Método Bisseção

Métodos de quebra
Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Método da Bisseção
Dada uma função f : R → R, contı́nua no intervalo [a, b]. Este

método consiste em dividir o intervalo no seu ponto médio
c = (a + b)/2,
gerando dois subintervalos:
[a, c] e [c, b]
Logo, verificar em qual dos dois novos intervalos se encontra a raiz.

Ao encontrar c existem apenas três opções:
◮ Se f (c) = 0, então c é a raiz de nossa função, ou;
◮ Se f (a) · f (c) < 0, então a raiz se encontra no intervalo

[a, c], tornando c o nosso novo b, ou;
◮ Se f (b) · f (c) < 0 (f (a) · f (c) > 0), então a raiz se encontra
no intervalo [c, b], tornando c o nosso novo a.
O processo pode ser repetido, tornando cada novo intervalo a

metade do anterior.

x

a
x

a
x

a
x
b

a
x
b

f
a
x
b

f
a
x
b

f
a
x
b

f
a
x
b
f (a) · f (b) < 0

f
a
x
b
a +b
c=
2

f
a c
x
b
a +b
c=
2

f
a c
x
b
a +b
c=
2

f
a c
x
b
a +b
c=
2

f
a c
x
b
a +b
c= e f (c) · f (b) < 0
2

f
a c
x
b
a +b
c= e f (c) · f (b) < 0 ⇒ a=c
2

f
c
x
b
a +b
c= e f (c) · f (b) < 0 ⇒ a=c
2

f
a
x
b
a +b
c= e f (c) · f (b) < 0 ⇒ a=c
2

f
a
x
b
a +b
c=
2

f
a
x
c b
a +b
c=
2

f
a
x
c b
a +b
c=
2

f
a
x
c b
a +b
c=
2

f
a
x
c b
a +b
c= e f (c) · f (a) < 0
2

f
a
x
c b
a +b
c= e f (c) · f (a) < 0 ⇒ b=c
2

f
a
x
c
a +b
c= e f (c) · f (a) < 0 ⇒ b=c
2

f
a
x
b
a +b
c= e f (c) · f (a) < 0 ⇒ b=c
2

f
a
x
b
a +b
c=
2

f
a
x
c b
a +b
c=
2

f
a
x
c b
a +b
c=
2

f
a
x
c b
a +b
c=
2

f
a
x
c b
a +b
c= e f (c) · f (a) < 0
2

f
a
x
c b
a +b
c= e f (c) · f (a) < 0 ⇒ b=c
2

f
a
x
c
a +b
c= e f (c) · f (a) < 0 ⇒ b=c
2

f
a
x
b
a +b
c= e f (c) · f (a) < 0 ⇒ b=c
2

Algoritmo 2.1:
Passo 0 Dados a, b e ε > 0, faça:
k = 0, ak = a e bk = b.
Calcule:
f (ak ) e f (bk )
Passo 1 Obtenha xk e f (xk ) tal que:
bk + ak
xk =
2
Passo 2 Se |bk − ak | < ε, Pare xk é uma aproximaç~
ao
aceitável para a raiz de f .
Caso contrário
◮ Se f (xk ) · f (ak ) < 0, faça:
ak +1 = ak e bk +1 = xk
◮ Caso contrário, faça
ak +1 = xk e bk +1 = bk
Passo 3 faça k = k + 1 e volte para o Passo 1.
Observações:
◮ Dados δ > 0 e ε > 0, no teste de parada podemos considerar:
|f (xk )| < δ ou |bk − ak | < ε;
◮ O teste f (xk ) · f (ak ) < 0 pode ser trocado por:
sgn(f (xk )) 6= sgn(f (ak ));
◮ Podemos limitar o número de iterações, para M :
Para k = 0 até M faça: Passo 1 - Passo 3.

Exemplo:
Usando o Algoritmo 2.1, para ε = 10−2 , determinemos uma aproxi-
mação da raiz de
f1 (x ) = cos(x ) − x = 0.
Solução:
Obtenção do intervalo inicial, interceptando os gráficos de cos(x )
e x:
x
b
a R
cos(x )
π
a=0 e b=
2

Gráficamente: f1 (x ) = cos(x ) − x , no intervalo 0, π2 :
b x
a
f1
Verificação teórica:
Para a = 0 e b = π2 temos que
π π
f1 (a) = 1 e f1 =− ⇒ f1 (a) · f1 (b) < 0.
2 2

Então, existe pelo menos uma raiz de f1 no intervalo 0, π2 .

Graficamente: f1′ (x ) = −sen(x ) − 1, no intervalo 0, π2 :
a b
R
f1′
Analisando o sinal de f1′ (x ), ∀ x ∈ 0, π2 :
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .
Então, existe uma única raiz de f1 no intervalo 0, π2 .

a b
R
f1′
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .

a b
R
f1′
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .

a b
R
f1′
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .

a b
R
f1′
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .

a b
R
f1′
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .

a b
R
f1′
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .

a b
R
f1′
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .

a b
R
f1′
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .

a b
R
f1′
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .

a b
R
f1′ < 0
Desde que
f1′ (x ) = −sen(x ) − 1 ⇒ f1′ (x ) ∈ (−2, −1).

Ou seja, f1′ (x ) < 0, ∀ x ∈ 0, π2 .
Análise dos erros

Teorema do Método da Bisseção:
1. Se [a0 , b0 ], [a1 , b1 ], [a2 , b2 ] . . . são os intervalos gerados

no Método da Bisseção, então
lim ak e lim bk
k →∞ k →∞
existem, são iguais e representam uma raiz de f ;
2. Se xk = 21 (bk + ak ) e x̄ = lim xk , então

k →∞
|x̄ − xk | ≤ 2−(k +1) (b0 − a0 ).

Prova:
[1.] Desde que Algoritmo 2.1 são gerados os intervalos
[a0 , b0 ], [a1 , b1 ], [a2 , b2 ] . . .
Sabemos que
a0 ≤ a1 ≤ a2 ≤ · · · ≤ b0 ⇒ {ak }k ∈N é convergente
b0 ≥ b1 ≥ b2 ≥ · · · ≥ a0 ⇒ {bk }k ∈N é convergente
1 1
bk − ak = 2 (bk −1 − ak −1 ) = (b
2k 0
− a0 ), k ≥0
Assim,
lim bk − lim ak = lim (bk − ak ) = lim 2−k (b0 − a0 ) = 0

k →∞ k →∞ k →∞ k →∞
Então, existe um x̂ ∈ R tal que:
lim bk = lim ak = x̂ .
k →∞ k →∞
Além disso,
0 > f (ak ) · f (bk ), ∀k
0 ≥ lim (f (ak ) · f (bk ))

k →∞

= lim f (ak ) lim f (bk )
k →∞ k →∞

= f lim ak f lim bk
k →∞ k →∞
= f (x̂ ) · f (x̂ ) = f (x̂ )2 ≥ 0
Portanto,
f (x̂ ) = 0,
ou seja, x̂ é uma raiz de f .
[2.] Desde que
1
xk = (bk + ak )
2
Temos que
1

x̄ = lim xk = lim 2 (bk + ak )
k →∞ k →∞

1
= 2 lim bk + lim ak = 21 (x̂ + x̂ ) = x̂
k →∞ k →∞
ou seja, x̄ é um zero de f .
Além disso, para todo k temos que
ak ≤ x̄ ≤ bk
≡ ak − xk ≤ x̄ − xk ≤ bk − xk
≡ − 12 (bk − ak ) ≤ x̄ − xk ≤ 21 (bk − ak )
Portanto,
1
|x̄ − xk | ≤ (bk − ak ) = 2−(k +1) (b0 − a0 ).
2
Observações:
• Embora este método seja muito simples, ele não garante uma
redução monótona do erro, senão simplesmente que o
intervalo de busca seja dividido pela metade de uma iteração
para outra.
• Como consequência, se o único critério de parada adotado é o

controle da amplitude do k −ésimo intervalo, poderı́amos
descartar aproximações de f (x̄ ) muito precisas.
• Na realidade, este método não leva em conta apropriadamente

o comportamento real de f . Um fato surpreendente é que este
método não converge numa única iteração inclusive se f é
uma função linear, (salvo que o zero x̄ seja o ponto médio do
intervalo inicial de busca).
Estimativa do número de iterações
Sejam x̄ uma raiz da equação f (x ) = 0 e x̃ uma aproximação de
x̄ Suponhamos que, x̄ e x̃ ∈ [ak , bk ], então:
|x̄ − x̃ | ≤ bk − ak = 2−k (b0 − a0 ).
Então, para garantir que |x̄ − x̃ | < ε podemos impor que
2−k (b0 − a0 ) < ε

≡ log 2−k (b0 − a0 ) < log(ε)

≡ log 2−k + log(b0 − a0 ) < log(ε)
≡ −k log 2 < log(ε) − log(b0 − a0 )

Logo,
log(b0 − a0 ) − log(ε)
k> .
log 2
Assim, k é o número mı́nimo de iterações, necessárias, que devem

ser realizadas para obter x̃ com uma precisão ε.
Mais ainda, se x̃ = x k , pelo teorema anterior, se segue que

ε
|x̄ − x k | < .
2

Exemplo: Então do exemplo anterior, para ε = 10−2 , e 0, π2
precisamos que o número de iterações a serem realizadas verifique:
log(b0 − a0 ) − log(ε)
k> .
log 2

log π
2 − 0 − log(10−2 ) 0.196119877 + 2
k> = = 7.295352319
log 2 0.301029995
Portanto, precisamos de no mı́nimo 8 iterações para obter uma
aproximação com 10−2 de precisão.

Considerações Finais
:) As iterações não envolvem cálculos laboriosos;

:( Apesar de teoricamente seguro, o método pode ter falhas. Se
ocorrer um erro de arredondamento, mesmo que pequeno,
no momento em que a máquina avalia o sinal do ponto médio,
poderemos ter um intervalo que efetivamente não contém
uma raiz;
:( Pode ser difı́cil encontrar um intervalo [a, b], tal que
f (a).f (b) < 0, em equações com raı́zes de multiplicidade par
ou muito próximas;
:( A convergência é muito lenta, pois se o intervalo inicial é tal
que b0 − a0 >> ε e se ε for muito pequeno, o número de
iterações k tende a ser muito grande;
:S Pode ser utilizado apenas para diminuir o intervalo que
contém a raiz.
Método da Falsa Posição
Seja f (x ) uma função contı́nua no intervalo [a, b] e seja x̄ ∈ (a, b)

uma raiz desta função, isto é:
x̄ ∈ (a, b) e f (x̄ ) = 0.
x

x̄ ∈ (a, b) e f (x̄ ) = 0.
a
x

x̄ ∈ (a, b) e f (x̄ ) = 0.
a
x

x̄ ∈ (a, b) e f (x̄ ) = 0.
a
x
b

x̄ ∈ (a, b) e f (x̄ ) = 0.
a
x
b

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
f (a) · f (b) < 0


x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
f (a) · f (b) < 0


x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c b
b−a
c=a− f (a) e f (c) · f (a) < 0
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c b
b−a
c=a− f (a) e f (c) · f (a) < 0 ⇒ b=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c
b−a
c=a− f (a) e f (c) · f (a) < 0 ⇒ b=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
b−a
c=a− f (a) e f (c) · f (a) < 0 ⇒ b=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a c
x
b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a c
x
b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a c
x
b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a c
x
b
b−a
c=a− f (a) e f (c) · f (b) < 0
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a c
x
b
b−a
c=a− f (a) e f (c) · f (b) < 0 ⇒ a=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
c
x
b
b−a
c=a− f (a) e f (c) · f (b) < 0 ⇒ a=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
b−a
c=a− f (a) e f (c) · f (b) < 0 ⇒ a=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
b−a
c=a− f (a) e f (c) · f (b) < 0 ⇒ a=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c b
b−a
c=a− f (a)
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c b
b−a
c=a− f (a) e f (c) · f (a) < 0
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c b
b−a
c=a− f (a) e f (c) · f (a) < 0 ⇒ b=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
c
b−a
c=a− f (a) e f (c) · f (a) < 0 ⇒ b=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
b−a
c=a− f (a) e f (c) · f (a) < 0 ⇒ b=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
b−a
c=a− f (a) e f (c) · f (a) < 0 ⇒ b=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a
x
b
b−a
c=a− f (a) e f (c) · f (a) < 0 ⇒ b=c
f (b) − f (a)

x̄ ∈ (a, b) e f (x̄ ) = 0.
f
a x̄ x
b
b−a
c=a− f (a) e f (c) · f (a) < 0 ⇒ b=c
f (b) − f (a)
No caso do Método da Bisseção, dado o intervalo [ak , bk ], xk é
obtido através da média aritmética entre os extremos ak e bk :
bk + ak
xk = , para k ≥ 0.
2
Já o método da falsa posição toma a média ponderada entre ak e
bk com pesos |f (bk )| e |f (ak )|, respectivamente:
bk |f (ak )| + ak |f (bk )|
xk = .
|f (ak )| + |f (bk )|

Prova: Visto que f (ak ) e f (bk ) têm sempre sinais opostos, supo-
nhamos que f (bk ) < 0, temos então:
bk ·f (ak )−ak ·f (bk )
xk = f (ak )−f (bk )
bk ·f (ak )−ak ·f (bk )+ak ·f (ak )−ak ·f (ak )

= f (ak )−f (bk )
bk −ak
= ak − f (bk )−f (ak ) f (ak ), para k ≥ 1.
Se f (ak ) < 0, obtemos a mesma fórmula, isto é:
bk − ak
xk = ak − f (ak ), para k ≥ 0.
f (bk ) − f (ak )

Desta forma, temos o seguinte algoritmo como implicação direta do
Algoritmo da Bisseção.
k = 0, ak = a e bk = b.
Passo 1 Calcule: f (ak ) e f (bk ), e obtenha xk e
f (xk ) tal que:
bk − ak
x k = ak − f (ak )
f (bk ) − f (ak )
Passo 2 Se |bk − ak | < ε, Pare xk é uma raiz de f .
Caso contrário
◮ Se f (xk ) · f (ak ) < 0, faça:
ak +1 = ak e bk +1 = xk
ak +1 = xk e bk +1 = bk
Exemplo:
Usando o algoritmo anterior, para ε = 10−2 , determinemos uma
aproximação da raiz de
f1 (x ) = cos(x ) − x = 0.
Solução:
Intervalo inicial a = 0 e b = π2 . Graficamente:
b x
a
f1
Casos especiais:
◮ Se f (x ) é contı́nua no intervalo [a, b] com f (a).f (b) < 0

então o método da falsa posição gera uma sequência
convergente.
◮ Se uma função é côncava ou convexa em [a, b], ou seja, a

segunda derivada existe em (a, b) e f ′′ (x ) não muda de sinal
nesse intervalo, então no método da falsa posição teremos
sempre uma das extremidades fixa. Este caso especial
também é chamado de Método das Cordas.

Os quatro casos que podem ocorrer são:
• Se f ′′ (x ) > 0, f (a) < 0 e f (b) > 0, então b é ponto fixo.





x
a
x
a
x
a
x
b
a
x
b
a
x
b
a
x
b
a
x
b
a
x
b
a x0
x
b
a x0
x
b
a x0
x
b
a x0
x
b
a x0 x1
x
b
a x0 x1
x
b
a x0 x1
x
b
a x0 x1
x
b
a x0 x1 x2
x
b
a x0 x1 x2
x
b
a x0 x1 x2
x
b
a x0 x1 x2
x
b
a x0 x1 x2
x
x̄ b
• Se f ′′ (x ) > 0, f (a) > 0 e f (b) < 0, então a é ponto fixo.





x
a

x
a

b
x
a

b
x
a

b
x
a
f
b
x
a
f
b
x
a
f
b
x
a
f
x0 b
x
a
f
x0 b
x
a
f
x0 b
x
a
f
x0 b
x
a
f
x1 x0 b
x
a
f
x1 x0 b
x
a
f
x1 x0 b
x
a
f
x1 x0 b
x
a
f
x2 x1 x0 b
x
a
f
x2 x1 x0 b
x
a
f
x2 x1 x0 b
x
a
f
x2 x1 x0 b
x
a
f
x2 x1 x0 b
x
a x̄
f
• Se f ′′ (x ) < 0, f (a) < 0 e f (b) > 0, então a é ponto fixo.





a
x

a
x

a
x
b

a
x
b

a
x
b

a
x
b

a
x
b

a
x
b

a
x
x0 b

a
x
x0 b

a
x
x0 b

a
x
x0 b

a
x
x1 x0 b

a
x
x1 x0 b

a
x
x1 x0 b

a
x
x1 x0 b

a
x
x2 x1 x0 b

a
x
x2 x1 x0 b

a
x
x2 x1 x0 b

a
x
x2 x1 x0 b

a x̄
x
x2 x1 x0 b

• Se f ′′ (x ) < 0, f (a) > 0 e f (b) < 0, então b é ponto fixo.





x
a

x
a

b
x
a

b
x
a

b
x
a
f
b
x
a
f
b
x
a
f
b
x
a
f
b
x
a x0
f
b
x
a x0
f
b
x
a x0
f
b
x
a x0
f
b
x
a x0 x1
f
b
x
a x0 x1
f
b
x
a x0 x1
f
b
x
a x0 x1
f
b
x
a x0 x1 x2
f
b
x
a x0 x1 x2
f
b
x
a x0 x1 x2
f
b
x
a x0 x1 x2
f
x̄ b
x
a x0 x1 x2
f
Algoritmo 2.2:
k = 0, ak = a e bk = b.
Passo 1 Calcule: f (ak ) e f (bk ), e obtenha xk e
f (xk ) tal que:
bk − ak
x k = ak − f (ak )
f (bk ) − f (ak )
Passo 2 Se |f (xk )| = 0, Pare xk é uma raiz de f .
Passo 3 Se |bk − xk | < ε ou |xk − ak | < ε ou |f (xk )| < ε,
Pare xk é uma raiz aproximada de f .
Caso contrário
◮ Se f (xk ) · f (ak ) < 0, faça:
ak +1 = ak e bk +1 = xk
ak +1 = xk e bk +1 = bk
Considerações finais
◮ Se o ponto fixo existir e for razoavelmente próximo da raiz, o

método tem boa convergência;
◮ Caso contrário, pode ser mais lento que a bisseção.

Bibliografia
1. Analise Numérica; Burden, R.L., Faires, D.J, Burden, A.M.,

Cengage Learning, 10 ◦ Edição, 2017.
2. Cálculo Numérico Aspectos Teóricos e Computacionais;
Ruggiero, M.A.G., Lopes, V.L. da R., Pearson, 2◦ Edição,
2014.
3. Métodos Numéricos para Engenharia; Chapra, S. C., Canale,
R.P., McGraw Hill-Bookman, 7◦ Edição, 2016.
4. Métodos Numéricos Aplicados com MATLAB para
Engenheiros e Cientistas; Chapra, S. C., McGraw
Hill-Bookman, 3◦ Edição, 2013.
5. Cálculo Numérico; Franco, N.B., Pearson, 6◦ Edição, 2006.
6. Algoritmos Numéricos; Campos, F.F. filho, LTC, 3◦ Edição,
2018.

Método Bisseção

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Método Bisseção

Enviado por

Direitos autorais:

Formatos disponíveis

Métodos de quebra

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Dada uma função f : R → R, contı́nua no intervalo [a, b]. Este

gerando dois subintervalos:

Logo, verificar em qual dos dois novos intervalos se encontra a raiz.

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

◮ Se f (c) = 0, então c é a raiz de nossa função, ou;

◮ Se f (a) · f (c) < 0, então a raiz se encontra no intervalo

O processo pode ser repetido, tornando cada novo intervalo a

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

f (a) · f (b) < 0

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

◮ Dados δ > 0 e ε > 0, no teste de parada podemos considerar:

|f (xk )| < δ ou |bk − ak | < ε;

◮ O teste f (xk ) · f (ak ) < 0 pode ser trocado por:

sgn(f (xk )) 6= sgn(f (ak ));

◮ Podemos limitar o número de iterações, para M :

Para k = 0 até M faça: Passo 1 - Passo 3.

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

1. Se [a0 , b0 ], [a1 , b1 ], [a2 , b2 ] . . . são os intervalos gerados

existem, são iguais e representam uma raiz de f ;

2. Se xk = 21 (bk + ak ) e x̄ = lim xk , então

|x̄ − xk | ≤ 2−(k +1) (b0 − a0 ).

Cálculo Numérico Prof. Felipe Antonio Garcia DCC/CI-UFPB

[a0 , b0 ], [a1 , b1 ], [a2 , b2 ] . . .

lim bk − lim ak = lim (bk − ak ) = lim 2−k (b0 − a0 ) = 0

Então, existe um x̂ ∈ R tal que:

0 > f (ak ) · f (bk ), ∀k

0 ≥ lim (f (ak ) · f (bk ))