Escolha uma das funções abaixo e estude o comportamento dos métodos de Newton e da posição falsa em torno de diferentes raízes. Observe situações de sucesso, lentidão e falha:
  • f(x)=\sin (x)-x / 2
  • f(x)=x^{4}-3 x+1
  • f(x)=e^{x}-3 x
Discuta: sensibilidade ao ponto inicial, influência da derivada, monotonicidade e comportamento global da função.

Passo 1

O que o enunciado pede (escolhi a função): estudar o comportamento dos métodos de Newton e da posição falsa (regula falsi) para a função
f(x)=\sin(x)-\frac{x}{2},
observando exemplos de sucesso, lentidão e falha, e discutir sensibilidade ao ponto inicial, influência da derivada, monotonicidade e comportamento global da função.
Informações relevantes fornecidas / que podemos inferir sem ainda resolver:
  • A função é definida para todo x\in\mathbb{R} e é contínua e diferenciável em \mathbb{R}.
  • A derivada é
f'(x)=\cos(x)-\frac{1}{2}.
  • Como \sin e \cos são funções limitadas, f(x) tem comportamento oscilatório amortecido pela reta -x/2 — isto sugere número finito de raízes reais.
  • f é função ímpar, pois \sin é ímpar e -x/2 é ímpar; logo as raízes são simétricas em torno de 0.
  • O enunciado pede: analisar e comparar dois métodos numéricos (Newton e posição falsa) em torno de diferentes raízes; logo vou precisar de:
    • a fórmula do método de Newton e como ela se aplica a f;
    • a fórmula da posição falsa e como ela se aplica a intervalos que contenham raízes;
    • exemplos numéricos de iterações que ilustrem sucesso rápido, lentidão e falha.
      A resolução (iteração e análise) começa no Passo 2.

Passo 2

Método de Newton — explicação e fórmula aplicada a f.
Breve aula do método (o que é e por que funciona):
  • O método de Newton é um método iterativo para encontrar uma raiz de f(x)=0 usando aproximações lineares sucessivas (reta tangente).
  • Se x_n é a aproximação atual e f'(x_n)\neq 0, a próxima aproximação é obtida projetando a intersecção da tangente com o eixo x. A fórmula geral é
x_{n+1}=x_n-\frac{f(x_n)}{f'(x_n)},
onde:
  • x_n é a aproximação atual;
  • f(x_n) é o valor da função nesse ponto;
  • f'(x_n) é a derivada no ponto (a inclinação da reta tangente).
  • Condições importantes: se existe uma raiz simples \alpha (isto é, f(\alpha)=0 e f'(\alpha)\neq 0) e a aproximação inicial x_0 estiver suficientemente perto de \alpha, Newton converge muito rápido (convergência quadrática). Se f'(\alpha)=0 ou f' for muito pequeno perto de x_n, os passos podem ser enormes e o método pode divergir.
Fórmula específica para a função escolhida:
f(x)=\sin(x)-\frac{x}{2},\qquad f'(x)=\cos(x)-\frac{1}{2},
portanto a iteração de Newton é
x_{n+1}=x_n-\frac{\sin(x_n)-\tfrac{x_n}{2}}{\cos(x_n)-\tfrac{1}{2}}.
Agora vou mostrar três exemplos práticos (com contas) que ilustram sucesso rápido, lentidão/estagnação e falha/divergência.
Exemplo A — sucesso rápido (ponto inicial perto de uma raiz não problemática).
Escolho x_0=2 e vou aproximar a raiz positiva (há uma raiz >0 porque \sin oscila e a reta \tfrac{x}{2} cruza). Cálculos:
f(2)=\sin(2)-\tfrac{2}{2}=\sin(2)-1\approx 0{,}909297-1=-0{,}090703,
f'(2)=\cos(2)-\tfrac{1}{2}\approx -0{,}416147-0{,}5=-0{,}916147.
Aplicando Newton:
x_1=2-\frac{-0{,}090703}{-0{,}916147}=2-0{,}09904\approx 1{,}90096.
Segundo passo:
f(1{,}90096)\approx -0{,}00415,\qquad f'(1{,}90096)\approx -0{,}82324,
x_2=1{,}90096-\frac{-0{,}00415}{-0{,}82324}\approx 1{,}89586.
Terceiro passo:
f(1{,}89586)\approx -0{,}00015\quad\Rightarrow\quad x_3\approx 1{,}89549.
Resultado: convergência rápida em poucas iterações para a raiz positiva (aproximação final x\approx 1{,}89549). Este é um caso de sucesso típico: f'(\alpha) não é pequeno e x_0 estava na região de convergência.
Exemplo B — falha / passo gigante quando a derivada é muito pequena.
Pontos onde f'(x)=0 satisfazem \cos(x)=\tfrac{1}{2}, isto é x\approx \pm\tfrac{\pi}{3}+2k\pi (valores aproximados \pm 1{,}047, \pm 7{,}330, …). Próximo a esses pontos a inclinação é quase zero e o denominador em Newton fica muito pequeno — daí vêm passos enormes. Tome x_0=1{,}05 (perto de 1{,}047):
f(1{,}05)=\sin(1{,}05)-\tfrac{1{,}05}{2}\approx 0{,}8674-0{,}5250=0{,}3424,
f'(1{,}05)=\cos(1{,}05)-\tfrac{1}{2}\approx 0{,}4940-0{,}5\approx -0{,}0060.
O passo de Newton é
x_1=1{,}05-\frac{0{,}3424}{-0{,}0060}\approx 1{,}05+57{,}07\approx 58{,}12.
Ou seja: um único passo gigante leva a uma aproximação muito distante; depois disso o método pode oscilar ou divergir. Conclusão: se f'(x_n) é pequeno, Newton produz passos grandes e comportamento imprevisível — risco de falha.
Exemplo C — comportamento instável / possível divergência a partir de um ponto muito distante.
Tomando x_0=10:
f(10)=\sin(10)-5\approx -0{,}5440-5=-5{,}5440,
f'(10)=\cos(10)-\tfrac{1}{2}\approx -0{,}8391-0{,}5=-1{,}3391,
x_1=10-\frac{-5{,}5440}{-1{,}3391}=10-4{,}141\approx 5{,}859.
No passo seguinte os sinais / inclinações mudam e o método pode pular para valores maiores, começar a oscilar ou divergir; aqui vemos que um chute muito distante pode não convergir para a raiz desejada. Em resumo: Newton é muito eficiente quando x_0 está na vizinhança correta e f' não é pequeno, mas é sensível a pontos com f' pequeno e a pontos iniciais muito distantes.

Passo 3

Método da posição falsa (regula falsi) — explicação e aplicação.
Breve aula do método:
  • A posição falsa é um método de interpolação linear que, dada uma chave (um intervalo [a,b] com f(a)\,f(b)<0), constrói a reta que passa por (a,f(a)) e (b,f(b)) e toma a abscissa da interseção dessa reta com o eixo x como nova aproximação.
  • A fórmula do ponto aproximado c é
c=b-\frac{f(b)\,(b-a)}{f(b)-f(a)}.
  • Se f\text{(c)} tem sinal oposto a f(a), substitui-se b por c; senão substitui-se a por c.
  • Vantagem: método é sempre (teoricamente) convergente para uma raiz dentro do intervalo porque mantém o critério do teorema do valor intermediário (é um método “safeguarded”). Desvantagem: convergência linear e, em muitos casos, pode ser lentamente convergente — especialmente quando um dos extremos do intervalo permanece praticamente fixo e só o outro extremo se aproxima lentamente da raiz (“estagnação” de um dos extremos).
Aplicação prática à mesma raiz positiva: escolha de um intervalo que contenha a raiz positiva, por exemplo [1,2] (pois f(1)>0 e f(2)<0):
f(1)=\sin(1)-\tfrac{1}{2}\approx 0{,}84147-0{,}5=0{,}34147,
f(2)\approx -0{,}090703.
Primeira iteração (cálculo de c_1):
c_1=2-\frac{f(2)\,(2-1)}{f(2)-f(1)} =2-\frac{-0{,}090703}{-0{,}090703-0{,}34147} =2-0{,}2099\approx 1{,}7901,
f(1{,}7901)\approx 0{,}08185.
Agora a raiz fica entre 1{,}7901 e 2, então novo intervalo [1{,}7901,2].
Segunda iteração:
c_2=2-\frac{f(2)\,(2-1{,}7901)}{f(2)-f(1{,}7901)} \approx 2-0{,}1104\approx 1{,}8896,
f(1{,}8896)\approx 0{,}0044.
Terceira iteração leva a um c_3 ainda mais próximo de 1{,}8955 — a convergência é segura, porém linear. Comparando com Newton: Newton levou 3 iterações para chegar a 1{,}89549 partindo de x_0=2; regula falsi também chegou, mas os passos foram tipicamente menores e a garantia de não sair do intervalo é a vantagem.
Fenômeno de estagnação (problema clássico da posição falsa): se em um dos extremos a função tem valor relativamente pequeno e o outro extremo tem valor grande, as intersecções sucessivas da corda ficarão sempre muito próximas do extremo com valor pequeno, de modo que esse extremo não se mexe e a convergência passa a ser muito lenta (convergência linear com constante próximo de 1). Isso ocorre com funções assimétricas ou quando a raiz está muito próxima a um dos extremos do intervalo inicial.

Passo 4

Comparação prática entre Newton e posição falsa (quando cada um é preferível) e exemplos de sucesso, lentidão e falha.
  • Casos de sucesso:
    • Newton: sucesso rápido quando o chute inicial x_0 está na região de convergência e f'(\alpha) não é pequeno. Ex.: x_0=2 -> converge em 2–3 iterações para \alpha\approx 1{,}89549.
    • Posição falsa: sucesso garantido quando for dado um intervalo [a,b] com f(a)f(b)<0; ex.: [1,2] converge (de forma linear) para a mesma raiz.
  • Casos de lentidão:
    • Posição falsa: pode apresentar lentidão/estagnação se um extremo do intervalo praticamente não se move (ex.: raiz muito próxima a b, com |f(b)|\ll |f(a)|); passos sucessivos movem pouco o extremo oposto.
    • Newton: lentidão acontece se f' é pequeno próxima da raiz (raiz múltipla) — nesse nosso caso específico não há raiz múltipla, mas se x_n passar por uma região onde f'(x_n) é pequeno, o próximo passo pode ser muito grande e a sequência ficar lenta ou imprevisível.
  • Casos de falha / divergência:
    • Newton: falha típica quando x_0 está suficientemente longe ou quando f'(x_n) é muito pequeno (passos gigantes). Ex.: x_0=1{,}05 gerou x_1\approx 58, um salto que provavelmente causa perda da convergência local. Outro exemplo: x_0=10 levou a saltos não controlados.
    • Posição falsa: não “falha” no sentido de sair do intervalo, mas pode ser inútil (muito lenta) se o usuário precisa de alta precisão em poucas iterações; além disso, se o intervalo inicial não contem uma única raiz (por exemplo, contém múltiplas raízes), a interpretação pode ficar confusa.

Passo 5

Discussão detalhada dos itens pedidos: sensibilidade ao ponto inicial, influência da derivada, monotonicidade e comportamento global da função f.
  1. Sensibilidade ao ponto inicial:
  • Newton é altamente sensível ao ponto inicial x_0: existem “basins of attraction” (regiões iniciais que convergem para cada raiz). Próximo das regiões onde f' é pequeno, o método pode saltar para regiões distantes e convergir para outra raiz ou divergir. No nosso caso, por ser uma função oscilante, há várias regiões de atração (por exemplo, para as raízes -1{,}8955,\;0,\;1{,}8955).
  • Posição falsa é menos sensível ao chute pois exige um intervalo com mudança de sinal; desde que esse intervalo contenha a raiz desejada, o método convergirá (mas sem garantia de rapidez).
  1. Influência da derivada:
  • A expressão do passo de Newton mostra claramente o papel da derivada: o tamanho do passo é \dfrac{f(x_n)}{f'(x_n)}. Assim, quando |f'(x_n)| é pequeno, o passo pode ser enorme (divergência) — caso crítico para Newton.
  • No nosso f, f'(x)=\cos(x)-\tfrac12 pode ficar próximo de zero em muitos pontos ( \cos(x)=\tfrac12), portanto existe risco real de encontrar x_n com derivada pequena durante o processo.
  • Posição falsa usa somente valores de f nos extremos e sua secante; não exige f' e portanto não sofre diretamente desse problema, mas a convergência linear pode ser muito lenta.
  1. Monotonicidade e comportamento global de f:
  • f'(x)=\cos(x)-\tfrac12 oscila entre -\tfrac{3}{2} e +\tfrac12. Logo f não é globalmente monótona: tem trechos crescentes e decrescentes alternados. Isso implica:
    • possível múltiplas raízes (de fato há três raízes reais: uma em 0 e duas simétricas positivas/negativas);
    • os métodos com base em tangente/retas podem saltar de uma região de monotonicidade para outra.
  • Globalmente, para |x| grandes, o termo -\tfrac{x}{2} domina e f(x)\to -\infty quando x\to +\infty e f(x)\to +\infty quando x\to -\infty. Assim a oscilação da \sin dá origem a um número limitado de cruzamentos com \tfrac{x}{2}.
  1. Resumo dos pontos práticos / dicas para prova:
  • Se puder escolher: use posição falsa (ou bisseção) para obter um intervalo pequeno que contenha a raiz; depois use Newton (método híbrido) a partir do ponto médio do intervalo para acelerar a convergência. Esse procedimento combina segurança (nenhum salto grande inicialmente) com rapidez local de Newton.
  • Evite começar Newton em pontos onde f'(x) é pequeno (procure avaliar f'(x_0) antes de aplicar).
  • Se não tiver derivada (ou se f' for complicada / pequena), prefira métodos de bracketing (bisseção, posição falsa), lembrando que são lineares.
  • Para a função estudada, espere convergência rápida de Newton caso o chute esteja perto de 0 ou de \pm 1{,}8955, mas cuidado em torno de x\approx \pm 1{,}047 (onde f'\approx 0).

Resposta

As observações principais e conclusões para f(x)=\sin(x)-\tfrac{x}{2} são:
  • Raízes reais: existem três raízes reais (simétricas): \;x\approx -1{,}89549,\;x=0,\;x\approx 1{,}89549.
  • Newton: fórmula \;x_{n+1}=x_n-\dfrac{\sin(x_n)-\tfrac{x_n}{2}}{\cos(x_n)-\tfrac{1}{2}}. Converge rapidamente (quadraticamente) quando x_0 está na vizinhança da raiz e f'(\alpha)\neq 0 (ex.: x_0=2 convergiu em 2–3 iterações para 1{,}89549). Falha/gera passos gigantes se f'(x_n) é muito pequeno (ex.: x_0=1{,}05 x_1\approx 58{,}12), ou pode divergir para outros pontos se x_0 for muito distante.
  • Posição falsa: fórmula \;c=b-\dfrac{f(b)(b-a)}{f(b)-f(a)}. Garante manutenção de um intervalo com mudança de sinal e, portanto, convergência segura para uma raiz no intervalo; convergência linear (mais lenta que Newton). Pode apresentar estagnação (um extremo praticamente não se move) em problemas assimétricos do intervalo.
  • Sensibilidade ao ponto inicial: Newton é sensível (basins of attraction); posição falsa só precisa de um intervalo com mudança de sinal, portanto é menos sensível ao chute inicial individual.
  • Influência da derivada: pequena derivada ( f'(x)\approx 0) provoca passos enormes em Newton e risco de falha; posição falsa não usa derivada diretamente e evita esse problema, mas paga em velocidade.
  • Monotonicidade / comportamento global: f'(x)=\cos(x)-\tfrac12 alterna sinal (não monótona), causando múltiplas raízes e regiões de crescimento/decrescimento; para |x| grandes domina -\tfrac{x}{2} e f(x)\to\mp\infty.
  • Regra prática para provas: obtenha um bracket confiável (bisseção/posição falsa) e, quando o intervalo estiver pequeno, aplique Newton com ponto inicial dentro desse intervalo para acelerar (método híbrido).

Exercícios relacionados