Sistemas Nao-Lineares Resolugio de Sistemas de Equagdes Nao-Lineares De uma maneira geral, estudaremos o problema de determinar os zeros de uma fungdo f : R” — R", que é descrita por n fungoes reais fy(21,t2,+++, tq); & = 1,2,8,...,n den varidveis reais 21,22,---, tq Ou seja, u(y 2250004 tn) nm] a(t 25-04) m2 F(x) = | faler 22,0...) a= | x Snr, 42)---,2n) an 0 problema de resolver f(x) ~ J torna.se o de resolver tum sistema de equagdes nao-lineares fileiy22,-.52n) = 0 faltiy22,-.5%9) = 0 fale1,22)--5%n) = 0 Fr(@iy22064tn) = 0 Normalmente nio é possivel determina wn zero ex de uma fungao f explicitamente, entio temos que procurar outros métodos que aproximam a solugio, Estes métodos sio normalmente iterativos e tem 2 seguinte forma: ‘+ Partindo-se do um valor inicial 2, novas aproximagies sucessivas 2”), i= 1,2,... so caleu- Jadas com a ajuda de uma fangio de iteragio P(x) 2) — (x), §=0,1,2, Espera-se que no limite a soqiiéncia de aproximagSes convirja para a soluglo do sistema, isto 6 Assim como no caso uni-dimensional, algumas questdes surgem: 1. Como interromper a geragao de novas aproximagies? 2. Como podemos encontrar uma fungio de itpygedo adequada?103 3. Sob que condigdes a seqiiéncia {2} converge? 4. Quao rapidamente a seqiiéncia {2")} converge? Critério de Parada Quando parar 0 processo iterative? ‘Uma maneira de se determinar se a sequéneia de aproximagbes gerada pelo método iterative est convergindo & verificar se a diferenga entre a aproximagio e o valor exato do zero esté diminuindo. Seja 2 o valor aproximado obtido na iteragao ie & 0 valor exato do zero, podemos verificar se 2 al « Segunda iteragio: om | VEO @) yi (0.25)? v0.9375 0.968245837 2 = g(a!) = - - _ oo 2 osooaze4ot F | gassoraraz | | 0.433012702 Gritério de Parada a0 — 200 = [ 0.968245837 ] _ [ 0,806025404 | Ih [ 0.102220133 ] | -ousso12r02> « 0.433012702 0.25 o.ass012702 Resumindo Iteragao ay! jx) — aD] 1 0.8660254 0.250000 0.366025400 2 0,9682459 0.4930127 _0.183012700 3 0,9013878 0.484129 0.086858050 4 0,8750000 0.450693 0,033429030 5 0,8926786 0.437500 0.017678560 6 — 0,8902184 0.446339 0,008839279 Portanto, uma aproximagao para o zero do sistema de equagées dado ¢ & = (0.892184; 0.4463393) Método de Newton Outra maneira de criar fungoes de iteragdo ¢ geré-las sistematicamente, como descrito a seguir: Seja V(@) uma vizinhanga em torno do zero a de f(z), onto expandindo a funglo em série de ‘Taylor em torno de zp € V(a) temos x0) 0) Kl 2 " f(a) JF" (e0) Fob f\(z20 + Ba — 20) S20) + (a ~ 20) fo) +107 Se as maiores poténcias (a — 20)” so desprezadas, chegamos a equuagSes que expressam 0 ponto a aproximadamente em termos de um ponto dado xp, por exemple 0 = f(eo) + (@ = 20) $'(e0) ou O= f(e0) + (@* — 20) f"(20) + que fornecem, respectivamente am 12) F'(z0) a =m — S'(z0) & V(S"(20))? — 2620) f"(z0) $"(20) as expresses acima fornecem simplesmente valores proximos do zero desejado, mas elas foram deduzi- das para fornecerem fungdes de iteragdo. Dessa manvira, choga-se aos seguintes processos iterativos. sme), Me)~2- £2) wi = Be), (2) =2~ FE) f(z) J (F(z)? ~ 2f (2) F(z) nas = Beles), Bale) = 2 TO EVEN NOC) © primeira é o cléssicn método de Newtou-Raphson, © segundo é uma exteusio dbvis do primeito (também chamado Método de Cauchy). Graficamente temos a sepuinte representagio © método de Newton-Raphson 6 obtido linearizando-se f. A linearizagdo 6 também um meio de construir métodos iterativos para resolver sistemas da forma Files 2n,- 5) Fel P2004) He) =| leven) |= Sali, £2,---52n)108. Analogamente ao processo usado na obtengao da fungao de iteragio do método de Newton-Raphson, temos Sa) = 3% f(x) + Dfl(e)(a~ 2) onde an on an az) ax," a2," Of, fz af, (2) (x) (x) pytay =| on a Om Ofn Ofn fn Lan® an ~~ a5) a2 ao ana | 2 a - 2) Se Df(2) 6 ndc-singular Sle) + DF(e)(2 — 2) <6 pode ser resolvida para z(t) 20 <2 — [pga] * 2 «, gencralizando para melhores aproximagées do zero 20 = al [Dgaly] * (2) 4=0,1,2 A resolugio da equagio acima envolve a obtengao da inversa da matriz, Df (2"") a cada iteragio, © que 6 uma tarefa dispendiosa. Podemos contornar este caleulo reeserevendo a equagio acima a0 2 = [Dyce] (2) i=0,1,2, premultiplicando ambos os lados por Df (x), temos Dy(a!) (2 — 2) = g(a [Dye] fee §=0,1,2, Dalal (2 — 2) = (00) 4 =0,1,2, Df (a )Ax =~ f(a") 2=0,1,2,109 onde Axa at) 20 Desta forma podemos dado 2) resolver o sistema linear Df(2")Ax = —f(x) 0,1,2, pata Az ea seguir calcular a nova aproximagéo 2(!?) por 2D a4 Ae Note que a cada iteragio avaliamos a matriz D (2?) ¢ resolveros um sistema linear. Exemplo: Seja o seguinte sistema de equagdes nao-lineares, ty? 1 roy = 0 ate = zi-2x = 0 ow ainda | ioe) ]_fattet-1] fo] _g Jo) [ees] [2h o|7° logo [on on | 2x 2a Oz, Oz, to Usaremos como no exemplo anterior 2) ~ (0.5;0.5) © ¢= 0.01, Primeira iteragio: Df(2)Ax =—f(2) re 2] J oxos 2x08] Ja a (oy = . . Df(x) = = - o.5?405%—-1] _ [05] _ ~[os-2x05 | | 05}uo Logo Resolvendo o sistema linear obtemos Any _ [ 05 ] ~ [0.0 l Az J Podemos agora caleular 2? 20a2van= [08] [09]-[2] 05 |*{o0]~|os Critério de Parada 2) — 2) = jax =|]| °° |p -o5>6 I iI = |e] [$3] 05> Segunda iteragio: Df (e)Ax =~ f(2") 2x!) 22) 2x10 2x05 2.1 1). , 2 Df(a") = = = 10? 4057-1) _ [0.25 1o-2x05 | [00 Logo Resolvendo o sistema linear obtemos wf Lae] © | 0.08 Ar,ut Podemos agora calcular x?) eM 2p ae=| 2] 4] O20 |_| 08 05 |" | -0.05 | > | oa Gritério de Parada 20) — | = [a] = Jivors Resutinds Iteragio xf af) jx —2-Dy 1.000000 05000000 0.500000000 2 0.9000000 es0a000 —o.10on00000 3 0.8944445 0.4472222 _0.005595511 Portanto, uma aproximago para o zero do sistema de equagdes dado 6% = (0.8944445; 0.447222) Observagao: (a) As velocidades de convergéncia dos métodos multidimensionais sio andlogas Aquelas do caso uni- dimensional. Isto 6, a convergéneia do método iterative linear é linear (Odem de Convergéncia igual a 1) ¢ a convergéncia do método de Newton é quadritica (Ordem de Convergéncia igual a 2) (b) Métodos quasi-Newton, ‘Como o método de Newton necessita a cada iteragio recaleular os elementos de Df(2") © resolver 0 sistema linear. Existem variagées do método de Newton que propiem manter a mat f(x") fxa durante algumas iteragbes. No caso unidimensional significa manter a derivada fixa