2- Resolução de Sistemas
Não-lineares.
2.1- Método de Newton.
2.2- Método da Iteração.
3.3- Método do Gradiente.
2- Sistemas Não Lineares de Equações
Considere um sistema não linear de n equações com n incógnitas.Note que como caso particular podemos ter um sistema linear de equações algébricas:
( , , , ) ( , , , ) ou com e ( ) ( , , , ) n n n n n n f x x x f x f x x x f x f x f x x x = = = = = = f(x) 0 f x 1 1 2 1 1 2 1 2 2 2 1 2 0 0 1 0 L L M M LLLLLLLL L 11 1 12 2 1 1 2 1 1 2 2 1 2 1 1 22 2 2 2 1 1 2 2 1 2 ( , , , ) ( , , , ) ou ( , 0 0 , , ) 0 n n n n n n nn n n n n n n a x a x a x b a x a f x x x f x x x x a x b a x a x f x x x a x b + + − = + + − = − = = = = + + − = Ax b 0 L L LLLLLLLLLLLLLLLL L LLL L L L
2.1- Método de Newton
Considere um sistema não linear de n equações com n incógnitas.
Resolveremos este problema com aproximações sucessivas. Seja a aproximação k com sendo uma das raízes de com erro . Logo .
Supondo que é continuamente diferenciável num domínio convexo que contem e podemos expandir a função em série de potencia entorno do ponto e desprezamos as
potencias maiores que 1 (termos não lineares). ( , , , ) ( , , , ) ou com e ( ) ( , , , ) n n n n n n f x x x f x f x x x f x f x f x x x = = = = = = f(x) 0 f x 1 1 2 1 1 2 1 2 2 2 1 2 0 0 1 0 L L M M LLLLLLLL L ( , , , ) k k k k n x x x = x 1 2 L x ∆ = ∆ ∆xk ( x1k, x2k,L,∆xnk) x = xk + ∆xk ( ) k + ∆ k = f(x x ) 0 2 f(x) k x x k x
2.1- Método de Newton
Linearização do sistema (2).Devemos entender como sendo a matriz Jacobiana das funções com respeito as variáveis .
1 1 1 1 1 2 1 2 1 2 2 2 2 2 1 2 1 2 1 2 1 2 1 1 1 2 ( , , , ) ( , , , ) ( , ( ) 0 ( ) 0 ( ) , , ) k k k k k k n n n k k k k k k n n n k k k n k n n n n f f f f x x x x x x x x x f f f f x x x x x x x x x f f f x x x x f x f f ∂ ∂ ∂ ≈ + ∆ + ∆ + + ∆ ∂ ∂ ∂ ∂ ∂ ∂ ≈ + ∆ + ∆ + + ∆ ∂ ∂ ∂ ∂ ∂ ≈ + ∆ + = ∂ = k k k k k k k x x x x x x x x x x L L L L L LLLLLLLLLLLLLLLLLLLLLLLLLLLL 2 2 0 k n k n n f x x x x = ∂ ∆ + + ∆ ∂ ∂ xk xk L n x x x1 , 2,L,
)
=
k+ ∆
k≈
f(x ) f
k+
'
k∆
k=
(3) ou
f(x
f(x
x )
(x ) x
0
n f f f1 , 2 ,L, ' f (x)2.1- Método de Newton
O sistema (3) é um sistema linear da forma:
' n n n n n n f f f x x x f f f x x x f f f x x x ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ = = ∂ ∂ ∂ ∂ ∂ ∂ f (x) W (x) 1 1 1 1 2 2 2 2 1 2 1 2 L L L L L L L ( ) ( ) ou ( ) k k k k k k k k k k k n k k k k k n k n n n k n n n f f f f x x x x f f f f x x x x f f f f x x x x ∂ ∂ ∂ ∆ ∂ ∂ ∂ ∂ ∂ ∂ ∆ + ∂ ∂ ∂ = + ∆ = ∂ ∂ ∂ ∆ ∂ ∂ ∂ x x x x x x x x x x x f(x ) W (x ) x 0 x 1 1 1 1 1 1 2 2 2 2 2 2 1 2 1 2 0 L L L L L L M M L
2.1- Método de Newton
Se a matriz é não singular, então possui inversa e segue
Para a aproximação zero podemos escolher como um valor estimado grotescamente para a raiz procurada.
Este é o Método de Newton e note que devemos calcular a matriz inversa em cada passo: . Se a matriz inversa é continua na vizinhança da solução
procurada e a aproximação inicial é suficientemente perto de , então podemos fazer a seguinte aproximação para obter o Método de Newton Modificado:
k W(x ) [ ] logo com 0,1,2,... k k k k k k k k k k k k k k − − + − + ∆ = ⇒ ∆ = − = + ∆ = − = W(x ) f(x ) W(x ) x 0 x W(x ) f(x ) x x x x W(x ) f(x ) 1 1 1 1 x0 k+ = k − k − k x 1 x W(x ) f(x )1 k − ≈ − W(x ) 1 W(x )0 1 − W(x) 1 x0 * x * x k+ = k − − k x 1 x W(x ) f(x )0 1
2.1.1- Existência de Raiz do Sistema e Convergência do Método de Newton
Teorema 1: Seja um sistema não linear de equações com
coeficientes reais, onde as funções são definidas e continuas junto com suas derivadas parciais de primeira e segunda ordem num domínio . Ou seja, .
Suponha e o fecho de sua vizinhança serem pontos de , onde é a m-norma e as seguintes condições serem válidas:
1) A matriz Jacobiana em tem inversa e
x0 são os cofatores do elemento , com max , det( ) n ij ij m m i Wij j A W W − = ≤ =
∑
W(x ) W(x ) W(x ) 0 1 0 0 0 1 1 com e n n f x f x f x = = = f(x) 0 f x 1 1 2 2 M M Ω f(x) ( ) C ∈ Ω f(x) 2 Ω{
m}
V(x )0 = x − x0 ≤ ∆ ⊂ Ωx m W(x) x0 W(x0)−12.1.1- Existência de Raiz do Sistema e Convergência do Método de Newton
2) 3)
4) as constantes e satisfazem a desigualdade Então o Método de Newton
converge para esta escolha de aproximação inicial e
* *
lim é a solução do sistema tal que . p p m B →∞ = = − ≤ ≤ ∆ x x f(x) 0 x x0 2 0 x 0 x , A B0 0 ( ) com ( , , , ) e , n i k j k f C i j n V x x = ∂ ≤ = ∈ ∂ ∂
∑
x x (x ) 2 0 1 1L . nA B C µ0 = 2 0 0 ≤1 , m B − ≤ ≤ ∆x W(x ) f(x )0 1 0 0 2 C , , , ,... p p p p p + = − − = x 1 x W(x ) f(x )1 0 1 2Note que, sempre que sejam verificadas todas as hipóteses do teorema o método de Newton converge para uma solução que é raiz do sistema na vizinhança de .x0
* x
2.1.1- Existência de Raiz do Sistema e Convergência do Método de Newton
Note que, se e o sistema tem em uma solução segue que e as condições do teorema são válidas para qualquer ponto suficientemente perto de .
Por outro lado, para que a condição 2) seja válida é importante observar que fornece uma estimativa da diferença entre as aproximações primeira e inicial. Desta forma podemos verificar rapidamente se esta desigualdade é verificada assim que a
primeira aproximação seja calculada:
Também, podem ser obtidos resultados de convergência análogos aos anteriores para o caso em que a norma
considerada é = f(x) 0 * x B0 ( ) C ∈ Ω f(x) 2 Ω * * e = ≠ f(x ) 0 W(x ) 0 * x x0 ) . m m B − = − ≤ ≤ ∆x W(x ) f(x )0 1 0 x1 x0 0 2 2 ou . l k
2.1.1- Existência de Raiz do Sistema e Convergência do Método de Newton
Definição de Taxa de Convergência para os Métodos iterativos:
Dizemos que um método iterativo converge para a solução com taxa de convergência de ordem se a seguinte
desigualdade se verifica
onde não depende de .
* x Q específica k específica k
c
* * 1x
x
x
x
+−
≤
−
Qk
k
>
∀
kx
c
− − − − = − + específica k específica k específica k específica k * 1 * * * 1 ln ln x x x x x x x x ρ Taxa de Convergência Computacional2.1.2- Unicidade da Solução do Método de Newton e Taxa de Convergência e Estabilidade.
Teorema 2: Se as condições 1) a 4) do Teorema 1 são
verificadas, então existirá no domínio uma única solução do sistema .
Teorema 3: Se as condições 1) a 4) do Teorema 1 são
verificadas, então a seguinte desigualdade se verifica para as aproximações sucessivas
onde é a solução do sistema e Falta algum resultado que garanta a estabilidade da
convergência do Método de Newton quando varia a escolha da aproximação inicial! = f(x) 0 * x f(x )* = 0 p x m B − ≤ ≤ ∆ x x0 2 0 x * ( ) ( ) p p p m µ B − − − ≤ x x 1 2 1 0 0 1 2 . nA B C µ0 = 2 0 0 ≤1
2.1.2- Unicidade da Solução do Método de Newton e Taxa de Convergência e Estabilidade.
Teorema 4: Se as condições 1) a 4) do Teorema 1 são
verificadas e onde , então o Método de Newton converge para sua única solução do sistema no domínio para qualquer escolha da
aproximação inicial que pertença ao domínio
Note que se então para a aproximação inicial sempre há uma vizinhança e qualquer ponto desta vizinhança pode ser escolhido como aproximação inicial para que o Método de Newton seja convergente para a solução procurada .
= f(x) 0 * x x0 m B − ≤ ≤ ∆ x x0 2 0 x nA B C µ0 = 2 0 0 < 1 B C µ 0 ≤ ∆x 0 2 % . m B µ µ − − ≤ x0 x0 0 0 0 1 2 e B0 < ∆x µ0 < 2 1 x0 * x % % * 0 0 0 0 0 * 0 0 * 0 0 0
Suponha 2 2 com 1 fixe max( ,1/ ) logo pelo
teorema 1 e 4 o Método de Newton para qualquer aproximação inicial 1
que verifique a condição será convergente para .
2 m B qB q q B µ µ µ µ < = ∆ > = − − ≤ x x x x x
2.1.3- Exemplo 2 pag. 462 do Demidovich
Use o Método de Newton para encontrar a solução aproximada positiva do sistema de equações:
começando com a aproximação inicial
Solução: Nosso sistema é ( , , )
( , , ) ( , , ) f x y z x y z f x y z x y z f x y z x y z = + + − = = + − = = − + = 2 2 2 1 2 2 2 2 2 3 1 0 2 4 0 3 4 0 x y z x y z x y z + + = + − = − + = 2 2 2 2 2 2 2 1 2 4 0 3 4 0 . . x0 = y0 = z0 = 0 5 M é t o d o d e N e w t o n k k k k f f f x y z f f f x y z f f f x y z + = − − ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ = ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ x x W ( x ) f ( x ) W ( x ) 1 1 1 1 1 2 2 2 3 3 3
Para executar cada
aproximação devemos calcular em cada passo
, e
k k k −
2.1.3- Exemplo 2 pag. 462 do Demidovich
Solução: Nosso sistema é ( , , )
( , , ) ( , , ) f x y z x y z f x y z x y z f x y z x y z = + + − = = + − = = − + = 2 2 2 1 2 2 2 2 2 3 1 0 2 4 0 3 4 0 . . x0 = y0 = z0 = 0 5 0 0 0 2 2 2 1 0 0 0 2 2 2 0 0 2 2 3 0 0 ( , , ) (0.5) (0.5) ( 0.25 ( ) 1.2 0.5) 1 0.25 ( , , ) 2(0.5) (0.5) 4(0.5) 1.25 ( , , ) 3 5 1.00 (0.5) 4(0.5) (0.5) 1.00 f x y z f x y z f x y z − = − = + + − = − = = + − = − = − + = − − f x 1 0 1 0 1 0 0 0 0 1 1 1 0.875 0.500 0.375 2 2 2 4 2 4 logo e det( ) 40 6 4 2 e 2 1 4 3 4 1 15 5 5 1 14 2 6 40 11 7 1 x y z x y x z − − = − = = − − − − − = − − − = − = − − − − W (x ) W (x ) x x W (x ) f(x W (x) W ( ) x )
2.1.3- Exemplo 2 pag. 462 do Demidovich
Para a iteração 2 devemos calcular
1 1 1 2 2 2 1 1 1 1 2 2 2 1 1 1 2 2 3 1 ( , , ) (0.875) (0.500) (0.375) 1 0.15625 ( , , ) 2(0.875) (0.500) 4(0.375) 0.281 0.15625 ( ) 0.28125 0.4 25 ( , , ) 3(0.875) 4(0.500) (0 3750 .375) 0.43750 f x y z f x y z f x y z = = + + − = = = + − = = − + = f x 2 1 1 1 1 1 1 1 1.750 1 0.750 3.500 1 4 5.250 4 0.750 15.25 3.75 4.75 1 23.625 2.6250 9.62 2 2 2 4 2 4 logo e det( ) 64.75 6 4 2 e 5 64.75 19.25 12.25 1.75 x y z x y x z − − = − = − = − − − − − = − − − − − − = − W(x) W(x ) W W(x ) x x W(x ( ) x ) f( 1 0.78981 0.49662 0.36993 = x ) e assim sucessivamente, . . 0.007279
note que a medida que
. . 0.014511 aumenta o número de . . 0.021767 iterações k = = = → x f(x ) f(x ) f(x ) 0 3 3 2 0 78521 0 00001 0 49662 0 00004 0 36992 0 00005
2.1.3- Exemplo 2 pag. 462 do Demidovich