PONTIFÍCIA UNIVERSIDADE CATÓLICA DE CAMPINAS

Engenharias – Escola Politécnica

Introdução à Simulação Numérica
Professores: Alexandre Monteiro, Bia Leite, Christiane Rodrigues, Cintia
Scrich, Thais Borges e Vinícius Simionatto

Unidade 4 - Zero de Funções e Método de Newton

INTRODUÇÃO

Frequentemente, os problemas de engenharia envolvem equações do tipo 𝑓(𝑥) = 0 . Por exemplo, o

volume 𝑣 de um líquido em um tanque esférico de raio 𝑟 está relacionado com a profundidade ℎ da seguinte
forma:

Suponha que o tanque tenha raio 𝑟 = 1 com um líquido de volume 𝑣 = 0,5. Qual é a profundidade ℎ do
líquido no tanque?

Para resolver esta questão, substituímos os dados fornecidos na equação dada para 𝑣:

ℎ ℎ ℎ3 ℎ3
𝑣 = 𝜋ℎ2 (𝑟 − ) ⇒ 0,5 = 𝜋ℎ2 (1 − ) ⇔ 0,5 = 𝜋ℎ2 − 𝜋 ⇔ 0,5 − 𝜋ℎ2 + 𝜋 = 0 ⇔ 𝑓(ℎ) = 0.
3 3 3 ⏟ 3
𝒇(𝒉)

Dizemos que ℎ ∈ ℝ é um zero ou raiz da função 𝑓(ℎ) se 𝑓(ℎ) = 0.

ℎ3
Assim, o problema consiste em resolver a equação não linear 0,5 − 𝜋ℎ2 + 𝜋 = 0 ou, de forma equivalente,
3
consiste em determinar as raízes do polinômio de 3º grau 𝑓(ℎ) = 0.

A Figura 1 apresenta o gráfico de 𝑓 e, por análise do gráfico, é possível estimar o valor de uma raiz da função
𝑓 e que pertence ao intervalo [2.5,3], possivelmente um valor entre 2,8 ou 2,9.

RAIZ 𝒙∗

Figura 1: Gráfico da função 𝑓.

1
Até o momento, tudo o que conseguimos foi uma estimativa para a raiz de 𝑓(ℎ) e sua localização, ou seja,
sabemos que 𝑓(ℎ) tem uma raiz no intervalo [2.5,3]. A pergunta que surge neste momento é: podemos
melhorar esta estimativa, ou seja, há meios de estimar de forma mais precisa o valor da raiz até chegarmos,
se possível, em um valor exato?

Os problemas de engenharia geralmente são constituídos por equações ou funções não lineares e que não
podem ser resolvidas analiticamente. Por exemplo, o problema de determinar as raízes de polinômios com
grau superior a 2 pode ser um problema difícil pois não temos fórmulas prontas para calcular essas raízes
assim como ocorre para as funções de 1º e de 2º graus. Nestes casos, a estratégia é utilizar algum método
numérico cujo algoritmo nos permita determinar um valor aproximado para a raiz das equações ou,
equivalentemente, para os zeros de funções. O processo envolve uma aproximação inicial para a raiz da função
(um chute com base na análise gráfica da função) e, em seguida, esta estimativa será melhorada por meio de
um processo iterativo. Há vários métodos que podem ser utilizados para determinar zeros de funções tais
como o Método de Newton, Método da Bissecção, Método da Falsa Posição e o Método da Secante. O Método
de Newton será o método que utilizaremos para esta finalidade.

MÉTODO DE NEWTON

O Método de Newton pertence à classe dos métodos iterativos que determinam uma aproximação para a raiz
𝒙∗ de uma dada função 𝑓(𝑥), a partir de uma aproximação inicial 𝒙𝟎 para 𝒙∗ . O processo consiste em refinar
essa aproximação 𝒙𝟎 , iterativamente, usando a interpretação geométrica de reta tangente.

Para ilustrar a ideia, suponha que queremos determinar uma aproximação para a raiz 𝒙∗ da função 𝑓(𝑥) =
𝑥 2 − 3, cujo gráfico é apresentado na Figura 2. A estimativa inicial da raiz da função é 𝒙𝟎 = 2.

Figura 2: Gráfico da função 𝑓(𝑥) = 𝑥 2 − 3.

Se traçamos uma reta tangente à 𝑓(𝑥) no ponto (2, 𝑓(2)), determinamos um novo ponto 𝒙𝟏 resultante da
interseção da reta tangente com o eixo 𝑥. Note que 𝑥1 está mais próximo da raiz 𝒙∗ e, portanto, 𝒙𝟏 é uma
estimativa de raiz melhor do que a estimativa inicial 𝒙𝟎 .

∆𝑦
A inclinação da reta tangente no ponto (𝑥0 , 𝑓(𝑥0 )) é dada por 𝑓 ′ (𝑥0 ) = ∆𝑥. Segue que

∆𝑦 𝑓(𝑥0 ) − 𝑓(𝑥1 ) 𝑓(𝑥0 ) − 0 𝑓(𝑥0 ) 𝑓(𝑥0 )

𝑓 ′ (𝑥0 ) = ⇔ 𝑓 ′ (𝑥0 ) = ⇔ 𝑓 ′ (𝑥0 ) = ⇔ 𝑥0 − 𝑥1 = ⇔ 𝑥1 = 𝑥0 −
∆𝑥 𝑥0 − 𝑥1 𝑥0 − 𝑥1 𝑓′(𝑥0 ) 𝑓′(𝑥0 )

Logo, podemos realizar a iteração 0 do método:

𝑓(𝑥0 )
𝑥1 = 𝑥0 −
𝑓 ′ (𝑥0 )

Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023

Considere 𝑥0 = 2, 𝑓(𝑥0 ) = 𝑓(2) = 1 e 𝑓 ′ (2) = 4. Obtemos:

𝑓(𝑥0 ) 1
𝑥1 = 𝑥0 − ′
= 2 − ⇒ 𝑥1 = 1,75
𝑓 (𝑥0 ) 4

A iteração 1 do método consiste em aplicar o mesmo processo a partir da estimativa atual 𝑥1 = 1,75.

Considere 𝑥1 = 1,75, 𝑓(𝑥1 ) = 𝑓(1,75) = 0,0625 e 𝑓 ′ (1,75) = 3,5. Obtemos:

𝑓(𝑥1 ) 0,0625
𝑥2 = 𝑥1 − ′
= 1,75 − ( ) ⇒ 𝑥2 = 1,732
𝑓 (𝑥1 ) 3,5

Repetindo este processo a partir do ponto 𝑥2 , realizamos a iteração 2 para determinar a aproximação 𝑥3 e
assim sucessivamente até obter, na iteração 𝑘, uma aproximação 𝑥𝑘+1 para a raiz 𝑥 ∗ , ou seja,

Iteração k: considere 𝑥𝑘 , 𝑓(𝑥𝑘 ) e 𝑓 ′ (𝑥𝑘 ). Obtemos:

𝑓(𝑥𝑘 )
𝑥𝑘+1 = 𝑥𝑘 −
𝑓 ′ (𝑥𝑘 )

A equação acima define o algoritmo para realizar a iteração 𝒌 do Método de Newton, para 𝑘 ∈ ℕ.

Exemplo 1: Considere o problema de se determinar o valor aproximado de √5.

a) Obtenha a função 𝑓(𝑥) tal que o problema de se resolver 𝑓(𝑥) = 0 se torna equivalente ao problema de
se determinar o valor aproximado de √5.
b) Dada uma aproximação inicial 𝑥0 = 1, aplique o Método de Newton para encontrar as aproximações 𝑥1 e
𝑥2 da raiz 𝑥 ∗ de 𝑓(𝑥).
c) Dada uma aproximação inicial 𝑥0 = 2, aplique o Método de Newton para encontrar as aproximações 𝑥1 e
𝑥2 da raiz 𝑥 ∗ de 𝑓(𝑥).

Solução:
a) A aproximação para √5 pode ser estimada pela função 𝑓(𝑥) = 𝑥 2 − 5.
b) A estimativa inicial da raiz da função é 𝒙𝟎 = 1.

Iteração 0:

 Aproximação inicial: 𝑥0 = 1
 Função: 𝑓(𝑥) = 𝑥 2 − 5 → 𝑓(𝑥0 ) = −4
 Derivada: 𝑓 ′ (𝑥) = 2𝑥 → 𝑓 ′ (𝑥0 ) = 2

𝑓(𝑥0 ) 𝑓(1)
𝑥1 = 𝑥0 − ′
=1− ′ → 𝑥1 = 3
𝑓 (𝑥0 ) 𝑓 (1)
Iteração 1:

 Aproximação inicial: 𝑥1 = 3
 Função: 𝑓(𝑥) = 𝑥 2 − 5 → 𝑓(𝑥1 ) = 4
 Derivada: 𝑓 ′ (𝑥) = 2𝑥 → 𝑓 ′ (𝑥1 ) = 6

Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023

 𝑓(𝑥1 ) 𝑓(3)
𝑥2 = 𝑥1 − ′
=3− ′ → 𝑥2 = 2,333
𝑓 (𝑥1 ) 𝑓 (3)
Portanto, estima-se com duas iterações que √5 ≈ 2,333.

c) A estimativa inicial da raiz da função é 𝒙𝟎 = 2.

Iteração 0:

 Aproximação inicial: 𝑥0 = 2
 Função: 𝑓(𝑥) = 𝑥 2 − 5 → 𝑓(𝑥0 ) = −1.
 Derivada: 𝑓 ′ (𝑥) = 2𝑥 → 𝑓 ′ (𝑥0 ) = 4

𝑓(𝑥0 ) 𝑓(1)
𝑥1 = 𝑥0 − ′
=2− ′ → 𝑥1 = 2,25
𝑓 0(𝑥 ) 𝑓 (1)
Iteração 1:

 Aproximação inicial: 𝑥1 = 2,25

 Função: 𝑓(𝑥) = 𝑥 2 − 5 → 𝑓(𝑥1 ) = 0,063.
 Derivada: 𝑓 ′ (𝑥) = 2𝑥 → 𝑓 ′ (𝑥1 ) = 4,5

𝑓(𝑥1 ) 𝑓(2,25)
𝑥2 = 𝑥1 − ′
= 2,25 − ′ → 𝑥2 = 2,236
𝑓 (𝑥1 ) 𝑓 (2,25)

Portanto, estima-se com duas iterações que √5 ≈ 2,236.

As Fases do Método de Newton

A ideia central do Método de Newton é a partir de uma aproximação inicial 𝑥0 para a raiz 𝑥 ∗ , em seguida,
refinar essa aproximação através de um método iterativo. Neste sentido, o Método de Newton possui duas
fases:

1) FASE I (Isolamento de raízes): Esta fase consiste em fazer uma análise teórica e gráfica da função 𝑓(𝑥)
com o objetivo de isolar a raiz de 𝑓(𝑥) que se pretende determinar em um intervalo [𝑎, 𝑏]. Deve-se considerar
um intervalo [𝑎, 𝑏] que contém a raiz da função 𝑓.

Há 2 maneiras de fazermos o isolamento das raízes:

1ª maneira: através do uso de uma tabela de pontos (𝑥, 𝑓(𝑥)). Sabe-se que se 𝑓(𝑥) é contínua num intervalo
e se 𝑓(𝑎) ⋅ 𝑓(𝑏) < 0 existe pelo menos um zero em [𝑎, 𝑏]. Sendo assim, basta tabelarmos a função 𝑓(𝑥) e
verificarmos onde há mudança de sinal de f(x).

OBS: note que o espaçamento entre os valores de 𝑥 não deve ser muito grande. Usamos em geral a distância
de “1”.

2ª maneira:

i. Escrever 𝑓(𝑥) como a diferença de funções 𝑔(𝑥) e ℎ(𝑥).

ii. Escrever 𝑓(𝑥) = 0, ou seja, 𝑓(𝑥) = 0 ⇔ 𝑔(𝑥) − ℎ(𝑥) = 0 ⇔ 𝑔(𝑥) = ℎ(𝑥).

Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023

 iii. Esboçar os gráficos de 𝑔(𝑥) e de ℎ(𝑥), determinando os intervalos onde estão os seus respectivos
pontos de interseção.

Exemplo 2: Localize a raiz da função 𝑓(𝑥) = 𝑥 3 − 9𝑥 + 3, utilizando o Método de Newton – FASE I.

Solução: 𝑓(𝑥) = 𝑥 3 − 9𝑥 + 3

⏟3 − ⏟
i. 𝑓(𝑥) = 𝑥 (9𝑥 − 3)
𝑔(𝑥) ℎ(𝑥)

ii. 𝑓(𝑥) = 0 ⇔ 𝑥 3 − (9𝑥 − 3) = 0 ⇔ 𝑥 3 = 9𝑥 − 3.

iii. Esboçando os gráficos das funções 𝑔(𝑥) e ℎ(𝑥).

Por inspeção do gráfico, observamos os pontos

de interseção dos gráficos de 𝑔(𝑥) e de ℎ(𝑥)
pertencem aos intervalos [−3.5, −3], [0,0.5] e
[2.5,3]..

Portanto, a função 𝑓(𝑥) possui três raízes

 𝑥1∗ ∈ [−3.5, −3];

 𝑥2∗ ∈ [0,0.5];
 𝑥3∗ ∈ [2.5,3].

Exemplo 3: Localize a raiz da equação 𝑥𝑙𝑛(𝑥) − 1 = 0, utilizando o Método de Newton – FASE I.

Solução: 𝑥 ln 𝑥 − 1 = 0 ⇔ 𝑓(𝑥) = 0

i. 𝑓(𝑥) = 𝑥 ln 𝑥 − 1
1
ii. 𝑓(𝑥) = 0 ⇔ 𝑥 ln 𝑥 − 1 = 0 ⇔ 𝑥 ln 𝑥 = 1 ⇔ ln
⏟ 𝑥= ⏟
𝑥
.
𝑔(𝑥)
ℎ(𝑥)

iii. Esboçando os gráficos das funções 𝑔(𝑥) e ℎ(𝑥).

5 Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023

 Por inspeção do gráfico, observamos o ponts
de interseção dos gráficos de 𝑔(𝑥) e de ℎ(𝑥)
pertence ao intervalo [1.5,2].

Portanto, a função 𝑓(𝑥) possui uma raiz:

 𝑥 ∗ ∈ [1.5,2]

𝒙∗

2) FASE II (Refinamento): Esta fase consiste em calcular uma aproximação mais precisa para a raiz da função
𝑓(𝑥) e que seja melhor do que aquela encontrada na FASE I. O processo é iterativo e será repetido
sucessivamente até que a melhor aproximação da raiz seja obtida dentro de uma precisão 𝜀 prefixada. Ao
longo do processo, a cada iteração, utiliza-se o resultado da iteração anterior como parâmetro de entrada
para o cálculo seguinte. A Fase II depende fortemente da precisão da estimativa feita na Fase I.

O método iterativo de refinamento pode ser ilustrado por meio do fluxograma apresentado na Figura 3.

Início

Dados iniciais

Cálculos iniciais

𝑘=1

Calcule a nova
aproximação

A aproximação está próxima Cálculos

o suficiente da raiz exata? finais

FIM
Cálculos
intermediários

𝑘 =𝑘+1

Figura 3: Fluxograma da FASE II

6 Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023

 Critérios de Parada

Observamos no diagrama de fluxo que o método iterativo para refinamento de uma raiz realiza um teste que
avalia quão perto a aproximação inicial está da raiz real. O teste irá considerar que, fixada uma precisão 𝜀, a
raiz 𝑥𝑘+1 é uma raiz aproximada para 𝑓(𝑥) se:

i. |𝑥𝑘+1 − 𝑥 ∗ | < 𝜀 ou
ii. |𝑓(𝑥𝑘+1 )| < 𝜀.

No entanto, não temos conhecimento de quem é a raiz 𝑥 ∗ para que possamos aplicar o teste i. Neste caso, a
estratégia é reduzir o intervalo que contém a raiz, a cada iteração. Tecnicamente, o que se faz é aplicar o
critério de parada sobre o erro absoluto entre duas aproximações sucessivas, ou seja, avaliamos se

|𝑥𝑘+1 − 𝑥𝑘 | < 𝜀.

E também consideramos o módulo do valor de 𝑓 na aproximação 𝑥𝑘+1 , |𝑓(𝑥𝑘+1) | < 𝜀 para assegurar o
resultado. É importante ressaltar que a precisão 𝜀, em cada um dos critérios, não precisa ser necessariamente
a mesma. Caso sejam distintas chamaremos de 𝜀1 𝑒 𝜀2 .

Algoritmo do Método de Newton

O processo iterativo do Método de Newton requer uma quantidade máxima 𝑀 de iterações esperadas, uma
precisão de 𝜀 para a estimativa e uma aproximação inicial 𝑥0 . O algoritmo pode ser resumido nos seguintes
passos:

 PASSO 0: Dados 𝑀 ∈ ℕ, uma precisão 𝜀 > 0 e uma aproximação inicial 𝑥0 . Faça 𝑘 = 0.

 PASSO 1: Enquanto 𝑘 ≤ 𝑀 faça:
𝑓(𝑥𝑘 )
 PASSO 2: 𝑥𝑘+1 = 𝑥𝑘 −
𝑓′(𝑥𝑘 )
 PASSO 3: Se |𝑓(𝑥𝑘+1 )| < 𝜀 ou |𝑥𝑘+1 − 𝑥𝑘 | < 𝜀: imprima 𝑥𝑘+1 e pare o algoritmo.
 PASSO 4: caso contrário: faça 𝑥𝑘 = 𝑥𝑘+1 , 𝑘 = 𝑘 + 1 e volte para o passo 1.
 PASSO 5: Fim.

Exemplo 4: Considerando o Exemplo 2, aplique a Fase II de refinamento do Método de Newton para resolver
a função 𝑓(𝑥) = 𝑥 3 − 9𝑥 + 3, sabendo que a raiz está localizada no intervalo [0,0.5], pela Fase I.

Solução: De acordo com o fluxograma da FASE II de refinamento, precisamos inserir os dados iniciais.

 Aproximação inicial: 𝑥0 = 0,4

 Função: 𝑓(𝑥) = 𝑥 3 − 9𝑥 + 3 → 𝑓(𝑥0 ) = −0,536.
 Derivada: 𝑓 ′ (𝑥) = 3𝑥 2 − 9 → 𝑓 ′ (𝑥0 ) = −8,520.
 Precisão: 𝜀 = 10−3 .

Iteração 0:
𝑓(𝑥0 ) 𝑓(0,4)
𝑥1 = 𝑥0 − ′
= 0,4 − ′ → 𝑥1 = 0,337
𝑓 (𝑥0 ) 𝑓 (0,4)

Testando o critério de parada:

 CRITÉRIO 1: |𝑥1 − 𝑥0 | = |0,337 − 0,4| = 0,063 > 10−3 .

7 Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023

  CRITÉRIO 2: |𝑓(𝑥1 )| = 0,005 > 10−3 .

Como nenhum dos critérios de parada foi satisfeito, ainda podemos melhorar a aproximação. Então, fazemos
𝑘 = 1 e realizamos a iteração 1 considerando como aproximação inicial 𝑥1 = 0,337.

Iteração 1:

 Aproximação inicial: 𝑥1 = 0,337

 Função: 𝑓(𝑥) = 𝑥 3 − 9𝑥 + 3 → 𝑓(𝑥1 ) = 0,005.
 Derivada: 𝑓 ′ (𝑥) = 3𝑥 2 − 9 → 𝑓 ′ (𝑥1 ) = −8,659.
 Precisão: 𝜀 = 10−3

𝑓(𝑥1 ) 𝑓(0,337)
𝑥2 = 𝑥1 − ′
= 0,337 − ′ → 𝑥2 = 0,338.
𝑓 (𝑥1 ) 𝑓 (0,337)

Testando o critério de parada:

 CRITÉRIO 1: |𝑥2 − 𝑥1 | = |0,338 − 0,337| = 0,0006 < 10−3 .

 CRITÉRIO 2: |𝑓(𝑥2 )| = 0,0000004 < 10−3 .
Como os dois critérios de parada foram satisfeitos, temos que a aproximação para a raiz 𝑥 ∗ é 𝑥2 = 0,338.

Exemplo 5: Considerando o Exemplo 3, aplique a Fase II de refinamento do Método de Newton para resolver
a equação 𝑥𝑙𝑛(𝑥) − 1 = 0, sabendo que a raiz está localizada no intervalo [1.5,2], pela Fase I.

Solução: De acordo com o fluxograma da FASE II de refinamento, precisamos inserir os dados iniciais.

 Aproximação inicial: 𝑥0 = 1,9

 Função: 𝑓(𝑥) = 𝑥𝑙𝑛(𝑥) − 1 → 𝑓(𝑥0 ) = 0,220.
 Derivada: 𝑓 ′ (𝑥) = 𝑙𝑛(𝑥) + 1 → 𝑓 ′ (𝑥0 ) = 1,642.
 Precisão: 𝜀 = 10−3 .

Iteração 0:
𝑓(𝑥0 ) 𝑓(1,9)
𝑥1 = 𝑥0 − ′
= 1,9 − ′ → 𝑥1 = 1,766
𝑓 (𝑥0 ) 𝑓 (1,9)

Testando o critério de parada:

 CRITÉRIO 1: |𝑥1 − 𝑥0 | = |1,766 − 1,9| = 0,134 > 10−3 .

 CRITÉRIO 2: |𝑓(𝑥1 )| = 0,005 > 10−3 .

Como nenhum dos critérios de parada foi satisfeito, ainda podemos melhorar a aproximação. Então, fazemos
𝑘 = 1 e realizamos a iteração 1 considerando como aproximação inicial 𝑥1 = 1,766.

Iteração 1:

 Aproximação inicial: 𝑥1 = 1,766

 Função: 𝑓(𝑥) = 𝑥𝑙𝑛(𝑥) − 1 → 𝑓(𝑥1 ) = 0,004.
 Derivada: 𝑓 ′ (𝑥) = 𝑙𝑛(𝑥) + 1 → 𝑓 ′ (𝑥1 ) = 1,569
 Precisão: 𝜀 = 10−3

8 Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023

 𝑓(𝑥1 ) 𝑓(1,766)
𝑥2 = 𝑥1 − ′
= 1,766 − ′ → 𝑥2 = 1,763.
𝑓 (𝑥1 ) 𝑓 (1,766)

Testando o critério de parada:

 CRITÉRIO 1: |𝑥2 − 𝑥1 | = |1,763 − 1,766| = 0,003 > 10−3 .

 CRITÉRIO 2: |𝑓(𝑥2 )| = 0,0000022 < 10−3 .

Como o segundo critério de parada foi satisfeito, temos que a aproximação para a raiz 𝑥 ∗ é 𝑥2 = 1,763.

É importante ressaltar que o Método de Newton nem sempre converge. Uma das desvantagens do Método
de Newton é que, se em algum ponto 𝑥𝑘 obtemos 𝑓′(𝑥𝑘 ) = 0, o método não converge.

Exemplo 6: Para a função 𝑓(𝑥) = 𝑥 4 – 4𝑥 – 1, use o Método de Newton para obter o zero pertencente ao
intervalo [1,2]. Use 𝑥0 = 2 e precisão 𝜀1 = 0,05 e 𝜀2 = 0,001.

Exercícios propostos e aplicações

1) Dada a equação não linear ln 𝑥 + 𝑥 − 4 = 0, responda os itens abaixo.

a) Utilize o método gráfico para localizar a raiz 𝑥 ∗ da equação.

b) Definindo 𝑓(𝑥) = ln 𝑥 + 𝑥 − 4 e considerando uma aproximação inicial 𝑥0 = 1.5 e uma precisão 𝜀 =
10−4, aplique o Método de Newton para encontrar a raiz 𝑥 ∗ da equação. Preencha a tabela abaixo para cada
iteração até a convergência.

2) Determine a menor raiz positiva da equação 8 sin(𝑥) 𝑒 −𝑥 − 1 = 0

a) Graficamente.
b) Definindo 𝑓(𝑥) = 8 sin(𝑥) 𝑒 −𝑥 − 1 e considerando 𝑥0 = 1.5 como aproximação inicial e 𝜀 = 10−4como a
precisão, aplique o Método de Newton para encontrar a raiz 𝑥∗ da equação. Preencha a tabela abaixo para
cada iteração, até a convergência.

3) Lee e Duffy relacionaram o fator de atrito para escoamento de partículas fibrosas em suspensão com o
número de Reynolds, pela seguinte equação empírica:

1 1 5.6
= ( ) ln(𝑅𝐸√𝑓) + (14 − )
√𝑓 𝑘 𝑘

9 Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023

 Nesta relação, 𝑓 é o fator de atrito, 𝑅𝐸 é o número de Reynolds e 𝑘 é uma constante determinada pela
concentração de partículas em suspensão. Para uma suspensão de 0.08% de concentração, temos que, 𝑘 =
0.28. Determine o valor de 𝑓 quando 𝑅𝐸 = 3750.

4) (O Problema da Deflexão de uma Viga) A figura, abaixo, exibe uma viga uniforme de comprimento 𝐿
sujeita a uma carga distribuída de forma linearmente crescente.

A equação para a curva elástica resultante é dada por:

𝜔0
𝑦(𝑥) = (−𝑥 5 + 2𝐿2 𝑥 3 − 𝐿4 𝑥)
120𝐸 ⋅ 𝐼 ⋅ 𝐿

Utilize o Método de Newton para determinar o ponto de deflexão máxima da viga.

𝑁
Em seguida, determine o valor da deflexão máxima. Adote 𝐿 = 600𝑐𝑚, 𝐸 = 50000 𝑐𝑚2
, 𝐼 = 30000 𝑐𝑚4 e
𝑁
𝑤0 = 2500 𝑐𝑚. Sua resposta deve respeitar uma precisão de 5 casas decimais.

5) A figura a seguir mostra um caso em que o Método de Newton falha para a função 𝑓(𝑥) = 𝑥 4 − 𝑥 2 .
Encontre os pontos iniciais que produzem este comportamento falho do método.

10 Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023

 6) A figura representa um vulcão em erupção. A relação entre a distância 𝑦 (milhas) percorrida pela lava e o
tempo 𝑡 (horas) é dada por 𝑦(𝑡) = 7 ⋅ (2 – 0,9𝑡 ).

Existe uma aldeia no sopé da montanha a uma distância de 𝑦 = 10. A defesa civil advertiu os moradores da
aldeia de que a lava chegaria às suas casas em menos de 6 horas. Calcule, usando o Método de Newton, o
instante de tempo em que a lava do vulcão atinge a aldeia. Considere 𝜀1 = 𝜀2 = 10−3 ou no máximo 3
iterações. Utilize 𝑥0 = 6 (pois é a estimativa inicial da defesa civil).

6) A seguinte equação pode ser usada para calcular o nível de concentração de oxigénio c num rio, em função
da distância 𝑥, medida a partir do local de descarga de poluentes:

𝑐(𝑥) = 10 − 20 ⋅ (𝑒 −0,2𝑥 − 𝑒 −0,75𝑥 ).

Calcule a distância para a qual o nível de oxigénio desce para o valor 5. Utilize para aproximação inicial o valor
𝑥0 = 1 e considere 𝜀1 = 𝜀2 = 10−2 ou no máximo 3 iterações.

7) Considere a função 𝑦 = 𝑓(𝑥) ilustrada na figura abaixo. Realize uma iteração do Método de Newton,
simplesmente plotando 𝑥1 na figura e explicando como obteve tal ponto.

11 Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023

 Gabarito dos exercícios propostos

1)

b)
O valor aproximado da raiz 𝑥 ∗ é igual a 2.9262.

2)

b)

O valor aproximado da raiz 𝑥 ∗ é igual a 1.9892.

3) 𝑓 ≈ 0.00512

4) O ponto de deflexão máxima é 268.32815 cm e a deflexão máxima é igual a 515.19 cm.

6) O tempo é aproximadamente de 5,3115 horas

7) Parou pelo critério do intervalo então a resposta pode ser um dos extremos, isto é, distância é um valor entre
0,5964 e 0,6023.

12 Introdução à Simulação Numérica – Lista de Exercícios, Teoria e Aplicações | 2023