Baixe o app para aproveitar ainda mais
Prévia do material em texto
Cálculo numérico ST462 B / ST468 B Sistemas não lineares No processo de resolução de um problema prático, é frequente a necessidade de se obter a solução de um sistema de equações não lineares. Sistemas não lineares Dada uma função não linear em que o objetivo é encontrar F(x)=0, ou de forma equivalente: T n nn ffFDF ),...,(,: 1 0,...,,( 0,...,,( 0,...,,( 21 212 211 nn n n xxxf xxxf xxxf Sistemas não lineares Exemplo Este sistema não linear admite 4 soluções, que são os pontos onde as curvas se interceptam. 01 0 ),( 02),( 2 22 1211 2 2 2 1211 x xxxf xxxxf 1 9 e 2 2 22 1 2 2 2 1 x xxx Sistemas não lineares Cada função fi(x) é uma função não linear em x, fi: , e portanto, F(x) é uma função não linear em x, F: O vetor das derivadas parciais da função fi(x1,x2,...,xn) é denominado vetor gradiente de fi(x) e é denotado por fi(x), i=1,...n: A matriz das derivadas parciais de F(x) é chamada de matriz Jacobiana e será denominada por J(x): nin ,...1, nn Sistemas não lineares Os métodos para resolução de sistemas não lineares são iterativos, istoé, a partir de um ponto inicial x(0), geram uma sequencia {x(k)}de vetores e, na situação de convergência: onde x* é uma das soluções do sistema não linear. Em qualquer método iterativo, é preciso estabelecer critérios de parada para se aceitar um ponto x(k) como aproximação para a solução exata x* ou para se detectar a divergência do processo. *lim )( xx k k Método de Newton É considerado o método mais amplamente estudado para resolução de sistemas não lineares. No caso de uma equação não linear a uma variável, o método de Newton consiste em se tomar um modelo local linear da função f(x) em torno de xk, e este modelo é a reta tangente à função em xk.Aproximando, temos: A nova aproximação x(k+1) será o zero do modelo local linear Lk(x). Portanto: ))(()()( )()()( kkkk xxxJxFLxF ).())((0)( )()( kkkk xFxxxJxL Método de Newton Uma iteração de Newton requer: i)A avaliação da matriz Jacobiana em x(k) ii) A resolução do sistema linear e por este motivo, cada iteração é considerada computacionalmente cara. ),())(( )()( kkk xFxxxJ Método de Newton Algortimo Dados x0, ԑ1>0 e ԑ2>0 faça: Passo 1: calcule F(x(k)) e J(x(k)); Passo 2: se ||Fx(k))|| < ԑ1, faça x = x (k) e pare; Passo 3: obtenha (x-x(k)), solução do sistema linear: J(x(k))(x-x(k))= -F(x(k)); Passo4: faça x(k+1) = x(k) + (x-x(k)); Passo 5: se ||x(k+1)-x(k)|| < ԑ2, faça x = x (k+1) e pare; caso contrario vá para o passo 6; Passo 6: k = k + 1 e volte ao passo 1. Método de Newton - Exemplo Considere s = (x-x(k)) Este método consiste na utilização da fatoração LU para resolver os sistemas não lineares. Ao utilizar a fatoração LU para resolver o sistema, os fatores L e U serão calculados apenas uma vez e, a partir da 2ª iteração, será necessário resolver apenas dois sistemas triangulares para obter o vetor s(k). Método de Newton Modificado Considere o sistema anterior utilizando o método de Newton modificado Método Quase-Newton A motivação central do método quase-Newton é gerar uma seqüência {x(k)} com boas propriedades de convergência, sem no entanto avaliar a matriz Jacobiana a cada iteração. A seqüência {x(k)}, nos métodos quase-Newton, é gerada através da fórmula: onde s(k) é a solução do sistema linear: Existem diversos métodos quase-Newton, e é importante ressaltar que em vários deles , além de se evitar o cálculo da matriz Jacobiana, o esforço computacional necessário para a resolução do sistema linear é reduzido em relação ao esforço realizado no método de Newton. )()(1 kkk sxx )( )()()( kkk xFsB
Compartilhar