UNIVERSIDADE FEDERAL DE PERNAMBUCO

CENTRO ACADÊMICO DO AGRESTE

NÚCLEO DE TECNOLOGIA
ENGENHARIA DE PRODUÇÃO

ÍTALO BRENDSON TORRES DE OLIVEIRA

CÁLCULO NUMÉRICO

Zeros de Funções

CARUARU, PE
2021
UNIVERSIDADE FEDERAL DE PERNAMBUCO
CENTRO ACADÊMICO DO AGRESTE
NÚCLEO DE TECNOLOGIA
ENGENHARIA DE PRODUÇÃO

ÍTALO BRENDSON TORRES DE OLIVEIRA

CÁLCULO NUMÉRICO

Zeros de Funções

Trabalho acadêmico requerido no processo de

aprovação na disciplina de cálculo numérico, no
curso de Engenharia de Produção, na
Universidade Federal de Pernambuco, Campus
Acadêmico do Agreste (UFPE-CAA).
.
Orientador: Prof. Dr. Alessandro R. Echevarria Antunes

CARUARU, PE
2021
 SUMÁRIO

1. Método da Interação Linear 4

2. Método de Newton-Raphson 4

3. Algoritmo 5

4. Resultados 7

5. Discussões 14

6. Conclusão 15

7. Referências 16
 1. Método da Interação Linear

Quando se procura a raiz de uma função f(x)=0, está na verdade buscando o ponto em
que a função intercepta o eixo x, em alguns casos a mesma pode cruzar o eixo em mais de um
ponto. Atualmente existe vários procedimentos que permite a determinação desses pontos, um
deles é o Método da Iteração Linear (MIL), que modela o problema, procurando isolar o x da
função escolhida, afim de se obter x= g(x). A partir desse ponto, busca-se a interseção da reta
x com a curva g(x). Dessa maneira, o método transforma o problema de encontrar uma raiz da
função f(x)= 0 na busca por um ponto em que x= g(x).

2. Método de Newton-Raphson

O método de Newton-Raphson, criado por Isaac Newton e Joseph Raphson, tem como
principal finalidade estimar as raízes de uma função. Para a execução do método, inicialmente
determina-se uma aproximação inicial, ou seja, um chute qualquer para a raiz da função, para
dar-se início ao método, vale salientar que quanto mais próximo for da raiz da função o valor
inicial, menos interações são necessárias no processo. Logo após isso, se faz necessário
calcular-se a equação da reta tangente da função nesse ponto, geralmente ela é obtida através
da derivada, e a interseção da função com o eixo das abcissas, no intuito de encontrar uma
melhor aproximação para raiz. Ao repetisse esse procedimento, surge um método interativo
para achar a raiz da função. O método pode ser representado matematicamente da seguinte
forma:

Onde xn é uma aproximação inicial, n indica a n-enésima interação realizada no método

e f’(xn) é a derivada da função no f no ponto xn.
 3. Algoritmo

clc
clear all

close all

%disponibilizando através de um menu as duas opções de métodos, para que

%seja escolhido o método que se deseja ultilizar

x = menu ('Escolha o método', '1.Newton-Raphson', '2.Iteração Linear ');

switch x

case 1

syms x; %Determinando que x, variável da função f, é uma variável simbólica

%Definindo a função a ser usada, sua primeira derivada, o chute inicial para x e a

%tolerância de erro
f=input('Insira a função f(x): ');

df= diff(f);

x0=input('Insira o chute inicial para x: ');

tol=input('Insira a tolerancia de erro: ');

%Definindo o valor máximo de iterações e um contador de iterações

itmax=input('Insira o maximo de iteracoes: ');

it = 1; %Iteração começando em um

%Calculando a raiz da função pelo método de Newton-Raphson

while (it<=itmax)

x1= x0 - ((subs(f,x,x0))/subs(df,x,x0));

erro=abs((x1-x0)/x1);
fprintf('Iteraçao %d x1=%f Erro=%f \n', it, x1, erro);

if (erro< tol)

break;

end

x0=x1;
it= it +1;

end

fprintf('A raíz da função f é %f', x1);

case 2

syms x; %Determinando que x, variável da função g, é uma variável simbólica

%Definindo a função iterativa a ser usada, o chute inicial para x e a tolerância de

%erro

g= input('Insira a funcao iterativa g(x):');

x0= input('Insira o chute inicial para x:');

tol= input('Insira a tolerancia de erro:');

%Definindo o valor máximo de iterações, um contador de iterações e um contador

%de erros

itmax= input('Insira o maximo de iteracoes:');

it=1;

erro=1;

%Calculando a raíz da função pelo método de iteração linear

while erro > tol && it < itmax

x1=subs(g,x,x0);

erro=abs((x1-x0)/x1);

fprintf('iteracao=%d xi=%f erro=%f \n\n',it,x1,erro);

if (erro< tol)
break;

end

x0=x1;

it= it +1;

end
fprintf('A raíz da função g é %f', x1);

end
 4. Resultados

A seguir, foi obtido por meio dos métodos abordados anteriormente, uma solução
aproximada para cada função usada como exemplo. Inicialmente será calculado o valor
aproximado do zero da função, com um número inicial, para cada método utilizado. Além
disso, será feito novamente a realização do procedimento, só que com um valor diferente para
a estimativa inicial do estipulado anteriormente

➢ Exemplo 1: f(x)= x³+4x-3

• Método de Newton-Raphson:

Estimativa inicial igual a 1.5.

Estimativa inicial igual a 0.5.

 • Método da Iteração Linear:
Estimativa inicial igual a 1.5.
Estimativa inicial igual a 0.5.

➢ Exemplo 2: f(x)= x4+2x-5.

• Método de Newton-Raphson:

Estimativa inicial igual a 0.6.

Estimativa inicial igual a 1.3.

• Método da Iteração Linear:

Estimativa inicial igual a 0.6

Estimativa inicial de 1.3.

➢ Exemplo 3: f(x)= x5+1,5x-7.

• Método de Newton-Raphson:
Estimativa inicial igual a 1.4.

Estimativa inicial igual a 2.

 • Método da Iteração Linear:

Estimativa inicial igual a 1.4.

Estimativa inicial igual a 2.

 5. Discussões

Ao analisar os dados obtidos por meio dos métodos aplicados anteriormente, percebe-
se que a condição de parada para ambos, e que o número de iterações máximo estipulado não
será ultrapassado. Além disso, se antes do erro entre os dois últimos resultados for inferior a
tolerância determinada, então o programa para e se tem um resultado, ou seja, o último valor
calculado para x1.
Quando se compara os dois métodos, e adota-se o esforço computacional, ou seja, o
menor número de interações para se obter o resultado, como critério de análise. Percebe-se que
o método de Newton-Raphson e método da Iteração Linear não diferem muito quando a
tolerância de erro é de até duas casas decimais, mas quando a tolerância estabelecida é maior
ou igual a três casas decimais, Newton-Raphson se destaca em relação Iteração Linear. Além
disso, a Iteração Linear apresenta uma menor exatidão nos resultados, pois nota-se que mesmo
no ultimo erro em relação ao valor anterior sendo menor que a tolerância estabelecida, ainda é
maior que o erro calculado no método de Newton-Raphson utilizando o mesmo valor para
chute inicial e mesma tolerância de erro.
Essa diferença na maneira como os resultados são calculados e obtidos, é devido ao fato de que
a função iterativa g(x), da Iteração Linear fica a escolha do usuário do método, desde que as
condições estabelecidas sejam obedecidas. Em contra partida, no método de Newton-Raphson,
a função g(x), já é definida. Além disso, o uso da derivada da função proporciona que a cada
iteração o valor de x tenda a convergir mais rapidamente para o resultado correto. A figura
abaixo mostra a representação gráfica do método

Método de Newton-Raphson

Fonte: Google Imagens

 6. Conclusão

Desta forma, pode-se concluir que com as mesmas condições de tolerância e valor
inicial, o método de Iteração Linear fornece resultados aceitáveis. Mas com o método de
Newton-Raphson consegue-se soluções com menores erros e menos esforço computacional,
devido à sua maior convergência.
Referências

PET MATEMÁTICA UFSM; Noções Básicas de Programação em MATLAB,

outubro/2010.
Cálculo Numérico - Livro Colaborativo - Versão Octave
https://www.ufrgs.br/reamat/CalculoNumerico/livro-py/sdeduv-metodo_de_newton-
raphson.html
http://wwwp.fc.unesp.br/~arbalbo/Iniciacao_Cientifica/zerodefuncoes/teoria/2_Met_Iterativo
_Linear.pdf