INSTITUTO FEDERAL DE SANTA CATARINA

CURSO DE ENGENHARIA

DISCIPLINA: CÁLCULO NUMÉRICO

Prof.:Fernando Tosini

Chapecó - SC
Sumário

1 1
1.1 Sistemas de Equações Não Lineares(SENL) . . . . . . . . . . . . . . . . . . 1
1.1.1 Definições Importantes . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Métodos Iterativos Para Resolução de SENL . . . . . . . . . . . . . . . . . 6
1.2.1 Critérios de Parada . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Método de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Fórmula do Processo Iterativo . . . . . . . . . . . . . . . . . . . . . 8
1.3.2 Características do Método de Newton . . . . . . . . . . . . . . . . . 11
1.4 Método de Newton-Raphson Modificado . . . . . . . . . . . . . . . . . . . 12
1.4.1 Características do Método de Newton Modificado . . . . . . . . . . 13
1.5 Lista de Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

i
Capítulo 1

Resumo: Neste capítulo, apresenta-se a definição, interpretação geométrica da solução

de alguns sistemas não lineares simples e os métodos de resolução de sistemas de equa-
ções não lineares. O objetivo é demonstrar como funciona cada método iterativo e sua
implementação computacional, de tal forma que qualquer sistema de equações não lineares
possa ser modelado e resolvido numericamente.

1.1 Sistemas de Equações Não Lineares(SENL)

De maneira geral, um sistema não linear com n equações e n incógnitas pode ser
apresentado na forma:



 f1 (x1 , x2 , ..., xn ) = 0



 f (x , x , ..., x ) = 0
2 1 2 n
⃗
F (X) = (1.1)
.


 ..



 f (x , x , ..., x ) = 0
n 1 2 n

Ou na forma vetorial:
⃗ = ⃗0
F (X) (1.2)

Onde:
⃗ = (x1 , x2 , ..., xn ) é o vetor das incógnitas;
X

⃗ = (f1 (X),
F (X) ⃗ f2 (X),
⃗ ..., fn (X))
⃗ T representa o sistema;

⃗0 = (0, 0, ..., 0)T é o vetor nulo.

1
CÁLCULO NUMÉRICO Prof. Fernando Tosini

Exemplo 1.1 Considere os sistemas não lineares.

 
 x2 − y = −1  x21 + x22 − 2 = 0
a) F (x, y) = ⃗
b) F (X) = 2
2
 y − 2e−x = 0  x2 − x2 − 1 = 0
1
9

Faça a interpretação geometrica das soluções do sistemas.

2
CÁLCULO NUMÉRICO Prof. Fernando Tosini

1.1.1 Definições Importantes

Para dar sequência ao nosso estudo, devemos relembrar de algumas definições impor-
tantes.
⃗ = fi (x1 , x2 , x3 , ..., xn ) que representa
Diante disso, consideremos uma função fi (X)
cada equação do sistema não linear. Assim:
⃗ o vetor
• Vetor Gradiente é um vetor de derivadas parciais. Para a função fi (X)
⃗ ∀ i = 1, 2, 3, ..., n e representado por:
gradiente é denotado por ∇fi (X)

( )T
⃗ ∂fi (X)
∂fi (X) ⃗ ⃗
∂fi (X)
⃗ =
∇fi (X) , , ...,
∂x1 ∂x2 ∂xn

• Matriz Jacobiana é uma matriz de derivadas parciais. Para o sistema de funções

⃗ ∀ i = 1, 2, 3, ..., n, a matriz Jacobiana, será denotado por J(X)
fi (X) ⃗ = F ′ (X)
⃗ e repre-

sentado por:
 
  ∂f1 ∂f1 ∂f1
⃗ ···
∇f1 (X)  ∂x1 ∂x2 ∂xn 
   
 ⃗   ∂f2 ∂f2 ∂f2 
′ ⃗
 ∇f2 (X)   ···

⃗ =
F (X) = J(X) = ∂x1 ∂x2 ∂xn

 ..   .. .. ..

 .   .. 
  
 . . . . 

⃗
∇fn (X)  ∂fn ∂fn ∂fn 
···
∂x1 ∂x2 ∂xn



 x + ex−1 + (y + z)3 − 27 = 0

ey−2
Exemplo 1.2 Dado o sistema não linear: F (x, y, z) = + z 3 − 10 = 0 .


 x

z − sin(y − 2) + y 3 − 7 = 0

a) Determine a matriz Jacobiana do sistema;

b) Determine o valor da matriz Jacobiana no ponto (4, 4, 4).

3
CÁLCULO NUMÉRICO Prof. Fernando Tosini

• Dentro da disciplina de Equações Diferenciais, definimos um assunto muito impor-

tante denominado Série de Taylor. Esta série é util para fazer a aproximação de algumas
funções em um dado ponto conhecido. Para gerar uma aproximação linear, precisamos
conhecer as séries de Taylor para funções de uma, duas, e n variáveis independentes.

i) Uma função f (x), com uma variável independente, a Série de Taylor de ordem p,
calculada ao redor do ponto c, é uma série de potência apresentada na forma:

∞
∑ f (p) (c)
f (x) = (x − c)p
i=0
p!

ou

f ′ (c) f ′′ (c) f (p) (c)

f (x) = f (c) + (x − c) + (x − c)2 + ... + (x − c)p
1! 2! p!

Para fins de cálculo, precisamos reescrever a série de Taylor a cima em uma forma
diferente. Dessa forma, fazendo que:

c = xn e x − c = ∆xn ⇒ x = c + ∆xn = xn + ∆xn = xn+1

Assim, temos:

f ′ (xn ) f ′′ (xn ) f (p) (xn )

f (xn+1 ) = f (xn +∆xn ) = f (xn )+ (∆xn )+ (∆xn )2 +...+ (∆xn )p
1! 2! p!

Para ∆xn pequeno, ou seja, ∆xn → 0 , obtemos a aproximação linear:

f ′ (xn )
f (xn+1 ) = f (xn + ∆xn ) ≈ f (xn ) + (∆xn ) (1.3)
1!

Com erro de truncamento da ordem de: |f ′′ (xn )(∆xn )2 /2|

ii) Uma função f (x, y), com duas variáveis independentes, a Série de Taylor de ordem
p, calculada ao redor do ponto (c1 , c2 ), é uma série de potência apresentada na

4
CÁLCULO NUMÉRICO Prof. Fernando Tosini

forma:
p ( )
1 ∑ p ∂ (p) f (c1 , c2 )
f (x, y) = p−j j
(x − c1 )p−j (y − c2 )j
p! j=0 j ∂x ∂y

ou

(
∂f (c1 , c2 ) ∂f (c1 , c2 ) 1 ∂ 2 f (c1 , c2 )
f (x, y) = f (c1 , c2 ) + (x − c1 ) + (y − c2 ) + (x − c1 )2
∂x ∂y 2! ∂x2
)
∂ 2 f (c1 , c2 ) ∂ 2 f (c1 , c2 )
+2 (x − c1 )(y − c2 ) + 2
(y − c2 )2 + ....
∂x∂y ∂y

Para fins de cálculo, precisamos reescrever a série de Taylor a cima em uma forma
diferente. Dessa forma, fazendo que:

c1 = xn e x − c1 = ∆xn ⇒ x = c1 + ∆xn = xn + ∆xn = xn+1

c2 = yn e y − c2 = ∆yn ⇒ y = c1 + ∆yn = yn + ∆yn = yn+1

Assim, temos:

∂f (xn , yn ) ∂f (xn , yn )
f (xn + ∆xn , yn + ∆yn ) = f (xn , yn ) + ∆xn + ∆yn +
∂x ∂y
(
1 ∂ 2 f (xn , yn ) 2 ∂ 2 f (xn , yn )
(∆xn ) + 2 ∆xn ∆yn +
2! ∂x2 ∂x∂y
)
∂ 2 f (xn , yn )
(∆yn )2 + ....
∂y 2

Para ∆xn e ∆yn pequeno, ou seja, ∆xn → 0 e ∆yn → 0, obtemos a aproximação

linear:

∂f (xn , yn ) ∂f (xn , yn )
f (xn + ∆xn , yn + ∆yn ) ≈ f (xn , yn ) + ∆xn + ∆yn (1.4)
∂x ∂y

1 ∂ 2 f (xn , yn ) 2 1 ∂ 2 f (xn , yn )
Com erro de truncamento da ordem de: (∆x n ) + (∆yn )2
2 ∂x2 2 ∂y 2

5
CÁLCULO NUMÉRICO Prof. Fernando Tosini

iii) Uma função f (x1 , ..., xn ), com n variáveis independentes, sua aproximação linear é
dada por:

∂f ∂f ∂f
f (x1 + ∆x1 , ..., xn + ∆xn ) ≈ f (x1 , ..., xn ) + ∆x1 + ∆x2 + ... + ∆xn
∂x1 ∂x2 ∂xn
(1.5)

1.2 Métodos Iterativos Para Resolução de SENL

Existem vários métodos, entre os quais destacamos alguns:
- Método da Iteraçao Linear;
- Método de Newton;
- Método de Newton Modificado;
- Método de Quase-Newton;
Todos esses métodos, são métodos iterativos, isto é, apartir de um vetor inicial X (0) ,
geram uma sequência X (k+1) de vetores, tal que:

lim X (k+1) = X ∗
k→∞

Onde:
X (k+1) é o vetor solução aproximada;
X ∗ é o vetor solução exata;

1.2.1 Critérios de Parada

Os critérios de parada mais conhecidos são:

I) ||X (k+1) − X (k) ||∞ = máx|X (k+1) − X (k) | ≤ ϵ

II) ||F (X (k+1) )||∞ = máx|F (X (k+1) )| ≤ ϵ

(k+1)
||X (k+1) − X (k) ||∞ máx|X − X (k) |
III) = ≤ϵ
||X (k+1) ||∞ máx|X
(k+1) |

IV) O número de iterações é indicado.

6
CÁLCULO NUMÉRICO Prof. Fernando Tosini

1.3 Método de Newton-Raphson

O método mais estudado e conhecido para resolver sistemas de equação não lineares
é o Método de Newton. O método é atribuído a Isaac Newton (1643 − 1727) e Joseph
Raphson (1648 − 1715).
Já sabemos que, para o caso de uma equação não linear de uma variável independente,
o método de Newton consiste em se tomar um modelo local linear da função f (x) em torno
de um ponto xn , e este modelo gera uma reta tangente à função f (x) em xn a cada iteração,
buscando encontrar a aproximação xn+1 , que safisfaça o critério de parada. Já, para um
sistema de equações não lineares, o método de Newton, toma um vetor aproximação inicial
X (k) em cada iteração, e expande por meio da série de Taylor cada equação não liner do
sistema, obtendo assim, um sistema linear a cada iteração. Este processo é realizado de
forma sucessiva, até que o vetor X (k+1) , satisfaça o critério de parada.

Exemplo 1.3 Considere o sistema de equações não-lineares:


 x2 − y = −1
F (x, y) = 2
 y − 2e−x = 0

Resolva o sistema, fazendo expansão em série de Taylor, em torno do ponto (0, 5; 1)T ,
com duas iterações.

7
CÁLCULO NUMÉRICO Prof. Fernando Tosini

1.3.1 Fórmula do Processo Iterativo

Considere um sistema de equações não lineares com n equações e n variáveis:




 f1 (x1 , x2 , ..., xn ) = 0



 f (x , x , ..., x ) = 0
2 1 2 n
⃗
F (X) = (1.6)
.


 ..



 f (x , x , ..., x ) = 0
n 1 2 n

Expandindo (1.6) pela série de Taylor, tem-se:


∂f1 ∂f1

 f1 (x1 + ∆x1 , ..., xn + ∆xn ) ≈ f1 (x1 , ..., xn ) + ∆x1 + ... + ∆xn = 0


 ∂x1 ∂xn



 ∂f2 ∂f2
 f2 (x1 + ∆x1 , ..., xn + ∆xn ) ≈ f2 (x1 , ..., xn ) +
 ∆x1 + ... + ∆xn = 0
∂x1 ∂xn
 .. .. .. .. .. .. . . . .. .. ..



 . . . . . . . .. . . .



 fn (x1 + ∆x1 , ..., xn + ∆xn ) ≈ fn (x1 , ..., xn ) + ∂fn ∆x1 + ... + ∂fn ∆xn = 0


∂x1 ∂xn

Isolando os termos que contém derivadas, obtemos o sistema linear:


∂f1 ∂f1 ∂f1

 ∆x1 + ∆x2 + ... + ∆xn = −f1 (x1 , ..., xn )


 ∂x1 ∂x2 ∂xn



 ∂f2 ∂f2 ∂f2

 ∆x1 + ∆x2 + ... + ∆xn = −f2 (x1 , ..., xn )
∂x1 ∂x2 ∂xn
 .. .. .. .. . . . .. .. ..



 . . . . . .. . . .



 ∂fn ∆x1 + ∂fn ∆x2 + ... + ∂fn ∆xn = −fn (x1 , ..., xn )


∂x1 ∂x2 ∂xn

Matricialmente, temos:

8
CÁLCULO NUMÉRICO Prof. Fernando Tosini

 ∂f ∂f1 ∂f1 
1
···    
 ∂x1 ∂x2 ∂xn 
  ∆x1 f1 (x1 , ..., xn )
 ∂f2 ∂f2 ∂f2     

 ∂x ···  
∆x2 
 
 f (x , ..., xn )

 1 ∂x2 ∂xn  
·  = − 2 1


 . .. ..   ..   .. 
 . ..   .   . 
 . . . .     
 
 ∂f ∂fn ∂fn  ∆xn fn (x1 , ..., xn )
n
··· | {z } | {z }
∂x1 ∂x2 ∂xn
| {z }

( ) ( )
J X (k) · ∆X (k) = − F X (k)

Isolando ∆X (k) :
[ ( )]−1 ( )
∆X (k) = − J X (k) · F X (k)

Substituindo ∆X (k) por X (k+1) − X (k) , obtemos a fórmula do processo iterativo do

método de Newton:

[ ( )]−1 ( )
(k+1) (k) (k)
X =X − J X · F X (k) ∀ k = 0, 1, 2, ...., n (1.7)

Exemplo 1.4 A concentração de um poluente num lago depende do tempo t, e é dada por
C(t) = 70ex1 t + 20ex2 t . Efetuaram-se algumas medidas que foram registadas na seguinte
tabela:

t 1 2
C(t) 27.5702 17.6567

Utilize o método de Newton para determinar x1 e x2 . Considere para aproximação

inicial o ponto (x1 ; x2 )(0) = (−1.9; −0.15)T , e efetue apenas duas iterações.

9
CÁLCULO NUMÉRICO Prof. Fernando Tosini

Exemplo 1.5 Considere o sistema de equações não-lineares:


 x2 − e−xy = 0
F (x, y) =
 xy + sin(x) = 0

a) Determine o jacobiano de F (x, y);

b) Resolva o sistema aplicando o método de Newton, com um chute inicial X (0) =

(2; 0)T e um erro inferior a 10−1 .

10
CÁLCULO NUMÉRICO Prof. Fernando Tosini

1.3.2 Características do Método de Newton

i) Geralmente, possui uma convergência maior quando comparado a outros métodos,

porém, exige um alto custo computacional, pois, necessita calcular da matriz inversa
a cada iteração durante o processo;

ii) Quando o método converge, a convergência é quadrática.

iii) O método de Newton converge se:

a) As funções fi (x1 , x2 , ..., xn ) para i = 1, ..., n e suas derivadas parciais até se-
gunda ordem sejam continuas e limitadas numa vizinhança V contendo a raiz;

b) O determinante do Jacobiano J(X) é diferente de zero em V ;

c) O chute inicial X (0) deve ser suficientemente próxima da raiz.

11
CÁLCULO NUMÉRICO Prof. Fernando Tosini

1.4 Método de Newton-Raphson Modificado

O Método de Newton Modificado consiste em manter a matriz Jacobiano calculada na
primeira iteração, constante em todo o processo iterativo. Dessa forma, a função iterativa
do método de Newton Modificado é dada por:

[ ( )]−1 ( )
X (k+1) = X (k) − J X (0) · F X (k) ∀ k = 0, 1, 2, ...., n (1.8)

Exemplo 1.6 Dado o sistema:


 x+y−3=0
F (x, y) =
 x2 + y 2 − 9 = 0

Resolva o sistema aplicando o método de Newton Modificado, com um chute inicial

X (0) = (1; 5)T e um erro inferior a 10−1 . Use como critério de parada ||F (X (k+1) )|| < ϵ.

12
CÁLCULO NUMÉRICO Prof. Fernando Tosini

1.4.1 Características do Método de Newton Modificado

O número de iterações necessárias para a convergência é normalmente maior do que o

método de Newton-Raphson, porém o custo computacional de cada iteração tende a ser
significativamente menor, pois, não necessita calcular a matriz inversa apartir da segunda
iteração.

13
CÁLCULO NUMÉRICO Prof. Fernando Tosini

1.5 Lista de Exercícios

1. Encontre a matriz jacobiana dos seguintes sistemas não-lineares.
 

 3x21 + 2x22 − x2 − 2x3 = 0  x − cos(x2 x3 ) − 0.5 = 0
 1

 


(a) x21 − 8x22 + 10x3 = 0 (b) x21 − 81(x2 + 0.1)2 + sin(x3 ) + 1 = 0

 e−x1 x2 + 20x3 + 10π − 3 = 0


 x21 


 −1=0
7x2 x3 3

2. Usando o método de Newton determine, com precisão de 10−3 , uma raiz para cada
um dos seguintes sistemas não-lineares. Faça a interpretação geométrica da solução
de cada sistema.
  
 x(x + 1) + 2y = 12 2
(a) , com chute inicial x(0) =  
 (x − 1)2 + (y − 3) 2
= 9 1
  
 (x − 1)2 + y2 = 4 2
(b) com chute inicial x(0) =  
 x2 + (y − 1)2 = 4 1

3. Ache com precisão ϵ ≤ 10−1 a solução dos sistemas, pelos os métodos de Newton e
Newton Modificado.
  
 x2 − y 2 = 1 −1
(a) , com chute inicial x(0) =  
 2xy = 0 0.5
  
 x2 + y 2 = 4 1
(b) com chute inicial x(0) =  
 y + ex = 4 1.5

4. Ache com precisão ϵ ≤ 10−1 a solução dos sistemas, pelos os métodos de Newton e
Newton Modificado. Use o seguinte critério de parada ||F (X (k+1) )|| < ϵ.
  
 3x2 y − y 3 = 4 −2.9
(a) F (X) = com chute inicial x(0) =  
 x2 + xy 3 = 9 0.1
  
 sin(x)e−y − y 2 = 0 0.5
(b) F (X) = com chute inicial x(0) =  
 cos(x)e−y − y 3 = 0 1

14
CÁLCULO NUMÉRICO Prof. Fernando Tosini


 (x − y + 0.25)e−x2 −y3
5. Dado o sistema:F (x, y) =
 2x2 + cos(y)

a) Determine o jacobiano de F (x, y);

b) Resolva o sistema aplicando o método de Newton, com um chute inicial

X (0) = (1; 0)T e um erro inferior a 10−1 .

 x + 3 log (x ) − x2 = 0
1 10 1 2
6. Resolva o sistema , usando o método de Newton
 2x2 − x x − 5x + 1 = 0
1 1 2 1
(0) T
com um chute inicial x = [1; −2] , e um erro de 10−1 .


 x2 + x22 + x23 − 1 = 0
 1

7. Resolva o sistema não linear F (x) = 2x21 + x22 − 4x3 = 0 , usando o método



 3x2 − 4x + x2 = 0
1 2 3
(0)
de Newton com um chute inicial x = [0.5; 0.5; 0.5]T , até a iteração(k = 1).

8. Duas estações elétricas vão fornecer energia a uma certa região da forma mais econô-
mica possível. O custo total de operação das duas estações é dado por:

f (x1 , x2 ) = 0.1 + 0.01x1 x2 + 0.15x42 + 0.01x41 − 0.25(x1 + x2 − 100)

Em que x1 e a energia fornecida pela primeira estação e x2 e a energia fornecida

pela segunda estação. Determine os valores de x1 e x2 por forma a minimizar o
custo total de operação das duas estações. Utilize como aproximação inicial o ponto
(2.0, 0.5)T e duas iteracões.

9. Implemente computacionalmente o método de Newton e Newton Modificado e apli-

que nos sistemas a seguir com precisão ϵ ≤ 10−5 . Compare o número de iterações
fazendo simulação com chute iniciais iguais e diferentes para ambos os métodos.
 
 x2 + y 2 = 4  x3 − 3xy 2 = 1
(a) (b)
 y + ex = 4  3x2 y + y 3 = 0

15
CÁLCULO NUMÉRICO Prof. Fernando Tosini

 
 x2 + x22 = 2  x − x sin(x ) = 0
1 1 2 1
(c) (e)
 ex1 −2 + x32 = 2  x − x + cos(x x ) =
1 2 1 2 0
 
 x2 + y2 = 1−
√
y  x − 6√x + y − 6√y + 14 = 0
(d) 2
(f)
 y + sin(y) = x − e−x  xy = 81

 4x1 − x31 + x2 = 0
10. Resolva o sistema 2 2 , usando o programa do método
 −x1 + 4x2 − x2 = −1
9 4
de Newton com um chute inicial x(0) = (−1; −2)T , e um erro de 10−4 .

 ln(x2 + y 2 ) − sin(xy) = ln(2) + ln(π)
11. Resolva o sistema , usando o pro-
 ex−y + cos(xy) = 0
grama do método de Newton com um chute inicial x(0) = (2; 2)T , e um erro de
10−6 .

 x + ex−1 + (y + z)3 − 27 = 0



ey−2
12. Resolva o sistema + z 3 − 10 = 0 , usando os programas dos


 x

z − sin(y − 2) + y 3 − 7 = 0
   
(0)
x 4
   
 (0)   
métodos de Newton e Newton Modificado com um chute inicial  y  =  4 ,
   
(0)
z 4
e um erro de 10 .
−3



 6x1 − 2 cos(x2 x3 ) = 1
 √
13. Resolva o sistema 9x2 + x21 + sin(x3 ) + 1.06 = −0.9 , usando o programa do



 60x3 + 3e−x1 x2 + 10π = 3
método de Newton, com uma tolerância de 10−5 e um chute inicial de x(0) = (0, 0, 0)t .

14. Para combater um vírus que infectou um grupo de indivíduos vai ser administrado
um composto químico sintetizado com base em duas substâncias elementares x1 e
x2 . Sabe-se que se forem administrados α miligramas de composto a cada indivíduo,
a concentração (mg/litro) de cada uma das substâncias elementares na circulação

16
CÁLCULO NUMÉRICO Prof. Fernando Tosini

sanguínea e dada implicitamente (para α ∈ [0, 5]) pelo sistema de equações:


 16x − cos(α(x − 2x )) = 0
1 2 1
 16x + 0.75 sin(α(−x − 3x )) = 0
2 2 1

Para α = 1, determine x1 e x2 , usando o método iterativo de Newton Modificado.

Use a seguinte aproximação inicial x(0) = (0.1; 0.01)T e termine o processo iterativo
considerando um erro inferior à 0.01.

15. Num colector solar, um balanço de energia na placa absorvente e na placa de vidro
produz o seguinte sistema de equações não lineares nas temperaturas absolutas da
placa absorvente (T1 ) e da placa de vidro (T2 ):

 (T 4 + 0.06823T ) − (T 4 + 0.05848T ) = 0.01509
1 1 2 2
 (T 4 + 0.05848T ) − (2T 4 + 0.11696T ) = 0
1 1 2 2

Encontre T1 e T2 usando o método iterativo de Newton, com uma aproximação

inicial T (0) = (0.30; 0.30)′ e um erro inferior a 10−2 .

16. Visando determinar a pressão necessária para aterrar objetos em solo firme, corpos
de prova são utilizados para fazer estas previsões. A pressão pode ser aproximada
por:
p = x 1 e x2 r + x 3 r

Onde x1 , x2 e x3 dependem da distânica até onde o solo ainda é macio e r o raio

do corpo de prova cilíndrico. Utilizando três corpos de prova, conforme a figura a
seguir:

A partir da figura, pode-se montar um sistema para determinar as três constantes

e a expressão para a pressão. Sendo assim, o sistema é:



 p = x1 ex2 r1 + x3 r1
 1

p2 = x1 ex2 r2 + x3 r2



 p = x ex2 r3 + x r
3 1 3 3

17
CÁLCULO NUMÉRICO Prof. Fernando Tosini

Figura 1.1: Corpos de prova de raios diferentes enterrados a uma mesma profundidade.

Com três incógnitas, x1 , x2 e x3 . Determine as constantes supondo que um cilindro

de raio 10 cm requer uma pressão de 10 N para enterrar 1 m em um terreno lama-
cento, um de raio 20 cm necessita de 12 N para enterrar 1 m, e um de raio 30 cm
requer uma pressão de 15 N para enterrar essa distância. Obs: Tome como chute
inicial: x(0) = (5, 5, −5)t .

18
CÁLCULO NUMÉRICO Prof. Fernando Tosini

Respostas

 
6x1 4x2 − 1 −2
 
 
1. (a) J(X) =  2x 1 −16x 2 10 
2 2

 2x1 −x1 −x1 
7x2 x3 7x22 x3 7x2 x23
 
1 x3 sin(x2 x3 ) x2 sin(x2 x3 )
 
 
(b) J(X) =  2x1 −162(x2 + 0.1) cos(x3 ) 
 
−x2 e−x1 x2 −x1 e−x1 x2 20
 
2.819673996
2. (a) x(4) =  
0.6148822783

 
1.8228756563
(b) x(4) =  
1.8228756563

19
CÁLCULO NUMÉRICO Prof. Fernando Tosini

   
−0.9999909266 −0.9589990139
3. (a) Newton: x(3) =   Newton Mod: x(2) =  
−0.0000221600 −0.0245003869
   
0.76634144745 0.77446141410
(b) Newton: x(2) =   Newton Mod: x(2) =  
1.84815259120 1.82908123667
   
−3.0016226017 −3.001640077
4. (a) Newton: x(2) =   Newton Mod: x(2) =  
0.1481112445 0.147812530
   
0.99045544901 0.97189071205
(b) Newton: x(3) =   Newton Mod: x(3) =  
0.65840296165 0.65318186755
 
2 −y 3 2 −y 3
e−x (1 + (x − y + 0.25)(−2x)) e−x (−1 + (x − y + 0.25)(−3y 2 ))
5. (a) J(X) =  
4x − sin(y)
 
0.64414617
(b) x(3) =  
2.546101285
 
1.4588863588
6. x(3) = 
−1.3967715200
 
0.78981681208
 
 
7. x(1) =  0.49662164778 
 
0.36993245393
 
1.823639672933
8. x(1) = 
0.744404630599

9.

10.

11.

12.

13.

14.

20
CÁLCULO NUMÉRICO Prof. Fernando Tosini

15.

16. x1 = 8.7701 ; x2 = 2.5980; e x3 = −13.7273.

21