INSTITUTO FEDERAL DO NORTE DE MINAS GERAIS

IFNMG CAMPUS SALINAS

LICENCIATURA EM MATEMÁTICA

LUCAS PEREIRA SANTOS

ESTUDO DE PROBLEMAS MATEMÁTICOS NÃO LINEARES

SALINAS
MINAS GERAIS - BRASIL
2018
 LUCAS PEREIRA SANTOS

ESTUDO DE PROBLEMAS MATEMÁTICOS NÃO LINEARES

Trabalho apresentado à banca examinadora, do

curso de Licenciatura em Matemática do
IFNMG – Campus Salinas, como parte
integrante das exigências da disciplina
Trabalho de Conclusão de Curso, e como
requisito parcial para obtenção do título de
Licenciado em Matemática.

SALINAS
MINAS GERAIS - BRASIL
2018
 LUCAS PEREIRA SANTOS

UM ESTUDO DE PROBLEMAS MATEMÁTICOS NÃO LINEARES

Trabalho apresentado à banca examinadora, do

curso de Licenciatura em Matemática do
IFNMG - Campus Salinas, como parte
integrante das exigências da disciplina
Trabalho de Conclusão de Curso, e como
requisito parcial para obtenção do título de
Licenciada em Matemática.

Aprovado em: ___ de dezembro de 2018.

_________________________________ ____________________________________
Prof. MSc. Anderson Vantui Nobre Vieira Prof. MSc. Leonardo Martins do Nascimento
Convidado Convidado

______________________________________________
Prof. MSc. Marco Aurélio Meira Fonseca
Orientador

SALINAS
MINAS GERAIS – BRASIL
2018
“Nós, ainda que, como licenciados, temos a
capacidade de desenvolver pesquisas na área
específica e ir além dos estudos da graduação. No
entanto, como educadores, temos a obrigação
(seja por pesquisas, debates ou por tentativas de
novas práticas de ensino) de sempre buscar uma
educação melhor.”
Lucas Pereira Santos
Dedico este trabalho a minha magnífica mãe
Glória e a minha avó Maria (in memorian).
Tudo que tenho e sou devo a elas.
 AGRADECIMENTOS

Agradeço primeiramente a Deus, pois creio que Ele seja o grande responsável por
conduzir-me ao caminho do bem, do conhecimento e do justo.
A alguns familiares, pela ajuda, carinho e incentivo. Em especial, à Miguel Francisco
que sempre me incentiva e me motiva, além de sempre acreditar em meu crescimento e
potencial.
Aos meus colegas, em especial os que sempre compartilhamos momentos de
aprendizagem, dificuldade e desespero (risos), mas também momentos de alegria e
descontração, debates e alegrias. Entre eles, Alesson, Aline, Daniel, Darlei, Bia, Eudoxa, Fábio,
Marcella, Mayara, Raquely, Tamires e Tati.
De modo especial, à Tamires pela colaboração e ajuda em todos esses anos. À Darlei
pela amizade construída, conselhos e debates que sempre nos rendeu aprendizagem e
experiência pela reflexão.
Agradeço aos professores, por toda aprendizagem, auxílio quando necessário, parceria
em pesquisas e disposição em colaborar no meu conhecimento e formação. Em especial ao
professor orientador deste trabalho, Marco Aurélio, pela disponibilidade em me orientar, pela
paciência e conhecimento passado a mim durante a realização deste.
Aos professores Anderson e Leonardo, por terem aceitado meu convite para compor a
banca e colaborar efetivamente na construção e discussões a fim de enriquecer o trabalho.
Agradeço a todos que colaboraram de forma direta ou indiretamente na minha
formação e trajetória acadêmica.
Enfim, a todos que torceram e torcem pelo meu sucesso.
 SUMÁRIO

1. INTRODUÇÃO ............................................................................................................. 12
2. FUNDAMENTAÇÃO TEÓRICA ................................................................................ 13
2.1. Álgebra .......................................................................................................................... 13
2.2. Cálculo Numérico .......................................................................................................... 14
2.3. O software GeoGebra .................................................................................................... 15
3. METODOLOGIA.......................................................................................................... 17
4. MÉTODOS NUMÉRICOS ITERATIVOS ................................................................... 18
5. MÉTODO DA BISSECÇÃO ........................................................................................ 19
6. MÉTODO DA POSIÇÃO FALSA ............................................................................... 25
7. MÉTODO DE NEWTON-RAPHSON ......................................................................... 29
10. REFERÊNCIAS ............................................................................................................ 39
 LISTA DE FIGURAS

FIGURA 1: REPRESENTAÇÃO GRÁFICA DO MÉTODO DA BISSECÇÃO.. ........................................ 19

FIGURA 2: REPRESENTAÇÃO GRÁFICA DA FUNÇÃO 𝒇𝒙 = 𝒙 + 𝒄𝒐𝒔(𝒙). .................................... 21
FIGURA 3: GRÁFICO DA FUNÇÃO 𝒇(𝒙) = 𝒙 + 𝒄𝒐𝒔(𝒙) NO INTERVALO [−𝟎, 𝟕𝟓; −𝟎, 𝟓].. ........ 23
FIGURA 4: GRÁFICO DA FUNÇÃO 𝒇(𝒙) = 𝒙𝟑 − 𝟕𝒙 + 𝟐 NA PRIMEIRA ITERAÇÃO DO MÉTODO DO
FALSA POSIÇÃO ......................................................................................................................... 26
FIGURA 5: TANGENTE ENTRE O PONTOS INICIAIS E A 𝒇(𝒙) = 𝒙³ − 𝟐. ...................................... 30
FIGURA 6: GRÁFICO DA SECANTE PARA O INTERVALO [𝟎, 𝟏]. ................................................... 33
FIGURA 7: GRÁFICO DA SECANTE PARA O INTERVALO [𝟑, 𝟒]. ................................................... 35
 LISTA DE TABELAS

TABELA 1: MÉTODO DA BISSECÇÃO APÓS TODAS ITERAÇÕES NECESSÁRIAS. ............................ 24

TABELA 2: MÉTODO DA FALSA POSIÇÃO - TABELA ATÉ 1° ITERAÇÃO. ..................................... 25
TABELA 3: MÉTODO DA FALSA POSIÇÃO - TABELA ATÉ 2° ITERAÇÃO. ..................................... 27
TABELA 4: MÉTODO DA FALSA POSIÇÃO - TABELA ATÉ 3° ITERAÇÃO. ..................................... 27
TABELA 5: MÉTODO DA FALSA POSIÇÃO - TABELA ATÉ 4° ITERAÇÃO. ..................................... 28
TABELA 6: MÉTODO DA FALSA POSIÇÃO - TABELA ATÉ 5° ITERAÇÃO. ..................................... 28
 RESUMO

Este trabalho busca a elaboração de um estudo com os principais métodos numéricos para o
cálculo das raízes reais de equações não lineares. Sabe-se que para resolver problemas de
equações não lineares não existem fórmulas resolventes, sendo necessário o uso de métodos
numéricos. Nestes métodos, é possível observar três fases: a formulação do problema, a escolha
do método de resolução e por fim, o cálculo numérico da solução aproximada. É importante
ressaltar que temos duas classificações para as equações, diante das algébricas uma equação
linear é aquela onde todas as incógnitas são de grau um; de maneira análoga toda equação onde
ao menos uma incógnita tem grau diferente de um, torna-se uma equação não linear. Além das
equações algébricas temos também as equações transcendentes, onde todas deste tipo são tidas
como não lineares. Tratando-se de um trabalho que aborda o estudo de conteúdos específicos
da Matemática, no caso, a Álgebra Linear e o Cálculo Numérico, fez-se uma revisão
bibliográfica. Desta forma, ao interligarmos o estudo destas áreas da Matemática vamos analisar
as equações não lineares e compreender os principais métodos de resolução e quando utilizá-
los. Portanto a relevância desta pesquisa está no aprofundamento de conteúdos não ofertados
pelos cursos de graduação em Licenciatura em Matemática, tornando assim uma
complementação na formação, além de ampliar o conhecimento do estudante pesquisador,
contudo ofertaremos à comunidade um material para a promoção de tal estudo e incentivar
novas possibilidades na pesquisa local.

Palavras-chaves: Álgebra Linear, Cálculo numérico, Equações não lineares.

 ABSTRACT

This work seeks the elaboration of a study with the main numerical methods for calculating the
real roots of nonlinear equations. It is known that to solve problems of nonlinear equations there
are no solver formulas, being necessary the use of numerical methods. In these methods, it is
possible to observe three phases: the formulation of the problem, the choice of the resolution
method and, finally, the numerical calculation of the approximate solution. It is important to
emphasize that we have two classifications for the equations, before the algebras a linear
equation is one where all the unknowns are of degree one; in an analogous way every equation
where at least one unknown has a degree other than one becomes a non-linear equation. Besides
the algebraic equations we also have the transcendent equations, where all of these are
considered as non-linear. In the case of a study that deals with the study of specific contents of
Mathematics, in this case, Linear Algebra and Numerical Calculus, a bibliographical review
was made. Thus, by interconnecting the study of these areas of Mathematics we will analyze
the non-linear equations and understand the main methods of resolution and when to use them.
Therefore, the relevance of this research is in the deepening of content not offered by
undergraduate courses in Mathematics Degree, thus making a complementation in the training,
besides expanding the knowledge of the student researcher, however we will offer to the
community a material for the promotion of such study and encourage new possibilities in local
research.

Keywords: Linear Algebra, Numerical Calculus, Nonlinear Equations.

 12

1. INTRODUÇÃO

Os sistemas de equações não lineares são muitos utilizados nas aplicações em

problemas de engenharia, robótica e ciências da computação, além da maioria dos sistemas
físicos não serem lineares, porém é importante situar-se sobre equações não lineares antes de
estudar tais sistemas. Nos cursos de Licenciatura em Matemática, percebe-se que os acadêmicos
não fazem um aprofundamento teórico ao ponto de aprenderem tais equações, por isso propõe-
se um estudo sobre os processos e métodos de resolução de equações.
Para resolver problemas de equações não lineares não existem fórmulas resolventes,
sendo necessário o uso de métodos numéricos. Nestes métodos, é possível observar três fases:
a formulação do problema, a escolha do método de resolução e por fim, o cálculo numérico da
solução aproximada. Ao contrário de problemas lineares, os não lineares, segundo Taylor
(2005) são impossíveis de se resolver da forma analítica. Nesse sentindo, também, pode-se
observar que o foco abordado em livros, textos e dissertações são em problemas lineares. Diante
disso, percebe-se a necessidade em pesquisas e estudos em problemas não lineares.
Nesta pesquisa, será imprescindível o estudo dos métodos iterativos, os quais são
necessários na maioria dos casos para que se resolvam sistemas de equações quando as
equações são não lineares (SOUZA, 2015).
Assim, este estudo justifica-se pelo interesse em aprofundar num determinado
conhecimento específico do curso, consequentemente, estudando tópicos que não englobam nas
ementas das disciplinas de Álgebra Linear e Cálculo Numérico do curso de Licenciatura em
Matemática do Instituto Federal do Norte de Minas Gerais (IFNMG) campus Salinas. Além da
importância deste estudo, principalmente nas aplicações em outras áreas, esta pesquisa
proporcionará um aprofundamento no estudo destes e oportunizará aos alunos interessados um
material de referência para estudo e/ou consulta.
Portanto, esta pesquisa tem como objetivo geral estudar métodos de se resolver
numericamente as equações não lineares, promovendo assim, uma aprendizagem além da
graduação. Diante deste estudo, aborda-se métodos iterativos e aproximações para solução de
problemas matemáticos não lineares, verificando quando utilizar cada método iterativo e
relacionar suas vantagens e desvantagens.
 13

2. FUNDAMENTAÇÃO TEÓRICA

Se tratando de um trabalho que aborda o estudo de conteúdos específicos da

Matemática, no caso a Álgebra Linear e o Cálculo Numérico, tem como base Boldrini (1980)
com “Álgebra Linear” e Puga, Tárcia e Paz (2009) com “Cálculo numérico”. Além disso,
buscando definir o método iterativo e seus processos, apoiaremos em Barrico (2017, p.66-73)
e Souza (2015, p.27-53).
Essas obras definem, de forma sucinta, as equações e os métodos numéricos, sendo
necessário o apoio de dissertações, teses, nota de aula e artigos para complementarem o estudo.

2.1. Álgebra

Segundo Grande (2006), uma característica fundamental da Álgebra Linear é a

possibilidade que ela tem de unificar o pensamento matemático. Chiari e Borba (2013, p.3)
entende que “uma característica deste caráter unificador seja a possibilidade de se estudar
elementos de diferentes subáreas da Matemática a partir de suas propriedades comuns”. Assim,
buscaremos relacionar tópicos da Álgebra Linear e continuamente estudar tópicos do Cálculo
Numérico, buscando entender a não linearidade matemática.
É importante destacar o contexto histórico da Álgebra, nesse sentido Chiari (2014, p.3)
frisa:

Durante muitíssimo tempo, a palavra Álgebra designava aquela parte

matemática que se ocupava de estudar as operações entre números e,
principalmente, da resolução de equações. Neste sentido, pode-se dizer que
esta ciência é tão antiga quanto à própria história da humanidade, se levamos
em conta que esta última se inicia a partir da descoberta da escrita.

Com o passar dos tempos, assim como toda ciência, a Álgebra também evoluiu, como
afirma Milies (2014), chegando finalmente a se desenvolver notações apropriadas,
possibilitando determinar “fórmulas gerais” para resolução de equações e debates sobre
métodos de trabalhos “gerais”. Diante disso, a Álgebra torna-se fundamental na Matemática
Moderna, tendo sua aplicação nas mais diversas áreas do conhecimento, como Engenharia,
Arquitetura, Urbanismo, Transporte, Economia e outros.
Relembrando o conceito de equações, temos que uma equação é a igualdade entre duas
expressões matemáticas onde é necessário determinar valores das variáveis ou ainda, é a
redução de um problema a ponto de facilitar a determinação da solução (BARRICO, 2017).
 14

Pensando na resolução destas equações não lineares, principalmente em suas

aplicações, existe a necessidade de determinar valores x = λ, tal que, satisfaça a equação na
forma 𝑓(𝑥) = 0. Tais valores são denominados raízes da equação ou zeros da função 𝑦 = 𝑓(𝑥).
Segundo Ferreira (2013, p.31):

Se y = f(x) é um polinômio quadrático, cúbico ou biquadrado, então as raízes

de f(x) = 0 podem ser determinadas por meio de processos algébricos.
Contudo, para polinômios de grau superior, estes processos não existem, é
necessário, então, utilizar métodos numéricos. Também se faz necessária a
utilização de métodos numéricos quando y = f(x) é uma função transcendente,
para as quais não existe método geral para calcular as raízes de f(x) = 0.

Sabe-se que o objetivo deste trabalho é chegar ao estudo das equações não lineares.
Segundo Souza (2015, p.27): “Resolver um sistema de equações não lineares é um problema
que é evitado sempre quando possível, habitualmente através da aproximação do sistema não
linear por um sistema de equações lineares”. Assim, pretende-se estudar e buscar soluções
destas equações utilizando a aproximação do sistema e/ou métodos iterativos. Nesse contexto,
o estudo estará diretamente associado aos métodos numéricos iterativos, onde abordaremos o
método, analisaremos exemplos e discutiremos sobre as vantagens e desvantagens de cada um.

2.2. Cálculo Numérico

O Cálculo Numérico é o estudo correspondente ao uso de um conjunto de métodos e

ferramentas, onde tem como objetivo a solução aproximada de problemas matemáticos. Tais
métodos são aplicados a problemas onde não apresentam uma resolução algébrica, ou seja, não
é possível determinar uma solução exata, e assim, justifica-se o uso da resolução numérica.
Usaremos o estudo em Cálculo Numérico para descrever os principais métodos
numéricos que possibilitam a resolução de raízes de equações não lineares. Ramos (2015, P.21)
define:

Os Métodos Numéricos são um conjunto de técnicas pelas quais os problemas

matemáticos são formulados de modo que possam ser resolvidos com
operações aritméticas. Embora existam muitos tipos de métodos numéricos,
eles têm uma característica em comum: envolvem um grande número de
cálculos aritméticos extensos.

Neste sentido, busca-se adquirir conhecimento acerca dos importantes métodos e

identificar sua aplicação a um devido problema, assim, destaca-se que tais métodos são
constantemente usados nas áreas de Engenharia, Física, Estatística, Modelagem Matemática,
 15

entre outras; adotaremos algumas dessas aplicações como exemplo neste estudo. Podemos
também definir os Métodos Numéricos como “[...] um conjunto de procedimentos utilizados
para transformar um modelo matemático num problema numérico ou um conjunto de
procedimentos usados para resolver um problema numérico” (SPERANDIO; MENDES;
SILVA, 2003, p.3).
É importante ressaltar que a resolução analítica do problema é uma resposta exata do
problema onde se encontra uma expressão matemática ligada às variáveis do problema, já a
solução numérica busca aproximação ao valor numérico como solução do problema
(BURDEN; FAIRES, 2008).
Existem diversos métodos de resolução, no entanto, Ramos (2015, p.23) enaltece que:

[...] a escolha do método mais eficiente para resolver um problema numérico

envolve alguns aspectos, como por exemplo, a precisão desejada para os
resultados, a velocidade de convergência, o tempo de processamento e a
economia de memória necessária para encontrar a solução adequada.

Sabe-se que é muito recorrente o uso de computadores para resoluções de tais

problemas, no entanto busca-se usar recursos manuais para a resolução, limitando ao uso
computacional apenas para exploração gráfica das equações. A resolução manual de cálculos
numéricos é trabalhosa e custosa, contudo, com a evolução dos computadores e criação de
softwares, atualmente temos a disponibilidade de resolver esses cálculos de forma iterativa e
reiteradamente nas máquinas, otimizando o tempo e economizando capital.

2.3. O software GeoGebra

Na busca de facilitar a compreensão dos problemas aqui estudados e melhor visualizar

as equações e o processo iterativo, usaremos o software livre de geometria dinâmica GeoGebra.
Gravina e Santarosa (1998, p.73) enfatizam que, “os ambientes informatizados apresentam-se
como ferramentas de grande potencial frente aos obstáculos inerentes ao processo de
aprendizagem”. Conforme Kampff, Machado e Cavedini (2004, p.3), usar tais recursos
tecnológicos no ensino de matemática tem como objetivo “dar suporte aos objetos matemáticos
e as ações mentais dos alunos, favorecendo os processos inerentes à construção do
conhecimento matemático e ao desenvolvimento de estruturas cognitivas, fundamentais na
aprendizagem da Matemática”.
Com o uso do software podemos potencializar o pensamento matemático, permitindo
uma melhor visualização e a experimentação, segundo Zotto et al. (2013, p.3), “a possibilidade
 16

interativa dos softwares que envolvem geometria dinâmica propicia a realização de

experimentos e criação de situações que potencializam o desenvolvimento do pensamento
matemático”. Com isso, podem-se construir conceitos próprios, realizar construções rápidas e
com alto índice de precisão.
Como já mencionado, o GeoGebra é um software livre, criado para ser utilizado em
ambiente de sala de aula. A sua principal vantagem neste estudo é a interação entre a janela de
visualização (onde representa figuras geométricas e/ou funções) e a janela de álgebra, assim, o
software combina áreas da Matemática como: Álgebra, Geometria, Estatística, Cálculos, além
de interagir com tabelas e gráficos, em um único sistema.
Especificamente neste trabalho, justifica-se o uso do GeoGebra porque será essencial
na construção e análise dos gráficos, onde nos permitirá facilmente plotar uma ou mais
equações e visualizá-las simultaneamente, utilizando os recursos próprios do programa onde
podemos determinar a resolução do problema pelo método gráfico, além disso o software é um
programa livre, ou seja, com acesso gratuito.
 17

3. METODOLOGIA

Esta pesquisa é caracterizada como uma pesquisa básica, com vista em estudar sobre
o tema abordado. Segundo Kauark (2010, p.26), “a pesquisa básica objetiva gerar
conhecimentos novos úteis para o avanço da ciência sem aplicação prática prevista. Envolve
verdades e interesses universais”. Dessa forma pretende-se estudar os problemas não lineares
da Matemática, este material servirá de roteiro para discentes e docentes interessados na área.
Optamos nesta pesquisa pela abordagem qualitativa, utilizando da pesquisa
bibliográfica para construção do conhecimento e justificativa deste. Conforme Kauark (2010,
p.26), a pesquisa qualitativa

Não requer o uso de métodos e técnicas estatísticas. O ambiente natural é a

fonte direta para coleta de dados e o pesquisador é o instrumento-chave. É
descritiva. Os pesquisadores tendem a analisar seus dados indutivamente. O
processo e seu significado são os focos principais de abordagem.

Delimitamos a pesquisa como bibliográfica, a qual Marconi e Lakatos (2003, p.82) diz
que tem como finalidade “colocar o pesquisador em contato direto com tudo o que foi escrito,
dito ou filmado sobre determinado assunto”. Assim, completa-se a definição com Köple (1997,
p.22) como:

A que se desenvolve tentando explicar um problema, utilizando o

conhecimento disponível a partir das teorias publicadas em livros ou obras
congêneres. Na pesquisa bibliográfica o investigador irá levantar o
conhecimento disponível na área, identificando as teorias produzidas,
analisando-as e avaliando sua contribuição para auxiliar a compreender ou
explicar o problema objeto da investigação.

A coleta de dados foi realizada pela análise de artigos e livros recorrentes ao tema,
principalmente os já mencionados, Boldrini (1980) com “Álgebra Linear” e Puga, Tárcia e Paz
(2009) com “Cálculo numérico”. A pesquisa teve apenas o autor como sujeito da pesquisa, no
qual, analisará a bibliografia recorrida.
Usou-se a metodologia de descrever sobre os métodos utilizados para tais resoluções,
apontando problemas e exemplificando as resoluções; assim, tem-se como resultado final um
material de estudo para profissionais da área de Matemática e afins. Esta pesquisa se caracteriza
inicialmente como exploratória descritiva, pois busca gerar conhecimento sobre algo não muito
conhecido de modo a promover a reflexão sobre o assunto (GIL, 2010). Assim, fez-se a
comparação entre os principais métodos, buscando apontar as principais vantagens e
desvantagens destes.
 18

4. MÉTODOS NUMÉRICOS ITERATIVOS

Como mencionado anteriormente, a resolução analítica é uma solução verdadeira

(exata), tal resolução é chamada de método analítico. Por outro lado, o método numérico é
baseado em problemas de análise matemática pura ou de aplicação, que conduzem a uma
solução aproximada (BARRICO, 2017). Conforme Barrico (2017, p.66) “Em geral a diferença
entre soluções analíticas e soluções numéricas pode ser resumida na seguinte frase: soluções
analíticas são exatas enquanto soluções numéricas são aproximadas”.
Assim, os métodos numéricos solucionam numericamente, conduzindo com certa
precisão à soluções aproximadas. Em casos raros podemos encontrar soluções com precisão
exata usando os métodos numéricos. Podemos ainda destacar a importância de aprender tais
métodos, como exemplo, alguns problemas envolvem muitos cálculos para a resolução
analítica, assim podemos simplificar o modelo para torná-lo tratável e chegarmos a uma solução
aproximada.
Outra vantagem dos métodos numéricos são que, geralmente, problemas reais são
complexos e envolvem a não linearidade, sendo assim, nossos conhecimentos matemático são
insuficientes para resolvê-los de maneira à achar solução real. É comum também, que tais
problemas envolvam diferenciação ou integração, também sendo recorrente o uso de métodos
numéricos (BARRICO, 2017).
Os métodos iterativos podem ser associados aos conceitos de iteração e aproximação
local, o primeiro significa aproximação sucessiva e o segundo é o artifício de aproximar uma
função a outra mais simples (BARRICO, 2017); sendo assim, aproximaremos funções não
lineares por uma função linear com um intervalo que seja domínio das funções. O método é
caracterizado por dois elementos, aproximação inicial que define a primeira aproximação para
a solução e, teste de paragem que define quando parar com o processo de iteração.
É importante definirmos o que são equações não lineares, pontuando também que
existem as equações algébricas e as transcendentes. Diante disso, dizemos que as equações
algébricas lineares são todas aquelas em que as incógnitas têm grau um, deste modo, qualquer
incógnita elevada a um número diferente de um é considerada não linear, por outro lado, as
equações transcendentes são aquelas que contêm alguma função irredutível, como as funções
trigonométrica, exponencial e logarítmica, dessa forma, não é possível encontrar uma solução
exata e como as demais equações não lineares, é necessário o uso do cálculo numérico para
encontrar tal solução.
 19

5. MÉTODO DA BISSECÇÃO

É o método iterativo, ou seja, sucessivo e de aproximação definido a partir do teorema

de Bozano. Desta forma, podemos analisar que dado dois pontos iniciais 𝑎 e 𝑏, tais que, se 𝑓 (a)
e 𝑓 (b) tiverem sinais opostos, então podemos dizer que existe um número ímpar de raízes entre
os pontos, ou seja, podendo ser única ou não, dessa forma temos que ∃ 𝜆 ∈ (𝑎, 𝑏) / 𝑓(𝑎) ∗
𝑓(𝑏) < 0. Caso 𝑓 (a) = 0 e/ou 𝑓 (b) = 0, logo achamos a raiz procurada. Se 𝑓(𝑎) ∗ 𝑓(𝑏) >
0, não podemos afirmar nada, pois podemos ter um número par de raízes ou não termos
nenhuma raiz neste intervalo analisado.
Após recorrer ao teorema para garantir a existência da raiz, podemos aplicar o método
da bissecção, onde precisamos achar o valor médio entre o intervalo dado, pela fórmula 𝑥 =

, assim podemos analisar três possibilidades:

Se 𝑓 (𝑥 ) = 0, achamos a raiz procurada, sendo ela o ponto médio de (a, b). Caso
contrário, segue que:
Se 𝑓 (𝑥 ) ∗ 𝑓 (b) < 0, a raiz está entre o intervalo 𝑥 e b.
Ou, se 𝑓 (a) ∗ 𝑓 (𝑥 ) < 0, a raiz está entre a e 𝑥 .
Essa análise é repetida sucessivamente a cada aproximação, note que, a cada iteração
estamos reduzindo o intervalo sempre à metade.

Figura 1. Representação gráfica do Método da Bissecção.

Fonte: Própria (2018)
 20

Na Figura 1 podemos observar esse processo, iniciando pelo intervalo [𝑎, 𝑏] e o

reduzindo a metade ao encontrar 𝑥 . Com isso, nosso próximo intervalo foi [𝑎, 𝑥 ], por que
𝑓(𝑎) ∗ 𝑓(𝑥 ) < 0. Com o ponto médio em 𝑥 , defina-se que o próximo intervalo é [𝑥 , 𝑥 ] pois
temos que 𝑓(𝑥 ) ∗ 𝑓(𝑥 ) < 0, logo encontra-se que o valor médio dessa iteração é o 𝑥 . Assim,
repetiremos sucessivamente até encontrar 𝑥 suficientemente próximo ao aceito.
Como estamos trabalhando com um processo sucessivo é necessário definirmos o
número “ideal” de iterações, assim, denotaremos como 𝜀 o valor do erro ou tolerância criado
durante as convergências que tendem a raiz. Esse processo sucessivo resulta em uma sequência
de intervalos, tal que:
𝑓(𝑎 ) ∗ 𝑓(𝑏 ) < 0 𝑛 = 1, 2, 3, …
Considerando que a cada iteração o intervalo é dividido ao meio, na n-ésima iteração
esse intervalo teria seu comprimento definido por:
𝑏−𝑎
𝑏 −𝑎 =
2
ou
𝑏−𝑎
|𝑥 − 𝑥 |=
2
Desde que:
|𝑥 − 𝑥 |≤𝜀
resultando então
𝑏−𝑎
≤𝜀
2
ou
log(𝑏 − 𝑎) − log 𝜀
𝑛 >
log 2
Portanto, se 𝑛 satisfaz a equação acima, ao final de 𝑛 iterações teremos um intervalo
[𝑎, 𝑏] que contém a raiz λ, tal que ∀𝑥 ∈ [𝑎, 𝑏] → |𝑥 − λ| ≤ 𝑏 − 𝑎 ≤ 𝜀.

Exemplo 1: Calcular a raiz real da função não linear 𝑓 (𝑥) = 𝑥 + cos 𝑥 com erro 𝜀 =
0,1 e intervalo inicial [−2,2].
Inicialmente calculemos o número de iterações necessárias, assim:
log(2 + 2) − log 0,1
𝑛> = 5,3219.
log 2
Então 𝑛 = 6.
 21

Figura 2. Representação gráfica da função 𝒇(𝒙) = 𝒙 + 𝒄𝒐𝒔(𝒙).

Fonte: Própria (2018)

1° Iteração
Sabemos que nosso 𝑥 = = 0.

Então analisaremos pelo Teorema de Bolzano, lembrando que 𝑎 = −2 e 𝑏 = 2.

𝑓 (𝑎) = −2 + cos(−2) = −2,4161
𝑓 (𝑥 ) = 0 + cos 0 = 1
𝑓 (𝑏) = 2 + cos 2 = 1,5838
Assim, 𝑓 (𝑎) ∗ 𝑓(𝑋𝑖) = −1,0006 ∗ 1 < 0, o que nos garante que existe uma raiz no
intervalo [𝑎, 𝑋𝑖] ou [−2; 0].

2° Iteração
Desta forma, na segunda iteração temos que a = −2 e b = 0. Calculando o novo valor
de 𝑥 , temos que:
−2 + 0
𝑥 = = −1
2

Analisando mais uma vez, temos:

𝑓 (𝑎) = −2 + cos(−2) = −2,4161
𝑓 (𝑥 ) = −1 + cos(−1) = −0,4596
𝑓 (𝑏) = 0 + cos 0 = 1
 22

Assim, 𝑓 (𝑎) ∗ 𝑓 (𝑋𝑖) = −1,0006 ∗ −0,4596 > 0 e 𝑓 (𝑥 ) ∗ 𝑓 (𝑏) = −0,4596 ∗

1 < 0 o que nos garante que existe uma raiz no intervalo [𝑥 , 𝑏] ou [−1; 0].

3° Iteração
Diante disso, na terceira iteração temos que a = −1 e b = 0. Calculando o novo valor
de 𝑥 , temos que:
−1 + 0
𝑥 = = −0,5
2
Analisando mais uma vez, temos:
𝑓 (𝑎) = −1 + cos(−1) = −0,4596
𝑓 (𝑥 ) = −0,5 + cos(−0,5) = 0,3775
𝑓 (𝑏) = 0 + cos 0 = 1
Assim, 𝑓 (𝑎) ∗ 𝑓 (𝑥 ) = −0,4596 ∗ 0,3775 < 0 o que nos garante que existe uma
raiz no intervalo [𝑎, 𝑥 ] 𝑜𝑢 [−1; −0,5].

4° Iteração
Na quarta iteração temos que a = −1 e b = −0,5. Então, calculemos o valor de 𝑥 :
−1 − 0,5
𝑥 = = −0,75
2
Fazendo uma nova análise, temos que:
𝑓 (𝑎) = −1 + cos(−1) = −0,4596
𝑓 (𝑥 ) = −0,75 + cos(−0,75) = −0,0183
𝑓 (𝑏) = −0,5 + cos(−0,5) = 0,3775
Portanto, 𝑓 (𝑎) ∗ 𝑓 (𝑥 ) > 0 e 𝑓 (𝑥 ) ∗ 𝑓 (𝑏) = −0,0183 ∗ 0,3775 < 0, o que nos
garante que existe uma raiz no intervalo [𝑥 , 𝑏] ou [−0,75; −0,5].
Abaixo vemos a figura 2 que representa graficamente esta etapa, onde em verde vemos
a função 𝑓 (𝑥) = 𝑥 + cos 𝑥, tracejado em azul o intervalo [a, b] = [−0,75; −0,5] e em
vermelho a raiz 𝜆, da qual estamos buscando a melhor aproximação para defini-la.
 23

Figura 3. Gráfico da função 𝒇(𝒙) = 𝒙 + 𝒄𝒐𝒔(𝒙) no intervalo [−𝟎, 𝟕𝟓; −𝟎, 𝟓].
Fonte: Própria (2018)

5° Iteração
Na quarta iteração temos que a = −0,75 e b = −0,5. Então, calculando o novo
valor de 𝑥 , temos que:
−0,75 − 0,5
𝑥 = = −0,625
2
Fazendo uma nova análise, temos que:
𝑓 (𝑎) = −0,75 + cos(−0,75) = −0,0183
𝑓 (𝑥 ) = −0,625 + cos(−0,625) = 0,1859
𝑓 (𝑏) = −0,5 + cos(−0,5) = 0,3775
Diante disso, 𝑓 (𝑎) ∗ 𝑓 (𝑥 ) = −0,0183 ∗ 0,1858 < 0 o que nos garante que existe
uma raiz no intervalo [𝑎, 𝑥 ] ou [−0,75; −0,625].

6° Iteração
Como pré-estabelecido, essa é a última iteração necessária, nela temos a = −0,75 e
b = −0,625. Calculando o valor de 𝑥 :
−0,75 − 0,625
𝑥 = = −0,6875
2
Por fim, concluímos então que o valor aproximado da raiz é 𝜆 = −0,6875.
 24

Podemos observar que nas análises o mais importante é o sinal de cada função,
portanto, uma maneira habitual para resolver exercícios assim é construindo uma tabela,
conforme Tabela 1 para análise, no entanto, ela não dispensa os cálculos aqui realizados e deve
ser preenchida de forma gradativa. Para melhor visualização, optamos em apresentá-la apenas
no final.

Tabela 1. Método da Bissecção após todas iterações necessárias

I A b 𝑥 f (a) f (b) 𝑓 (𝑥 )
1 -2 2 0 - + +
2 -2 0 -1 - + -
3 -1 0 -0,5 - + +
4 -1 -0,5 -0,75 - + -
5 -0,75 -0,5 -0,625 - + +
6 -0,75 -00625 -0,6875
Fonte: Própria (2018)
 25

6. MÉTODO DA POSIÇÃO FALSA

Método que usa o mesmo princípio do método visto anterior, considerando um

aprimoramento do Método da Bissecção, pois ao contrário do primeiro que utiliza a média
simples, neste utilizamos da média ponderada o que implica no ponto de interseção do segmento
𝑎𝑏 subscrito no eixo 𝑥 e o segmento dos pontos (a, 𝑓(a)) e (b, 𝑓(b)).
Para determinar o ponto médio do intervalo, ou seja, o 𝑓(𝑥 ) recorreremos a fórmula:
𝑎 𝑓(𝑏) − 𝑏 𝑓(𝑎)
𝑥 =
𝑓(𝑎) − 𝑓(𝑏)
E para a conferência do erro 𝜀, basta calcular o valor de 𝑓(𝑥 ).

Exemplo 2: Calcule a raiz real da função não linear 𝑓(𝑥) = 𝑥 − 7𝑥 + 2 com erro
𝜀 = 0,01 no intervalo inicial [2,3].

1° Iteração
Neste exemplo vamos mostrar como preencher a Tabela 2 de forma gradativa.
Inicialmente temos que a = 2 e b = 3, assim nosso primeiro passo é calcular 𝑓(𝑎) e 𝑓(𝑏),
sendo:
𝑓(𝑎) = 𝑓 (2) = 2 − 7(2) + 2 = −4
𝑓 (𝑏) = 𝑓 (3) = 3 + −7(3) + 2 = 8

Desta forma, podemos calcular o valor de 𝑥 :

(2 ∗ 8) − [3 ∗ (−4) ]
𝑥 = = 2,3333
8 − (−4)

Agora, verificaremos se o resultado já atende o problema estudado:

𝑓(𝑥 ) = 𝑓 (2,3333) = (2,3333) − 7(2,3333) + 2 = | − 1,6299| > 0,01
Portanto, a Tabela 2 pode ser preenchida desta forma:

Tabela 2. Método da Falsa Posição - Tabela até 1° iteração

a f(a) b f(b) 𝒙𝒊 𝒇 (𝒙𝒊 )
2 -4 3 8 2,3333 -1,6299
Fonte: Própria (2018)
 26

Podemos notar que o valor de 𝑓(𝑥 ) > 0,1; neste caso continuamos as iterações,
podemos observar também que 𝑓 (𝑥 ) tem o sinal negativo, desta forma, a raiz está entre (𝑥 ) e
𝑏, uma vez que, tem sinais opostos. A seguir apresentamos a Figura 3 que representa o gráfico
da função e os pontos utilizados nesta primeira iteração.

Figura 4: Gráfico da função 𝒇(𝒙) = 𝒙𝟑 − 𝟕𝒙 + 𝟐 na primeira iteração do Método do Falsa

Posição.
Fonte: Própria (2018)

2° Iteração
Na segunda iteração assumimos os valores de a = 2,3333 e b = 3, 𝑓(a) = −1,6299
e 𝑓(b) = 8. Calculando o valor de 𝑥 temos que:
2,3333(8) − 3 (−1,6299)
𝑥 = = 2,4461
8 − (−1,6299)
 27

Agora, verificaremos se o resultado já atende o problema estudado:

𝑓(𝑥 ) = 𝑓(2,4461) = (2,4461) − 7(2,4461) + 2 = |−0,4867| > 0,01
Com isso, podemos acrescentar a Tabela 3:

Tabela 3. Método da Falsa Posição - Tabela até 2° iteração

a f(a) b f(b) 𝒙𝒊 𝒇(𝒙𝒊 )
2 -4 3 8 2,3333 -1,6299
2,3333 -1,6299 3 8 2,4461 -0,4867
Fonte: Própria (2018)

3° Iteração
Na terceira iteração temos os valores de a = 2,4461 e 𝑓 (a) = −0,4867, temos
também que, 𝑏 = 3 e 𝑓(𝑏) = 8. Calculando o valor de 𝑥 temos que:
2,4461(8) − 3(−0,4867)
𝑥 = = 2,4778
8 − (−0,4867)

Agora, verificaremos se o resultado já atende o problema estudado:

𝑓 (𝑥 ) = 𝑓 (2,4778) = (2,4778) − 7(2,4778) + 2 = |−0,1321|> 0,01
Com isso, podemos acrescentar a Tabela 4:

Tabela 4. Método da Falsa Posição - Tabela até 3° iteração

a f(a) b f(b) 𝒙𝒊 𝒇(𝒙𝒊 )
2 -4 3 8 2,3333 -1,6299
2,3333 -1,6299 3 8 2,4461 -0,4867
2,4461 -0,4867 3 8 2,4778 -0,1321
Fonte: Própria (2018)

4° Iteração
Na quarta iteração temos os valores de a = 2,4778 e 𝑓(a) = −0,1324, temos também
que, b = 3 e 𝑓(b) = 8. Calculando o valor de 𝑥 temos que:
2,4778(8) − 3(−0,1324)
𝑥 = = 2,4863
8 − (−0,1324)
 28

Agora, verificaremos se o resultado já atende o problema estudado:

𝑓(𝑥 ) = 𝑓 (2,4863) = (2,4863) − 7(2,4863) + 2 = |−0,0345|> 0,01
Com isso, podemos acrescentar a Tabela 5:

Tabela 5: Método da Falsa Posição - Tabela até 4° iteração

a f(a) b f(b) 𝒙𝒊 𝒇(𝒙𝒊 )
2 -4 3 8 2,3333 -1,6299
2,3333 -1,6299 3 8 2,4461 -0,4867
2,4461 -0,4867 3 8 2,4778 -0,1321
2,4778 -0,1324 3 8 2,4863 -0,0345
Fonte: Própria (2018)

5° Iteração
Na quinta iteração temos os valores de a = 2,4863 e 𝑓(a) = −0,0345, temos também
que, b = 3 e 𝑓(b) = 8. Calculando o valor de 𝑥 temos que:
2,4863(8) − 3(−0,0345)
𝑥 = = 2,4885
8 − (−0,0345)
Agora, verificaremos se o resultado já atende o problema estudado:
𝑓(𝑥 ) = 𝑓 (2,4885) = (2,4885) − 7(2,4885) + 2 = −0,0092
Portanto, podemos notar que 𝑓(𝑥 ) < 0,1; por isso, assumimos como solução do
problema 𝑓(𝑥 ) = 2,4885; com 𝜀 = −0,0092 = |−0,0092| < 0,01.
Desta forma, temos a Tabela 6:

Tabela 6. Método da Falsa Posição - Tabela até 5° iteração

a f(a) b f(b) 𝒙𝒊 𝒇(𝒙𝒊 )
2 -4 3 8 2,3333 -1,6299
2,3333 -1,6299 3 8 2,4461 -0,4867
2,4461 -0,4867 3 8 2,4778 -0,1321
2,4778 -0,1324 3 8 2,4863 -0,0345
2,4863 -0,0345 3 8 2,4885 -0,0092
Fonte: Própria (2018)
 29

7. MÉTODO DE NEWTON-RAPHSON

O Método de Newton-Raphson constitui na aproximação baseado na reta tangente,

onde dado um ponto 𝑥 , calculamos a tangente pelo ponto 𝑓(𝑥 ); assim de maneira sucessiva
repetiremos o processo até chegarmos à 𝑥 suficientemente aceitável como solução. Deduzimos
a regra geral do método partindo pela equação geral da reta:
(𝑦 − 𝑦 ) = 𝑎(𝑥 − 𝑥 )
Nesse caso, o 𝑦 é a aplicação do 𝑥 na função, ou seja, 𝑦 = 𝑓(𝑥 ). Temos também
que nosso coeficiente angular 𝑎 se refere à derivada aplicada ao ponto 𝑓(𝑥 ). Diante disso,
substituindo na equação, temos:
𝑦 − 𝑓(𝑥 ) = 𝑓 (𝑥 ) ∗ (𝑥 − 𝑥 )
Considerando 𝑌 = 0, temos que:
−𝑓(𝑥 ) = 𝑓 (𝑥 ) ∗ (𝑥 − 𝑥 )
Reajustando a equação, iremos denominar 𝑥 por 𝑖, sendo assim, passamos a
considerar que a equação sirva para qualquer iteração, dessa forma 𝑋𝑖 representa o valor inicial
para a 1° iteração e nas demais representa justamente o valor da tangente calculada, por fim
podemos reescrevê-la do seguinte modo:
− 𝑓(𝑥 )
=𝑥−𝑥
𝑓′(𝑥 )
Organizando a equação, isolando o 𝑥, temos:
𝑓(𝑥 )
𝑥=𝑥 −
𝑓′(𝑥 )
Desta forma, chegamos a dedução da fórmula numérica do Método de Newton.
Como critério de parada usaremos o seguinte cálculo:
|𝑥 − 𝑥 |<𝜀
Sendo 𝑥 o último valor calculado e 𝑥 seu antecessor ou na 1° interação, sendo o
valor de 𝑥 .

Exemplo 3: Calcule a equação 𝑥 − 2 = 0, com 𝜀 = 0,001, isto é, estimar o valor de

√2.
 30

Figura 5. Tangente entre o pontos iniciais e a 𝒇(𝒙) = 𝒙𝟑 − 𝟐.

Fonte: Própria (2018)

1° Iteração
Adotaremos como valor inicial o 𝑥 = 2, assim definimos que 𝑓(𝑥) = 𝑥 − 2 e
𝑓 (𝑥) = 3𝑥 , desta forma, calculamos os valores de 𝑓(2) e 𝑓′(2).
𝑓(2) = (2) − 2 = 6
𝑓 (2) = 3 ∗ (2) = 12
Assim, devemos calcular o valor de 𝑥, que será o novar de 𝑥 para essa iteração:
𝑓(𝑥 ) 6
𝑥=𝑥 − = 2− = 1,5
𝑓 (𝑥 ) 12
Nesse momento devemos verificar se o resultado já é suficiente para ser aceito, assim
calculamos:
|1,5 − 2| = |−0,5| = 0,5 > 𝜀
Assim, verificamos que o valor de 𝑥 ainda não satisfaz a condição inicial, nesse caso
fazemos mais uma vez o processo de iteração.
 31

2° Iteração
Nessa iteração, consideramos 𝑥 = 1,5 e calculamos:
𝑓(1,5) = (1,5) − 2 = 1,375
𝑓 (1,5) = 3 ∗ (1,5) = 6,75
Calculando o novo valor de 𝑥, temos:
1,375
𝑥 = 1,5 − = 1,29629
6,75
Verificando a condição inicial de erro, percebemos que:
|1,29629 − 1,5| = 0,2037 > 𝜀
Assim, notamos que o valor obtido ainda não é suficiente, diante disso, repetimos o
método.

3° Iteração
Na terceira iteração temos o valor de 𝑥 = 1,29629 assim, continuamos calculando:
𝑓(1,29629) = (1,29629) − 2 = 0,17824
𝑓 (1,29629) = 3 ∗ (1,29629) = 5,0411
Calculando o novo valor de 𝑥, temos:
0,17824
𝑥 = 1,29629 − = 1,2609
5,0411
Verificando se o resultado satisfaz o erro solicitado, temos que:
|1,2609 − 1,29629| = 0,03539 > 𝜀
Assim, notamos que o valor obtido ainda não é suficiente, diante disso, repetimos o
método.

4° Iteração
Na quarta iteração temos o valor de 𝑥 = 1,2609 e assim, devemos calcular:
𝑓(1,2609) = (1,2609) − 2 = 0,00466
𝑓 (1,2609) = 3 ∗ (5,0411) = 4,7696
0,00466
𝑥 = 1,2609 − = 1,25992
4,7696
Verificando a condição inicial de erro, percebemos que:
|1,25992 − 1,2609| = 0,00098 < 𝜀
Assim, podemos concluir que o valor de 𝑥 = 1,25992 além de satisfazer o erro
inicial, também é o valor numérico aproximado da equação 𝑥 − 2 = 0.
 32

8. METODO DA SECANTE

Acredita-se que este método surgiu pelo Método de Newton-Raphson, porém, há fatos
históricos que revelam o uso do Método da Secante há 3000 anos antes, podendo ser encontrado
em tabuletas de argila na Babilônia e no Papiro Rhind (documento histórico de cerca de 1650
a.C.) egípcio (RAMOS, 2015, p. 31).
A principal desvantagem de utilizar o Método de Newton-Raphson é a necessidade de
calcular a 𝑓′(𝑥 ) e depois obter o seu valor numérico a cada iteração. Com isso se desenvolveu
o Método da Secante, que substitui a derivada 𝑓′(𝑥 ) pelo quociente das diferenças, assim:
𝑓(𝑥 ) − 𝑓(𝑥 )
𝑓 (𝑥 ) ≈ 𝑓(𝑥 ) −
(𝑥 ) − (𝑥 )
onde (𝑥 ) e (𝑥 ) são duas aproximações para a raiz, onde a primeira é a mais recente
encontrada e a outra sua antecessora imediata. Substituindo a equação acima no Método de
Newton-Raphson temos:
𝑓(𝑥 )
𝑥=𝑥 − ( ) ( )
( )

desenvolvendo, encontramos:
𝑓(𝑥 ) ∗ (𝑥 − 𝑥 )
𝑥=𝑥 −
𝑓(𝑥 ) − 𝑓(𝑥 )
Após as alterações feitas aqui, o método passa a se chamar Método da Secante. Diante
disso, iniciamos sua aplicação determinando os valores iniciais como 𝑥 e 𝑥 .

Exemplo 4: Calcule ao menos duas raízes reais da função 𝑓(𝑥) = 𝑒 − 3𝑥 com 𝜀 <
0,01.
Como não nos foi dado os valores inicias, devemos estimular alguns valores de 𝑓(𝑥)
no intuito de acharmos a mudança de sinal, ou seja, 𝑓(𝑎) ∗ 𝑓(𝑏) < 0. Diante disso, estipulamos
e calculamos da seguinte forma:
𝑓(0) = 𝑒 − 3 ∗ (0) = 1
𝑓(1) = 𝑒 − 3 ∗ (1) = −0,2817
𝑓(2) = 𝑒 − 3 ∗ (2) = −4,6109
𝑓(3) = 𝑒 − 3 ∗ (3) = −6,9144
𝑓(4) = 𝑒 − 3 ∗ (4) = 6,5981
 33

Portanto, percebemos que 𝑓(0) ∗ 𝑓(1) < 0 e 𝑓(3) ∗ 𝑓(4) < 0; com isso, poderemos
atribuir os valores iniciais [0;1] e [3;4] para iniciar as iterações em busca das raízes aproximadas
suficientemente aceitas.

1° Iteração – 1° Caso
Neste primeiro caso, usaremos como valores iniciais o intervalo [0;1]. Com isso, temos
que:
𝑓(𝑥 ) ∗ (𝑥 − 𝑥 )
𝑥=𝑥 −
𝑓(𝑥 ) − 𝑓(𝑥 )

Figura 6. Gráfico da secante para o intervalo [𝟎, 𝟏].

Fonte: Própria (2018)

Calculando os valores de 𝑓(𝑥 ) e 𝑓(𝑥 ), temos:

𝑓(𝑥 ) = 𝑓(0) = 1 e 𝑓(𝑥 ) = 𝑓(1) = −0,2817
Substituindo os valores na fórmula do Método:
 34

−0,2817 ∗ (1 − 0)
𝑥 =1− = 0,7802
−0,2817 − 1
,
Calculando o valor de 𝑓(𝑥) temos que 𝑓(0,7802) = 𝑒 − 3 ∗ (0,7802) =
0,3557 o que representa |0,3557| > 𝜀; o que nos garante que devemos fazer nova iteração.

2° Iteração – 1° Caso
Temos até aqui que 𝑥 = 0,7802 e 𝑓(𝑥 ) = 0,3557; além de 𝑥 = 1 e 𝑓(𝑥 )=
−0,2817. Substituindo na fórmula, encontraremos que:
0,3557 ∗ (0,7802 − 1)
𝑥 = 0,7802 − = 0,9028
0,3557 − (−0,2817)
,
Calculando a imagem desse número, temos que 𝑓(0,9028) = 𝑒 −3∗
(0,9028) = 0,0213 onde |𝑓(𝑥)| = |0,0213| > 𝜀 = 0,01. Portanto, devemos continuar as
iterações.

3° Iteração – 1° Caso
Consideramos que 𝑥 = 0,9028 e 𝑓(𝑥 ) = 0,0213; além de 𝑥 = 0,7802 e
𝑓(𝑥 ) = 0,3557. Substituindo na fórmula, encontraremos que:
0,0213 ∗ (0,9028 − 0,7802)
𝑥 = 0,9028 − = 0,9106
0,0213 − 0,3557
,
Calculando 𝑓(𝑥) temos que 𝑓(0,9106) = 𝑒 − 3 ∗ (0,9106) = −0,0017; isso
representa |𝑓(𝑥)| = |−0,0017| < 𝜀 = 0,01. Com isso, 𝑥 = 0,9106 é a nossa raiz aproximada
suficientemente aceita pelo que se pede.
Agora, utilizaremos o segundo intervalo para encontrarmos mais uma raiz real desta
função.

1° Iteração – 2° Caso
Aqui, temos o intervalo inicial [3;4], relembrando que a fórmula desenvolvidas para
este método é:
𝑓(𝑥 ) ∗ (𝑥 − 𝑥 )
𝑥=𝑥 −
𝑓(𝑥 ) − 𝑓(𝑥 )
 35

Figura 7. Gráfico da secante para o intervalo [𝟑, 𝟒].

Fonte: Própria (2018)

Calculando os valores de 𝑓(𝑥 ) e 𝑓(𝑥 ), temos:

𝑓(𝑥 ) = 𝑓(3) = −6,9144 e 𝑓(𝑥 ) = 𝑓(4) = 6,5981
Substituindo os valores na fórmula do Método:
6,5981 ∗ (4 − 3)
𝑥 =4− = 3,5117
6,5981 + 6,9144
,
Calculando o valor de 𝑓(𝑥) temos que 𝑓(3,5117) = 𝑒 − 3 ∗ (3,5117) =
−3,4909 o que representa que |−3,4909| > 𝜀; o que nos garante que devemos fazer nova
iteração.

2° Iteração – 2° Caso
Temos até aqui que 𝑥 = 3,5117 e 𝑓(𝑥 ) = −3,4909; além de 𝑥 = 4 e 𝑓(𝑥 )=
6,5981. Substituindo na fórmula, encontraremos que:
(−3,4909) ∗ (3,5117 − 4)
𝑥 = 3,5117 − = 3,6806
(3,4909) − 6,5981
,
Calculando a imagem desse número, temos que 𝑓(3,6806) = 𝑒 −3∗
(3,6806) = −0,9706 onde |𝑓(𝑥)| = |−0,9706| > 𝜀 = 0,01. Portanto, devemos continuar as
iterações.

3° Iteração – 2° Caso
Consideramos que 𝑥 = 3,6806 e 𝑓(𝑥 ) = −0,9706; além de 𝑥 = 3,5117 e
𝑓(𝑥 ) = −3,4909. Substituindo na fórmula, encontraremos que:
 36

(−0,9706) ∗ (3,6806 − 3,5117)

𝑥 = 3,6806 − = 3,7456
(−0,9706) − (−3,4909)
,
Calculando o valor de 𝑓(𝑥) temos que 𝑓(3,7456) = 𝑒 − 3 ∗ (3,7456) =
0,2458 o que representa que |0,2458| > 𝜀; o que nos garante que devemos fazer nova iteração.

4° Iteração – 2° Caso
Nesta iteração temos que 𝑥 = 3,7456 e 𝑓(𝑥 ) = 0,2458; além de 𝑥 = 3,6806 e
𝑓(𝑥 ) = −0,9706. Substituindo, temos que:
0,2458 ∗ (3,7456 − 3,6806)
𝑥 = 3,7456 − = 3,7324
0,2458 − (−0,9706)
,
Calculando a imagem desse número, temos que 𝑓(3,7324) = 𝑒 −3∗
(3,7324) = −0,0131 onde |𝑓(𝑥)| = |−0,0131| > 𝜀 = 0,01. Portanto, devemos continuar as
iterações.

5° Iteração – 2° Caso
Consideramos que 𝑥 = 3,7324 e 𝑓(𝑥 ) = −0,0131; além de 𝑥 = 3,7456 e
𝑓(𝑥 ) = 0,2458. Substituindo na fórmula, encontraremos que:
(−0,0131) ∗ (3,7324 − 3,7456)
𝑥 = 3,7324 − = 3,7330
(−0,0131) − 0,2458
,
Calculando 𝑓(𝑥) temos que 𝑓(3,7330) = 𝑒 − 3 ∗ (3,7330) = −0,0015; isso
representa |𝑓(𝑥)| = |−0,0017| < 𝜀 = 0,01. Com isso, 𝑥 = 3,7330 é a nossa raiz aproximada
suficientemente aceita pelo que se pede.
Portanto, conseguimos encontrar duas raízes reais como o exercício solicitou ao
utilizar somente o Método da Secante, no entanto, é importante salientar que recorrendo apenas
a este método (sem o apoio gráfico) não podemos garantir que estas sejam as únicas raízes reais
e como a proposta aqui era encontrar somente duas, não era do nosso interesse encontrar além
ou determinar exatamente quantas são.
 37

9. CONSIDERAÇÕES FINAIS

Esta pesquisa apresentou o estudo e descrição de alguns Métodos Numéricos para

resolução de problemas matemáticos onde é necessário obter os valores das raízes das equações,
sendo viável usar tais métodos em equações algébricas não lineares e/ou equações
transcendentes.
Percebemos que no Método da Bissecção temos a vantagem de logo no início definir
o número de iterações necessárias, além disso, não há restrições quanto ao gráfico de 𝑓 no
intervalo [𝑎, 𝑏]. No entanto, a principal desvantagem deste é a lenta convergência, o que
ocasiona utilizar em muitos estudos apenas como forma de reduzir o intervalo antes de recorrer
a outro método.
Em relação ao método anterior, o Método da Posição Falsa tem uma convergência
mais rápida por usar a média ponderada, no entanto, não é possível definir inicialmente o
número de iterações, sendo necessário após cada aproximação o cálculo e análise se o valor
encontrado já é suficientemente aceito como resposta. Uma desvantagem de ambos é quando a
raiz procurada está muito próxima ao extremo do intervalo dado, isso também ocasiona uma
lentidão na convergência independente de qual dos dois processos foi escolhido.
O Método de Newton-Raphson tem uma convergência quadrática considerada muito
boa e essa é sua principal vantagem, relembrando que este método usa a construção da tangente
sucessivamente para aproximar o valor da raiz. Porém, algumas desvantagens são a exigência
do cálculo de 𝑓 (𝑥) e o estudo de sinal para cada 𝑓′(𝑥 ).
Apesar de ser considerado o aprimoramento do método anterior, o Método da Secante
pode ter sido desenvolvimento até mesmo antes do primeiro. A principal diferença deles é que
ao utilizar a secante descarta-se a necessidade de calcular 𝑓 (𝑥), com isso, tornam-se os cálculos
mais viáveis e sua convergência é dada mais rápida, no entanto, caso a derivada da função seja
simples, é conveniente o uso do Método de Newton, outra regra que recomenda-se não usar o
Método da Secante é caso o gráfico da função for paralelo a um dos eixos ou tangencie o eixo
das abscissas em um ou mais pontos.
Como podemos perceber, há diversos métodos numéricos para calcular as raízes exatas
de uma função, no entanto, apenas alguns foram abordados aqui. Também podemos notar que
não há uma padronização ao definir cada um dos métodos, sendo assim, o melhor é analisar a
função e associar as características de cada método para definir qual será mais apropriado
naquele caso.
 38

Desta forma, conseguimos aqui desenvolver e apresentar de forma breve, sucinta e

objetiva os principais métodos numéricos para resolução de problemas matemáticos não
lineares, os quais se faz necessário recorrer a esses métodos. O crescimento dos estudos e
aplicações da Modelagem Matemática também se faz importante ao estudo do cálculos
numéricos aqui apresentados.
Diante disso, consideramos que este trabalho tenha relevância a pesquisa local ao
abordar uma metodologia diferenciada ao tradicional que está ligada à educação, além de propor
este estudo aos acadêmicos do curso e demais interessados, a pesquisa aqui apresentada pode
motivá-los a também realizar estudos que vão além do apresentado do curso e assim, aprofundar
em determinada área específica.
 39

10. REFERÊNCIAS

BARRICO, Carlos Manuel Chorro Simões Barrico. Notas de aulas de Métodos Numéricos
Iterativos. Universidade Beira Interior. Departamento de Computação Científica. 2017.
Disponível em:
<https://www.di.ubi.pt/~cbarrico/Disciplinas/ComputacaoCientifica/Downloads/Capitulo%20
3%20-%20Metodos%20Numericos%20Iterativos.pdf>. Acesso em 15 de Abril de 2018.

BARROSO, Leônidas C. et. al., Cálculo Numérico (com Aplicações), 2a edição, Editora
Harbra, São Paulo, 1987.

BOLDRINI, José Luiz et al (Ed.). Álgebra Linear. 3. ed. São Paulo: Harbra, 1980. 411 p.

BURDEN, R.; FAIRES, J. Análise Numérica. São Paulo: Cengage Learning, 8° edição,
2008.

CHIARI, A. S. S., BORBA, M. C. A disciplina de Álgebra Linear em cursos à distância:

possibilidades de uso de tecnologias digitais para o ensino.
In: VII CIBEM - Congresso Ibero americano de Educação Matemática, Montevidéu, 16 a 20
de setembro de 2013. Disponível
em:<www.rc.unesp.br/gpimem/downloads/artigos/autores/chiari_2013_ebrapem.pdf>. Acesso
em 04 de Novembro de 2017.

DALFOVO, M. S; LANA, R. A; SILVEIRA, A. Métodos quantitativos e qualitativos: um

resgate teórico. Revista Interdisciplinar Científica Aplicada, Blumenau, v.2, n.4, p.01- 13,
Sem II. 2008

FERREIRA, José Álvaro Tadeu. Notas de aulas de Cálculo Numérico – Resolução de

Equações Não Lineares. Instituto de Ciências Exatas e Biológicas. Departamento de
Computação. UNIVERSIDADE FEDERAL DE OURO PRETO. 2013.

GIL, A. C. Como elaborar projetos de pesquisa. 5 ed. São Paulo: Atlas, 2010.

GRANDE, A.L. O conceito de independência e dependência linear e os registros de

representação semiótica nos livros didáticos de álgebra linear. 2006. Dissertação
(Mestrado em Educação Matemática) – Pontifícia Universidade Católica de São Paulo, São
Paulo, 2006.

GRAVINA, M. A; SANTAROSA. L. M. C. A aprendizagem da Matemática em ambientes

informatizados. In: CONGRESSO IBERO-AMERICANO DE INFORMÁTICA NA
EDUCAÇÃO, 4, 1998, Brasília. Anais. Brasília: RIBIE, 1998. Disponível em: <
https://www.lume.ufrgs.br/bitstream/handle/10183/20962/000243348.pdf?sequence=1>.
Acesso em 03 de Novembro de 2018.

KAMPFF, A. J. C; MACHADO, J. C; CAVEDINI, P. Novas Tecnologias e Educação

Matemática. X Workshop de Informática na Escola, v.2, n.2, Nov. 2004. Disponível em: <
http://www.virtual.ufc.br/cursouca/modulo_3/novastecnologias_matematica.pdf>. Acesso em
03 de Novembro de 2018.
 40

KAUARK, Fabiana. Metodologia da pesquisa: guia prático. Itabuna: Via Litterarum,

2010.

MARCONI, M. de A.; LAKATOS, E. M.. Fundamentos de Metodologia Científica. 5.ed.

São Paulo: Atlas, 2003.

MILIES, C. P. Breve História da Álgebra Abstrata. Instituto de Matemática e Estatística.

Universidade de São Paulo. São Paulo, 2014.

PETLA, R. J. GeoGebra - Possibilidades para o Ensino de Matemática. Unidade didática.

Universidade federal do Paraná, 2008.

PUGA, Leila Zardo; TÁRCIA, José Henrique Mendes; PAZ, Álvaro Puga (Ed.). Cálculo
Numérico. São Paulo: Lcte, 2009. 175 p.

RAMOS, Marcelo Sávio. Métodos numéricos com r: algumas notas sobre zeros de
funções. 2015. 95 f. TCC (Graduação) - Curso de Licenciatura em Matemática, Centro de
Ciências Tecnológicas, Universidade do Estado de Santa Catarina - Udesc, Joinville, 2015.
Disponível em:
<http://www.matematica.joinville.udesc.br/files/TGR/2015_1/TGR_Marcelo.pdf>. Acesso
em: 26 de Novembro de 2017.

SOUZA, E. A de. Métodos Iterativos para Problemas Não Lineares. Dissertação

(Mestrado em Modelagem Computacional em Ciência e Tecnologia) - Universidade Federal
Fluminense, Modelagem Computacional. Volta Redonda, p. 126. 2015.

SPERANDIO, D.; MENDES, J. T.; SILVA, L. H. M. e. Cálculo Numérico: Características

matemáticas e computacionais dos métodos numéricos.São Paulo: Pearson Prentice Hall,
2003.

TAYLOR, J. R. Classical Mechanics. University Science Books, 2005.

ZOTTO, N.D; MACHADO,G.M.Z; MELLO, K.B; SILVA.R.S.GeoGebra 3D e quadro

interativo: Uma possibilidade para o ensino de geometria espacial no ensino médio. VI
Congresso Internacional de Ensino da Matemática, 2013, Ulbra-Canoas. Disponível em: <
http://www.conferencias.ulbra.br/index.php/ciem/vi/paper/viewFile/778/621>. Acesso em: 26
de Novembro de 2017.