5

Métodos de Refinamento
5.1 Resumo do método iterativo

Após isolar a raiz em um intervalo [a, b], a etapa seguinte irá refinar o Métodos:
intervalo para determinar com mais precisão a raiz através de métodos Método da Bisseção
numéricos iterativos. Método da Posição Falsa
Uma iteração = um ciclo de execução Método do Ponto Fixo
Método de Newton-Raphson
1. Início
Método da Secante
2. Dados iniciais
Método de Von Mises
3. Cálculos iniciais
4. Primeira iteração: k = 1
5. Calculo da nova aproximação k
6. Resultado próximo da solução? Sim  Cálculos finais
 Fim
7. Não  Cálculos intermediários
8. Incremente iteração: k = k + 1
9. Vá para 5

5.2 Método da Bisseção

(a+b)/2 (a+b)/2
Consiste na redução da amplitude do intervalo até se atingir a precisão
requerida (b – a < ). A redução da amplitude se faz através da sucessiva
Zero real f(a).f(b) < 0 f(b)
divisão do intervalo ao meio a cada iteração: x = (a + b)/2
a
Algoritmo Método Bisseção b
f(a)
1. Dados iniciais: intervalo inicial (a, b), itmax e precisão  Aproximação
2. k=1 x0 = (a+b)/2

3. M = f(a)
4. x = (a + b) / 2
5. Se M.f(x) > 0 faça a = x (mantém b) vá para 7
6. b = x (mantém a)
7. Se (b – a) <   fim
8. k=k+1
9. Se k < itmax  vá para 4
10. fim

5. Métodos de Refinamento Página 41

 Número Mínimo de iterações:
b0 - a0 = b - a
b1 - a1 = (b0 - a0)/2 = (b - a)/2
b2 - a2 = (b1 - a1)/2 = (b0 - a0)/4 = (b - a)/22
...
bk - ak = (b - a)/2k
Impondo bk - ak <  vem: (b – a) / 2k <  
(b – a) /  < 2k  2k > (b – a) /   ln 2k > ln [(b – a) / ] 
k. ln 2 > ln [(b – a) / ]  k > ln [(b – a) / ] / ln 2  convergência lenta.

Avaliação
 As iterações não envolvem cálculos complexos
 Um arredondamento pode gerar um sinal errado da função no
ponto médio, o que poderá definir um intervalo que não contém a
raiz.
 Raízes próximas (ou de multiplicidade par) torna difícil encontrar
um intervalo [a, b], tal que f(a). f(b) < 0
 Se o intervalo inicial [b0 - a0] >>  (ou seja  muito pequeno em
relação ao intervalo), o numero de iterações será muito grande
convergência lenta
 O Método da Bisseção é mais usado para reduzir o intervalo antes
de usar outro método de convergência mais rápida

Exercício:
5.2.1 Determinar, com erro  < 0,01, a raiz da equação f(x) = 2x-cos x = 0
no intervalo [0; 1] pelo Método da Bisseção

Solução:
Sabe-se (ver exercício 5.8.1) que a raíz ξ  [0; 1] pois f(0)=-1 e f(1)=1,46 e
assim: f(0).f(1) < 0
(a+b)/2
Então:
1,0 Xk=Ponto f(Pto Erro:
0,8 k a b f(a) f(b) médio médio) xk – xk-1
0,6 0 0 1 -1 1,4597 0,5 0,122417
0,4
1 0 0,5 -1 0,1224 0,25 -0,46891 0,25
0,2
0,0 2 0,25 0,5 -0,4689 0,1224 0,375 -0,18051 0,125
-0,2 3 0,375 0,5 -0,1805 0,1224 0,4375 -0,03081 0,0625
-0,4 4 0,4375 0,5 -0,0308 0,1224 0,46875 0,045366 0,03125
-0,6 5 0,4375 0,46875 -0,0308 0,0454 0,453125 0,007167 0,015625
-0,8
6 0,4375 0,453125 -0,0308 0,0072 0,445313 -0,01185 0,007813
-1,0
-4 -3 -2 -1 0 1 2 3 4 5 Quando k = 6 tem-se condição de convergência: erro = 0,007 <  = 0,01 
Raiz: ξ = 0,164063 0,007 <  = 0,01

5.2.2 Determinar o número de iterações necessárias para calcular a raiz

(ou o zero) de f(x) = 2x- cos x = 0 no intervalo [0; 1] com precisão  < 0,01,
utilizando-se |xk - ξ | <  como critério de parada.

Solução
Dado o intervalo [0; 1] a = 0, b = 1,  = 0,01. Aplicando a fórmula do
Número Mínimo de iterações k > ln [(b – a) / ] / ln 2 vem:
k > ln [(1 – 0) / 0,01] / ln 2 = 6,64  Como o número k de iterações é um
número inteiro, resulta que k = 7.

5. Métodos de Refinamento Página 42

5.2.3 Calcule, com ε ≤ 0.03, a raiz positiva da equação f(x)=x2-3.

Solução exata:
x2-3=0  x =±3  x =±1.7321…
Solução aproximada:
Tem-se que no intervalo (1, 2) a função assume os valores: f(1)=-2 e f(2)=1,
i.é., f(1)f(2)<0 ou seja a solução pertence ao intervalo (1, 2).
Ponto f(Pto Erro:
k a b f(a) f(b) médio médio) xk – xk-1
0 1 2 -2 1 1,5 -0,75
1 1,5 2 -0,75 1 1,75 0,0625 0,25
2 1,5 1,75 -0,75 0,0625 1,625 -0,35938 0,125
3 1,625 1,75 -0,3594 0,0625 1,6875 -0,15234 0,0625 0,015 <  = 0,03
4 1,6875 1,75 -0,1523 0,0625 1,71875 -0,0459 0,03125
5 1,71875 1,75 -0,0459 0,0625 1,734375 0,008057 0,015625

5.3 Método da Posição Falsa

f(a).f(b) < 0
Dados [a, b] ou “a” está mais perto do zero ou “b” é que está. f(b)

 Se “a” estiver mais perto da raíz  |f(a)| < |f(b)| a

 Se “b” estiver mais perto da raíz  |f(b)| < |f(a)| b
f(a)
x0 = [af(b)+bf(a)]
Então uso |f(a)| e |f(b)| como peso para reduzir a influência do outro
[f(a) –f(b)]
(próximo raiz vezes extremo oposto  reduz peso do extremo oposto) Mais próximo de f(a)

Assim, em vez de tomar a média aritmética entre a e b, o método toma a

média aritmética ponderada entre a e b com pesos |f(b)| e |f(a)|
respectivamente:
x = a.|f(b)| + b.|f(a)|
|f(b)| + |f(a)|
 x estará mais próximo do extremo cuja imagem f(x) for menor

Como f(a) e f(b) têm sinais opostos (pois f(a) × f(b) < 0), então não é preciso
usar a função módulo desde que seja compensada com números
negativos: x = a.f(b) - b.f(a)
f(b) - f(a)
Vantagem: é uma técnica robusta, que converge independentemente da
forma do gráfico de f no intervalo [a; b].

Graficamente: O número x corresponde o ponto de interseção da reta que

passa pelos pontos (a; f(a)) e (b; f(b)) com o eixo Ox.
f(a).f(b) < 0
De fato, a equação da reta que passa pelos pontos (a; f(a)) e (b; f(b)) é: f(b)
x f ( x) 1
a
det a f (a) 1  0  x.f(a) + b.f(x) + a.f(b) – b.f(a) – x.f(b) - a.f(x) = 0 b
b f (b) 1 f(a)
x0 = [af(b)+bf(a)]
[f(a) –f(b)]
x(f(a) – f(b)) + (b – a).f(x) + a.f(b) – b.f(a) = 0

5. Métodos de Refinamento Página 43

Nota:
Se uma função é côncava ou
convexa em [a, b] (a segunda
derivada existe e não muda de
sinal nesse intervalo), então
uma das extremidades não
muda, é fixa
Côncava
f”(x)<0
a é ponto fixo
Logo: x = [(b – a).f(x) + b.f(a) – a.f(b)] / (f(a) – f(b))
Na interseção com eixo-X tem-se f(x) = 0, logo:
x = (a.f(b) - b.f(a)) / (f(b) - f(a))
Se f(x) é contínua no intervalo [a, b] com f(a).f(b) < 0  o método gera
uma sequência convergente.
O método procura gerar, a cada iteração, uma aproximação xk para a raiz ξ
cuja imagem seja a menor possível, isto é, uma aproximação tal que
|f(xk)| < ε
sem se preocupar com a diminuição da amplitude (b - a) do intervalo [a; b]
que contém a raiz.

Algoritmo da Posição Falsa

f”(x)<0
b é ponto fixo
1. Dados iniciais: intervalo inicial (a, b), itmax e precisões 1 e 2
2. k=1
Convexa
3. M = f(a)
f”(x)>0
4. x = (a.f(b) - b.f(a)) / (f(b) - f(a))
b é ponto fixo
5. Se |f(x)| < 2 fim
6. Se M.f(x) > 0 faça a = x vá para 8
f”(x)>0
7. b=x
a é ponto fixo
8. Se (b – a) < 1  fim
9. k=k+1
10. Se k < itmax  vá para 4
11. fim

Exercícios:
5.3.1 Determinar, com erro  < 0,01, a raiz da equação f(x) = 2x-cos x = 0
no intervalo [0, 1] pelo Método da Posição falsa
Solução:
Gerando as aproximações xk pelo Método da Posição Falsa, obtemos a
seguinte tabela x = a.f(b) - b.f(a)
f(b) - f(a)
k a f(a) b f(b) xk f(xk) |xk–xk-1|
0 0 -1 1 1,459698 0,406554 -0,10538 -
1 0,406554 -0,10538 1 1,459698 0,446512 -0,00893 0,039958
2 0,446512 -0,00893 1 1,459698 0,449879 -0,00074 0,003367

0,003 <  = 0,01

Reparar que na 2ª iteração o método já atinge a condição de erro  < 0, 01

5.3.2 Determinar, com erro  < 0,001, uma raiz da equação x3 −3x + 2 = 0
no intervalo [-3, 4] pelo Método da Posição falsa

5. Métodos de Refinamento Página 44

Solução:
k a b f(a) f(b) xk f(xk) |xk–xk-1|
0 -3 4 -16 54 -1,4 3,456
1 -3 -1,4 -16 3,456 -1,68421 2,275259 0,284210
2 -3 -1,68421 -16 2,2753 -1,84803 1,232703 0,163815
3 -3 -1,84803 -16 1,2327 -1,93043 0,597431 0,082403
4 -3 -1,93043 -16 0,5974 -1,96893 0,273876 0,038499
5 -3 -1,96893 -16 0,2739 -1,98628 0,122343 0,017352
6 -3 -1,98628 -16 0,1223 -1,99397 0,054019 0,007692
7 -3 -1,99397 -16 0,054 -1,99736 0,023729 0,003385
8 -3 -1,99736 -16 0,0237 -1,99884 0,0104 0,001484
9 -3 -1,99884 -16 0,0104 -1,99949 0,004553 0,000650

Resposta: A raiz é x=-1,9988  -2

5.4 Método do Ponto Fixo (MPF) ou das Aproximações

Sucessivas

Transforma a equação f(x) = 0 na equação equivalente x = (x) e dado o

valor inicial x0 gera-se uma sequência de aproximações através da relação:
xk+1 = (xk) até quando xk+1  xk  Transforma o problema de encontrar um
zero de f(x) no problema de encontrar um ponto fixo de (x).
Nota:
Forma Geral de (x): (x) = x + A(x).f(x) Dada uma equação f(x) = 0
existem infinitas funções de
Na raiz  tem-se f() = 0, portanto: A()  0
iteração (x)
Logo: () =  + A().f()  () =  + A().0  () = 
Exemplos para f(x) = x2 – x – 6
Graficamente: A raiz da equação f(x) = 0 é a abscissa do ponto de 1 = x2– 6
intersecção da reta y = x com a curva y = (x) 2 = x + 6
3 = 6 / x + 1
y y=x 4 = 6 / (x - 1)
y = (x)

x0 x1 x2 x

Teorema Convergência MPF

Sejam:  raiz de f(x) = 0, isolada no intervalo I centrado na raiz
(x) função de iteração para f(x) = 0
Se: (x) e ’(x) são contínuas em I
|’(x)|  1 = tan(45º).  x  I
Então a sequência {xk} gerada pelo processo iterativo xk+1 = (xk) converge
para   sucesso quando |’(x)|< 1 em todo intervalo:

5. Métodos de Refinamento Página 45

 Convergem: |’(x)|< 1 Não convergem: |’(x)|>1

Critério de Parada: Escolhe-se xk como raiz aproximada de  se

|xk - xk-1| = |( xk-1) - xk-1| <  ou se |f(xk)| < 

Observar que | xk - xk-1| <  não significa que | xk - | < 

Se ’(x) < 0 em I (intervalo centrado em )  a sequência {xk} será
oscilante em torno de  e neste caso: |xk - xk-1| <  
| xk - | < |xk - xk-1|

Algoritmo do Ponto Fixo

1. Dados iniciais: aproximação inicial x0 , itmax e precisões 1 e 2
2. k=1
3. x1 = (x0)
4. Se |f(x1)| < 1 ou se |x1 – x0| < 2 fim
5. x0 = x1
6. k=k+1
7. Se k < itmax  vá para 3
8. fim

Condição de convergência do MPF: |’(x)|  M < 1.  x  I 

 Convergência é mais rápida quanto menor for |’(x)|

Exercícios:
5.4.1 Calcule as raízes de f(x) = x2 - sin x = 0, com erro 1 < 0,001,
2 < 0,001 pelo Método do Ponto Fixo

Solução:
(i) Definindo (x) = x + x2 - sin x  a equação de iteração fica: (x) = x
x + x2 - sin x = x
Verificando a primeira derivada: ’(x) = 1 + 2x – cos x
Para o ponto x0 = 1  ’(1) = 1 + 2.1 – cos 1 = 3 – 0,5403 = 2,45 > 1  a
condição de convergência não é satisfeita  a escolha não foi boa

(ii) Dado f(x) = x2 - sin x =0  x2 = sin x  x = sin x = (x)  definindo:

(x) = (sin x)1/2  Verificando a primeira derivada, considerando que se
f = um  f’ = m.u m-1u’, tem-se ’(x) =1/2 (sin x) -1/2cos x = cos x / (2  sin x)
Para o ponto x0 = 1  ’(1) = cos 1 /(2  sin 1) = 0,54030 / (2.0,917) =
0,294 < 1  condição de convergência é satisfeita  a escolha foi boa

5. Métodos de Refinamento Página 46

(iii)Logo (x) = (sin x)1/2  a equação de iteração fica: x = (sin x)1/2
k xk xk+1 f(xk+1) |xk–xk-1|
0 1 0,917317 0,047497
1 0,917317 0,891052 0,01624 0,026265
2 0,891052 0,881892 0,00579 0,00916
1 < 0,001
3 0,881892 0,878603 0,002095 0,003289
4 0,878603 0,87741 0,000762 0,001193 2 < 0,001
5 0,87741 0,876975 0,000278 0,000434
A raiz é x = 0,876975

5.4.2 Calcule uma das raízes de f(x) = x3 − 3x + 2 = 0, com erro 1 < 0,001,
2 < 0,001 pelo Método do Ponto Fixo

Solução:
(i) Definindo (x) = 1/3 x3 + 2/3  a equação de iteração fica: (x) = x
1/3 x3 + 2/3 = x
Verificando a primeira derivada: ’(x) = 3 1/3 x2 – 3 = x2 – 3
Para o ponto x0 = 0  ’(0) = 02 - 3 = - 3 < 1  a condição de convergência
é satisfeita  a escolha foi boa
k xk xk+1 f(xk+1) |xk–xk-1|
0 0 0,666667 0,296296
1 0,666667 0,765432 0,15216 0,144136
2 0,765432 0,816152 0,095186 0,056974
3 0,816152 0,847881 0,065901 0,029285
4 0,847881 0,869848 0,048614 0,017287
5 0,869848 0,886052 0,037473 0,011141
6 0,886052 0,898543 0,029836 0,007637 A raiz é x = 0,8985  1

5.5 Método das Tangentes de Newton-Raphson

Newton-Raphson  escolher função de iteração (x) tal que ’() = 0

Forma geral: (x) = x + A(x).f(x)  ’(x) = 1 + A’(x).f(x) + A(x).f’(x)

Na raiz: f() = 0 logo ’() = 1 + A’().f() + A().f’() 
’() = 1 + A().f’()

Para ’() = 0 tem-se que ter: 0 = 1 + A().f’()  A() = -1 / f’() 

Isaac Newton
A(x) = -1 / f’(x) (1642-1727)

Assim, a função iteração passa a ser: (x) = x - f(x) / f’(x)

Nota:
Logo a derivada fica: ’(x) = 1 – [f(x)2 – f(x) f’’(x)] / f’(x)2 
Melhor extremo do intervalo
’(x) = f(x).f’’(x) / f’(x)2
(a, b) para iniciar o método –
é aquele que possui função e
A sequência {xk} será determinada por: xk+1 = xk – f(xk) / f’(xk) segunda derivada com
mesmo sinal .
Desvantagem: precisa obter a derivada f’(x) e calcular seu valor numérico a
cada iteração

5. Métodos de Refinamento Página 47

 Graficamente:
y y = f(x)
tan  = f(x0) / (x0 – x1)  (x0 – x1)= f(x0) / tan 
Mas: tan  = f’(x0) substituindo na equação: (x0 – x1)= f(x0) / f’(x0)
Ou seja: x1 = x0 – f(x0) / f’(x0)  f’(x0)  0

Dado o ponto (xk, f(xk)) traça-se a reta L(x)k tangente à curva f(x) no ponto
f(x0)
 dado:
x1 x0 x L(x)k = f(xk) + f’(xk) (x - xk)
L(x)k = 0  x= xk + f(xk) / f’(xk)

Teorema da Convergência:
Sejam f(x), f’(x) e f’’(x) contínuas no intervalo I que contém a raiz x =  de
f(x) = 0
Supondo f’()  0
Então:  um intervalo I  I contendo a raiz  tal que se x0  I, a sequência
{xk} gerada por xk+1 = xk – f(xk) / f’(xk) convergirá para a raiz.
Para pontos suficientemente próximos de , as hipóteses do teorema da
convergência do MPF estão satisfeitas  O método de Newton-Raphson
converge desde que x0 seja escolhido suficientemente próximo da raiz .

Algoritmo
1. Dados iniciais: aproximação inicial x0 , itmax e precisões 1 e 2
2. k=1
3. x1 = x0 – f(x0) / f’(x0)
4. Se |f(x1)| < 1 ou se |x1 – x0| < 2 fim
5. x0 = x1
6. k=k+1
7. Se k < itmax  vá para 3
8. fim

Exercícios:
5.5.1 Calcule uma raiz de f(x) = x2 - sin x = 0, com erro  < 0,01, pelo
Método de Newton-Raphson em torno de x = -1

Solução:
A equação de iteração é: xk+1 = xk – f(xk) / f’(xk)
Calculando a primeira derivada: f’(x) = 2x – cos x
k xk f(xk) f'(xk) xk+1 |xk–xk-1|
0 -1 1,841471 -2,5403 -0,2751
1 -0,2751 0,34732 -1,51259 -0,04548 0,229619
2 -0,04548 0,047532 -1,08992 -0,00187 0,04361
3 -0,00187 0,001872 -1,00374 -3,5E-06 0,001865
Uma raiz é x = -3,510-6  0

5.5.2 Calcule uma das raízes de f(x) = x3 − 3x + 2 = 0, com erro  < 0,001,
pelo Método de Newton-Raphson em torno de x = 0

5. Métodos de Refinamento Página 48

Solução
Calculando a primeira derivada: f’(x) = 3x2 – 3
A equação de iteração é: xk+1 = xk – f(xk) / f’(xk) para  < 0,01
k xk f(xk) f'(xk) xk+1 |xk–xk-1|
0 0 2 -3 0,666667
1 0,666667 0,296296 -1,66667 0,844444 0,177778
2 0,844444 0,068829 -0,86074 0,924409 0,079964
3 0,924409 0,01671 -0,43641 0,962699 0,038291
4 0,962699 0,004122 -0,21963 0,981468 0,018769
5 0,981468 0,001024 -0,11016 0,990763 0,009295
Uma raiz é x = 0,990763  1

5.6 Método da Secante y y = f(x)

f(xk)
Substituindo a derivada f’(x) do método de Newton-Raphson pelo
quociente das diferenças:
f(xk) - f(xk-1) 
f’(xk)  tan() = xk – xk-1
f(xk-1)

Então a função de iteração fica:

x x x
(xk) = xk - f(xk) / f’(xk) k-1 k

(xk) = xk – f(xk) / [(f(xk) - f(xk-1)) / (xk - xk-1)]

(xk) = xk – f(xk) / (f(xk) - f(xk-1))  (xk - xk-1)
(xk) = [xk (f(xk) - f(xk-1)) – f(xk) (xk - xk-1) ] / (f(xk) - f(xk-1))
(xk) = [xk f(xk) - xk f(xk-1) – xk f(xk) + xk-1 f(xk) ] / (f(xk) - f(xk-1))
xk-1 f(xk) - xk f(xk-1)]
xk+1 =(xk) =  Semelhante ao Método
f(xk) - f(xk-1)
da Posição Falsa y y = f(x)
Graficamente:
O ponto xk+1 é obtido a partir de duas aproximações xk e xk-1 como ponto de
f(x0)
intercessão do eixo 0X e da reta secante que passa por (xk-1 , f(xk-1)) e
(xk , f(xk))
f(x1)
Nota: o método poderá divergir se f(xk)  f(xk-1) f(x2)

x x x x
Exercícios: 2 1 0

5.6.1 Calcule uma raiz de f(x) = x2 - sin x = 0, com erro  < 0,001, pelo
Método da Secante em torno de x0 = -1 e x1=0,5

Solução:
A equação de iteração é: xk+1 = [xk-1 f(xk) - xk f(xk-1)] / (f(xk) - f(xk-1))

k xk f(xk) xk+1 |xk–xk-1|

0 -1 1,841471 -0,5
1 -0,5 0,729426 -0,17203 0,327966
2 -0,17203 0,200783 -0,04747 0,124564
3 -0,04747 0,049706 -0,00649 0,040983
4 -0,00649 0,006529 -0,00029 0,006198
5 -0,00029 0,00029 -1,9E-06 0,000288
Uma raiz é x = -1,910-6  0

5. Métodos de Refinamento Página 49

 5.6.2 Calcule uma das raízes de f(x) = x3 − 3x + 2 = 0, com erro  < 0,001,
pelo Método da Secante em torno de x0 = 0 e x1=0,5

Solução
k xk f(xk) xk+1 |xk–xk-1|
0 0 2 0,5
1 0,5 0,625 0,727273 0,227273
2 0,727273 0,202855 0,836485 0,109212
3 0,836485 0,07584 0,901694 0,065209
4 0,901694 0,028042 0,939952 0,038257
5 0,939952 0,010601 0,963205 0,023253
6 0,963205 0,004012 0,977363 0,014158
7 0,977363 0,001526 0,986052 0,008689
8 0,986052 0,000581 0,991395 0,005343
9 0,991395 0,000222 0,994687 0,003293
10 0,994687 8,45E-05 0,996719 0,002031
11 0,996719 3,23E-05 0,997973 0,001254
12 0,997973 1,23E-05 0,998748 0,000775
Uma raiz é x = 0,998748  1

5.7 Método de Von Mises

Considere a fórmula de Newton-Raphson:

xk+1 = xk – f(xk) / f’(xk)
Esta fórmula apresenta dificuldade de convergência
 quando se parte de pontos distantes da raiz , ou
 quando f’(xk) é próxima de zero.
Richard Edler von Mises
(1883-1953) Nestas situações é recomendado usar o método de Von Mises,
substituindo a derivada f’(xk) do denominador da fórmula de Newton-
y y = f(x) Raphson pelo valor f’(x0) da derivada no ponto x0 obtendo-se:
xk+1 = xk – f(xk) / f’(x0)
f(x0)
Também é recomendado seu uso quando o cálculo de f’(xk) for complexo,
f(x1)
pois o método calcula apenas uma vez este valor que é usado em todas as
f(x2) iterações na fórmula corrigida.
x x x x O método frequentemente não converge tão rapidamente como a fórmula
2 1 0
de Newton-Raphson

Exercícios:
5.7.1 Calcule uma raiz de f(x) = x2 - sin x = 0, com erro  < 0,01, pelo
Método de Von Mises em torno de x = -1

Solução:
A equação de iteração é: xk+1 = xk – f(xk) / f’(x0)
Calculando a primeira derivada no ponto x0: f’(x0) = 2x0 – cos x0
f’(-1) = 2(-1) – cos (-1)= -2,5403

5. Métodos de Refinamento Página 50

 k xk f(xk) xk+1 |xk–xk-1|
0 -1 1,841471 -0,2751
1 -0,2751 0,34732 -0,13837 0,136724
2 -0,13837 0,15708 -0,07654 0,061835
3 -0,07654 0,082322 -0,04413 0,032406
4 -0,04413 0,046066 -0,026 0,018134
5 -0,026 0,026671 -0,0155 0,010499
6 -0,0155 0,015739 -0,0093 0,006196

Uma raiz é x = -0,0093  0

5.8 Exercícios Propostos

5.8.1 Dada a função f(x) = x2 + 3x − cos(x) − 2.45, obter sua raiz contida
no intervalo [0.5, 1], pelo Método da Bisseção, com um erro < 10-2.

5.8.2 Obter a raiz cúbica de 5, usando o método Newton-Raphson sendo o

erro < 10-3.

5.8.3 Calcular a raiz negativa de f(x) = x3 − 5x2 + x + 3, com erro < 10-4.

5.8.4 Seja a função f(x) = sen(x) − tg(x). Deseja-se saber uma das raízes
desta função, sabendo-se que está contida no intervalo (3, 4). O erro não
deve ser superior a 0.001.

5.8.5 Calcular a raiz da função f(x) = 3x − cos(x), sendo x0 = 0, x1 = 0.5 e o

erro < 10-4. Efetue os cálculos usando o método da posição falsa.

5.8.6 Calcular a raiz da função f(x) = x3 − 4, sendo x0 = 1, x1 = 2 e o erro <

0,05.

5.9 Para saber mais

[1] RUGGIERO, Márcia A.Gomes, LOPES, Vera Lúcia da Rocha. Cálculo

Numérico – Aspectos Teóricos e Computacionais. São Paulo: Pearson
Makron Books, 2005
[2] TANENBAUM, Andrew S. Organização Estruturada de Computadores.
São Paulo: Ed. Prentice-Hall, 1992 (páginas 440 a 444)
[3] FLOYD, Thomas L. Sistemas Digitais: fundamentos e aplicações. Porto
Alegre: Bookman, 2007. (páginas 62 a 66)
[4] ROONEY, Anne. A História da Matemática – Desde a criação das
pirâmides até a exploração do infinito. São Paulo: M.Books do Brasil
Editora Ltda, 2012 (páginas 13 a 29)

5. Métodos de Refinamento Página 51

 [5] TOCCI, Ronald J., LASKOWSKI, Lester P. Microprocessadores e
Microcomputadores: Hardware e Software. Rio de Janeiro: Ed. Prentice-
Hall, 1983
[6] COURANT, Richard, ROBBINS, Herbert. O que é Matemática? Rio de
Janeiro: Editora Ciência Moderna, 2000 (páginas 5 a 11)
[7] VAHID, Frank. Sistemas Digitais. Projeto, Otimização e HDLs. Porto
Alegre: Editora Bookman, 2008 (páginas 27 à 33)
[8] MILIES, César Polcino, COELHO, Sônia Pitta. Números Uma Introdução à
Matemática. São Paulo: Editora da Universidade de São Paulo, 2006
(páginas 53 a 60)
[9] BELLOS, Alex. Alex no País dos Números. São Paulo: Companhia das
Letras, 2010 (páginas 49 à 83)
[10] PIERCE, John R. An Introduction to Information Theory. Symbols,
Signals and Noise. New York: Dover Publications, Inc., 1980 (páginas 64 a
77)
[11] STEWART, Ian. Concepts of Modern Mathematics. New York: Dover
Publications, Inc., 1995 (páginas 255 a 258)

5. Métodos de Refinamento Página 52