4 SISTEMAS DE EQUAÇÕES ALGÉBRICAS E TRANCEDENTAIS

(NÃO-LINEARES)

4.1 Introdução

A solução de um sistema não-linear consiste em determinar pontos no

subespaço do problema que solucione o conjunto de equações. Os pontos de solução estão
na intersecção das curvas que representam as equações. O processo de solução a ser visto é
uma generalização do Método de Newton-Raphson para sistemas de equações não-
lineares. Na solução de sistemas lineares viu-se que tem-se apenas três tipos de solução:
solução única, infinitas soluções e não existe solução. No caso de sistemas não lineares a
leque de respostas é maior, no qual pode-se ter de zero a infinitas soluções.
Para exemplificar, seja o sistema de equações não lineares composto de duas
equações:

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 0 1 2 3

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

intersecção. Estes dois pontos pertencentes ao subespaço  2 ,
x  1,461538 0,769230 e x    1 2 , são soluções do sistema.
T T

3.2 Método de Newton-Raphson para Sistemas de Equações Não-

Lineares

1
 Seja o sistema de equações não-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

onde: x   x1 x 2  x n 
T

Como viu-se no Método de Newton para equações escalares, a cada iteração

determina-se a reta tangente ao grafico da função no ponto inicial. No caso de
sistemas de equações, determina-se o hiperplano tangente ao politopo
determinado pelo sistemas de equações no ponto inicial. O processo é
semelhante ao caso escalar, no qual utiliza-se da expansão em Série de Taylor
vetorial no ponto x ( 0) .
(0) (0) (0)
F ( x)  F ( x )  J (x )( x  x )
onde:

 f 1 ( x ( 0 ) ) (0)
f 1 ( x ) f 1 ( x ) 
(0)

  
 x1 x 2 x n 
 f 2 ( x ( 0 ) ) (0)
f 2 ( x ) f 2 ( x ) 
(0)

J ( x )   x  
( 0)

 1 x 2 x n 
     
 f n ( x ( 0) ) ( 0)
f n ( x ) f n ( x ) 
(0)

  
 x1 x 2 x n 

é chamada de matriz Jacobiana.

Igualando-se a zero, chega-se ao processo iterativo para sistemas de equações

não-lineares:
(0) ( 0) (0)
F ( x)  F ( x )  J (x )( x  x )0

2
que de forma genérica torna-se:

x
( k 1)
x
(k )

 J (x
(k )
)  1
F (x
(k )
)

Fazendo x
(k )
x
( k 1)
x
(k )
, tem-se:

x
(k )
  J (x  (k )
)  1
F (x
(k )
)

Pré-multiplicando-se a equação vetorial por  J ( x ( 0 ) ) , tem-se:

(k ) (k ) (k )
J (x )x  F ( x )

Observe que tem-se um sistema de equações lineares. Em cada iteração do Método de

Newton para sistemas de equações resolve-se um sistema de equações lineares.

Exemplo: Resolver o sistema de equações não-lineares utilizando o Método de Newton-

Raphson 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 é dado por:

(k ) (k ) (k )
J (x )x  F ( x )

A matriz Jacobiana J (x
(k )
) é dada por:

2 x1( k ) 2 x 2( k ) 2 x 3( k ) 
(k )  
J ( x )  4 x1( k ) 2 x 2( k ) 4 
6 x1( k ) 4 2 x 3( k ) 


Para x ( 0)   0,5 0,5 0,5 T , tem-se:

3
 1 1 1 
)  2  4
(0)
J (x 1
3 4 1 
Para x ( 0)   0,5 0,5 0,5 T , F (x
(0)
) é 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

( 0)
F (x )  [ 0,25  1,25  1,00]T

Tem-se o sistema linear:

1 1 1   x1  0,25
( 0)

2 1  4 x (0)   1,25 

  2   
3  4 1   x 3 (0)  1,00 
 

Resultando em   0,375  0,125 . Os novos valores do vetor são

(o) T
x 0 x

dados por:

0,5  0,375  0,875

x (1)  x ( 0 )  x ( 0)  0,5   0    0,5 
   
0,5  0,125 0,375

Para   0,875 0,375 , tem-se:

(1) T
x 0,5

1,7500 1,0000 0,7500 

)  3,5000  4,0000
(1)
J (x 1,0000
5,2500  4,0000 0,7500 

Para   0,875 0,375 , F ( x ) é calculado por:

(1) T (1)
x 0,5

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:

4
 0,7500   x1   0,1563 
(1)
1,7500 1,0000
3,5000 1,0000  4,0000 x (1)   0,2813
  2   
5,2500  4,0000 0,7500   x 3 (1)  0,4375
 

Resultando em x (1)    0,00852  0,0034  0,0051

T
. Os novos valores do
vetor x são dados por:

0,875  0,00852 0,7898

  0,5     0,0034   0,4966
( 2) (1) (1)
x x  x
0,375   0,0051  0,3699

Para   0,7898 0,3699 , tem-se:

( 2) T
x 0,4966

1,5796 0,9932 0,7399 

J (x ( 2)
)   3,1593 0,9932  4,000
4,7389  4,0000 0,7399 

Para   0,7898 0,3699 , F ( x ) é calculado por:

( 2) T ( 2)
x 0,4966

0,7898 2  0,4966 2  0,3699 2  1  0,0073

2  0,7898 2  0,4966 2  4  3699  0,0145
2 2
3  0,7898  4  0,4966  0,3699  0,0218

F ( x ( 2) )  [0,0073 0,0145 0,0218]T

Tem-se o sistema linear:

1,5796 0,9932 0,7399   x1   0,0073

( 2)

 3,1593 0,9932  4,000 x ( 2)    0,0145

  2   

4,7389  4,0000 0,7399  x 3 ( 2) 
 0,0218
  

Resultando em x ( 2)    0,0046 0,0000 . Os novos valores do vetor

T
0,0000
x são dados por:

5
 0,7898  0,0046 0,7852
 0,4966   0,0000   0,4966
( 3) ( 2) ( 2)
x x  x
0,3659  0,0000  0,3699

Seguindo o mesmo procedimento, chega-se a:

0,7852
x ( 4)
 0,4966
0,3699 

O processo convergiu para uma tolerância de 10 4 em quatro iterações.

3.3 Método de Newton-Raphson Modificado

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

primeira iteração constante em todo o processo iterativo. O número de iterações necessárias
para a convergência é normalmente maior, porém o custo computacional de cada iteração
tende a ser significativamente menor, pois não necessita-se realizar a eliminação de Gauss a
cada iteração. A matriz é fatorada na forma LU na primeira iteração e estes fatores são
mantidos constantes em todo o processo iterativo. A cada iteração necessita-se apenas
realizar as substituições diretas e inversas.

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

utilizando o Método de Newton Modificado. A matriz Jacobiana da primeira iteração é dada
por:
1 1 1 
)  2  4
(0)
J (x 1
3 4 1 

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

1 0 0  1 1 1 
LU   2 1 0 0 1  6
3 7 1 0 0 40 
Estes fatores são mantidos constantes em todo o processo iterativo. O processo
iterativo é dado por:

Para x ( 0)   0,5 0,5 0,5 T , F (x

(0)
) é calculado por:

6
 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

( 0)
F (x )  [ 0,25  1,25  1,00]T

Tem-se o sistema linear:

1 0 0 1 1 1   x1  0,25
(0)

2 1 0 0  1  6 x ( 0)   1,25 
   2   
3 7 1 0 0 40   x 3 (0)  1,00 
 

Resultando em   0,375  0,125 . Os novos valores do vetor são

(o) T
x 0 x

dados por:

0,5  0,375  0,875

 0,5   0    0,5 
(1) (0) ( 0)
x x  x
0,5  0,125 0,375

Para   0,875 0,375 , F ( x ) é calculado por:

(1) T (1)
x 0,5

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 0 0 1 1 1   x1    0,1563
(1)

2 1 0 0  1  6 x (1)    0,2813

   2   

3 7 1 0 0 40  x 3 (1) 
 0,4375
  

Resultando em x (1)    0,1484  0,0031  0,0047

T
. Os novos valores do
vetor x são dados por:

7
 0,875   0,1484  0,7266 
  0,5     0,0031  0,4969
( 2) (1) (1)
x x  x
0,375  0,0047   0,3703

Para   0,7266 0,3703 , F ( x ) é calculado por:

( 2) T ( 2)
x 0,4969

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:

1 0 0 1 1 1   x1   0,0881 
( 2)

2 1 0 0  1  6 x ( 2)    0,1786 
   2   
3 7 1 0 0 40   x3 ( 2)   0,2667
 

Resultando em x ( 2)   0,0887  0,0002  0,0004 T . Os novos valores do vetor

x são dados por:

0,7266  0,0887   0,8153

x (3)  x ( 2)  x ( 2)  0,4969    0,0002  0,4966
 0,3703   0,0003 0,3700

Para   0,8153 0,3700 , F ( x ) é calculado por:

( 3) T ( 3)
x 0,4966

0,8153 2  0,4966 2  0,3700 2  1  0,0482

2  0,81532  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 0,1443]T

Tem-se o sistema linear:

1 0 0 1 1 1   x1   0,0482
( 3)

2 1 0 0  1  6 x (3)     0,0961

   2   
3 7 1 0 0 40   x 3 (3)    0,1443
 

8
Resultando em x (3)    0,0481 0,0000 0,0001 . Os novos valores do vetor
T

x são dados por:

 0,8153  0,0481 0,7672

 0,4962   0,0000   0,4966
( 4) ( 3) ( 3)
x x  x
0,3700  0,0001  0,3699

Para   0,7672 0,3699 , F ( x ) é calculado por:

( 4) T (4)
x 0,4966

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:

1 0 0 1 1 1   x1  0,0280
( 4)

2 1 0 0  1  6 x ( 4)   0,0560
   2   

3 7 1 0 0 40  x 3 ( 4) 
0,0840
  

Resultando em   0,0280 0,0000 . Os novos valores do vetor

( 4) T
x 0,0000 x

são dados por:

0,7672 0,0280 0,7952

x ( 5)
x ( 4)
 x (4)
 0,4966  0,0000  0,4966
0,3699  0,0000 0,3699 

De forma análoga chega-se a:

0,7794
 0,4966
( 6)
x
0,3699 
0,7885
x (7)
 0,4966
0,3699

9
  0,7833
 0,4966
(8)
x
0,3699 
 0,7863
x (9)  0,4966
0,3699
0,7846
 0,4966
(10 )
x
0,3699 
0,7855
x (11)
 0,4966
0,3699 
0,7850
 0,4966
(12 )
x
0,3699 
 0,7853
x (13)
 0,4966
0,3699
0,7852
 0,4966
(14 )
x
0,3699 
0,7852
x (15 )
 0,4966
0,3699

Como pode ser visto a convergência com o Método de Newton Modificado é

muito mais lenta, entretanto o custo computacional de cada iteração é menor e dependendo
da aplicação pode ser mais rápido que o método normal.

10