Cálculo Numérico

Professor:
Bruno de Souza Roque
bruno.roque@engenharia.ufjf.br
 Capítulo 5

 Soluções de sistemas de equações não lineares

2
 Introdução
 Uma equação que contenha uma expressão do tipo

2 2 𝑦
𝑥 , 𝑦 , 𝑥. 𝑦, , 𝑠𝑒𝑛 𝑥 , 𝑒 𝑥+𝑧 , 𝑒𝑡𝑐, é chamada não-linear em
𝑧

x, y, z,..., porque ela não pode ser escrita como ax+ by+
cz+ ... = cte, que é uma equação linear em x, y, z, ...

 Um sistema de n equações e n incógnitas 𝑥1 , 𝑥2 , … , 𝑥𝑛 é

chamado de não-linear se uma ou mais equações é não-
linear. Trazendo todos os termos diferentes de zero à
esquerda de todas as equações, tem-se uma forma geral
que pode ser usada para qualquer sistema não-linear 3
 Introdução

𝑓1 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝑓1 (𝑥)
𝑓2 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝑓2 (𝑥)

… …
𝑓𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝑓𝑛 (𝑥)

 Em que 𝑥 𝑇 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 )

4
 Introdução
 Em notação vetorial, o sistema linear dado pode ser
escrito como: F(x) = 0, em que:

𝑥1 𝑓1 (𝑥)
𝑥2 𝑓2 (𝑥)
𝑥= F(𝑥) =
⋮ ⋮
𝑥𝑛 𝑓𝑛 (𝑥)
 Um vetor que 𝑥ҧ = 𝑥1 , 𝑥2 , … , 𝑥𝑛 que satisfaz F 𝑥ҧ = 0 é
denominado raiz do sistema não linear.
5
 Introdução
 Exemplo:

𝑥2 + 𝑦2 = 4
 ൝ 2
𝑥 − 𝑦2 = 1

 Este sistema não-linear admite quatro soluções, que são

os pontos onde as curvas 𝑥 2 + 𝑦 2 = 4 e 𝑥 2 − 𝑦 2 = 1 se
interceptam.

6
 Método de Newton
 O método mais amplamente estudado e conhecido para
resolver sistemas de equação não lineares é o Método
de Newton.

 No caso de uma equação não linear a uma variável, o

Método de Newton consiste em se tomar um modelo
local linear da função f(x) em torno de 𝑥𝑘 , e este modelo
é a reta tangente à função em 𝑥𝑘 .

7
 Método de Newton
 Considerando inicialmente um sistema de equações não
lineares com duas equações e duas incógnitas, temos:

𝑓 𝑥, 𝑦 = 0
◼ ቊ1
𝑓2 𝑥, 𝑦 = 0

 Desta forma, buscamos determinar o vetor solução

𝑓1 (𝑥, 𝑦)
(𝑥,ҧ 𝑦)
ത tal que F 𝑥,ҧ 𝑦ത = 0 e F 𝑥,ҧ 𝑦ത = .
𝑓2 (𝑥, 𝑦)
 Método de Newton
 Seja 𝑥0 , 𝑦0 uma aproximação inicial para a solução
(𝑥,ҧ 𝑦)
ത do sistema. Expandindo 𝑓1 𝑥, 𝑦 e 𝑓2 𝑥, 𝑦 por série
de Taylor em torno do ponto 𝑥0 , 𝑦0 até a derivada de
primeira ordem e igualando a zero a série truncada,
temos:

𝜕𝑓1 𝑥0 , 𝑦0 𝜕𝑓1 𝑥0 , 𝑦0
𝑓1 𝑥, 𝑦 ≈ 𝑓1 𝑥0 , 𝑦0 + 𝑥 − 𝑥0 + 𝑦 − 𝑦0 = 0
𝜕𝑥 𝜕𝑦
𝜕𝑓2 𝑥0 , 𝑦0 𝜕𝑓2 𝑥0 , 𝑦0
𝑓2 𝑥, 𝑦 ≈ 𝑓2 𝑥0 , 𝑦0 + 𝑥 − 𝑥0 + 𝑦 − 𝑦0 = 0
𝜕𝑥 𝜕𝑦
9
 Método de Newton
 Este sistema pode ser reescrito como:

𝜕𝑓1 𝑥0 , 𝑦0 𝜕𝑓1 𝑥0 , 𝑦0
−𝑓1 𝑥0 , 𝑦0 + 𝑥 − 𝑥0 + 𝑦 − 𝑦0
𝜕𝑥 𝜕𝑦
𝜕𝑓2 𝑥0 , 𝑦0 𝜕𝑓2 𝑥0 , 𝑦0
−𝑓2 𝑥0 , 𝑦0 + 𝑥 − 𝑥0 + 𝑦 − 𝑦0
𝜕𝑥 𝜕𝑦
 A solução deste sistema fornece uma nova aproximação
para a solução (𝑥,ҧ 𝑦)
ത desejada. Na forma matricial,
temos:
10
 Método de Newton
 Na forma matricial temos:

𝜕𝑓1 𝜕𝑓1
𝜕𝑥 𝜕𝑦 𝑥 − 𝑥0 −𝑓1 𝑥0 , 𝑦0
𝜕𝑓2 𝜕𝑓2 𝑦 − 𝑦0 = −𝑓2 𝑥0 , 𝑦0
𝜕𝑥 𝜕𝑦 𝑥0 ,𝑦0

 Definindo-se J 𝑥0 , 𝑦0 , a matriz Jacobiana avaliada no

ponto 𝑥0 , 𝑦0 , temos:

11
 Método de Newton

𝑥 − 𝑥0 −𝑓1 𝑥0 , 𝑦0
𝐽 𝑥0 , 𝑦0 𝑦 − 𝑦0 = −𝑓2 𝑥0 , 𝑦0

 Denotado 𝑑𝑥 = 𝑥 − 𝑥0 e 𝑑𝑦 = 𝑦 − 𝑦0 , temos o
sistema linear:

𝑑𝑥 −𝑓1 𝑥0 , 𝑦0
𝐽 𝑥0 , 𝑦0 =
𝑑𝑦 −𝑓2 𝑥0 , 𝑦0

 Resolvendo o sistema por um método numérico, temos

os valores de 𝑑𝑥 e 𝑑𝑦 .
12
 Método de Newton
 Desta forma, a nova aproximação 𝑥, 𝑦 é determinada
por:

𝑥 = 𝑥0 + 𝑑𝑥 y= 𝑦0 + 𝑑𝑦

 Os valores obtidos para x e y não são os valores de 𝑥ҧ e

𝑦ത , mas são os valores de uma nova aproximação, ou
seja:

𝑥1 = 𝑥0 + 𝑑𝑥0 𝑦1 = 𝑦0 + 𝑑𝑦0

13
 Método de Newton
 Repetindo o procedimento de linearização em torno do
ponto obtido (𝑥0 , 𝑦0 ), isto é, fazendo a expansão das
funções 𝑓1 e 𝑓2 por série de Taylor até a derivada de 1ª
ordem, obtemos uma nova aproximação (𝑥2 , 𝑦2 ). Assim,
sucessivamente, no ponto (𝑥𝑖 , 𝑦𝑖 ), temos o processo
iterativo:

𝑥𝑘+1 − 𝑥𝑘 −𝑓1 𝑥𝑘 , 𝑦𝑘
𝐽 𝑥0 , 𝑦0 𝑦𝑘+1 − 𝑦𝑘 = −𝑓2 𝑥𝑘 , 𝑦𝑘

14
 Método de Newton
 Denotando 𝑟𝑖 = 𝑥𝑖+1 + 𝑥𝑖 e 𝑠𝑖 = 𝑦𝑖+1 + 𝑦𝑖 ), resolvemos o
sistema de equações lineares obtido anteriormente e
determinamos a nova aproximação, (𝑥𝑘+1 , 𝑦𝑘+1 ) por:

𝑥𝑘+1 = 𝑥𝑘 + 𝑑𝑥𝑘 𝑦𝑘+1 = 𝑦𝑘 + 𝑑𝑦𝑘

15
 Método de Newton - Convergência

 Condições para a convergência do método de Newton:

◼ 1. As funções 𝑓𝑖 (𝑥, 𝑦), i = 1, 2 e as derivadas até 2ª ordem
devem ser contínuas e limitadas numa vizinhança da raiz

◼ 2. det(J(𝑥𝑘 , 𝑦𝑘 ) ≠ 0.

◼ 3. A solução inicial (𝑥0 , 𝑦0 ) deve ser próxima da raiz (𝑥,ҧ 𝑦)

ത

16
 Método de Newton – Critério de parada

 Erro absoluto:

𝑥𝑘+1 − 𝑥𝑘 < 𝜀 e 𝑦𝑘+1 − 𝑦𝑘 < 𝜀

 Erro relativo:

𝑥𝑘+1 −𝑥𝑘 𝑦𝑘+1 −𝑦𝑘

<𝜀e <𝜀
𝑥𝑘+1 𝑦𝑘+1

 Análise de F 𝑥, 𝑦 = 0

𝑓1 (𝑥𝑘 , 𝑦𝑘 ) < 𝜀 e 𝑓2 (𝑥𝑘 , 𝑦𝑘 ) < 𝜀

 Se um dos critérios acima estiver satisfeito pare o

método. 17
 Método de Newton - Generalizando

𝑓1 𝑥1 , 𝑥2 , … 𝑥𝑛 = 0
 Seja 𝑓2 𝑥1 , 𝑥2 ,…… 𝑥𝑛 = 0 F 𝑥1 , 𝑥2 , … 𝑥𝑛 = 0
𝑓𝑛 𝑥1 , 𝑥2 , … 𝑥𝑛 = 0

 O processo iterativo de newton é dado por:

18
 Método de Newton - Generalizando

𝜕𝑓1 𝜕𝑓1 𝜕𝑓1

…
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
𝑥1𝑘+1 − 𝑥1𝑘 𝑓1 𝑥1 , 𝑥2 , … 𝑥𝑛
𝜕𝑓2 𝜕𝑓2 𝜕𝑓𝑛 𝑘+1 𝑘
… . 𝑥2 − 𝑥2 = 𝑓2 𝑥1 , 𝑥2 , … 𝑥𝑛
𝜕𝑥1 𝜕𝑥1 𝜕𝑥1 ⋮
⋮
⋮ ⋮ ⋮ 𝑘+1 − 𝑥 𝑘 𝑓𝑛 𝑥1 , 𝑥2 , … 𝑥𝑛
𝜕𝑓𝑛 𝜕𝑓𝑛 ⋮ 𝜕𝑓𝑛 𝑥𝑛 𝑛
…
𝜕𝑥1 𝜕𝑥1 𝜕𝑥𝑛

 De modo simplificado temos: 19

 Método de Newton - Generalizando

𝑥1𝑘+1 − 𝑥1𝑘 𝑓1 𝑥1 , 𝑥2 , … 𝑥𝑛
𝑘+1 𝑘
𝑥
𝐽(𝑥1 , 𝑥2 , … , 𝑥𝑛 ). 2 − 𝑥2 = 𝑓2 𝑥1 , 𝑥2 , … 𝑥𝑛
⋮ ⋮
𝑥𝑛𝑘+1 − 𝑥𝑛𝑘 𝑓𝑛 𝑥1 , 𝑥2 , … 𝑥𝑛

20
 Método de Newton
 Determine a matriz Jacobiana da função F do sistema
não linear:

−2𝑥 2 + 3𝑥 − 2𝑦 + 1 = 0
◼ 𝐹=൝
3𝑥 2 𝑦 − 𝑦 3 = 0

21
 Método de Newton
 Exemplo: Resolver o sistema de equações não
lineares utilizando o método de Newton com
𝑥0 , 𝑦0 = (0,5; 0,5) e ε<0,01.

𝑥2 + 𝑦2 = 1
൝ 2
𝑥 −𝑦 =0

22
 Método de Newton
 Resolver o sistema de equações não lineares utilizando
o método de Newton com 𝑥0 , 𝑦0 = (1; 5) e ε<0,01

𝑥2 + 𝑦2 − 9 = 1
ቊ
𝑥+𝑦−3=0

23
 Método de Newton - Algoritmo
 Entrada: Função não-linear F e sua matriz Jacobiana J;
Aproximação da solução x.

 Dados: Número máximo de interações kmax; tolerância

ε. Inicialize: k=0, Fx=F(x).

 Enquanto k ≤ kmax, ‖Fx‖∞ > ε.

◼ Atualize: k=k+1.

◼ Resolva: J(x)s=−Fx.(s=−J(x)\Fx)

◼ Atualize: x=x+s.4.

◼ Avalie: Fx=F(x).
24
◼ Saída: Aproximação para a solução é x
 Método de Newton - Considerações
 Observe que cada iteração do método de Newton
requer:
◼ 1. Avaliação da matriz Jacobiana.

◼ 2. Resolução de um sistema linear.

 Logo, o método de Newton é computacionalmente caro!

A vantagem é que, sob certas condições sobre a
aproximação inicial x(0), a função F e a matriz
Jacobiana J, a sequência {x(k)} produzida pelo método
de Newton converge para a solução de F(x) =0 com taxa
25
quadrática.
 Método de Newton Modificado
 A modificação sobre o Método de Newton consiste em
tomar a cada iteração k a matriz J(𝑥0 , 𝑦0 , … , 𝑧0 ), em vez
de J 𝑥𝑘 , 𝑦𝑘 , … , 𝑧𝑘 . A partir de uma aproximação inicial
(𝑥0 , 𝑦0 , … , 𝑧0 ), uma sequência de soluções é gerada a
partir da solução do sistema linear:

𝑟𝑘 −𝑓1 𝑥𝑘 , 𝑦𝑘 , … 𝑧𝑘
𝑠 −𝑓2 𝑥𝑘 , 𝑦𝑘 , … 𝑧𝑘
𝐽(𝑥0 , 𝑦0 , … , 𝑧0 ). 𝑘 =
⋮ ⋮
𝑡𝑘 −𝑓𝑛 𝑥𝑘 , 𝑦𝑘 , … 𝑧𝑘
26
 Método de Newton Modificado
 Desta forma, a matriz Jacobiana é avaliada apenas uma
vez e, para todo k, o sistema linear a ser resolvido a
cada iteração terá a mesma matriz de coeficientes:
J(𝑥0 , 𝑦0 , … , 𝑧0 ). Se usarmos a fatoração LU para resolvê-
lo, os fatores L e U serão calculados apenas uma vez e,
a partir da 2ª iteração, será necessário resolver apenas
dois sistemas triangulares para obter os valores de
𝑟𝑘 , 𝑠𝑘 , … , 𝑡𝑘

27
 Método de Newton Modificado
 Resolver o sistema de equações não lineares utilizando
o método de Newton modificado com 𝑥0 , 𝑦0 = (1; 3) e
ε<0,01

𝑥−𝑦 =2
ቊ 2
𝑥 + 𝑦2 = 9

28