4 SISTEMAS DE EQUAES ALGBRICAS E TRANCEDENTAIS

(NO-LINEARES)
4.1 Introduo
A soluo de um sistema no-linear consiste em determinar pontos no
subespao do problema que solucione o conjunto de equaes. Os pontos de soluo esto
na interseco das curvas que representam as equaes. O processo de soluo a ser visto
uma generalizao do Mtodo de Newton-Raphson para sistemas de equaes nolineares. Na soluo de sistemas lineares viu-se que tem-se apenas trs tipos de soluo:
soluo nica, infinitas solues e no existe soluo. No caso de sistemas no lineares a
leque de respostas maior, no qual pode-se ter de zero a infinitas solues.
Para exemplificar, seja o sistema de equaes no lineares composto de duas
equaes:

x1 + 2x 2 3 = 0
2 2
3x1 + x 2 7 = 0
3
x2
2.5

1.5

0.5

x1
0
-3

-2

-1

Como pode ser observado na figura, tem-se dois pontos de

interseco. Estes dois pontos pertencentes ao subespao 2 ,
T
T
x = [1,461538 0,769230] e x = [ 1 2] , so solues do sistema.
3.2

Mtodo de Newton-Raphson para Sistemas de Equaes NoLineares

Seja o sistema de equaes no-lineares:

f 1 ( x1 , x 2 ,......., x n ) = 0
f 2 ( x1 , x 2 ,......., x n ) = 0

f n ( x1 , x 2 ,......., x n ) = 0

O sistema pode ser representado de forma vetorial:

F ( x) = 0
T
onde: x = [ x1 x 2 x n ]

Como viu-se no Mtodo de Newton para equaes escalares, a cada iterao

determina-se a reta tangente ao grafico da funo no ponto inicial. No caso de
sistemas de equaes, determina-se o hiperplano tangente ao politopo
determinado pelo sistemas de equaes no ponto inicial. O processo
semelhante ao caso escalar, no qual utiliza-se da expanso em Srie de Taylor
vetorial no ponto x ( 0 ) .
F ( x) = F ( x

(0)

) + J (x

( 0)

)( x x

(0)

onde:
f 1 ( x ( 0 ) )

x1
f 2 ( x ( 0 ) )
(0)
J ( x ) = x
1

f n ( x ( 0 ) )

x1

(0)

f 1 ( x )
x 2
(0)
f 2 ( x )
x 2

(0)
f n ( x )
x 2

f 1 ( x )

x n
(0)
f 2 ( x )

x n

(0)
f n ( x )

x n
(0)

chamada de matriz Jacobiana.

Igualando-se a zero, chega-se ao processo iterativo para sistemas de equaes
no-lineares:
F ( x) = F ( x

( 0)

) + J (x

(0)

)( x x

(0)

) =0

que de forma genrica torna-se:

x

Fazendo

(k )

=x

( k +1)

(k )

( k +1)

=x

(k )

J (x

(k )

F (x

(k )

, tem-se:
x

(k )

= J (x

(k )

F (x

(k )

Pr-multiplicando-se a equao vetorial por [ J ( x ( 0) )] , tem-se:

J (x

(k )

) x

(k )

= F ( x

(k )

Observe que tem-se um sistema de equaes lineares. Em cada iterao do Mtodo de

Newton para sistemas de equaes resolve-se um sistema de equaes lineares.
Exemplo: Resolver o sistema de equaes no-lineares utilizando o Mtodo de NewtonRaphson para um vetor inicial x ( 0 ) = [ 0,5 0,5 0,5] T .
2

x1 + x 22 + x 32 1 = 0
2

2 x1 + x 22 4 x 3 = 0
2

3x1 4 x 2 + x 32 = 0
O processo iterativo dado por:
J (x

(k )

) x

(k )

= F ( x

(k )

A matriz Jacobiana
2 x1( k )

(k )
J ( x ) = 4 x1( k )
6 x1( k )

J (x

2 x 2( k )
2 x 2( k )
4

(k )

dada por:

2 x 3( k )

4
2 x 3( k )

Para x ( 0 ) = [ 0,5 0,5 0,5] T , tem-se:

J (x

( 0)

1
) =
2

1
4

1
1
4

Para x ( 0 ) = [ 0,5 0,5 0,5] T ,

F (x

(0)

) calculado por:

0,5 2 + 0,5 2 + 0,5 2 1 = 0,25

2 0,5 2 + 0,5 2 4 0,5 = 1,25
3 0,5 2 4 0,5 + 0,5 2 = 1,00

F (x

(0)

) =[ 0,25

1,25

1,00]T

Tem-se o sistema linear:

( 0)
1 1 1 x1 0,25
2 1 4 x (0) = 1,25

3 4 1 x3 (0) 1,00

Resultando em
dados por:
x

(1)

=x

Para
J (x

(1)

Para

( 0)

+ x

(1)

( 0)

(1)

= [ 0,375

0,125]

. Os novos valores do vetor

0,5 0,375 0,875

= 0,5 + 0 = 0,5
0,5 0,125 0,375

= [ 0,875

1,7500
) =
3,5000

5,2500

(o)

= [ 0,875

0,5

0,375] , tem-se:
T

1,0000
1,0000
4,0000

0,5

0,7500
4,0000

0,7500

T
0,375] , F ( x

(1)

) calculado por:

0,875 2 + 0,5 2 + 0,375 2 1 = 0,1563

2 0,875 2 + 0,5 2 4 0,375 = 0,2813
3 0,875 2 4 0,5 + 0,375 2 = 0,4375

F ( x (1) ) =[0,1563

0,2813

Tem-se o sistema linear:

4

0,4375]T

so

(1)
0,7500 x1 0,1563
1,7500 1,0000
3,5000 1,0000 4,0000 x (1) = 0,2813

5,2500 4,0000 0,7500 x 3 (1) 0,4375

Resultando em x (1) = [ 0,00852

vetor x so dados por:
x

( 2)

=x

Para
J (x

( 2)

Para

(1)

+ x

( 2)

(1)

( 2)

0,0051]

. Os novos valores do

0,875 0,00852 0,7898

=
0,5 + 0,0034 = 0,4966

0,375

0,0051

0,3699

= [ 0,7898

1,5796
) =
3,1593

4,7389

0,0034

0,4966
0,9932
0,9932

4,0000

= [ 0,7898

0,4966

0,3699] , tem-se:
T

0,7399
4,000

0,7399

T
0,3699] , F ( x

( 2)

) calculado por:

0,7898 2 +0,4966 2 +0,3699 2 1 = 0,0073

2 0,7898 2 +0,4966 2 4 3699
2

3 0,7898 4 0,4966 +0,3699

F ( x ( 2) ) =[0,0073

0,0145

= 0,0145
2

= 0,0218

0,0218]T

Tem-se o sistema linear:

( 2)
1,5796 0,9932 0,7399 x1 0,0073
3,1593 0,9932 4,000 x ( 2) = 0,0145

(2)

4,7389 4,0000 0,7399 x3

0,0218

Resultando em x ( 2)
x so dados por:

= [ 0,0046

0,0000

0,0000]

. Os novos valores do vetor

( 3)

=x

( 2)

+ x

(2)

0,7898 0,0046 0,7852

= 0,4966 + 0,0000 = 0,4966
0,3659 0,0000 0,3699

Seguindo o mesmo procedimento, chega-se a:

x

( 4)

0,7852

=
0,4966

0,3699

O processo convergiu para uma tolerncia de 10 4 em quatro iteraes.

3.3

Mtodo de Newton-Raphson Modificado

O Mtodo de Newton Modificado consiste em manter a matriz Jacobiano da

primeira iterao constante em todo o processo iterativo. O nmero de iteraes necessrias
para a convergncia normalmente maior, porm o custo computacional de cada iterao
tende a ser significativamente menor, pois no necessita-se realizar a eliminao de Gauss a
cada iterao. A matriz fatorada na forma LU na primeira iterao e estes fatores so
mantidos constantes em todo o processo iterativo. A cada iterao necessita-se apenas
realizar as substituies diretas e inversas.

Para exemplificar, mostra-se a soluo do exemplo dado anteriormente,

utilizando o Mtodo de Newton Modificado. A matriz Jacobiana da primeira iterao
dada por:
J (x

( 0)

1
) =
2

1
1
4

1
4

Fatorando a matriz Jacobiana na forma LU, tem-se:

1
LU =
2

0
1
7

01

0
0
1

1
1
0

1
6

40

Estes fatores so mantidos constantes em todo o processo iterativo. O processo

iterativo dado por:

Para x ( 0 ) = [ 0,5 0,5 0,5] T ,

F (x

(0)

) calculado por:

0,5 2 + 0,5 2 + 0,5 2 1 = 0,25

2 0,5 2 + 0,5 2 4 0,5 = 1,25
3 0,5 2 4 0,5 + 0,5 2 = 1,00

F (x

(0)

) =[ 0,25

1,25

1,00]T

Tem-se o sistema linear:

(0)
1 0 0 1 1 1 x1 0,25
2 1 0 0 1 6 x ( 0) = 1,25

3 7 1 0 0 40 x 3 (0) 1,00

Resultando em
dados por:
x

(1)

=x

Para

(0)

(1)

+ x

( 0)

(o)

= [ 0,375

0,125]

. Os novos valores do vetor

so

0,5 0,375 0,875

= 0,5 + 0 = 0,5
0,5 0,125 0,375

= [ 0,875

0,5

T
0,375] , F ( x

(1)

) calculado por:

0,875 2 + 0,5 2 + 0,375 2 1 = 0,1563

2 0,875 2 + 0,5 2 4 0,375 = 0,2813
3 0,875 2 4 0,5 + 0,375 2 = 0,4375

F ( x (1) ) =[0,1563

0,2813

0,4375]T

Tem-se o sistema linear:

(1)
1 0 0 1 1 1 x1 0,1563
2 1 0 0 1 6 x (1) = 0,2813

(1)

3 7 1 0 0 40 x 3
0,4375

Resultando em x (1) = [ 0,1484

vetor x so dados por:

0,0031

0,0047]

. Os novos valores do

( 2)

=x

Para

(1)

+ x

( 2)

(1)

0,875 0,1484 0,7266

=
0,5 + 0,0031 = 0,4969

0,375

0,0047

0,3703

= [ 0,7266

0,4969

( 2)
T
0,3703] , F ( x ) calculado por:

0,7266 2 +0,4969 2 +0,3703 2 1 = 0,0881

2 0,7266 2 +0,4969 2 4 0,3703 = 0,1786
3 0,7266 2 4 0,4969 +0,3703 2 = 0,2667

F ( x ( 2 ) ) =[ 0,0881

0,1786

0,2667]T

Tem-se o sistema linear:

( 2)
1 0 0 1 1 1 x1 0,0881
2 1 0 0 1 6 x ( 2) = 0,1786

3 7 1 0 0 40 x 3 ( 2) 0,2667

Resultando em x ( 2)
x so dados por:
x

( 3)

=x

Para

( 2)

( 3)

+ x

(2)

= [ 0,0887

0,0004]

0,0002

. Os novos valores do vetor

0,7266 0,0887 0,8153

=
0,4969 + 0,0002 = 0,4966

0,3703

0,0003

0,3700

= [ 0,8153

0,4966

( 3)
T
0,3700] , F ( x ) calculado por:

0,8153 2 +0,4966 2 +0,3700 2 1 = 0,0482

2 0,8153 2 +0,4966 2 4 0,3700 = 0,0961
3 0,8153 2 4 0,4966 +0,3700 2 = 0,1443

F ( x ( 3) ) =[0,0481

0,0961

Tem-se o sistema linear:

( 3)
1 0 0 1 1 1 x1 0,0482
2 1 0 0 1 6 x (3) = 0,0961

3 7 1 0 0 40 x3 (3) 0,1443

0,1443]T

Resultando em x (3)
x so dados por:
x

( 4)

=x

Para

( 3)

( 4)

+ x

( 3)

= [ 0,0481 0,0000

0,0001]

. Os novos valores do vetor

0,8153 0,0481 0,7672

=
0,4962 + 0,0000 = 0,4966

0,3700

0,0001

0,3699

= [ 0,7672

0,4966

( 4)
T
0,3699] , F ( x ) calculado por:

0,7672 2 +0,4966 2 +0,3699 2 1 = 0,0280

2 0,7672 2 +0,4966 2 4 0,3699 = 0,0560
3 0,7672 2 4 0,4966 +0,3699 2 = 0,0840

F ( x ( 4 ) ) =[0,0280

0,0560

0,0840]T

Tem-se o sistema linear:

( 4)
1 0 0 1 1 1 x1 0,0280
2 1 0 0 1 6 x ( 4) = 0,0560

( 4)

3 7 1 0 0 40 x 3
0,0840

Resultando em
so dados por:
x

( 5)

=x

( 4)

+ x

( 4)

( 4)

= [ 0,0280

0,0000]

0,0000

0,7672 0,0280 0,7952

= 0,4966 + 0,0000 = 0,4966
0,3699 0,0000 0,3699

De forma anloga chega-se a:

0,7794

x (6) =
0,4966

0,3699

0
,
7885

(7 )

x
=
0
,
4966

0
,
3699

. Os novos valores do vetor

(8)

(9)

(10 )

(11)

(12 )

(13)

(14 )

(15)

0,7833

=
0,4966

0,3699

0,7863

=
0,4966

0,3699

0,7846

=
0,4966

0,3699

0,7855

=
0,4966

0,3699

0,7850

=
0,4966
0,3699

0,7853

=
0,4966

0,3699

0,7852

=
0,4966

0,3699

0,7852

=
0,4966

0,3699

Como pode ser visto a convergncia com o Mtodo de Newton Modificado

muito mais lenta, entretanto o custo computacional de cada iterao menor e dependendo
da aplicao pode ser mais rpido que o mtodo normal.

10