Metodo de Newton para Sistemas Nao-Lineares

Um sistema de n-equa coes nao-lineares a n-incognitas tem a forma:

f
1
(x
1
, x
2
, . . . , x
n
) = 0
f
2
(x
1
, x
2
, . . . , x
n
) = 0
.
.
.
.
.
.
f
n
(x
1
, x
2
, . . . , x
n
) = 0
onde f
i
: IR
n
IR, i = 1, 2, . . . , n. Denindo x = [x
1
x
2
. . . x
n
]
T
e F = [f
1
f
2
. . . f
n
]
T
,
podemos escrever o sistema na forma:
F(x) = 0, onde
_

_
F : IR
n
IR
n
x F(x) =
_

_
f
1
(x
1
, x
2
, . . . , x
n
)
f
2
(x
1
, x
2
, . . . , x
n
)
.
.
.
f
n
(x
1
, x
2
, . . . , x
n
)
_

_
Exemplo: O sistema nao-linear
x
1
+ x
2
+ x
3
= 4
x
1
x
2
+ x
1
x
3
+ x
2
x
3
= 1
x
1
x
2
x
3
= 6
_
tem como solu cao
x = [1 2 3]
T
pode ser escrito como:
F(x) = 0 onde F(x) =
_

_
x
1
+ x
2
+ x
3
4
x
1
x
2
+ x
1
x
3
+ x
2
x
3
1
x
1
x
2
x
3
+ 6
_

_
Para fun coes f : IR IR, o metodo de Newton e dado por:
x
n+1
= g(x
n
) = x
n
(f

(x
n
))
1
f(x
n
)
No caso de fun coes vectoriais, F : IR
n
IR
n
, a generaliza cao do metodo de Newton e
dada por:
x
(n+1)
= G(x
(n)
)
onde G(x) = x [J(x)]
1
F(x)
e
J(x) =
_

_
f
1
x
1
f
1
x
2
. . .
f
1
x
n
f
2
x
1
f
2
x
2
. . .
f
2
x
n
.
.
.
.
.
. . . .
.
.
.
f
n
x
1
f
n
x
2
. . .
f
n
x
n
_

_
1
e a matriz Jacobiana de F, isto e, J(x) =
f
i
x
j
, j = 1, 2, . . . , n; i = 1, 2, . . . , n.
Logo, dada uma aproxima cao inicial x
(0)
, as iteradas x
(n+1)
, n = 0, 1, 2, ... sao calculadas
por:
x
(n+1)
= x
(n)

_
J(x
(n)
)
_
1
F(x
(n)
), (1)
O metodo (1) e conhecido como Metodo de Newton para sistemas nao-lineares.
Calculo de x
(n+1)
De (1) temos:
x
(n+1)
x
(n)
=
_
J(x
(n)
)
_
1
F(x
(n)
)
Fazendo d = x
(n+1)
x
(n)
, vem:
d =
_
J(x
(n)
)
_
1
F(x
(n)
)
e, multiplicando ambos os lador por J(x
(n)
), obtemos:
J(x
(n)
)d = F(x
(n)
) (2)
A equa cao (2) e um sistema linear que pode ser resolvido para obter o vector d, atraves
das tecnicas usuais: Metodo Elimina cao de Gauss, LU, Jacobi, Gauss-Seidel, etc.
Uma vez calculado d, x
(n+1)
e dado por:
x
(n+1)
= x
(n)
+d (3)
Observacao: Se J(x
(n)
) for nao- singular n e se x
(0)
estiver sucientemente perto de x,
pode-se provar que x
(n)
n
x e a convergencia e quadratica.
Exemplo: Calculemos 2 iteradas do metodo de Newton para o sistema nao-linear abaixo.
x
2
x
2
1
+ 2x
1
= 0.5
x
2
1
+ 4x
2
2
= 4
_

_
f
1
(x
1
, x
2
) = x
2
x
2
1
+ 2x
1
0.5 = 0
f
2
(x
1
, x
2
) = x
2
1
+ 4x
2
2
4 = 0
Solucao
F(x) =
_
f
1
(x
1
, x
2
)
f
2
(x
1
, x
2
)
_
=
_
x
2
x
2
1
+ 2x
1
0.5
x
2
1
+ 4x
2
2
4
_
Pelo metodo de Newton temos:
x
(n+1)
= x
(n)

_
J(x
(n)
)
_
1
F(x
(n)
)
2
ou, equivalentemente,
_
J(x
(n)
)d = F(x
(n)
)
x
(n+1)
= x
(n)
+d
Calculo de J(x
(n)
)
J(x
(n)
) =
_

_
f
1
x
1
f
1
x
2
f
2
x
1
f
2
x
2
_

_
=
_
2x
(n)
1
+ 2 1
2x
(n)
1
8x
(n)
2
_
Calculo de x
(1)
_
2x
(0)
1
+ 2 1
2x
(0)
1
8x
(0)
2
_ _
d
1
d
2
_
=
_
f
1
(x
(0)
1
, x
(0)
2
)
f
2
(x
(0)
1
, x
(0)
2
)
_
Seja x
(0)
= (0 1.0)
T
. Entao,
f
1
(x
(0)
1
, x
(0)
2
) = x
(0)
2

_
x
(0)
1
_
2
+ 2x
(0)
1
0.5 = 1 0.5 = 0.5
f
2
(x
(0)
1
, x
(0)
2
) =
_
x
(0)
1
_
2
+ 4
_
x
(0)
2
_
2
4 = 4 4 = 0
Logo, temos o seguinte sistema linear para o calculo de d:
_
2 1
0 8
_ _
d
1
d
2
_
=
_
0.5
0
_ _
que tem como solu cao:
d
2
= 0 e d
1
= 0.25
.
Portanto,
x
(1)
= x
(0)
+d =
_
x
(0)
1
+ d
1
= 0.0 0.25 = 0.25
x
(0)
2
+ d
2
= 1.0 + 0.0 = 1.0
_
Calculo de x
(2)
:
x
(2)
= x
(1)
+d
onde d e solu cao do sistema linear
J(x
(1)
) =
_
2x
(1)
1
+ 2 1
2x
(1)
1
8x
(1)
2
_ _
d
1
d
2
_
=
_

_
x
(1)
2

_
x
(1)
1
_
2
+ 2x
(1)
1
0.5
_
x
(1)
1
_
2
+ 4
_
x
(1)
2
_
2
4
_

_
donde obtem-se:
_
2.5 1
0.5 8
_ _
d
1
d
2
_
=
_
0.0625
0.0625
_
Aplicando o metodo elimina cao Gauss a este sistema vem:
3
_

_
m
21
=
a
21
a
11
=
0.5
2.5
= 0.2
E
2
m
21
E
1
E
2
=
_
2.5d
1
+ d
2
= 0.0625
8.2d
2
= 0.050
=
_
d
2
= 0.0061
d
1
= 0.02744
Portanto,
x
(2)
1
= 0.25 + 0.02744 = 0.22256
x
(2)
2
= 1.0 0.00610 = 0.99390
4