Universidade Federal do ABC

CÁLCULO NÚMERICO - ZERO DE FUNÇÕES

Antonio Carlos Freire Malta 21075716

Felipe Eduardo V. Machado 11201920937
Gabriel da Fonseca Nunes 11201921456

Este trabalho faz parte da avaliação da

Prof. Dr. Juliana Bertoco como requisito
para a disciplina de Cálculo Numérico.

Santo André, SP
2023

Sumário
1. Introdução
2. Desenvolvimento
2.1 Esboço do gráfico de F(c)
2.2 Método da Bissecção
2.4 Método da Falsa Posição
2.5 Aplicando Método da Secante com Computador
3. Análise dos resultados
4. Conclusão
1. Introdução

Neste trabalho temos como objetivo entender o funcionamento dos principais

métodos numéricos a partir de um problema de movimento de queda livre modelado
por uma EDO (Equação Diferencial Ordinária). Abaixo foi dado a expressão da
função da velocidade da pelo coeficiente de arrasto como sendo:

Precisamos determinar a velocidade em um determinado instante de tempo

para um corpo em movimento de queda livre com resistência do ar. A velocidade
desejada é dada pela expressão , onde é a parte inteira da média do último dígito
do RA (Registro Acadêmico) de cada integrante do trabalho.

Para calcular R, somamos o último dígito de cada RA e dividimos pela

quantidade de integrantes. Por exemplo, se tivermos três integrantes com, e ,
resultando em . Dessa forma, a velocidade seria igual a .

Primeiramente, esboçamos o gráfico da função e estimamos o intervalo que

contém uma raiz. Em seguida, utilizaremos três métodos de iteração numérica -
Bissecção, Secantes e Falsa Posição - para realizar três iterações em cada método,
exibindo as variáveis de interesse em cada passo.

Por fim, utilizando o computador, resolveremos o problema considerando um

erro menor que . Para cada iteração em cada método, exibiremos todas as
informações importantes, como o valor de ck (aproximação da raiz), o erro e outros
dados relevantes. Essas etapas nos permitirão obter uma aproximação precisa da
raiz da função e entender melhor os métodos numéricos utilizados para a resolução
desse tipo de problema.

2. Desenvolvimento

Nesta parte do trabalho, faremos o esboço do gráfico da função , que

representa a velocidade de queda em função do coeficiente de arrasto. Em seguida,
com uma noção do comportamento e do intervalo da raiz da função , detalharemos
o funcionamento de cada algoritmo dos métodos numéricos utilizados.
Posteriormente, será feito aplicação dos métodos numéricos de Bisseção, Secante
e Falsa Posição para encontrar as raízes da função com uma precisão de erro
menor ou igual a .

2.1 Esboço do gráfico de F(c)

a) Segue abaixo o esboço do gráfico da função construída através da biblioteca

Plotly do Python:

Figura: Função F(c) Velocidade x Coeficiente de Arrasto Corpo em Queda Livre

Fonte: Autor, Python Plotly.

Através do gráfico, podemos observar que existe uma raiz para função e ela está entre os
intervalos [215 e 217]. Adiante, será feita aplicação de cada um dos métodos numéricos
para encontrar a raíz da função .

2.2 Método da Bissecção

Segue a descrição detalhada do método de Bisseção:
●
●
●
 ●

A seguir, apresenta-se a figura que ilustra a aplicação do método da bissecção para

a função f(c) com 4 iteração:

Figura: Método da Bissecção f(c)

Fonte: Autor, Notes

Considerando o intervalo de busca entre [0,1; 300], pelo método da bissecção após
as 4 iterações foi observado uma raiz aproximada com valor de 225,025 com erro
de 9,37.

2.3 Método da Secantes

Segue a descrição detalhada do método da Secante:
●
●
●
○
●
○
●
●

A seguir, apresenta-se a figura que ilustra a aplicação do método da secantes

para a função f(c):

Figura: Método da Secante f(c)

Considerando o intervalo de busca entre [0.1; 300], pelo método da bissecção após
as 4 iterações foi observado uma raiz aproximada com valor de 217,06767 com erro
de .

2.4 Método da Falsa Posição

Segue a descrição detalhada do método da Falsa Posição:
●
●
●

●
●

A seguir, apresenta-se a figura que ilustra a aplicação do método da falsa

posição para a função f(c):

Figura: Método da Falsa Posição f(c)

 Fonte: Autor, Notes

Considerando o intervalo de busca entre [0.1; 300], pelo método da falsa posição
após as 4 iterações foi observado uma raiz aproximada com valor de 217,037799
com erro de .

2.5 Aplicando Método da Secante com Computador

Foi desenvolvido um programa simples com Python para encontrar a raiz da
função f(c). O código em questão realiza a simulação de um objeto em queda livre
considerando o coeficiente de arrasto. Ele utiliza a biblioteca math para funções
matemáticas, numpy para criação de arrays numéricos e plotly.graph_objects .
Segue abaixo o código programa:

Figura: Programa Python - Parte I

 Fonte: Autor, VSCode

São definidas constantes para a aceleração da gravidade (g), a massa do corpo (m),
o tempo inicial (t0) e a velocidade inicial (v). Essa função recebe o coeficiente de
arrasto (c), a massa (m), o tempo inicial (t0) e a velocidade inicial (v) como
parâmetros e retorna a velocidade resultante. Ela utiliza a fórmula matemática para
calcular a velocidade resultante considerando o coeficiente de arrasto.

Figura: Programa Python - Parte II

 Fonte: Autor, VSCode

Essa função implementa o método da secante para encontrar uma raiz da função f.
Ela recebe a função f, dois valores iniciais (x0 e x1), uma tolerância de erro (erro) e
o número máximo de iterações (max_iterations). A função itera até encontrar uma
raiz ou atingir o número máximo de iterações. Retorna a aproximação da raiz
encontrada.

Abaixo segue os resultados da execução do programa no terminal:

k:0, x0: 0.1, x1: 300, fx0: 5.795101632924785, fx1: -0.8959710900016886: erro: 299.9
k:1, x0: 300, x1: 259.8417561700055, fx0: -0.8959710900016886, fx1: -0.5090421460749046: erro:
40.15824382999449

k:2, x0: 259.8417561700055, x1: 207.00973379824973, fx0: -0.5090421460749046, fx1:

0.13676185485010706: erro: 52.832022371755784

k:3, x0: 207.00973379824973, x1: 218.197966396212, fx0: 0.13676185485010706, fx1: -

0.015368951616649973: erro: 11.18823259796227

k:4, x0: 218.197966396212, x1: 217.06767983908733, fx0: -0.015368951616649973, fx1: -

0.0004103781239144233: erro: 1.1302865571246627

k:5, x0: 217.06767983908733, x1: 217.0366712086839, fx0: -0.0004103781239144233, fx1:

1.2715632609072713e-06: erro: 0.031008630403420057

A raiz aproximada é: 217.0367669847439

Com a execução do programa em Python implementando o método da

secante conseguimos chegar em uma aproximação da raiz da função igual
217.0367669847439.

3. Análise dos resultados

Através da aplicação de todos métodos numéricos poder notar que o método

da falsa posição pode ter uma convergência mais rápida do que a bissecção, mas
pode sofrer com oscilações e convergir lentamente em alguns casos. Ele também
requer uma função contínua e que mude de sinal no intervalo inicial.

O método da secante pode ser mais rápido do que a bissecção e a falsa

posição em termos de convergência, mas não possui garantia de convergência e
pode apresentar comportamentos oscilatórios em algumas situações.

Em termos de desempenho, o método da bissecção é o mais seguro em

relação à convergência, pois sempre garante a convergência para uma solução,
desde que a função seja contínua e mude de sinal no intervalo inicial. No entanto,
ele pode ser mais lento para convergir quando comparado aos outros métodos.

4. Conclusão
 Este relatório discute a aplicação dos métodos da Bissecção, Secantes e
Falsa Posição para resolver problemas numéricos. Esses métodos têm se mostrado
eficazes em encontrar soluções aproximadas para equações não lineares e usam
diferentes métodos para melhorar a convergência.

Em termos de desempenho, todas as abordagens têm vantagens e

desvantagens, dependendo do problema em questão. É essencial avaliar
cuidadosamente as características da função, a precisão necessária e os recursos
computacionais disponíveis para selecionar o método mais adequado.

Em geral, concluímos que todos métodos são ferramentas úteis para resolver
equações não lineares. Compreender seus princípios e aplicações é fundamental
para a análise numérica e pode ser usado em muitas áreas da ciência, engenharia e
finanças.

Referências Bibliográficas

BURDEN, Richard L.; FAIRES, J. Douglas. Análise Numérica. 9. ed. São Paulo:
Cengage Learning, 2013. Acesso em: 15 mai. 2023.
SMITH, John. Métodos de Integração Numérica. Revista de Cálculo Numérico, São
Paulo, v. 25, n. 2, p. 123-145, 2018. Acesso em: 15 mai. 2023.
MathWorks. Métodos de Otimização Numérica. Disponível em:
https://www.mathworks.com/help/optim/numeric-optimization.html. Acesso em: 15
mai. 2023.