Apostila de Cálculo Numérico

Profa . Vanessa Rolnik

Departamento de Computação e Matemática - FFCLRP/USP

Capı́tulo 2. Métodos numéricos para equações não lineares

2.1 - Isolamento de raı́zes e o Método da Bissecção

Este material é baseado nas Seções 3.1 e 3.2 do livro FRANCO, N.B. Cálculo
Numérico. São Paulo: Pearson Prentice Hall, 2006.

Queremos calcular as raı́zes da equação

f (x) = 0, (1)

sendo f : Df ⊂ R → R.

Procurar pelas raı́zes da equação f (x) = 0 é equivalente a procurar pelos zeros da

função f , isto é, pelos valores que vão fazer a função valer zero.

Isolamento de raı́zes
Os métodos numéricos requerem que as raı́zes da equação estejam isoladas, isto é,
que encontremos um intervalo que contenha exatamente uma raiz; ou que o processo
de busca se inicie próximo à solução.

Ferramentas:

1) Teorema do Valor Intermediário (TVI): Se uma função contı́nua f (x) assume

valores de sinais opostos nos extremos do intervalo [a, b], isto é, se f (a)f (b) < 0, então
existe pelo menos um ponto x∗ ∈ [a, b] tal que f (x∗ ) = 0.

Ex. f : R → R definida por f (x) = x2 + x − 6.

Como essa função é contı́nua para todos os números reais, vamos procurar onde ela
troca de sinal. Para isso, vamos contruir uma tabela para verificar o sinal da tabela
para alguns valores de x.

x −6 −4 −2 −1 0 1 3
sinal de f (x) + + − − − − +

Vemos que a função troca de sinal nos intervalos [−4, −2] e [1, 3]. Como trata-se de
um polinômio de grau 2, sabemos que possui no máximo duas raı́zes. Logo isolamos os
zeros da f nesses intervalos.

1
 2) Se f 0 (x) > 0 para todo x ∈ [a, b] então f é crescente nesse intervalo. Se f 0 (x) < 0
para todo x ∈ [a, b] então f é decrescente nesse intervalo.

Ex. f : R → R definida por f (x) = x2 + x − 6.

f 0 (x) = 2x + 1 < 0 para x < − 21 então f é decrescente em (∞, − 12 ). Em particular,

f é decrescente em [−4, −2] e, pelo TVI, como f (−4) e f (−2) tem sinais opostos,
existe pelo menos um zero neste intervalo. Assim, concluı́mos que neste intervalo há
exatamente um zero da f .
f 0 (x) = 2x + 1 > 0 para x > − 12 então f é crescente em (− 12 , ∞).Em particular, f é
crescente em [1, 3] e, pelo TVI, como f (1) e f (3) tem sinais opostos, existe pelo menos
um zero neste intervalo. Logo, neste intervalo há exatamente um zero da f .

3) Se pudermos decompor f (x) na subtração de duas funções g(x) e h(x), isto é,
f (x) = g(x) − h(x), na intersecções dos gráficos da g e da h encontram-se as raı́zes de
f . A ideia aqui é escolher funções g e h fáceis de esboçar.

Ex. f : R → R definida por f (x) = x2 + x − 6.

Escolhemos g(x) = x2 e h(x) = −x + 6 (atenção com o sinal). Repare que na

2 2
intersecção dos gráficos, g(x∗ ) = h(x∗ ) ⇒ x∗ = −x∗ + 6 ⇒ x∗ + x∗ − 6 = 0 ⇒
f (x∗ ) = 0.
Olhando para o gráfico das duas funções, vemos duas e apenas duas intersecções,
uma do lado negativo, aparentemente entre [−4, −2] e outra do lado positivo, aparen-
temente entre [1, 3]. Como não conseguimos ter certeza do intervalo, combinamos esse
teste com o TVI. Como f (−4) > 0 e f (−2) < 0, uma raı́z está neste intervalo e como
f (1) < 0 e f (3) > 0 então a outra raı́z está neste intervalo.

2
Exerı́cios
√
1) Isole todos os zeros de f (x) = x − 5e−x .

Em primeiro lugar, observamos que Df = [0, ∞) e que f é contı́nua em Df .

1a alternativa de resolução:
Vamos começar procurando onde f troca de sinal. Para isso, contruı́mos uma tabela
de sinais da f para alguns valores de x

x 0 1 2 3 4 ···
sinal de f (x) − − + + + ···

Observamos que a função troca de sinal no intervalo [1, 2] e depois não sabemos se
1
trocará de sinal novamente. Analisando o sinal da derivada da f , f 0 (x) = √ +5e−x >
2 x
0 para todo x ∈ (0, ∞). Logo, f é sempre crescente. Com isso, conseguimos concluir
que existe somente um zero da f e ele encontra-se em [1, 2].

2a alternativa de resolução:
√
Começando pelo método gráfico, escolhemos g(x) = x e h(x) = 5e−x e esboçamos
os gráficos em um mesmo plano cartesiano

Observamos que os gráficos se interceptam apenas em um ponto. Para obter um

intervalo contendo a raı́z, aplicamos o TVI, f (1) < 0 e f (2) > 0. Logo, a raı́z está
isolada neste intervalo.

2) Isole todos os zeros de f (x) = x log(x) − 1.

Sugestão: pelo método gráfico, podemos escolher g(x) = log(x) e h(x) = x1 , que
são fáceis de esboçar. Nos pontos de intersecção, g(x∗ ) = h(x∗ ) ⇒ log(x∗ ) = x1∗ ⇒
x∗ log(x∗ ) = 1 ⇒ x∗ log(x∗ ) − 1 = 0 ⇒ f (x∗ ) = 0.

3) Localizar, com as ferramentas desta aula, as raı́zes de

a) 4 cos(x) − e2x = 0
b) 2x − 3x = 0
2
c) (x + 1)2 ex −2 − 1 = 0

3
Método da Bissecção (ou dicotimia)
Objetivo: encontrar uma aproximação para uma das raı́zes da equação f (x) = 0

Ideia: tomar um intervalo [a, b] para o qual f é contı́nua e f (a)f (b) < 0 (teorema do
valor intermediário), descartar metade do intervalo, ficando com a metade que contém
a raiz procurada; repetir esse procedimento até que estejamos tão próximo da solução
quanto queiramos.

Partindo de [a, b] tal que f (a)f (b) < 0, calculamos

 x = a+b

1 (ponto médio)
2
f (x1 ) (valor da f no ponto médio)


Existem três possibilidades para f (x1 ):

• f (x1 ) = 0, neste caso x1 é raiz da equação e não precisamos fazer mais nada;

• f (a)f (x1 ) < 0, sinal contrário a f (a), a raiz procurada está entre a e x1 ; o processo
pode ser repetido sobre o novo intervalo [a, x1 ];

• f (a)f (x1 ) > 0, mesmo sinal de f (a) e sinal oposto a f (b), isto é, f (x1 )f (b) < 0;
a raiz procurada está entre x1 e b; o processo pode ser repetido sobre o novo
intervalo [x1 , b].

Continuando dessa forma, o processo segue conforme a ilustração

De forma sistematizada

• chamamos o intervalo inicial [a, b] = [a0 , b0 ], para k = 1, 2, ...

ak−1 + bk−1
• calculamos xk =
2

< 0 então ak = ak−1 e bk = xk ,
• fazemos o teste: se f (ak−1 )f (xk )
> 0 então ak = xk e bk = bk−1
• até que para algum k, o teste de parada bk − ak <  seja satisfeito, onde  é a
precisão (ou tolerância) dada

4
 Exemplo: determinar uma aproximação para a menor raiz positiva da equação

cos(x) − x = 0, (2)

com erro inferior a 10−2 .

Começamos fazendo os gráficos de e g(x) = x e h(x) = cosx

g(x) = x

h(x) = cos(x)

1 p /2 x

e observando que eles se interceptam uma única vez, entre 0 e π/2. Assim, vamos tomar
como intervalo inicial [0.5, 1.5].

É importante observar ainda que f é contı́nua em [0.5, 1.5] e que f (0.5) = 0.377583 >
0 e f (1.5) = −1.429263 < 0 (obs. coloque sua calculadora em radianos !!!), portanto
sinais contrários.

Aplicando o método da bissecção com a0 = 0.5 e b0 = 0.5

1a. iteração (k = 1)
a0 + b 0 0.5 + 1.5
x1 = = =1
2 2
f (x1 ) = f (1) = cos(1) − 1 = −0.459698 < 0, sinal trocado com a0 , logo a raiz
está no intervalo [0.5, 1]
⇒ a1 = a0 e b 1 = x 1 = 1
Teste de parada:
b1 − a1 = 1 − 0.5 = 0.5 > 1 × 10−4
CONTINUE

0.5 + 1
2a. iteração (k = 2) x2 = = 0.75
2
f (x2 ) = f (0.75) = cos(0.75) − 0.75 = −00183111 < 0, sinal trocado com a1 , logo
a raiz está no intervalo [0.5, 0.75]
⇒ a2 = a1 e b2 = x2 = 0.75
Teste de parada:
b2 − a2 = 0.75 − 0.5 = 0.25 > 1 × 10−2
CONTINUE

5
 0.5 + 0.75
3a. iteração (k = 3) x3 = = 0.625
2
f (x3 ) = f (0.625) = cos(0.625) − 0.625 = 0.185963 > 0, sinal trocado com b2 , logo
a raiz está no intervalo [0.625, 0.75]
⇒ a3 = x3 = 0.625 e b3 = b2
Teste de parada:
b3 − a3 = 0.75 − 0.625 = 0.125 > 1 × 10−2
E assim, por diante. Colocando os resultados em uma tabela, temos
iteração ak−1 bk−1 xk erro
1 0.5 1.5 1 1
2 0.5 1 0.75 0.25
3 0.5 0.75 0.625 0.125
0.625 0.75 0.0625
..
.
Quando o teste de parada for satisfeito, diremos que a solução aproximada x ∈
(ak , bk ).

Exercı́cios

1) Calcular uma fórmula para sabermos o número de iterações necessárias começando

de um intervlo [a, b] para o resultado atingir uma precisão . Aplique a fórmula para
no exemplo anterior em que [a, b] = [0.5, 1.5] e  = 10−2 . Aplique o a fórmula para o
mesmo intervalo mas  = 10−4 .

2) Encontre uma aproximação para a raiz em [2, 3] da equação

8 − 4, 5(x − sen x) = 0, (3)
usando o método da bissecção com erro inferior a 10−2 .
obs. antes de iniciar o método, comprove que existe uma única raiz no intervalo
dado.

3) Defina um método numérico iterativo e um método numérico direto.

4) a) Escreva um algoritmo para o método das bissecções. Em seguida, implemente em

linguagem C.
b) Modifique o algoritmo do item a) olhando para o método da Bissecção como um
método direto.

5) Dado o seguinte teorema:

Teorema: Suponha que f ∈ C[a, b] e f (a)f (b) < 0. O método da bissecção gera uma
sequência {xk }∞ ∗
k=1 que se aproxima do zero x da f em [a, b] com

b−a
|x∗ − xk | ≤ , quando k ≥ 1.
2k

6
 a) Demonstre o teorema.

b) Aplique o teorema no exemplo da aula e no Exercı́cio 2), calculando o limitante

superior para o erro absoluto em cada iteração.

7
2.2 - Métodos Iterativos para zeros de funções
Este material é baseado nas Seções 3.3, 3.4 e 3.5 do livro FRANCO, N.B. Cálculo
Numérico. São Paulo: Pearson Prentice Hall, 2006.

O objetivo é apresentar alguns métodos numéricos iterativos para aproximação de

solução de equações não lineares e discutir aplicabilidade, vantangens e desvantagens
de cada um.
Seja a equação
f (x) = 0, (4)
em que f é uma função contı́nua em um intervalo que contenha a raiz procurada.

Método da Iteração Linear

O método da Iteração Linear (ou do Ponto Fixo), consiste em isolar um x da equação
(4) e transformá-la em
x = ϕ(x) (5)
e, a aprtir daı́, criar um processo iterativo colocando as variáveis x do lado direito na
iteração k e a variável x do lado esquedo ma iteração k + 1, obtendo

xk+1 = ϕ(xk ). (6)

O processo iterativo começa por um x0 dado, uma aproximação inicial para uma
solução de (5), e usando o processo iterativo (6) calculamos uma sequência de apro-
ximações para a solução. Este processo é chamado de Método da Iteração Linear.
É importante observar que uma solução de (5), chamada de ponto fixo de ϕ(x), é
também solução de (??).
Exemplo 1. Para a equação x2 + x − 6 = 0, encontre possı́veis processos iterativos.
√ √
a) xk+1 = 6 − x2k b) xk+1 = 6 − xk c) xk+1 = − 6 − xk
6 6
d) xk+1 = −1 e) xk+1 =
xk xk − 1
Exemplo 2. Aplique os processos iterativos obtidos em a) e b) do exemplo anterior,
começando de x0 = 1. Como cada um se comportou?
√
a) xk+1 = 6 − x2k b) xk+1 = 6 − xk
x0 = 1 x0 = 1
√
x1 = 6 − 12 = 5 x1 = 6 − 1 = 2.236068
√
x2 = 6 − 52 = −19 x2 = 6 − 2.236068 = 1.940085
√
x3 = 6 − (−19)2 = −355 x3 = 6 − 1.940085 = 2.014923
√
x4 = 6 − (−355)2 = x4 = 6 − 2.014923 = 1.996265
O processo está divergindo O processo está convergindo

8
Exemplo 3. Descreva os processos do Exemplo 2 de forma geométrica.

Conclusão : não é todo processo iterativo que converge.

Teorema 1. Seja ϕ(x) uma função contı́nua, com derivada primeira e segunda contı́nuas
num intervalo I = (x∗ − h, x∗ + h), h > 0, cujo centro x∗ é solução de x = ϕ(x). Seja
x0 ∈ I e |ϕ0 (x)| < 1 em I. Então:
i) xk ∈ I, k = 1, 2, ...;
ii) lim xk = x∗ ;
k→∞

iii) x∗ é a única raiz de x = ϕ(x) em I.

Demonstração no livro-texto.

Exemplo 4. Aplique o teorema nos processos a) e b) do Exemplo 1.

9
Método de Newton
O método de Newton (ou Newton-Raphson) é um dos métodos numéricos mais
eficientes e conhecidos para a solução de um problema de determinação de raiz de
equações da forma (4).
Dado x0 , uma aproximação inicial para a solução x∗ de (4), refinamos as apro-
ximações por meio da fórmula

f (xk )
xk+1 = xk − , para k ≥ 0. (7)
f 0 (xk )
√
Exemplo 5. Encontre uma aproximação para 7 com 10 casas decimais corretas.

Dedução do método de Newton pelas séries de Taylor

10
 Interpretação geométrica do método de Newton

Graficamente, as aproximações podem ser vistas como tangentes sucessivas, ou seja,

começando da aproximação inicial x0 , a aproximação x1 é a intersecção da reta tangente
ao gráfico de f em (x0 , f (x0 )) com o eixo x, a aproximação x2 é a intersecção da reta
tangente ao gráfico de f em (x1 , f (x1 )) com o eixo x, e assim por diante.

f(x)

x*
x2 x1 x0 x

Três perguntas sobre o método de Newton:

1) como descobrir por qual x0 começar?
2) quando parar o processo?
3) para quais condições sobre a f , a sequência gerada pelas aproximações x0 , x1 ,...
converge para uma solução da equação (4)?

A resposta da pergunta 1) é fazer o isolamento das raı́zes, conforme material anterior.

A resposta para a pergunta 2) são os critérios de parada, dada uma tolerância (ou
precisão)  e um número máximo de iterações N M AX:

• Erro aboluto estimado: |xk+1 − xk | < 

|xk+1 − xk |
• Erro relativo estimado: < , para xk+1 6= 0
|xk+1 |
• Valor absoluto da função: |f (xk+1 )| < 

• Número máximo de iterações: k + 1 ≤ N M AX.

A resposta da pergunta 3) é que o método de Newton é um caso particular do

método da iteração linear com a função de iteração dada por

f (x)
φ(x) = x − , (8)
f 0 (x)

supondo f 0 6= 0 em um intervalo contendo a raiz x∗ .

11
 Pelo Teorema 1, um método será convergente se |φ0 (x)| < 1, para todo x ∈ I =
(x − h, x∗ + h). No caso do Método de Newton, vamos fazer φ0 (x∗ ) = 0, de onde vemos
∗

que
[f 0 (x)]2 − f (x)f 00 (x) f (x)f 00 (x)
φ0 (x) = 1 − = , (9)
[f 0 (x)]2 [f 0 (x)]2
e assim, φ é contı́nua desde que f 0 e f 00 existem, f , f 0 e f 00 sejam contı́nuas em uma
região próxima de x∗ . Como φ0 (x∗ ) = 0 e φ é contı́nua, em algum intervalo próximo a
x∗ , |φ0 (x)| < 1. Logo, podemos dizer que o método de Newton, desde que f satisfaça
as condições acima e que x0 seja tomado nessa intervalo, sempre irá convergir para x∗ .

Definição. A ordem de convergência dos métodos para encontrar raı́zes de equações

é p, com constante assintótica C 6= 0 se o limite abaixo for satisfeito

|xk+1 − x∗ |
lim = C. (10)
k→∞ |xk − x∗ |p

Teorema. (a) A ordem de convergência do método da iteração linear é linear, ou seja,

p = 1. (b) Se f , f 0 e f 00 são contı́nuas em I, cujo centro x∗ é solução de f (x) = 0, e se
f 0 (x∗ ) 6= 0, então a ordem de convergência do método de Newton é quadrática, ou seja,
p = 2.

Exemplo 6. Determine uma aproximação para a raiz positiva da equação

cos(x) − x = 0,

usando o método de Newton com erro relativo estimado inferior a 10−4 e número máximo
de iterações igual a 5.

Para conseguir uma aproximação inicial próxima à solução, fazemos o isolamento da

raiz olhando para os gráficos de g(x) = x e h(x) = cos(x), conforme figura abaixo, onde
vemos que existe uma raı́z da equação (2) em [0, π/2]. Assim, vamos tomar x0 = π/4.

g(x) = x

h(x) = cos(x)

1 p /2 x

Observamos que f (x) = cos(x) − x = 0 e f 0 (x) = −sen(x) − 1. Aplicando o método

de Newton para k = 0, 1, ... e a cada iteração calculando o erro relativo estimado, temos:
(obs. coloque sua calculadora em radianos !!!)

12
1a. iteração (k = 0)
f (x0 ) = f (π/4) = cos(π/4) − π/4 = −0.07829138221
f 0 (x0 ) = f 0 (π/4) = −sen(π/4) − 1 = −1.707106781
f (x0 ) −0.07829138221
x1 = x0 − 0
= π/4 − = 0.7395361335
f (x0 ) −1.707106781
Teste de parada:
|x1 − x0 | |0.7395361335 − π/4|
= = 6.201458972 × 10−2 > 1 × 10−4
|x1 | |0.7395361335|
k + 1 = 1 < N M AX
CONTINUE

2a. iteração (k = 1)
f (x1 ) = f (0.7395361335) = cos(0.7395361335)−0.7395361335 = −0.00075487465
f 0 (x1 ) = f 0 (0.7395361335) = −sen(0, 7395361335) − 1 = −1.673945288
f (x1 ) −0.00075487465
x2 = x1 − 0
= 0.7395361335 − = 0.7390851781
f (x1 ) −1.673945288
Teste de parada:
|x2 − x1 | |0.7390851781 − 0.7395361335|
= = 6.1015348 × 10−4 > 1 × 10−4
|x2 | |0.7390851781|
k + 1 = 2 < N M AX
CONTINUE

3a. iteração (k = 2)
f (x2 ) = f (0.7390851781) = cos(0.7390851781)−0.7390851781 = −0.00000007511
f 0 (x2 ) = f 0 (0.7390851781) = −sen(0.7390851781) − 1 = −1.673612062
f (x2 ) −0.00000007511
x3 = x2 − = 0.7390851781 − = 0.7390851332
f 0 (x2 ) −1.673612062
Teste de parada:
|x3 − x2 | |0.7390851332 − 0.7390851781|
= = 6.073 × 10−8 < 1 × 10−4
|x3 | |0.7390851332|
PARE, pois atingiu a precisão desejada.

Resposta, a solução aproximada para a raiz positiva de (2) com erro inferior a
10−4 é x = 0.7390851332.

As soluções geradas são dadas pela tabela abaixo.

13
 k xk erro
0 0.7853981635 0
1 0.7395361335 6.2 ×10−2
2 0.7390851781 6.1 ×10−4
3 0.7390851332 6.1 ×10−8

Métodos das Secantes

Vemos que uma dificuldade na aplicação do método de Newton é a necessidade de
se obter f 0 (x) bem como calcular seu valor numérico a cada passo. Uma maneira de
contornar essa dificuldade é substituir a derivada f 0 (xk ) por um quociente de difrenças
da forma
f (xk ) − f (xk−1 )
f 0 (xk ) ≈ , (11)
xk − xk−1
onde xk e xk−1 são duas aproximações quaisquer para a raı́z x∗ . Observe que f 0 (xk ) é
o limite do quociente quando xk−1 → xk .
Substituindo (11)em (7),

f (xk ) (xk − xk−1 )f (xk )

xk+1 = xk − = xk − .
f (xk ) − f (xk−1 ) f (xk ) − f (xk−1 )
xk − xk−1
Daı́, obtemos o método das secantes

xk−1 f (xk ) − xk f (xk−1 )

xk+1 = , para k ≥ 1. (12)
f (xk ) − f (xk−1 )

Observe que para iniciar, precisamos de duas aproximações iniciais para a solução, x0
e x1 . Para que haja convergência precisamos de f contı́nua e que f 0 exista e seja contı́nua
em uma vizinhança da raiz x∗ e, além disso, devemos tomar x0 e x1 suficientemente
próximass da solução x∗ .
Graficamente, as aproximações podem ser vistas como secantes sucessivas, ou seja,
começando das aproximações iniciais x0 e x1 , a aproximação x2 é a intersecção da reta
secante ao gráfico de f nos pontos (x0 , f (x0 )) e (x1 , f (x1 )) com o eixo x. A aproximação
x3 é a intersecção da reta secante ao gráfico de f em (x1 , f (x1 )) e (x2 , f (x2 )) com o eixo
x, e assim por diante.

14
 A ordem de convergência do método das secantes é p = 1.618, inferior a p = 2 do
Método de Newton. Isso faz com que o método das secantes tenha convergência mais
lenta do que Newton. No entanto, a convergência mais lenta é compensada pois além
de não precisar do cálculo da derivada, no método de Newton calculamos, a cada passo,
f (xk ) e f 0 (xk ) enquanto que no das secantes, calculamos apenas f (xk ), o que reduz o
esforço computacional, permitindo que com o mesmo tempo, o método das secantes
possa realizar mais iterações.

Exemplo 7. Repita o Exemplo 6 usando o método das secantes.

Do Exemplo 6 sabemos que a solução está no intervalo [0, π/2]. Vamos tomar
x0 = 0.7 e x1 = 0.8.
Observamos que f (x) = cos(x) − x = 0. Aplicando o método das secantes para
k = 1, 2, ... e a cada iteração calculando o erro relativo estimado, temos:
(obs. coloque sua calculadora em radianos !!!)

1a. iteração (k = 0)
f (x0 ) = f (0.7) = cos(0.7) − 0.7 = 0.06484218728
f (x1 ) = f (0.8) = cos(0.8) − 0.8 = −0.1032932907
Teste de parada:
|x1 − x0 | |0.8 − 0.7|
= = 1.25 × 10−1 > 1 × 10−4
|x1 | |0.8|

x0 f (x1 ) − x1 f (x0 ) 0.7 ∗ −0.1032932907 − 0, 8 ∗ 0.06484218728

x2 = =
f (x1 ) − f (x0 ) −0.1032932907 − 0.06484218728
= 0.7385654403

Teste de parada:
|x2 − x1 | |0.7385654403 − 0.8|
= = 8.318092934 × 10−2 > 1 × 10−4
|x2 | |0.7385654403|
k + 1 = 1 < N M AX
CONTINUE

2a. iteração (k = 1)
f (x2 ) = f (0.7385654403) = cos(0.7385654403) − 0.7385654403 = 0.00086966457

x1 f (x2 ) − x2 f (x1 )
x3 = =
f (x2 ) − f (x1 )
0.8 ∗ 0.00086966457 − 0.7385654403 ∗ −0.1032932907
= 0.7390783622
0.00086966457 − (−0.1032932907)

Teste de parada:

15
 |x3 − x2 | |0.7390783622 − 0.7385654403|
= = 6.94002039 × 10−4 > 1 × 10−4
|x3 | |0.7390783622|
k + 1 = 2 < N M AX
CONTINUE

3a. iteração (k = 2)
f (x3 ) = f (0.7390783622) = cos(0.7390783622)−0.7390783622 = 0.0000113591145

x2 f (x3 ) − x3 f (x2 )
x4 = =
f (x3 ) − f (x2 )
0.7385654403 ∗ 0.0000113591145 − 0.7390783622 ∗ 0.00086966457
=
0.0000113591145 − 0.00086966457
0.739085150

Teste de parada:
|x4 − x3 | |0.739085150 − 0.7390783622|
= = 9.18405680 × 10−6 < 1 × 10−4
|x4 | |0.739085150|
PARE, pois atingiu a precisão desejada.

Resposta, a solução aproximada para a raiz positiva de (2) com erro inferior a
10−4 é x = 0.739085150.

As soluções geradas são dadas pela tabela abaixo.

iteração xn erro
0 0.7
0 0.8
1 0.7385654403 8.318092934 ×10−2
2 0.7390783622 6.94002039 ×10−4
3 0.739085150 9.18405680 ×10−6

Exercı́cios

1) Determinar uma aproximação para a raiz em [2, 3] da equação

8 − 4, 5(x − sen x) = 0,

usando o método de Newton e das secantes com erro relativo estimado inferior a 10−3
e número máximo de iterações igual a 10.

2) Faça uma análise da aplicabilidade, vantagem e desvantagem de cada método visto

nas aulas para encontrar raiz de equação não linear

16