CÁLCULO NUMÉRICO

PARTE 2:

RESOLUÇÃO NUMÉRICA DE SISTEMAS

NÃO LINEARES

Prof. Msc. Cassius Gomes

 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Um sistema de equações não lineares tem a forma:

𝑓1 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 = 0

𝑓2 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 = 0

𝑓3 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 = 0
⋮
𝑓𝑛 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 = 0

onde cada função 𝑓𝑖 leva um vetor 𝑋=

𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 𝑇 do ℝ𝑛 em ℝ
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Utilizando a notação vetorial, temos:

𝐹 𝑋 =0
sendo:

𝑇
► 𝑋 = 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 o vetor das incógnitas;

► 𝐹 𝑋 = 𝑓1 𝑋 , 𝑓2 𝑋 , 𝑓3 𝑋 , … , 𝑓𝑛 𝑋 𝑇 o vetor que
contém as equações de 𝑛 variáveis reais 𝑓𝑖 que são
funções não lineares tais que: 𝑓𝑖 : ℝ𝑛 → ℝ

► 0 é o vetor nulo do ℝ𝑛
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

EXEMPLO: Considere o seguinte sistema não linear

𝑥12 + 𝑥22 − 1 = 0
൝
−𝑥12 + 𝑥2 = 0

Neste caso, temos:

𝑓1 𝑥1 , 𝑥2 = 𝑥12 + 𝑥22 − 1 𝑓2 𝑥1 , 𝑥2 = −𝑥12 + 𝑥2

𝑥1
𝑋=
𝑥2
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Graficamente, temos:

A intersecção das curvas

são as soluções exatas do
sistema.
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

EXEMPLO: O sistema não linear, dado por:

𝑓1 𝑥1 , 𝑥2 = 𝑥12 − 𝑥22 − 1
൝
𝑓2 𝑥1 , 𝑥2 = 𝑥13 − 𝑥2

não possui soluções reais.

 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Graficamente, temos:

As curvas não se
interceptam. Logo, o
sistema não possui solução
real.
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

EXEMPLO: Considere o seguinte sistema não linear no

ℝ3 :

𝑓1 𝑥1 , 𝑥2 , 𝑥3 = 2𝑥1 − 3𝑥2 + 𝑥3 − 4 = 0

𝑓2 𝑥1 , 𝑥2 , 𝑥3 = 2𝑥1 + 𝑥2 − 𝑥3 + 4 = 0

𝑓3 𝑥1 , 𝑥2 , 𝑥3 = 𝑥12 + 𝑥22 + 𝑥32 − 4 = 0

 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Graficamente, temos:
RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

MÉTODO DE NEWTON

► Podemos adaptar o método de Newton, para

determinar a solução numérica de um sistema de
equações não lineares.

► Neste método, construímos uma sequência 𝑥𝑘 de

aproximações para uma raiz 𝑥ҧ através de uma reta
tangente à curva 𝑦 = 𝑓(𝑥) no ponto 𝑥𝑘 , através da
seguinte equação iterativa:

𝑓(𝑥𝑘 )
𝑥𝑘+1 = 𝑥𝑘 − ′
𝑓 (𝑥𝑘 )
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► No caso de um sistema de equações não lineares,

devemos utilizar a série de Taylor, de 𝑛 variáveis.

DEFINIÇÃO 1: Dado um sistema de equações não

lineares, na forma:

𝑓1 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 = 0

𝑓2 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 = 0

𝑓3 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 = 0
⋮
𝑓𝑛 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 = 0
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

O chamado vetor gradiente das funções 𝑓𝑖 (𝑥1 , 𝑥2 , … , 𝑥𝑛 )

representado por 𝛻𝑓𝑖 𝑋 , 𝑖 = 1,2,3, … , 𝑛 é definido da
seguinte forma:

𝜕𝑓𝑖
𝜕𝑥1

𝜕𝑓𝑖
𝛻𝑓𝑖 𝑋 =
𝜕𝑥2
⋮
𝜕𝑓𝑖
𝜕𝑥𝑛

para 𝑖 = 1,2,3, … , 𝑛.
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

EXEMPLO: No sistema não linear:

𝑓1 𝑥1 , 𝑥2 = 𝑥12 + 𝑥22 − 1 = 0
൝
𝑓2 𝑥1 , 𝑥2 = −𝑥12 + 𝑥2 = 0

O vetor gradiente das funções 𝑓1 e 𝑓2 é dado por:

𝜕𝑓1
𝜕𝑥1 2𝑥1
𝛻𝑓1 𝑋 = =
𝜕𝑓1 2𝑥2
𝜕𝑥2

𝜕𝑓2
𝜕𝑥1 −2𝑥1
𝛻𝑓2 𝑋 = =
𝜕𝑓2 1
𝜕𝑥2
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

DEFINIÇÃO 2: A chamada matriz Jacobiana (matriz das

derivadas), das funções 𝑓𝑖 , 𝑖 = 1,2, … , 𝑛 é dada por:

𝜕𝑓1 𝜕𝑓1 𝜕𝑓1

…
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
𝛻𝑓1𝑇
𝜕𝑓2 𝜕𝑓2 𝜕𝑓2
𝐽 𝑋 = 𝛻𝑓2𝑇 = …
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
⋮
𝛻𝑓𝑛𝑇
𝜕𝑓𝑛 𝜕𝑓𝑛 𝜕𝑓𝑛
…
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

EXEMPLO: No sistema não linear

𝑥12 + 𝑥22 + 𝑥32 = 9

൞ 𝑥1 𝑥2 𝑥3 = 1
𝑥1 + 𝑥2 − 𝑥32 = 0
A matriz Jacobiana, correspondente é dada por:

𝜕𝑓1 𝜕𝑓1 𝜕𝑓1

𝜕𝑥1 𝜕𝑥2 𝜕𝑥3
𝛻𝑓1𝑇 2𝑥1 2𝑥2 2𝑥3
𝜕𝑓2 𝜕𝑓2 𝜕𝑓2
𝐽 𝑋 = 𝛻𝑓2𝑇 = = 𝑥2 𝑥3 𝑥1 𝑥3 𝑥1 𝑥2
𝜕𝑥1 𝜕𝑥2 𝜕𝑥3
𝛻𝑓3𝑇 𝜕𝑓3 𝜕𝑓3 𝜕𝑓3
1 1 −2𝑥3
𝜕𝑥1 𝜕𝑥2 𝜕𝑥3
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

CONSTRUÇÃO DO MÉTODO DE NEWTON

► Seja

𝑘
𝑥1
𝑘
𝑋 (𝑘) = 𝑥2
⋮
𝑘
𝑥𝑛

uma aproximação para o vetor 𝑋 = 𝑥1 𝑥2 … 𝑥𝑛 𝑇 que

é a solução exata do sistema de equações não lineares.
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Podemos obter uma sequência de aproximações 𝑋 𝑘 para a

solução exata do sistema não linear utilizando a série de
Taylor, de 𝑛 variáveis na forma:

𝑘+1 𝑘 𝑘 −1 𝑘
𝑋 =𝑋 − 𝐽 𝑋 𝐹 𝑋

sendo:

► 𝐹 𝑋 = 𝑓1 𝑋 , 𝑓2 𝑋 , 𝑓3 𝑋 , … , 𝑓𝑛 𝑋 𝑇, uma matriz coluna das

equações do sistema.

► 𝐽 𝑋 𝑘 a matriz Jacobiana do sistema não linear aplicada no

vetor 𝑋 𝑘 .
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Em geral, o cálculo da inversa do Jacobiano, 𝐽 𝑋 −1 , não é eficiente e

muito complicado. Assim, vamos transformar o sistema

𝑘+1 𝑘 𝑘 −1 𝑘
𝑋 =𝑋 − 𝐽 𝑋 𝐹 𝑋
em um sistema linear equivalente. Assim, temos:

𝑘+1 𝑘 𝑘 −1 𝑘
𝑋 =𝑋 − 𝐽 𝑋 𝐹 𝑋

𝑘+1 𝑘 𝑘 −1 𝑘
⇔𝑋 −𝑋 =−𝐽 𝑋 𝐹 𝑋

𝑘 𝑘+1 𝑘 𝑘
⇔𝐽 𝑋 𝑋 −𝑋 = −𝐹 𝑋
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Fazendo 𝑆 𝑘 =𝑋 𝑘+1 −𝑋 𝑘 , temos:

𝐽 𝑋 𝑘 𝑺 𝒌 = −𝐹 𝑋 𝐾

► Logo, podemos obter 𝑋 𝑘+1 , através da relação:

𝑋 𝑘+1 =𝑆 𝑘 +𝑋 𝑘

► Na prática, determinamos 𝑋 𝑘+1 , a partir da

aproximação 𝑋 𝑘 , calculando as matrizes 𝐹 𝑋 𝑘 e
𝐽 𝑋 𝑘 , e resolvendo o sistema linear
𝐽 𝑋 𝑘 𝑆 𝑘 = −𝐹 𝑋 𝐾
para determinar o vetor 𝑆 𝑘 .
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

EXEMPLO: A partir da solução inicial 𝑋 0 = 1 1 𝑇 ,

determine as aproximações 𝑋 1 e 𝑋 2 , para a solução
exata do seguinte sistema de equações não lineares:

𝑥12 − 𝑥22 − 0.1 = 0

൝
𝑥13 − 𝑥2 = 0
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

Solução:
► Inicialmente, construímos o vetor das funções 𝐹(𝑋) e a
matriz Jacobiana 𝐽 𝑋 :

𝑥12 − 𝑥22 − 0.1 2𝑥1 −2𝑥2

𝐹 𝑋 = 𝐽 𝑋 =
𝑥13 − 𝑥2 3𝑥12 −1

► Calculando o valor destas matrizes no ponto 𝑋 0 =

1 1 𝑇 , temos:
2 2
𝐹
1
= 1 − 1 − 0.1 = −0.1
1 13 − 1 0

1 2⋅1 −2 ⋅ 1 2 −2
𝐽 = =
1 3 ⋅ 12 −1 3 −1
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Determinamos 𝑆 0 , resolvendo o seguinte sistema

linear:

𝟎
0 0 0 2 −2 𝒔𝟏 −0.1
𝐽 𝑋 𝑆 = −𝐹 𝑋 ⇔ 𝟎
=−
3 −1 𝒔𝟐 0

► Logo, obtemos:

0
𝑠1 −0.025
0
=
𝑠2 −0.075
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Assim, podemos determinar a aproximação 𝑋 (1) ,

através da equação iterativa:

𝑋 𝑘+1 =𝑆 𝑘 +𝑋 𝑘 ⇔𝑋 1 =𝑆 0 +𝑋 0

1 −0.025 1 0.975
𝑋 = + =
−0.075 1 0.925
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

2 1
► Para determinar 𝑋 , calculamos as matrizes 𝐹 𝑋 e
𝐽 𝑋1 :

0.975 2 2
𝐹 𝑋 1
=𝐹 = 0.975 − 0.925 − 0.1 = −0.005
0.925 0.9753 − 0.925 0.00186

1 0.975 1 1.95 −1.85

𝐽 𝑋 =𝐽 ⇒𝐽 𝑋 =
0.925 2.852 −1

► Determinamos 𝑆 1 , resolvendo o seguinte sistema linear:

𝟏
1 1 1 1.95 −1.85 𝒔𝟏 −0.005
𝐽 𝑋 𝑆 = −𝐹 𝑋 ⇔ 𝟏
=−
2.852 −1 𝒔𝟐 0.00186
RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Assim, obtemos:

1 −0.002538
𝑆 =
−0.005378

► Obtemos a aproximação 𝑋 2 , a partir da expressão

iterativa:

𝑋 𝑘+1 =𝑆 𝑘 +𝑋 𝑘 ⇔𝑋 2 =𝑆 1 +𝑋 1

2 −0.002538 0.975 0.972

𝑋 = + =
−0.005378 0.925 0.920
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

CRITÉRIOS DE PARADA
► No método de Newton, e outros métodos iterativos
para resolução numérica de sistemas lineares e não
lineares, é necessário medir a “distância” entre
vetores coluna com 𝑛 elementos (incógnitas). Esta
distância será utilizada no critério de parada o
método iterativo utilizado.

► Assim, são utilizadas em geral, duas normas para o

cálculo desta distância:
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Norma Euclidiana ou 𝒍𝟐 : Dado um vetor

𝑥1
𝑥2
𝑋= 𝑥3 ∈ ℝ𝑛
⋮
𝑥𝑛

temos esta norma definida da seguinte forma:

𝑋 2
= ෍ 𝑥𝑖2
𝑖=1
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

► Norma do máximo ou 𝒍∞ : Dado um vetor

𝑥1
𝑥2
𝑋= 𝑥3 ∈ ℝ𝑛
⋮
𝑥𝑛

temos esta norma definida da seguinte forma:

𝑋 ∞
= max |𝑥𝑖 |
1≤𝑖≤𝑛
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

EXERCÍCIO: Calcule as normas Euclidiana (𝑙2 ) e do Máximo (𝑙∞ ),

entre as aproximações 𝑋 0 , 𝑋 1 e 𝑋 2 , obtidas na solução do
sistema não linear do exemplo anterior, ou seja:

𝑥12 − 𝑥22 − 0.1 = 0

൝
𝑥13 − 𝑥2 = 0
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

ATIVIDADE 1: Determine através do método de Newton –

Raphson, uma aproximação 𝑋 3 , para uma solução do
seguinte sistema não linear:

𝑥1 + 𝑥2 − 3 = 0
ቊ 2
𝑥1 + 𝑥22 − 9 = 0

0
Utilize 𝑋 = 1 5 𝑇 , como a aproximação inicial.
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

ATIVIDADE 2: A partir da aproximação inicial

0 𝑇
𝑋 = −0.8 0.2 1.8
determine aproximações 𝑋 1 e 𝑋 2
para a solução exata
do seguinte sistema não linear:

2 2
𝑥12 − 𝑥1 + 𝑥2 + 𝑥3 −5=0

2 2
𝑥12 + 𝑥2 − 𝑥2 + 𝑥3 −4=0

2 2 2
𝑥1 + 𝑥2 + 𝑥3 + 𝑥3 − 6 = 0
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

MÉTODO DE NEWTON-RAPHSON MODIFICADO

► O Método de Newton-Raphson é muito eficiente quando são

necessárias poucas iterações. Neste caso, dizemos que o
método tem velocidade quadrática.

► Uma de suas desvantagens é o cálculo em cada iteração de

uma nova matriz Jacobiana.

► No caso do Método de Newton-Raphson modificado,

mantemos a matriz Jacobiana fixa na aproximação inicial:
(𝑱 𝑿 𝟎 ). Assim, esta matriz é calculada uma única vez.

► A desvantagem é perda da velocidade da convergência, ou

seja, um aumento no número de iterações para que o critério
de parada seja satisfeito.
 RESOLUÇÃO NUMÉRICA DE SISTEMAS NÃO LINEARES

ATIVIDADE 3: A partir da aproximação inicial

0 2
𝑋 =
1

determine uma aproximação 𝑋 𝑘 para a solução exata do

seguinte sistema de equações não lineares:

𝑥1 − 1 2 + 𝑥22 = 4
൝ 2
𝑥1 + 𝑥2 − 1 2 = 4

utilizando o Método de Newton – Raphson modificado.