04 Raizes

Zeros Reais de Funções
Prof. Wellington Passos de Paula

wpassos@ufsj.edu.br
Programa
1. Introdução
2. Isolamento das raízes
3. Refinamento
a) Critério de parada
b) Métodos iterativos
c) Comparação entre os métodos
Introdução

wpassos@ufsj.edu.br
Zeros de funções – Introdução
 Estudar métodos numéricos para a resolução de
equações não lineares (determinar a(s) raiz(es) de uma
função f(x), ou seja, encontrar o(s) valor(es) de x tal
que f(x) = 0)
 Fundamentar a necessidade de uso de métodos
numéricos para a resolução de equações não lineares
 Discutir o princípio básico que rege os métodos numéricos

para a resolução de equações não lineares
 Apresentar e discutir uma série de métodos destinados à

resolução de equações não lineares
 Necessidade de resolução de equações do tipo f(x) = 0
Estruturas F Circuitos
i
R +
v = g(i)
E -
+FV
Em cada nó
-FH +FH :
E - Ri – g(i) = 0
 FH = 0
-FV
 FV = 0 (Lei de Kirchhoff)
  é um zero da função f(x) ou raiz da equação

f(x) = 0 se f() = 0.
 Zeros podem ser reais ou complexos.
 Este capítulo trata de zeros reais de f(x).

 Abscissas dos pontos onde a curva intercepta o eixo x
f(x)
1 2 x
 Para uma equação de segundo grau na forma:
ax 2  bx  c  0
 Determinação das raízes em função de a, b e c:
x  b  b 2  4ac
2a
 Polinômios de grau mais elevado e funções com maior
grau de complexidade
 Impossibilidade de determinação exata dos zeros
 Uso de soluções aproximadas
 Etapas para a determinação de raízes a partir de
métodos numéricos
 FASE 1: Determinação de um intervalo (o menor possível)

que contenha apenas uma raiz
 FASE 2: Melhoramento do valor da raiz aproximada

(refinamento até que a raiz esteja dentro uma precisão ε
prefixada)
Isolamento de Raízes

wpassos@ufsj.edu.br
Isolamento de raízes
 Realização de uma análise teórica e gráfica da função
f(x)
 Precisão das análises é relevante para o sucesso da

fase posterior
 Teorema 1
Sendo f(x) contínua em um intervalo [a, b], se f(a)f(b) < 0

então existe pelo menos um ponto x =  entre a e b que é
zero de f(x).
Isolamento de raízes – Análise Gráfica
f(x) f(x)
a a x
x 1 2 3b
 b
f(x)
a
1 2 b x
Isolamento de raízes – Tabelamento
 Exemplo: f ( x )  x 3
 9x  3
f(x) é contínua para  x  

I1 = [-5, -3]
I2 = [0, 1]
I3 = [2, 3]
Cada um dos intervalos acima contém pelo menos um

zero de f(x).
Isolamento de raízes – Tabelamento
 Exemplo: f ( x)  x  5e  x
f(x) admite pelo menos um zero no intervalo [1,2]
Mas esse zero é único?

 Análise do sinal de f’(x)
1
f ' ( x)   5e  x  0,  x  0
2 x
f(x) admite um único zero em todo seu domínio

de definição, localizado no intervalo [1,2]
 A partir do Teorema 1, se f’(x) existir e preservar o sinal
em (a,b), então esse intervalo contém um único zero de
f(x)
 Se f(a)f(b) > 0, então podemos ter diversas situações no
intervalo [a, b].
 A análise gráfica é fundamental para obtermos boas
aproximações para a raiz
 Suficiente utilizar um dos seguintes passos:

 Esboçar o gráfico de f(x)
 Localizar as abscissas dos pontos onde a curva intercepta o
eixo x
 Obtenção da equação equivalente g(x) = h(x) a partir da
equação f(x) = 0
 Construção dos gráficos de g(x) e h(x) no mesmo sistema
cartesiano e localização dos pontos x nos quais g(x) e h(x)
se interceptam ( f() = 0  g() = h() )
 Uso de programas para traçar gráficos de funções
 O esboço do gráfico de uma função requer um estudo
detalhado de seu comportamento, no qual devem ser
considerados os itens abaixo:
 Domínio da função
 Pontos de descontinuidade
 Intervalos de crescimento e decrescimento
 Pontos de máximo e mínimo
 Concavidade
 Pontos de inflexão, etc
 9x  3
1  (4,  3)
Solução utilizando o método 1:
f ( x)  x 3  9 x  3 f(x)
 2  (0, 1)
f ' ( x)  3x 2  9  3  (2, 3)
f ' ( x)  0  x   3
x f(x)
-4 -25
-3 3
-  3 13,3923 1 2 3
-1 11
-4 -3 -2 -1 1 2 3 4 x
0 3
1 -5
 3 -7,3923
2 -7
3 3
 9x  3  0
Solução utilizando o método 2: y
Dada: 1  (4,  3) g(x) h(x)
x3  9 x  3  0  2  (0, 1)
Equação Equivalente:  3  (2, 3)
1
g ( x)  x 3
3 4 x
-4 -3 -2 -1
2 1 2
3
h( x )  9 x  3
x
 Exemplo: f ( x )  x  5e 0

Dada:
h(x) y
x
x  5e
Equação Equivalente:   (1, 2)
g ( x)  x g(x)
h( x)  5e  x
1  2 3 4 5 6 x
 Exemplo: f ( x)  x log( x)  1  0

Dada:
y
1
log( x) 
x h(x)   (2, 3)
Equação Equivalente:
g ( x)  log( x)
g(x)
1
h( x ) 
x 1 2  3 4 5 6 x
Refinamento de Raízes

wpassos@ufsj.edu.br
Refinamento de raízes
 Aplicação de métodos numéricos destinados ao
refinamento de raízes
I. Método da Bisseção
II. Método da Posição Falsa
III. Método do Ponto Fixo
IV. Método de Newton – Raphson
V. Método da Secante
 Diferenciação dos métodos  Modo de refinamento
 Método Iterativo  Caracterizado por uma série de

instruções executáveis seqüencialmente, algumas das
quais repetidas em ciclos (iterações)
Refinamento de raízes
Sequência de passos:
Critérios de Parada
 Teste: xk suficientemente próximo da raiz exata?
 Como verificar tal questionamento?
 Interpretações para raiz aproximada

 x é raiz aproximada com precisão  se:
x    ou f (x)  
 Como proceder se não conhecemos  ?

 Redução do intervalo que contém a raiz a cada iteração
 Obtenção de um intervalo [a,b] tal que:

  a, b

 e.  então  x  a, b  , x    
b  a   
 
Logo  x  a, b  pode ser tomado como x
 Nem sempre é possível satisfazer ambos os critérios
 Métodos numéricos devem satisfazer a pelo menos um dos
critérios
 Quando da utilização de programas computacionais,

devemos utilizar:
 Teste de Parada
 Estipular o número máximo de iterações
 Prevenção de loops por:
 Erro no programa
 Escolha de método inadequado
Método da Bisseção

wpassos@ufsj.edu.br
 Dada uma função f(x) contínua no intervalo [a,b] onde
existe uma raiz única, é possível determinar tal raiz
subdividindo sucessivas vezes o intervalo que a
contém pelo ponto médio de a e b.
 Em outras palavras, o objetivo deste método é reduzir

a amplitude do intervalo que contém a raiz até atingir
precisão requerida, bk  ak   ou f (x)   , usando
para isto a sucessiva divisão de [a,b] ao meio
 Definição do intervalo inicial
 Atribuímos [a,b] como intervalo inicial
 a0 = a
 b0 = b
 Condições de Aplicação
 f(a) x f(b) < 0
 Sinal da derivada constante
 Definição de novos intervalos
 Calculamos o ponto médio entre a e b, chamado de x0
 Determinamos qual o subintervalo – [a , x0] ou [x0 , b] –
contém a raiz
 Calculamos o produto f(a) * f(x0)
 Verificamos f(a) * f(x0) < 0
 Se verdadeiro   (a, x0 )
 Logo a = a e b = x0
 Caso contrario   ( x0 , b)
 Logo a = x0 e b = b
 Repetimos o processo até que o valor de x atenda

às condições de parada.
Método da Bisseção – Resumo
 f ( a0 )  0    (a0 , x0 )
a0  b0   
x0   0
f (b )  0   a1  a0
2  f ( x )  0 b  x
 0  1 0
 f (a1 )  0   ( x1 , b1 )
a1  b1   
x1   f (b1 )  0   a2  x1
2  f ( x )  0 b  b
 1   2 1
 f ( a2 )  0    ( x2 , b2 )
a2  b2   
x2   f (b 2 )  0   a3  x2
2  f ( x )  0 b  b
 2   3 2
 
Método da Bisseção – Graficamente
a3
||
a2
||
x1
a|| x2 x0 b x
|| ||
a1 b3 b1=b2
 Exemplo: f ( x)  x log( x)  1  0
Utilizando o método de Equações Equivalentes para

Isolamento de Raízes: y
h(x)
1
log( x)    (2,3)
x
Equação Equivalente:
g ( x)  log( x)
g(x)
1
h( x )  1 2  3 4 5 6 x
x
 Exemplo: f ( x)  x log( x)  1  0
 f (2)  0,3979  0    (2.5, 3)
23    a  x  2,5
x0   2,5  f (3)  0,4314  0   1 0
2  f (2,5)  5,15 10 3  0 b  b  3
  1 0
 f (2,5)  0    (2.5, 2.75)

2,5  3    a  a  2,5
x1   2,75  f (3)  0   2 1
2  f (2,75)  0,2082  0 b  x  2,75
   2 1
 
Método da Bisseção – Algoritmo
k = 0;
a0 = a; b0 = b;
xk = (ak + bk)/2;
while bk  ak   and f ( xk )  
if f(ak)f(xk) < 0 then /*raiz em [ak , xk] */
ak+1 = ak;
bk+1 = xk;
else /* raiz em [xk, bk] */
ak+1 = xk;
bk+1 = bk ;
end if
xk+1 = (ak+1 + bk+1)/2;
k = k +1;
end while
Método da Bisseção – Algoritmo
 Ao final da execução do algoritmo, teremos um intervalo
[ak, bk] que contém a raiz e uma aproximação x para a
raiz exata (tal que bk  ak   ou f (x)   )
 A convergência do método é intuitiva

Método da Bisseção – Execução Algoritmo
Exemplo: f ( x)  x  9 x  3  0
3

Utilizando o método de Equações Equivalentes para

Isolamento de Raízes
1  (4,  3)
x3  9 x  3  0
 2  (0, 1)
Equação Equivalente
 3  (2, 3)
g ( x)  x 3
h( x )  9 x  3
 9 x  3  0 I  0, 1   3  10 3
Cálculo da 1ª aproximação
 x0 = (a0+b0)/2 = (0+1)/2 = x0 = 0,5
 f(x0) = 0,53 – 9x0,5 + 3 = -1,375
Teste de Parada
 |b-a| = |1| > 10-3 e |f(x0)| = |-1,375| = 1,375 > 10-3
Escolha do Novo Intervalo

 f(a0) = 03 – 9x0 + 3 = 3, logo f(a0) > 0
 f(b0) = 13 – 9x1 + 3 = -5, logo f(b0) < 0
 f(x0) = 0,53 – 9x0,5 + 3 = -1,375, logo f(x0) < 0
 logo: a1=a0=0 e b1=x0=0,5
 9 x  3  0 I  0, 1   3  10 3
 Então x  0,337890625 em 9 iterações
 .f (x)   foi atendida, enquanto bk  ak   , não foi

Método da Bisseção – Estimativa do
número de iterações
 Após n iterações, a raiz estará contida no intervalo:
bk 1  ak 1 b0  a0
bk  ak  
2 2k
 Devemos obter o valor de k, tal que bk  ak   , ou seja:

b0  a0 b0  a0
 
 2  k
 k log(2)  log(b0  a0 )  log( )

2 k

log(b0  a0 )  log( )
k
log(2)
Método da Bisseção – Estimativa do
número de iterações
 Exemplo: Considerando um intervalo [2,3] e ε=10-2,

calcular o numero mínimo de iterações para que
tenhamos bk  ak   (Critério de Parada).
log(b0  a0 )  log( )
k
log(2)
log(3  2)  log(10 2 )
k
log(2)
log(1)  2 log(10) 2
k   6,64
log(2) 0,3010
k 7
 Vantagens:
 Facilidade de implementação;
 Estabilidade e convergência para a solução procurada;
 Desempenho regular e previsível.
 Desvantagens
 Lentidão do processo de convergência (requer o cálculo
de f(x) em um elevado número de iterações);
b0  a0  3
  k  24,8  k  25
  10 7

 Necessidade de conhecimento prévio da região na qual se
encontra a raiz de interesse (nem sempre é possível);
 Complexidade da extensão do método para
problemas multivariáveis.
Método da Bisseção – Exercício
a) Execute as primeiras 5 iterações do Método da
Bisseção para a função f ( x)  x 3  x  1 , tal que
  2 10 3
b) Caso a condição de 4
erro não tenha sido 3
2
satisfeita, calcule quantas
1
iterações ainda seriam
necessárias. -4 -3 -2 -1 0 1 2 3 4 5 x
-1
-2
-3
-4
a) Execute as primeiras 5 iterações do Método da
Bisseção para a função f ( x)  x  x  1 , tal que
3
  2 10 3
Iter. a b f(a) f(b) x f(x )
1 1,000000 2,000000 -1,000000 5,000000 1,500000 0,875000
2 1,000000 1,500000 -1,000000 0,875000 1,250000 -0,296875
3 1,250000 1,500000 -0,296875 0,875000 1,375000 0,224609
4 1,250000 1,375000 -0,296875 0,224609 1,312500 -0,051514
5 1,312500 1,375000 -0,051514 0,224609 1,343750 0,082611
Para a iteração 5 temos:

b  a  1,375  1,3125  0,0625  2 10 3 e
f ( x)  0,082611  2 10 3
b) Caso a condição de erro não tenha sido satisfeita,
calcule quantas iterações ainda seriam necessárias.
log(b0  a0 )  log( )
k
log(2)
log(2  1)  log(2 10 3 )

k
log(2)
log(1)  (log 2  3  log 10)
k
log(2)
log(1)  (log 2  3  log 10) 0  (0,30103  3) 2,69897
k    8,9658
log(2) 0,30103 0,30103
k 9
Método da Posição Falsa

wpassos@ufsj.edu.br
 Método da Bisseção
 Calcula a média aritmética dos limites do intervalo que
contém a raiz ([a, b])
 Método da Posição Falsa

 Calcula a média ponderada dos limites do intervalo que
contém a raiz ([a, b])
 Dada a função f ( x)  x 3  9 x  3  0 e, sendo o intervalo

inicial a, b  0, 1 , temos que f (1)  5  0  3  f (0)
 .f (0) está mais próximo de zero que f (1)
 Logo é provável que a raiz esteja mais próxima de x = 0
que de x = 1 ( isso é sempre verdade quando f(x) é linear
em a, b )
 Assim, ao invés de tomar a média aritmética, o método

da posição falsa toma a média ponderada, com pesos
de f (a) e f (b)
a f (b)  b f (a ) af (b)  bf (a )
x 
f (b)  f (a ) f (b)  f (a )
Método da Posição Falsa – Graficamente
 Graficamente x é a interseção entre o eixo x e a reta
que passa pelos pontos (a, f(a)) e (b, f(b)):
Método da Posição Falsa – Graficamente
x1 = a1f(b1) – b1f(a1)
f(b1) - f(a1)
f(x)
f(x) x0 = a0f(b0) - b0f(a0)
f(b0) - f(a0)
a = a1

x1 b1 = x1 x
a = a0
x0 b = b0 x

 Definição do intervalo inicial
 Atribuímos [a,b] como intervalo inicial
 a0 = a
 b0 = b
 Condições de Aplicação
 f(a) x f(b) < 0
 Sinal da derivada constante
 Definição dos Subintervalos
 Subdividimos o intervalo pelo ponto de interseção da
reta que liga f(a) a f(b) e o eixo das abscissas
 Verificamos se, através do teste de parada, x0 é uma

aproximação da raiz da equação ()  pelo tamanho do
intervalo [a, b] ou o valor f(x0)
 Se verdadeiro  x0 é a raiz procurada
 Caso contrário  definimos um novo intervalo

 Definição do novo intervalo
 Determinamos qual o subintervalo – [a , x0] ou [x0 , b] –
contém a raiz
 Calculamos o produto f(a) * f(x0)
 Verificamos f(a) * f(x0) < 0
 Se verdadeiro   (a, x0 )
 Logo a = a e b = x0
 Caso contrario   ( x0 , b)
 Logo a = x0 e b = b
 Repetimos o processo até que o valor de x atenda

às condições de parada.
 Exemplo: f ( x)  x log( x)  1, I  [2, 3]
f (a0 )  0,3979  0
 logo, existe ao menos 1 raiz no
f (b0 )  0,4314  0  intervalo dado
af (b)  bf (a) 2  0,4314  3  (0,3979) 2,0565

x0     2,4798
f (b)  f (a) 0,4314  (0,3979) 0,8293
f ( x0 )  0,0219  0 . Como f (a0 ) e f ( x0 ) têm o mesmo sinal,
a1  x0  2,4798 f (a1 )  0 

 
b1  b0  3 f (b1 )  0 
 Exemplo: f ( x)  x log( x)  1, I  [2, 3]
a1  x0  2,4798 f (a1 )  0 

 
b1  3 f (b1 )  0 
af (b)  bf (a) 2,4798  0,4314  3  (0,0219) 1,1354

x1   
f (b)  f (a) 0,4314  (0,0219) 0,4533
x1  2,5049
Como f ( x1 )  0,0011  0 , temos:
a2  x1  2,5049 f (a1 )  0 

 
b2  b1  3 f (b1 )  0 

Método da Posição Falsa – Algoritmo
k = 0;
a0 = a; b0 = b;
FA0 = f(a0); GB0 = f(b0);
xk = (akGBk - bkFAk) / (GBk - FAk);
while bk  ak   and f ( xk )  
if f(ak)f(xk) ≤ 0 then /* raiz em [ak , xk] */
ak+1 = ak; bk+1 = xk;
else /* raiz em [xk, bk] */
ak+1 = xk; bk+1 = bk ;
end if
xk+1 = (ak+1GBk+1 - bk+1FAk+1) / (GBk+1 - FAk+1);
k = k +1;
end while
Método da Posição Falsa – Exec. Algoritmo
 9 x  3  0 I  0, 1   2  10 3
Cálculo da 1ª aproximação
af (b)  bf (a ) 0  (5)  1 (3) 3
x0     0,375
f (b)  f (a )  5  (3) 8
f ( x0 )  (0,375) 3  9  (0,375)  3  -0,322265625
Teste de Parada
 |b-a| = |1| > 10-3 e |f(x0)| = |-0,322265625| > 10-3
Escolha do Novo Intervalo

 f(a0) = 03 – 9x0 + 3 = 3, logo f(a0) > 0
 f(b0) = 13 – 9x1 + 3 = -5, logo f(b0) < 0
 f(x0) = 0,3753 – 9x0,375 + 3 = -0,32..., logo f(x0) < 0
 logo: a1=a0=0 e b1=x0=0,375
Método da Posição Falsa – Exec. Algoritmo
 9 x  3  0 I  0, 1   3  10 3
Então x  0,337635046 em 3 iterações
.f (x)   foi atendida, enquanto bk  ak   , não foi
No Método da Bisseção, o valor x  0,337890625 foi

encontrado depois de 9 iterações
Método da Posição Falsa – Casos especiais
 Se a função é côncava ou convexa em [a,b], então uma
das extremidades permanecerá fixa
 Cuidado no critério de parada: nesse caso, o intervalo

nunca ficará suficientemente pequeno...
 Vantagens:
 Estabilidade e convergência para a solução procurada;
 Desempenho regular e previsível;
 Cálculos mais simples que o método de Newton.
 Desvantagens:
 Lentidão do processo de convergência (requer o cálculo
de f(x) em um elevado número de iterações);
 Necessidade de conhecimento prévio da região na qual se
encontra a raiz de interesse (o que nem sempre é
possível).
Método do Ponto Fixo

wpassos@ufsj.edu.br
 Dada uma função f(x) contínua no intervalo [a,b] onde
existe uma raiz única, f(x) = 0, é possível transformar tal
equação em uma equação equivalente x = φ(x) e, a
partir de uma aproximação inicial x0, gerar uma
sequência {xk} de aproximações para  pela relação xk+1
= φ(xk), uma vez que φ(x) é tal que f() = 0 se e
somente se φ() = .
 Transformamos o problema de encontrar zero de f(x) no

problema de encontrar um ponto fixo de φ(x)
 A função φ(x) é chamada de função de iteração

Exemplo: Dada a função f ( x)  x  x  6  0
2

São funções de iteração possíveis:
1 ( x)  6  x 2
 2 ( x)  6  x
6
3 ( x)   1
x
6
 4 ( x) 
x 1
 A forma geral das funções de iteração φ(x) é dada por

 ( x)  x  A( x) f ( x) com a condição de que
A()  0 em , ponto fixo de φ(x)
 A partir da definição da forma de φ(x),  ( x)  x  A( x) f ( x) ,
podemos então mostrar que f ( )  0   ( )  
  seja  tal que f ( )  0

 ( )    A( ) f ( )   ( )   ( porque f ( )  0)
 se  ( )  
   A( ) f ( )    A( ) f ( )  0
 f ( )  0 ( porque A( )  0)
 Existem infinitas equações de iteração φ(x) para a

equação f(x) = 0
Método do Ponto Fixo – Graficamente
 Uma raiz da equação φ(x)=x é a abscissa do ponto de
interseção da reta y=x com a curva y=φ(x)
Método do Ponto Fixo – Graficamente
 Todavia, para algumas escolhas de φ(x) o Método do
Ponto Fixo pode divergir do valor  procurado
Exemplo: Dada a equação f ( x)  x  x  6  0 :
2

 As raízes são 1 = -3 e 2 = 2 (Não há necessidade de uso

de métodos numéricos para o calculo)
 Objetivo: Mostrar a convergência ou divergência do processo
iterativo
Seja a raiz 2 = 2 e 1 ( x)  6  x ,Tomando x0= 1,5 e φ (x)

2

= φ1 (x)
 Seja a raiz 2 = 2 e  2 ( x)  6  x ,Tomando x0= 1,5 e φ (x)

= φ2 (x)
Exemplo: Dada a equação f ( x)  x  x  6  0 , com raiz
2

2 = 2 , 1 ( x)  6  x 2 e x0 = 1,5
x1 = φ(x0) = 6 – 1,52 = 3,75

x2 = φ(x1) = 6 – 3,752 = -8,0625
x3 = φ(x2) = 6 – (-8,0625)2 = -59,003906
x4 = φ(x3) = 6 – (-59,003906)2 = -3475,4609
Percebemos que {xk} não convergirá para 2 = 2

2

2 = 2 , 1 ( x)  6  x 2 e x0 = 1,5
y
y=x
Análise Gráfica:
x2 x1
1 x0  x
2
{xk}  
φ(x)
2

2 = 2 ,  2 ( x)  6  x e x0 = 1,5
x1 = φ(x0) = 6  1,5  2,121320343

x2 = φ(x1) = 6  2,121320343  1,969436380
x3 = φ(x2) = 6  1,969436380  2,007626364
x = φ(x ) = 6  2,007626364  1,998092499
4 3
x5 = φ(x4) = 6  1,998092499  2,000476818
Percebemos que {xk} tende a convergir para 2 = 2

2

2 = 2 ,  2 ( x)  6  x e x0 = 1,5
y
Análise Gráfica: y=x
φ(x)
{xk}  2 quando k  inf
x0 2 x
x2 x1
Teorema 2:
Sendo  uma raiz de f(x) = 0, isolada em um intervalo I
centrado em  e φ(x) uma função de iteração para
f(x) = 0. Se
1. φ(x) e φ’(x) são contínuas em I
2. |φ’(x)| < 1,  x  I e
3. x0  I
então a sequencia {xk} gerada pelo processo iterativo xk+1
= φ(xk) convergirá para  . Além disso quanto menor for
o valor de |φ’(x)|, mais rápido o Método do Ponto Fixo
convergirá.
 Resgatando os exemplos anteriores, para a função
f ( x)  x 2  x  6  0 temos que:
φ1(x) ( 1 ( x)  6  x )  geração de uma sequencia

2

divergente de 2 = 2
 φ2(x) ( 2 ( x)  6  x )  geração de uma sequencia

convergente para 2 = 2
 Avaliando a divergência de φ1(x)
 φ1(x) = 6 - x2 e φ’1(x) = - 2x  contínuas em I
 |φ’1 (x)| < 1  |-2x| < 1  -½ < x < ½
 Não existe um intervalo I centrado em 2=2, tal que

|φ’(x)| < 1,  x  I  logo φ1 (x) não satisfaz a
condição 2 do Teorema 2 com relação a 2=2.
 Avaliando a convergência de φ2(x)
  2 ( x)  6  x e  2 ' ( x)  (1 / 2 6  x )
 φ2 (x) é contínua em S = {x  R | x  6}
 φ’2 (x) é contínua em S’ = {x  R | x < 6}
 .2 ' ( x)  1  1 / 2 6  x  1  x  5,75
 É possível obter um intervalo I centrado em 2=2, tal que

todas as condições do Teorema 2 sejam satisfeitas.
Método do Ponto Fixo – Algoritmo
 Critérios de Parada
 |f(xk)| < 
 |xk – xk-1| < 
k = 0;
x0 = x;
while xk  xk 1   and f ( xk )  
k = k +1;
xk+1 = φ(xk);
end while
Método do Ponto Fixo – Verificando a
Convergência
 Exemplo: Dada a função f ( x)  x 2  x  6  0 , cujas raízes
são 2 e -3, vamos avaliar a convergência da função
equivalente 3 ( x)  6  1 , dados 1 = -3 e x0= -2,5
6 x
 ( x)   1,  x  , x  0
x
6
 ' ( x)  2  0,  x  , x  0
x
6 6
 ' ( x)  2  2 ,  x  , x  0
x x
6
 ' ( x)  1  2  1  x 2  6  x   6 ou x 6
x
Convergência
x
Como o objetivo é obter a raiz negativa, temos:

I1 tal que  ' ( x)  1, x  I1 , será : I1  (;  6 )
( 6  2,4497897)
Podemos então definir o intervalo I  (3.5,  2.5) que o
processo convergirá visto que o intervalo I  I1 está
centrado na raiz  = -3
Convergência
x
Tomando x0= -2,5, temos: x0  2,5

x1  2,764706
x2  3,170213
x3  2,892617
 Quando não conhecemos a raiz, escolhemos o
intervalo I aproximadamente centrado em 
 Quanto mais preciso isolamento de , maior exatidão na
escolha de I
x3 1
 Exemplo: Dados: f ( x )  x  9 x  3  0;  ( x ) 
3
 ;
9 3
x0  0,5;   2  10 ;   (0, 1) , calcule a raiz de f(x)
3
utilizando o MPF:
Assim, x  0,3376233 e f ( x)  0,12 10 3 , com o mesmo

número de iterações que o Método da Posição Falsa.
Importante lembrar: Iteramos de modo que xk 1   ( xk ) ,
todavia avaliamos, a cada iteração, se f ( xk )  
Desafio: Provar que  (x) satisfaz a condição 2 do

Teorema 2 no intervalo (0, 1)
 Vantagens
 Rapidez processo de convergência;
 Desempenho regular e previsível.
 Desvantagens
 Um inconveniente é a necessidade da obtenção de uma
função de iteração φ(x);
 Difícil sua implementação.
Método do Ponto Fixo – Exercício
1) Tente encontrar a raiz da função f ( x)  x  x  1
3
1 1
utilizando a função de iteração  ( x)   2 e x0  1 , sendo
x x
  2 10 3 .Justifique sua resposta. y
-4 -3 -2 -1 0 1 2 3 4 5 x
-1
-2
-3
-4
3
1 1
x x
  2 10 3
1 1 1 1
x1 = φ(x0) =  2  2 x2 = φ(x1) =  2  0,75
1 1 2 2
1 1
x3 = φ(x2) =  2
 3,1111...
0,75 0,75
1 1
x4 = φ(x3) =  2
 0,4247...
3,1111 3,1111
1 1
x5 = φ(x4) =  2
 7,8973...
0,4247 0,4247
3
1 1
x x
  2 10 3
1 1
x6 = φ(x5) =  2
 0,1427...
7,8973 7,8973
1 1
x7 = φ(x6) =  2
 56,1461...
0,1427 0,1427
Concluímos que {xk} tende a divergir da raiz da

equação f(x).
3
1 1
x x
  2 10 3
Justificando a resposta:
1 1 1 2
 ( x)   2  x  , x  0  ' ( x)  2  3  x  , x  0
x x x x
1 2 x 2 x2
 ' ( x)  1  2  3  1  3  3  1  3
1
x x x x x
Como a condição  ' ( x)  1 x  I deve ser satisfeita, onde I
é o intervalo centrado em  , é fácil perceber que isso
não acontece, uma vez que x0  I e  ' ( x0 )   ' (1)  3  0
Método de Newton – Raphson

wpassos@ufsj.edu.br
 Método do Ponto Fixo (MPF)
 Uma das condições de convergência é que |φ’(x)| < 1,
 x  I , onde I é um intervalo centrado na raiz
 A convergência será tanto mais rápida quanto menor for
|φ’(x)|
 O método de Newton busca garantir e acelerar a

convergência do MPF
 Escolha de φ(x), tal que φ’() = 0, como função de
iteração
 Dada a equação f(x) = 0 e partindo da forma geral para
φ(x)
φ(x) = x + A(x)f(x)
 Buscamos obter a função A(x) tal que φ’() = 0
φ(x) = x + A(x)f(x) 
φ’(x) = 1 + A’(x)f(x) + A(x)f’(x) 
φ’() = 1 + A’()f() + A()f’() 
φ’() = 1 + A()f’()
 Assim
1
 ' ( )  0  1  A( ) f ' ( )  0  A( ) 
f ' ( )
1
 donde tomamos A( x ) 
f ' ( x)
 Como φ(x) = x + A(x)f(x)
 1 
 ( x)  x     f ( x)
 f ' ( x) 
 Logo:
 f ( x) 
 ( x)  x   
 f ' ( x) 
 Então, dada f(x), a função de iteração φ(x) = x - f(x)/f’(x)
será tal que φ’() = 0, posto que
 [ f ' ( x)]2  f ( x) f ' ' ( x) 

 ' ( x)  1   2

 [ f ' ( x)] 
[ f ' ( x)]2 [ f ' ( x)]2  f ( x) f ' ' ( x)

 ' ( x)  2

[ f ' ( x)] [ f ' ( x)]2
f ( x) f ' ' ( x)
 ' ( x) 
[ f ' ( x)]2
e, como f() = 0, φ’() = 0 ( desde que f’()  0 )
 Deste modo, escolhido x0, a sequência {xk} será
determinada por
f ( xk )
xk 1  xk 
f ' ( xk )
onde k = 0, 1, 2, ...
Método de Newton – Raphson –
Graficamente
 Dado o ponto ( xk , f(xk) )
 Traçamos a reta Lk(x) tangente à curva neste ponto:
Lk(x) = f(xk) + f’(xk)(x-xk)
 Determinanos o zero de Lk(x), que é um modelo linear

que aproxima f(x) em uma vizinhança xk
f ( xk )
Lk ( x)  0  x  xk 
f ' ( xk )
 Fazemos xk +1 = x
Método de Newton – Raphson –
Graficamente
 Análise Gráfica
f(x)
1a iteração
2a iteração
3a iteração
 x2
x0 x3 x1
x
Repetimos o processo até que o valor de x

atenda às condições de parada.
Método de Newton–Raphson-Convergência
 Teorema 3:
Sendo f(x), f’(x) e f”(x) contínuas em um intervalo I que

contém uma raiz x =  de f(x) = 0 e supondo f’()  0,
existirá um intervalo Ī  I contendo a raiz , tal que se
x0  Ī, a sequencia {xk} gerada pela fórmula recursiva
f ( xk )
xk 1  xk 
f ' ( xk )
convergirá para a raiz.

 Exemplo: Dado f(x) = x2 + x – 6 , 2 = 2 e x0 = 1,5
Fórmula recursiva:
f ( x) x2  x  6
 ( x)  x   x
f ' ( x) 2x 1
x1   ( x )  1,5 

1,5  1,5  6
2

 2,0625
0
2 1,5  1
x2   ( x )  2,0625 
2,0625 2

 2,0625  6
 2,000762195
1
2  2,0625  1
x3   ( x2 )  2,000000116
 Exemplo: Dado f(x) = x2 + x – 6 , 2 = 2 e x0 = 1,5
 Comentários:
 A parada poderá ocorrer na 3a iteração (x = 2,000000116)
caso a precisão do cálculo com 6 casas decimais for
satisfatória para o contexto do trabalho
 Observe que, no Método do Ponto Fixo, com

 ( x)  6  x o valor x = 2,000476818 foi encontrado
somente na 5a iteração
Método de Newton – Raphson – Algoritmo
 Teste de parada:
 |f(xk)| < ε
 |xk – xk-1| < ε
 Algoritmo:
x0 := x;
k := 0;
while |f(xk)| ≥ ε and |xk – xk-1| ≥ ε
xk+1 := xk – f(xk)/f’(xk)
k := k +1;
end while
 Exemplo: Considere a função f(x) = x3 - x - 1, e
ε = 0,002 cujo zero real encontra-se no intervalo:
  I = (1, 2)
Seja:
x0 = 1
f ( xk )
xk 1  xk 
f ' ( xk )
x3  x 1
 ( x)  x 
3x 2  1
  I = (1, 2)
 Cálculo da 1ª aproximação
φ(x0) = 1 – [ (1)³ – 1 – 1 ] = 1,5 = x1
[ 3x(1)² – 1 ]
 Teste de Parada
|f(x1)| = | (1,5)³ – 1,5 – 1 | = 0,875 > 
|x1-x0| =| 1,5 - 1 | = 0,5 > 
  I = (1, 2)
φ(x1) = 1,5 – [ (1,5)³ – 1,5 – 1 ] = 1,3478261 = x2
[ 3x(1,5)² – 1 ]
 Teste de Parada
|f(x2)| = | 0,100682 | = 0,100682 > 
|x2-x1| =| 1,3478261 - 1,5 | = 0,1521739 > 
  I = (1, 2)
φ(x2) = 1,3478261 - [ (1,3478261)³ - 1,3478261 - 1 ]

[ 3x(1,3478261)² - 1 ]
φ(x2) = 1,3252004 = x3
 Teste de Parada
|f(x3)| =| 0,0020584 | = 0,0020584 > 
|x3-x2| =| 1,3252004 – 1,3478261 | = 0,0226257 > 
  I = (1, 2)
A sequência {xk} gerada pelo método de Newton

será:
Iteração x |xk-xk-1| F(x)
1 1,5 0,5 0,875
2 1,3478261 0,1521739 0,1006822
3 1,3252004 0,0226257 0,0020584
4 1,3247182 0,0004822 1,0352x10-6
 = 0,002
 Comprovando o impacto de uma boa escolha de x0
 Exemplo: Considere a função f(x) = x3 – 9x + 3, que
possui três zeros: 1  I1 = (-4, -3), 2  I2 = (0, 1) e
3  I3 = (2, 3). Seja x0 = 1,5:
 Comprovando o impacto de uma boa escolha de x0
 Exemplo: Considere a função f(x) = x3 – 9x + 3, que
possui três zeros: 1  I1 = (-4, -3), 2  I2 = (0, 1) e
3  I3 = (2, 3). Seja x0 = 1,5:
 No início há um divergência da região onde estão as

raízes, mas depois de x7 os valores se aproximam cada
vez mais de 3
 Causa:
 x0 (1,5) é próximo de 3 , que é raiz de f´(x)
 Da mesma forma, x1 (-1,6666667) está próximo
de  3 , outra raiz de f’(x)
 Vantagens:
 Rapidez processo de convergência
 Desempenho elevado
 Desvantagens:
 Necessidade da obtenção de f’(x) , o que pode ser
impossível em determinados casos
 O cálculo do valor numérico de f’(x) a cada iteração
Método da Secante

wpassos@ufsj.edu.br
Método da Secante
 Método de Newton – Raphson
 Um grande inconveniente é a necessidade da obtenção de
f’(x) e o cálculo de seu valor numérico a cada iteração
 Forma de desvio do inconveniente

 Substituição da derivada f’(xk) pelo quociente das
diferenças
f ( xk )  f ( xk 1 )
f ' ( xk ) 
xk  xk 1
Método da Secante
 A função de iteração será:
f ( xk )
 ( x )  xk 
f ( xk )  f ( xk 1 )
xk  xk 1
 ( x )  xk 
f ( xk )
xk  xk 1 
f ( xk )  f ( xk 1 )
xk f ( xk )  xk f ( xk 1 ) xk f ( xk )  xk 1 f ( xk )
 ( x)  
f ( xk )  f ( xk 1 ) f ( xk )  f ( xk 1 )
xk 1 f ( xk )  xk f ( xk 1 )
 ( x) 
f ( xk )  f ( xk 1 )
Método da Secante – Geometricamente
 A partir de duas aproximações xk-1 e xk obtemos o ponto
xk+1 como sendo a abscissa do ponto de intersecção do
eixo x e da reta que passa pelos pontos ( xk-1 , f(xk-1) ) e
( xk , f(xk) ) (secante à curva da função)
f(x)
1a iteração
2a iteração
3a iteração
4a iteração
x3 x4
x0 x1 x5 x2
x

Repetimos o processo até
que o valor de x atenda às
condições de parada.
Método da Secante – Convergência
 Como o Método da Secante é uma aproximação do
método de Newton, as condições de convergência são
praticamente as mesmas, ou seja basta que o
Teorema 3 seja satisfeito
 Todavia, o Método da Secante pode divergir para o
seguinte caso f ( xk )  f ( xk 1 )
xk 1 f ( xk )  xk f ( xk 1 )
 ( x) 
f ( xk )  f ( xk 1 )
Método da Secante
 Exemplo: Consideremos a função f(x) = x2 + x – 6 = 0,
x0 = 1,5 e x1 = 1,7:
Solução:
x0  f ( x1 )  x1  f ( x0 ) 1,5  (1,41)  1,7  2,25
x2  
f ( x1 )  f ( x0 )  1,41  2,25
x2  2,03571
x1  f ( x2 )  x2  f ( x1 )
x3   1,99774
f ( x2 )  f ( x1 )
x2  f ( x3 )  x3  f ( x2 )
x4   1,99999
f ( x3 )  f ( x2 )
Método da Secante
 Exemplo: Consideremos a função f(x) = x2 + x – 6 = 0,
x0 = 1,5 e x1 = 1,7:
 Comentários:
 A parada poderá ocorrer na 3a iteração (x = 1,99999 ),
caso a precisão do cálculo com 5 casas decimais seja
satisfatória para o contexto do trabalho
 No método de Newton – Raphson o valor

x = 2,000000116, foi encontrado também na 3a
iteração
Método da Secante – Algoritmo
 Testes de Parada
 |f(xk)| < ε
 |xk – xk-1| < ε
 Algoritmo
x0 := x;
x1 := x1;
k := 1;
while |f(xk)| ≥ ε and |xk – xk-1| ≥ ε
xk+1 := (xk-1*f(xk) - xk*f(xk-1)) / (f(xk) - f(xk-1));
k := k +1;
end while
Método da Secante – Execução Algoritmo
 Exemplo: Consideremos a função f(x) = x3 - x - 1,
 = 0,003, x0 = 1,5 e x1 = 1,7:
xk 1 f ( xk )  xk f ( xk 1 )
 ( x) 
f ( xk )  f ( xk 1 )
 = 0,003, x0 = 1,5 e x1 = 1,7:
 Cálculo da 1ª aproximação x0 = 1,5 e x1 = 1,7

f(x0) = 0,875 > 0
f(x1) = 2,213 > 0
x2 = [1,5 x (2,213) – 1,7 x (0,875)] = 1,36921
[2,213 – (0,875)]
 Teste de Parada
|f(x2)| = | (1,36921)³ – 1,36921 – 1 | = 0,19769 > 
|x2 - x1| =|1,36921 – 1,7| = 0,33079 > 
 Novo Intervalo: x1 = 1,7 e x2 = 1,36921
 = 0,003, x0 = 1,5 e x1 = 1,7:

f(x1) = 2,213 > 0
f(x2) = 0,19769 > 0
x3 = [1,7 x (0,19769) - 1,36921x (2,213)] = 1,33676
[0,19769 - 2,213]
 Teste de Parada
|f(x3)| = |0,05193| = 0,05193 > 
|x3 - x2| =|1,33676 – 1,36921| = 0,03245 > 
 Novo Intervalo: x2 = 1,36921 e x3 = 1,33676
 = 0,003, x0 = 1,5 e x1 = 1,7:

f(x2) = 0,19769 > 0
f(x3) = 0,05193 > 0
x4 = [1,36921 x (0,05193) - 1,33676 x (0,19769)] =
[(0,05193) - 0,19769]
x4 = 1,3252
 Teste de Parada
|f(x4)| = |0,00206| = 0,00206 <   cond. atendida
|x4 – x3| =|1,3252 – 1,33676| = 0,01156 > 
Método da Secante
 Vantagens
 Rapidez processo de convergência
 Cálculos mais convenientes que do método de Newton
 Desempenho elevado
 Desvantagens
 Se o cálculo f’(x) não for difícil, então o método logo será
substituído pelo de Newton – Raphson
 Se o gráfico da função for paralelo a um dos eixos e/ou
tangencia o eixo das abscissas em um ou mais pontos,
logo não devemos utilizar o Método da Secante
Comparação entre os métodos

wpassos@ufsj.edu.br
 Critérios de Comparação
 Garantias de Convergência
 Rapidez de Convergência e Esforço Computacional
 Critério de Parada
 Garantias de Convergência
 Bisseção e Posição Falsa
 Convergência garantida, desde que a função seja contínua
num intervalo [a,b] , tal que f(a)f(b) < 0
 Ponto Fixo, Newton – Raphson e Secante

 Condições mais restritivas de convergência
 Se as condições de convergência forem satisfeitas, os dois
últimos métodos são mais rápidos do que os demais
estudados
 Rapidez de Convergência
 Número de Iterações  Medida usualmente adotada
para a determinação da rapidez de convergência de um
método
 Não deve ser uma medida conclusiva sobre o tempo de

execução do programa
 Tempo gasto na execução de uma iteração  Variável

de método para método
 Esforço Computacional
 Indicadores
 Número de operações efetuadas a cada iteração
 Complexidade das operações
 Número de decisões lógicas
 Número de avaliações de função a cada iteração
 Esforço Computacional
 Conclusões gerais sobre a eficiência computacional de
um método.
 Bisseção  Cálculos mais simples por iteração
 Newton  Cálculos mais elaborados
 Número de iterações da Bisseção é, na grande maioria

das vezes, muito maior do que o número de iterações
efetuadas por Newton
 Critério de Parada
 Se o objetivo for a redução do intervalo que contém a
raiz  Bisseção (não usar o Método da Posição Falsa)
 Se a escolha parte de um valor inicial para a raiz 

Newton – Raphson ou da Secante (pois trabalham com
aproximações xk para a raiz exata)
 Conclusão:
 Condições a Serem Satisfeitas pelo Método Ideal
 Convergência assegurada
 Ordem de convergência alta
 Cálculos simples em cada iteração
 Atender aos objetivos quanto ao critério de parada
 Não existe método perfeito para todos os casos
 A escolha está diretamente relacionada com a equação

cuja solução é desejada
 Critérios vistos anteriormente
 Comportamento da função na região da raiz exata, etc
 Conclusão:
 Exemplo:
 Caso seja fácil a verificação das condições de
convergência e o cálculo de f’(x)  Newton – Raphson
 Caso seja trabalhoso obter e/ou avaliar f’(x), uma vez que
não é necessária a obtenção de f’(x)  Secante
 Todavia, mesmo os métodos acima possuem restrições:

 Tendência da curva ao paralelismo a qualquer um dos eixos
 dificulta o uso do Método de Newton (f’(x)  0 ou f’(x) ¬∃)
 Tendência da função à tangência ao eixo das abscissas em
um ou mais pontos  dificulta o uso do Método da Secante
(f (xk-1) ≈ f (xk))
 Exemplo: f(x) = x3 – x – 1
y
-4 -3 -2 -1 0 1 2 3 4 5 x
-1
-2
-3   [1, 2 ],  = 10 -6
-4
 Exemplo: f(x) = x3 – x – 1
Observações:
 Melhor desempenho: Método do Ponto Fixo
 Métodos de Newton e Secante: muitas iterações pois
houve divergência no inicio da execução
( denominador  0 )
 Exemplo: f(x) = 4 sen(x) – e2   [0, 1 ],  = 10 -5
Observações:
 Melhor desempenho: Método de Newton, devido à boa
escolha de x0
Exercício
1) A partir do gráfico da função f ( x )  x 2
 x  6, encontre
a raiz   [1, 3] , dada a tolerância   10 .
4
Utilize x0  1,5 e x1  1,7.

y
Resposta: 2 f(x)
x2  2,036 f ( x2 )  0,1813 1
x3  1,998 f ( x3 )  0,01 -4 -3 -2 -1
-1
0 1 2 3 4 5 x
-2
x4  2,000 f ( x4 )  0
-3
-4
-5
-6

04 Raizes

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

04 Raizes

Enviado por

Direitos autorais:

Formatos disponíveis

Zeros Reais de Funções

Prof. Wellington Passos de Paula

Prof. Wellington Passos de Paula

 Discutir o princípio básico que rege os métodos numéricos

 Apresentar e discutir uma série de métodos destinados à

  é um zero da função f(x) ou raiz da equação

 Zeros podem ser reais ou complexos.

 Este capítulo trata de zeros reais de f(x).

 Determinação das raízes em função de a, b e c:

 FASE 1: Determinação de um intervalo (o menor possível)

 FASE 2: Melhoramento do valor da raiz aproximada

Prof. Wellington Passos de Paula

 Precisão das análises é relevante para o sucesso da

Sendo f(x) contínua em um intervalo [a, b], se f(a)f(b) < 0

f(x) é contínua para  x  

Cada um dos intervalos acima contém pelo menos um

f(x) admite pelo menos um zero no intervalo [1,2]

Mas esse zero é único?

f(x) admite um único zero em todo seu domínio

 Suficiente utilizar um dos seguintes passos:

Solução utilizando o método 2: y

Dada: 1  (4,  3) g(x) h(x)

Solução utilizando o método 2:

Solução utilizando o método 2:

Prof. Wellington Passos de Paula

 Diferenciação dos métodos  Modo de refinamento

 Método Iterativo  Caracterizado por uma série de

 Como verificar tal questionamento?

 Interpretações para raiz aproximada

 Como proceder se não conhecemos  ?

 Obtenção de um intervalo [a,b] tal que:

 Quando da utilização de programas computacionais,

Prof. Wellington Passos de Paula

 Em outras palavras, o objetivo deste método é reduzir

 Repetimos o processo até que o valor de x atenda

Utilizando o método de Equações Equivalentes para

 f (2,5)  0    (2.5, 2.75)

 A convergência do método é intuitiva

Utilizando o método de Equações Equivalentes para

Escolha do Novo Intervalo

 Então x  0,337890625 em 9 iterações

 .f (x)   foi atendida, enquanto bk  ak   , não foi

 Após n iterações, a raiz estará contida no intervalo:

 Devemos obter o valor de k, tal que bk  ak   , ou seja:

 Exemplo: Considerando um intervalo [2,3] e ε=10-2,

erro não tenha sido 3

2 1,000000 1,500000 -1,000000 0,875000 1,250000 -0,296875

3 1,250000 1,500000 -0,296875 0,875000 1,375000 0,224609

4 1,250000 1,375000 -0,296875 0,224609 1,312500 -0,051514

5 1,312500 1,375000 -0,051514 0,224609 1,343750 0,082611

Para a iteração 5 temos:

log(2  1)  log(2 10 3 )

Prof. Wellington Passos de Paula

 Método da Posição Falsa

 Dada a função f ( x)  x 3  9 x  3  0 e, sendo o intervalo

 Assim, ao invés de tomar a média aritmética, o método

 Verificamos se, através do teste de parada, x0 é uma

 Caso contrário  definimos um novo intervalo

 Repetimos o processo até que o valor de x atenda

af (b)  bf (a) 2  0,4314  3  (0,3979) 2,0565

f ( x0 )  0,0219  0 . Como f (a0 ) e f ( x0 ) têm o mesmo sinal,

a1  x0  2,4798 f (a1 )  0 

a1  x0  2,4798 f (a1 )  0 