + 1
5 x = xu + (fu*(xl-xu))/(fu-fl)
6 fx = f(x)
7 Se (x<>0)
8 ea = ABS((x – xold)/x)*100
9 Fim-se
10 Se |fl|<|fu| Então
11 xl = x, fl = f
12 Senão
13 xu = x, fu = f
14 Fim-se
15 Fim-enquanto
16 Saída (x, i)
Método de Falsa Posição
• Exemplo 6: Use os métodos de bisseção e de falsa
posição para calcular a raiz da função f(x) = x10 – 1,
no intervalo [0; 1,3]. Calcule o erro verdadeiro e
compare com o método de bisseção.
– Arquivo Excel

• Convergência muito lenta no método de FP.

Por que?
Método de Falsa Posição
• Exemplo 6 . . .
Método de Falsa Posição
• Os problemas do método de falsa posição estão
associados a que o extremo do intervalo mais
afastado da raiz permanece fixo,

• A convergência é lenta em funções com curvatura

muito acentuada.
Método de Falsa Posição
• Desvantagens
– Convergência lenta em funções de curvatura
pronunciada
– Precisa calcular o valor absoluto da função

• Vantagens
– Fácil implementação
– Converge mais rapidamente que bisseção
– Aproxima‐se continuamente da raiz
– Requer apenas uma avaliação da função f(x)
ROTEIRO
• Introdução
• Método gráfico
• Métodos intervalares
– Método de Bisseção
– Método de Falsa Posição
• Métodos abertos
– Método de Ponto Fixo
– Método de Newton‐Raphson
– Método da Secante
• Comentários finais
Métodos Abertos
• Baseados em fórmulas iterativas que exigem uma
ou duas estimativas iniciais
• As estimativas inicias não precisam delimitar a
raiz
Métodos de Ponto Fixo
• Iteração de um ponto ou método de
aproximações sucessivas
• Dada a equação: f(x) = 0
• Reescrevemos ela na forma: x = g(x)
Método de Ponto Fixo
• Exemplos

f ( x)  x 2  2 x  3  0 f ( x)  sen x  0

x2  3 x  sen x  x
x
2 g ( x)  sen x  x
x2  3
g ( x) 
2
• Em funções onde não é possível explicitar x
• A expressão de ponto fixo obtêm‐se somando x
em ambos os lados da equação
Método de Ponto Fixo
• Utilizamos a expressão de ponto fixo para
implementar um processo iterativo na forma
xi 1  g ( xi ), i  0,1, 2,
• Até que
xi 1  xi
 a ,i 1  100  TOL
xi 1

• Desta forma criamos a sequência

 x0 , x1 , x2 , xi , xi 1 , xn   xr
Método de Ponto Fixo
• Exemplo 7: Utilize o método de ponto fixo para
calcular as raízes da função f(x) = e-x – x, no intervalo
[0, 1]. Calcule o erro verdadeiro e aproximado em
cada iteração.
– Arquivo Excel

– O erro aproximado comporta‐se como uma cota

superior ao erro verdadeiro
Método de Ponto Fixo
• A raiz da equação
corresponde a interseção
das curvas x e g(x)
Método de Ponto Fixo
• Processo iterativo
Método de Ponto Fixo – Convergência
• Monótonos (a) e (c)
• Oscilantes (b) e (d)

• Convergência (a) e (b)

• Divergência (c) e (d)

• Qual a condição de
convergência em PF?
• Depende da curvatura
de g(x) e de x0
Método de Ponto Fixo – Convergência
• Equação iterativa: xi+1 = g(xi) (i)
• Na solução do problema xr = g(xr) (ii)
• Subtraindo (i) – (ii)
xr  xi 1  g ( xr )  g ( xi ) (iii)
• Teorema do valor médio para derivadas
– Se a função g(x) e suas derivadas forem contínuas no
intervalo [xi, xr], existe um valor  tal que
g ( xr )  g ( xi ) (iv)
g ( ) 
xr  xi
– com    xr , xi  .
Método de Ponto Fixo – Convergência
• Substituindo g(xr) - g(xi) da eq. (4) na eq. (3)
xr  xi 1   xr  xi  g ( )
• xr-xi+1, erro verdadeiro na iteração i+1, ET,i+1
• xr-xi, erro verdadeiro na iteração i, ET,i
ET ,i 1  ET ,i g ( )
• Concluindo
• Se |g’(x)|<1 o erro diminui a cada iteração e o método converge
• Se |g’(x)|>1 o erro aumenta e o método poderia diverger
• O erro é proporcional ao erro na iteração anterior, o
método é linearmente convergente
Método de Ponto Fixo – Convergência
• Para uma equação f(x) existem múltiplas
alternativas para escolher g(x)
• Por exemplo f(x) = x 3 + 4x2 – 10 temos
– g1(x) = x – x3 – 4x2 + 10
1
 10  2
– g 2 ( x)   
 x4
 x3  4 x 2  10 
– g3 ( x)  x   
 3x  8 x 
2

• Qual o g(x) mais apropriado?

Método de Ponto Fixo – Convergência
• Para uma equação f(x) existem múltiplas
alternativas para escolher g(x)
• Por exemplo f(x) = x 3 + 4x2 – 10 temos
– g1(x) = x – x3 – 4x2 + 10
1
 10  2
– g 2 ( x)   
 x4
 x3  4 x 2  10 
– g3 ( x)  x   
 3x  8 x 
2

• Qual o g(x) mais apropriado?

Método de Ponto Fixo – Convergência
• Exemplo 8: Considerando x0=1.5 compute a raiz
de f(x) = x 3 + 4x2 – 10 para as funções g1, g2 e g3
do slide anterior. Execute 5 iterações de ponto fixo
e calcule o erro verdadeiro em cada caso se
xr = 1.365230013.
– Arquivo Excel
• A função g3(x) apresenta maior velocidade de
convergência
• A velocidade de convergência é proporcional ao
valor absoluto da derivada ET ,i 1  ET ,i g ( x)
Método de Ponto Fixo – Convergência
• Exemplo 8. . .
Método de Ponto Fixo – Convergência
• Devemos ser cuidadosos na escolha de g(x)
• A função g(x) e o valor inicial x0 influem na
convergência do método
• Frequentemente definem se o método converge
ou diverge
• Observe que a escolha de g3(x) no exemplo
anterior corresponde a
f ( x)
g ( x)  x 
f ( x)
Método de Ponto Fixo‐ Algoritmo
Entrada: Função g, x0, TOL, Imax
Saída: Raiz aproximada xi
1 i = 0
2 ea = 100
3 x = x0
4 Enquanto (ea > TOL) e (i<Imax)
5 xold = x,
6 i = i + 1
7 x = g(xold)
8 Se (x<>0)
9 ea = ABS((x – xold)/x)*100
10 Fim-se
15 Fim-enquanto
16 Saída (x, i)
Método do Ponto Fixo
• Desvantagens
– Convergência depende da curvatura da função e da
aproximação inicial
– Convergência linear (lenta)

• Vantagens
– Muito fácil implementação
– Existe um critério de convergência
– Pouco custo computacional (sem testes condicionais)
– Requer apenas uma avaliação da função f(x)
Método de Newton‐Raphson
• O método NR é um dos métodos numéricos mais
utilizados para resolver o problema de calcular raízes
de uma equação
• Suponha que a função f(x) seja continua e
duplamente diferençável no intervalo [xl, xu], i.e,
f C2 [xl, xu]
• Seja xi  [xl, xu] uma aproximação para xr tal que
f’(xi)≠0 e | xi - xr | seja pequeno
Método de Newton‐Raphson
• Podemos escrever o polinômio de Taylor para f(x) em
torno de xi na forma:
 x  xi 
2

f ( x)  f  xi    x  xi  f   xi   f   xi 
2
• Avaliamos a expressão anterior para x = xr,
consideramos f(xr)=0, e que o termo de segunda
ordem (xr - xi) é desprezível, obtemos:
0  f  xi    xr  xi  f   xi 
• Resolvendo para xr :
f  xi 
xr  xi 
f   xi 
Método de Newton‐Raphson
• A expressão anterior é a base para o método de NR,
que se fundamenta em gerar uma sequência {xi} que
converge para xr definida na forma
f  xi 
xi 1  xi 
f   xi 
• Obviamente método de NR não pode ser continuado
se f’(xi)=0 para algum valor da sequência
• A sequência é gerada até que
xi 1  xi
 a ,i 1  100  TOL
xi 1
Método de Newton‐Raphson
• Exemplo 9: Utilize o método de Newton para calcular
as raízes da função f(x) = e-x – x, considerando
x0 = 0. Calcule o erro verdadeiro e aproximado em
cada iteração.
f   x   e  x  1

– Arquivo Excel
– O erro aproximado comporta‐se como uma cota
superior ao erro verdadeiro
– Converge rapidamente, NR iter = 4, PF iter = 10
Método de Newton‐Raphson
• Interpretação gráfica
• Reta:
y
Inclinação f’(x1)
 xi , f ( xi ) 
y=f(x) m  f ( xi )
y  mx  n
n  f ( xi )  xi f ( xi )
x0 x2 Inclinação f’(x0)
p x1 x
• Interseção
 xi 1 , 0 
f  xi 
xi 1  xi 
f   xi 
Método de Newton‐Raphson
• Cálculo do erro
– Obtivemos a fórmula de NR partindo da fórmula de
Taylor
 x  xi 
2

f ( x)  f  xi    x  xi  f   xi   f    (v)
2
– Ao avaliarmos (v) em xr obtemos
 xr  xi 
2

0  f  xi    xr  xi  f   xi   f    (vi)
2
– Podemos escrever a fórmula de NR na forma:
0  f  xi    xi 1  xi  f   xi  (vii)
Método de Newton‐Raphson
• Cálculo do erro
– Subtraindo (vi) – (vii) obtemos
 xr  xi 
2

0   xr  xi 1  f   xi   f    (viii)
2
– xr-xi+1, erro verdadeiro na iteração i+1, ET,i+1
– xr-xi, erro verdadeiro na iteração i, ET,i
ET2,i
0  ET ,i 1 f   xi   f    , xi  xr ,   xr
2
f   xr 
– Finalmente: ET ,i 1   E 2

2 f   xr 
T ,i
Método de Newton‐Raphson
• Expressão para o cálculo do erro
f   xr 
ET ,i 1   ET ,i
2

2 f   xr 

– O erro na iteração i+1 é proporcional ao quadrado do

erro na iteração i
– O método de NR apresenta convergência quadrática

– Qual método converge mais rapidamente NR ou PF?

Método de Newton‐Raphson
• Problemas

– O método diverge
– Isto ocorre quando existe um ponto de inflexão
f´´(x) = 0 na vizinhança da raiz
Método de Newton‐Raphson
• Problemas

– O método oscila na vizinhança de um mínimo local e

finalmente, diverge
– Isto ocorre quando a inclinação é muito próxima de
zero f´(x) ≈ 0 na vizinhança da aproximação inicial
Método de Newton‐Raphson
• Problemas...

– Aproximação inicial próxima de uma raiz, as iterações

levam a outras raízes afastadas da região de interesse
– Instabilidades provocadas por inclinações próximas a zero
– Isto ocorre em funções oscilatórias com vários máximos ou
mínimos
Método de Newton‐Raphson
• Problemas

– O método diverge
– Ocorre divisão por zero f´(x) = 0
Método de Newton‐Raphson
• Convergência
– Não existe um critério geral que garanta a
convergência do método
– A convergência depende da natureza da função e da
acurácia da aproximação inicial
– A única alternativa é encontrarmos uma aproximação
inicial o suficientemente próxima da raiz
• Teorema: Seja f(x)  C2 [xl, xu]. Se xi  [xl, xu]é tal
que f(xi)=0 e f’(xi)≠0, então existe um ∂>0 tal que o
método de Newton gera uma sequência {xi}
convergente para xr para qualquer aproximação
inicial x0  [xi -∂, xi +∂].
Método de Newton Raphson‐ Algoritmo
Entrada: Função f, f’, x0, TOL, Imax
Saída: Raiz aproximada xi
1 i = 0
2 ea = 100
3 x = x0
4 Enquanto (ea > TOL) e (i<Imax)
5 xold = x
6 i = i + 1
7 x = xold – f(xold)/f’(xold)
8 Se (x<>0)
9 ea = ABS((x – xold)/x)*100
10 Fim-se
15 Fim-enquanto
16 Saída (x, i)

• Muito semelhante ao algoritmo de PF.

Método de Newton‐Raphson
• Desvantagens
– Convergência depende da curvatura da função e da
aproximação inicial (fortemente)
– Não existe um critério de convergência
– Precisa avaliar a derivada em cada iteração

• Vantagens
– Alta velocidade convergência
– Convergência quadrática
Método da Secante
• O método de NR é muito eficiente, entretanto
apresenta uma grande dificuldade: a necessidade de
calcular f’(x) em cada iteração,
• Para algumas funções f’(x) é muito mais complicada
e precisa de muitas mas operações aritméticas que
f(x), por exemplo
f ( x)  x 2 3x cos(2 x)
f ( x)  2 x3x cos(2 x)  x 2 3x ln 3cos(2 x)  2 x 2 3x sen(2 x)
• Para contornar este problema uma alternativa é
utilizar o método da secante
Método da Secante
• Usamos a definição de derivada
f ( x)  f ( xi )
f ( xi )  lim
x  xi x  xi
• Consideremos x = xi-1
f ( xi 1 )  f ( xi )
f ( xi ) 
xi 1  xi
• Utilizando a aproximação anterior para a derivada na
expressão de NR obtemos
f  xi   xi 1  xi 
xi 1  xi  (ix)
f  xi 1   f  xi 
Método da Secante
• A formula da secante, eq. (ix), permite calcular uma
sequência {xi} que converge para xr,
• Para utilizarmos o método da secante precissamos
duas aproximações iniciais x0, x1
• Interpretação gráfica
y
y=f(x)

x3
x0 x2
xr x1 x • x4?
Método da Secante
• Exemplo 10: Utilize o método da secante para
calcular as raízes da função f(x) = e-x – x,
considerando x0 = 0 e x1 = 1.0 . Calcule o erro
verdadeiro e aproximado em cada iteração.

– Arquivo Excel
– O erro aproximado comporta‐se como uma cota
superior ao erro verdadeiro
– Converge rapidamente, Secante iter = 4, NR iter = 4,
PF iter = 10
Método da Secante‐ Algoritmo
Entrada: Função f, x0, x1, TOL, Imax
Saída: Raiz aproximada xi
1 i = 0
2 ea = 100
3 Enquanto (ea > TOL) e (i<Imax)
4 i = i + 1
5 f0 = f(x0)
6 f1 = f(x1)
7 x = x1 – f1*(x0-x1)/(f0-f1)
8 Se (x<>0)
9 ea = ABS((x – xold)/x)*100
10 Fim-se
11 x0 = x1
12 x1 = x
13 Fim-enquanto
14 Saída (x, i)
Método da Secante
• Quais as diferenças do método da secante com o
método de falsa posição?
Secante Falsa posição
f  xi   xi 1  xi  f ( xu )  xl  xu 
xi 1  xi  xi 1  xu 
f  xi 1   f  xi  f ( xu )  f ( xl )
• Método aberto • Método intervalar
• A substituição na  • A substituição considera os 
construção da sequencia  valores absolutos de f(xl) e f(xu)
segue uma ordem estrita
• [xi, xi-1] sempre contem a raiz
• [xi, xi-1] pode não conter a 
• Sempre converge
raiz
• Pode divergir
Falsa posição vs Secante

• i=0

• i=1
Método da Secante
• Desvantagens
– Convergência depende das escolhas inicias
– Não existe um critério de convergência
– Precisa duas aproximações iniciais, alto consumo de
memória
• Vantagens
– Velocidade convergência média
– Convergência entre quadrática e linear
– Menos operações aritméticas que NR, não precisa da
derivada
Comentários Finais
• Para calcularmos uma raiz é conveniente:
– Localizar a raiz
– Isolar a raiz

• Esboçar o gráfico da função é recomendável

• Métodos intervalares
– A raiz mantém‐se dentro de um intervalo
– Bisseção
– Falsa posição
Comentários Finais
• Métodos abertos
– A raiz é computada a partir de uma (ou duas)
aproximação inicial
– A qualidade da aproximação inicial influi na
convergência do método
– Ponto fixo
– Newton‐Raphson
– Secante
Comentários Finais
• Velocidade de convergência
 Comentários Finais
Aproximações
Método Convergência Estabilidade Implementação
Iniciais
Sempre 
Bisseção 2 Lenta Fácil
converge
Lenta ou  Sempre 
Falsa posição 2 Fácil
média converge
Ponto fixo 1 Lenta (linear) Pode divergir Muito fácil
Newton‐ Rápida 
1 Pode divergir Fácil
Raphson (quadrática)
Média ou 
Secante 2 Pode divergir Fácil
rápida
Comentários Finais
• Qual o melhor método para calcular raízes de
uma equação?
– Depende do problema
– Geralmente utiliza‐se um método combinado
• Obtém‐se boas aproximações iniciais com BS
• Refina‐se a solução com NR ou secante