Método de Newton-Raphson

Nesta seção, apresentamos o método de Newton-Raphson5 6 para calcular o zero de

funções reais de uma variável real.
Consideramos que x∗ seja um zero de uma dada função y=f(x) continuamente
diferenciável, isto é, f(x∗)=0. A fim de usar a iteração do ponto fixo, observamos que,
equivalentemente, x∗ é um ponto fixo da função:
g(x)=x+α(x)f(x),α(x)≠0, (3.109)

onde α(x) é uma função arbitrária, a qual escolheremos de forma que a iteração do

ponto fixo tenha ótima taxa de convergência.
Do teorema do ponto fixo, a taxa de convergência é dada em função do valor absoluto
da derivada de g(x). Calculando a derivada temos:
g′(x)=1+α(x)f′(x)+α′(x)f(x). (3.110)

No ponto x=x∗, temos:
g′(x∗)=1+α(x∗)f′(x∗)+α′(x∗)f(x∗). (3.111)

Como f(x∗)=0, temos:
g′(x∗)=1+α(x∗)f′(x∗). (3.112)

Sabemos que o processo iterativo converge tão mais rápido quanto menor for |g′(x)| nas
vizinhanças de x∗. Isto nos leva a escolher:
g′(x∗)=0, (3.113)

e, então, temos:
α(x∗)=−1f′(x∗), (3.114)

se f′(x∗)≠0.
A discussão acima nos motiva a introduzir o método de Newton, cujas iterações são
dada por:
x(n+1)=x(n)−fx(n)f′xn,n≥1, (3.115)

sendo x(1) uma aproximação inicial dada.

3.4.1 Interpretação geométrica

Seja uma dada função f(x) conforme na Figura 3.6. Para tanto, escolhemos uma

aproximação inicial x(1) e computamos:
x(2)=x(1)−f(x(1))f′(x(1)). (3.116)

Geometricamente, o ponto x(2) é a interseção da reta tangente ao gráfico da

função f(x) no ponto x=x(1) com o eixo das abscissas. Com efeito, a equação desta reta é:
y=f′(x(1))(x−x(1))+f(x(1)). (3.117)
 Assim, a interseção desta reta com o eixo das abscissas (y=0) ocorre quando:
f′(x(1))(x−x(1))+f(x(1))=0⇒x=x(1)−f(x(1))f′(x(1)).
Ou seja, dada aproximação x(n), a próxima aproximação x(n+1) é o ponto de interseção
entre o eixo das abscissas e a reta tangente ao gráfico da função no ponto x=x(n). Observe a
Figura 3.6.

3.4.2 Análise de convergência

Seja y=f(x) uma função com derivadas primeira e segunda contínuas tal que f(x∗)=0 e f′

(x∗)≠0. Seja também a função g(x) definida como:
g(x)=x−f(x)f′(x). (3.119)
Expandindo em série de Taylor em torno de x=x∗, obtemos:
g(x)=g(x∗)+g′(x∗)(x−x∗)+g″(x∗)2(x−x∗)2+O(x−x∗)3. (3.120)
Observamos que:
g(x∗)=x∗(3.121)g′(x∗)=1−f′(x∗)f′(x∗)−f(x∗)f″(x∗)f′(x∗)2=0(3.122)

Portanto:
g(x)=x∗+g″(x∗)2(x−x∗)2+O(x−x∗)3 (3.123)
Com isso, temos:
x(n+1)=g(x(n))=x∗+g″(x∗)2(x(n)−x∗)2+O(x−x∗)3, (3.124)
ou seja:
x(n+1)−x∗≤Cx(n)−x∗2, (3.125)
com constante C=g″(x∗)∕2. Isto mostra que o método de Newton tem taxa de
convergência quadrática. Mais precisamente, temos o seguinte teorema.
Teorema 3.4.1 (Método de
Newton). Sejam f∈C2([a,b]) com x∗∈(a,b) tal que  f(x∗)=0 e:
m:=minx∈[a,b]|f′(x)|>0eM:=maxx∈[a,b]|f″(x)|. (3.126)

Escolhendo  ρ>0 tal que:

q:=M2mρ<1, (3.127)

definimos a bacia de atração do método de Newton pelo conjunto:

Kρ(x∗):=x∈ℝ;|x−x∗|≤ρ⊂[a,b]. (3.128)

Então, para qualquer  x(1)∈Kρ(x∗) a iteração do método de Newton:

x(n+1)=x(n)−f(x(n))f′(x(n)), (3.129)
 fornece uma sequência  x(n) que converge
para  x∗, isto é,  x(n)→x∗ quando  n→∞. Além disso, temos a seguinte estimativa de
erro a priori:
|x(n)−x∗|≤2mMq(2n−1),n≥2, (3.130)

e a seguinte estimativa de erro a posteriori:

|x(n)−x∗|≤M2m|x(n)−x(n−1)|2,n≥2. (3.131