COMPARAÇÃO ENTRE OS MÉTODOS DA BISSEÇÃO, PONTO FIXO,

NEWTON E FALSA POSIÇÃO

Álvaro Barreto da Silva, catce.20191eme0010.com.br1

Abstract. Métodos numéricos são técnicas matemáticas e computacionais usadas para resolver problemas que
envolvem cálculos aproximados ou análises quantitativas em vez de soluções exatas. Nesse contexto, esse trabalho
surge com o objetivo de fazer a comparação entre quatro métodos numéricos para encontrar os zeros reais da função,
utilizando o Matlab que é uma linguagem de programação de alto nível e um ambiente de desenvolvimento utilizado
principalmente para computação numérica, análise de dados, visualização de dados, modelagem e simulação.Dessa
forma, foi possível perceber através da comparação entre os métodos que o método de newton foi o que mais se
aproximou do valor de t para que a função seja zero, o método da falsa posição necessitou de muitas interações para
solucionar o problema.

Keywords: métodos,numericos, matlab, zeros,computacional.

1. INTRODUCÃO

Métodos numéricos são técnicas e algoritmos matemáticos utilizados para resolver problemas complexos que
envolvem cálculos numéricos, especialmente quando não é possível obter soluções analíticas exatas. Esses métodos são
amplamente aplicados em várias áreas da ciência, engenharia e computação para aproximar soluções de equações
matemáticas, simular fenômenos físicos e realizar análises numéricas de dados.

2. Referencial Teorico
3.
3.1 Método da bisseção

O método da bisseção é um algoritmo utilizado para encontrar aproximadamente as raízes de uma função real
contínua em um intervalo fechado. Ele é um dos métodos mais simples e robustos para resolver esse tipo de problema.
O método funciona da seguinte maneira:
Escolha um intervalo fechado [a, b] onde a função muda de sinal (ou seja, f(a) e f(b) têm sinais opostos) e onde
você suspeita que uma raiz esteja localizada.
Divida o intervalo ao meio, calculando o ponto médio c = (a + b) / 2.
Avalie a função no ponto médio: f(c).
Determine o novo intervalo [a, b] para a próxima iteração com base no sinal de f(c):
Se f(c) for aproximadamente zero (ou seja, a função atingiu uma raiz), você encontrou uma aproximação da
raiz e pode encerrar o processo.
Se f(a) e f(c) têm sinais opostos, atualize o intervalo para [a, c].
Se f(b) e f(c) têm sinais opostos, atualize o intervalo para [c, b].
Repita os passos 2 a 4 até que a largura do intervalo [a, b] seja suficientemente pequena ou até que uma
aproximação aceitável da raiz seja obtida.

O método da bisseção garante a convergência para uma raiz de uma função contínua em um intervalo fechado,
desde que as condições iniciais sejam escolhidas corretamente (ou seja, a função mude de sinal no intervalo inicial) e
que a função seja contínua no intervalo.

Embora seja um método relativamente lento para convergir, o método da bisseção é robusto e fácil de
implementar, tornando-o útil em situações onde a precisão absoluta não é crítica ou quando é necessário encontrar uma
aproximação inicial para métodos mais eficientes, como o método de Newton.

3.2 Método da falsa posição

O método da falsa posição é um método numérico utilizado para encontrar uma aproximação de uma raiz (ou
zero) de uma função. Também é conhecido como método da interpolação linear. Ele é uma alternativa ao método da
A.Barreto
Comparação Entre os Métodos da Bisseção, Ponto Fixo, Newton e Falsa Posição.

bisseção e é usado para encontrar uma raiz de uma função em um intervalo especificado. O método envolve a
interpolação linear entre dois pontos em um intervalo e atualiza esses pontos com base na mudança de sinal da função.

Aqui está uma descrição passo a passo do método da falsa posição:

1. Escolha um intervalo inicial [a, b] onde você suspeita que a raiz esteja localizada. Certifique-se de que a
função muda de sinal em a e b (ou seja, f(a) * f(b) < 0).

2. Calcule o ponto de interpolação c no intervalo [a, b] usando a fórmula:

c = (a * f(b) - b * f(a)) / (f(b) - f(a)) (1)

3. Calcule o valor da função f(c).

4. Verifique se a raiz está suficientemente próxima com base em algum critério de tolerância. Se a raiz estiver
suficientemente próxima (ou seja, |f(c)| for menor que a tolerância especificada), o processo é encerrado e c é a
aproximação da raiz.

5. Caso contrário, atualize os limites do intervalo [a, b] com base no sinal de f(c). Se f(c) tem o mesmo sinal
que f(a), atualize a para c; caso contrário, atualize b para c.

6. Repita os passos 2 a 5 até que a aproximação da raiz seja suficientemente precisa ou até que um número
máximo de iterações seja atingido.

É importante notar que o método da falsa posição pode ser sensível a escolhas iniciais de intervalo e pode não
convergir rapidamente em alguns casos. Portanto, é necessário escolher intervalos iniciais apropriados e definir critérios
de parada adequados para garantir a convergência e a precisão desejadas. Além disso, é uma boa prática verificar se a
função muda de sinal no intervalo inicial para garantir que o método seja aplicável.

3.3 Método de Newton

O método de Newton-Raphson, também conhecido como método de Newton, é um algoritmo utilizado para
encontrar aproximadamente as raízes de uma função real de uma variável. Este método é especialmente útil quando
se deseja encontrar as raízes de uma equação não linear, ou seja, quando a função não pode ser resolvida de forma
algébrica. Foi desenvolvido de forma independente por Isaac Newton e Joseph Raphson no século XVII.

A ideia principal por trás do método de Newton-Raphson é iterativamente refinar uma estimativa inicial para a
raiz da função, até que uma aproximação suficientemente precisa seja obtida. O método envolve o uso de tangentes
à curva da função para se aproximar da raiz.
É importante notar que o sucesso do método de Newton-Raphson depende da escolha adequada da estimativa
inicial e da função em questão. Em alguns casos, o método pode convergir rapidamente para uma solução,
enquanto em outros, pode falhar ou convergir para raízes diferentes, dependendo da escolha inicial.

O método de Newton-Raphson é amplamente utilizado em diversas áreas, incluindo matemática, engenharia, física
e ciências computacionais, para encontrar soluções aproximadas de equações não lineares. É eficiente quando a
função tem derivadas bem-comportadas e quando a estimativa inicial está próxima da raiz desejada.

3.4 Método do Ponto Fixo

O método do ponto fixo é uma técnica numérica utilizada para encontrar aproximadamente as raízes de uma
função real. O objetivo é encontrar um valor (ponto fixo) para o qual a função assume esse mesmo valor, ou seja,
encontrar um valor x tal que f(x) = x. Esse método é especialmente útil quando é difícil encontrar uma solução analítica
direta para uma equação.
4. Objetivo

O objetivo deste trabalho é comparar quatro métodos utilizados para encontrar zero reais, utilizando essa equação e
seus respectivos valores a serem substituídos, como objeto de parâmetro entre os métodos.

−𝜉𝑤𝑛*𝑡
𝑓(𝑡) = 𝑒 * [𝑥。 * 𝑐𝑜𝑠(𝑤𝑑 * 𝑡) + ((𝑥'。 + 𝜉𝑤𝑛𝑥。)/𝑤𝑑) * 𝑠𝑒𝑛(𝑤𝑑 * 𝑡)] (2)

𝜉=2
𝑥。 = 0, 1 𝑚
𝑥'。 = 1 𝑚/𝑠
𝑤𝑑 = 1 𝑟𝑎𝑑/𝑠
2
𝑤𝑑 = 𝑤𝑛 * √(1 − 𝜉 )

5. Resultados

𝜉 ∈ (-1,2); ε1 = ε2 =1e-3;
−𝜉𝑤𝑛𝑡
𝑓(𝑡) = 𝑒 * [𝑥。 * 𝑐𝑜𝑠(𝑤𝑑 * 𝑡) + ((𝑥'。 + 𝜉𝑤𝑛𝑥。)/𝑤𝑑) * 𝑠𝑒𝑛(𝑤𝑑 * 𝑡)]

Metodos Bisseção Falsa Posição Newton Ponto Fixo

Dados iniciais [-1,2] [-1,2] t0=0,5 t0=0,5

t 0.0280 0.0281 0.0278 0.0354

k 13 142 10 46

f(t) -5.2657e-04 -9.9597e-04 4.8085e-06 0.0099

A.Barreto
Comparação Entre os Métodos da Bisseção, Ponto Fixo, Newton e Falsa Posição.

Figura 1
Gráfico da função

6. Conclusão

Com os resultados obtidos pode-se notar que o método da falsa posição precisou de muito mais interações que
os demais métodos, o método do ponto fixo encontrou uma raiz real que se distanciou um poucos dos demais métodos.
O método de Newton foi o que mais se aproximou de obter um valor para t que zerasse a função e precisou de menos
interações para isso.
É possível perceber que o valor encontrado para t está batendo com os dados informados pelo gráfico da
função.