EP01025 – Cálculo Numérico

Capítulo 1 - ZERO DA FUNÇÃO

Resumo

Apresentaremos os métodos numéricos que permitem determinar o zero de uma

função f real. Sabemos que uma função pode possuir mais de um zero, porém os
métodos numéricos permitem determinar sucessões de números que convergem para um
único limite. O que significa que para aquelas funções que possuem mais de um zero,
terá um algoritmo para cada zero procurado. Os métodos aqui apresentados são Método
de Bisseção, Método de Iteração Linear e o Método de Newton-Raphson. Em todos os
métodos, envolvem as seguintes questões básicas: (a) a função possui algum zero? (b)
ele é único zero desta função? (c) Qual é seu valor? Essas questões são respondidas pelo
Teorema do Valor intermediário e do Teorema do Ponto Fixo. O estudo da
convergência nos processos iterativos é importante para que a cada iteração o valor
numérico obtido esteja mais próximo do zero. O Método de Bisseção trabalha dividindo
o intervalo quem contem o zero. Para o Método de Iteração Linear, a função de iteração
escolhida deve satisfazer as condições do teorema de convergência enquanto que no
caso de Newton-Raphson, sempre haverá convergência, dependendo exclusivamente do
valor da aproximação inicial quando este é escolhido próximo do zero. A ordem do erro
e o critério de parada para as iterações estão amplamente discutidos. Usamos a planilha
do EXCEL para os cálculos dos valores das aproximações.

1
EP01025 – Cálculo Numérico

INTRODUÇÃO

Determinar zero de função f real definida no intervalo a, b é achar o valor de

x no qual se verifica a seguinte igualdade.

f (x) = 0 , para algum valor de x  (a, b) (1.1)

Em outras palavras, dada uma função f : a, b → R dizemos que x  (a, b) é

um zero da função f, se:
f (x ) = 0 . (1.2)
Uma função pode ter mais de um zero. Observe que, determinar os zeros de uma
função f é equivalente a achar as raízes da equação .

Exemplo 1.1: Achar zero das funções abaixo, caso exista:

(a) f (x) = 3x − 4

(b) f (x ) = x 2 + 2 x − 3

(c) f (x ) = x 3 − 8

(d) f (x ) = x 3 − 8 x + 1

(e) f (x ) = xe x − 2

(f) f (x ) = cos(x ) − e x

Podemos, sem grandes dificuldades, determinar o(s) zero(s) das funções dos
itens (a) e (b). Para demais funções necessitamos de estudos adicionais que é objetivo
deste trabalho.
No exemplo (a) temos um único zero que é x = 4/3. E, para o exemplo (b)
usando a fórmula de Báskhara encontramos as raízes x1 = −3 e x2 = 1 .
Para a função do exemplo (c) o valor x = 2 é evidentemente único zero de f .
No caso do exemplo (c) mesmo sendo polinômio de 3º grau, não é tão evidente como no
exemplo anterior. Outros exemplos, não é nada evidente que a função tenha algum zero,
e caso exista qual seja seu valor.

2
EP01025 – Cálculo Numérico

Assim, nesse trabalho de conclusão do curso, apresentaremos alguns métodos

numéricos para determinar o zero de uma função, os quais envolvem as seguintes
questões básicas:

• A função possui algum zero?

• Ele é único?
• Qual é seu valor?

Cada método apresentado serve para encontrar um zero da função. Para função
que possui mais de um zero, para cada zero procurado deve seguir os procedimentos de
acordo com cada método.

1.1 - DEFINIÇÕES E TEOREMAS

Neste capítulo apresentamos definições e teoremas usados para encontrar

aproximações do zero de uma função real pelos métodos numéricos.
Definição 1.1 (Ponto fixo). Dada uma função F : R → R contínua, dizemos que
r  R é ponto fixo de F  F (r ) = r .

Exemplo 1.2 – Dada a equação do segundo grau x 2 + 3x − 10 = 0 as funções F ,

abaixo relacionadas, foram obtidas algebricamente a partir dessa equação, separando x
no primeiro membro:
10 − x 2
(a) F (x ) = .
3
(b) F (x ) = x 2 + 4 x − 10 .

(c) F (x ) = − 10 − 3x .

(d) F (x ) = + 10 − 3x .
As raízes desta equação são r1 = −5 e r2 = 2 , e são pontos fixos das funções (a)

e (b) enquanto que r1 = −5 é ponto fixo da função (c) e r2 = 2 da função (d) conforme a
seguir:
10 − (− 5) 10 − 2 2
2
(a) F (− 5) = = −5 e F (2) = = 2.
3 3
(b) F (− 5) = (− 5) + 4(− 5) − 10 = −5 e F (2) = 2 2 + 4  2 − 10 = 2 .
2

3
EP01025 – Cálculo Numérico

(c) F (− 5) = − 10 − 3(− 5) = −5 .

(d) F (2) = 10 − 3  2 = 2 .

Observe que uma função pode ter mais de um ponto fixo, como é o caso de (a) e (b).

Teorema 1.1 – (Teorema de ponto fixo) Toda função contínua f : a, b → a, b possui
um ponto fixo.
Demonstração: ver página 111 de Corrêa [4].

Teorema 1.2 – Teorema do Valor Médio. Se f é uma função continua em [a,b] e

derivável em (a, b) , então existe c  (a, b) tal que
f (b) − f (a )
f (c ) = em (a, b) .
b−a
Demonstração: ver página 136 de Corrêa [4]. Graficamente:

Gráfico 1.1 - Existência de dois pontos c, c  (a, b) do TVM.

4
EP01025 – Cálculo Numérico

Gráfico 1.2 - Existência de um único ponto c  (a, b) do TVM.

Lema 1.1 Seja f : (a, b) → R uma função continua tal que f (a)  0  f (b) , então existe

c  (a, b) tal que f (c ) = 0. O ponto c é chamado zero da função f.

Lema 1.2 Seja f : a, b → R uma função continua tal que f (a)  0  f (b) , então
existe c  (a, b) tal que f (c ) = 0. O ponto c é chamado zero da função f.

Teorema 1.3 – Teorema do Valor Intermediário. Se f : a, b → R é uma função

continua tal que f (a )  d  f (b) então existe pelo menos c  (a, b) tal que f (c) = d
em (a, b) .
Do Lema 1.1 e de Lema 1.2, podemos enunciar o teorema 1.3 como se segue:

Teorema 1.4 – Teorema do Valor Intermediário. Se f é uma função continua em a, b

e se f (a ) f (b)  0 então existe pelo menos um r  (a, b) tal que f (r ) = 0 (isto é r é a

raiz da equação f (x ) = 0 em (a, b) ).

5
EP01025 – Cálculo Numérico

Gráfico 1.3 - Existência de zeros da função f.

Teorema 1.5 – Unicidade do zero. A função f do teorema 1.1 se f (x)  0 , x  (a, b)

então existe um único zero da função f (ou raiz da equação f (x ) = 0 em (a, b) ).

Significa que se f (x) tiver sempre o mesmo sinal em (a, b) , existe um único zero em
(a, b) como mostra as figuras do gráfico 2.4.

Gráfico 1.4 - Condição para a unicidade de zero da função f.

Teorema 1.6 – Se é continua em e então tem um número impar

de zeros. Veja gráfico 1.5.

6
EP01025 – Cálculo Numérico

Gráfico 1.5 – Número ímpar de zeros de f.

Como o Teorema do Valor Intermediário só dá uma condição suficiente,

podemos encontrar zero de em mesmo que não satisfaça as hipóteses do

mesmo. Veja os casos abaixo:

a) Caso sendo f é descontinua em , mas existe r  (a, b)

tal que . Veja os gráficos abaixo:

Gráfico 1.6 – Apesar de não satisfazer as hipóteses do teorema 1.4 existe

zero em (a, b) .

b) Caso f (a ) f (b)  0 , no entanto existe r  (a, b) tal que , como

mostra o gráfico 1.7.

7
EP01025 – Cálculo Numérico

Gráfico 1.7 – Existência do zero da f sem satisfazer as hipóteses do T.V.I

Gráfico 1.8 – Apesar de não satisfazer as hipóteses do teorema 1.4 existe

zero em (a,b).

É importante que seja continua em , pois pode acontecer

e no entanto, não existe nenhum zero de f, como mostra o gráfico 1.6.

Gráfico 1.8 – Apesar de f (a) f (b)  0 , f não é contínua em (a,b).

Evidentemente, a maior precisão para r será alcançada a medida que conseguir

diminuir o intervalo (a, b) onde se verifica .

8
EP01025 – Cálculo Numérico

Resumindo:
Se f (a ) f (b)  0 f contínua com certeza  r  (a, b) .
Se f (a ) f (b) = 0 então a ou b é zero da função.

Se f (a ) f (b)  0 nada a afirmar pois pode existir raiz em (a, b) , como mostra o
gráfico 1.7.

Série de Taylor com resto – Seja f : a, b → R função contínua que possui derivadas

contínuas até a ordem n em (a, b) . Se r  (a, b) então a série de Taylor da função f em

torno de r  (a, b) é dada por:

F (x ) = F (r ) + (x − r )F (r ) +
(x − r )2 F (r ) +  + (x − r )n−1 F (n ) (r ) + R (x ) (1.3)
2! (n − 1)! n

Onde Rn ( x ) é o resto da série, expresso por

Rn ( x ) =
(x − r )n F (n ) ( ),   (a, b ) (1.4)
n!
O Teorema do Valor Médio é um caso particular da Série de Taylor de ordem 2 para
x = b, r = a e  = c .

Cota superior do erro

Erro absoluto é o valor absoluto da diferença entre valor exato r e valor aproximado
x i , dado abaixo.

erro = xi − r . (1.5)

Em geral, nos métodos numéricos, como o valor exato de r não é conhecido,

não podemos calcular o erro absoluto. Entretanto podemos determinar valores
superiores para esse erro, denominado de cota superior do erro que denotemos por  :

erro = xi − r   . (1.6)

Exemplo 1.3. Determine uma cota superior do erro cometido ao considerar os seis

1
primeiros termos da série infinita  n! .
n =0

Resposta: Sabemos que, se trabalharmos com seis primeiros termos desta série obtemos:

9
EP01025 – Cálculo Numérico

5
1 1 1 1 1
S =  = 1+1+ + + +  2,7167 .
n =0 n ! 2 6 24 120

Então, o erro absoluto cometido é:

1 1 1 1 1 1 1 1
erro = S − S  = + + ++ + = + + ++ +
6! 7! 8! i! 6! 7! 8! i!
1 1 1 1  1 1 1 1 
= 1 + + + +    1 + + + +  
6!  7 7  8 7  8  9  6! 7 
7 7 7
7 7
1
P .G .de razão
7

 
1  1  1 7
 =  = 0,0016
6!  1  170 6
1− 
 7

Ou seja

erro = S − S   0,0016 .

O que significa que o erro absoluto não passa de 0,0016.

x
 1 1
Observação: e = lim

x →
1 + 
x
= 
n =0 n !
que é um número irracional.

1.2 - MÉTODOS NUMÉRICOS PARA ZERO DA FUNÇÃO

1.2.1- MÉTODO DA BISSEÇÃO.

Este método consiste em, a partir do intervalo a, b que contém zero da função,
dividir o intervalo ao meio sucessivamente, de modo que um dos subintervalos continue
satisfazendo as condições do Teorema 2.4.

10
EP01025 – Cálculo Numérico

Gráfico 1.9 – Gráfico de zeros da função.

Os passos desse método são apresentados a seguir.

1⁰ Passo: determinar um intervalo a, b que contenha o zero procurado. Para

isto atribui-se um valor para x Por exemplo x = a . Se f (a ) = 0 então a é o zero

procurado. Se f (a )  0 atribui-se outro valor para x , por exemplo, x = b de modo que

se tenha f (b)  0 . Uma vez determinado o intervalo (a, b) que contenha o zero de f ;
a+b
2º Passo: tomar o valor médio do intervalo c = e calcular f (c ) ;
2
3º Passo: se f (c) = 0 então c é o zero de f ;

4º Passo: se f (a) f (c)  0 tomar b = c e retornar ao 2º passo; senão tomar a = c

e retorna ao 2º passo.
Esse processo, só termina quando encontrar a zero exato.
Exemplo 1.4 – Determinar os zeros da função f (x ) = x 3 + x 2 − 5 usando
Método da Bisseção:
Solução:
1º Passo: Para determinar o intervalo (a, b) atribuímos valores para x. Seja:

x = 0  f (0) = 0 3 + 0 2 − 5 = −5  0 .
Como em x = 0 a imagem de f é negativa, escolhe-se outro valor para x de
modo que a imagem seja positiva. Seja então:
x = 2  f (2) = 2 3 + 2 2 − 5 = 7  0 .

11
EP01025 – Cálculo Numérico

Portanto, como f (0) f (2)  0 , pelo Teorema do Valor Intermediário, existe

r  (0,2) . Mas, é único zero nesse intervalo? Basta verificar se f (x)  0 em (0,2) .
Como f (x ) = 3x 2 + 2 x então f (x ) = 3x 2 + 2 = 0  x = 0 e/ou 3x + 2 = 0 ou

seja, f (x) = 0 em :

x = 0  (0,2) e x = −  (0,2)
2
3

de onde concluímos que f (x)  0 em todo (0,2) . Assim, nesse intervalo, existe apenas
um zero de f .

0+2
2º Passo: c = = 1  f (1) = 13 + 12 − 5 = −3  0
2

Então toma-se a = 1 e o novo intervalo onde existe zero é (1,2).

Repetindo os passos teremos:

1+ 2
c= = 1,5  f (1,5) = 1,53 + 1,5 2 − 5 = 0,575  0
2

Como f (1) f (1,5)  0 , o novo intervalo que contem o zero é (1;1,5) .

Pergunta-se: quando pára?

Resposta: Depende da precisão do resultado que deseja obter.

Para cada problema exige-se a precisão necessária. Por exemplo, numa corrida
de Formula 1, a diferença de tempo de um carro para outro é questão de 0,0001
segundos enquanto que se o problema trata de temperatura ambiente, o erro de leitura
num termômetro de mercúrio é de 0,2⁰ C.

Apresenta-se a seguir outros métodos que possibilitam determinar valores

aproximados de zeros de função f ou raízes da equação f (x ) = 0 .

12
EP01025 – Cálculo Numérico

1.2.2 - MÉTODOS ITERATIVOS

Os métodos iterativos estudados neste trabalho são Método de Iteração Linear

e o Método de Newton-Raphson que é um processo de cálculo infinito em que o valor
de x i +1 obtido em cada passo depende unicamente do valor obtido no passo anterior x i .

Como já vimos, para utilizar o Método da Bisseção é necessário que exista um

intervalo no qual a função f esteja nas condições do Teorema do Valor Intermediário e
trabalha dividindo o intervalo ao meio até chegar no valor desejado.

Apresentaremos agora métodos que calculam aproximações sucessivas de zero,

baseado no teorema do ponto fixo.

Os Métodos Iterativos para achar zeros de função não é o mais eficiente, porém,
constitui em um algoritmo simples e permite a introdução de vários conceitos
fundamentais dentro desse assunto.

Um método iterativo simples é um processo de cálculo infinito em que o valor

de x i +1 obtido em cada passo i depende unicamente do valor obtido no passo anterior

x i , ou seja

xi +1 = F (xi ), i = 0,1,2,3, (1.7)

Cada passo i é dito uma iteração e F é a função de iteração. É um processo de

cálculo infinito onde a solução exata é obtida após um número infinito de passos.

Determinar zero da função f equivale a resolver equação f (x ) = 0 . Seja r a raiz

real dessa equação. Por um artifício algébrico é sempre possível transformá-la na forma.

x = F (x ) (1.8)

É óbvio que se r é raiz da equação f (x ) = 0 então r é também a raiz de

x = F (x) , ou seja, r é ponto fixo da função F e temos:

f (r ) = 0 e r = F (r ) (1.9)

13
EP01025 – Cálculo Numérico

Graficamente é o ponto de interseção das curvas e , como

mostrado no gráfico 1.10 abaixo.

Gráfico 1.10 - Ponto fixo da função F .

Como proceder para chegar ao valor de r usando o processo iterativo?

Se a primeira aproximação xo  (a, b ) for a raiz da equação f (x ) = 0 então

conforme (2.9) teria

xo = F ( xo ) .

Como em geral xo  r , ou seja, x o não é a raiz da equação f (x ) = 0 temos que

xo  F (xo ) . Então, denota-se por

x1 = F (xo ) (1.10)

E, pergunta-se x1 = F (x1 ) ?
Se esta igualdade for verdadeira, x1 seria a raiz procurada e termina a busca. Se não

para x1  F (x1 ) denota-se por

x2 = F (x1 ) (1.11)

Se x 2 for a raiz então vale x2 = F (x2 ) senão, seja

x3 = F ( x 2 ) , (1.12)

14
EP01025 – Cálculo Numérico

Repetindo o raciocínio anterior obtemos

xi +1 = F (xi ), i = 0,1,2,3,

um conjunto de valores xo , x1 , x 2 ,, xi , xi +1 ,.

Pergunta-se
xo , x1 , x2 ,, xi , xi +1 , → r ?

Veja nos gráficos 1.11 a 1.14 o processo de obtenção desses valores pelos
Métodos Iterativos.

Gráfico 1.11 – Função de iteração F convergente

15
EP01025 – Cálculo Numérico

Gráfico 1.12 – Função de iteração F convergente

Gráfico 1.13 – Função de iteração F não convergente.

16
EP01025 – Cálculo Numérico

Gráfico 1.14 – Função de iteração não convergente.

Observe que, dependendo da função de iteração, nem sempre há convergência.

A seguir, através de exemplos, mostraremos a existência de mais de funções de
iterações F para a mesma equação.

Exemplo 1.5 – Achar valor aproximado de 3 , usando Método de Iteração Linear.

Solução: Achar 3 equivale a resolver seguinte equação:

f (x ) = x 2 − 3 = 0 . (1.13)

Para encontrar a função de iteração, reescrevendo (1.13) podemos ter:

x=
x 2+x
−3 (1.14)
F (x)

ou
x2 − 2x − 3
x= (1.15)
−2
F (x)

Exemplo 1.6 – Achar zero da função f (x ) = cos(x ) − 3x 2 + 3 .

Para encontrar a função de iteração, reescrevendo a equação

cos(x ) − 3x 2 + 3 = 0 (1.16)

17
EP01025 – Cálculo Numérico

podemos ter:

x = cos(x ) − 3x 2 + x + 3 (1.17)
 
F (x)

ou
cos(x ) + 3
x=− (1.18)
3 
F (x)

ou
cos(x ) + 3
x= (1.19)
 3 
F (x)

Exemplo 1.7 – Achar zero da função f (x ) = x 2 − e x .

Para encontrar a função de iteração, reescrevendo a equação
x2 − ex = 0 (1.20)
podemos ter:

x = ln x 2

( ) (1.21)
F (x)

ou
x=−
e
x
(1.22)
F (x)

ou
x=
ex (1.23)
F (x)

Qual função F de iteração deve escolher?

Como pode ser observado nos gráficos 1.11 a 1.14, somente em alguns casos o
processo iterativo (2.7) converge para o zero da função f (ou para a raiz r da equação
f (x ) = 0 ).
O comportamento da curva y = F (x ) influência na convergência do processo.
Assim, é necessário ter cuidado na escolha da função iteração F .
Apresentamos o teorema que permite escolher a função de iteração que fornece
valores aproximados xo , x1 , x2 ., xi −1 , xi , xi +1 , que convergem para o zero r .

18
EP01025 – Cálculo Numérico

1.2.3 - CRITÉRIO DE PARADA.

Quando parar o processo iterativo?

A parada do processo depende da aproximação desejada e do problema a ser

resolvido. Geralmente é usada a parada quando

xi +1 − xi   (1.24)

para um dado a priori, conforme (1.5) ou quando estimamos o número máximo

N de iterações.
O critério de parada dada por (1.24) é muito usada para métodos iterativos e seu
estudo é apresentado posteriormente.

1.2.4 – ALGORITMO DE MÉTODOS ITERATIVOS

Para encontrar zero da função f ou raiz da equação f (x ) = 0 , é necessário

determinar aproximação inicial x o e a função de iteração . Os passos dos métodos

iterativos são:
Dada a função f a partir da equação f (x ) = 0 :
1º passo: determinar uma função de iteração F (x) de modo que f (x) = x − F (x) ou

f (x ) = F (x ) − x ;

2º passo: determinar o intervalo I = (a, b) tal que F (x )  1 para todo x  I e verificar

se r  I . Caso não satisfazer as hipóteses e/ou a desigualdade for muito difícil

de ser resolvido, escolher outra função de iteração;
3º passo: escolher xo  I ;

4º passo: usar a iteração xi +1 = F (xi )

5º passo: para i = 0 em 4º passo, calcular x1

6º passo: verificar se x1 − xo   . Se for verdadeiro x1 é valor aproximado de r . Senão

tomar i = i + 1 e retornar ao 5º passo.

7º passo: Se N é o número máximo de iteração permitido e após N iterações, se não
satisfizer x N − x N −1   , dizemos que o processo não convergiu com N iterações.

19
EP01025 – Cálculo Numérico

Resumo do processo iterativo.

Dados N e uma cota superior do erro  , determinados previamente o intervalo I, a
função de iteração F (x) e aproximação inicial xo  I , seguir os passos abaixo:

1- Dados N e  , scolher xo  I

2- Para i = 0
3- Calcular xi +1 = F (xi )

4- Se xi +1 − xi    tomar r = xi +1 e para o processo, se não

5- tomar i = i + 1 e verificar se i atingiu N. Nesse caso o processo não convergiu

com N-iterações. Senão, ir para 3.

1.2.5 – MÉTODO DE ITERAÇÃO LINEAR (MIL)

Os métodos iterativos visto acima são também chamadas de Método de Iteração

Linear, devido ordem de erro ser linear, e será mostrado no próximo item.

Exemplo 1.8 – Achar um zero do exemplo 1.5 usando o Método de Iteração Linear,
com  = 0,01 .

Solução. Para achar aproximação inicial como f (0) = 0 2 − 3  0 e f (2) = 2 2 − 3  0

existe r  (0,2) . Seja então xo = 1 . Para duas funções de iterações para achar valor

aproximado de 3 os valores obtidos estão na tabela abaixo:

Tabela 1.1 – Resultado do MIL usando xo = 1 e F (x ) = x 2 + x − 3

F ( xi ) = xi + xi − 3 xi +1 − xi
2
I xi
0 1 -1 2
1 -1 -3 2
2 -3 3 6
3 3 9 6
4 9 87 78
5 87 7.653 7566
6 7.653 58576059 58568406

20
EP01025 – Cálculo Numérico

x 2 − 2x − 3
Tabela 1.2 – Resultado do MIL usando xo = 1 e F (x ) =
−2
i xi x − 2 xi − 3
2
xi +1 − xi
F ( xi ) = i
−2
0 1 2 1
1 2 1,5 0,50
2 1,5 1,88 0,38
3 1,88 1,62 0,26
4 1,62 1,82 0,19
5 1,82 1,67 0,14
6 1,67 1,77 1,10
7 1,77 1,70 0,07
8 1,70 1,75 0,05
9 1,75 1,72 0,04
10 1,72 1,74 0,03
11 1,74 1,72 0,02
12 1,72 1,74 0,02
13 1,74 1,73 0,01
14 1,73 1,74 0,01
15 1,74 1,73 0,01
16 1,73 1,73 0,00

Podemos observar que na Tabela 1.1 que a função F (x ) = x 2 + x − 3 usada

serve, pois o valor do erro aumenta a cada passo, portanto xi não converge para r

x 2 − 2x − 3
enquanto que para função de iteração F (x ) = os valores de xi obtidos,
−2
convergiram para 3  1,73 na 16ª iteração.

Exemplo 1.9 – Achar um zero do exemplo 2.6 usando o Método de Iteração Linear,
com  = 0,01 .

Solução : Como f (x ) = cos(x ) − 3x 2 + 3 , atribuindo valores para x temos:

     
2

f (0) = cos(0) − 3  0 + 3  0 e f   = cos  − 3    + 3  0 , existe zero

2

2 2 2

    
em  0, . Seja xo =   0,  . Nas tabelas 2.3, 2.4 e 2.5 encontram-se os valores
 2 4  2

21
EP01025 – Cálculo Numérico

obtidos respectivamente pelas funções de iterações: F (x ) = cos(x ) − 3x 2 + x + 3 ,

cos(x ) + 3 cos(x ) + 3
F (x ) = − e F (x ) = .
3 3


Tabela 1.3 – Resultado do MIL usando xo =  0,79 e F (x ) = cos(x ) − 3x 2 + x + 3
4

i xi F (xi ) = cos(xi ) − 3xi2 + xi + 3 xi +1 − xi

0 0,79 2,64 1,86
1 2,64 -16,18 18,82
2 -16,18 -799,01 782,84
3 -799,01 -1916071 1915272
4 -1916071 -10+13 -10+13


Tabela 1.4 – Resultado do MIL usando xo =  0,79 e F (x ) = − cos( x )+3
3
4

i xi F ( xi ) = − cos( xi ) +3
3
xi +1 − xi

0 0,79 -1,11 1,90

1 -1,11 -1,07 0,04
2 -1,07 -1,08 0,01
3 -1,08 -1,08 0,00


Tabela 15 – Resultado do MIL usando xo =  0,79 e F (x ) = cos( x )+3
3
4

i xi F ( xi ) = cos( xi ) +3
3
xi +1 − xi

0 0,769 1,11 1,90

1 1,11 1,07 0,04
2 1,07 1,08 0,01
3 1,08 1,08 0,00

Pelas tabelas acima, podemos observar que a função de iteração

F (x ) = cos(x ) − 3x 2 + x + 3 não serve para determinar o zero da f (x ) = cos(x ) − 3x 2 + 3
pois o erro aumentar a cada iteração enquanto que as funções de iterações

F (x ) = − cos( x )+3
3 e F (x ) = cos( x )+3
3 determinaram respectivamente os zeros r  −1,08

ou r  1,08 na 3ª iteração.

22
EP01025 – Cálculo Numérico

Exemplo 1.10 – Achar um zero do exemplo 2.7 usando o Método de Iteração Linear,
com  = 0,01 .

Solução: Como f (x ) = x 2 − e x , atribuindo valores para x temos:

f (− 2) = (− 2) − e −2  0 e f (0) = 0 2 − e 0  0 , existe zero em (− 2,0). Seja xo = −1 .

2

Nas tabelas 2.6, 2.7 e 2.8 encontram-se os valores obtidos respectivamente pelas
( )
funções de iterações: F (x ) = ln x 2 , F (x ) = − e x e F (x ) = e x .

Tabela 1.6 – Resultado do MIL usando xo = −1,5 e F (x ) = ln (x )

I xi F (xi ) = ln (xi ) xi +1 − xi
0 -1,5 0,81 2,31
1 0,81 -0,42 1,23
2 -0,42 -1,74 1,32
3 -1,74 1,11 2,85
4 1,11 0,20 0,90
5 0,20 -3,19 3,39
6 -3,19 2,32 5,51
7 2,32 1,68 0,64

Tabela 1.7 – Resultado do MIL usando xo = −1,5 e F (x ) = − e x

I xi F (xi ) = − e xi xi +1 − xi

0 -1,5 -0,47 1,03

1 -0,47 -0,79 0,32
2 -0,79 -0,81-0,67 0,12
3 -0,81-0,67 -0,71 0,04
4 -0,71 -0,70 0,01
5 -0,70 -0,70 0,00

Tabela 1.8 – Resultado do MIL usando xo = −1,5 e F (x ) = e x

I xi F ( xi ) = e xi xi +1 − xi

0 -1,5 0,47 1,97

1 0,47 1,27 0,79
2 1,27 1,88 0,62
3 1,88 2,56 0,68
4 2,56 3,60 1,04
5 3,60 6,06 2,46
6 6,06 20,75 14,68
7 20,75 31.993,01 31.972,27

23
EP01025 – Cálculo Numérico

Pelas tabelas acima, podemos observar que penas a função de iteração

F (x ) = − e x convergiu para r  −0,7 .

1.2.6 – MÉTODO DE NEWTON - RAPHSON (MNR)

O Método de Newton Raphson para achar o zero da função f num intervalo

I = (a, b) consiste em determinar retas tangentes à curva do gráfico de nos pontos
(xi , f (xi )) para cada , onde N representa o numero máximo de

iterações conforme mostrado no gráfico 2.15.

Gráfico 1.15 – Retas tangentes do Método de Newton Raphson

O ponto onde a reta tangente corta o eixo dos será denotado por . A
equação da reta que passa no ponto ( xi , f ( xi )) que tem coeficiente angular f (xi ) é

escrita por:
y(x ) − f (xi ) = f (xi )(x − xi )

ou seja,
y(x ) = f (xi ) + f (xi )(x − xi ) . (1.25)

O ponto onde a reta intercepta o eixo dos é denotado por x = xi +1 . Assim, a equação

(1.25) reduz à
0 = f (xi ) + f (xi )(xi +1 − xi ) (1.26)
Reescrevendo e separando o termo xi+1 obtemos:

24
EP01025 – Cálculo Numérico

f ( xi )
xi +1 = xi − ,  i = 0,1,2,3,, N (1.27)
f (xi )
que é o algoritmo do Método de Newton Raphson. Desta forma, a função de iteração
deste método é
f (x )
F (x ) = x − , f (x )  0, x  (a, b ) (1.28)
f (x )

Observe que pelo fato de f (x)  0, x  (a, b) o Método de Newton-Raphson

garante a unicidade da raiz neste intervalo. Outro fato importante é que tendo apenas
uma expressão para a função de iteração dada por (1.28), o único “responsável” para
determinar todos os zeros de f (x ) = 0 é o valor atribuído para x o . Outro ponto

importante deste método é que, se para algum x  (a, b) , a reta que passa
nesse ponto será paralela ao eixo dos , o que não permite determinar sequência de
pontos .

Gráfico 1.16 – Por que no Método de Newton Raphson.

A seguir, os exemplos 1.8 a 1.10 serão calculados usando o Método de Newton

Raphson.

Exemplo 1.11 – Achar um zero do exemplo 2.8 usando o Método de Newton-Raphson

com  = 0,01 .

25
EP01025 – Cálculo Numérico

Solução. Para achar aproximação inicial como f (0) = 0 2 − 3  0 e f (2) = 2 2 − 3  0

existe r  (0,2) . Seja então xo = 1 . Aqui a função de iteração é:

x2 − 3
F (x ) = x − , x0 (1.29)
2x

Tabela 1.9 – Resultado do Método de Newton-Raphson xo = 1 .

x −3
2

I xi F ( xi ) = xi − i xi +1 − xi
2 xi
0 1 2 1
1 2 1,75 0,25
2 1,75 1,73 0,02
3 1,73 1,73 0,00

Podemos observar que na 3ª iteração determinou valor de 3  1,73 , enquanto

que no Método de Iteração Linear só alcançou na 16ª iteração. Este fato é mostrado no
estudo de ordem do erro.

Exemplo 1.12 – Achar um zero do exemplo 2.9 usando o Método de Newton-Raphson,

com  = 0,01 .

Solução : Como f (x ) = cos(x ) − 3x 2 + 3 a função de iteração é:

cos(x ) − 3x 2 + x + 3
F (x ) = x − , para − sen(x) − 6x + 1  0 . (1.30)
− sen(x ) − 6 x + 1

Os valores obtidos estão na tabela a seguir:


Tabela 1.10 – Resultado do Método de Newton-Raphson com xo =  −0,79 .
4
cos(xi ) − 3 xi2 + 3 xi +1 − xi
I xi F ( xi ) = xi −
− sen ( xi ) − 6 xi

0 -0,79 -1,13 0,34

1 -1,13 -1,08 0,05
2 -1,08 -1,08 0,00

26
EP01025 – Cálculo Numérico


Mudando o valor de x o para xo =  0,79 , obtemos:
4

Tabela 1.11 – Resultado do Método de Newton-Raphson usando xo =  −0,79 .
4

i xi cos(xi ) − 3 xi2 + 3 xi +1 − xi
F ( xi ) = xi −
− sen ( xi ) − 6 xi
0 0,79 1,13 0,34
1 1,13 1,08 0,05
2 1,08 1,08 0,00

Pelas tabelas acima, podemos observar que o Método de Newton-Raphson na 2ª

iteração chegou ao resultado.

Exemplo 1.13 – Achar um zero do exemplo 1.10 usando o Método de Newton-Raphson

com  = 0,01 .

Solução: Como f (x ) = x 2 − e x , a função de iteração é:

x2 − ex
F (x ) = x − , com 2 x − e x  0 ...........................................(1.31)
2x − e x

Tabela 1.12 – Resultado do Newton-Raphson usando xo = −1,5 .

I xi xi − e xi
2
xi +1 − xi
F ( xi ) = xi −
2 xi − e xi
0 -1,5 -0,87 0,63
1 -0,87 -0,71 0,16
2 -0,71 -0,70 0,01
3 -0,70 -0,70 0,00

27
EP01025 – Cálculo Numérico

1.3 - ESTUDO DA CONVERGÊNCIA DOS MÉTODOS

ITERATIVOS

1.3.1 - Convergências dos Métodos Iterativos

Para fazer a escolha correta da função de iteração e da aproximação inicial ,

usa-se as condições suficientes, mas não necessária dada pelo teorema abaixo.

TEOREMA 1.7 (Teorema da Convergência) – Sejam r o zero da função f nas

condições do Teorema do Valor Intermediário e I r = (r −  , r +  ),   0 um
intervalo. Se F e F  são continuas em I r e F (x )  M  1, x  I r e a aproximação
inicial xo  I r então o método das aproximações sucessivas converge para o zero .

Demonstração: A demonstração deste teorema é feita em duas etapas;

1a Etapa – demonstra-se por indução que se xo  I r então xi  I r .

De fato:

Para i = 0 seja I o = xo , r  ou I o = r , xo  onde xo = r   o ,  o   . Então pelo

Teorema do Valor Médio existe  o  I o tal que,

F (xo ) − F (r )
F ( o ) = . (1.31)
xo − r

Sendo F função de iteração, temos F (xo ) = x1 e F (r ) = r , de modo que (1.31) pode

ser escrita por

x1 − r = F ( o )(x o − r ) . (1.32)

Tomando valor absoluto de ambos os membros de (1.32) obtemos:

x1 − r = F ( o ) x o − r (1.33)

Por hipótese temos F (x )  M  1, x  I r em particular para x =  o  I o , de modo

que a (1.33) reduz a

28
EP01025 – Cálculo Numérico

x1 − r  x o − r . (1.34)

Como x o − r =  o concluímos de (2.34) que

x1 − r   o  x1  I o (1.35)

Pelo método indutivo, suponhamos que xi  I r , i = 0,1,2,3,, n . Queremos mostrar

que xi +1  I r .

Seja I i = xi , r  ou I i = r , xi  onde xi = r   i ,  i   . Então pelo Teorema do Valor

Médio existe  i  I i  I tal que,

F (xi ) − F (r )
F ( i ) = (1.36)
xi − r

Sendo F função de iteração, temos F (xi ) = xi +1 e F (r ) = r , de modo que (1.36) pode

ser escrita por

xi +1 − r = F ( i )(x i − r ) . (1.37)

Tomando valor absoluto de ambos os membros de (1.37) obtemos:

xi +1 − r = F ( i ) x i − r (1.38)

Como por hipótese temos F (x )  M  1, x  I r em particular para x =  i  I i , de

modo que a (1.38) reduz a

xi +1 − r  x i − r . (1.39)

Como x i − r = I i de (1.39) concluímos que

xi +1 − r  I i  xi +1  I i  I r . (3.40)

Portanto mostramos que, se xo  I r então xi  I r

2a Etapa – vamos mostrar que

Se F (x )  M  1, x  I r então xi → r quando i →  (1.41)

De fato, como F (x )  M  1, x  I r de (1.38) podemos concluir que

29
EP01025 – Cálculo Numérico

xi +1 − r  M x i − r , i = 0,1,2,3, (1.42)

Então, de (1.42) vale as seguintes desigualdades:

0  xi +1 − r  M x i − r  M 2 xi −1 − r  M 3 x i −2 − r    M i x1 − r  M i +1 x o − r

De modo que

0  xi +1 − r  M i +1 x o − r , M  1 e i = 0,1,2,3 (1.43)

Tomando limite em (1.43) quando i →  , como M  1 obtemos:

0  lim xi +1 − r  lim M i +1 x o − r = 0
i → i →

isto é

0  lim xi +1 − r  0  lim xi +1 − r = 0 (1.44)

i → i →

o que prova que então xi → r quando i →  como queríamos mostrar.

Observe que, caso M  1 o processo não converge uma vez que teremos
lim M i +1 =  .
i →

Para o caso em que M  1 para alguns valores de x  I r e M  1 para outros

valores de x  I r nada podemos afirmar a respeito da convergência.

Como o Teorema 1.7 dá apenas a condição suficiente, pode haver convergência

do processo iterativo satisfazendo F (x )  M  1 na vizinhança de r mesmo que

xo  I r .

Outra observação a fazer no teorema 1.7 é que a condição de convergência é

satisfeita quando F (x )  M  1 para todo x na vizinhança de r , o que é impossível,

uma vez que não conhece o r . Na prática, devemos calcular F (x )  1 para

conhecermos o intervalo que contenha a raiz r . Quando a expressão de F (x) é muito

30
EP01025 – Cálculo Numérico

complexa, atribuímos alguns valores para x que satisfaça a condição dada pela
desigualdade F (x )  1 . Lembrando que esta não é a condição necessária do teorema.

Este é um processo aproximado de testar a priori, a função de iteração escolhida. O

método funciona melhor quanto mais x o estiver próximo de r. De resto, só os cálculos

comprovarão ou não a convergência do processo.

1.3.2 – Convergência do Método de Newton-Raphson

Sendo o Método de Newton-Raphson um método iterativo, para estudar a

convergência, basta verificar as hipóteses do teorema 1.7.

De fato, como

f (x )
F (x ) = x − , f (x )  0 (1.45)
f (x )

Derivando (1.45) temos

F ( x ) = 1 −
 f (x ) − f (x ) f ( x ) f ( x ) f ( x )
2
= , f ( x )  0 (1.46)
 f (x )2  f (x )2
Deve mostrar que:

(a) F (x) e F (x) são contínuas em I r

(b) F (x )  1 para todo x  I r .

Para mostrar (a) a função f e suas derivadas até a segunda ordem f  e f 

devem ser contínuas em I r .

Para mostrar (b), substituindo x = r em (1.46) e para o caso de:

(b1) f (r )  0 , teremos:

f (r ) f (r )
F (r ) = = 0 1 pois f (r ) = 0 . (1.47)
 f (r )2
(b2) f (r ) = 0 e f (r )  0 (caso de raiz dupla) teremos:

f (r ) f (r ) 0
F (r ) = =
 f (r )2 0

31
EP01025 – Cálculo Numérico

Aplicando a regra do L’Hopital em (1.17) e admitindo que f  e f  sejam contínuas

em I r e tomando limite x → r teremos:

f (x ) f (x ) + f (x ) f (x ) 0

F (r ) = lim = (1.48)
x →r 2 f (x ) f (x ) 0

Aplicando novamente a regra do L’Hopital em (1.48) e admitindo que f  e f iv sejam

contínuas em I r e tomando limite x → r teremos:

f ( x ) + f (x ) f (x ) + f iv (x ) f (x ) + f ( x ) f (x ) f (r )

2 2
F (r ) = lim
1
= = 1
x→r 
2 f (x ) + f ( x ) f ( x )
2
 2 f (r )
2
2
(1.49)

De (1.47) e (1.48) podemos concluir que o Método de Newton-Raphson sempre

converge desde que os valores de x estejam próximos do zero r da função f e suas
derivadas até a quarta ordem seja contínua.

1.3.2 - Ordem do erro para Métodos Iterativos

Seja ei o erro absoluto cometido quando tomamos x i como valor aproximado de

r , isto é
ei = xi − r . (1.50)

Considerando o intervalo I i = xi , r  ou I i = r , xi , sabemos que a função de

iteração F satisfaz as hipóteses do Teorema do Valor Médio, nesse intervalo. Então,

temos:

xi +1 − r = F ( i )(x i − r )
e
xi +1 − r = F ( i ) x i − r

já visto em (1.46) e (1.47) anteriormente.

De acordo com (1.50) podemos deduzir da igualdade acima:

32
EP01025 – Cálculo Numérico

ei +1
ei +1 = F ( i ) ei  = F ( i ) (1.51)
ei

Tomando limite i →  em (1.51) obtemos xi → r de modo que, denotando por

K r = F (r ) , temos:

ei +1
lim = lim F ( i ) = F (r ) = K r .
i → ei i →

Ou seja para i suficientemente grande, vale

e i +1  K r e i  ei +1 = Kei . (1.52)

O que significa que, o erro cometido em cada passo i é proporcional ao erro do passo
anterior. Daí o método iterativo ser chamado de Método de Iteração Linear.

A constante K de (1.52) é chamada constante assintótica de proporcionalidade.

 K  1, a convergência do processoé lenta,

Se 
 K  0, a convergência é rápida.

1.3.3 – Ordem do erro Método de Newton-Raphson

Como a função de iteração do método de Newton-Raphson é especial dada em

(1.28), a ordem do erro também é especial.

(b1) f (r )  0

Vimos que nesse caso em (1.47) que F (r ) = 0 . Supondo que F  seja contínua

em I r usando a Série de Taylor em torno de até a segunda ordem obtemos:

F (x ) = F (r ) + F (r )
(x − r ) + F ( ) (x − r )2 ,   (x, r ) ou   (r , x ) (1.53)
1! 2!

Como F (r ) = 0 (1.53) reduz a:

F (x ) = F (r ) + F ( )
( x − r )2 (1.54)
2!

Se x = xi e como F (r ) = r , de (1.54) obtemos

33
EP01025 – Cálculo Numérico

( x i − r )2
xi +1 − r = F ( )
2!

Tomando valor absoluto resulta

xi − r
2

= xi +1 − r = F ( ) F ( ) ei2

1
ei +1 =
2! 2

Ou seja

F ( i ) ei2
1
ei +1 =
2

Tomando limite i →  temos  i → r de modo que

1
ei +1 = K r ei2 (1.55)
2

O que justifica a convergência quadrática do Método de Netwon.

(b2) f (r ) = 0 e f (r )  0 (caso de raiz dupla) desenvolvendo F em Série de

Taylor em torno de r até a primeira ordem obtemos:

F (x ) = F (r ) + F ( )
(x − r ) ,   (x, r ) ou   (r , x )
1!

Então se x = xi e como F (r ) = r , de (1.53) obtemos

Tomando valor absoluto resulta

Tomando limite i →  temos  i → r e de (1.51) obtemos

1
ei +1 = ei (1.56)
2

O que significa que a convergência do Método de Netwon é linear quando os

zeros da função são raízes múltiplos da equação f (x ) = 0 .

34
EP01025 – Cálculo Numérico

1.4 - CRITÉRIO DE PARADA PARA MÉTODOS ITERATIVOS

Com erro absoluto dado em (1.50), como o critério de parada utilizado nos
métodos iterativos é a diferença entre duas iterações xi+1 e xi, pode ocorrer o seguinte
fato:

xi +1 − xi  erro implica necessariamente em xi +1 − r  erro ? (1.57)

A resposta desse problema pode ser estabelecida no teorema a seguir:

Teorema 1.8 – Seja x j , j  N uma aproximação do zero r da função f , obtida por

Método de Iteração Linear, pertencente a uma vizinhança de r na qual x  I r temos

− 1  F (x)  0 sendo F a função de iteração utilizada então xi +1 − xi é uma cota

superior do erro ei para todo i  j , isto é:

ei  xi +1 − xi (1.58)

Demonstração: Pelo teorema do valor médio temos:

F (xi ) − F (r ) = F ( i )(xi − r )

Tomando valor absoluto e pelo fato de F (xi ) = xi +1 e F (r ) = r , obtemos

xi +1 − r = F ( i )(xi − r )

ou seja

xi +1 − r
= F ( i ) (1.59)
xi − r

Como por hipótese − 1  F (x )  0 para todo x  I r em particular vale para x =  i .

Portanto:

xi +1 − r
0 (1.60)
xi − r

Além disso, passando módulo em (1.59) e pelo fato de − 1  F (x )  0 então vale

− 1  F (x )  1 de modo que F (x )  1 temos

35
EP01025 – Cálculo Numérico

xi +1 − r xi +1 − r
. = F ( i )  1  1 (1.61)
xi − r xi − r

De (1.60) e (1.61) a sequência xi iN é uma sequência alternada e decrescente. Logo

xi → r e vale

xi +1 − r  xi +1 − xi j  i (1.62)

Graficamente uma seqüência alternada (ou oscilante) em torno de r é mostrada abaixo:

O teorema 1.8 é de simples aplicação e útil quando escolhemos uma função de

iteração convergente cuja derivada é negativa na vizinhança do zero da função. Como
em geral isto não acontece, uma vez que o valor do zero é desconhecido, o teorema a
seguir nos fornece cotas superiores de erro das diversas aproximações para qualquer
função de iteração convergente.

Teorema 1.9 – Seja x j , j  N uma aproximação do zero r da função f , obtida por

Método de Iteração Linear, com uma função de iteração F nas condições do teorema
2.8. Então para todo i  j

M
ei +1  xi +1 − xi (163)
1− M

sendo M = max F (x ) .

xI r

Demonstração: Pelo TVM aplicado no intervalo (xi , xi +1 ) ou (xi +1 , xi ) temos

F (xi +1 ) − F (xi ) = F ( i )(xi +1 − xi ) (1.64)

36
EP01025 – Cálculo Numérico

Sendo F função de iteração temos F (xi +1 ) = xi + 2 e F (xi ) = xi +1 de modo que (1.64) fica:

xi + 2 − xi +1 = F ( i )(xi +1 − xi )

Tomando valor absoluto e sendo F ( i )  M  1 e pela desigualdade Cauchy-Schartz

obtemos

xi + 2 − xi +1 = F ( i )(xi +1 − xi )  F ( i ) xi +1 − xi  M xi +1 − xi (1.65)

De (1.65) por analogia podemos concluir que vale

xi +3 − xi + 2  M xi + 2 − xi +1 (1.66)

que substituindo em (1.65)

xi +3 − xi + 2  M xi + 2 − xi +1  M 2 xi +1 − xi . (1.67)

E assim sucessivamente chegaremos a

xi + m − xi + m−1  M m xi +1 − xi , onde m = 1,2,3, (1.68)

Por outro lado, somando e subtraindo o mesmo termo na diferença xi+m – xi+m-1
obtemos:

xi + m − xi + m−1 = (xi + m − xi + m−1 ) + (xi + m−1 − xi + m−2 ) + (xi + m−2 − xi + m−3 ) +  + (xi +1 − xi )

E pela desigualdade triangular

xi + m − xi + m−1  xi + m − xi + m−1 + xi + m−1 − xi + m−2 + xi + m−2 − xi + m−3 +  + xi +1 − xi

No segundo membro desta desigualdade, usando (1.86) para cada termo da diferença
resulta:

xi + m − xi + m−1  M m xi +1 − xi + M m−1 xi +1 − xi + M m−2 xi +1 − xi +  + M xi +1 − xi 

(
 M m + M m−1 + M m−2 +  + M xi +1 − xi = ) (
M 1− M m )
xi +1 − xi
 1− M
PG de razão M 1

Ou seja

xi + m − xi + m−1 
(
M 1− M m )
xi +1 − xi (1.69)
1− M

37
EP01025 – Cálculo Numérico

Tomando limite em (1.69) quando m → 

lim xi + m − xi = r − xi  lim
(
M 1− M m )
xi +1 − xi =
M
xi +1 − xi
m→ m→ 1− M 1− M

Isto é

M
ei = r − xi  xi +1 − xi (1.70)
1− M

como queríamos demonstrar.

Da desigualdade (1.70) podemos concluir que a cota superior das aproximações

1 1
são piores quando M  e no caso contrário M  podemos obter sempre
2 2

r − xi  xi +1 − xi . (1.71)

1.5 - SOLUÇÃO NUMÉRICA USANDO EXCEL.

A seguir apresentamos os passos necessários para calcular o valor aproximado

de zero da função no EXCEL, os métodos iterativos na forma

xi +1 = F (xi ) , para i = 0,1,2,, n (1.71)

O critério de parada será dado pela cota superior do erro  .

1.5.1 - Método de Iteração Linear

Com o valor da aproximação inicial e a função de iteração que satisfaz a

condição de convergência, para iniciar os cálculos dos valores aproximados se zero da
função, geralmente usam-se as primeiras linhas da planilha para o texto do enunciado.
Desta forma, por exemplo, se começarmos na linha 6, seguem-se os seguintes passos.

1⁰ Passo: Nas colunas A6, B6, C6 e D6 digitar respectivamente i , x i , F ( xi ) e

erro;

38
EP01025 – Cálculo Numérico

2⁰ Passo: (para o contador das iterações i) – Na célula A7 digitar o valor ,

dar enter e na célula A8 digitar o algoritmo do contador = A7 + 1 , dar enter, seleciona

A8 e arrastar até aparecer o valor de ;

3⁰ Passo: (para valores de x i ) – Na célula B7 digitar o valor de x o determinado

anteriormente e na célula B8 digitar =C7, seleciona B8 e arrasta até a linha conforme o

1⁰ passo;

4⁰ Passo: (para valores de F ( xi ) ) – Na célula D7 começar com o sinal = para

depois escrever a expressão da função de iteração F. Lembrando que, no lugar da

variável x chamar a célula que contém o valor de x que, no caso é B7;

5⁰ Passo: (critério de parada - erro) – na célula D7 digitar =ABS(C7-B7) dar

enter e seleciona D8 e arrastar até a linha conforme 1⁰ passo ou, até obter o valor da
cota superior do erro dado no enunciado.

A seguir, a resolução do exemplo 1.8 na planilha de EXCEL usando MIL cujo

resultado se encontra nas planilhas 1 e 2 para cada função de iteração escolhida.

Planilha 1

39
EP01025 – Cálculo Numérico

Planilha 2

Exemplo 1.9 para cada função de iteração são mostrados nas planilhas 3 a 5.

Planilha 3

40
EP01025 – Cálculo Numérico

Planilha 4

Planilha 5

Como pode ser observado, basta modificar a expressão da célula C de acordo

com a função de iteração F escolhida. A convergência depende desta escolha.

41
EP01025 – Cálculo Numérico

1.5.2. Método de Newton-Raphson

Segue os mesmos passos do Método Iterativo Linear, alterando apenas a

f (x )
expressão da função de iteração para F (x ) = x − , f (x )  0 .
f (x )

O exemplo 1.11 no EXCEL usando agora o Método de Newton-Raphson se

encontra na tabela 1.9.

Planilha 6

Planilha 7

42
 EP01025 – Cálculo Numérico

O exemplo 1.13 resolvido no EXCEL usando agora o Método de Newton-Raphson se

encontra na tabela 1.12.

Planilha 8

Assim, usando EXCEL podemos obter rapidamente o resultado desejado.

Exercícios 1.14

43