k a b f(a) f(b) c f(c) b-a

1 -7 0 -146 15 -3.5 26.375 7

2 -7 -3.5 -146 26.375 -5.25 -20.76563 3.5
3 -5.25 -3.5 -20.76563 26.375 -4.375 10.55664 1.75
4 -5.25 -4.375 -20.76563 10.55664 -4.8125 -2.915283 0.875
5 -4.8125 -4.375 -2.915283 10.55664 -4.59375 4.336578 0.4375
6 -4.8125 -4.59375 -2.915283 4.336578 -4.703125 0.843548 0.21875
7 -4.8125 -4.703125 -2.915283 0.843548 -4.757813 -1.002152 0.109375
8 -4.757813 -4.703125 -1.002152 0.843548 -4.730469 -0.070934 0.054688
9 -4.730469 -4.703125 -0.070934 0.843548 -4.716797 0.388391 0.027344
10 -4.730469 -4.716797 -0.070934 0.388391 -4.723633 0.15925 0.013672
11 -4.730469 -4.723633 -0.070934 0.15925 -4.727051 0.044289 0.006836
12 -4.730469 -4.727051 -0.070934 0.044289 -4.72876 -0.01329 0.003418
13 -4.72876 -4.727051 -0.01329 0.044289 -4.727905 0.015507 0.001709
14 -4.72876 -4.727905 -0.01329 0.015507 -4.728333 0.001111 0.000854
15 -4.72876 -4.727905 -0.01329 0.015507 -4.728333 0.001111 0.000854
16 -4.72876 -4.727905 -0.01329 0.015507 -4.728333 0.001111 0.000854
17 -4.72876 -4.727905 -0.01329 0.015507 -4.728333 0.001111 0.000854
18 -4.72876 -4.727905 -0.01329 0.015507 -4.728333 0.001111 0.000854
 Avantaj:
Convergență garantată: Metoda bisecției este robustă și garantează că va converge către o rădăcină dacă
sunt îndeplinite condițiile inițiale.
Precizie predictibilă: Eroarea se reduce la jumătate la fiecare iterație, permițând estimarea precisă a
numărului de pași necesari pentru a atinge o anumită precizie.
Dezavantaj:
Viteză lentă: Rata de convergență este liniară, ceea ce o face mult mai lentă decât alte metode iterative,
cum ar fi metoda Newton-Raphson.
Necesită două valori inițiale: Trebuie să se găsească inițial un interval care să încadreze rădăcina, ceea ce
poate fi uneori dificil.
k x f(x) f`(x) ERROR
0 1 14 4-
1 -2.5 30.625 -1.25 3.5
2 22 12005 1579 24.5
3 14.3970867637745 3549.01498865226 703.210842433604 7.60291323622546
4 9.35021493743839 1047.98523084219 313.380847753519 5.04687182633615
5 6.00608833125073 309.847056692858 139.255821115863 3.34412660618766
6 3.78106783149682 93.0400204241463 60.5758288281212 2.22502049975391
7 2.24514133698464 30.2132654695385 23.5928268910193 1.53592649451218
8 0.964528987769326 13.8656204779604 3.57812243135791 1.28061234921531
9 -2.9105817005752 30.3104143599076 2.95096730371851 3.87511068834453
10 -13.1819304619503 -1688.3360904749 437.198289339381 10.271348761374
11 -9.32021340668452 -487.41297945191 199.677853398319 3.86171705526582
12 -6.87921671548105 -134.18250432161 95.6955675627753 2.44099669120348
13 -5.47703573950655 -31.920742471611 52.1315470384569 1.4021809759745
14 -4.86472430267036 -4.8060907987144 36.8082818069526 0.612311436836194
15 -4.73415339409275 -0.195440224063 33.8317047118432 0.130570908577606
16 -4.72837655766882 -0.0003736539147 33.7023752673232 0.005776836423923
17 -4.728365470797 -1.3748895356E-09 33.702127251494 0.00001109
18 -4.7283654707562 0 33.7021272505814 0.00000000
19 -4.7283654707562 0 33.7021272505814 0
 Avantaje
Convergență rapidă: Dacă estimarea inițială este suficient de apropiată de rădăcină, me
foarte rapid, de obicei pătratic. Aceasta înseamnă că numărul de zecimale corecte se dub
iteraț[Link] deosebire de metodele de bisecție sau secantă, metoda lui Newton necesită
Dezavantaje
Necesită calculul derivatei: Trebuie să puteți calcula deriv
poate fi dificil sau imposibil pentru unele funcții. Sensibilitate la estimarea inițială: Dacă e
greșit, metoda poate diverge, intra în buclă sau converge către o rădăcină diferită.Problem
poate avea performanțe slabe sau poate să nu convergă dacă derivata lui f`(x) este aproa
punctele de inflexiune, maximele sau minimele locale).
apropiată de rădăcină, metoda lui Newton converge
e zecimale corecte se dublează aproximativ cu fiecare
etoda lui Newton necesită un singur punct de plecare.

buie să puteți calcula derivata funcției f`(x) , ceea ce

estimarea inițială: Dacă estimarea inițială este aleasă
o rădăcină diferită.Probleme de convergență: Metoda
derivata lui f`(x) este aproape de zero (de exemplu, la
e sau minimele locale).
k x f(x)
1 -7 -146
2 -6.5 -100.375
3 -6 -63
4 -5.5 -33.125
5 -5 -10
6 -4.5 7.125
7 -4 19
8 -3.5 26.375
9 -3 30
10 -2.5 30.625
11 -2 29
12 -1.5 25.875
13 -1 22
14 -0.5 18.125
15 0 15
16 0.5 13.375
17 1 14
18 1.5 17.625
19 2 25
20 2.5 36.875
21 3 54
k x f(x) f`(x) x-(x-1)
0 1 14 4 1
1 -2.5 30.625 -1.25 -3.5
2 3.947368 103.5151 65.42936 6.447368
3 -5.208882 -18.88798 45.14407 -9.156251
4 -3.795984 22.51019 15.45258 1.412898
5 -4.564245 5.234347 30.11153 -0.768261
6 -4.797018 -2.366775 35.25204 -0.232773
7 -4.724539 0.128794 33.61657 0.072479
8 -4.72828 0.002893 33.70021 -0.003741
9 -4.728366 -3.68E-06 33.70213 -8.59E-05
10 -4.728365 1.047E-10 33.70213 1.091E-07
11 -4.728365 0 33.70213 -3.11E-12
12 -4.728365 0 33.70213 0
k x(coarde) x(tangent) f(x) f`(x) xk-(xk-1)
0 1 14 4
1 -2.5 30.625 -1.25 -3.5
2 3.947368 103.5151 65.42936 6.447368
3 2.365279 15 -5 -3.947368
4 -0.668931 19.38774 -7.671181 -0.668931
5 1.858416 15 -5 0.668931
6 2.286821 3 31.21358 24.40957 2.286821
7 -2.115653 1.008077 29.53659 -4.265957 -4.402473
8 -79.65566 4.808137 -485969 18552.14 -77.54
9 -2.120365 -53.4609 29.55662 -4.234346 77.53529
10 -2.125081 4.859844 29.57651 -4.202581 -0.004715
11 4.886106 4.912621 178.8426 95.93872 7.011186
12 -3.514321 3.021972 26.21951 10.96543 -8.400426
13 -4.957452 -5.905428 -8.31971 38.98427 -1.443131
14 -4.609834 -4.74404 3.839272 31.09271 0.347617
15 -4.719597 -4.733312 0.294672 33.5062 -0.109762
16 -4.728721 -4.728391 -0.011996 33.71009 -0.009125
17 -4.728364 -4.728366 3.498E-05 33.7021 0.000357
18 -4.728365 -4.728365 4.131E-09 33.70213 -1.04E-06