Introdução à Matemática Computacional

Resolução numérica de equações não lineares

Ana Leonor Silvestre

Instituto Superior Técnico, 3◦ Período, 2024/2025

Sumário da aula 5

Cap.2 - Resolução numérica de equações não lineares

Equações não lineares escalares. Localização de raízes.
Métodos iterativos, convergência, majoração dos erros.
Breve referência ao método da bissecção.
Resolução numérica de equações não lineares
Exemplo: equação do foguete de Tsiolkovsky

A velocidade de um projétil é dada em cada instante t por

 
m0
v(t) = u ln − gt
m0 − qt

onde
• u é a velocidade de expulsão dos gases resultantes da

combustão (em relação ao projétil),

• m0 é a sua massa inicial,

• q é o coeficiente de consumo do combustível e

2
• g = 9.8 m/s é a aceleração da gravidade.
Resolução numérica de equações não lineares
Exemplo: equação do foguete de Tsiolkovsky
Problema
Determinar o instante t em que a velocidade atinge o valor
v = 1000 m/s,
quando u = 2200 m/s, m0 = 16 × 104 kg e q = 2680 Kg/s.

Pretende-se determinar t (t > 0) tal que

v(t) = 1000

Equação não linear

16 × 104
 
2200 ln − 9.8t = 1000
16 × 104 − 2680t
Será que a equação tem solução? Haverá
apenas uma solução?
Localização gráfica das soluções de v(t) = 1000

16 × 103
 
v(t) = 1000 ⇐⇒ 2200 ln = 9.8t + 1000
16 × 103 − 268t

Figura: Localização da solução através de esboço gráfico

Localização e separação de raízes

Resultado importante para assegurar existência e unicidade de

solução para uma equação f (x) = 0:

Teorema
Seja f uma função contínua em [a, b] e diferenciável em ]a, b[. Se
▶ f (a)f (b) < 0
▶ f ′ não se anula em ]a, b[
então existe um e um só z ∈]a, b[ tal que f (z) = 0, ou seja, no
intervalo ]a, b[, a equação f (x) = 0 tem uma e uma só solução.
Aplicação do resultado de existência e unicidade

Voltando à equação do foguete de Tsiolkovsky, consideramos a

equação não linear na variável t

16 × 103
 
2200 ln − 9.8t − 1000 = 0
16 × 103 − 268t

e a função

16 × 103
 
f (t) := 2200 ln − 9.8t − 1000
16 × 103 − 268t

definida para t em [0, 59.7].

Tem-se

f (10) = −694.691 f (20) = −298.47 f (30) = 241.951

Aplicação do resultado de existência e unicidade
Recordamos a função

16 × 103
 
f (t) := 2200 ln − 9.8t − 1000
16 × 103 − 268t

Vamos tomar [a, b] = [20, 30]. Tem-se f ∈ C 2 ([20, 30]) com

589600 9875800
f ′ (t) = −9.8 + , f ′′ (t) = .
16000 − 268t (4000 − 67t)2

Como
f ′′ (t) > 0, ∀t ∈ [20, 30]
a função f ′ é monótona crescente em [20, 30] e uma vez que

f ′ (20) > 0

tem-se f ′ (t) > 0 em [20, 30].

Aplicação do resultado de existência e unicidade
Recordamos a equação

16 × 103
 
f (t) := 2200 ln − 9.8t − 1000 = 0
16 × 103 − 268t

Como f ∈ C 1 ([20, 30]) e

▶ f (20)f (30) < 0

▶ f ′ não se anula em ]20, 30[ (mostrámos que f ′ > 0 em

[20, 30])
conclui-se que a equação f (t) = 0 tem em ]20, 30[ uma e uma só
solução.
Assim,

∃1 z ∈]20, 30[: v(z) = 1000

Como calcular a solução?
Solução obtida com o software MATLAB

fzero(@(t)2200*log(16*10^3/(16*10^3-268*t))-9.8*t-1000,20)
ans = 25.9424

fzero(@(t)2200*log(16*10^3/(16*10^3-268*t))-9.8*t-1000,30)
ans = 25.9424

fzero(@(t)2200*log(16*10^3/(16*10^3-268*t))-9.8*t-1000,
[20,30])
ans = 25.9424

Nota: The fzero command is a function file. The algorithm, created

by T. Dekker, uses a combination of bisection, secant and inverse
quadratic interpolation methods.
Métodos iterativos, convergência, majoração dos erros

Um método iterativo para o cálculo da solução z de uma equação

(não linear) de variável real é um processo que gera, a partir de ite-
radas iniciais x−n0 , ..., x0 , uma sucessão {xn }n∈N de números reais,
constituída por iteradas xn que devem ser facilmente calculáveis, e
a qual, em certas condições, é convergente para z.

Exemplos:
• método da bissecção (é o método numérico mais simples, usa
apenas informação sobre o sinal de f ),
• método de Newton (requer uma iterada inicial, x0 ),
• método da secante (requer duas iteradas iniciais, x−1 e x0 ),...
Ordem e fator assintótico de convergência
Permitem comparar a rapidez com que diferentes métodos convergem
e escolher, para cada problema, o método mais rápido.
Definição Diz-se que uma sucessão {xn }n∈N convergente para z
possui
▶ convergência de ordem 1 (convergência linear) com coeficiente
assintótico de convergência K∞ ∈ (0, 1) se

|z − xn+1 |
lim = K∞
n→∞ |z − xn |

▶ convergência de ordem p > 1, (convergência supralinear) com

coeficiente assintótico de convergência K∞ > 0 se

|z − xn+1 |
lim = K∞ .
n→∞ |z − xn |p
Aproximação de zeros: estimativa de erro geral

Diz-se que z é um zero da função f se f (z) = 0.

Sendo z̃ uma aproximação para um zero z de uma função f (por

exemplo, um termo xn da sucessão gerada por um método iterativo),
podemos majorar o erro z − z̃ usando o seguinte resultado elementar.

Teorema
Seja f ∈ C 1 ([a, b]), e sejam z, z̃ ∈ [a, b]. Se f (z) = 0 e f ′ não se
anula em [a, b] então

|f (z̃)|
|z − z̃| ≤ .
minx∈[a,b] |f ′ (x)|
Demonstração:

Pelo Teorema de Lagrange, existe c ∈]a, b[ tal que

f (z) − f (z̃) = f ′ (c)(z − z̃).

Como f (z) = 0 e f ′ não se anula em [a, b], tem-se

f (z̃) = −f ′ (c)(z − z̃)

e
|f (z̃)| |f (z̃)|
|z − z̃| = ′
≤ .
|f (c)| minx∈[a,b] |f ′ (x)|
Em que consiste o método da bissecção e
quais as suas propriedades?
Método da bissecção - Descrição geométrica
Seja f ∈ C([a, b]) tal que f (a)f (b) < 0, pelo que f tem pelo menos
um zero z no intervalo [a, b]. Suponhamos que z é o único zero de
f em [a, b].

Figura: Algumas iterações do método da bissecção (aqui xi designam

pontos médios de intervalos que contêm z)
Método da bissecção

O método da bissecção consiste em construir, a partir do intervalo

I0 := [a, b],
▶ uma sucessão de intervalos {In }n∈N0

In = [an , bn ] ⊂ [a, b], n ∈ N,

▶ uma sucessão de pontos médios {xn }n∈N desses intervalos,

de modo que z, solução da equação f (x) = 0, vai sendo
sucessivamente confinado a intervalos cada vez mais pequenos.
Método da bissecção - Algoritmo

Para cada n ∈ N0 , calculamos xn+1 e selecionamos o subintervalo

In+1 = [an+1 , bn+1 ] de In = [an , bn ] do seguinte modo:
a + bn
▶ xn+1 = n ;
2
▶ se f (xn+1 ) = 0 então z = xn+1 e o algoritmo termina;

▶ se f (an )f (xn+1 ) < 0 então an+1 = an , bn+1 = xn+1 ;

▶ se f (bn )f (xn+1 ) < 0 então an+1 = xn+1 , bn+1 = bn ;

▶ se um certo critério de paragem for satisfeito, passa-se de n

para n + 1 e repete-se as instruções acima.

Questão: Critério de paragem eficaz?

Exemplo: aplicação do método da bissecção à
equação do foguete de Tsiolkovsky
16 × 103
 
f (x) := 2200 ln − 9.8x − 1000 = 0
16 × 103 − 268x

n an−1 f (an−1 ) bn−1 f (bn−1 ) xn f (xn )

1 20 <0 30 >0 25 -51.3365
2 25 <0 30 >0 27.5 88.6573
3 25 <0 27.5 >0 26.25 17.1234
4 25 <0 26.25 >0 25.625 -17.4767
5 25.625 <0 26.25 >0 25.9375 -0.27089
6 25.9375 <0 26.25 >0 26.0938 8.40524
7 25.9375 <0 26.0938 >0 26.0157 4.06403
8 25.9375 <0 26.0157 >0 25.9766 1.89509
9 25.9375 <0 25.9766 >0 25.9571 0.814501
10 25.9375 <0 25.9571 >0 25.9473 0.271713
Método da bissecção - Convergência e estimativas
de erro

Teorema
Seja f ∈ C([a, b]) tal que f (a)f (b) < 0 e suponhamos que a equação
f (x) = 0 tem apenas uma raiz z em [a, b].
Então o método da bissecção converge para z e são válidas as se-
guintes majorações dos erros:
b−a
(i) |z − xn | ≤ , n ∈ N;
2n
(Estimativa a priori)
bn − an
(ii) |z − xn+1 | ≤ |xn+1 − xn | = , n ∈ N.
2
(Estimativas a posteriori)
Exemplo: aplicação do método da bissecção à
equação do foguete de Tsiolkovsky

16 × 103
 
f (x) := 2200 ln − 9.8x − 1000 = 0
16 × 103 − 268x
Por aplicação do método da bissecção, obtivémos:

a9 = 25.9375, b9 = 25.9571, x10 = 25.9473

Majoração do erro de x10 :

|z − x10 | ≤ (b9 − a9 )/2 ≈ 0.0098

ou
|f (x10 )| |f (x10 )| 0.271713
|z − x10 | ≤ = ′ = ≈ 0.0050
minx∈[a9 ,b9 ] |f ′ (x)| |f (a9 )| 55.3582
Método da bissecção - Algoritmo

Fixar ε > 0 pequeno. Para cada n ∈ N0 , calculamos xn+1 e

selecionamos o subintervalo In+1 = [an+1 , bn+1 ] de In = [an , bn ]
do seguinte modo:
a + bn
▶ xn+1 = n ;
2
▶ se |xn+1 − xn | < ε (ou bn −an
2 < ε) então o algoritmo termina;

▶ se |xn+1 − xn | ≥ ε (ou bn −an

2 ≥ ε) então
▶ se f (xn+1 ) = 0 então z = xn+1 e o algoritmo termina;
▶ se f (an )f (xn+1 ) < 0 então an+1 = an , bn+1 = xn+1 ;
▶ se f (bn )f (xn+1 ) < 0 então an+1 = xn+1 , bn+1 = bn ;

▶ passa-se de n para n + 1 e repete-se as instruções acima.

Em resumo:

▶ O método da bissecção é um método iterativo a um passo.

▶ É convergente desde que f (a)f (b) < 0, mas a convergência
pode ser muito lenta. Não se pode afirmar que o método
tem convergência linear mas apenas que tem semelhanças com
métodos com convergência linear. Com efeito, a sucessão dos
majorantes dos erros {εn }n∈N , εn = (b − a)/2n , converge line-
armente com fator assintótico K∞ = 21 .
▶ A estimativa a posteriori |z − xn+1 | ≤ bn −a
2
n
(ou a estimativa
|z − xn+1 | ≤ |xn+1 − xn |) pode ser facilmente utilizada como
critério de paragem na execução do método, em particular, na
sua implementação computacional.
▶ É útil para a localização de raízes e para a inicialização de mé-
todos mais rápidos cuja convergência só é garantida com uma
boa aproximação inicial (p. ex., o método de Newton).
Exercício

Considere a equação sin(x) − exp(−x) = 0.

(a) Verifique que a equação tem um número infinito de soluções
em R.
(b) Prove que, no intervalo [0.5, 0.7], a equação tem uma e uma
só raiz, a qual será designada por z.
(c) Partindo de I0 = [0.5, 0.7], calcule a terceira iterada do
método da bisseção para aproximar z e um majorante do erro
dessa aproximação.
(d) Determine o número m de iterações necessárias para garantir
|z − xm | < 10−6 .
Resolução
(a) sin(x) − exp(−x) = 0 ⇐⇒ sin(x) = exp(−x)

A equação tem um número infinito de soluções, todas positivas.

(b) I := [0.5, 0.7], f (x) := sin(x) − exp(−x),

• f (0.5) = −0.127105, f (0.7) = 0.147632 =⇒ f (0.5)f (0.7) < 0

• f ′ (x) := cos(x) + exp(−x)

cos(x) > 0, ∀x ∈ I, exp(−x) > 0, ∀x ∈ R =⇒ f ′ (x) > 0, ∀x ∈ I

Resolução
(c) Os intervalos resultantes do método da bisseção e os correspon-
dentes pontos médios são:

n an−1 f (an−1 ) bn−1 f (bn−1 ) xn f (xn )

1 0.5 <0 0.7 >0 0.6 0.0158308
2 0.5 <0 0.6 >0 0.55 -0.0542626
3 0.55 <0 0.6 >0 0.575
A estimativa de erro é:
|z − x3 | ≤ (0.6 − 0.55)/2 = (0.7 − 0.5)/23 = 0.025
Alternativa:
f (0.575) = −0.0188701, f (0.6) > 0 ⇒ z ∈ [0.575, 0.6]
Como f ′ > 0 e decrescente em [0.575, 0.6], tem-se
|f (0.575)| |f (0.575)|
|z − x3 | ≤ ′
=
minx∈[0.575,0.6] |f (x)| f ′ (0.6)
0.0188701
= = 0.0137322
1.37415
Resolução

(d) Sabemos que

0.7 − 0.5
|z − xm | ≤ .
2m

Se (0.7 − 0.5)/2m < 10−6 então |z − xm | < 10−6 .

Determinamos m a partir de (0.7 − 0.5)/2m < 10−6 .

Obtém-se

(0.7 − 0.5)/2m < 10−6 ⇐⇒ 2m > 0.2 × 106

⇐⇒ m > log2 (0.2 × 106 ) = 17.6096.

Devemos efetuar 18 iterações.
Métodos com convergência mais rápida?
Sumário das aulas 6 e 7

Cap.2 - Resolução numérica de equações não lineares

Método de Newton: interpretação geométrica, algoritmo,
convergência e estimativas de erro.
Método da secante: interpretação geométrica, algoritmo,
convergência e estimativas de erro.
Método de Newton ou da tangente
Seja f ∈ C 1 ([a, b]) tal que f (a)f (b) < 0 e f ′ não se anula em [a, b].
Seja z a solução da equação
f (x) = 0
no intervalo [a, b].

Figura: Interpretação geométrica do método de Newton

Método de Newton - Algoritmo
Partindo de uma aproximação inicial x0 de z, para cada n ∈ N0 ,
calculamos a iterada genérica xn+1 a partir de xn do seguinte modo:

▶ considera-se a reta tangente à curva (x, f (x)) no ponto (xn , f (xn )),
a qual é dada por

r(x) = f (xn ) + f ′ (xn )(x − xn ),

▶ obtém-se xn+1 como sendo a abcissa do ponto de interseção

desta reta com o eixo dos x

r(xn+1 ) = 0 ⇐⇒ f (xn ) + f ′ (xn )(xn+1 − xn ) = 0 ⇐⇒

f (xn )
xn+1 = xn −
f ′ (xn )
Método de Newton - Algoritmo

Fixar ε > 0 pequeno e escolher uma iterada inicial x0 suficientemente

próxima de z. Para cada n ∈ N0 , calculamos xn+1 do seguinte modo:

f (xn )
▶ xn+1 = xn − ;
f ′ (xn )
▶ se |xn+1 − xn | < ε então o algoritmo termina;

▶ se f (xn+1 ) = 0 então z = xn+1 e o algoritmo termina;

▶ senão passa-se de n para n + 1 e repete-se as instruções acima.

Exemplo: aplicação à equação de Tsiolkovsky
16 × 103
 
f (x) := 2200 ln − 9.8x − 1000 = 0
16 × 103 − 268x
f (xn )
xn+1 = xn − , n = 0, 1, 2, ...
f ′ (xn )

n xn f (xn )
0 30 241.951
1 26.23541209 16.3071
2 25.94389177 0.0829865
3 25.94239302 2.09368 × 10−6

n xn f (xn )
0 20 -298.47
1 26.54344995 33.632
2 25.94870856 0.349717
3 25.94239368 0.0000386363
Comparação com a solução obtida com o MATLAB

fzero(@(t)2200*log(16*10^3/(16*10^3-268*t))-9.8*t-1000,20)
ans = 25.9424

fzero(@(t)2200*log(16*10^3/(16*10^3-268*t))-9.8*t-1000,30)
ans = 25.9424

fzero(@(t)2200*log(16*10^3/(16*10^3-268*t))-9.8*t-1000,
[20,30])
ans = 25.9424
Exercício

Considere a equação

sin(x) − exp(−x) = 0

e a sua raiz situada no intervalo [0.5, 0.7].

Partindo de x0 = 0.7, calcule a terceira iterada do método de Newton
para aproximar z e um majorante do erro dessa aproximação.
Resolução

f (x) := sin(x) − exp(−x) = 0, z ∈ [0.5, 0.7]

f (xn )
xn+1 = xn − , n = 0, 1, 2, ...
f ′ (xn )
n xn f (xn )
0 0.7 0.147632
1 0.5829640352 -0.00774043
2 0.5885203977 -0.0000171231
3 0.5885327439 -1.13533 × 10−10
Como f (x1 )f (0.6) < 0, tem-se z ∈ [x1 , 0.6]. Como f ′ > 0 e
decrescente em [x1 , 0.6], tem-se
|f (x3 )| |f (x3 )|
|z − x3 | ≤ ′
= ′
minx∈[x1 ,0.6] |f (x)| f (0.6)
1.13533 × 10−10
= = 0.826205 × 10−10
1.37415
Método de Newton - Condições suficientes de
convergência
Teorema
Sejam f ∈ C 2 ([a, b]) e x0 ∈ [a, b] satisfazendo as seguintes
condições:
(i) f (a)f (b) < 0;
(ii) f ′ (x) ̸= 0, ∀x ∈ [a, b];
(iii) f ′′ não muda de sinal em [a, b];
(iv) f (x0 )f ′′ (x) ≥ 0, ∀x ∈ [a, b].
Então a equação f (x) = 0 tem uma e uma única solução z ∈]a, b[ e
o método de Newton
f (xn )
xn+1 = xn − , n = 0, 1, 2, ...
f ′ (xn )

com iterada inicial x0 converge monotonamente para z.

Demonstração:
Suponhamos que f ′ < 0 em [a, b], f ′′ ≥ 0 em [a, b] e f (x0 ) ≥ 0.
Os outros casos têm análise semelhante. Tem-se então
f (x0 )
x1 − x0 = − ≥0
f ′ (x0 )

f ′′ (ξ0 )
0 = f (z) = f (x0 ) + f ′ (x0 )(z − x0 ) + (z − x0 )2
2
f (x0 ) f ′′ (ξ0 )
z − x1 = z − x0 + ′ =− ′ (z − x0 )2 ≥ 0
f (x0 ) 2f (x0 )
pelo que x0 ≤ x1 ≤ z e f (x1 ) ≥ 0.
Repetindo o mesmo argumento com x1 e sucessivamente com uma
iterada genérica xn satisfazendo f (xn ) ≥ 0 e f ′ (xn ) < 0, obtém-se

a ≤ x0 ≤ ... ≤ xn ≤ xn+1 ≤ ... ≤ z ≤ b, ∀n ∈ N.

Demonstração (cont.):
Portanto, a sucessão {xn }n∈N é monótona e limitada, logo é con-
vergente.
Passando ao limite em ambos os lados da igualdade

f (xn )
xn+1 = xn − ,
f ′ (xn )

o que é possível dado que a função x 7→ x− ff′(x)

(x) é contínua, obtemos
que ℓ := limn→∞ xn satisfaz

f (ℓ)
ℓ=ℓ− ⇐⇒ f (ℓ) = 0.
f ′ (ℓ)

Pela unicidade do zero de f , conclui-se que

ℓ = z.
Método de Newton - Condições suficientes de
convergência
Teorema
Sejam f ∈ C 2 ([a, b]) satisfazendo as seguintes condições:
(i) f (a)f (b) < 0;
(ii) f ′ (x) ̸= 0, ∀x ∈ [a, b];
(iii) f ′′ não muda de sinal em [a, b];
f (a) f (b)
(iv) ≤ b − a, ≤ b − a.
f ′ (a) f ′ (b)
Então a equação f (x) = 0 tem uma e uma única solução z ∈]a, b[ e
o método de Newton
f (xn )
xn+1 = xn − , n = 0, 1, 2, ...
f ′ (xn )

converge para z, qualquer que seja a iterada inicial x0 ∈ [a, b] .

Demonstração:

Supomos que estamos nas condições da demonstração anterior:

f ′′ ≥ 0 em [a, b] e f ′ < 0 em [a, b].
Basta mostrar que, se f (x0 ) < 0 então f (x1 ) ≥ 0 e, a partir daí,
aplica-se o teorema anterior com iterada inicial x1 .
Como f ′ (x0 ) < 0 e f ′′ ≥ 0 em [a, b], tem-se

f (z) = f (x0 ) + f ′ (x0 )(z − x0 ) + f ′′ (θ)(z − x0 )2 , θ ∈ (z, x0 )

f (z) − f (x0 ) f ′′ (θ)

′
= z − x0 + ′ (z − x0 )2 ≤ z − x0
f (x0 ) f (x0 )
e portanto, como f (z) = 0,

f (x0 ) f (z) − f (x0 )

x1 = x0 − = x0 + ≤ x0 + z − x0 = z
f ′ (x0 ) f ′ (x0 )

e falta mostrar que x1 ≥ a.

Demonstração (cont.):
De (iv) e das propriedades de f resulta

f (b) f (b)
′
= ′ ≤b−a
f (b) f (b)

e obtemos em primeiro lugar

f (b)
a≤b− .
f ′ (b)

Atendendo às propriedades de f ′ e f ′′ , temos ainda

f (b) f (x0 ) − f (b) − f (x0 )

b− ′
=b+
f (b) f ′ (b)
′
f (b)(x0 − b) − f (x0 ) f (x0 ) f (x0 )
≤b+ ′
= x0 − ′ ≤ x0 − ′
f (b) f (b) f (x0 )
e portanto x1 ≥ a.
Aplicação do resultado teórico

sin(x) − exp(−x) = 0, z ∈ [0.5, 0.7]

Será que o método de Newton com x0 = 0.5 é convergente para z?

Seja f (x) := sin(x) − exp(−x) e I := [0.5, 0.7].

Tem-se f ∈ C 2 (I) e satisfaz as seguintes condições:
(i) f (0.5)f (0.7) < 0 porque f (0.5) < 0 e f (0.7) > 0;
(ii) f ′ (x) = cos(x) + exp(−x) > 0, ∀x ∈ I;
(iii) f ′′ (x) = − sin(x) − exp(−x) < 0, ∀x ∈ I;
(iv) f (0.5)f ′′ (x) ≥ 0, ∀x ∈ I.
Então a equação f (x) = 0 tem uma e uma única solução z ∈ I e o
método de Newton com x0 = 0.5 converge monotonamente para z.
Aplicação do método de Newton

f (x) := sin(x) − exp(−x) = 0, z ∈ [0.5, 0.7]

f (xn )
xn+1 = xn − , n = 0, 1, 2, ...
f ′ (xn )
Com iterada inicial x0 = 0.5 e apresentando os resultados com 10
dígitos decimais:
n xn
0 0.5
1 0.5856438170
2 0.5885294126
3 0.5885327440
4 0.5885327440

parece haver convergência.

Aplicação do segundo resultado teórico
Equação: sin(x) − exp(−x) = 0, z ∈ [0.5, 0.7] =: I
Será que o método de Newton com outras iteradas iniciais, diferentes
de x0 = 0.5, nomeadamente, x0 = 0.7, é convergente para z?

f (x) := sin(x) − exp(−x)

Tem-se f ∈ C 2 (I) e:
(i) f (0.5)f (0.7) < 0 porque f (0.5) < 0 e f (0.7) > 0;
(ii) f ′ (x) = cos(x) + exp(−x) > 0, ∀x ∈ I;
(iii) f ′′ (x) = − sin(x) − exp(−x) < 0, ∀x ∈ I;
f (0.5) f (0.7)
(iv) ′
= 0.0856438 < 0.2 e ′ = 0.117036 < 0.2.
f (0.5) f (0.7)
Então a equação f (x) = 0 tem uma e uma única solução z ∈ I
e o método de Newton converge para z qualquer que seja a iterada
inicial x0 ∈ [0.5, 0.7].
Método de Newton - Ordem de convergência e
estimativas de erro
Suponhamos que f é uma função de classe C 2 num certo intervalo
In contendo z e uma iterada genérica xn , e que f ′ (x) ̸= 0, para
todo x ∈ In . Tem-se
(z − xn )2 ′′
0 = f (z) = f (xn ) + (z − xn )f ′ (xn ) + f (ξn )
2
para algum ξn entre z e xn . Como, por hipótese, f ′ (xn ) ̸= 0, tem-se
f (xn ) f ′′ (ξn )
0= + z − x n + (z − xn )2 .
f ′ (xn ) 2f ′ (xn )
Assim, nas condições referidas, é válida a relação

f ′′ (ξn )
z − xn+1 = − (z − xn )2
2f ′ (xn )
Método de Newton - Ordem de convergência

Supondo que a sucessão gerada pelo método de Newton converge

para z, usando a relação

f ′′ (ξn )
z − xn+1 = − (z − xn )2
2f ′ (xn )

obtém-se

|z − xn+1 | |f ′′ (z)|
lim =
n→∞ |z − xn |2 2|f ′ (z)|

pelo que, se f ′ (z) ̸= 0 e f ′′ (z) ̸= 0, o método de Newton tem

|f ′′ (z)|
convergência quadrática (ordem p = 2) com K∞ = 2|f ′ (z)| .
Método de Newton - Estimativas de erro

Da relação
f ′′ (ξn )
z − xn+1 = − (z − xn )2
2f ′ (xn )
entre os erros de duas iteradas consecutivas do método de Newton,
resultam as majorações

maxx∈In |f ′′ (x)|
|z − xn+1 | ≤ |z − xn |2
2|f ′ (xn )|

maxx∈In |f ′′ (x)|
|z − xn+1 | ≤ |z − xn |2 .
2 minx∈In |f ′ (x)|
Método de Newton - Estimativas de erro

Supondo que existe um intervalo I que contém z e todas as iteradas

do método de Newton e tal que f ∈ C 2 (I) e f ′ ̸= 0 em I, podemos
definir
maxx∈I |f ′′ (x)|
K := ,
2 minx∈I |f ′ (x)|
que é uma constante independente de n, e de

maxx∈In |f ′′ (x)|
|z − xn+1 | ≤ |z − xn |2
2 minx∈In |f ′ (x)|

obtemos

|z − xn+1 | ≤ K|z − xn |2 , ∀n ∈ N.
Método de Newton - Estimativas de erro
Tem-se, sucessivamente:

|z − xn | ≤ K|z − xn−1 |2
≤ K(K|z − xn−2 |2 )2 = K 3 |z − xn−2 |4
≤ K 3 |K|z − xn−3 |2 |4 = K 7 |z − xn−2 |8 ≤ ...
n −1 n
≤ K2 |z − x0 |2 .

Daqui resulta a fórmula de majoração dos erros a priori

1 n
|z − xn | ≤ (K|z − x0 |)2 , ∀n ∈ N,
K

Nota: Esta fórmula só é útil em situações práticas quando

K|z − x0 | < 1.
Aplicação das fórmulas de erro
Equação: sin(x) − exp(−x) = 0, z ∈ [0.5, 0.7] =: I

Sabemos que todas as iteradas calculadas a partir de x0 = 0.7

ficam no intervalo I. Queremos calcular
maxx∈[0.5,0.7]|f ′′ (x)|
K=
2 minx∈[0.5,0.7]|f ′ (x)|

onde já sabemos que

f ′ (x) = cos(x) + exp(−x) > 0,

f ′′ (x) = − sin(x) − exp(−x) < 0, ∀x ∈ I.

• Como f ′ > 0 e decrescente em [0.5, 0.7], tem-se

min |f ′ (x)| = f ′ (0.7) = 1.26143

x∈[0.5,0.7]
Aplicação das fórmulas de erro

• f (3) (x) = − cos(x) + exp(−x) < 0, ∀x ∈ [0.5, 0.7], porque:

0.496585 = exp(−0.7) ≤ exp(−x) ≤ exp(−0.5) = 0.606531,

−0.877583 = − cos(0.5) ≤ − cos(x) ≤ − cos(0.7) = −0.764842

logo f (3) (x) < 0 para todo x ∈ [0.5, 0.7]. Consequentemente, f ′′ é
decrescente em I.

• Como f ′′ < 0 e decrescente em [0.5, 0.7], tem-se |f ′′ | crescente

em I e
max |f ′′ (x)| = |f ′′ (0.7)| = 1.1408
x∈[0.5,0.7]
Aplicação das fórmulas de erro

maxx∈[0.5,0.7]|f ′′ (x)| |f ′′ (0.7)| 1.1408

K= = ′
= = 0.452185
2 minx∈[0.5,0.7]|f ′ (x)| 2 × |f (0.7)| 2 × 1.26143

iteradas do método de Newton

x0 = 0.7
x1 = 0.5829640352
x2 = 0.5885203977
x3 = 0.5885327439

majoração dos erros

|z − x0 | ≤ 0.7 − 0.5 = 0.2
|z − x1 | ≤ K|z − x0 |2 ≤ 0.452185 × 0.22 = 0.0180874
|z − x2 | ≤ K|z − x1 |2 ≤ 0.452185 × 0.01808742 = 0.000147934
|z − x3 | ≤ K|z − x2 |2 ≤ 0.989583 × 10−8
Aplicação das fórmulas de erro
f (x0 )f (x1 ) < 0 =⇒ z ∈ [x1 , x0 ]
=⇒ |z − x0 | ≤ |x1 − x0 | = 0.7 − 0.5829640352 = 0.117036

majoração dos erros mais precisa

|z − x0 | ≤ |x1 − x0 | = 0.117036
|z − x1 | ≤ K|z − x0 |2 ≤ 0.452185 × 0.1170362 = 0.00619377
|z − x2 | ≤ K|z − x1 |2 ≤ 0.452185 × 0.006193772 = 0.173471 × 10−4
|z − x3 | ≤ K|z − x2 |2 ≤ 0.136072 × 10−9

Definição Seja x̃ = 0.d1 ...dn × 10t , d1 ̸= 0, uma aproximação de

x ∈ R. O algarismo dk é significativo se

|x − x̃| ≤ 0.5 × 10t−k .

Conclusão: x2 tem 4 algarismos significativos e x3 tem 9

algarismos significativos
Método da secante
Método da secante - Algoritmo
Partindo de duas aproximações iniciais para z, x−1 e x0 , para cada
n ∈ N0 , calculamos a iterada genérica xn+1 a partir de xn−1 e de
xn do seguinte modo:
▶ considera-se a reta secante à curva (x, f (x)) nos pontos
(xn−1 , f (xn−1 )) e (xn , f (xn )), a qual é dada por

f (xn ) − f (xn−1 )
r(x) = f (xn ) + (x − xn ),
xn − xn−1
▶ obtém-se xn+1 como sendo a abcissa do ponto de interseção
desta reta com o eixo dos x
f (xn ) − f (xn−1 )
r(xn+1 ) = 0 ⇐⇒ f (xn ) + (xn+1 − xn ) = 0
xn − xn−1

f (xn )(xn − xn−1 )

xn+1 = xn −
f (xn ) − f (xn−1 )
Aplicação do método da secante

f (x) := sin(x) − exp(−x) = 0, z ∈ [0.5, 0.6]

f (xn )(xn − xn−1 )

xn+1 = xn − , n = 0, 1, 2, ...
f (xn ) − f (xn−1 )
Com iteradas iniciais x−1 = 0.5 e x0 = 0.6 e apresentando os
resultados com 8 dígitos decimais:
n xn
-1 0.5
0 0.6
1 0.58892452
2 0.58853094
3 0.58853274
Método da secante - Condições suficientes de
convergência
Teorema
Sejam f ∈ C 2 ([a, b]) e x−1 , x0 ∈ [a, b] satisfazendo as seguintes
condições:
(i) f (a)f (b) < 0;
(ii) f ′ (x) ̸= 0, ∀x ∈ [a, b];
(iii) f ′′ não muda de sinal em [a, b];
(iv) f (x0 )f ′′ (x) ≥ 0, ∀x ∈ [a, b], f (x−1 )f ′′ (x) ≥ 0, ∀x ∈ [a, b].
Então a equação f (x) = 0 tem uma e uma única solução z ∈]a, b[ e
o método da secante
f (xn )(xn − xn−1 )
xn+1 = xn − , n = 0, 1, 2, ..
f (xn ) − f (xn−1 )

com iteradas iniciais x−1 , x0 converge para z.

Método da secante - Condições suficientes de
convergência
Teorema
Sejam f ∈ C 2 ([a, b]) satisfazendo as seguintes condições:
(i) f (a)f (b) < 0;
(ii) f ′ (x) ̸= 0, ∀x ∈ [a, b];
(iii) f ′′ não muda de sinal em [a, b];
f (a) f (b)
(iv) ≤ b − a, ≤ b − a.
f ′ (a) f ′ (b)
Então a equação f (x) = 0 tem uma e uma única solução z ∈]a, b[ e
o método da secante
f (xn )(xn − xn−1 )
xn+1 = xn − , n = 0, 1, 2, ...
f (xn ) − f (xn−1 )

converge para z, quaisquer que sejam as iteradas iniciais

x−1 , x0 ∈ [a, b] .
Método da secante - Relação entre erros
consecutivos

Suponhamos que f é uma função de classe C 2 num certo intervalo

In contendo z e as iteradas genéricas xn−1 , xn , e que f ′ (x) ̸= 0,
para todo x ∈ In . Existem ξn , ηn ∈ In tais que

f ′′ (ξn )
z − xn+1 = − (z − xn−1 )(z − xn ).
2f ′ (ηn )
Método da secante - Estimativa de erro

Da relação

f ′′ (ξn )
z − xn+1 = − (z − xn−1 )(z − xn )
2f ′ (ηn )

entre os erros de iteradas consecutivas do método da secante, resulta

a majoração

maxx∈In |f ′′ (x)|
|z − xn+1 | ≤ |z − xn ||z − xn−1 |.
2 minx∈In |f ′ (x)|
Método da secante - Estimativa de erro

Supondo que existe um intervalo I que contém z e todas as iteradas

do método de Newton e tal que f ∈ C 2 (I) e f ′ ̸= 0 em I, podemos
definir
maxx∈I |f ′′ (x)|
K := ,
2 minx∈I |f ′ (x)|
e obtemos

|z − xn+1 | ≤ K|z − xn ||z − xn−1 |, ∀n ∈ N.

Método da secante - ordem de convergência

Nas condições indicadas no caso do método de Newton, tem-se con-

vergência de ordem √
1+ 5
p=
2
com coeficiente assintótico de convergência
p−1
|f ′′ (z)|

K∞ = ,
2|f ′ (z)|

ou seja,

p−1
|f ′′ (z)|

|z − xn+1 |
lim = .
n→∞ |z − xn |p 2|f ′ (z)|