Aula 03 - Equações não Lineares: Método de Newton

Leandro Franco de Souza

Universidade de São Paulo

11 de Março de 2024
Método de Newton

O método de Newton é uma das técnicas mais populares para se

determinar raízes de equações não lineares;
Existem várias maneiras de deduzir o método de Newton, a que
apresentaremos aqui é baseada no método de iteração linear. Assim,
para descrever tal método, consideremos a equação:

ψ(x) = x + A(x)f (x), f 0 (x) 6= 0 (1)

onde a função A(x) deve ser escolhida de tal forma que A(x) 6= 0;
Vimos pelo Teorema 3.4 (dado na aula anterior) que temos garantia
de convergência se max |ψ 0 (x)| < 1 para x ∈ I . Assim se escolhermos
A(x) tal que ψ 0 (x) = 0, teremos que para x ∈ I , (I suficientemente
pequeno), max |ψ 0 (x)| < 1, garantindo então a convergência do
método;

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 2 / 19

Método de Newton

Derivando (1) em relação a x, obtemos:

ψ 0 (x) = 1 + A0 (x)f (x) + A(x)f 0 (x), f 0 (x) 6= 0 (2)

Fazendo x = x, segue que:

ψ 0 (x) = 1 + A0 (x) f (x) +A(x)f 0 (x) = 1 + A(x)f 0 (x), (3)

|{z}
=0

pois f 0 (x) 6= 0;
Considerando ψ 0 (x) = 0 tem-se da equação (3) torna-se

1
A(x) = − 6= 0, (4)
f 0 (x)

desde que f 0 (x) 6= 0;

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 3 / 19
Método de Newton

Considerando
1
A(x) = − (5)
f 0 (x)
obtem-se
f (x)
ψ(x) = x − . (6)
f 0 (x)
Assim e o processo iterativo definido por

f (xk )
xk+1 = xk − (7)
f 0 (xk )

é chamado Método de Newton, que converge sempre que |x0 − x|

for suficientemente pequeno.

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 4 / 19

Método de Newton - Interpretação Geométrica

Dado xk , o valor xk+1 pode ser obtido graficamente traçando-se pelo

ponto (xk , f (xk )) a tangente à curva y = f (x). O ponto de interseção
da tangente com o eixo dos x determina xk+1 ;
De fato, pela lei da tangente:

f (xk ) f (xk )
f 0 (xk ) = tan(α) = ⇒ f 0 (xk ) = (8)
xk − xk+1 xk − xk+1

f (xk ) f (xk )
⇒ xk − xk+1 = ⇒ xk+1 = xk − 0 (9)
f 0 (xk ) f (xk )
Devido à sua interpretação geométrica o Método de Newton é
também chamado de Método das Tangentes.

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 5 / 19

Método de Newton - Interpretação Geométrica

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 6 / 19

Método de Newton - Interpretação Geométrica das iterações

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 7 / 19

Método de Newton - Interpretação Geométrica das iterações

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 8 / 19

Método de Newton - Exemplo

Exemplo
Determinar, usando o método de Newton, a menor raiz positiva da
equação:
4 cos(x) − exp(x) = 0 (10)
com erro inferior a 10−2 (ou quatro iterações).

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 9 / 19

Método de Newton - Ordem de Convergência

Teorema 3.6:
Se f , f 0 , f 00 são contínuas em I cujo centro x é uma raiz de f (x) e se
f 0 (x) 6= 0 então a ordem de convergência do Método de Newton é
quadrática, ou seja, p = 2.

Observações:
A vantagem do método de Newton é que sua convergência é
quadrática;
A desvantagem do método de Newton está no fato de termos que
calcular a derivada da função e em cada iteração calcular o seu valor
numérico, o que pode ser muito caro computacionalmente;
Além disso a função pode ser não diferenciável em alguns pontos do
domínio;

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 10 / 19

Sistemas de Equações não Lineares

Considere o problema da determinação de raízes de equações não

lineares simultâneas da forma:


 f1 (x1 , x2 , . . . , xm−1 , xm ) = 0

f2 (x1 , x2 , . . . , xm−1 , xm ) = 0

..


 .

fm (x1 , x2 , . . . , xm−1 , xm ) = 0


onde cada fi , i = 1, 2, . . . , m é uma função real de m variáveis reais;

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 11 / 19

Sistemas de Equações não Lineares

Para efeito de simplicidade (sem perda de generalidade)

consideraremos apenas o caso de duas equações a duas incógnitas,
isto é, sistemas não lineares da forma:
(
f (x, y ) = 0
(11)
g (x, y ) = 0

Geometricamente, as raízes deste sistema são os pontos do plano

(x, y ), onde as curvas definidas por f e g se interceptam.

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 12 / 19

Sistemas de Equações não Lineares - Método de Newton

Para adaptar o método de Newton a sistemas não lineares,

procedemos como se segue:
Seja (x0 , y0 ) uma aproximação para a solução (x, y ) de (11);
Admitindo que f e g sejam suficientemente diferenciáveis, expandimos
f (x, y ) e g (x, y ), usando série de Taylor para funções de duas
variáveis, em torno de (x0 , y0 ), tem-se:
(
f (x, y ) = f (x0 , y0 ) + fx (x0 , y0 ) · (x − x0 ) + fy (x0 , y0 ) · (y − y0 ) + · · ·
g (x, y ) = g (x0 , y0 ) + gx (x0 , y0 ) · (x − x0 ) + gy (x0 , y0 ) · (y − y0 ) + · · ·

Admitindo que (x0 , y0 ) esteja suficientemente próximo da solução

(x, y ) a ponto de poderem ser abandonados os termos de mais alta
ordem, podemos determinar uma nova aproximação para a raiz (x, y )
fazendo f (x, y ) = g (x, y ) = 0;

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 13 / 19

Sistemas de Equações não Lineares - Método de Newton

Obtemos, então, o sistema:

(
fx (x0 , y0 ) · (x − x0 ) + fy (x0 , y0 ) · (y − y0 ) = −f (x0 , y0 )
(12)
gx (x0 , y0 ) · (x − x0 ) + gy (x0 , y0 ) · (y − y0 ) = −g (x0 , y0 )

Observe que (12) é agora um sistema linear. Além disso, se não

tivéssemos desprezado os termos de mais alta ordem no
desenvolvimento de Taylor, então (x, y ) seria a solução exata do
sistema não linear;
Entretanto, a resolução de (12) fornecerá uma solução que
chamaremos de (x1 , y1 );
Devemos, então, esperar que (x1 , y1 ) esteja mais próxima de (x, y ) do
que (x0 , y0 );

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 14 / 19

Sistemas de Equações não Lineares - Método de Newton

Resolvendo (12) pela regra de Cramer obtemos:

−f (x0 , y0 ) fy (x0 , y0 )
−g (x0 , y0 ) gy (x0 , y0 )
x1 − x0 =
fx (x0 , y0 ) fy (x0 , y0 )
gx (x0 , y0 ) gy (x0 , y0 )
−f (x0 , y0 )gy (x0 , y0 ) + fy (x0 , y0 )g (x0 , y0 )
=
fx (x0 , y0 )gy (x0 , y0 ) − fy (x0 , y0 )gx (x0 , y0 )
   
−fgy + fy g −fgy + fy g
= = (13)
fx gy − fy gx (x0 ,y0 ) J(f , g ) (x0 ,y0 )

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 15 / 19

Sistemas de Equações não Lineares - Método de Newton

e
−fx (x0 , y0 ) −f (x0 , y0 )
−gx (x0 , y0 ) −g (x0 , y0 )
y1 − y0 =
fx (x0 , y0 ) fy (x0 , y0 )
gx (x0 , y0 ) gy (x0 , y0 )
−fx (x0 , y0 )g (x0 , y0 ) + f (x0 , y0 )gx (x0 , y0 )
=
fx (x0 , y0 )gy (x0 , y0 ) − fy (x0 , y0 )gx (x0 , y0 )
   
−fx g + fgx −fx g + fgx
= = (14)
fx gy − fy gx (x0 ,y0 ) J(f , g ) (x0 ,y0 )

onde J(f , g ) = fx (x0 , y0 )gy (x0 , y0 ) + fy (x0 , y0 )gx (x0 , y0 ) 6= 0

(x0 ,y0 )

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 16 / 19

Sistemas de Equações não Lineares - Método de Newton

A função J(f , g ) é denominada de Jacobiano das funções f e g ;

A solução (x1 , y1 ) desse sistema fornece, agora, uma nova
aproximação para (x, y );
A repetição desse processo conduz ao Método de Newton para
sistemas não lineares, definido por:
 h i
y −fy g
xk+1 = xk − fgJ(f

,g ) (x ,y )
h
fx g −fgx
i k k (15)
yk+1 = yk − J(f ,g )

(xk ,yk )

com J(f , g ) = fx gy − fy gx ;

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 17 / 19

Sistemas de Equações não Lineares - Método de Newton

Observações:
Quando essa iteração converge, a convergência é quadrática;
O método de Newton converge sob as seguintes condições suficientes:
a) f , g e suas derivadas parciais até segunda ordem sejam contínuas e
limitadas numa vizinhança V contendo (x, y );
b) O Jacobiano J(f , g ) não se anula em V ;
c) A aproximação inicial (x0 , y0 ) seja escolhida suficientemente próxima da
raiz (x, y );
O método de Newton pode ser aplicado a um sistema de n equações a
n incógnitas. Em cada etapa da iteração teremos que calcular n2
funções derivadas parciais e n funções (computacionalmente caro);
A menos que seja disponível uma informação, a priori, a respeito da
localização da raiz desejada, há a possibilidade da iteração não
convergir ou que ela convirja para uma outra raiz;

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 18 / 19

Sistemas de Equações não Lineares - Método de Newton:

Exemplo
Determinar uma raiz do sistema:
(
x2 + y2 = 2
(16)
x2 − y2 = 1

com erro inferior a 10−3 (ou quatro iterações) usando o método de Newton.

Leandro Franco de Souza (USP) Cálculo Numérico 11 de Março de 2024 19 / 19