____________________________________________________________________________________________________________________

Bacharelado em Sistemas de Informação

Bacharelado em Ciência da Computação
Métodos Numéricos Computacionais (4713, 4616)
Profa. Márcia A. Zanoli Meira e Silva

SISTEMAS NÃO LINEARES

𝑦
Uma equação que contenha, por exemplo, uma expressão do tipo 𝑥 2 , 𝑦 2 , 𝑥𝑦, √𝑧 , 𝑠𝑒𝑛(𝑥),
𝑒 𝑥+𝑧 , é chamada não linear em 𝑥, 𝑦, 𝑧, …, porque não pode ser escrita como
𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 + ⋯ = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒
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 são não lineares.

Escrevendo 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 𝑛𝑥n:
𝑓1 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0
𝑓2 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0
⋮
{ 𝑓𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0
ou simplesmente

𝑓1 (𝑥) = 0 𝑥1
𝑓2 (𝑥) = 0 𝑥2
⋮ com 𝑥 =
⋮
{ 𝑓𝑛 (𝑥) = 0
( 𝑥𝑛 )

Em notação vetorial, o sistema linear anterior pode ser escrito como 𝐹(𝑥) = 0, em que
𝑥1 𝑓1 (𝑥)
𝑥2 𝑓2 (𝑥)
𝑥= e 𝐹(𝑥) = ⋮
⋮
( 𝑓𝑛 (𝑥) )
( 𝑥𝑛 )

𝑥1∗
𝑥2∗
Um vetor 𝑥 ∗ = que satisfaz 𝐹 (𝑥 ∗ ) = 0 é denominado raiz do sistema não linear.
⋮
∗
( 𝑥𝑛 )

______________________________________________________________________________________________________________ 1 / 6
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

Exemplos:

𝑥2 + 𝑦2 = 4
1) {
𝑥2 − 𝑦2 = 1

Reescrevendo este sistema tem-se

𝑓1 (𝑥, 𝑦) = 𝑥 2 + 𝑦 2 − 4 = 0
{
𝑓2 (𝑥, 𝑦) = 𝑥 2 − 𝑦 2 − 1 = 0

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.

𝑓1 (𝑥, 𝑦) = 𝑥 2 − 𝑦 − 0.2 = 0
2) {
𝑓2 (𝑥, 𝑦) = 𝑦 2 − 𝑥 + 1 = 0

Este sistema não tem solução, ou seja, não

existem pontos onde as curvas 𝑥 2 − 𝑦 − 0.2 = 0
e 𝑦 2 − 𝑥 + 1 = 0 se interceptem.

______________________________________________________________________________________________________________ 2 / 6
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

Método de Newton

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

Para 𝑥 ∈ ℜ, o Método de Newton é dado por

𝑓(𝑥𝑘 )
𝑥𝑘+1 = 𝑥𝑘 −
𝑓 ′ (𝑥𝑘 )
𝑥10
𝑥20
Assim, dada uma aproximação inicial, 𝑥 𝑜 = , as aproximações são obtidas por
⋮
0
( 𝑥𝑛 )

𝑥 𝑘+1 = 𝑥 𝑘 − [ 𝐽(𝑥 𝑘 )]−1 𝐹(𝑥 𝑘 ), k = 0, 1, 2, ...

sendo 𝐽(𝑥 𝑘 ) a matriz Jacobiana de 𝐹 (𝑥 𝑘 )

𝜕𝑓1 (𝑥 𝑘 ) 𝜕𝑓1 (𝑥 𝑘 ) 𝜕𝑓1 (𝑥 𝑘 )

𝜕𝑥1 𝜕𝑥2
⋯ 𝜕𝑥𝑛

𝜕𝑓2 (𝑥 𝑘 ) 𝜕𝑓2 (𝑥 𝑘 ) 𝜕𝑓2 (𝑥 𝑘 )

𝛻𝑓1 (𝑥 𝑘 )𝑡
⋯ 𝛻𝑓2 (𝑥 𝑘 )𝑡
𝑘 𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
𝐽(𝑥 ) = =
⋮
⋯ ⋯ ⋯ ⋯ 𝑘 𝑡
( 𝛻𝑓𝑚 (𝑥 ) )
𝜕𝑓𝑚 (𝑥 𝑘 ) 𝜕𝑓𝑚 (𝑥 𝑘 ) 𝜕𝑓𝑚 (𝑥 𝑘 )
( ⋯ )
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
e
𝑓1 (𝑥 𝑘 )
𝑓2 (𝑥 𝑘 )
𝐹 (𝑥 𝑘 ) =
⋮
𝑘
( 𝑓𝑛 (𝑥 ) )

Deve-se lembrar que, computacionalmente, o cálculo da derivada primeira de 𝑓 em

relação a 𝑥𝑖 , com 𝑥 ∈ ℜ𝑛 , é dada por
𝜕 𝑓( 𝑥) 𝑓( 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑖 + ℎ, ⋯ , 𝑥𝑛 ) − 𝑓( 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑖 − ℎ, ⋯ , 𝑥𝑛 )
=
𝜕𝑥𝑖 2ℎ

A inversão de matriz é um processo “muito caro” computacionalmente, mas dado

𝑥 𝑘+1 = 𝑥 𝑘 − [ 𝐽(𝑥 𝑘 )]−1 𝐹(𝑥 𝑘 )
e considerando
ℎ𝑘 = [ 𝐽(𝑥 𝑘 )]−1 𝐹(𝑥 𝑘 )
tem-se

______________________________________________________________________________________________________________ 3 / 6
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

𝑥 𝑘+1 = 𝑥 𝑘 − ℎ𝑘
e
𝐽(𝑥 𝑘 )ℎ𝑘 = 𝐹(𝑥 𝑘 )

Logo, para determinar a solução 𝑥 𝑘+1 de um sistema não linear utiliza-se o processo:
1. Resolver o sistema linear
𝐽(𝑥 𝑘 )ℎ𝑘 = 𝐹(𝑥 𝑘 )
2. Obtido o vetor ℎ𝑘 calcular
𝑥 𝑘+1 = 𝑥 𝑘 − ℎ𝑘

Critério de Parada
O método é interrompido quando
‖ 𝑥 𝑘+1 − 𝑥 𝑘 ‖∞
<𝜀 𝜀 = precisão pré − determinada
max { ‖ 𝑥 𝑘+1 ‖∞ , 1}
Computacionalmente é conveniente acrescentar como critério de parada um número
máximo de iterações.

Convergência
As condições para a convergência do método de Newton são:
1. As funções 𝑓𝑖 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝑖 = 1, 2, . . . , 𝑛 e suas derivadas parciais até 2ª ordem
devem ser contínuas e limitadas numa vizinhança 𝑉 contendo a raiz do sistema
2. 𝐷𝑒𝑡[ 𝐽(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ] ≠ 0
3. A solução inicial 𝑥 (0) deve ser suficientemente próxima da raiz 𝑥 ∗ .

Observação
1. A sequência gerada pelo Método de Newton 𝑥 (1), 𝑥 (2) , ⋯ , 𝑥 (𝑘), a partir de uma solução
inicial 𝑥 (0) suficientemente próxima da solução do sistema, converge para a raiz 𝑥 ∗ , e a
sua convergência é quadrática.
2. O processo iterativo pode ser obtido através da expansão de 𝐹 em série de Taylor, de
maneira análoga à zero de funções:
𝐹 (𝑥 𝑘+1 ) ≅ 𝐹 (𝑥 𝑘 ) + 𝐽(𝑥 𝑘 )(𝑥 𝑘+1 − 𝑥 𝑘 )

Fazendo 𝐹 (𝑥 𝑘+1 ) = 0 tem-se

0 = 𝐹 (𝑥 𝑘 ) + 𝐽(𝑥 𝑘 )(𝑥 𝑘+1 − 𝑥 𝑘 )
⇒ −𝐹 (𝑥 𝑘 ) = 𝐽(𝑥 𝑘 )(𝑥 𝑘+1 − 𝑥 𝑘 )
⇒ 𝑥 𝑘+1 = 𝑥 𝑘 − [ 𝐽(𝑥 𝑘 ) ]−1 𝐹(𝑥 𝑘 )

______________________________________________________________________________________________________________ 4 / 6
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

Exercícios:

1. Determinar uma raiz do sistema

𝑥 2 + 𝑥22 = 1 𝑥0
{ 1 com ( 10 ) = ( 0.5 ) e 𝜀 = 0.1
𝑥1 𝑥2 = 0 𝑥2 0.1

Resolução:
𝑥12 + 𝑥22 − 1 2𝑥1 2𝑥2
𝐹(𝑥) = ( ) 𝐽(𝑥) = ( )
𝑥1 𝑥2 𝑥2 𝑥1

𝒌=𝟎
−0.7400 1 0.2
𝐹(𝑥 0 ) = ( ) 𝐽(𝑥 0 ) = ( )
0.0500 0.1 0.5
𝐽(𝑥 0 )h0 = 𝐹(𝑥 0 )

1 0.2 ℎ0 −0.7400 −0.7917

⇒( ) ( 10 ) = ( ) ⇒ ℎ0 = ( )
0.1 0.5 ℎ2 0.0500 0.2583
0.5 −0.7917 1.2917
𝑥 1 = 𝑥 0 − ℎ0 = ( )−( )=( )
0.1 0.2583 −0.1583
‖ 𝑥 1 − 𝑥 0 ‖∞ 0.7917
1
= = 0.6129 > 𝜀
max { ‖ 𝑥 ‖∞ , 1 } 1.2917

𝒌=𝟏
0.6935 2.5834 −0.3166
𝐹(𝑥 1 ) = ( ) 𝐽(𝑥 1 ) = ( )
−0.2045 −0.1583 1.2917
𝐽(𝑥1 )h1 = 𝐹(𝑥 1 )

2.5834 −0.3166 ℎ1 0.6935 0.2528

⇒( ) ( 11 ) = ( ) ⇒ ℎ1 = ( )
−0.1583 1.2917 ℎ2 −0.2045 −0.1273
1.2917 0.2528 1.0389
𝑥 2 = 𝑥 1 − ℎ1 = ( )−( )=( )
−0.1583 −0.1273 −0.0310
‖ 𝑥 2 − 𝑥 1 ‖∞ 0.2528
2
= = 0.2433 > 𝜀
max { ‖ 𝑥 ‖∞ , 1 } 1.0389

𝒌=𝟐
0.0803 2.0778 −0.0620
𝐹(𝑥 2 ) = ( ) 𝐽(𝑥 2 ) = ( )
−0.0322 −0.0310 1.0389
𝐽(𝑥 2 )h2 = 𝐹(𝑥 2 )

2.0778 −0.0620 ℎ2 0.0803 0.0378

⇒( ) ( 12 ) = ( ) ⇒ ℎ2 = ( )
−0.0310 1.0389 ℎ2 −0.0322 −0.0299
1.0389 0.0378 1.0011
𝑥 3 = 𝑥 2 − ℎ2 = ( )−( )=( )
−0.0310 −0.0299 −0.0011
‖ 𝑥 3 − 𝑥 2 ‖∞ 0.0378
3
= = 0.0378 < 𝜀
max { ‖ ‖
𝑥 ∞, 1 } 1.0011

Logo, a melhor solução aproximada considerando 𝜀 = 0.1 é dada por

1.0011
𝑥∗ = 𝑥3 = ( )
−0.0011

______________________________________________________________________________________________________________ 5 / 6
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

2. Determinar uma raiz do sistema

(0)
𝑥12 − 2𝑥2 = −1 𝑥1
{ com 𝑥 (0)
=( ) = ( 0 ) e 𝜀 = 10−2 .
4𝑥1 + 𝑥1 𝑥2 = 5 (0)
𝑥2 0

1.0000
Solução: x ∗ = x (4) = ( )
1.0000

3. Aplicar o método de Newton na resolução do sistema não linear 𝐹(𝑥) = 0 com 𝐹(𝑥) dada
por:
𝑥1 + 𝑥2 − 3
𝐹(𝑥) = ( 2 ) com 𝑥 (0) = ( 1 ) e 𝜀 = 10−2.
𝑥1 + 𝑥22 − 9 5

0.0000
Solução: 𝑥 ∗ = 𝑥 4 = ( )
3.0000

______________________________________________________________________________________________________________ 6 / 6
Métodos Numéricos Computacionais
Profa. Márcia Zanoli