Documente Academic
Documente Profesional
Documente Cultură
MATEMTICAS
DINMICA DEL MTODO
DE NEWTON
9
Sergio Plaza Salinas
Jos Manuel Gutirrez Jimnez
DINMICA DEL MTODO DE NEWTON
MATERIAL DIDCTICO
Matemticas
n 9
Sergio Plaza Salinas
Jos Manuel Gutirrez Jimnez
DINMICA DEL MTODO DE NEWTON
UNIVERSIDAD DE LA RIOJ A
SERVICIO DE PUBLICACIONES
2013
PLAZA SALINAS, Sergio
Dinmica del mtodo de Newton [Recurso electrnico] / Sergio Plaza Salinas y
Jos Manuel Gutirrez Jimnez. Logroo : Universidad de La Rioja, Servicio de
Publicaciones, 2013.
XII, 210 p. ; v. digital. (Material didctico. Matemticas ; 09)
ISBN 978-84-695-7461-4
1. Sistemas dinmicos diferenciales. 2. Mtodos iterativos. I. Gutirrez Jimnez,
Jos Manuel. II. Ttulo. III. Universidad de La Rioja. Servicio de Publicaciones. IV.
Serie.
517.9
PBKS IBIC 1.1
Dinmica del mtodo de Newton
de Sergio Plaza Salinas y Jos Manuel Gutirrez Jimnez (publicado por la Universidad de La Rioja) se
difunde bajo una Licencia
Creative Commons Reconocimiento-NoComercial-SinObraDerivada 3.0 Unported.
Permisos que vayan ms all de lo cubierto por esta licencia pueden solicitarse a los titulares del copyright.
Sergio Plaza Salinas, Jos Manuel Gutirrez Jimnez
Universidad de La Rioja, Servicio de Publicaciones, 2013
publicaciones.unirioja.es
E-mail: publicaciones@unirioja.es
ISBN 978-84-695-7461-4
Edita: Universidad de La Rioja, Servicio de Publicaciones
Dedicatoria
Figura 1: Los autores fotograados en su visita a la casa de Pablo Neruda en Isla Negra, en
abril de 2011.
Este libro tuvo su origen en un viaje en tren entre Cartagena y Madrid, cuando los
dos autores volvamos de una tesis doctoral en la ciudad de origen, all por marzo de 2009.
Mientras disfrutbamos contemplando los paisajes que en su da viera Don Quijote y mientras
hablbamos de lo humano y lo divino, se nos ocurri escribir este texto. Nuestra idea inicial
fue mostrar la estrecha relacin que existe entre dos reas muy activas en investigacin,
como lo son los mtodos iterativos para aproximar races de ecuaciones no lineales y los
sistemas dinmicos, en este caso discretos. Inicialmente, pensamos en incluir varios mtodos,
en especial aqullos ms populares, pero con el avance del escrito, nos fuimos restringiendo
al mtodo de Newton.
No nos result complicado trabajar en la distancia y, poco a poco, el libr empez a ir
tomando forma. Incluso, vimos que iba creciendo mucho. As que, para no extender demasiado
el texto, se ha quedado mucho material sin tratar. Adems tuvimos la suerte de poder trabajar
mano a mano, con dos visitas de Sergio a Logroo y una visita ma a Santiago de Chile, en
abril de 2011, donde el libro qued prcticamente terminado. Poco haca sospechar que unos
meses despus, en junio de 2011, una terrible enfermedad apartara a Sergio del camino de la
vida.
vii
viii
A partir de entonces, despus de disipar las dudas sobre si continuar o no con el proceso,
decid que la mejor manera de hacer justicia con Sergio era publicar este texto que l haba
gestado y en el que tena puestas tantas ilusiones. Dos aos ms tarde, el libro est listo
para su publicacin. Sera el momento ahora de hacer los agradecimientos a las personas e
instituciones que colaboraron e hicieron posible llevar a cabo esta empresa: familiares, amigos,
colegas, revisores, fuentes de nanciacin, etc., pero espero que todos ellos entiendan que los
agradecimientos y la dedicatoria de este libro vayan para Sergio Plaza Salinas.
Va por ti, Sergio!
Jos Manuel Gutirrez
Logroo, 8 de mayo de 2013
Prlogo
Lo primero que es obligatorio hacer, es alertar al lector que el ttulo de esta obra en s,
conlleva la conjuncin de dos grandes vertientes de las matemticas modernas. A saber, los
sistemas dinmicos y los mtodos numricos para encontrar races de ecuaciones. Ambas,
ramas de la matemtica de fecundo desarrollo en el siglo XX e inicio de este nuevo siglo XXI.
As, la sola escritura de un libro como este, no resulta ser una tarea fcil. Esto, porque
cada una de estas ramas tiene sus particularidades. Los sistemas dinmicos, por as decirlo,
son la matemtica de la intuicin, por excelencia, y los mtodos numricos vienen del anlisis,
por origen. As, introducirse a este tema requiere de las dos capacidades que se han enfrentado
desde siglos en matemtica: la intuicin y el pensamiento analtico.
Pero, no es tan verdad que deban siempre enfrentarse. Y este libro aqu es un ejemplo
de ello. Pueden, tambin, complementarse, como se complementaron por aos Jos Manuel
y Sergio en su trabajo original como matemticos. As invito al virtual lector, a introducirse
en esta obra para que conozca como se hace esto de mezclar los sistemas dinmicos con los
mtodos numricos.
El primer captulo es una breve introduccin a los sistemas dinmicos. Al lector no familia-
rizado le recomiendo rehacer las cuentas, sobre todo lo relacionado con la familia cuadrtica,
porque con ello empezar a sentir el sabor del tipo de problema que se aborda en dinmica.
El segundo captulo introduce el mtodo de Newton, su historia, entrega una idea de sus
generalizaciones y se concentra en l, su convergencia y diversas aplicaciones. Al leerlo, uno
se da cuenta de cul es el tipo de problema que se quiere abordar con estas tcnicas, como
se hace y como se aplican.
Ya el captulo tres trata una introduccin el tema principal del libro: la dinmica del
mtodo de Newton y lo hace en el primer lugar donde se debe ver, la recta real. As, se estudia
la dinmica de la transformacin de Newton en al mbito del conjunto de los nmeros reales
y se completa el captulo con las bifurcaciones del referido mtodo. Para este captulo ya
se hace necesario algn mejor dominio de la matemtica. Digamos: un curso bien hecho de
introduccin al anlisis real; otro de lgebra intermedia, algo de polinomios, lgebra lineal y
un poco de topologa.
El captulo cuatro, que trata sobre la dinmica del mtodo de Newton en el campo de
los nmeros complejos, es la parte ms compleja del libro y tiene que ver con: una breve
ix
x ndice general
introduccin a la dinmica compleja; el estudio del mtodo de Newton aplicado a polinomios
de grado 2, 3, 4 y 5 y la determinacin de algoritmos generalmente convergentes para poli-
nomios complejos. Esta ltima parte tiene que ver con desarrollos relativamente recientes y
requerir mayor concentracin del lector. En todo caso, hay una rica bibliografa que puede
ayudar a comprender de mejor manera esta ltima parte.
El libro concluye con un cogollo esttico sobre comportamiento dinmico de polinomios
y sus subyacentes conjuntos de Julia, de Mandelbrot y la sorprendente relacin que dice que
conjuntos de Julia llenos de polinomios cuadrticos, aparecen como parte del conjunto de
Fatou del mtodo de Newton aplicados a polinomios cbicos. Concluye la obra mostrando el
fractal de Chicho (Chicho es el sobrenombre del matemtico espaol Jos Javier Guadalupe
(19452000)), que puede obtenerse jugando con una modicacin de la funcin de iteracin
asociada al conjunto de Mandelbrot del polinomio cuadrtico z
2
+c.
En n, damos la bienvenida a este libro que resulta ser un lugar para aprender y entrete-
nerse, para quien quiera hacerlo.
Dr. Rafael Labarca B.
Profesor de Matemtica
Universidad de Santiago de Chile
Santiago de Chile, 6 de mayo de 2013
ndice general
1. Sistemas dinmicos discretos 1
1.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Conceptos bsicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Conjugacin Topolgica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4. Estudio dinmico de la funcin logstica . . . . . . . . . . . . . . . . . . . . . 16
1.5. Sistemas dinmicos caticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2. El mtodo de Newton 33
2.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2. Historia del mtodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3. Construcciones y variantes del mtodo de Newton . . . . . . . . . . . . . . . . 47
2.4. Convergencia del mtodo de Newton . . . . . . . . . . . . . . . . . . . . . . . 55
2.4.1. Convergencia local del mtodo de Newton . . . . . . . . . . . . . . . . 57
2.4.2. Convergencia semilocal del mtodo de Newton . . . . . . . . . . . . . . 60
2.4.3. Convergencia global del mtodo de Newton . . . . . . . . . . . . . . . . 66
2.5. El caso de las races mltiples . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.6. Ejemplos y aplicaciones del mtodo de Newton . . . . . . . . . . . . . . . . . . 72
2.6.1. Ejemplos histricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.6.2. Ejemplos patolgicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.6.3. Sistemas de ecuaciones no lineales . . . . . . . . . . . . . . . . . . . . . 81
2.6.4. Ecuaciones y sistemas con races mltiples . . . . . . . . . . . . . . . . 85
2.6.5. Ecuaciones funcionales . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3. Mtodo de Newton en la recta real 95
3.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.2. Mtodo de Newton para cuadrticas . . . . . . . . . . . . . . . . . . . . . . . 99
3.3. Mtodo de Newton para polinomios cbicos . . . . . . . . . . . . . . . . . . . 105
3.4. Propiedades bsicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.5. Indenicin de las iteraciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
xi
xii ndice general
3.6. Existencia de rbitas peridicas atractoras . . . . . . . . . . . . . . . . . . . . 115
3.7. Bifurcaciones en el mtodo de Newton . . . . . . . . . . . . . . . . . . . . . . 122
4. Mtodo de Newton en el plano complejo 129
4.1. Antecedentes: el problema de Cayley . . . . . . . . . . . . . . . . . . . . . . . 129
4.2. Conceptos bsicos de dinmica compleja . . . . . . . . . . . . . . . . . . . . . 131
4.2.1. Puntos jos de una aplicacin racional . . . . . . . . . . . . . . . . . . 132
4.2.2. Ciclos en una funcin racional . . . . . . . . . . . . . . . . . . . . . . . 137
4.2.3. Puntos crticos de una funcin racional . . . . . . . . . . . . . . . . . . 139
4.3. Los conjuntos de Fatou y Julia . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
4.4. Propiedades del mtodo de Newton en C . . . . . . . . . . . . . . . . . . . . . 149
4.4.1. El mtodo de Newton para polinomios cuadrticos . . . . . . . . . . . . 151
4.4.2. El mtodo de Newton para polinomios cbicos con races mltiples . . 152
4.4.3. El mtodo de Newton para polinomios cbicos . . . . . . . . . . . . . . 155
4.4.4. El mtodo de Newton para polinomios de grados 4 y 5 . . . . . . . . . 158
4.5. Algoritmos generalmente convergentes . . . . . . . . . . . . . . . . . . . . . . 161
4.5.1. Algoritmos generalmente convergentes para polinomios de segundo grado169
4.5.2. Algoritmos generalmente convergentes para polinomios de tercer grado 170
4.5.3. Otros algoritmos generalmente convergentes para polinomios de tercer
grado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
4.5.4. Conjunto de Julia universal para el algoritmo de McMullen . . . . . . . 174
4.6. Mtodo de Newton para funciones enteras . . . . . . . . . . . . . . . . . . . . 179
5. Julia, Mandelbrot y Newton 185
5.1. Resultados generales sobre iteracin de polinomios . . . . . . . . . . . . . . . . 185
5.2. Conjunto de Mandelbrot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
5.3. Mtodo de Newton y conjuntos de Julia . . . . . . . . . . . . . . . . . . . . . 188
5.4. El fractal de Chicho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
Bibliografa 195
Captulo 1
Sistemas dinmicos discretos
1.1. Introduccin
Una parte de la teora de los sistemas dinmicos se dedica a estudiar el comportamiento
de las iteraciones sucesivas de una funcin en trminos de los diferentes puntos iniciales.
El problema de determinar la conducta de los iterados de una funcin aparece frecuen-
temente en algunos estudios naturales, como por ejemplo en la dinmica de poblaciones. El
objetivo de este tipo de problemas es determinar el nmero de individuos x(t) de una deter-
minada poblacin como funcin del tiempo t. Una aproximacin a este problema, debida al
economista ingls Thomas R. Malthus (Primer ensayo de la poblacin, 1798), consiste en
asumir que existe una tasa de nacimiento constante b, lo cual signica que en una poblacin
de x individuos podemos esperar que bx nuevos individuos nazcan en el transcurso de una
unidad de tiempo. Esto puede ser formulado como una ecuacin en diferencias nitas
x
n+1
= x
n
+bx
n
= (1 +b)x
n
,
donde x
n
es la poblacin en el tiempo n. Iterando esta relacin obtenemos la expresin
x
n
= (1 +b)
n
x
0
como prediccin de la poblacin, donde x
0
es la poblacin inicial.
Frecuentemente, se supone que la poblacin sigue una evolucin continua, de modo que
idealmente las mediciones x
n
sern tomadas en intervalos pequeos de longitud h. Esto lleva
a la ecuacin de diferencias
x((n + 1)h) x(nh) = bhx(nh).
Escribiendo x(t) como funcin de t = nh, y reordenando, obtenemos
x
(t) = lm
h0
x(t +h) x(t)
h
= bx(t).
1
2 Sistemas dinmicos discretos
Como vemos, la ecuacin en diferencias anterior se aproxima a la ecuacin diferencial
x
(t) = bx(t),
conocida como ecuacin diferencial de crecimiento exponencial. La solucin de esta ecuacin
es la funcin exponencial
x(t) = x
0
e
bt
.
En este caso, las versiones discreta y continua de este sistema dinmico se comportan ms
o menos de la misma forma.
Ntese que en el modelo anterior no hemos considerado la tasa de mortalidad. Podemos
asumir que sta es proporcional a la poblacin existente en cada momento dado. Esto nos
lleva otra vez a la ecuacin de diferencias de crecimiento exponencial si la tasa de nacimientos
excede a la tasa de muertes, o al decaimiento exponencial si ocurre lo opuesto. Sin embargo,
uno puede suponer que la tasa de muerte es proporcional al nmero de encuentros entre
individuos. Esto es, cuanto ms y ms individuos entren en contacto unos con otros, un mayor
porcentaje de individuos muere. Esta es la base del conocido como modelo de Verhulst, que
en su versin continua da lugar a la ecuacin diferencial
x
(t) = bx(t) dx
2
(t),
tambin conocida como ecuacin logstica, y cuya solucin es
x(t) =
bx
0
dx
0
+ (b dx
0
)e
bt
.
Obsrvese que las muertes decaen exponencialmente a 0 cuando t . Por lo tanto, este
modelo predice una poblacin lmite de b/d individuos, independiente de la poblacin inicial.
La expresin, relativamente sencilla, de la funcin logstica no hace sospechar que esconda
una riqueza dinmica extraordinaria. Por ejemplo, una variante de la funcin logstica en su
versin discreta,
x
n+1
= (1 +b)x
n
dx
2
n
fue empleada por el bilogo Robert May en 1976 para estudiar el crecimiento de una poblacin
de insectos [97]. May constat que el modelo as obtenido poda presentar comportamientos
muy variados, como vemos en el siguiente ejemplo.
Ejemplo 1.1. Analcese el comportamiento de la sucesin
x
n+1
= cx
n
(1 x
n
)
para distintos valores del parmetro c, considerando en todos los casos el mismo punto de
partida: x
0
= 0.1.
1.2. Conceptos bsicos 3
Para c = 0.75 la sucesin x
n
converge a 0. Para c = 2.5 la sucesin x
n
converge
a 0.6. Para c = 3.2, y a partir de un cierto valor de n, se observa que la sucesin
x
n
va tomando los valores 0.513045 y 0.799455. Sin embargo, para c = 3.5 esta
tendencia repetitiva ha aumentado a cuatro trminos: 0.38280, 0.826941, 0.500884
y 0.874997. Por ltimo para c = 3.8 los trminos de la sucesin anterior no siguen
ningn orden aparente. Presentan, por tanto, un comportamiento catico.
1.2. Conceptos bsicos
En esta seccin presentamos algunos de los conceptos bsicos de la dinmica de funcio-
nes escalares. Slo consideramos los resultados que, a nuestro juicio nos han parecido ms
relevantes o que vayamos a utilizar en secciones posteriores. Existe una extensa bibliografa
que permite profundizar ms en este apartado. A modo de ejemplo, se pueden consultar los
textos [3, 43, 57, 66, 69, 94, 127, 126, 141] y algunos artculos [91, 97, 144].
La primera denicin hace referencia a lo que se entiende por un sistema dinmico discreto.
Denicin 1.1. Un sistema dinmico discreto es un par (X, f) formado por un espacio
mtrico X y una funcin f : X X.
En esta seccin nos centramos en el caso de que el espacio mtrico X es el conjunto
R de los nmeros reales. No obstante, muchas de las deniciones y conceptos que vamos
a introducir aqu se pueden extender de forma natural a otros espacios como los nmeros
complejos C o a los espacios R
n
con n > 1. Del mismo modo, en un principio, slo requerimos
que las funciones sean continuas, aunque tambin se pueden obtener resultados especcos
cuando se trabaja con funciones derivables.
Sea f : I R una funcin continua denida en un intervalo I R. En lo que sigue f
n
denotar la composicin de f con s misma n veces, es decir,
f
n
= f f f
. .
n veces
cuando esta composicin tenga sentido.
Denicin 1.2. Sea p I. Si las sucesivas imgenes de p, f(p), f
2
(p), f
3
(p), . . ., estn
denidas, se dene la rbita de p como el conjunto
orb(p) = p, f(p), f
2
(p), . . . , f
n
(p), . . . .
La teora de los sistemas dinmicos trata de analizar el comportamiento de orb(p) para
diferentes valores de p I. En una primera clasicacin de las rbitas podemos distinguir
aqullas que se acercan a un cierto valor o las que presentan un comportamiento peridi-
co. Desde el punto de vista dinmico, tal vez, las ms interesantes resulten las rbitas no
peridicas y que puedan dar lugar a un comportamiento catico.
4 Sistemas dinmicos discretos
Comenzamos deniendo los elementos ms simples en el estudio de los sistemas dinmicos
discretos: los puntos jos y los puntos peridicos.
Denicin 1.3. Sea p I. Decimos que
(a) p es un punto jo de f si f(p) = p.
(b) p es un punto peridico de perodo k si, f
k
(p) = p y f
j
(p) ,= p para 1 j k 1.
(c) Nos referiremos a la rbita peridica de un punto peridico de perodo k como un k-
ciclo.
A continuacin hacemos algunas observaciones interesantes acerca de esta denicin.
(i) Los puntos jos de f son aqullos en donde su grco intersecta a la lnea y = x.
(ii) Los puntos peridicos de perodo k 2 de f son los puntos jos de f
k
que no son
puntos jos de f
j
para 1 j k 1.
(iii) Si p es un punto peridico de f entonces su rbita es nita. En este caso, el nmero de
elementos en orb(p) es su perodo.
Ejemplo 1.2. Para f : R R, f(x) = x
3
, x
0
= 0 es un punto jo y x
1
= 1 es un punto
peridico de perodo 2.
Aunque existe una gran variedad de resultados que garantizan la existencia de puntos jos
de una funcin bajo distintas suposiciones, los siguientes teoremas, son quizs los ms ele-
mentales sobre existencia de puntos jos. Omitimos su demostracin, que es una consecuencia
inmediata del teorema del valor intermedio (vase [80]).
Teorema 1.1. Sean I = [a, b] un intervalo cerrado y f : I R una aplicacin continua tal
que f(I) I I f(I). Entonces f tiene un punto jo en I.
Ejemplo 1.3. La funcin f(x) = 1 x
2
denida en el intervalo I = [0, 1] satisface las
condiciones del teorema 1.1.
En efecto, notemos que f(I) = I, luego f tiene un punto jo en I. En este caso,
dicho punto jo es fcil de encontrar. Para ello tenemos que resolver la ecuacin
f(x) = x, es decir, 1 x
2
= x, de donde x
0
= (1 +
n1
f
n
(q), donde
f
k
(q) = x I : f
k
(x) = q.
Ejemplo 1.4. La funcin f(x) = [1x[, denida para x R, tiene un punto eventualmente
jo en p = 3/2 y un punto eventualmente peridico de perodo 2 en p = 2.
En efecto, como f(1/2) = 1/2 y f(3/2) = 1/2, se tiene que f
n+1
(3/2) = f
n
(3/2) =
1/2 si n 1. Por otra parte, como 0, 1 es una rbita peridica de perodo 2, y
como f(2) = 1 se sigue que 2 es eventualmente peridico de perodo 2.
Ejemplo 1.5. La funcin f(x) = x
3
tiene un punto jo en x = 0. Adems, los puntos en
x (1, 1) satisfacen lm
n
f
n
(x) = 0 = f(0) (vase la gura 1.1).
Por otra parte, la funcin f(x) =
3
(x)[ < 1
para todo x I, entonces f tiene un nico punto jo en I.
Demostracin. Inmediata a partir del teorema del valor medio.
Supongamos que f es de clase C
1
(I), es decir, derivable en I y con la funcin derivada
continua. Sea p un punto jo de f contenido en el intervalo I. El carcter de la derivada
de f en p nos proporciona informacin sobre el punto jo. Notemos que si [f
(p)[ < 1,
entonces existe un intervalo abierto U I con p U, tal que para cada x U se tiene
lm
n
f
n
(x) = p. En consecuencia U B(p).
Sin embargo, si [f
(p)[ > 1 existe un intervalo abierto conteniendo a p tal que todos los
puntos de ese intervalo, diferentes del punto p, salen del intervalo bajo iteraciones por f.
Estas observaciones estn en la base del siguiente resultado que caracteriza los puntos
jos de una funcin en trminos de su derivada.
8 Sistemas dinmicos discretos
Teorema 1.6. Sea f : I R una funcin de clase C
1
(I) y sea p un punto jo de f.
1. Si [f
(p)[ = 1.
Adems decimos que p es un punto peridico indiferente (o neutro) de f si p es un punto
jo indiferente (o neutro) de f
k
, siendo k el perodo de p.
Notemos que cuando p es un punto jo atractor, el valor [f
x, f(x) = x x
3
, f(x) = x +x
3
y f(x) = x +x
2
.
En el primer caso, f
x, lm
x0
f
(x) = , luego x = 0 es un
punto jo repulsor.
Es inmediato comprobar que para las funciones f(x) = x x
3
, f(x) = x + x
3
y f(x) = x + x
2
se tiene f
no se anula en la rbita
de p, entonces p y (p) tienen el mismo carcter (atractor, repulsor, indiferente).
(d) Si p es un punto peridico de f con cuenca de atraccin B(p), entonces la cuenca de
atraccin de (p) es (B(p)).
(e) Los puntos peridicos de f son densos en D si y slo si los puntos peridicos de g son
densos en E.
(f) f es catica sobre D si y slo si g es catica sobre E.
Demostracin. El apartado (a) se sigue directamente de la denicin y del hecho de que
tiene inversa continua. Por consiguiente, se tiene que f(
1
(u)) =
1
(g(u)), u E. Por
otra parte, para z D se tiene que
(f
2
(z)) = (f(f(z))) = g((f(z))) = g(g((z))) = g
2
((z)).
Siguiendo un razonamiento inductivo, se deduce que
(f
n
(z)) = (f(f
n1
(z))) = g((f
n1
(z))) = g(g
n1
((z))) = g
n
((z)),
con lo que se deduce el apartado (b). Supongamos ahora que p es un punto peridico de f,
de perodo k. Entonces k es el menor valor para el que f
k
(p) = p. Teniendo en cuenta el
apartado anterior, se tiene
(p) = (f
k
(p)) = g
k
((p)). (1.1)
En consecuencia (p) es un punto peridico de g con el mismo perodo k, como se pone de
maniesto en (c).
12 Sistemas dinmicos discretos
Para probar el apartado (c) tendremos en cuenta que, por el teorema 1.6 el carcter
de un punto jo p de f viene dado por el valor de [f
(p
0
)f
(p
1
) f
(p
k1
)[, donde
p
j
= f
j
(p) para j = 0, 1, . . . , k 1. Teniendo esta notacin en cuenta y derivando en la
segunda igualdad de (1.1) tenemos que
(f
k
(p))f
(p
0
)f
(p
1
) f
(p
k1
) = g
(q
0
)g
(q
1
) g
(q
k1
)
(p),
donde q
j
= g
j
((p)) para j = 0, 1, . . . , k 1. Como
(f
k
(p)) =
1
g
n
(x) =
1
(0) R,
lo que es una contradiccin. Por lo tanto, f y g no pueden ser conjugadas.
1.3. Conjugacin Topolgica 13
Ejemplo 1.12. Qu relacin debe existir entre los parmetros a, b R para que las aplica-
ciones cuadrticas g
a
(x) = ax(1x) y h
b
(x) = 1bx
2
sean conjugadas por un homeomorsmo
de la forma (x) = x +, con ,= 0?
Notemos en primer lugar que transforma el punto crtico de h
b
en el punto
crtico de g
a
, es decir, (0) = 1/2. En consecuencia, = 1/2 y, por tanto, (x) =
x + 1/2. Para determinar usamos la ecuacin de conjugacin
g
a
(x) = h
b
(x).
Tenemos entonces
g
a
(x) = g
a
_
x +
1
2
_
= a
_
x +
1
2
__
1
_
x +
1
2
__
=
a
4
a
2
x
2
.
Por otra parte
h
b
(x) = (1 bx
2
)
= (1 bx
2
) +
1
2
= +
1
2
bx
2
.
Igualando las partes constantes y los coecientes que acompaan a x
2
, obtenemos
las ecuaciones
_
_
a/4 = + 1/2
a
2
= b.
De la segunda ecuacin, obtenemos que = b/a. Reemplazando este valor en la
primera de esas ecuaciones se obtiene que los parmetros a y b en esas dos familias
de aplicaciones para los cuales tenemos la conjugacin estn relacionados por
b =
a
2
2a
4
.
En este caso, debe ser elegido como
=
b
a
=
a 2
4
.
Por ejemplo, en el caso particular de que a = 4 y b = 2, se tiene que = 1/2.
Por tanto, las aplicaciones g
4
(x) = 4x(1 x) y h
2
(x) = 1 2x
2
son conjugadas
por el homeomorsmo (x) = (x + 1)/2.
14 Sistemas dinmicos discretos
El teorema 1.7 asegura que dos aplicaciones conjugadas topolgicamente generan dinmi-
cas equivalentes. Esta idea permite reducir el estudio de las dinmicas de algunas familias de
funciones a algunos casos concretos. Uno de los ejemplos ms signicativos de esta situacin
resulta ser el estudio dinmico de los polinomios de segundo grado. Aunque, en principio
un polinomio cuadrtico puede depender de tres parmetros, tras un proceso de conjugacin
topolgica se puede reducir el estudio a una familia de polinomios dependientes de un solo
parmetro.
Ejemplo 1.13. Sea f(x) = ax
2
+ bx + c, con a ,= 0, un polinomio de segundo grado con
coecientes reales. Entonces, las dinmicas de esta familia de funciones son conjugadas to-
polgicamente con las dinmicas de
f
(x) = x
2
+, R. (1.2)
Es decir, de los tres parmetros que aparecen en f, dos de el los son innecesarios para describir
la dinmica, y en realidad slo basta un parmetro, , para l levar a cabo esta tarea.
Armamos que de esos tres parmetros a, b y c dos de ellos son ilusorios (innece-
sarios) desde el punto de vista dinmico. Para verlo, consideremos una aplicacin
afn L(x) = x+, con ,= 0. Tenemos que L es biyectiva y L
1
(x) = (x)/.
La funcin g(x) = (L
1
f L) (x) es tambin cuadrtica y, por el teorema 1.7,
la descripcin de las rbitas de g equivale a la descripcin de las rbitas de f.
Recordemos que L es llamada una conjugacin entre f y g, y como en este caso L
es afn, la llamaremos conjugacin afn. La expresin explcita de g es la siguiente
g(x) = L
1
f L(x)
=
a (L(x))
2
+bL(x) + c
= ax
2
+ (2a +b)x +
a
2
+b +c
.
Ahora, elegimos y de modo que a = 1 y 2a + b = 0, es decir, = 1/a y
= b/(2a). De aqu resulta que g(x) = x
2
+, con
=
4ac + 2b b
2
4
.
Finalmente, denotamos g por f
1 4
2
,
1.3. Conjugacin Topolgica 15
que son reales para 1/4 y complejos para > 1/4. Si nos centramos en los nmeros
reales, esto hace que el comportamiento dinmico de los polinomios de la familia denida en
(1.2) sea sencillo para > 1/4 pero mucho ms complicado para 1/4. Vamos a precisar
estos aspectos en los dos siguientes ejemplos.
Ejemplo 1.14. Si > 1/4, los iterados de cualquier punto por f
tienden a +. Si = 1/4,
se tiene que p = 1/2 es un punto jo indiferente con cuenca de atraccin [1/2, 1/2].
El primer caso es de comprobacin inmediata, pues f
(x) = x
2
+ son
conjugadas topolgicamente con las dinmicas de la funcin logstica
T(x):
T
1
f
T(x) =
f
(T(x))
=
(T(x))
2
+
= x
2
+ 2x +
2
+
.
Ahora hacemos
2
+ = 0, es decir,
=
1
1 4
2
.
Notemos que es aqu donde se requiere la condicin 1/4. Usamos slo el valor
positivo de la raz, es decir, = (1 +
T(x) = x
2
+ (1 +
1 4)x.
Tomando ahora = (1 +
T(x) = x(1 x)
que es la funcin logstica con = .
16 Sistemas dinmicos discretos
1.4. Estudio dinmico de la funcin logstica
En la seccin anterior hemos visto que las dinmicas de la funcin logstica
1 4.
Notemos que la situacin que nos queda pendiente de estudio para la familia (1.2) es < 1/4,
que conduce a estudiar la funcin logstica (1.3) para > 1. No obstante, vamos a proceder
a realizar un estudio ms general de las dinmicas de (1.3) para 0.
La funcin logstica (1.3) es un clsico entre los estudios de las dinmicas de funciones de
variable real. A pesar de su aparente sencillez, en ella se engloban la mayora de situaciones
que se nos pueden plantear en el estudio de una funcin cualquiera, incluyendo fenmenos
tales como las bifurcaciones o comportamientos caticos. Se pueden encontrar un gran nmero
de referencias sobre la funcin logstica. Como una pequea muestra, se pueden consultar [15],
[43], [56], [93], [97] o [114].
Antes de comenzar con el estudio dinmico de la funcin logstica, observemos que po-
demos reducir el intervalo de estudio al intervalo I = [0, 1]. En efecto, si x
0
/ I, entonces
x
1
=
(x
0
) < 0 y el resto de iteraciones por
(0) = 0 y
= (1)/. De la ubicacin
del segundo punto jo y del carcter atractor o repulsor de ambos va a depender en gran
manera el comportamiento dinmico de la funcin logstica (1.3). Ntese que
(0) = y
_
1
_
= 2 . (1.4)
De (1.4) se obtienen las caracterizaciones de los puntos jos de (1.3) que se muestran en el
cuadro 1.1.
Despus de estas consideraciones generales, vamos a pasar al estudio de la funcin logstica
(1.3) para distintos valores de y para x I = [0, 1].
La funcin logstica para 0 < 1
Dejando a un lado el caso = 0 para el cual la funcin logstica tiene un comportamiento
trivial (de hecho, la rbita de cualquier punto x I es x, 0, 0 . . . ), se tiene que
slo tiene
1.4. Estudio dinmico de la funcin logstica 17
Cuadro 1.1: Comportamiento de los puntos jos de la funcin logstica, 0 y x
= ( 1)/,
para diferentes valores de . Notemos que para = 1 ambos puntos jos coinciden.
0 < 1 = 1 1 < < 3 = 3 > 3
0 Atractor Indiferente Repulsor Repulsor Repulsor
x
(0) = < 1
(vase (1.4)). Adems la rbita de cualquier punto x
0
(0, 1) decrece a 0 cuando n .
En la gura 1.4 se muestra, para = 0.9, la rbita del punto x
0
= 0.6 y el comportamiento
conjunto de las rbitas de todos los puntos del intervalo [0, 1] que se obtiene representando
las grcas de las composiciones iteradas de la funcin
= ( 1)/,
conuyen en uno slo: x = 0. En este caso, se trata de un atractor dbil en [0, 1], ya que,
1
(0) = 1. En este caso, la rbita de cualquier punto x
0
(0, 1) tambin decrece a 0 cuando
n . El comportamiento grco es muy similar al que se muestra en la gura 1.4.
18 Sistemas dinmicos discretos
La funcin logstica para 1 < 2
A partir de ahora, para > 1, se tiene que x = 0 es punto jo repulsor. Pero, por otra
parte, el otro punto jo x
(x
,
que ahora resulta ser un superatractor). Los puntos eventualmente jos tienen su inuencia
en el comportamiento dinmico de la funcin logstica. En concreto se tiene:
Las rbitas de x
0
(0, x
.
Las rbitas de x
0
(x
.
Si x
0
(1/, 1) se tiene que x
1
=
(x
0
) (0, x
.
Estos comportamientos se muestran, para algunos casos concretos, en la gura 1.5.
En este caso, las funciones iteradas
n
(x
6 3.4495
Para > 3, ambos puntos jos 0 y x
?
Considerando la aplicacin
2
(x
1
) = x
2
y
(x
2
) = x
1
, en otras palabras, aparece una rbita peridica de
perodo 2, tambin denominada un 2-ciclo. Podemos observar esta situacin en las grcas
de la gura 1.8.
0.2 0.4 0.6 0.8 1
0.2
0.4
0.6
0.8
1
0.2 0.4 0.6 0.8 1
0.2
0.4
0.6
0.8
1
Figura 1.8: En negro, las grcas de
2
se ha
bifurcado en dos puntos jos de
2
.
Lo que ha ocurrido es que el punto jo x
de
, adems
de los puntos sobre la rbita peridica. Encontramos x
1
y x
2
, dividiendo el polinomio por
x (x x
(x)) x
x (x x
)
= (
2
x
2
2
x x + + 1).
1.4. Estudio dinmico de la funcin logstica 21
Las soluciones de esta ecuacin cuadrtica son:
x
1
, x
2
=
1
2
+
1
2
1
2
_
1 +
1
__
1
3
_
.
La estabilidad del ciclo depende del valor (
2
(x
j
), j = 1, 2, el cual es el mismo para x
1
y x
2
. Notemos que
_
(x
j
) =
(x
j
))
(x
j
) =
(x
1
)
(x
2
).
En consecuencia, [(
2
(x
j
)[ < 1 si [4 + 2
2
[ < 1. Resolviendo esta desigualdad para
0 4, encontramos que es cierta para 3 < 1 +
6 <
3.5699
Ahora, para > 1 +
6 3.4495 la rbita peridica x
1
, x
2
es repulsora y en su
lugar aparece una rbita atractora de perodo 4. Esta rbita puede encontrarse resolviendo
numricamente
4
(x) = x y
2
(x) = x y
4
6 3.4495 . . . ,
3
3.5441 . . . ,
4
3.5644 . . . Llamamos a este fenmeno bifurcacin de duplicacin de
perodo. Puede probarse que este fenmeno se va repitiendo, pasando por todos los perodos
de la forma 2
n
, hasta llegar a un valor lmite
= lm
n
n
3.5699.
Al valor
< < 4
El punto
_
2x si 0 x <
1
2
2x 1 si
1
2
x 1
(1.5)
es catico.
Obsrvese que tanto x = 0 como x = 1 son puntos jos de S(x). La forma ms
clara de entender cmo acta la funcin (1.5) para el resto de puntos, se obtiene
escribiendo la representacin binaria de un nmero x (0, 1):
x = (0.a
1
a
2
a
3
. . . )
2
= a
1
2
1
+a
2
2
2
+a
3
2
3
+ ,
donde a
i
0, 1 para i 1. Es conocido que en el sistema decimal un mismo n-
mero puede tener dos representaciones. Por ejemplo, se tiene que 1 = 0.9999 =
0.
9, donde
1)
2
. Para evitar ambigedades, en nmeros con dos
representaciones elegiremos siempre la nita. As, usaremos 1/2 = (0.1)
2
y no
(1/2 = 0.0
1)
2
.
1.5. Sistemas dinmicos caticos 29
0.2 0.4 0.6 0.8 1.0
0.2
0.4
0.6
0.8
1.0
0.2 0.4 0.6 0.8 1.0
0.2
0.4
0.6
0.8
1.0
Figura 1.20: Grca de la funcin diente de sierra con las rbitas de los puntos x
0
= 0.1 y
x
0
=
01)
2
y 2/3 = (0.
10)
2
. Hay dos 3-ciclos, uno que comienza por el punto 1/7 = (0.
001)
2
y otro que comienza por el punto 3/7 = (0.
011)
2
. En concreto, estos dos 3-ciclos
son 1/7, 2/7, 4/7 y 3/7, 6/7, 5/7, respectivamente.
En general, se puede probar (vase [56] o [115] para un anlisis ms detallado de
estas cuestiones) que los puntos n-peridicos son nmeros racionales de la forma
p/(2
n
1), aunque esta representacin no tiene porqu estar escrita de forma
irreducible. Por ejemplo, es sencillo comprobar que existen tres 4-ciclos:
_
1
15
,
2
15
,
4
15
,
8
15
_
,
_
3
15
,
6
15
,
12
15
,
9
15
_
,
_
7
15
,
14
15
,
13
15
,
11
15
_
.
Todos son de la forma p/(2
4
1). Sin embargo, los posibles numeradores p de
estas fracciones no recorren el conjunto 1, . . . , 14. Esto es debido a que algunas
fracciones de la forma p/15 ya haban aparecido en ciclos ms cortos. En concreto
5/15 = 1/3 y 10/15 = 2/3 eran los componentes del 2-ciclo existente.
30 Sistemas dinmicos discretos
Llegados a este punto, queremos hacer notar que si x (0, 1) es un punto con
representacin binaria innita y no peridica, entonces la rbita S
n
(x) no puede
ser peridica. El punto x =
2/2 considerado en la segunda grca de la gu-
ra 1.20 es de estas caractersticas, por tanto, su rbita no puede ser peridica, tal
y como sugera la representacin grca.
El hecho conocido de que los nmeros racionales (que son los puntos peridicos de
S(x)) son densos en los reales ya nos permite aventurar que el sistema dinmico
([0, 1], S) es catico. Para demostrarlo con ms rigor, veamos que dados dos con-
juntos abiertos U y V cualesquiera de [0, 1], existe una rbita peridica que visita
ambos. En efecto, sean x = (0.a
1
a
2
a
3
. . . )
2
U e y = (0.b
1
b
2
b
3
. . . )
2
V . Como
U y V son abiertos, existe n N, lo sucientemente grande, tal que el punto
z = (0.a
1
a
2
. . . a
n
b
1
b
2
. . . b
n
a
1
a
2
. . . a
n
b
1
b
2
. . . b
n
. . . )
2
U
ya que [z x[ 2
n
. Pero por otra parte, la rbita de z tambin tiene puntos de
V ya que
S
n
(z) = (0.b
1
b
2
. . . b
n
a
1
a
2
. . . a
n
b
1
b
2
. . . b
n
a
1
a
2
. . . a
n
. . . )
2
V
y entonces [S
n
(z) y[ 2
n
.
Por ltimo, notemos que z es peridico ya que
S
2n
(z) = (0.a
1
a
2
. . . a
n
b
1
b
2
. . . b
n
)
2
= z.
En consecuencia, aplicando el teorema 1.8, el sistema dinmico asociado a la
funcin diente de sierra denida en (1.5) es catico.
Ejemplo 1.17. El sistema dinmico (X, T), donde X = [0, 1] y T es la funcin conocida
como tienda de campaa, denida por
T(x) =
_
_
2x si 0 x <
1
2
2(1 x) si
1
2
x 1
(1.6)
es catico.
El comportamiento de la funcin tienda de campaa es, en cierto modo, similar
al de la funcin diente de sierra (1.5) ya que las rbitas de los puntos racionales
son peridicas. De hecho, para estudiar el comportamiento de la funcin (1.6) nos
podemos apoyar en el ejemplo anterior. No es complicado probar por induccin
que
T
k+1
(x) = T(S
k
(x)), x [0, 1], k 1.
1.5. Sistemas dinmicos caticos 31
0.2 0.4 0.6 0.8 1.0
0.2
0.4
0.6
0.8
1.0
0.2 0.4 0.6 0.8 1.0
0.2
0.4
0.6
0.8
1.0
Figura 1.21: Grca de la funcin tienda de campaa con las rbitas de los puntos x
0
= 0.1
y x
0
=
2/2. Al igual que en la gura 1.20, slo las rbitas de puntos racionales tienen un
comportamiento peridico. Los puntos irracionales, como x
0
=
2/2, tienen rbitas no
peridicas.
Para demostrarlo, aplicamos de nuevo el teorema 1.8. Sean x = (0.a
1
a
2
a
3
. . . )
2
U e y = (0.b
1
b
2
b
3
. . . )
2
V dos puntos de dos conjuntos abiertos cualesquiera U
y V de [0, 1]. Entonces, existe n N, lo sucientemente grande, tal que el punto
z = (0.a
1
a
2
. . . a
n
0b
1
b
2
. . . b
n
0a
1
a
2
. . . a
n
0b
1
b
2
. . . b
n
0 . . . )
2
U
ya que [z x[ 2
n
. Pero por otra parte, la rbita de z tambin tiene puntos de
V ya que
T
n+1
(z) = T(S
n
(z)) = T(0.0b
1
b
2
. . . b
n
0a
1
a
2
. . . a
n
0)
2
= (0.b
1
b
2
. . . b
n
0a
1
a
2
. . . a
n
0)
2
V
puesto que [T
n+1
(z) y[ 2
n
.
Adems, z es peridico ya que
T
2n+2
(z) = T(S
2n+1
(z)) = T(0.0a
1
a
2
. . . a
n
0b
1
b
2
. . . b
n
0)
= 0.a
1
a
2
. . . a
n
0b
1
b
2
. . . b
n
0 = z.
En denitiva, hemos probado que el sistema dinmico asociado a la funcin tien-
da de campaa denida en (1.6) es catico.
Ejemplo 1.18. El sistema dinmico (X,
4
), donde X = [0, 1] y
4
es la funcin logstica de
parmetro = 4,
4
(x) = 4x(1 x), es catico.
32 Sistemas dinmicos discretos
Para demostrarlo, nos apoyamos de nuevo el teorema 1.8 y en el hecho de que
la funcin tienda de campaa T(x), denida en el ejemplo anterior, es ca-
tica. Adems, notemos que T y
4
son topolgicamente conjugadas mediante el
homeomorsmo h(x) = sen
2
(x/2). En efecto, se tiene que
h T(x) =
4
h(x), x [0, 1].
Es ms, h T
k
(x) =
k
4
h(x) para todo k 1. Por lo tanto, si x
0
es un punto
n-peridico de T, entonces h(x
0
) es un punto n-peridico de
4
. Teniendo esto en
cuenta, sean ahora U y V dos abiertos cualesquiera de X. Denotamos U
= h
1
(U)
y V
= h
1
(V ) a los correspondientes abiertos obtenidos a partir de la inversa
del homeomorsmo h. Como la funcin T es catica, existe x
0
U
tal que
T
n
(x
0
) = x
0
y adems T
k
(x
0
) V
(x)
para resolver una ecuacin no lineal f(x) = 0 puede presentar un comportamiento catico,
para una particular eleccin de f(x).
Por ejemplo, no hay ms que aplicar dicho mtodo a la funcin
f
(x) =
_
(x 1) + 1
x
_
1/(1)
donde > 1 y x ,= 0.
Unos sencillos clculos nos muestran que
N
f
f(x
n
)
f
(x
n
)
, n 0. (2.2)
En condiciones adecuadas, la sucesin anterior converge a la solucin buscada .
Es costumbre extendida entre los investigadores el bautizar sus descubrimientos con su
propio nombre o con el de un personaje relevante en la materia. En este caso, el nombre
de este mtodo est ligado al eminente cientco britnico Isaac Newton. Sus trabajos de
nales del siglo XVII parecen ser el germen del proceso que actualmente lleva su nombre.
Sin embargo, tal y como se recogen en numerosos trabajos de ndole histrico dedicados a
la evolucin del mtodo de Newton, ste es fruto de las aportaciones de un gran nmero de
33
34 El mtodo de Newton
cientcos, tanto anteriores como posteriores a Newton. En la seccin 2.2 se presenta de forma
detallada la evolucin histrica del mtodo (2.2), tal y como se recoge en [46]. Adems, las
referencias que all se citan pueden servir al lector para profundizar en este extenso tema.
2.2. Historia del mtodo de Newton
Se ha escrito mucho sobre el origen y evolucin de lo que hoy conocemos como mtodo de
Newton para resolver ecuaciones no lineales. De hecho, incluso no hay consenso en el nombre
del mtodo y muchos autores lo denominan mtodo de Newton-Raphson [31] e, incluso,
mtodo de Newton-Raphson-Simpson ([7], [153]). Es ms, tal y como podemos encontrar
en [84], dos de las caractersticas fundamentales del mtodo de Newton empleado en la
actualidad son que es iterativo y que incluye el uso de la derivada, aunque ninguna de esas
dos peculiaridades fueran observadas por Newton. Las siguientes notas se han extrado del
trabajo [46], publicado en la Gaceta de la RSME, donde, entre otras cosas, se presenta el
desarrollo histrico del mtodo de Newton.
Figura 2.1: Tablilla YBC 7289 de la Yale Babylonian Collection (fotografa de Bill Casselman
[27]).
Aunque la paternidad del mtodo se atribuye a Isaac Newton, la idea de encontrar
una cantidad desconocida mediante aproximaciones sucesivas se remonta a muchos siglos
atrs. As, en la Grecia clsica ya se utilizaban tcnicas para aproximar nmeros irracionales
(sobre todo ) por nmeros racionales. Pero incluso antes, dos mil aos antes de Cristo, las
civilizaciones mesopotmicas ya conocan tcnicas para aproximar la raz cuadrada de un
nmero. Las referencias al respecto son abundantes. A modo de ejemplo, citamos los textos
de Bailey [7], Knill [83] o Neugebauer y Sachs [105]. En particular, en [105, p. 4243] se
pone de maniesto cmo en la tablilla YBC 7289 (vase la gura 2.1) de la Yale Babylonian
2.2. Historia del mtodo de Newton 35
Collection [150] aparece un cuadrado de 30 unidades de lado en cuya diagonal estn escritos
los nmeros 1; 24, 51, 10 y 42; 25, 35.
1
La conversin al sistema decimal de la primera cantidad es 1.4142129629 . . . , que coincide
hasta la quinta cifra decimal con
2 = 1.4142135623 . . . Adems, la segunda cantidad es el
producto de 30 por la primera y es, por tanto, la longitud de la diagonal del cuadrado. As
pues, parece claro que los babilonios conocan un valor aproximado para
2 y que lo usaban
para sus clculos.
Otro indicio de que los babilonios saban cmo aproximar cantidades irracionales aparece
en la tablil la VAT6598 que se conserva en el museo de Berln y est fechada en 20001700 a.
C. En ella se plantea, entre otros, el problema de encontrar la diagonal de un rectngulo de
altura 40 y lado 10. Con la notacin actual, el problema se traducira en encontrar
40
2
+ 10
2
=
1700.
En la misma tablilla se propone como aproximacin el valor 41; 15 = 41 + 15/60. No se
sabe cmo se obtuvo este valor, ni tampoco hay indicios de que se use un proceso iterativo,
pero algunos autores [31] destacan el hecho de que esta cantidad coincida con la conocida
aproximacin para una raz cuadrada
h
2
+l
2
h +
l
2
2h
para h = 40 y l = 10.
La aproximacin anterior se conoce como frmula de Hern para el clculo de races
cuadradas, en la que, partiendo de una aproximacin inicial a de
3
+ 6
2
+ 10 1 = 0. (2.3)
Ignorando los trminos
3
+ 6
2
con el pretexto de que es pequeo, se llega a
que 10 1 0 = 0.1. Entonces, x = 2.1 es una aproximacin de la solucin
mejor que la inicial.
Haciendo ahora = 0.1 + y sustituyendo en (2.3) se sigue que
3
+ 6.3
2
+ 11.23 + 0.061 = 0.
Ignorando de nuevo los trminos en de grado mayor o igual que dos, se llega
a que 0.054 y, por tanto, x = 2.046 es una aproximacin que mejora las
anteriores. Newton indicaba que el proceso se puede repetir las veces que sean
necesarias.
Como vemos, la idea de Newton consiste en aadir un trmino corrector a una aproxi-
macin inicial dada. Para obtener esta aproximacin, lo que hace es truncar el binomio de
Newton en el segundo trmino, en expresiones del tipo
(a +)
n
a
n
+na
n1
.
2.2. Historia del mtodo de Newton 41
De esta manera, para obtener el valor aproximado de , simplemente hay que resolver una
ecuacin lineal.
Escribiendo el problema con la notacin actual y llamando p(x) = x
3
2x 5, tenemos
que la nueva aproximacin es
2
p(2)
p
(2)
= 2 +
1
10
= 2.1,
que se corresponde con la conocida formulacin del mtodo de Newton (2.2) cuando f(x)
es el polinomio p(x) anterior. Ahora bien, no se tiene constancia de que Newton usara el
clculo diferencial ni de que expresara el proceso como un mtodo iterativo en el sentido de
que una aproximacin pueda ser considerada como punto de partida de la siguiente. Adems,
Newton usaba su mtodo slo para resolver ecuaciones polinmicas. El propio Newton
era consciente de que su mtodo poda fallar y lo justica desde el principio de su obra De
analysi per aequationes numero terminorum innitas, donde encontramos la siguiente cita
donde aclara que lo que ha escrito est brevemente explicado ms que demostrado con toda
diligencia y que lo que muestra es un mtodo general que cavilar un da para medir la
cantidad de las curvas mediante una serie de trminos innitos:
Methodum generalem, quam de curvarum quantitate per Innitam terminorum
Seriem mensurada, olim excogitaveram, in sequentibus breviter explicatam potius
quam accurate demonstratam habes.
Segn algunos historiadores como [25] o [128] sta es una prueba de que en esa poca primaba
ms el inters de los matemticos por el descubrimiento que por la justicacin rigurosa de
lo descubierto. Por todo ello, podemos concluir que la idea que Newton tena de su mtodo
dista bastante de la que tenemos hoy en da.
La idea de iteracin se atribuye (vanse, por ejemplo, [31] y [153]) a Joseph Raphson
2
(16481715), quien adems simplica el aspecto operacional de la tcnica de Newton. En
1690 publica un tratado, Analysis Aequationum Universalis, en el que se dan frmulas expl-
citas para el trmino corrector para algunos casos particulares de ecuaciones. En concreto,
calcula los trminos correctores para las ecuaciones x
3
r = 0 y x
3
px q = 0 que son,
respectivamente,
r x
3
0
3x
2
0
y
q +px
0
x
3
0
3x
2
0
p
,
siendo x
0
la aproximacin inicial.
Notemos que Raphson public su obra 46 aos antes que el Mtodo de las uxiones de
Newton. Esta publicacin no estuvo exenta de unas pequeas dosis de polmica. En efecto,
2
Nos hubiera gustado incluir una fotografa de Raphson, pero no hemos encontrado ninguna disponible
en la red, como se indica en la pgina que Wikipedia dedica a este cientco, http://en.wikipedia.org/
wiki/Joseph_Raphson
42 El mtodo de Newton
como se menciona en [128], el propio Raphson, en la presentacin de su mtodo a la Royal
Society en 1690, es el primero en reconocer que el mtodo de Newton ya era conocido en
los ambientes cientcos de la poca y que su mtodo era una versin mejorada, eso s. As,
para no pecar de plagio, Raphson cita en su prefacio a Newton, entre otros matemticos. Sin
embargo, en la edicin de 1697, Raphson solo se reere a Vite como el antecesor del mtodo.
Ms adelante cita a Harriot y Oughtred, pero solamente cita a Newton en el apndice nal
y en relacin al teorema del binomio.
La contribucin de Raphson ha sido tenida en cuenta histricamente, no en vano muchos
autores denominan el proceso como mtodo de Newton-Raphson, sobre todo a partir del
trabajo de Cajori [25]. Sin embargo, en los trabajos de Raphson no se aprecia la conexin
existente entre el trmino corrector, la funcin que dene la ecuacin, y su derivada.
La incorporacin del clculo diferencial se debe a Thomas Simpson (17101761). Como se
puede ver en [84] o [153], Simpson, en su obra Essays on Mathematics, publicada en 1740, fue
quien estableci el mtodo tal y como lo conocemos actualmente, salvo aspectos notacionales
(Simpson explicaba de forma retrica cmo obtener las aproximaciones sucesivas). Adems,
Simpson extendi el proceso a funciones cualesquiera, no solamente polinomios.
Figura 2.7: A la izquierda, Thomas Simpson (17101761), el gran olvidado en cuanto a
sus aportaciones a lo que hoy conocemos como mtodo de Newton. A la derecha, Joseph
Louis Lagrange (17361813), el primero en plantear interrogantes sobre la convergencia del
mtodo de Newton.
Con motivo de ciertas observaciones a propsito de la utilizacin de series innitas, New-
ton parece estar preocupado por el concepto de convergencia, pero no aporta ninguna solucin
a este problema. La primera vez que aparece la discusin de la convergencia del mtodo de
Newton es en 1768, en el Trait de la rsolution des quations en general del francs Jean
Raymond Mourraille (17201808). A pesar de contener ideas novedosas, la mayor parte del
trabajo Mourraille pas inadvertido.
2.2. Historia del mtodo de Newton 43
Contrariamente a Newton y Raphson, Mourraille hace hincapi en el aspecto geomtri-
co del mtodo de Newton, justicando que ste sea tambin conocido como mtodo de la
tangente. Mourraille utiliza la representacin geomtrica para explicar el comportamiento de
la sucesin iterativa producida por el algoritmo de Newton. Adems, Mourraille observa por
primera vez que, dependiendo del punto de salida elegido, la sucesin generada por el mtodo
puede converger a alguna de las races de la ecuacin, oscilar, tender a innito, o acercarse a
un lmite que no es solucin de la ecuacin. Finalmente, Mourraille tambin muestra que la
convergencia puede ser ms o menos rpida, pero solamente lo indica en forma cuantitativa.
Posteriormente Joseph-Louis Lagrange (17361813), publica su Trait de la rsolution des
quations numriques de tous les degrs en 1808 [54]. Esta obra es un compendio de trabajos
sobre la teora de ecuaciones algebraicas en el que aparecen, entre otros, mtodos para separar
las races reales de una ecuacin algebraica o mtodos de aproximacin de races mediante
fracciones continuas (para ms informacin sobre la obra de Lagrange, se pueden consultar
las referencias [90], [128]). En ella Lagrange arma que el mtodo atribuido a Newton es el
que se emplea habitualmente para resolver ecuaciones numricas. Ahora bien, advierte que
este mtodo slo se puede usar para ecuaciones que estn ya casi resueltas en el sentido de
que para aplicarlo se necesita una buena aproximacin de la solucin. Adems, plantea dudas
sobre la exactitud de cada nueva iteracin y observa que el mtodo puede tener problemas
para el caso de races mltiples o muy prximas entre s. Tambin se preocup por indicar
los procedimientos para encontrar las soluciones complejas de una ecuacin algebraica.
Lagrange terci en la polmica sobre la asignacin del mtodo a Newton, Raphson o
Simpson. En concreto arma que es un hecho constatable que el mtodo de aproximacin de
Newton haba aparecido en la versin inglesa del Algebra de Wallis, publicada en 1685 y en
su posterior edicin en latn de 1693. Maniesta su sorpresa por el hecho de que Raphson no
mencione a Newton en su obra de 1695, lo cual hace decir a Lagrange que Raphson lleg a
pensar que su mtodo era diferente al de Newton. Sin embargo, el propio Lagrange arma
que ambos mtodos son el mismo, aunque presentados de forma diferente.
Jean Baptiste Joseph Fourier (17681830) fue el primero en analizar la velocidad de
convergencia del mtodo de Newton en una nota titulada Question danalyse algbraique
(1818) [54]. En este trabajo, Fourier expresa el mtodo con la notacin actual (2.2) y lo
bautiza como la mthode newtonienne, haciendo referencia explcita a las obras de Newton,
Raphson y Lagrange. Quizs, Fourier es el causante de la falta de reconocimiento para el
trabajo de Simpson.
El siguiente matemtico importante en estudiar el mtodo de Newton fue Augustin Louis
Cauchy (17891857), quien estudi este tema desde 1821, pero no dio una formulacin satis-
factoria hasta la publicacin de las Leons sur le Calcul direntiel en 1829 [54]. Cauchy da
condiciones, en trminos de las derivadas f
y f
R
para los que
lm
n
x
n
= , con x
0
I
.
Aunque la mayora del trabajo de Cauchy se centra en el campo real, al nal del mismo
dedica un apartado al estudio de races complejas.
Los primeros avances en el estudio del mtodo de Newton para resolver ecuaciones com-
plejas se dan con los trabajos de E. Schrder y A. Cayley en 1870 y 1879 respectivamente.
De hecho, el que se conoce como problema de Cayley consiste en caracterizar las regiones
S
del plano complejo para las cuales el mtodo de Newton converge a la raz si x
0
S
.
Este problema, inicialmente resuelto por Cayley para polinomios de segundo grado, encerraba
ciertas sorpresas para polinomios de tercer grado. En palabras del propio Cayley, en 1890:
Espero poder aplicar esta teora al caso de una ecuacin cbica, pero los clculos son mucho
ms difciles. Cuarenta aos ms tarde, los trabajos de Gaston M. Julia (1918) y Pierre J.
L. Fatou (1920) revelaron que el problema al que se enfrentaba Cayley era prcticamente
inabordable con los conocimientos y tcnicas de su poca. Como se indica en el captulo 4, el
estudio de las dinmicas del mtodo de Newton para funciones de variable compleja no es en
absoluto trivial y requiere de conocimientos y resultados que no se desarrollaron hasta bien
entrado el siglo XX.
El hecho de pensar en el mtodo de Newton para encontrar las races de una funcin de
variable compleja nos lleva, de forma natural, a pensar tambin en el mtodo de Newton para
encontrar las races de una funcin vectorial de dos variables f : R
2
R
2
. En este caso, el
mtodo de Newton admite unas interesantes interpretaciones geomtricas, como puede verse
en [1] y [152]. Volviendo al punto de vista histrico, fue el propio Simpson quien estudi por
primera vez un sistema de dos ecuaciones transcendentales. En el sexto de sus ensayos, escritos
en 1740, Simpson describe la tcnica para resolver sistemas no lineales de dos ecuaciones con
2.2. Historia del mtodo de Newton 45
Figura 2.9: Arthur Cayley (18211895) y Ernst Schrder (18411902), precursores en la
extensin del mtodo de Newton al plano complejo.
dos incgnitas usando lo que hoy en da llamamos el mtodo de Newton para sistemas
F(x) = 0 con F : R
d
R
d
.
De hecho (vase [153] para ms detalles), Simpson indica cmo calcular los elementos de
la matriz jacobiana F
(x)(x
n+1
x
n
) = F(x
n
) usando la regla de Cramer. Simpson ilustra su tcnica
con tres ejemplos. El primero de ellos, con la notacin actual, es:
_
_
y +
_
y
2
x
2
= 10,
x +
_
y
2
+x = 12.
A pesar del carcter innovador del trabajo de Simpson, ste no tuvo mucha repercusin en
su poca.
El problema de la extensin del mtodo de Newton al caso multidimensional cay en el
olvido hasta comienzos del siglo XX. En 1916, Henry B. Fine y Albert A. Bennet, ambos
profesores de la Universidad de Princeton, publicaron sendos artculos On Newtons Method
of Approximation y Newtons method in general analysis para sistemas de ecuaciones y para
ecuaciones funcionales respectivamente. En el trabajo de Fine se da un resultado de conver-
gencia para el mtodo de Newton aplicado a un sistema de ecuaciones en el cual no se asume
la existencia de solucin, sino que slo se exigen condiciones sobre el punto de partida. En
ese mismo trabajo, Fine arma que no haba encontrado anteriormente resultados de este
tipo para funciones vectoriales. En el trabajo de Bennet se justica el empleo del mtodo de
Newton tambin en el caso de ecuaciones funcionales, extendiendo el trabajo de Fine. Ambos
trabajos resultaron muy innovadores en una poca en la que el anlisis funcional era una
rama de las Matemticas que estaba dando sus primeros pasos. De hecho, slo unos aos ms
tarde, en 1932, Stefan Banach introdujo la nocin de espacios de Banach en su famoso libro
Theorie des oprations linaires [9].
46 El mtodo de Newton
Figura 2.10: Alexander Markowich Ostrowski (18931986) y Leonid Vitalievich Kantorovich
(19121986) extendieron el mtodo de Newton para operadores denidos en espacios de
Banach.
A partir de ese momento, varios investigadores muestran inters en la extensin del mtodo
de Newton para sistemas de ecuaciones y las publicaciones sobre el tema comienzan a ser
numerosas. Pueden consultarse algunas bibliografas especcas sobre el mtodo de Newton
([95], [101]) o buscar en las bases de datos especializadas.
Durante este perodo, destacamos las publicaciones de Alexander M. Ostrowski [110]
y [111], en las que se estudian y comparan distintas condiciones de convergencia dadas pre-
viamente por otros autores. Adems, se dan estimaciones del error cometido al aplicar el
mtodo de Newton para resolver un sistema de ecuaciones no lineales.
Es en este contexto cuando Leonid V. Kantorovich se plantea en [74] la extensin del
mtodo de Newton para resolver ecuaciones funcionales denidas entre dos espacios de Ba-
nach. Con Kantorovich se inicia el estudio moderno del mtodo de Newton con numerosas
publicaciones interesantes, tanto desde el punto de vista terico como prctico. Tal vez, po-
dramos considerar como las referencias fundamentales en este campo los libros Functional
Analysis in Normed Spaces [76] y la segunda edicin del mismo, Functional Analysis [77],
que el propio Kantorovich, en colaboracin con su discpulo G. P. Akilov, publicaron en 1964
y 1982, respectivamente. En estos textos se recogen los principales resultados sobre el mto-
do de Newton y sus aplicaciones obtenidos en los artculos de investigacin publicados por
el propio Kantorovich entre 1934 y 1957, junto con los conceptos preliminares de Anlisis
funcional necesarios para su desarrollo. Aunque muchas de las ideas que subyacen bajo la
expresin del mtodo de Newton (2.2) denido para ecuaciones escalares se pueden extender
a operadores denidos entre espacios de Banach, en el nuevo contexto general hay que tener
en cuenta nuevas consideraciones. Por ejemplo, si consideramos una ecuacin de la forma
F(x) = 0, donde F : X Y es un operador denido entre dos espacios de Banach X e Y ,
2.3. Construcciones y variantes del mtodo de Newton 47
la expresin de lo que se conoce como mtodo de Newton-Kantorovich queda de la siguiente
forma:
x
n+1
= x
n
F
(x
n
)
1
F(x
n
), n 0. (2.4)
Ntese que, en este caso, F
(x
n
) es un operador lineal denido entre X e Y y F
(x
n
)
1
denota a su inverso. En consecuencia, en cada iteracin del mtodo de Newton-Kantorovich
hay que invertir un operador lineal o, equivalentemente, resolver la ecuacin lineal asociada
F
(x
n
)u
n
= F(x
n
) para denir a continuacin x
n+1
= x
n
+u
n
.
El estudio detallado de la teora de Newton-Kantorovich escapa del alcance de este texto.
No obstante, el lector interesado en tener una visin ms general sobre dicha teora puede
consultar algunos artculos de tipo descriptivo como [46], [47] o [120].
A partir de Kantorovich, el nmero de investigadores que trabajan sobre el mtodo de
Newton, sus variantes y aplicaciones comienza a crecer vertiginosamente. Sera prcticamen-
te imposible hacer un seguimiento detallado de las contribuciones de otros autores. Como
una pequea muestra, podemos citar algunos de los autores que han escrito monografas
especializadas en el mtodo de Newton y, en general, en procesos iterativos para resolver
ecuaciones no lineales: I. K. Argyros [5], J. P. Dedieu [40], J. E. Dennis y R. B. Schnabel
[41], A. S. Householder [68], C. T. Kelley [78], J. M. Ortega y W. C. Rheinboldt [109], A.
Ostrowski [112], F. A. Potra y V. Ptk [121], L. B. Rall [123] y J. F. Traub [146]. Consul-
tando las propias referencias de estos textos, en trabajos recopilatorios como [120] o [151], en
sitios web especializados [95] o en bases de datos especcas sobre Matemticas (Zentralblatt
MATH, MathSciNet, Scopus, entre otras) podemos ampliar la larga lista de investigadores
con artculos publicados al respecto.
2.3. Construcciones y variantes del mtodo de Newton
En la seccin 2.2 ya se ha puesto de maniesto el gran nmero de personas que han inuido
en lo que hoy conocemos como mtodo de Newton para resolver ecuaciones no lineales. Con
lo anterior, hemos narrado el inicio de lo que se entiende por mtodo de Newton. En esta
seccin veremos sus interpretaciones y sus variantes en el estudio de diversos problemas
matemticos. En este listado no precisamos las condiciones que han de cumplirse para que
estas construcciones puedan realizarse. As, supondremos que las funciones que manejaremos
son todo lo continuas y derivables que necesiten ser.
Construccin geomtrica. El mtodo de de Newton tiene una clara interpretacin
geomtrica basada en la aproximacin de la funcin f(x) por una recta tangente (vase
la gura 2.11). Por este motivo, dicho mtodo suele denominarse tambin mtodo de
la tangente. Partiendo de una aproximacin inicial x
0
de la solucin , la siguiente
aproximacin, x
1
, se obtiene como la interseccin de la recta tangente a la funcin f(x)
48 El mtodo de Newton
x
f(x)
x
0
x
1
x
2
x
3
Figura 2.11: Interpretacin geomtrica del mtodo de Newton.
en el punto x
0
con el eje de abcisas. As, x
1
es la interseccin de las rectas y f(x
0
) =
f
(x
0
)(x x
0
) e y = 0, es decir, x
1
= x
0
f(x
0
)/f
(x
0
). Reiterando este procedimiento
se obtiene una sucesin de aproximaciones, que converge a la solucin y que coincide
con la obtenida mediante el mtodo (2.2).
Construccin a partir del desarrollo de Taylor. A partir de x
0
buscamos una
aproximacin mejor de que sea de la forma x
0
+ . Lo ideal sera que f(x
0
+ ) = 0,
en cuyo caso se obtendra la solucin exacta. Usando el desarrollo de Taylor, llegamos a
0 = f(x
0
+) = f(x
0
) +f
(x
0
) +
f
(x
0
)
2
2
+
f
(x
0
)
6
3
+ (2.5)
Truncando (2.5) en el segundo sumando, es decir, linealizando la ecuacin, se obtiene:
0 f(x
0
) +f
(x
0
)
f(x
0
)
f
(x
0
)
.
De aqu se deduce la siguiente aproximacin de : x
0
f(x
0
)/f
(x
0
). Reiterando el
proceso obtenemos el mtodo de Newton (2.2).
Construccin a partir de la interpolacin racional inversa. El problema de
aproximar una solucin de (2.1) se puede transformar en el de aproximar (0), donde
x = (y) denota la funcin inversa de y = f(x). Supongamos que x
0
es una aproxima-
cin inicial de la solucin y sea y
0
= f(x
0
). Considerando el desarrollo de Taylor de
orden uno de la funcin (y) en torno al punto y
0
,
(0) (y
0
)
(y
0
)y
0
= x
0
f(x
0
)
f
(x
0
)
,
se obtiene una nueva aproximacin para = (0) que coincide, una vez ms, con la
expresin del mtodo de Newton (2.2).
2.3. Construcciones y variantes del mtodo de Newton 49
Construccin usando frmulas de cuadratura. El mtodo de Newton tambin se
puede construir a partir de frmulas de integracin numrica de tipo interpolatorio. En
concreto, si tenemos en cuenta la representacin integral
f(x) = f(x
0
) +
_
x
x
0
f
(t) dt
y usamos la frmula de cuadratura de Newton-Cotes de los rectngulos a izquierda,
_
x
x
0
f
(t) dt (x x
0
)f
(x
0
),
llegamos a que la solucin de la ecuacin f(x) = 0 puede aproximarse por la solucin
de la ecuacin f(x
0
) + (x x
0
)f
(x
0
) = 0, lo que conduce de nuevo al mtodo (2.2).
El mtodo de Newton continuo. El mtodo de Newton (2.2) puede obtenerse tam-
bin usando el mtodo de Euler explcito para aproximar la solucin de la ecuacin
diferencial
x
(t) =
f(x(t))
f
(x(t))
, t > 0. (2.6)
En efecto, si se considera la condicin inicial x(t
0
) = x
0
y se toma como paso de
integracin h = 1, el mtodo de Euler dene una sucesin que coincide con la dada en
(2.2). La ecuacin (2.6) se conoce como mtodo de Newton continuo y ofrece interesantes
interpretaciones desde el punto de vista dinmico. En concreto, si x(t) es una solucin
de la ecuacin (2.6) que cumple x
2
2 L
f
(x
n
)
f(x
n
)
f
(x
n
)
, (2.7)
2. Mtodo de Chebyshev:
x
n+1
= x
n
_
1 +
1
2
L
f
(x
n
)
_
f(x
n
)
f
(x
n
)
, (2.8)
3. Mtodo sper-Halley:
x
n+1
= x
n
_
1 +
1
2
L
f
(x
n
)
1 L
f
(x
n
)
_
f(x
n
)
f
(x
n
)
, (2.9)
donde en estas frmulas hemos denotado
L
f
(x
n
) =
f(x
n
)f
(x
n
)
f
(x
n
)
2
. (2.10)
Por otro lado, tambin existen mtodos que sacrican una velocidad de convergencia
elevada por un menor coste operacional, como por ejemplo el denominado mtodo de
Newton simplicado:
x
n+1
= x
n
f(x
n
)
f
(x
0
)
,
o, en general, mtodos del tipo
x
n+1
= x
n
a
n
f(x
n
),
donde a
n
son parmetros que, de alguna forma u otra, aproximan a 1/f
(x
n
). Este
segundo tipo de mtodos adquieren especial importancia cuando se considera la formu-
lacin ms general del mtodo de Newton-Kantorovich (2.4):
x
n+1
= x
n
A
n
F(x
n
),
donde, en este caso, A
n
son operadores lineales que aproximan al inverso del operador
F
(x
n
).
2.3. Construcciones y variantes del mtodo de Newton 51
Mtodos multipunto y mtodos de tipo secante. El mtodo de Newton es un
ejemplo de lo que se conoce como mtodo de un paso, en el cual el iterado x
n+1
se
obtiene a partir del anterior, x
n
. Existen otros mtodos que utilizan la informacin de
un mayor nmero de pasos anteriores (x
n
, x
n1
. . . x
np
) para denir el iterado x
n+1
.
Sin duda, el ms famoso de estos mtodos es el conocido como mtodo de la secante:
x
n+1
= x
n
x
n
x
n1
f(x
n
) f(x
n1
)
f(x
n
).
Ntese que se trata de un mtodo de dos pasos en el que se ha evitado el tener que
evaluar la derivada primera f
5)/2)), sin alcanzar la convergencia cuadrtica del mtodo de Newton (se dene
orden de convergencia en la denicin 2.1).
Mtodos para races mltiples. Es bien conocido que las propiedades del mtodo
de Newton cambian cuando se aplica para aproximar races mltiples. En concreto, la
velocidad de convergencia pasa de cuadrtica a lineal. Existen diversas variantes del
mtodo de Newton que permiten recuperar la convergencia cuadrtica. Por ejemplo,
cuando se trata de aproximar una raz de multiplicidad p, el mtodo
x
n+1
= x
n
p
f(x
n
)
f
(x
n
)
,
converge cuadrticamente a dicha raz. Pero este mtodo tiene algunos inconvenientes.
De entrada, la multiplicidad de la raz no es conocida. Adems, aunque la convergencia
es cuadrtica hacia la raz mltiple considerada, pierde la convergencia cuadrtica al
aproximar al resto de races. Otra posibilidad es aplicar el mtodo de Newton a la
funcin g(x) = f(x)/f
1
1 L
f
(x
n
)
f(x
n
)
f
(x
n
)
,
con L
f
(x) denido en (2.10), que conserva la convergencia cuadrtica incluso para races
mltiples. Por ltimo, hay que destacar que la situacin se complica cuando se pasa de
ecuaciones con una variable al caso multidimensional.
Estudio dinmico del mtodo de Newton. El mtodo de Newton puede consi-
derarse como un sistema dinmico discreto. Como tal, el estudio de las rbitas de los
diferentes punto de partida puede dar lugar a toda la casustica propia de este tipo de
problemas: convergencia a un punto jo (que es una solucin de la ecuacin considera-
da), aparicin de ciclos atractores y repulsores, comportamiento catico, etc. En el caso
particular de aplicar el mtodo de Newton a funciones denidas en el campo complejo,
52 El mtodo de Newton
las grcas de las cuencas de atraccin asociadas a las diferentes soluciones tienen una
atractiva estructura fractal, como se puede muestra ms adelante en el captulo 4.
La versin continua del mtodo de Newton. Hace referencia al problema de valor
inicial
_
_
x
(t) =
f(x(t))
f
(x(t))
x(0) = x
0
.
Dicho problema se puede resolver mediante diversos mtodos numricos. Por ejemplo,
cuando se considera el mtodo de Euler explcito con un paso de integracin de h = 1,
se obtiene la misma sucesin obtenida por el mtodo de Newton aplicado a la ecuacin
f(x) = 0. Si se considera un paso de integracin h (0, 1], se obtiene el denominado
mtodo de Newton amortiguado:
x
n+1
= x
n
h
f(x
n
)
f
(x
n
)
.
Si en lugar de un paso de integracin h constante, se consideran pasos adaptativos h
n
se puede lograr una estrategia de convergencia global.
Mtodos para el clculo simultneo de las races de una ecuacin (mtodo
de Weierstrass). El problema de encontrar las races
1
, . . . ,
n
de un polinomio
p(z) = z
n
+a
1
z
n1
+ +a
n1
z +a
n
=
n
i=1
(z
i
) (2.11)
cuyos coecientes pueden ser, indistintamente, nmeros reales o complejos, puede trans-
formarse, mediante las frmulas de Cardano, en resolver el siguiente sistema de ecua-
ciones no lineales:
f
i
(z
1
, . . . , z
n
) = (1)
i
i
(z
1
, . . . , z
n
) a
i
= 0, i = 1, . . . , n, (2.12)
donde
i
son las funciones simtricas elementales:
i
(z
1
, . . . , z
n
) =
1j
1
<<j
i
n
z
j
1
z
j
i
.
Resolviendo el sistema (2.12) encontramos simultneamente todas las races del poli-
nomio p. Se puede emplear el mtodo de Newton para resolver dicho sistema. As, a
partir de un vector Z
(0)
= (z
(0)
1
, . . . , z
(0)
n
) se construye la siguiente sucesin:
Z
(k+1)
= Z
(k)
F
(Z
(k)
)
1
F(Z
(k)
).
Es bien conocido que la expresin anterior admite una formulacin equivalente, que
permite calcular las iteraciones de forma explcita, sin necesidad de trabajar con la
matriz F
(Z
(k)
). En concreto,
Z
(k+1)
= Z
(k)
_
p(z
(k)
1
)/
(k)
1
, . . . , p(z
(k)
n
)/
(k)
n
_
T
, i = 1, . . . , n, k = 0, 1, 2, . . .
2.3. Construcciones y variantes del mtodo de Newton 53
donde
(k)
i
=
n
j=1
j=i
(z
(k)
i
z
(k)
j
).
Esta expresin tambin puede escribirse componente a componente:
z
(k+1)
i
= z
(k)
i
p(z
(k)
i
)
n
j=1
j=i
(z
(k)
i
z
(k)
j
)
, i = 1, . . . , n, k = 0, 1, 2, . . .
Este proceso, inicialmente atribuido a Weierstrass (1.903), recibe su nombre y tambin
el de otros matemticos que han trabajado sobre l: Durand (1.960), Kerner (1.966),
Dochev (1.962), etc. Los nombres de mtodo de Weierstrass o mtodo de Durand-Kerner
son bastante habituales en la literatura matemtica.
Mtodos para resolver sistemas de ecuaciones subdeterminados (inversos
generalizados). En esta ocasin se trata de aplicar alguna variante del mtodo de
Newton para resolver un sistema del tipo F(x) = 0, con x R
n
y F = (f
1
, . . . , f
m
), es
decir F : R
n
R
m
, con m < n. Se trata, por tanto, de un sistema con ms incgnitas
que ecuaciones. En condiciones adecuadas, el conjunto de ceros de F, V = F
1
(0), es
una subvariedad de R
n
de dimensin n m que se puede aproximar numricamente
iterando la funcin
N
F
(x) = x F
(x)
F(x),
donde F
(x)
R
nm
es la
nica matriz que cumple las propiedades AA
A = A, A
AA
A = A
, (AA
)
T
= AA
y
(A
A)
T
= A
A, donde A
T
denota la matriz traspuesta de A.
Mtodos para resolver sistemas de ecuaciones sobredeterminados (mtodo
de Newton-Gauss). El problema considerado es el de resolver un sistema de ecuacio-
nes con ms ecuaciones que incgnitas. Es sta una situacin que aparece con frecuencia
en la prctica, como por ejemplo en el ajuste de una nube de puntos (no alineados) por
una recta de regresin. Al no existir una solucin del problema, se introduce un nuevo
concepto de solucin: la solucin por mnimos cuadrados. En concreto, si escribimos
el sistema como F(x) = 0, con x R
n
y F = (f
1
, . . . , f
m
), (m > n), el problema de
resolver la ecuacin F(x) = 0 se transforma en el de minimizar el funcional
G(x) =
1
2
|F(x)|
2
=
m
j=1
[f
j
(x)[
2
.
El problema de encontrar el mnimo absoluto de G es, a priori, difcil de resolver. En
consecuencia, se suele abordar el problema de encontrar los mnimos locales de G.
54 El mtodo de Newton
Para ello hay que encontrar los puntos crticos de G como soluciones del sistema de
ecuaciones G
(x)
sea inyectivo, la solucin por mnimos cuadrados de este sistema admite una expresin
de la forma
y = x (F
(x)
T
F
(x))
1
F
(x)
T
F(x).
La iteracin de este proceso da lugar a lo que se conoce como mtodo de Newton-
Gauss. Este problema tiene unas caractersticas totalmente diferentes a las del caso
subdeterminado. En concreto la convergencia del mtodo de Newton-Gauss a un punto
lmite no garantiza que ste sea una solucin del sistema F(x) = 0, pudiendo ser
tambin un punto crtico del funcional G denido anteriormente.
Optimizacin con y sin restricciones. Muy vinculado al punto anterior est el
problema de minimizar un funcional del tipo mn f(x), donde f est denido en un
subconjunto de R
n
. Este problema puede transformarse, en condiciones adecuadas, en
resolver la ecuacin f(x) = 0. La aplicacin del mtodo de Newton a este problema
da lugar a la sucesin
x
n+1
= x
n
H
f
(x
n
)
1
f(x
n
),
donde f y H
f
denotan, respectivamente, al vector gradiente y a la matriz hessiana
del funcional f. Adems algunos problemas de optimizacin con restricciones, como los
obtenidos cuando las restricciones vienen dadas por un conjunto de igualdades tambin
pueden resolverse por el mtodo de Newton. Por ejemplo, las soluciones del problema
mn f(x), con g(x) = 0,
siendo f : R
n
R y g : R
n
R
m
, se encuentran entre los puntos crticos de la
correspondiente funcin de Lagrange L : R
n
R
m
R denida por
L(x, y) = f(x) +y
1
g
1
(x) + +y
m
g
m
(x), x R
n
, y R
m
,
donde y R
m
es un vector formado por los multiplicadores de Lagrange y g
1
, . . . , g
m
son las funciones componentes de g. En este caso, se tendra que aplicar la versin
general del mtodo de Newton (2.4) para resolver el sistema de ecuaciones no lineales
dado por
L
x
(x, y) = 0, L
y
(x, y) = 0.
Este tipo de problemas se puede extender a resolver problemas de clculo de variaciones,
minimizando funcionales denidos en un espacio de Hilbert.
2.4. Convergencia del mtodo de Newton 55
Mtodos para resolver ecuaciones no diferenciables. En el estudio terico de
la convergencia del mtodo de Newton para resolver una ecuacin no lineal F(x) =
0 es habitual exigir la diferenciabilidad del operador involucrado F, junto con otro
tipo de condiciones. En ocasiones, hay que trabajar con ecuaciones del tipo F(x) =
G(x) + H(x) = 0 donde G es la parte diferenciable y H la parte no diferenciable del
operador inicial F. Para este tipo de problemas se puede usar una variante del mtodo
de Newton que slo toma en consideracin la parte diferenciable a la hora de calcular
el correspondiente inverso, lo que da lugar al siguiente tipo de iteraciones, formuladas
en su versin ms general:
x
n+1
= x
n
G
(x
n
)
1
F(x
n
) = x
n
G
(x
n
)
1
[G(x
n
) +H(x
n
)].
Implementaciones computacionales del mtodo de Newton. Una cosa es el es-
tudio de un mtodo numrico desde el punto de vista terico y otra muy distinta es
su aplicacin en determinados problemas reales. Al tratar un problema computacional-
mente hay que tener en cuenta factores como el acceso libre a los cdigos, el tiempo
de clculo, el almacenamiento de los datos y tambin el tiempo que necesita el usuario
para plantear y resolver el problema. Muchos de los programas de clculo simblico
o numrico ms empleados (Mathematica, Matlab, Maple, Derive, Octave, Maxima,
Sage, etc.) tienen incorporadas funciones que calculan de forma aproximada las solu-
ciones de una ecuacin no lineal. Dichas funciones usan el mtodo de Newton y sus
variantes. Adems, se puede acceder a los cdigos de algoritmos que implementan el
mtodo de Newton en diversos lenguajes de programacin (C, C++, FORTRAN, etc.).
Actualmente, Internet ofrece un gran nmero de posibilidades para acceder a este tipo
de recursos. Como una pequea muestra, citamos algunas pginas web desde donde se
pueden descargar este tipo de programas: [96], [104], [108], [116], [130], [136], [156].
2.4. Convergencia del mtodo de Newton
A nales del siglo XVII y comienzos del XVIII cientcos de la talla de Newton, Raphson
y Simpson establecieron las bases de lo que hoy conocemos como mtodo de Newton como
herramienta para resolver ecuaciones no lineales concretas. El propio Newton explicaba el
procedimiento para encontrar una solucin de la ecuacin x
3
2x 5 = 0 prxima al punto
x
0
= 2. Unos aos ms tarde, otros cientcos como Mourraille, Fourier o Cauchy [31] se
plantearon el problema de buscar las condiciones para que las iteraciones del mtodo de
Newton (2.2) converjan a una solucin de la ecuacin (2.1).
En el estudio de la convergencia del mtodo de Newton y, en general, de cualquier proceso
iterativo se distinguen tres grandes teoras:
56 El mtodo de Newton
1. Convergencia local: se imponen condiciones sobre la funcin f(x) que dene la ecuacin
(2.1) y sobre la solucin de la misma.
2. Convergencia semilocal: se imponen condiciones sobre la funcin f(x) que dene la
ecuacin (2.1) y sobre el punto de partida x
0
de la sucesin (2.2).
3. Convergencia global: se exigen condiciones sobre la funcin f(x) que dene la ecuacin
(2.1) sobre un rango de valores donde est denida.
En esta seccin presentamos resultados de convergencia para el mtodo de Newton que
se enmarcan dentro de cada una de las lneas anteriores. Adems, analizaremos algunos
otros conceptos relacionados con la idea de convergencia (vase [68], [80], [146] para ms
informacin).
Denimos ahora uno de los conceptos ms importantes en el estudio de los procesos
iterativos, como es el de orden de convergencia.
Denicin 2.1. Sea x
n
una sucesin convergente a un lmite x
x
n+1
[
[x
x
n
[
= C,
se dice que el orden de convergencia es lineal.
Si, adems, existe un nmero real p y una constante no nula C tal que
lm
n
[x
x
n+1
[
[x
x
n
[
p
= C, (2.13)
diremos que x
n
es convergente de orden p y l lamaremos a C la constante de error asinttico.
Cuando p = 2, se dice que la convergencia es cuadrtica, y cuando p = 3, cbica. Cuando
1 < p < 2 el orden de convergencia se dice superlineal.
A menudo, para resolver una ecuacin f(x) = 0, se utiliza un proceso iterativo x
n+1
=
(x
n
), donde es un funcional que depende de la funcin f. Si queremos asociar el concepto
de orden con el proceso iterativo que genera la sucesin, podemos escribir (2.13) como sigue
lm
xx
[x
(x)[
[x
x[
p
= C.
Para Schrder [135] el proceso anterior es de orden p si
(x
) = x
;
(j)
(x
) = 0, j = 1, 2, . . . , p 1;
(p)
(x
) ,= 0.
Esta denicin solamente es vlida para procesos iterativos denidos por funciones de una
variable con p derivadas continuas. Una generalizacin de esta denicin para sistemas de
ecuaciones puede verse en [146].
2.4. Convergencia del mtodo de Newton 57
Cuando un mtodo iterativo tiene orden de convergencia p, se tiene que en cada iteracin
se multiplica aproximadamente por p, el nmero de cifras exactas con las que se aproxi-
ma la solucin. De esta forma, un algoritmo con orden de convergencia alto converge ms
rpidamente que un algoritmo de orden menor.
Un estudio ms detallado del orden de convergencia puede verse en [109], donde se pone
de maniesto la relacin entre el orden y la velocidad de convergencia de la sucesin, as como
la independencia de la norma elegida en la denicin de orden para el caso de operadores
denidos en los espacios R
n
. En concreto, consideramos dos procesos iterativos
1
y
2
con
el mismo lmite x
y rdenes p
1
y p
2
, respectivamente. Si p
1
< p
2
la sucesin generada por
2
converge a x
(x)
, (2.14)
L
f
(x) =
f(x)f
(x)
f
(x)
2
. (2.15)
Teorema 2.1. Sea f una funcin dos veces diferenciable en un entorno I de una solucin
de f(x) = 0. Supongamos que f
f(x
n
)
f
(x
n
)
,
58 El mtodo de Newton
converge a . Adems, la convergencia es cuadrtica, con constante de error asinttico
C =
f
()
2f
()
.
Demostracin. Teniendo en cuenta que N
f
(t) = L
f
(t), podemos escribir
x
n+1
= N
f
(x
n
) = N
f
() N
f
(x
n
) =
_
x
n
L
f
(t) dt.
Como L
f
() = 0 y L
f
(t) es una funcin continua en I, existe r R tal que si t
( r, +r), entonces [L
f
(t)[ < 1.
De esta forma, si x
0
( r, +r), entonces
[ x
1
[
_
x
0
L
f
(t) dt
[ x
0
[ < r.
Por tanto, x
1
( r, +r).
Repitiendo el razonamiento de forma inductiva, si x
n
( r, +r), entonces
[ x
n+1
[
_
x
n
L
f
(t) dt
[ x
n
[ < r,
y, por tanto, x
n+1
( r, +r).
Adems,
[ x
n+1
[ [ x
n
[
2
[ x
n1
[
n+1
[ x
0
[.
Luego, para todo x
0
( r, +r),
lm
n
x
n+1
= .
La convergencia cuadrtica del mtodo de Newton se deduce del hecho de que, para
races simples N
f
() = , N
f
() = 0 y N
f
() = f
()/f
()
2f
()
.
El teorema anterior nos garantiza la existencia de un radio r para el cual se asegura la
convergencia del mtodo de Newton si empezamos a iterar en puntos x
0
cuya distancia a la
solucin sea menor que dicho r. Esta misma idea se puede generalizar al mtodo de Newton-
Kantorovich (2.4) e, incluso, se puede dar una estimacin de dicho radio de accesibilidad.
Para ello, consideramos ahora una ecuacin
F(x) = 0, F : D X Y, (2.16)
2.4. Convergencia del mtodo de Newton 59
siendo F un operador diferenciable en el sentido de Frchet, que est denido en un dominio
D de un espacio de Banach X y con valores en otro espacio de Banach Y . Denotamos x
a
una raz simple de F, es decir, tal que F
(x
est contenida
en D. Un resultado clsico que se puede encontrar en [124] asegura que si F, adems de estas
condiciones, cumple la condicin de Lipschitz:
|F
(x
)
1
[F
(x) F
para todo x
0
B(x
, r) =
x D : |x x
0
| r, donde
r =
2
3K
.
Dependiendo de las condiciones exigidas al operador, se pueden obtener nuevas estimaciones
para el radio de accesibilidad r. Por ejemplo, en [6] se aumenta dicho radio sin ms que
precisar un poco ms la condicin (2.17). De hecho, se obtiene el siguiente resultado.
Teorema 2.2. Sea F : D X Y un operador diferenciable Frchet denido en un dominio
D que contiene a una raz simple x
(x
)
1
[F
(x) F
(x
)]| L|x x
|, x D, (2.18)
Entonces, el mtodo de Newton-Kantorovich x
n
(n 0) generado por (2.4) converge de
forma cuadrtica a x
, r
1
) = x
D : |x x
0
| r
1
, donde
r
1
=
2
K + 2L
.
Demostracin. La demostracin se basa en el hecho de que la condicin (2.18), junto con el
lema de Banach sobre inversin de operadores [77], garantizan que el operador lineal F
(x)
tiene inverso para todo x B(x
, r
1
). En efecto, como
|F
(x
)
1
[F
(x) F
(x
)]| Lr
1
=
2L
K + 2L
< 1.
se tiene que
|F
(x)
1
F
(x
)|
1
1 2L/(K + 2L)
=
K + 2L
K
, x B(x
, r
1
).
Por hiptesis, x
0
est en el interior de la bola B(x
, r
1
). Supongamos que tambin lo estn
los puntos x
k
generados por el mtodo de Newton, para k = 0, 1, 2, . . . , n. Veamos que x
n+1
tambin lo est. En efecto,
x
n+1
x
= F
(x
n
)
1
[F(x
) F(x
n
) F
(x
n
)(x
x
n
)]
=
_
1
0
F
(x
n
)
1
[F
(x
n
+t(x
x
n
)) F
(x
n
)](x
x
n
) dt
60 El mtodo de Newton
y, por tanto,
|x
n+1
x
| |F
(x
n
)
1
F(x
)||x
n
x
|
2
_
1
0
Kt dt
K + 2L
2
|x
n
x
|
2
=
1
r
1
|x
n
x
|
2
.
Por lo tanto,
|x
n
x
|
1
r
1
|x
n1
x
|
2
1
r
1
1
r
2
1
|x
n2
x
|
2
2
r
1
_
|x
0
x
|
r
1
_
2
n
,
lo que garantiza la convergencia cuadrtica de la sucesin x
n
a x
.
2.4.2. Convergencia semilocal del mtodo de Newton
Cauchy, en 1829, fue el primero en establecer un resultado de convergencia para el mtodo
de Newton en el cul no se asuma la existencia de solucin [151]. En su lugar, Cauchy exiga
condiciones sobre el punto de partida x
0
de la sucesin (2.2). El resultado de Cauchy est en
la base de lo que algo ms de un siglo despus, el matemtico sovitico L. V. Kantorovich,
utilizara para estudiar el mtodo de Newton (2.4) para operadores denidos entre dos espacios
de Banach.
Teorema 2.3. Sea f : R R diferenciable. Supongamos que f
(x
0
) ,= 0. Denotamos
h
0
= f(x
0
)/f
(x
0
), x
1
= x
0
+h
0
, J
0
= [x
1
[h
0
[, x
1
+[h
0
[] y M = sup
xJ
0
[f
(x)[. Si
2
f(x
0
)M
(f
(x
0
))
2
< 1
entonces, la ecuacin f(x) = 0 tiene una nica solucin en J
0
y el mtodo de Newton (2.2)
empezando en x
0
converge a dicha solucin.
Nosotros omitimos aqu la demostracin de este resultado, ya que ste puede considerarse
como la versin escalar del teorema de Kantorovich, que enunciamos unas lneas ms abajo.
Adems, el lector interesado puede encontrar la demostracin de este resultado en [112].
En 1948, L.V. Kantorovich prob la convergencia del mtodo para operadores denidos
en espacios de Banach. En esta primera demostracin, Kantorovich dena un conjunto de
sucesiones reales que controlaban el comportamiento de la sucesin denida en espacios de
Banach. Un ao ms tarde, en 1949, el propio Kantorovich present una nueva demostracin
usando por primera vez sucesiones mayorizantes.
Se dice que una sucesin de nmeros reales t
n
mayoriza a una sucesin x
n
denida
en un espacio de Banach X si
|x
n+1
x
n
| t
n+1
t
n
, n 0.
2.4. Convergencia del mtodo de Newton 61
El inters de las sucesiones mayorizantes es que de su convergencia se puede deducir la
convergencia de la sucesin en el espacio de Banach. En efecto, si t
n
converge a t
, entonces
existe x
y adems
|x
x
n
| t
t
n
, n 0.
Esta desigualdad nos permite obtener cotas del error para la sucesin denida en espacios de
Banach en trminos de su correspondiente mayorizante.
Consideramos ahora una ecuacin
F(x) = 0 (2.19)
donde F es un operador diferenciable Frchet denido entre dos espacios de Banach X e Y .
El mtodo de Newton para resolver (2.19) se dene como
x
n+1
= x
n
F
(x
n
)
1
F(x
n
), n 0. (2.20)
Los resultados que vamos a exponer a continuacin dan condiciones sucientes (que se
conocen como condiciones de Kantorovich) para que los trminos de la sucesin x
n
denida
en (2.20) estn bien denidos (es decir, para cada n N exista el inverso del operador
F
(x
n
)). Adems, aseguran la convergencia de x
n
a una solucin x
de la ecuacin (2.19),
proporcionan acotaciones del error cometido en cada paso y determinan los dominios donde
la solucin est localizada y donde es nica.
Teorema 2.4 (Kantorovich, [77]). Sea F : X Y un operador diferenciable Frchet
en un conjunto convexo y abierto de un espacio de Banach X. Supongamos tambin que
se cumplen las siguientes condiciones:
(i) Existe un punto x
0
donde est denido el operador
0
= F
(x
0
)
1
;
(ii) |
0
(F
(x) F
(y))| |x y|, x, y , 0;
(iii) |
0
F(x
0
)| ;
(iv) h = < 1/2;
(v) S = x : |x x
0
| t
donde
t
=
1
1 2h
h
.
Entonces:
(1) La sucesin de Newton (2.20) est bien denida y es convergente a una solucin x
de
la ecuacin (2.19).
62 El mtodo de Newton
(2) La solucin est contenida en la bola de centro x
0
y radio t
, B(x
0
, t
), y es nica en
B(x
0
, t
) siendo
t
=
1 +
1 2h
h
.
(3) Se tienen las siguientes cotas del error:
|x
x
n
| (t
)
2
n
1
2
n
, =
t
< 1.
Demostracin. El estudio de la convergencia del mtodo de Newton lo haremos en tres etapas:
1. La sucesin est bien denida y es convergente a una solucin de F(x) = 0.
2. Obtencin de cotas del error.
3. Dominio de unicidad de solucin.
En primer lugar, veamos que la sucesin est bien denida y es convergente a una solucin
de la ecuacin F(x) = 0. As, observamos que dado x S,
|I
0
F
(x)| = |
0
[F
(x) F
(x
0
)]| |x x
0
|
t
= 1
1 2h < 1.
Entonces, por el lema de Banach sobre inversin de operadores, deducimos que existe [
0
F
(x)]
1
y adems
|[
0
F
(x)]
1
|
1
1 |x x
0
|
1
1 t
. (2.21)
En consecuencia, tenemos que el operador F
(x)
1
existe para todo x S y as, la funcin
G(x) = xF
(x)
1
F(x) que genera el mtodo de Newton est bien denida para todo x S.
En particular, como x
0
S, G(x
0
) = x
1
est bien denido y adems
|x
1
x
0
| = |
0
F(x
0
)| t
=
1
1 2h
h
,
ya que h 1
(x
1
)
1
F(x
1
)| |[
0
F(x
1
)]
1
||
0
F(x
1
)|
1
1 |x
1
x
0
|
|
0
F(x
1
)|.
Ahora bien, de (2.20) se deduce que
F
(x
0
)(x
1
x
0
) +F(x
0
) = 0,
2.4. Convergencia del mtodo de Newton 63
luego
F(x
1
) = F(x
1
) F(x
0
) F
(x
0
)(x
1
x
0
) =
_
x
1
x
0
[F
(x) F
(x
0
)] dx
=
_
1
0
[F
(x
0
+t(x
1
x
0
)) F
(x
0
)](x
1
x
0
) dt.
As, tomando normas en la igualdad anterior y teniendo en cuenta que F
(x
0
+t(x
1
x
0
)) F
(x
0
)](x
1
x
0
) dt
_
_
_
_
|x
1
x
0
|
2
_
1
0
t dt =
2
|x
1
x
0
|
2
.
En denitiva,
|x
2
x
1
|
2
|x
1
x
0
|
2
1 |x
1
x
0
|
h
2(1 h)
.
Para encontrar una sucesin que mayorice a x
n
, vamos a considerar el polinomio
p(t) =
2
t
2
t +.
Es inmediato comprobar que este polinomio cumple las condiciones de Kantorovich. Adems,
el mtodo de Newton
_
_
t
0
= 0,
t
n+1
= t
n
p(t
n
)
p
(t
n
)
genera una sucesin creciente cuyo lmite es t
(0)
= ,
luego |x
1
x
0
| = t
1
t
0
.
Tambin es cierto que
t
2
t
1
=
p(t
1
)
p
(t
1
)
=
h
2(1 h)
y, por tanto, |x
2
x
1
| t
2
t
1
.
Ser esto cierto en general?, es decir, se cumplir que
|x
n+1
x
n
| t
n+1
t
n
, (2.22)
para todo n 0?
Supongamos que x
0
, . . . , x
k
S y que
|x
i+1
x
i
| t
i+1
t
i
, i = 0, . . . , k 1.
Entonces, usando (2.21),
|x
k+1
x
k
| = |F
(x
k
)
1
F(x
k
)| |[
0
F
(x
k
)]
1
||
0
F(x
k
)|
64 El mtodo de Newton
1
1 |x
k
x
0
|
|
0
F(x
k
)|. (2.23)
Procediendo como en el caso k = 1, llegamos a que
F(x
k
) = F(x
k
) F(x
k1
) F
(x
k1
)(x
k
x
k1
) =
_
x
k
x
k1
[F
(x) F
(x
k
)] dx
=
_
1
0
[F
(x
k
+t(x
k
x
k1
)) F
(x
k
)](x
k
x
k1
) dt.
Tomando normas,
|
0
F(x
k
)|
2
|x
k
x
k1
|
2
2
(t
k
t
k1
)
2
. (2.24)
Luego, por (2.23), y teniendo en cuenta
|x
k
x
0
| |x
k
x
k1
| + +|x
1
x
0
| t
k
t
k1
+ +t
1
t
0
= t
k
,
se deduce que
|x
k+1
x
k
|
2
(t
k
t
k1
)
2
1 t
k
.
Por otra parte,
t
k+1
t
k
=
p(t
k
)
p
(t
k
)
=
p(t
k
)
1 t
k
.
Adems,
p(t
k
) = p(t
k1
) + p
(t
k1
)(t
k
t
k1
) +
1
2
p
(t
k1
)(t
k
t
k1
)
2
=
2
(t
k
t
k1
)
2
.
Con esto, hemos probado que x
k+1
S y
|x
k+1
x
k
| t
k+1
t
k
.
Entonces, como t
n
es convergente y, por tanto, de Cauchy, se sigue que x
n
es de Cauchy.
Como X es un espacio de Banach, x
n
es convergente. Denotaremos x
a su lmite.
Haciendo tender k a innito en (2.24) se deduce que F(x
) = 0, luego x
es solucin de
(2.19).
Vamos a obtener cotas del error para la sucesin x
k
en funcin de las cotas del error
para la sucesin t
k
. Como |x
k+p
x
k
| t
k+p
t
k
, haciendo p , tenemos:
|x
x
k
| t
t
k
.
Las conocidas como frmulas de Ostrowski [112] nos permiten expresar el error t
t
k
en funcin de las races del polinomio p, proporcionando unas expresiones muy cmodas de
calcular. As, sean t
y t
t
n
, b
n
= t
t
n
.
2.4. Convergencia del mtodo de Newton 65
Entonces
p(t
n
) =
2
a
n
b
n
; p
(t
n
) =
2
(a
n
+b
n
)
y en consecuencia,
a
n+1
= t
t
n+1
= t
t
n
+
p(t
n
)
p
(t
n
)
= a
n
a
n
b
n
a
n
+b
n
=
a
2
n
a
n
+b
n
.
De forma anloga se muestra que,
b
n+1
=
b
2
n
a
n
+b
n
.
Por lo tanto,
a
n+1
b
n+1
=
_
a
n
b
n
_
2
=
_
a
n1
b
n1
_
2
2
= =
_
a
0
b
0
_
2
n+1
.
Llamando = t
/t
= a
0
/b
0
, tenemos que a
n
/b
n
=
2
n
y, por consiguiente,
t
t
n
= (t
t
n
)
2
n
= (t
+t
t
n
)
2
n
,
t
t
n
= (t
)
2
n
1
2
n
.
Adems, con esto queda probado que el mtodo de Newton tiene orden al menos dos en
espacios de Banach.
Por ltimo, vamos a analizar la unicidad de solucin. Sabemos que
x
S = x : |x x
0
| t
.
En qu conjunto podemos asegurar que es la nica solucin?
Supongamos que y
S = x : |x x
0
| < r,
cul es el mayor valor de r que podemos tomar?
Se tiene que
0 =
0
[F(y
) F(x
)] =
__
1
0
0
F
(x
+t(y
)) dt
_
(y
)
= M(y
).
Si el operador M es inversible, deducimos que x
= y
(x
+t(y
)) F
(x
0
)] dt
_
_
_
_
_
1
0
|x
+t(y
) x
0
| dt
_
1
0
((1 t)|x
x
0
| +t|y
x
0
|) dt
<
2
[t
+r].
Buscamos el mayor valor de r que cumpla
2
[t
+r] 1,
es decir,
r =
2
= t
.
En resumen, hemos probado que x
S = x : |x x
0
| < t
.
2.4.3. Convergencia global del mtodo de Newton
Existen otro tipo de resultados que no exigen, a priori, condiciones sobre la solucin ni
sobre el punto de partida. Entre stos destacan (vanse por ejemplo las referencias [64], [112]
o [146]) las conocidas como condiciones de Fourier, en las cuales se imponen condiciones sobre
una funcin en un intervalo. No obstante, tenemos que hacer notar que de estas condiciones
se deduce la existencia de una nica solucin luego, aunque sea implcitamente, s que se
estn exigiendo condiciones sobre la solucin.
Teorema 2.5 (Fourier). Sea f : [a, b] R una funcin f (
2
[a, b] que cumple las siguientes
condiciones:
1. f(a)f(b) < 0.
2. f
(a)[, [f(b)/f
(b)[ b a.
Entonces existe una nica raz de la ecuacin f(x) = 0 en [a, b] y la sucesin x
n
, denida
por (2.2) converge hacia para cualquier valor inicial x
0
[a, b].
2.4. Convergencia del mtodo de Newton 67
a
b
f
(x) < 0
f
(x) 0
a
b
f
(x) > 0
f
(x) 0
a
b f
(x) > 0
f
(x) 0
a
b
f
(x) < 0
f
(x) 0
Figura 2.12: Las cuatro representaciones grcas asociadas a las funciones que cumplen las
condiciones del teorema de Fourier.
Demostracin. La demostracin se basa en probar que el mtodo de Newton (2.2) converge
de forma montona a la solucin . Bajo las condiciones del teorema se pueden presentar
cuatro situaciones, que son las que se muestran en la gura 2.12.
Notemos que basta con demostrar la convergencia en una de las cuatro situaciones, pues
el resto se puede reducir a un mismo caso mediante cambios de variable o de funcin, tal y
como se hace en [65], por ejemplo. As, supongamos sin prdida de generalidad que f
(x) < 0
y f
(x
n
) < 0, f(x
n
) > 0 y
x
n+1
= N
f
() N
f
(x
n
) = N
f
()( x
n
),
donde
N
f
() =
f()f
()
f
()
2
> 0, (x
0
, ).
Como x
n
es una sucesin creciente y acotada, tiene un lmite que denotamos L. Teniendo
en cuenta que
L = lm
n
x
n+1
= lm
n
_
x
n
f(x
n
)
f
(x
n
)
_
= L
f(L)
f
(L)
,
y que f
(x) f
(x
0
)
f
(x
0
)
dx 0,
68 El mtodo de Newton
luego x
1
. Por otra parte, como f(b) f(x
0
) y f
(x
0
) f
(b)f(x
0
) f
(x
0
)f(x
0
) f(b)f
(x
0
)
f(x
0
)
f
(x
0
)
f(b)
f
(b)
.
Por tanto, teniendo en cuenta ahora la cuarta de las hiptesis del teorema,
b a
f(b)
f
(b)
f(x
0
)
f
(x
0
)
= x
0
x
1
.
De aqu se deduce que x
1
a + (x
0
b) a, tal y como se quera probar.
La cuarta condicin del teorema anterior garantiza que aunque la primera iteracin del
mtodo de Newton pueda saltar al otro lado de la raz, en ningn caso se escapa del
intervalo [a, b] considerado. Como consecuencia del teorema anterior, se puede dar el siguiente,
resultado donde se elimina la cuarta condicin y en su lugar aparece una condicin sobre el
punto de partida que evita que se produzca el salto en la primera iteracin.
Corolario 2.6. Sea f : [a, b] R una funcin f (
2
[a, b] que cumple las siguientes condi-
ciones:
1. f(a)f(b) < 0.
2. f
(x
0
) 0.
2.5. El caso de las races mltiples
Es bien conocido [146] que si el punto de partida z
0
est lo sucientemente prximo a una
raz de la ecuacin f(z) = 0, el mtodo de Newton
z
n+1
= N(z
n
) = z
n
f(z
n
)
f
(z
n
)
,
converge a dicha raz. Adems, se sabe que si la raz es simple, la sucesin converge cuadr-
ticamente. Sin embargo, si la raz es mltiple, el orden de convergencia que se obtiene es slo
lineal.
Para el caso de una funcin f de variable real o compleja, diremos que es una raz
mltiple o un cero de multiplicidad m de f si
f() = f
() = = f
(m1)
() = 0 y f
(m)
() ,= 0. (2.25)
2.5. El caso de las races mltiples 69
En este caso, se puede escribir
f(x) = (x )
m
g(x), con g() ,= 0,
f
(x) = (x )
m1
(mg(x) + (x )g
(x)),
f(x)
f
(x)
= (x )
g(x)
mg(x) + (x )g
(x)
.
Entonces para valores de x cercanos a tenemos
f(x)
f
(x)
= (x )
1 + (x)
m
, lm
x
(x) = 0.
Para 1 q m consideramos el proceso
x
n+1
= x
n
q
f(x
n
)
f
(x
n
)
. (2.26)
Para este mtodo se tiene que
x
n+1
= (x
n
)
_
1
q
m
_
q
m
(x
n
)(x
n
). (2.27)
Por lo tanto, si q < m (situacin que ocurre, por ejemplo, en el mtodo de Newton donde
q = 1),
lm
n
(x
n+1
)
(x
n
)
= 1
q
m
,= 0.
Por consiguiente, se ha perdido la convergencia cuadrtica del proceso, pudindose garantizar
nicamente la convergencia lineal.
Sin embargo, si se toma q = m, el valor de la multiplicidad de la raz y se supone que
f
(m+1)
() est denido, entonces el mtodo
x
n+1
= x
n
m
f(x
n
)
f
(x
n
)
. (2.28)
recupera la convergencia cuadrtica. Es ms, en este caso,
lm
n
(x
n+1
)
(x
n
)
2
=
f
(m+1)
()
(m + 1)!f
(m)
()
.
Llegados a este punto, conviene destacar que si no se puede asegurar la existencia de f
(m+1)
(),
nicamente se podra garantizar la convergencia superlineal del mtodo correspondiente. En
efecto, de la frmula (2.27) se deduce
lm
n
(x
n+1
)
(x
n
)
= lm
n
q
m
(x
n
)(x
n
) = 0.
Para recuperar la convergencia cuadrtica se han desarrollado varias estrategias:
70 El mtodo de Newton
1. Si se conoce que una raz tiene multiplicidad m, se puede aplicar el mtodo (2.28).
Alternativamente, este mtodo se puede obtener aplicando el mtodo de Newton a la
funcin f(z)
1/m
. Se obtiene as una nueva funcin de iteracin:
N
m
(z) = z
f(z)
1/m
(1/m)f(z)
1/m1
f
(z)
= z
mf(z)
f
(z)
,
que da lugar al conocido como mtodo de Newton relajado. Como hemos indicado unas
lneas ms arriba, este mtodo converge cuadrticamente (localmente) a la raz con
multiplicidad m. El resto de races pasan a ser puntos jos con multiplicador asociado
1m. El mayor problema para la utilizacin de este mtodo es que se necesita conocer
a priori la multiplicidad de la raz que se pretende aproximar.
2. Otra posibilidad consiste en aplicar el mtodo de Newton a la funcin racional f(z)/f
(z).
Observemos que las races de esta funcin son simples, lo que garantiza la convergen-
cia cuadrtica del mtodo de Newton a todas las races de f(z). Como contrapartida,
observemos que se introducen tambin los polos que provienen de las races de f
(z)
que no son races de f(z). El nuevo mtodo obtenido, conocido como mtodo de New-
ton para races mltiples o tambin conocido como mtodo de Schrder, (
N) tiene la
siguiente funcin de iteracin:
N(z) = z
1
1 L
f
(z)
f(z)
f
(z)
,
donde
L
f
(z) =
f(z)f
(z)
f
(z)
2
.
3. El proceso conocido como aceleracin
2
de Aitken es otra forma de acelerar la con-
vergencia del mtodo de Newton para races mltiples y, en general, la de cualquier
proceso con convergencia lineal. As, supongamos que z
n
es una sucesin de estas ca-
ractersticas y que z
es su lmite. Denotamos e
n
= z
n
z
ms rpidamente que z
n
, tomemos n lo
sucientemente grande para poder asegurar que e
n+1
e
n
y e
n+2
e
n+1
. Entonces:
z
n+2
= z
+e
n+2
z
+e
n+1
= z
+(z
n+1
z
). (2.29)
De forma totalmente anloga, tambin se tiene la equivalencia
z
n+1
z
+(z
n
z
).
2.5. El caso de las races mltiples 71
Restando ambas equivalencias se obtiene una estimacin para del tipo
z
n+2
z
n+1
z
n+1
z
n
. (2.30)
Entonces, sustituyendo (2.30) en (2.29) se obtiene una nueva aproximacin para z
del
siguiente tipo:
z
z
n+2
z
n+1
1
z
n
(z
n+1
z
n
)
2
z
n+2
2z
n+1
+z
n
.
El mtodo
2
de Aitken se basa en el hecho de que la sucesin z
n
denida por
z
n
= z
n
(z
n+1
z
n
)
2
z
n+2
2z
n+1
+z
n
(2.31)
converge a z
ms rpidamente que z
n
. En efecto, en primer lugar, tengamos en cuenta
que podemos escribir e
n+1
= ( +
n
)e
n
, con
n
0 cuando n . En consecuencia,
e
n+2
= ( +
n+1
)e
n+1
= ( +
n+1
)( +
n
)e
n
.
Ahora bien, como
z
n
z
=
e
n
e
n+2
e
2
n+1
e
n+2
2e
n+1
+e
n
,
se deduce que
lm
n
z
n
z
z
n
z
=
( +
n+1
)( +
n
) ( +
n
)
2
( +
n+1
)( +
n
) 2( +
n
) + 1
= 0.
Esta ltima igualdad nos garantiza que la sucesin z
n
denida en (2.31) converge a
z
(z
n
)
2
2
z
n
.
4. Para resolver una ecuacin de la forma f(x) = 0, donde f(x) es una funcin de la
forma (2.25), el mtodo de Van de Vel consiste en denir dos sucesiones, una que
aproxima a la raz mltiple, , y la otra a su multiplicidad, m.
Para ello, se considera el proceso iterativo (2.26) y su correspondiente frmula del
error (2.27). De sta se deduce que
x
n+1
(1 q/m)(x
n
)
72 El mtodo de Newton
y, por tanto,
m q
x
n
x
n+1
x
n
.
El cociente indicado en la frmula anterior es, por tanto, una buena aproximacin de
la multiplicidad m. Sin embargo, tiene el inconveniente de involucrar a la raz en su
expresin. Una forma de solventar esta dicultad es considerar una aproximacin ade-
cuada para como, por ejemplo, la proporcionada por el mtodo
2
de Aitken (2.31).
As, haciendo
x
n
= x
n
(x
n+1
x
n
)
2
x
n+2
2x
n+1
+x
n
.
se tiene que
m q
x
n
x
n+1
x
n+2
x
n+1
(x
n+1
x
n
)
.
Teniendo en cuenta que, a partir de la expresin del proceso iterativo (2.26) se tiene que
x
n+1
x
n
= qf(x
n
)/f
(x
n
) y x
n+2
x
n+1
= qf(x
n+1
)/f
(x
n+1
), podemos escribir
m q
u(x
n+1
)
u(x
n+1
) u(x
n
)
, u(x) =
f(x)
f
(x)
.
De esta forma, a partir de unas aproximaciones iniciales x
0
(de la raz ) y m
0
(de su
multiplicidad) tenemos el siguiente proceso iterativo:
_
_
m
n+1
= m
n
u(x
n
)
u(x
n
) u(x
n
m
n
u(x
n
))
,
x
n+1
= x
n
m
n+1
u(x
n
),
u(x) =
f(x)
f
(x)
, n 0. (2.32)
En el artculo [147] se demuestra que la sucesin x
n
denida en el proceso anterior
tiene convergencia cuadrtica a la raz mltiple . Adems, la sucesin m
n
converge
a la multiplicidad de como raz de (2.25). Para una informacin ms completa sobre
el algoritmo de Van de Vel, se pueden consultar tambin las referencias [81] y [148].
2.6. Ejemplos y aplicaciones del mtodo de Newton
2.6.1. Ejemplos histricos
Como ya se puso de maniesto en la introduccin histrica de este captulo, muchos
historiadores consideran al mtodo de Hern para el clculo de races cuadradas como el
antecesor del mtodo de Newton. El siguiente ejemplo analiza este problema y su extensin
al clculo de las races n-simas de un nmero real positivo.
Ejemplo 2.1. El conocido como mtodo de Hern es un algoritmo que sirve para aproximar
la raz cuadrada de un nmero positivo a > 0. Aunque fue deducida por el matemtico griego
2.6. Ejemplos y aplicaciones del mtodo de Newton 73
Hern de Alejandra en el siglo I d. C., tambin se puede obtener al aplicar el mtodo de
Newton para resolver la ecuacin
f(x) = x
2
a, a > 0. (2.33)
En efecto, en este caso la funcin de iteracin es N
f
(x) = (x
2
+ a)/(2x) y la
sucesin originada por el mtodo de Newton es
x
n+1
=
1
2
_
x
n
+
a
x
n
_
.
Es sencillo comprobar que dicha sucesin converge a
(x) =
e
1x
y f
f
(x) = 1 1/e
1x
, por lo tanto si x es
negativo y grande en valor absoluto, se tiene N
f
(x) 1, en otras palabras, el
76 El mtodo de Newton
grco de N
f
es casi paralelo a la diagonal. Entonces, si x
n
< 1 y es grande
en valor absoluto, se tiene que en cada iteracin el valor de x
n+1
= N
f
(x
n
) es
aproximadamente x
n
+1, ya que x
n+1
= x
n
+11/(e
1x
n
) y el valor de 1/(e
1x
n
)
es muy pequeo. Esto puede apreciarse claramente en la gura 2.14, donde se
muestran las iteraciones de la funcin N
f
(x), a partir de x
0
= 4.
Figura 2.14: Iteraciones de N
f
(x), con x
0
= 4.
Otra forma de apreciar la convergencia extremadamente lenta del mtodo de
Newton en este caso consiste en mostrar algunas iteraciones. En el cuadro 2.2,
hemos elegido x
0
= 10. Como se ve, todava estamos muy lejos de . De hecho, se
necesitan muchas ms iteraciones para aproximarse a la solucin del problema.
Cuadro 2.2: Primeras iteraciones del mtodo de Newton aplicado a la funcin (2.35) para x
0
= 10.
x
0
10 x
5
8088.0839275753840076
x
1
8092.0839275753840076 x
6
8087.0839275753840076
x
2
8091.0839275753840076 x
7
8086.0839275753840076
x
3
8090.0839275753840076 x
8
8085.0839275753840076
x
4
8089.0839275753840076 x
9
8084.0839275753840076
En resumen, aunque la convergencia en este caso es global, es decir, cualesquie-
ra que sea el punto de partida elegido, x
0
, la sucesin de los iterados de Newton
2.6. Ejemplos y aplicaciones del mtodo de Newton 77
x
n+1
= N
f
(x
n
) converge a cuando n , esta convergencia es extremadamen-
te lenta para valores que no estn prximos a la solucin. Cabe notar aqu, que lo
anterior conrma el hecho de la convergencia cuadrtica del mtodo de Newton
es slo local, cosa que evidentemente ocurre en este caso cuando estamos cerca
del cero = 1 de nuestra ecuacin, como el lector puede vericarlo fcilmente.
Ejemplo 2.4. Analcese el comportamiento del mtodo de Newton aplicado a la funcin
f(x) = xe
x
, denida en toda la recta real.
Es claro que la nica solucin del problema f(x) = 0 es = 0. Tenemos f
(x) =
(1 x)e
x
y c = 1 es el nico punto crtico de f el cual es un mximo. Por lo
tanto, N
f
tiene una asntota vertical en c. Estos hechos se ven reejados en los
grcos de la gura 2.15. Ahora, f
(x) = (x 2)e
x
y N
f
(x) =
x
2
x 1
. De esto
ya podemos obtener las siguientes conclusiones:
lm
x1
N
f
(x) = .
lm
x1
+
N
f
(x) = +.
lm
x
N
f
(x) = .
lm
x+
N
f
(x) = +.
Como el cero = 0 de f es simple, se tiene que es un punto jo superatractor.
De N
f
(x) =
x(x 2)
(x 1)
2
, vemos que x = 2 es un punto crtico libre de N
f
, es decir,
un punto crtico que no es raz de la ecuacin f(x) = 0. Dicho punto corresponde
a un mnimo en el intervalo (1, +). Notemos que si x
0
> 1, entonces la sucesin
x
n+1
= N
f
(x
n
) es creciente y tiende a + cuando n +. Por otra parte, la
cuenca de atraccin de = 0 es el intervalo (, 1). En este caso, tal y como se
precia en los grcos de la gura 2.16, ocurre un fenmeno similar al del ejemplo
anterior, con una convergencia extremadamente lenta cuando se parte de valores
negativos que son grandes en valor absoluto.
Experimentalmente, mostramos en el cuadro 2.3 lo dicho arriba, es decir, que si x
0
es negativo y grande en valor absoluto, entonces x
n+1
x
n
+ 1 y la convergencia
se produce muy lentamente.
Ejemplo 2.5. Analcese el comportamiento del mtodo de Newton aplicado a la funcin
f : R R, denida por f(x) = x
1/3
.
En este caso, f no es derivable en x = 0 que es la solucin de la ecuacin f(x) = 0.
Este hecho nos producir un efecto no deseado en el mtodo de Newton, ya que
para x ,= 0, la aplicacin de Newton viene dada por N
f
(x) = 2x. Evidentemente
78 El mtodo de Newton
Figura 2.15: Grcos de f(x) = xe
x
y de N
f
(x).
Figura 2.16: Iteraciones de N
f
(x), con x
0
= 0.99.
esta aplicacin tiene a x = 0 como punto jo, pero esta vez es repulsor. De hecho,
para todo x
0
,= 0 se tiene que x
n+1
= N
f
(x
n
) no converge, de hecho [N
f
(x
n
)[
cuando n .
Ejemplo 2.6. Analcese el comportamiento del mtodo de Newton para resolver la ecuacin
f(x) = e
x
sen x = 0.
Notemos que esta ecuacin tiene innitas soluciones, todas ellas positivas, sien-
do la menor
1
0.588533. Las restantes son aproximadamente iguales a
, 2, 3, . . .. Un clculo directo muestra que ellas son todas simples. La gu-
2.6. Ejemplos y aplicaciones del mtodo de Newton 79
Cuadro 2.3: Primeras iteraciones del mtodo de Newton aplicado a la funcin f(x) = xe
x
para x
0
= 20 en las que se aprecia una lenta convergencia hacia la solucin = 0.
x
0
20 x
5
15.263082764788051772
x
1
19.047619047619047619 x
6
14.324571721984109704
x
2
18.097500282773441918 x
7
13.389826400427451386
x
3
17.149863156719935957 x
8
12.459319942056994248
x
4
16.204959990859412805 x
9
11.533617900966140257
ra 2.17 muestra la grca de f(x) y de su correspondiente funcin de iteracin
para el mtodo de Newton, N
f
(x).
Figura 2.17: Grco de f(x) = e
x
sen(x) y de N
f
(x).
El comportamiento dinmico de esta funcin es complicado, pues tiene innitos
puntos jos superatractores, innitos puntos peridicos de perodo 2, innitos
puntos preperidicos, etc. Las iteraciones de la funcin N
f
(x) son muy sensibles
a la eleccin de la condicin inicial, tal y como se muestra en la gura 2.18, donde
se ve que la sucesin x
n+1
= N
f
(x
n
), con x
0
= 11.15 se aproxima a la raz que
est cerca de 7. Adems, en el cuadro 2.4 se observa que pequeos cambios en
el punto de partida provoca grandes cambios en el comportamiento del mtodo
de Newton y, en concreto, la convergencia hacia distintos lmites.
Ejemplo 2.7. En este ejemplo, tomado de [67], se muestra el mal comportamiento del mtodo
de Newton aplicado a un funcin que es continua en toda la recta real y que tiene derivada
continua en 0. En concreto, sea
f(x) =
_
_
_
2x sen(/x) si x ,= 0,
si x = 0.
(2.36)
80 El mtodo de Newton
Figura 2.18: Grco de algunas iteraciones de N
f
(x), con f(x) = e
x
sen x y x
0
= 11.15.
Cuadro 2.4: Iteraciones del mtodo de Newton aplicado a la funcin f(x) = e
x
sen x, con
puntos de partida x
0
= 11.14, x
0
= 11.15, x
0
= 11.16 y x
0
= 11.17. Se observa que ligeros
cambios en el punto de partida provoca que el lmite de la iteracin sea distinto en cada
caso.
x
0
11.14 11.15 11.16 11.17
x
1
18.0152 17.5735 17.1864 16.8445
x
2
19.1183 20.8670 6.3865 14.6885
x
3
18.8429 22.9548 6.2847 6.3146
x
4
18.8496 21.5153 6.28505 15.6207
x
5
18.8496 22.0306 6.28505 15.7082
x
6
18.8496 21.9911 6.28505 15.7080
6 7 2 5
Entonces la sucesin generada por el mtodo de Newton aplicado a esta funcin y empezando
en x
0
= 1/2 converge a 0, pero f(0) ,= 0.
Notemos que en este caso, el mtodo de Newton da lugar a la sucesin
x
0
=
1
2
, x
n+1
= x
n
x
n
2x
2
n
sen(/x
n
)
2 cos(/x
n
) 2x
n
sen(/x
n
)
.
No es difcil comprobar que x
n
= 1/2
n
para n 0, por lo que, evidentemente,
lm
n
x
n
= 0 y, sin embargo f(0) = , por lo que el lmite de la sucesin
generada por el mtodo de Newton no es una raz de la ecuacin asociada (vase
la gura 2.19).
2.6. Ejemplos y aplicaciones del mtodo de Newton 81
0.1 0.2 0.3 0.4 0.5 0.6
1
2
3
4
Figura 2.19: El mtodo de Newton aplicado a la funcin (2.36).
Obsrvese que
f
(x
n
) = f
(1/2
n
) = 2
n+1
,
por lo que lm
n
f
(x
n
) = .
Con este ejemplo se muestra que aunque el mtodo de Newton
x
n+1
= x
n
f(x
n
)
f
(x
n
)
d lugar a una sucesin convergente a un cierto lmite L R, no se puede ga-
rantizar que f(L) = 0. En efecto, si lm
n
[f
(x
n
)[ = , como ocurre en este
ejemplo, entonces puede ocurrir que
lm
n
f(x
n
)
f
(x
n
)
= 0
sin que lm
n
f(x
n
) = 0.
2.6.3. Sistemas de ecuaciones no lineales
La extensin natural del mtodo de Newton para resolver un sistema de ecuaciones no
lineales del tipo F(x) = 0, con x R
n
y F = (f
1
, . . . , f
n
), es decir F : R
n
R
n
, consiste en
construir una sucesin de vectores mediante el siguiente proceso iterativo
x
(k+1)
= x
(k)
F
(x
(k)
)
1
F(x
(k)
), (2.37)
donde x
(k)
= (x
(k)
1
, . . . , x
(k)
n
) R
n
y F
(x
(k)
) es la matriz jacobiana de F formada por las
derivadas parciales,
F
(x
(k)
) =
_
_
_
_
_
f
1
x
1
(x
(k)
)
f
1
x
n
(x
(k)
)
.
.
.
.
.
.
.
.
.
f
n
x
1
(x
(k)
)
f
n
x
n
(x
(k)
)
_
_
_
_
_
.
82 El mtodo de Newton
En la prctica, en lugar de invertir la matriz jacobiana en cada paso, suele ser ms reco-
mendable resolver un sistema de ecuaciones lineales. De esta forma, la expresin alternativa
del mtodo de Newton se puede escribir en dos etapas:
x
(k+1)
= x
(k)
+y
(k)
, donde F
(x
(k)
)y
(k)
= F(x
(k)
).
Los siguientes ejemplos tienen como objetivo ilustrar este procedimiento en situaciones
sencillas, si entrar a analizar en detalle cundo se garantiza que la correspondiente sucesin
vectorial est bien denida y sea convergente a una solucin del sistema. Para profundizar
en estos aspectos se pueden consultar las siguientes referencias: [78], [109], [112], [123].
Ejemplo 2.8. El sistema de ecuaciones que aparece en este ejemplo ha sido estudiado tam-
bin en [133]. Usando el mtodo de Newton, resulvase el sistema de ecuaciones no lineales:
_
_
_
x sen x cosh y = 0
y cos x senh y = 0,
(2.38)
partiendo de (x
0
, y
0
) = (14, 5).
El sistema anterior se puede escribir con notacin vectorial de la forma
F(x, y) = (f
1
(x, y), f
2
(x, y))
T
donde
f
1
(x, y) = x sen x cosh y, f
2
(x, y) = y cos x senh y.
La matriz asociada al operador lineal F
(x, y) =
_
_
1 cos(x) cosh(y) sen(x) senh(y)
sen(x) senh(y) 1 cos(x) cosh(y)
_
_
.
Por lo tanto, el mtodo de Newton se puede escribir de la forma
_
_
x
k+1
y
k+1
_
_
=
_
_
x
k
y
k
_
_
+
_
_
u
k
v
k
_
_
,
siendo (u
k
, v
k
)
T
la solucin del sistema de ecuaciones lineales F
(x
k
, y
k
)(u
k
, v
k
)
T
=
F(x
k
, y
k
) o equivalentemente
_
_
1 cos(x
k
) cosh(y
k
) sen(x
k
) senh(y
k
)
sen(x
k
) senh(y
k
) 1 cos(x
k
) cosh(y
k
)
_
_
_
_
u
k
v
k
_
_
=
_
_
x
k
sen x
k
cosh y
k
y
k
cos x
k
senh y
k
_
_
.
En el cuadro 2.5 se muestran los primeros 5 pasos de este procedimiento iterativo
para obtener la siguiente solucin aproximada del sistema (2.38):
(x, y) = (13.9, 3.35221).
2.6. Ejemplos y aplicaciones del mtodo de Newton 83
Cuadro 2.5: Primeros pasos del mtodo de Newton para resolver el sistema (2.38).
k x
k
y
k
0 14 5
1 13.9697 4.19414
2 13.9318 3.62644
3 13.9059 3.38694
4 13.9001 3.35281
5 13.9000 3.35221
Ejemplo 2.9. El siguiente ejemplo aparece en [50]. Se trata de encontrar, usando el m-
todo de Newton, una solucin del sistema de tres ecuaciones no lineales con tres incgnitas
siguiente
_
_
3x cos(yz) 0.5 = 0,
x
2
81(y + 0.1)
2
+ sen(z) + 1.06 = 0,
20z +e
xy
+ 9.472 = 0,
(2.39)
partiendo de (x
0
, y
0
, z
0
) = (0.1, 0.1, 0.1).
La matriz jacobiana es en este caso:
_
_
_
_
3 z sen(yz) y sen(yz)
2x 162(y + 0.1) cos(z)
e
xy
y e
xy
x 20
_
_
_
_
.
La sucesin vectorial obtenida por el mtodo de Newton se muestra en el cua-
dro 2.6. En la misma se observa la convergencia hacia la solucin solucin:
(x, y, z) = (0.5, 0, 0.5236).
Cuadro 2.6: Primeros pasos del mtodo de Newton para resolver el sistema (2.39).
k x
k
y
k
z
k
0 0.1 0.1 0.1
1 0.49987 0.0194668 0.523558
2 0.500014 0.00158853 0.5236
3 0.5 0.00001238 0.5236
4 0.5 0 0.5236
84 El mtodo de Newton
Los sistemas de ecuaciones no lineales pueden verse como un caso particular de una ecua-
cin matricial F(X) = 0 siendo X y 0 unas matrices de dimensiones adecuadas. El siguiente
ejemplo muestra una de estas ecuaciones, conocida como ecuacin de Riccati algebraica. Un
estudio ms detallado de este tipo de ecuaciones y de sus numerosas aplicaciones puede
encontrarse en el manual de Lancaster y Rodman [88].
Ejemplo 2.10. La ecuacin de Riccati algebraica es un ecuacin del tipo
R(X) = XDX XA A
T
X C = 0, (2.40)
donde D, A, C R
nn
son matrices dadas, A
T
denota la matriz traspuesta de A y X R
nn
es una matriz incgnita. Supondremos que D es una matriz simtrica.
Para poder aplicar la teora de Newton-Kantorovich a la ecuacin de Riccati,
notemos en primer lugar que el operador R(X) resulta ser cuadrtico, es decir,
R
(X)Y = (XD A
T
)Y +Y (DX A), R
(X)Y Z = Y DZ +ZDY.
Para una norma matricial | | dada se tiene que
|R
(X)| 2|D|.
Tomamos como punto de partida una matriz simtrica X
0
. Entonces para hallar
el inverso de R
(X
0
), debemos resolver una ecuacin de Liapunov de la forma
R
(X
0
)Y = (DX
0
A)
T
Y +Y (DX
0
A) = Z R
(X
0
)
1
Z = Y.
Se sabe (vase [88]) que esta ecuacin tiene solucin si DX
0
A es estable, es
decir, todos sus valores propios tienen parte real negativa. En este caso, la solucin
es
Y =
_
0
exp((DX
0
A)
T
t)Z exp((DX
0
A)t) dt
y la iteracin correspondiente al mtodo de Newton queda, en este caso, de la
forma
X
n+1
= X
n
_
0
exp((DX
n
A)
T
t)Z exp((DX
n
A)t) dt.
Como consecuencia del teorema de Kantorovich (teorema 2.4) se obtiene un resul-
tado de convergencia para la ecuacin de Riccati. Si X
0
es una matriz simtrica
tal que DX
0
A es estable y
2|D||R(X
0
)|
__
0
| exp((DX
0
A)
T
t)|| exp((DX
0
A)t)| dt
_
2
1
2
,
2.6. Ejemplos y aplicaciones del mtodo de Newton 85
entonces el mtodo de Newton converge a una solucin de la ecuacin de Riccati
algebraica.
Consideramos la ecuacin de Riccati (2.40) para las matrices
D =
_
_
1 0
0 0
_
_
, A =
_
_
0 0
0 1
_
_
, C =
_
_
0 1
1 2
_
_
.
Tomamos como punto de partida la matriz
X
0
=
_
_
1 1
1 1
_
_
.
Entonces, las cuatro primeras matrices obtenidas aplicando el mtodo de Newton
a (2.40) son
X
1
=
_
_
1/2 1
1 3/2
_
_
, X
2
=
_
_
1/4 5/6
5/6 2/3
_
_
X
3
=
_
_
1/8 53/60
53/60 11/18
_
_
, X
4
=
_
_
1/16 1013/1080
1013/1080 4549/8100
_
_
.
Se observa que el mtodo converge a la solucin exacta de la correspondiente
ecuacin que es, en este caso:
X
=
_
_
0 1
1 1/2
_
_
.
2.6.4. Ecuaciones y sistemas con races mltiples
Cuando se trata de aproximar una raz mltiple, el mtodo de Newton tiene un com-
portamiento diferente al caso general. De entrada, se pierde la velocidad de convergencia
cuadrtica, pasando nicamente a convergencia lineal. En el caso escalar, la multiplicidad de
una raz se presenta cuando f() = f
(x, y)) = 0.
trata por tanto de una solucin singular y el mtodo de Newton tiene un orden
de convergencia lineal.
En este caso, la matriz jacobiana es
F
(x, y) =
_
_
2x y + 1 2y x
6x + 2y 2x + 2
_
_
y su determinante det(F
(x, y) =
_
_
x cos(x) + sen(x) 3y
2
sen(y) x cos(y) + 1
_
_
, F
(0, 0) =
_
_
0 0
0 1
_
_
y det(F
(0, 0)) = 0.
Si denotamos f
1
(x, y) = x sen x +y
3
y f
2
(x, y) = y +x sen y, podemos escribir
f
1
(x, y) = x
2
+
||3
c
1
y
2
, f
2
(x, y) = y +
||3
d
1
y
2
donde es un multi-ndice, = (
1
,
2
) N
2
, [[ =
1
+
2
. El menor grado de
los trminos homogneos que aparecen en los desarrollos anteriores se denomina
orden de (x, y) = (0, 0) como cero de f
j
, j = 1, 2 y se denota por k
j
. En nuestro
caso, se tiene que k
1
= 2, k
2
= 1.
Para este problema, (2.42), el mtodo de Newton (2.37) presenta un orden de
convergencia lineal para aproximar dicha raz. Sin embargo, la modicacin in-
troducida por Kravanja y Haegemans en [86], dada por
X
(k+1)
= X
(k)
F
(X
(k)
)
1
diag(k
1
, . . . , k
n
)F(X
(k)
), X
(k)
= (x
(k)
, y
(k)
), (2.43)
recupera el orden de convergencia cuadrtico, tal y como se pone de maniesto
en el cuadro 2.9. El mtodo modicado de Kravanja-Haegemans converge en 5
iteraciones, mientras que el mtodo de Newton clsico necesita 18 iteraciones para
llegar a la solucin con la misma precisin.
2.6.5. Ecuaciones funcionales
El mtodo de Newton, en su versin ms general que hemos denominado mtodo de
Newton-Kantorovich, permite su aplicacin a ecuaciones denidas entre espacios de funciones,
como puede ser el caso de ecuaciones diferenciales o ecuaciones integrales. Mostramos a
continuacin algunos ejemplos.
2.6. Ejemplos y aplicaciones del mtodo de Newton 89
Cuadro 2.9: El mtodo de Newton (2.37) y la modicacin de Kravanja-Haegemans (2.43)
para el sistema (2.42).
i Newton (2.37) Kravanja-Haegemans (2.43)
0 (0.75, 0.75) (0.75, 0.75)
1 (1.65444, 0.462403) (0.258806, 0.379649)
2 (0.25613, 0.322061) (0.146683, 0.048575)
3 (0.095719, 0.143380) (0.001126, 0.008402)
4 (0.077952, 0.002233) (0.000262, 0.000007)
4 (0.038937, 0.000080) (0, 0)
Ejemplo 2.14. La ecuacin de Chandrasekhar [32] es una ecuacin que aparece en diversos
problemas fsicos (transferencia radiactiva, cintica de gases, etc.). Consideramos el espacio
X = C[0, 1] formado por las funciones continuas en [0, 1] y dotado de la norma del mximo
|x| = m ax
t[0,1]
[x(t)[, x X.
Se trata de encontrar una funcin x X que cumpla
x(s) = 1 +x(s)
_
1
0
s
s +t
x(t) dt, s [0, 1]. (2.44)
Con notacin de operadores, el problema puede plantearse como el de resolver la ecuacin
F(x) = 0
siendo F el operador denido de X en X tal que
F(x)(s) = x(s) 1 x(s)
_
1
0
s
s +t
x(t) dt, s [0, 1].
Estudiaremos el caso particular = 1/4.
En primer lugar, como aplicacin del teorema de Kantorovich, probaremos la exis-
tencia y unicidad de solucin de esta ecuacin. Posteriormente, encontraremos una
aproximacin numrica de la misma. Para ello, pasaremos de un problema conti-
nuo a un problema discreto utilizando una frmula de integracin numrica (de
tipo Gauss-Legendre) para aproximar la integral que aparece en (2.44). Obtene-
mos as un sistema de ecuaciones (no lineal) que resolvemos por el mtodo de
Newton. Las incgnitas son los valores aproximados de la solucin en una serie
de puntos del intervalo [0, 1]. Finalmente, a partir de estos valores y mediante un
proceso de interpolacin se obtiene la aproximacin buscada.
90 El mtodo de Newton
Para aplicar el teorema de Kantorovich, necesitamos partir de una funcin inicial
adecuada. Como de (2.44) se deduce que x(0) = 1, una eleccin razonable parece
ser x
0
(s) = 1, para todo s [0, 1]. Adems, hay que calcular el operador derivado
F
(x)y(s) = lm
h0
F(x +hy)(s) F(x)(s)
h
= y(s)
1
4
x(s)
_
1
0
s
s +t
y(t) dt
1
4
y(s)
_
1
0
s
s +t
x(t) dt, s [0, 1].
Podemos considerar el subconjunto que aparece en el enunciado del teorema
de Kantorovich como el propio conjunto X que, por supuesto, es un conjunto
convexo. A continuacin, calculamos las constantes y .
En primer lugar,
|
0
F(x
0
)| |
0
||F(x
0
)|;
como
F(x
0
)(s) =
1
4
_
1
0
s
s +t
dt =
s
4
log
1 + s
s
,
tenemos que
|F(x
0
)| =
log 2
4
.
El lema de Banach sobre inversin de operadores nos permite encontrar una cota
para
0
= F
(x
0
)
1
. Dada una funcin cualquiera y X, se tiene que
|[I F
(x
0
)]y| = m ax
s[0,1]
[y(s) F
(x
0
)y(s)[
=
1
4
m ax
s[0,1]
_
1
0
s
s +t
y(t) dt +y(s)
_
1
0
s
s +t
dt
log 2
2
|y|,
luego
|I F
(x
0
)|
log 2
2
= 0.3465 . . . < 1,
con lo que se garantiza que existe
0
= F
(x
0
)
1
y adems
|
0
|
1
1 |I F
(x
0
)|
1
1 (log 2/2)
= 1.5303 . . .
En consecuencia,
|
0
F(x
0
)|
(log 2/4)
1 (log 2/2)
= 0.2651 . . . .
De forma muy parecida, podemos deducir que
|
0
[F
(x) F
(y)]| |
0
||F
(x) F
(y)|
(log 2/2)
1 (log 2/2)
|x y|.
2.6. Ejemplos y aplicaciones del mtodo de Newton 91
Por tanto,
(log 2/4)
1 (log 2/2)
= 2.
As, tenemos que = = 2
2
= 0.1406 . . . < 1/2, con lo que se cumplen
las condiciones del teorema de Kantorovich y se prueba la existencia de solucin
de (2.44). An podemos precisar ms, estableciendo las regiones de existencia y
unicidad. Para ello, sean
t
=
1
1 2
= 0.2870 . . . , t
=
1 +
1 2
= 3.4837 . . .
Sabemos que la ecuacin de Chandrasekhar tiene una solucin x
localizada en
la bola
|x
x
0
| t
([x
(s) 1[ t
x
0
| < t
.
Pasemos ahora a encontrar la aproximacin numrica de la solucin de (2.44).
Utilizando la frmula de Gauss-Legendre, podemos hacer
_
1
0
f(t) dt
1
2
m
j=1
j
f(t
j
),
donde t
j
y
j
son nodos y pesos conocidos (aparecen tabulados para distintos
valores de m). En particular, para m = 8 son los que aparecen en el cuadro 2.10.
Cuadro 2.10: Pesos (t
j
) y nodos (
j
) para la frmula de Gauss-Legendre para m = 8.
j t
j
j
j t
j
j
1 0.01985507 0.10122854 5 0.59171732 0.36268378
2 0.10166676 0.22381034 6 0.762766205 0.31370665
3 0.237233795 0.31370665 7 0.89833324 0.22381034
4 0.40828268 0.36268378 8 0.98014493 0.10122854
Denotando x
i
a las aproximaciones de x(t
i
), i = 1, . . . , 8, llegamos al siguiente
sistema de ecuaciones (no lineal):
x
i
= 1 +
1
8
x
i
t
i
8
j=1
j
x
j
t
i
+t
j
, i = 1, . . . , 8.
Si hacemos a
ij
= t
i
j
/(8(t
i
+t
j
)), podemos escribir el sistema anterior en la forma
x
i
= 1 +x
i
8
j=1
a
ij
x
j
, i = 1, . . . , 8. (2.45)
92 El mtodo de Newton
0.2 0.4 0.6 0.8 1
1.05
1.1
1.15
1.2
1.25
Figura 2.21: Grca de la solucin aproximada de la ecuacin de Chandrasekhar.
En forma matricial, si denotamos x = (x
1
, . . . , x
8
)
T
y 1 = (1, . . . , 1)
T
,
x = 1 +x (Ax),
donde representa el producto componente a componente. La solucin de este
sistema es el siguiente vector:
(x
1
, . . . , x
8
) = (1.02176, 1.07334, 1.12599, 1.17011, 1.20351, 1.22698, 1.24205, 1.24999).
Interpolando la funcin que pasa por los puntos (t
i
, x
i
) i = 1, . . . , 8, y sabiendo
adems, que x(0) = 1, obtenemos la grca aproximada de la solucin, que se
muestra en la gura 2.21.
Otra fuente importante de ejemplos donde aplicar el mtodo de Newton son las ecuaciones
diferenciales. En este contexto, consideramos un problema de valores en la frontera (PVF)
del tipo.
d
2
y
dx
2
+g(y) = 0, y(a) = A, y(b) = B, (2.46)
donde y = y(x) es una funcin real de variable real lo sucientemente derivable en el intervalo
[a, b].
Uno de los mtodos ms empleados para resolver el problema (2.46) es el que se conoce
como mtodo de disparo. Sin entrar en muchos detalles (vase [50] o [79] para ms informa-
cin) el mtodo consiste en conjeturar una pendiente inicial
1
como aproximacin de y
(a).
A continuacin, se resuelve el problema de valor inicial (PVI) siguiente:
d
2
y
dx
2
+g(y) = 0, y(a) = A, y
(a) =
1
.
2.6. Ejemplos y aplicaciones del mtodo de Newton 93
Sea y(x,
1
) la solucin del problema anterior. Entonces, si [y(x,
1
) B[ es menor que la
precisin deseada, entonces el proceso termina y y(x,
1
) es la solucin del PVF (2.46). Pero
lo ms normal es no acertar a la primera con la aproximacin de y
(a) =
satisface la ecuacin de la energa
1
2
_
dy
dx
_
2
+G(y) =
2
2
+G(A), G
+G
(y)y
= 0 y
+g(y) = 0.
Adems, sustituyendo x = a en (2.47), se tiene y
(a) = .
Observemos ahora que, por el teorema de la funcin inversa, (2.47) puede escri-
birse
_
dx
dy
_
2
=
1
2
+ 2G(A) 2G(y)
.
Entonces, si A ,= B, podemos encontrar la solucin de esta ecuacin:
x
=
_
B
A
1
_
2
+ 2G(A) 2G(y)
dy.
El signo + se considera si B > A y el cuando B < A. A partir de ahora
supondremos que B > A. El otro caso se estudia de forma parecida. La cantidad
x
se puede entender como el tiempo que emplea la solucin para viajar del
punto (A, ) a la recta vertical y = B en el plano (y, y
).
94 El mtodo de Newton
Despus de estas consideraciones, el valor
= b a, o equivalente-
mente,
F() = b a
_
B
A
1
_
2
+ 2G(A) 2G(y)
dy = 0. (2.48)
La existencia de una solucin
n+1
=
n
F(
n
)
F
(
n
)
=
n
b a
_
B
A
(
2
n
+ 2G(A) 2G(y))
1/2
dy
n
_
B
A
(
2
n
+ 2G(A) 2G(y))
3/2
dy
converge a
.
En la prctica se puede tomar como punto de partida de esta iteracin el valor
1
= (B A)/(b a).
Captulo 3
Dinmica del mtodo de Newton en la
recta real
3.1. Introduccin
En el captulo 1 ya se puso de maniesto que el comportamiento dinmico de algunas
funciones, aparentemente sencillas, como los polinomios de segundo grado o la funcin logs-
tica, puede ser extremadamente complicado. En esta seccin nos vamos a centrar en estudiar
el comportamiento dinmico del mtodo de Newton, introducido en el captulo 2, cuando se
aplica para resolver una ecuacin
f(x) = 0, (3.1)
siendo f una funcin real de variable real. Dejamos para el captulo 4 el anlisis para funciones
de variable compleja.
As, sea f : R R la funcin denida en la ecuacin (3.1). La funcin de iteracin para
el mtodo de Newton es entonces
N
f
(x) = x
f(x)
f
(x)
. (3.2)
Nuestro objetivo es el estudio del comportamiento de las sucesiones x
n
, donde
x
n+1
= x
n
f(x
n
)
f
(x
n
)
= N
f
(x
n
) = N
n
f
(x
0
), n 0, (3.3)
para distintos puntos de partida x
0
R.
Una rpida inspeccin a la funcin de iteracin del mtodo de Newton nos permite sacar
las siguientes conclusiones:
1) Si es una raz simple de la ecuacin (3.1), es decir, satisface f
() ,= 0, entonces es
un punto jo de N
f
, es decir, N
f
() = . Adems, como
N
f
() =
f()f
()
f
()
2
= 0,
95
96 Mtodo de Newton en la recta real
se trata de un punto jo superatractor de la aplicacin N
f
. Notemos que este aspecto
implica la convergencia cuadrtica del mtodo de Newton si comenzamos con un punto
inicial cerca de la raz buscada, tal y como se puso de maniesto en la seccin 2.4.
2) Cuando es una raz mltiple de la ecuacin (3.1), entonces tambin es un punto
jo de N
f
, aunque en este caso se trata de un punto jo atractor con
N
f
() =
m1
m
< 1,
siendo m la multiplicidad de como raz de f. Como vimos en la seccin 2.5, la
convergencia del mtodo de Newton en estas condiciones es solamente lineal.
Un anlisis un poco ms profundo nos permite armar que, dada una ecuacin (3.1), el
comportamiento dinmico de la funcin de iteracin del mtodo de Newton (3.2) nos permite
clasicar a los puntos de la recta real en dos conjuntos:
B(f) = x
0
R : lm
n
N
n
f
(x
0
) = con f() = 0, (3.4)
/(f) = R B(f). (3.5)
Coloquialmente hablando, podramos denir a estos conjuntos como los puntos buenos y
malos para el mtodo de Newton con el siguiente sentido: B(f) recoge a los puntos ini-
ciales x
0
a partir de los cuales el mtodo de Newton (3.2) converge a una solucin de la
ecuacin (3.1). Por tanto, en /(f) se incluyen los puntos de partida para los cuales, por un
motivo u otro, el mtodo de Newton no converge a ninguna solucin de la ecuacin conside-
rada. Obsrvese que entre los puntos que forman parte del conjunto /(f) se encuentran los
siguientes:
(a) Los puntos crticos de f, es decir, puntos para los cuales f
(x
0
) = 0. Notemos que
geomtricamente estos puntos se caracterizan porque la tangente a la grca de f es
horizontal.
(b) Las preimgenes de los puntos crticos, es decir, puntos x
0
tales que f
(x
n
) = 0, siendo
x
n
= N
n
f
(x
0
).
(c) Los n-ciclos de perodo n 2 de N
f
, as como los puntos que son atrados por dichos
ciclos.
As, podemos precisar un poco ms a la hora de clasicar los puntos contenidos en el
conjunto /(f). Denotamos
/(f) = x R : existe m = m(x) N tal que N
m
f
(x) Z(f
), (3.6)
3.1. Introduccin 97
donde Z(g) = x R : g(x) = 0 es el conjunto de los ceros de la funcin g. Notemos que
/(f) est formado por las preimgenes de los puntos crticos de f:
/(f) =
_
mN
(N
f
)
m
(Z(f
)).
Toda vez que la funcin f tiene un cero t los puntos crticos de f son aislados, se cumple que
/(f) es numerable y no denso en R.
Englobamos dentro del conjunto
((f) = /(f) /(f) (3.7)
a los puntos con la dinmica ms complicada respecto a la funcin de iteracin N
f
.
Los siguientes ejemplos nos muestran algunas de las formas que puede tomar el conjunto
/(f) para distintas funciones f.
Ejemplo 3.1. Si f(x) = x
2
1 entonces /(f) tiene un slo un punto: /(f) = 0.
En efecto, como veremos con ms detalle en la siguiente seccin, en este caso se
tiene que si se parte de x
0
> 1 se obtiene una sucesin montonamente decreciente
a la raz = 1. Si se parte de x
0
(0, 1), entonces, x
1
> 1 y a partir de aqu
se obtiene una sucesin montonamente decreciente a la misma raz anterior. El
comportamiento para puntos de partida negativos es simtrico, obtenindose en
este caso sucesiones convergentes hacia la otra raz, = 1. En consecuencia,
el nico punto de partida para el cual no existen las iteraciones del mtodo de
Newton es x
0
= 0.
Ejemplo 3.2. Si f(x) = x
3
1 entonces /(f) tiene innitos puntos. No obstante, el
conjunto /(f) tiene medida cero.
En este caso, la funcin de iteracin del mtodo de Newton es de la forma
N
f
(x) =
2x
3
+ 1
3x
2
,
que no est denida en el punto x = 0 y en el conjunto de sus preimgenes (un
conjunto numerable de puntos).
Ejemplo 3.3. Si f(x) = 25x
3
16x 9 entonces /(f) tiene innitos puntos. Adems, en
este caso /(f) es un conjunto de medida positiva.
En este caso, la funcin de iteracin del mtodo de Newton N
f
(x) tiene un 2-ciclo
atractor de la forma
0.011036, 0.562826.
98 Mtodo de Newton en la recta real
Es ms, la funcin g(x) = N
2
f
(x) tiene un nico punto jo en el intervalo [0.025, 0.025]
y satisface
[g
2)/(2(3x
2
1)). Tenemos que f
(x) = 0 si y slo
si x = 1/
2/2
_
es una rbita peridica de perodo 2 para N
f
. Adems, como
_
N
2
f
_
(x) = N
f
(N
f
(x)) N
f
(x)
=
f(N
f
(x))f
(N
f
(x))
(f
(N
f
(x)))
2
f(x)f
(x)
(f
(x))
2
,
3.2. Mtodo de Newton para cuadrticas 99
y f
(0) =
f(
2/2)f
2/2)
(f
2/2))
2
f(0)f
(0)
(f
(0))
2
= 0,
por lo que
_
0,
2/2
_
es una rbita peridica superatractora de N
f
. En consecuen-
cia, existe un intervalo I que contiene a 0 tal que si x I, entonces, los iterados
pares N
2n
f
(x) 0 y los iterados impares N
2n+1
f
(x)
2/2.
Ejemplo 3.6. Determnense algunos puntos de partida para los cuales el mtodo de Newton
aplicado a la funcin f(x) = x
3
x no converja a ninguna raz.
Las races de la ecuacin f(x) = 0, son 0, 1 y 1. La funcin de iteracin de
Newton para f es N
f
(x) = 2x
3
/(3x
2
1). En este caso, tenemos que f
(x) = 0
si y slo si x =
5. El punto x
0
= 0 es un
punto jo (superatractor) de N
f
, y los puntos x
1
= 1/
5 y x
2
= 1/
5 forman
una rbita peridica de perodo 2, la cual es repulsora, pues (N
2
f
)
_
1/
5
_
= 36.
Estos ejemplos nos permiten intuir que el estudio de la convergencia global del mtodo de
Newton es un problema complicado, no slo por la existencia de puntos donde la convergencia
puede fallar, sino tambin porque en el caso en el que el mtodo de Newton converge, puede
hacerlo a una raz distinta a la esperada. No siempre ocurre que el mtodo de Newton converja
a la raz ms prxima al punto de partida. As, si en el ltimo ejemplo tomamos x
0
= 0.5, se
tiene que N
f
(0.5) = 1. Adems, si tomamos puntos de partida cercanos a 0, 5, el mtodo
de Newton no converge a ninguna de las races ms prximas, 0 1, si no que lo hace a la
raz ms alejada, = 1.
En el resto del captulo nos centraremos en el estudio del comportamiento dinmico de
la funcin de iteracin del mtodo de Newton (3.2) denida sobre la recta real. As, en las
secciones 3.2 y 3.3 analizamos el comportamiento particular de N
f
(x) para polinomios de
segundo y tercer grado respectivamente, dejando para el resto de secciones el caso general.
3.2. Mtodo de Newton para ecuaciones cuadrticas
Analizamos en esta seccin del mtodo de Newton para aproximar soluciones de las ecua-
ciones ms simples despus de las ecuaciones lineales, a saber, las ecuaciones cuadrticas.
100 Mtodo de Newton en la recta real
Notemos que, sin prdida de generalidad, podemos suponer que tenemos una ecuacin de la
forma
f(x) = x
2
+Bx +C = 0, B, C R, (3.8)
ya que toda ecuacin del tipo
f(x) = ax
2
+bx+c con a ,= 0 se puede reducir a una del tipo (3.8)
dividiendo por a y denotando B = b/a y C = c/a. Ntese que adems el comportamiento
del mtodo de Newton es el mismo para ambas funciones, es decir, N
f
(x) = N
f
(x).
Es ms, toda funcin cuadrtica del tipo (3.8) puede reducirse a una del tipo
f
(x) = x
2
, R (3.9)
mediante un cambio de coordenadas afn, como se puso de maniesto en el ejemplo 1.13.
Como aplicacin de este resultado, podemos reducir el estudio del comportamiento din-
mico del mtodo de Newton aplicado a polinomios de segundo grado a los polinomios de la
familia uniparamtrica (3.9).
Teorema 3.1. Sean f(x) y f
(x) = x
2
, denidos en (3.8) y (3.9) respectivamente, con
= (B
2
4C)/4. Entonces N
f
(x) es conjugada topolgicamente con N
f
(x) mediante la
transformacin afn h(x) = x
B
2
, es decir, h
1
N
f
h(x) = N
f
(x).
Demostracin. En primer lugar, es una comprobacin inmediata que f
(h(x)) = (f h)
(x) = f
(x). As,
h
1
N
f
h(x) = h
1
_
h(x)
f(h(x))
f
(h(x))
_
= h(x)
f(h(x))
f
(h(x))
+
B
2
= x
f
(x)
f
(x)
= N
f
(x).
El siguiente paso es caracterizar, en funcin del signo de , el comportamiento del mtodo
de Newton aplicado a un polinomio de la forma (3.9). En concreto, el siguiente resultado
muestra que el estudio de las iteraciones dadas por el mtodo de Newton aplicado a un
polinomio cuadrtico general, se puede reducir a tres situaciones particulares, dependiendo
de si el polinomio original tiene dos races reales, ninguna raz real o una raz doble.
Teorema 3.2. Sea N
= N
1
H. (3.10)
Ahora, H N
(x) = N
(x) + y N
1
H(x) = (H(x)
2
+1)/(2H(x)). Usando la ecuacin de
conjugacin (3.10), tenemos la ecuacin
(x
2
+ 2x +)(x +) = x(
2
x
2
+ 2x +
2
+ 1)
que, despus de realizar todas las simplicaciones posibles, nos queda como
3x + 2
2
+
2
= 2
2
+
2
+ 1.
De aqu, = 0 y como ,= 0 se sigue que = 0. Tambin como 2
2
+
2
= 2
2
+
2
+1,
nos queda
2
= 1, de donde = 1/
.
En el segundo caso, como en el caso anterior, buscamos H(x) = x + afn, tal que
H N
= N
1
H, lo que nos conduce a la ecuacin
2
= 1, de donde = 1/
, y
H(x) = x/
es la transformacin buscada.
El tercer caso es una comprobacin inmediata.
Corolario 3.3. El comportamiento dinmico del mtodo de Newton aplicado a los polinomios
de la forma (3.8) se reduce a tres casos particulares, en funcin del signo de = B
2
4C,
el discriminante de la correspondiente ecuacin cuadrtica. En concreto,
1. Si = 0, N
f
es conjugada topolgicamente con N
0
(x), el mtodo de Newton aplicado
al polinomio f
0
(x) = x
2
.
2. Si > 0, N
f
es conjugada topolgicamente con N
1
(x), el mtodo de Newton aplicado
al polinomio f
1
(x) = x
2
1.
3. Si < 0, entonces N
f
es conjugada topolgicamente con N
1
(x), el mtodo de Newton
aplicado al polinomio f
1
(x) = x
2
+ 1.
102 Mtodo de Newton en la recta real
El mtodo de Newton aplicado al polinomio f
0
(x) = x
2
Esta situacin es la ms fcil de las tres, ya que la funcin de iteracin del mtodo de
Newton queda de la forma
N
0
(x) =
x
2
. (3.11)
En consecuencia, la sucesin generada por dicha funcin es x
n
= x
0
/2
n
, por lo que x
n
0
para todo x
0
R. Ntese que, en este caso, la convergencia es lineal.
El mtodo de Newton aplicado al polinomio f
1
(x) = x
2
1
En este caso la funcin de iteracin del mtodo de Newton es
N
1
(x) =
x
2
+ 1
2x
=
1
2
_
x +
1
x
_
. (3.12)
El nico punto donde no est denida es en x = 0. Es sencillo comprobar que si x
0
> 1,
entonces la sucesin x
n+1
= N
1
(x
n
) es montonamente decreciente hacia 1, es decir, 1 <
x
n+1
< x
n
, n 0.
Si 0 < x
0
< 1, entonces x
1
> 1 y a partir de aqu se inicia la convergencia montona
decreciente hacia 1. En este caso, x
0
< x
1
y 1 < x
n+1
< x
n
, n 1.
El estudio para valores negativos de x
0
se puede hacer por simetra, ya que si y
0
= x
0
,
con x
0
> 0, entonces si y
n+1
= N
1
(y
n
) y x
n+1
= N
1
(x
n
), se tiene que y
n
= x
n
. Por lo
tanto, si y
0
< 1, entonces la sucesin y
n
es montonamente creciente a 1, mientras que
si 1 < y
0
< 0, entonces y
1
< 1 y a partir de aqu, la sucesin crece hacia el lmite 1.
El mtodo de Newton aplicado al polinomio f
1
(x) = x
2
+ 1
En este caso se comprueba que la funcin de iteracin obtenida aplicando el mtodo de
Newton al polinomio f
1
(x) = x
2
+ 1:
N
1
(x) =
x
2
1
2x
, (3.13)
tiene un comportamiento catico. En concreto, veamos que N
1
es conjugada topolgicamente
con la funcin diente de sierra denida en el ejemplo 1.16 de la siguiente manera:
S(x) =
_
_
2x si 0 x <
1
2
,
2x 1 si
1
2
x 1.
(3.14)
En dicho ejemplo ya se prob el comportamiento catico de las rbitas de la funcin (3.14).
Consideramos la funcin g : (0, 1) R denida por
g(x) =
cos(x)
sen(x)
.
3.2. Mtodo de Newton para cuadrticas 103
Entonces, se tiene que g S(x) = N
1
g(x) para todo x (0, 1/2) (1/2, 1). En efecto, por
una parte se tiene que
N
1
g(x) =
1 tg
2
(x)
2 tg(x)
=
1
tg(2x)
.
Por otra parte, si x (0, 1/2), entonces
g S(x) = g(2x) =
1
tg(2x)
.
Si x (1/2, 1), entonces
g S(x) = g(2x 1) =
1
tg(2x )
=
1
tg(2x)
.
Por lo tanto, en ambos casos se tiene que g S(x) = N
1
g(x).
Adems, si tenemos en cuenta que
lm
x0
+
g S(x) = = lm
x0
+
N
1
g(x), lm
x1
g S(x) = = lm
x1
N
1
g(x),
la igualdad g S(x) = N
1
g(x) se puede extender al intervalo [0, 1], deniendo g(0) = ;
g(1) = ; N
1
() = y N
1
() = .
Como el comportamiento del sistema dinmico (X, S), con X = [0, 1] y S denida
en (3.14), es catico (vase el ejemplo 1.16), tambin lo es el de la funcin N
1
sobre to-
da la recta real.
Figura 3.1: Grco de N
0
en R y grco de su compacticacin
N
0
en el intervalo [0, 1].
Para terminar esta seccin, a modo de resumen, mostramos los grcos de algunas itera-
ciones del mtodo de Newton aplicado a los tres polinomios a los que se reduce el estudio para
polinomios cuadrticos, junto con sus correspondientes compacticaciones al intervalo [0, 1],
entendiendo por compacticacin de una funcin f(x) denida en la recta real como otra
104 Mtodo de Newton en la recta real
Figura 3.2: Grco de N
1
en R y grco de su compacticacin
N
1
en el intervalo [0, 1].
Figura 3.3: Grco de N
1
en R y grco de su compacticacin
N
1
en el intervalo [0, 1].
funcin que es conjugada topolgicamente con f(x), pero que est denida en un intervalo
nito.
Para obtener dichas compacticaciones, se considera la aplicacin G : R (0, 1) dada
por
G(x) =
1
arc tg(x) +
1
2
.
Esta funcin es un homeomorsmo de R en el intervalo (0, 1). Por lo tanto, para las funcio-
nes N
0
, N
1
y N
1
introducidas en (3.11), (3.12) y (3.13) respectivamente, construimos las
compacticaciones
N
0
: (0, 1) (0, 1) denida por
N
0
(x) = (G N
0
G
1
)(x);
N
1
: (0, 1) (0, 1) denida por
N
1
(x) = (G N
1
G
1
)(x);
N
1
: (0, 1) (0, 1) denida por
N
1
(x) = (G N
1
G
1
)(x).
3.3. Mtodo de Newton para polinomios cbicos 105
Adems, si introducimos las notaciones
G() = lm
x
G(x) = 0, G(+) = lm
x+
G(x) = 1,
y tenemos en cuenta que
lm
x
N
0
(x) = lm
x
N
1
(x) = lm
x
N
1
(x) = ,
lm
x
N
0
(x) = lm
x
N
1
(x) = lm
x
N
1
(x) = ,
podemos extender cualquiera de las tres compacticaciones a un aplicacin denida en [0, 1].
Usamos la misma notacin para esta extensin. Notemos que las funciones extendidas tienen
a x = 0 y a x = 1 como puntos jos adicionales a los puntos jos que corresponden a las
races del polinomio en cuestin.
3.3. Mtodo de Newton para polinomios cbicos
En la seccin anterior ya observamos que el mtodo de Newton puede presentar un com-
portamiento catico para algunos polinomios cuadrticos. Ahora bien, para polinomios c-
bicos, el comportamiento de la transformada de Newton es ms interesante desde el punto
dinmico, con la aparicin de fenmenos interesantes como las cascadas de bifurcaciones.
En esta seccin analizamos la dinmica de la funcin de iteracin del mtodo de Newton
N
p
(x) = x
p(x)
p
(x)
,
donde p(x) es un polinomio cbico de la forma
p(x) = x
3
+bx
2
+cx +d, b, c, d R. (3.15)
Podemos suponer, sin prdida de generalidad que p(x) es mnico ya que la funcin de iteracin
del mtodo de Newton es la misma para los polinomios Ax
3
+ Bx
2
+ Cx + D (A ,= 0) y
x
3
+bx
2
+cx +d con b = B/A, c = C/A y d = D/A.
El nmero de parmetros implicados en el problema se puede reducir a dos, teniendo en
cuenta el siguiente resultado.
Lema 3.4. Sea p(x) un polinomio de la forma (3.15) y sea (x) = 3x + b. Entonces N
p
es
conjugada topolgicamente con N
q
, la funcin de iteracin del mtodo de Newton aplicada al
polinomio
q(x) = x
3
+x +, (3.16)
donde = 9c 3b
2
y = 2b
3
9(bc 3d) = 27d + 2b
3
9bc.
106 Mtodo de Newton en la recta real
Demostracin. En primer lugar, notemos que
N
p
(x) =
2x
3
+bx
2
d
3x
2
+ 2bx +c
y N
q
(x) =
2x
3
C
3x
2
+B
.
Entonces
N
p
(x) =
6x
3
+ 6bx
2
+ 2b
2
x +bc 3d
3x
2
+ 2bx +c
y
N
q
(x) =
54x
3
+ 54bx
2
+ 18b
2
x + 2b
3
27x
2
+ 18bx + 3b
2
+
.
Teniendo en cuenta los valores de y dados en el enunciado del teorema, se sigue que
N
p
(x) = N
q
(x), es decir, N
p
y N
q
son conjugadas topolgicamente.
Pero an se puede reducir ms el estudio del mtodo de Newton para polinomios cbicos,
sin necesidad de considerar todos los polinomios denidos en (3.16). En concreto, el siguiente
resultado prueba que basta con estudiar el mtodo de Newton en cuatro situaciones concretas.
Teorema 3.5. Sea N
q
la funcin de iteracin del mtodo de Newton aplicado a un polinomio
de la forma (3.16), es decir,
N
q
(x) =
2x
3
3x
2
+
.
Entonces
1. Si = = 0, entonces N
q
(x) = N
0
(x) = 2x/3, que es el mtodo de Newton aplicado al
polinomio p
0
(x) = x
3
, que es un polinomio con una raz triple en x = 0.
2. Si = 0 y > 0, entonces N
q
(x) es conjugada topolgicamente con la aplicacin N
+
(x),
donde
N
+
(x) =
2x
3
3x
2
+ 1
es el mtodo de Newton aplicado al polinomio p
+
(x) = x
3
+x, que es un polinomio con
una raz real y dos complejas conjugadas.
3. Si = 0 y < 0, entonces N
q
(x) es conjugada topolgicamente con la aplicacin N
(x),
donde
N
(x) =
2x
3
3x
2
1
es el mtodo de Newton aplicado al polinomio p
(x) = x
3
x, que es un polinomio con
tres races reales diferentes.
4. Si ,= 0, entonces N
q
(x) es conjugada topolgicamente con la aplicacin N
c
(x), donde
N
c
(x) =
2x
3
1
3x
2
+c
(3.17)
es el mtodo de Newton aplicado al polinomio p
c
(x) = x
3
+cx + 1.
3.3. Mtodo de Newton para polinomios cbicos 107
Demostracin. El primer caso es una comprobacin inmediata. Para ver el segundo caso,
consideremos la transformacin afn h(x) =
x. Entonces tenemos
h
1
N
q
h(x) = h
1
_
2
x
3
3x
2
+
_
=
1
x
3
3x
2
+
=
2x
3
3x
2
+ 1
= N
+
(x).
El tercer caso es anlogo, pero considerando la transformacin afn h(x) =
_
[[x.
En el cuarto caso, escribimos el polinomio (3.15) de la forma q(x) = x
3
+x+
3
, es decir,
con =
3
. Entonces, para (x) = x/ se tiene que N
q
= N
c
con p
c
(x) = x
3
+cx + 1
y c = /
2
.
A continuacin estudiamos con ms detalle cada uno de los casos que se presentan en el
teorema 3.5.
El mtodo de Newton aplicado al polinomio f
0
(x) = x
3
En este caso la funcin de iteracin del mtodo de Newton es N
0
(x) = 2x/3. Por lo tanto,
la sucesin generada por dicha funcin es x
n
= (2/3)
n
x
0
, por lo que x
n
0 para todo x
0
R.
Ntese que, en este caso, la convergencia es lineal.
El mtodo de Newton aplicado al polinomio f
+
(x) = x
3
+x
En este caso, el nico punto jo de la correspondiente funcin de iteracin del mtodo de
Newton
N
+
(x) =
2x
3
3x
2
+ 1
es x = 0. Es sencillo comprobar que si x
0
> 0, entonces la sucesin x
n+1
= N
+
(x
n
) es
montonamente decreciente hacia 0, es decir 0 < x
n+1
< x
n
, n 0. Teniendo en cuenta la
simetra respecto al origen de la funcin N
+
, se tiene que para puntos de partida x
0
< 0 se
obtiene una sucesin que crece montonamente hacia 0.
El mtodo de Newton aplicado al polinomio f
(x) = x
3
x
Para las iteraciones de la funcin asociada a f
(x) = x
3
x,
N
(x) =
2x
3
3x
2
1
,
existen tres puntos jos, que corresponden a las races r
1
= 1, r
2
= 0 y r
3
= 1. En este caso
no es sencillo decidir hacia que raz se aproximan las iteraciones de un punto arbitrario.
108 Mtodo de Newton en la recta real
Como en el caso de las aplicaciones cuadrticas, consideramos la aplicacin G : R (0, 1)
dada por
G(x) =
1
arc tg(x) +
1
2
y la correspondiente compacticacin de la funcin N
:
N
(x) = (G N
G
1
)(x).
Notemos que G(1) = 1/4, G(0) = 1/2 y G(1) = 3/4, y las asntotas verticales estn
sobre los puntos a
1
=
3/3 y a
2
=
3/3, que son llevadas por G en los puntos a
1
= 1/3
y a
2
= 2/3. La preimagen por
N de a
1
= 1/3, distinta de este punto jo, determina
un intervalo I
2
= (, a
2
), de modo que las iteraciones por
N
de 2/3,
determina un intervalo I
1
= ( a
1
, ), de modo que las iteraciones de puntos en ese intervalo
por
N
de las asntotas
verticales a
1
y a
2
, es decir, el conjunto
A =
nN
N
n
( a
1
, a
2
), y existe un conjunto abierto
constituido por la unin de las preimgenes de las cuencas de atraccin de los puntos jos
1/4 y 3/4, las cuales aparecen intercaladas, es decir,
nN
(
N
n
(0, a
1
)
N
n
( a
2
, 1)). Como
se observa, decidir a cul de los puntos jos convergen las iteraciones, no es una tarea fcil
en este caso. Para mayores detalles, el lector puede consultar [154].
El mtodo de Newton aplicado al polinomio f
c
(x) = x
3
+cx + 1
Esta situacin esconde una gran riqueza desde el punto de vista dinmico. De hecho,
podemos encontrar una cscada de bifurcaciones de perodo, que recuerdan al diagrama de
Feigenbaum visto para la funcin logstica en el captulo 1.
Para el polinomio f
c
(x), consideramos la correspondiente funcin de iteracin del mtodo
de Newton (3.17). Como
N
c
(x) =
f
c
(x)f
c
(x)
f
c
(x)
2
=
6x(x
3
+cx + 1)
3x
2
+c
,
el nico punto crtico libre de N
c
(x) es x = 0. Para obtener valores de c para los cuales
N
c
(x) tiene un ciclo de la forma 0 x
1
x
2
x
3
x
n
0, debemos resolver las
ecuaciones
N
2
c
(0) = N
c
N
c
(0) = 0, N
4
c
(0) = N
2
c
N
2
c
(0) = 0, N
8
c
(0) = N
4
c
N
4
c
(0) = 0,
y as sucesivamente, de este modo obtenemos aquellos valores de c para los cuales N
c
tiene un
ciclo superatractor que contiene a x = 0, y por continuidad, obtenemos valores del parmetro
3.3. Mtodo de Newton para polinomios cbicos 109
para los cuales N
c
(x) tiene un ciclo atractor del mismo perodo que el ciclo que contiene al
punto 0. En concreto, la ecuacin N
2
c
(0) = 0 viene dada por
N
2
c
(0) =
2 +c
3
c(c
3
+ 3)
= 0.
Dicha ecuacin tiene como solucin real c
1
1.25992. As obtenemos el ciclo x
0
= 0
x
1
0.79370 x
2
= x
0
.
La prxima ecuacin a resolver es N
4
c
(0) = 0, la cual tiene varias soluciones reales, la
primera despus de c
1
es c
2
1.27816 (mirando desde la derecha a la izquierda), para la
cual N
c
2
tiene un 4-ciclo:
x
0
= 0 x
1
0.78237 x
2
0.07561 x
3
0.79370 x
4
= x
0
.
La prxima solucin, correspondiente a N
8
c
(0) = 0, es c
3
1.29376, para cual N
c
3
tiene
el 8-ciclo siguiente:
x
0
= 0 x
1
0.77294 x
2
0.15331 x
3
0.82339 x
4
0.15734
x
5
0.81363 x
6
0.11156 x
7
0.79370 x
8
= x
0
.
Las guras 3.4 y 3.5 muestran los ciclos superatractores que hemos encontrado.
2
1
0
1
2
y
2 1 1 2
x
2
1
0
1
2
y
2 1 1 2
x
Figura 3.4: rbita de 0 por N
c
1
(un 2-ciclo) y rbita de 0 por N
c
2
(un 4-ciclo).
Las ecuaciones para obtener ciclos de mayor perodo para N
c
vienen dadas por funciones
racionales en c, con numerador de un grado muy alto. El estudio dinmico de las funcio-
nes (3.17) da lugar a un diagrama de bifurcacin como el que se muestra en la gura 3.6.
Esta gura guarda una cierta similitud con el diagrama de Feighenbaum (vase la gura 1.11)
para la ecuacin logstica y, al igual que l, muestra los valores del parmetro c para los cuales
el mtodo de Newton aplicado a un polinomio de la familia (3.17) tiene un punto jo, a partir
de cundo aparece un 2-ciclo, un 4-ciclo, etc.
110 Mtodo de Newton en la recta real
0.4
0.2
0
0.2
0.4
0.6
0.8
1
y
0.4 0.2 0.2 0.4 0.6 0.8 1
x
Figura 3.5: rbita de 0 por N
c
3
(un 8-ciclo).
Figura 3.6: Diagrama de bifurcacin para la familia uniparamtrica (3.17). En el eje de
abcisas aparecen los valores del parmetro c y en el eje de ordenadas los lmites de la
correspondiente sucesin generada por el mtodo de Newton, aprecindose la aparicin de
2-ciclos, 4-ciclos, etc.
3.4. Propiedades bsicas de la funcin de iteracin del
mtodo de Newton
Como hemos comentado en la seccin anterior, la propiedad fundamental de la funcin de
iteracin de Newton, N
f
, de una cierta funcin f, es que transforma el problema de encontrar
las races de la ecuacin f(x) = 0 en el problema de encontrar los puntos jos de N
f
. En esta
seccin vamos a realizar un estudio ms detallado de la funcin de iteracin del mtodo de
Newton (3.2) para funciones f : R R sucientemente derivables. Para simplicar nuestro
estudio, supongamos que f satisface las condiciones siguientes:
C.1 Si f
(x) = 0, entonces f
f
() = 0, es decir, es
un punto jo superatractor y lm
k
N
k
f
(x) = para todo x sucientemente prximo
a .
(2) N
f
tiene una asntota vertical en cada solucin real x = c de f
(x) = 0.
Si c
1
< c
2
son dos races consecutivas de f
(x) = 0, el intervalo (c
1
, c
2
) se llama una
banda acotada para N
f
. Si c es la mayor de las races de f
2
N
f
(x) = .
En efecto, como f
(x)
= .
En el intervalo (, c
2
), f(x) < 0 y f
2
N
f
(x) = lm
xc
2
x
f(x)
f
(x)
= .
112 Mtodo de Newton en la recta real
El segundo caso es completamente anlogo.
(4) Si (c
1
, c
2
) es una banda de N
f
, que no contiene races de f(x) = 0, entonces
lm
xc
+
1
N
f
(x) = lm
xc
2
N
f
(x) = .
En efecto, en este caso basta observar las posibles grcas de f que se muestran en la
gura 3.8 para deducir el resultado.
c
1
c
2
c
1
c
2
c
1
c
2
c
1
c
2
Figura 3.8: Posibles grcos de f(x) en una banda (c
1
, c
2
) que no contiene ninguna raz
de f(x) = 0.
(5) Los puntos extremos locales de N
f
, si f
(x) = 0, esto es, los ceros y los puntos de inexin de f. En efecto, tenemos que
N
f
(x) = f(x)f
(x)/f
(x)
2
= 0 si, y slo si, f(x) = 0 o f
(x) = 0.
(6) Si una banda de N
f
no contiene una raz de f(x) = 0 entonces una de las bandas
adyacentes o una banda extrema no contiene races de f(x) = 0. Esta propiedad fre-
cuentemente vale tambin para bandas extremas. Una condicin suciente para que
esta propiedad sea verdadera para bandas extremas es que f
(x) = e
x
(1 x). Luego las asntotas de N
f
, que son las soluciones
de f
f
(x) < 1.
El teorema anterior garantiza, bajo sus hiptesis, que para casi todo x R los iterados
N
n
f
(x) convergen hacia alguna raz de f, pues ((f) /(f) tiene medida de Lebesgue cero
(/(f) es numerable). Ms an, el conjunto ((f) es repulsor, luego inaccesible computacio-
nalmente hablando.
Denamos ahora nmeros y como sigue:
(1) es el nmero de bandas extremas de N
f
que no contienen puntos jos de N
f
y que
adems son aplicadas en R por N
f
. Es claro que = 0, 1 2.
(2) es el nmero de bandas limitadas de N
f
que contienen puntos jos de N
f
.
Teorema 3.11. Supongamos que f satisface las condiciones C.1 y C.2. Si + 2, existe
un conjunto no numerable de puntos x tales que N
n
f
(x) no converge a ningn punto jo de
N
f
. Adems, si 1 entonces N
f
tiene puntos peridicos de todos los perodos.
Demostracin. Si = 0 entonces = 2 luego N
f
no tiene puntos jos y lo armado es trivial.
Si 2 el resultado se sigue del lema 3.8.
Los casos restantes son = 1 2 y 1. En estos casos existe al menos una banda
extrema B con N
f
(B) = R, y podemos elegir intervalos I
1
B e I
2
contenido en una banda
que contiene un punto jo de N
f
, tales que I
1
I
2
N
f
(I
2
) y I
1
I
2
N
f
(I
1
). La prueba
ahora sigue como en el lema 3.8.
Nota 3.1. En el caso = 2 y = 0 en el teorema, hay bandas externas B
1
, B
2
tales que
B
1
B
2
= con las propiedades B
1
B
2
N
f
(B
1
) y B
1
B
2
N
f
(B
2
); aplicando el lema 3.8
obtenemos el resultado.
3.6. Existencia de rbitas peridicas atractoras 115
-3 -2 -1 1 2 3
-10
-5
5
10
-3 -2 -1 1 2 3
-10
-5
5
10
Figura 3.10: Grcos de funciones de iteracin asociadas al mtodo de Newton. A la izquierda
se muestra una situacin con dos bandas extremas que contienen puntos jos y ninguna banda
interna con puntos jos. A la derecha se muestra una situacin con una banda extrema y
una banda interna con puntos jos.
3.6. No convergencia de la iteraciones del mtodo de
Newton: existencia de rbitas peridicas atracto-
ras
Desde el punto de vista de la dinmica, los resultados anteriores son satisfactorios, pues
ellos indican que para muchas funciones f, N
f
denida por (3.2) tiene dinmica complicada,
incluyendo una cantidad no numerable de puntos x para los cuales N
k
f
(x) no converge a
una raz de la ecuacin f(x) = 0, y por otra parte este conjunto puede ser pequeo en el
sentido de la medida de Lebesgue, ms an puede tener medida cero. En tal caso no debemos
esperar (en sentido probabilstico) encontrar en la prctica tales puntos de no convergencia.
Ahora centraremos la atencin en la existencia de rbitas peridicas atractoras (recuerde
que no estamos considerando como rbitas peridicas a los puntos jos). Si N
f
tiene rbitas
peridicas atractoras entonces existe un intervalo abierto I tal que, si x I, entonces N
k
f
(x)
no converge a una raz de f. Luego los puntos de I son bien comportados desde el punto de
vista de la dinmica, pero mal comportados desde el punto de vista de las iteraciones del
mtodo de Newton.
Probablemente, el resultado ms antiguo en esta rea es el de Barna (teorema 3.10), el
cual nos dice que si f es un polinomio con coecientes reales de grado mayor o igual que 4,
con todas sus races reales y distintas, entonces N
f
no tiene rbitas peridicas atractoras.
Sin embargo, para otro tipo de funciones pueden existir rbitas peridicas atractoras. Por
ejemplo, para la existencia de rbitas de perodo 2 basta con que se cumpla la siguiente
condicin para algn intervalo [a, b]:
1. N
2
f
([a, b]) [a, b],
2. [N
f
(x)[ < 1 para todo x [a, b],
116 Mtodo de Newton en la recta real
3. [(N
2
f
)
(x)[ = [N
f
(N
f
(x))N
f
(x)[ < 1 para todo x [a, b].
En algunos de los ejemplos anteriores slo mostramos los grcos, y nos podemos plantear
la siguiente pregunta. Este tipo de grco corresponde al grco de N
f
para alguna f?
La respuesta la obtenemos en el siguiente resultado.
Teorema 3.12. Sea g : R R que satisface
1) g es de clase C
2
(R), excepto en un nmero nito de puntos c
i
k
i=1
, en los cuales g no
est denida, y lm
xc
i
[g(x)[ = +.
2) lm
xc
+
i
g(x) = lm
xc
i
g(x).
3) g tiene un nmero nito de puntos jos, cada uno de los cuales es un punto crtico de
g, y cualquier par de esos puntos es separado por un elemento de c
i
k
i=1
.
4) g slo tiene un nmero nito de puntos crticos.
Entonces existe una funcin f : R R, de clase C
1
(R), tal que g = N
f
.
Como consecuencia del teorema anterior tenemos la siguiente proposicin.
Proposicin 3.13. Dado k > 1, existen polinomios para los cuales la correspondientes fun-
ciones de iteracin del mtodo de Newton tienen rbitas peridicas atractoras de perodo k.
Demostracin. El resultado se demuestra a partir del teorema anterior, del teorema de apro-
ximacin de funciones diferenciables por polinomios (teorema de Stone-Weierstrass) y de la
estabilidad de las rbitas peridicas atractoras por perturbaciones C
1
.
A continuacin mostraremos una tcnica que nos permite construir ciclos superatractores
para el mtodo de Newton. Aunque en este texto nos centraremos exclusivamente en el
mtodo de Newton, la tcnica que vamos a desarrollar se podra extender a otros procesos
iterativos.
Recordemos que una rbita peridica de longitud n o un n-ciclo para una aplicacin
F : R R, es un conjunto nito de n puntos distintos, O = x
1
, x
2
, . . . , x
n
, que satisface
F(x
i
) = x
i+1
, para i = 1, . . . , n 1 y F(x
n
) = x
1
.
Consideremos una funcin f : R R, derivable. Al aplicar el mtodo de Newton,
obtenemos una aplicacin N
f
: Dom(N
f
) R, denida por N
f
(x) = x f(x)/f
(x).
Sin perdida de generalidad vamos a suponer que N
f
(x
i
) = x
i+1
para i = 1, . . . , n 1 y
N
f
(x
n
) = x
1
. Si esto ocurre, claramente O es un n-ciclo para N
f
. Ahora desde las igualdades
x
i+1
= N
f
(x
i
) = x
i
f(x
i
)/f
(x
i
), para i = 1 . . . , n1 y N
f
(x
n
) = x
1
, despejando nos queda
f
(x
i
) =
f(x
i
)
x
i
x
i+1
, i = 1, . . . , n 1 , y f
(x
n
) =
f(x
n
)
x
n
x
1
. (3.18)
Resumiendo esto, hemos probado la siguiente proposicin:
3.6. Existencia de rbitas peridicas atractoras 117
Proposicin 3.14. Sea f : R R derivable y sea O = x
1
, . . . , x
n
Dom(N
f
), con
x
i
,= x
j
para todo i, j 1, . . . , n. Entonces O es un n-ciclo de N
f
si y slo si f satisface
las ecuaciones (3.18).
Usando tcnicas de interpolacin de funciones vamos a construir polinomios con la pro-
piedad deseada. Tenemos, as, el siguiente resultado.
Proposicin 3.15. Para cada n 2 existe un polinomio p de grado menor o igual que
2n 1, tal que N
p
tiene un n-ciclo.
Demostracin. Consideremos n puntos x
1
, x
2
, . . . , x
n
con la propiedad que x
i
,= x
j
si i ,= j
para todo i, j 1, 2, . . . , n y sean y
1
, y
2
, . . . , y
n
otros n puntos con la propiedad que y
k
,= 0
para todo k = 1, 2, . . . , n (ntese que los puntos y
j
no tienen porqu ser necesariamente
distintos). Por la proposicin 3.14, si f : R R satisface f(x
i
) = y
i
para i = 1, . . . , n y las
condiciones (3.18), entonces el conjunto O = x
1
, x
2
, . . . , x
n
es un n-ciclo para N
f
.
Para construir el polinomio p usaremos interpolacin de Hermite, que sirve para determi-
nar un polinomio que coincide con una funcin dada y con su derivada primera en una serie
de puntos prejados. En concreto, buscamos un polinomio p de grado a lo ms 2n 1 y que
satisface las condiciones
_
_
f(x
i
) = y
i
, i = 1, . . . , n,
f
(x
i
) =
y
i
x
i
x
i+1
, i = 1, . . . , n 1, y
f
(x
n
) =
y
n
x
n
x
1
.
(3.19)
Aunque existen formas de escribir el polinomio de interpolacin de Hermite en trminos
de las diferencias divididas de la funcin a interpolar o de los correspondientes polinomios de
Lagrange (vase [50], por ejemplo), en esta seccin emplearemos una formulacin alternativa
para representar dicho polinomio interpolador. As, escribimos p como
p(x) = a
1
p
1
(x) +a
2
p
2
(x) + +a
2n
p
2n
(x) (3.20)
118 Mtodo de Newton en la recta real
donde cada p
i
es un polinomio de grado i 1, para i = 1, . . . , 2n, y son denidos por
_
_
p
1
(x) = 1
p
2
(x) = p
1
(x)(x x
1
) = (x x
1
)
p
3
(x) = p
2
(x)(x x
1
) = (x x
1
)
2
p
4
(x) = p
3
(x)(x x
2
) = (x x
1
)
2
(x x
2
)
p
5
(x) = p
4
(x)(x x
2
) = (x x
1
)
2
(x x
2
)
2
.
.
.
p
2i1
(x) = p
2i2
(x x
i1
)
p
2i
(x) = p
2i1
(x)(x x
i
)
.
.
.
p
2n1
(x) = p
2n2
(x)(x x
n1
)
p
2n
(x) = p
2n1
(x)(x x
n
).
(3.21)
Notemos que p
2i1
(x
i
) = p
2i2
(x
i
)(x
i
x
i1
) ,= 0 y que p
2i
(x
i
) = p
2i1
(x
i
)(x
i
x
i
) = 0, esto
nos dice que p
j
(x
i
) ,= 0 para j 2i 1 y que p
j
(x
i
) = 0 para j 2i.
Por otra parte, tenemos que p
2i
(x) = p
2i1
(x)(x x
i
) + p
2i1
(x), de donde p
2i
(x
i
) =
p
2i1
(x
i
) ,= 0 y p
2i+1
(x) = p
2i
(x)(xx
i
)+p
2i
(x), as p
2i+1
(x
i
) = p
2i
(x
i
) = 0. Luego, p
j
(x
i
) ,= 0
para j 2i y p
j
(x
i
) = 0 para j 2i + 1. Para determinar el polinomio p(x) debemos ser
capaces de calcular los coecientes a
i
, para i = 1, . . . , 2n. Para ello, debemos resolver un
sistema de 2n ecuaciones con 2n incgnitas, si es posible hacerlo. El sistema de ecuaciones
asociado a nuestro problema es un sistema dado por una matriz A, triangular inferior, cuyas
las A
j
, para j = 1, . . . , 2n estn denidas de la siguiente manera.
A
2i1
= (p
1
(x
i
) p
2
(x
i
) p
3
(x
i
) p
2i1
(x
i
) 0 0 0 0)
A
2i
= (p
1
(x
i
) p
2
(x
i
) p
3
(x
i
) p
2i1
(x
i
) p
2i
(x
i
) 0 0 0)
con i = 1, . . . , n.
As el sistema de ecuaciones lineales a resolver viene dado por AX = b, donde
A =
_
_
_
_
_
A
1
.
.
.
A
2n
_
_
_
_
_
, X =
_
_
_
_
_
a
1
.
.
.
a
2n
_
_
_
_
_
y b =
_
_
_
_
_
_
_
_
_
_
_
y
1
y
1
x
1
x
2
.
.
.
y
n
y
n
x
n
x
1
_
_
_
_
_
_
_
_
_
_
_
. (3.22)
Este sistema tiene solucin, pues el determinante de la matriz A es no nulo. Para ello basta
notar que la matriz A es triangular inferior y que las componente de su diagonal son los
elementos de la forma p
2i1
(x
i
) y p
2i
(x
i
), los cuales son no nulos para i = 1, . . . , n. Esto
completa la prueba de la proposicin.
3.6. Existencia de rbitas peridicas atractoras 119
Ejemplo 3.7. En este ejemplo vamos a construir, usando la tcnica desarrollada en la pro-
posicin 3.15, un polinomio cuyo mtodo de Newton asociado tenga una rbita peridica de
perodo 3.
Para ello consideremos los datos
_
_
x
1
= 0, y
1
= 1,
x
2
= 1, y
2
= 1,
x
3
= 2, y
3
= 1.
Es decir, estamos imponiendo al polinomio p(x) que p(0) = 1, p(1) = 1 y
p(2) = 1 y que sus derivadas en esos puntos satisfagan
p
(0) =
1
0 1
= 1, p
(1) =
1
1 2
= 1, p
(2) =
1
2 0
=
1
2
.
Ahora debemos construir los polinomios p
i
(x), i = 1, . . . , 6, los cuales son dados
como sigue:
_
_
p
1
(x) = 1
p
2
(x) = p
1
(x)(x x
1
) = x
p
3
(x) = p
2
(x)(x x
1
) = x
2
p
4
(x) = p
3
(x)(x x
2
) = x
2
(x 1)
p
5
(x) = p
4
(x)(x x
2
) = x
2
(x 1)
2
p
6
(x) = p
5
(x)(x x
3
) = x
2
(x 1)
2
(x 2).
El polinomio buscado tiene la forma
p(x) = a
1
+a
2
x +a
3
x
2
+a
4
x
2
(x 1) + a
5
x
2
(x 1)
2
+a
6
x
2
(x 1)
2
(x 2).
En este caso, las las de la matriz A del sistema de ecuaciones lineales AX = b
son:
A
1
= p
1
(x
1
) 0 0 0 0 0
A
2
= p
1
(x
1
) p
2
(x
1
) 0 0 0 0
A
3
= p
1
(x
2
) p
2
(x
2
) p
3
(x
2
) 0 0 0
A
4
= p
1
(x
2
) P
2
(x
2
) p
3
(x
2
) p
4
(x
2
) 0 0
A
5
= p
1
(x
3
) p
2
(x
3
) p
3
(x
3
) p
4
(x
3
) p
5
(x
3
) 0
A
6
= p
1
(x
3
)
2
(x
3
) p
3
(x
3
) p
4
(x
3
) p
5
(x
3
) p
6
(x
3
).
Calculando las derivadas de los polinomios p
i
(x), i = 1, . . . , 6 y evaluando p
i
(x)y
p
i
(x), obtenemos el sistema de ecuaciones lineales:
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0 0 0
0 1 0 0 0 0
1 1 1 0 0 0
0 1 2 1 0 0
1 2 4 4 4 0
0 1 4 8 12 4
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
1
a
2
a
3
a
4
a
5
a
6
_
_
_
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
_
_
_
1
1
1
1
1
1
2
_
_
_
_
_
_
_
_
_
_
_
_
_
120 Mtodo de Newton en la recta real
3
2
1
0
1
2
3
y
3 2 1 1 2 3
x
3
2
1
1
2
3
4
y
3 2 1 1 2 3 4
x
Figura 3.11: Grcas del polinomio p(x) denido en (3.23) y de su correspondiente funcin
de iteracin para el mtodo de Newton N
p
(x).
3
2
1
0
1
2
3
y
3 2 1 1 2 3 4
x
3
2
1
0
1
2
3
y
3 2 1 1 2 3 4
x
Figura 3.12: rbitas de los puntos x
0
= 0 y x
0
= 0.0001 para el mtodo de Newton asociado
al polinomio p(x) denido en (3.23).
cuya solucin es a
1
= 1, a
2
= 1, a
3
= 1, a
4
= 4, a
5
= 5/2, y a
6
= 7/8. Por
lo tanto, el polinomio buscado es
p(x) = 1 x x
2
+ 4x
2
(x 1)
5
2
x
2
(x 1)
2
+
7
8
x
2
(x 1)
2
(x 2). (3.23)
En las guras 3.11 y 3.12 se muestran los grcos del polinomio p construido, del
mtodo de Newton asociado, N
p
, con el 3-ciclo O = 0, 1, 2. Tambin se muestra
la rbita del punto x
0
= 0.0001, indicando el carcter repulsor del 3-ciclo 0, 1, 2.
Ahora veremos como obtener a partir del polinomio p(x) construido en la proposicin 3.15
otro polinomio tal que el n-ciclo dado por la proposcin sea superatractor. Pero antes de eso
veamos como caracterizamos el hecho que un n-ciclo sea superatractor para el mtodo de
Newton.
Proposicin 3.16. Sea p(x) un polinomio cuyo mtodo de Newton tiene un n-ciclo, O =
x
1
, x
2
, . . . , x
n
. Si p
(x
i
) = 0 para algn i 1, 2, . . . , n, entonces O es superatractor.
3.6. Existencia de rbitas peridicas atractoras 121
Demostracin. Sin prdida de generalidad, podemos suponer que p
(x
1
) = 0. Como N
p
(x
i
) =
x
i+1
para i = 1, . . . , n 1 y N
p
(x
n
) = x
1
, aplicando la regla de la cadena se tiene
(N
k
p
)
(x) = N
p
(N
k1
p
(x))N
p
(N
k2
p
(x)) N
p
(N
p
(x))N
p
(x).
Tenemos entonces
(N
n
p
)
(x
1
) = N
p
(x
n
)N
p
(x
n1
) N
p
(x
2
)N
p
(x
1
).
Como N
p
(x) = p(x)p
(x)/p
(x)
2
y estamos suponiendo que p
(x
1
) = 0, en la expresin para
(N
n
p
)
(x
1
) el factor N
p
(x
1
) se anula, por lo tanto (N
n
p
)
(x
1
) = 0, y el resultado est probado.
Ahora tenemos el siguiente resultado que nos permite construir ciclos atractores para el
mtodo de Newton.
Teorema 3.17. Para cada n 2 existe un polinomio p(x) de grado menor o igual a 2n de
modo que N
p
(x) tiene un n-ciclo superatractor.
Demostracin. Dado un conjunto O = x
1
, . . . , x
n
de n puntos distintos entre s, y dado
otro conjunto de n puntos y
1
, . . . , y
n
, usando la proposicin 3.15 construimos un polinomio
p(x) tal que O es un n-ciclo para N
p
(x). El polinomio p(x) tiene la forma p(x) = a
1
p
1
(x) +
+a
2n
p
2n
(x). Denimos un nuevo polinomio
p(x) = p(x) + a
2n+1
p
2n+1
(x),
donde a
2n+1
es un paramtro a determinar y p
2n+1
(x) = p
2n
(x)(xx
n
). Para la determinacin
de a
2n+1
imponemos la condicin de que el n-ciclo O sea superatractor para N
p
(x). Notemos
primero que la nueva condicin no altera O, ya que tenemos p
2n+1
(x
i
) = 0 para i = 1, . . . , n.
Como queremos que O sea superatractora para N
p
(x), por la proposicin 3.16, nos basta
encontrar a
2n+1
de modo que p
(x
1
) = 0, imponiendo esta condicin y resolviendo para a
2n+1
se tiene lo pedido.
Ejemplo 3.8. Como continuacin del ejemplo 3.7 vamos a construir ahora un polinomio
cuyo mtodo de Newton asociado tenga una rbita peridica de perodo 3 que adems sea
superatractora.
Partimos del polinomio p(x) denido en (3.23) y denimos
p(x) = 1xx
2
+4x
2
(x1)
5
2
x
2
(x1)
2
+
7
8
x
2
(x1)
2
(x2)+a
7
x
2
(x1)
2
(x2)
2
.
Haciendo p
(0) = 0, obtenemos a
7
= 37/16. Luego el polinomio es de la forma
p(x) = 1 x
115
8
x
3
+
385
16
x
4
13x
5
+
37
16
x
6
(3.24)
es tal que
N
p
=
460x
3
+ 1155x
4
832x
5
+ 185x
6
16
2(8 345x
2
+ 770x
3
520x
4
+ 111x
5
)
(3.25)
tiene a O = 0, 1, 2 como un 3-ciclo superatractor.
122 Mtodo de Newton en la recta real
3
2
1
0
1
2
3
y
3 2 1 1 2 3
x
3
2
1
1
2
3
4
y
3 2 1 1 2 3 4
x
Figura 3.13: Grcas del polinomio p(x) denido en (3.24) y de su correspondiente funcin
de iteracin para el mtodo de Newton N
p
(x), denida en (3.25).
3
2
1
0
1
2
3
y
3 2 1 1 2 3 4
x
3
2
1
0
1
2
3
y
3 2 1 1 2 3 4
x
Figura 3.14: rbitas de los puntos x
0
= 0 y x
0
= 0.00003 para el mtodo de Newton asociado
al polinomio p(x) denido en (3.24).
3.7. Bifurcaciones en el mtodo de Newton
En lo que sigue estudiaremos la aparicin de bifurcaciones en la funcin de iteracin del
mtodo de Newton (3.2). Esto ocurre cuando la funcin f pierde una raz pasando a travs
de una tangencia cuadrtica con el eje OX.
En lo que sigue, supondremos que g : R R es una funcin dos veces derivable en un
entorno del origen, que cumple las siguientes condiciones:
g(0) = 0, g
(0) = 0, g
simplemente por N
.
Observemos que f
(x) = g
(x) = x
g(x) +
g
(x)
= N
g
(x)
g
(x)
(3.27)
y adems
N
(x) = N
g
(x) +
g
(x)
(g
(x))
2
=
(g(x) + )g
(x)
(g
(x))
2
. (3.28)
Si g
(x) ,= 0 entonces
(x) =
1
g
(x)
.
Ntese que esta derivada no depende del parmetro , y est bien denida cuando g
(x) ,= 0.
Por otra parte, existen puntos excepcionales (x
0
,
0
) donde
(x
0
) = 0. Note que las
bandas de N
0
(x
0
) = 0 y f
0
(x
0
) = 0, es
decir, 0 = f
0
(x
0
) = g(x
0
) +
0
y f
0
(x
0
) = g
(x
0
) = 0, o ms especcamente
_
_
_
g
(x
0
) = 0,
0
= g(x
0
).
124 Mtodo de Newton en la recta real
Despus de estas consideraciones, podemos dar el siguiente lema.
Lema 3.18. Sea I un intervalo compacto sobre el cual g
converge a N
g
y N
converge a N
g
, siendo la convergencia en ambos casos
uniforme.
Demostracin. La prueba se sigue trivialmente de las igualdades (3.27) y (3.28).
Para encontrar puntos peridicos atractores de una aplicacin 1-dimensional (real o com-
pleja) es conveniente seguir la rbitas de los puntos crticos de la aplicacin. Para nuestro
caso, existen al menos dos razones para esto: primero si un punto crtico de N
es peridico
de perodo k, entonces su rbita es superatractora; segundo si N
cuando el grco
de f
pasa a travs de una tangencia cuadrtica con el eje OX en el punto (x, ) = (0, 0).
Asumiremos que tal punto crtico existe. Tenemos que
N
(x) =
f
(x)f
(x)
(f
(x))
2
,
luego los puntos crticos de N
, caso f
(x) = 0 (races de f
)
o f
no es una raz de
f
= g
(p) = 0
y g
(x) > 0 sobre (p, q). Esto junto con la condicin que impusimos a g, es decir, g(0) = 0,
g
(0) = 0, g
(0) > 0, y el teorema del valor medio implican que el nico punto sobre (p, q)
donde o bien g o g
(x) > 0
sobre (0, q). Ahora, como N
(x) = N
g
(x) +
g
(x)
g
(x)
2
se tiene que N
(x) > N
g
(x) > 0 sobre
(p, q) 0 y > 0. Por otra parte, dado que
(x) =
1
g
(x)
se sigue que
(x) > 0
sobre (p, 0) y
N
k
(p) > 0.
3.7. Bifurcaciones en el mtodo de Newton 125
Demostracin. Por la regla de la cadena, tenemos que
N
j
(x) =
j1
=0
(N
(x)).
Ahora como N
i
(N
(p)) > 0.
Por lo tanto,
N
k
(p) =
k1
=0
(N
(p)) > 0,
como desebamos probar.
Las hiptesis del lema anterior se satisfacen para valores pequeos de . Adems por la
continuidad respecto a podemos enunciar el siguiente resultado.
Lema 3.20. Dado k > 0 existe
0
> 0 tal que si [[ >
0
entonces p < N
(p) < N
2
(p) <
< N
k
(p) < 0.
Demostracin. Como N
g
(x) > 0 sobre (p, q)0 (N
g
(0) = 1/2) se sigue que N
g
es montona
creciente sobre [p, q], y para cualquier x [p, q], N
g
(x) est entre x y 0 luego, para cualquier
x [p, q] la sucesin N
n
g
(x) converge montonamente a 0. Adems, para cualquier constante
positiva , se tiene que N
converge C
1
uniformemente a N
g
sobre [p, ] [, q] cuando
0, as si elegimos < mnN
k
g
(q), [N
k
g
(p)[ encontramos
0
como asegura el lema.
Lema 3.21. Dado k > 0 existe
1
> 0 tal que si 0 < <
1
entonces
(1) p < N
(p) < 0;
(2) N
k
(p) > N
k1
(p);
(3) N
k1
(p) 0 cuando
1
, luego, N
k
(p) cuando
1
.
Demostracin. Es una consecuencia inmediata de las condiciones y de los lemas anteriores.
La idea es que si la condicin (1) vale, el conjunto N
i
_
N
i
. Tenemos x
k
= Z(
k
) = N
1
k
(p) (0, q), de donde
N
k
(x
k
) = p N
k
((0, q)) y x
k
= j
k
(
k
). Luego, p = N
k
(x
k
) = N
k+1
k
(p), y como g
(p) = 0
se tiene que (N
k+1
k
)
(p) = 0.
Tenemos el siguiente teorema.
Teorema 3.22. Supongamos que g es de clase al menos C
3
(I) donde I es un intervalo que
contiene al 0 y adems se satisfacen las siguientes condiciones: g(0) = 0, g
(0) = 0, g
(0) ,=
0.
Sea f
para =
k
;
(3) si I
k
= (L
k
, R
k
) entonces L
k
y R
k
tienden a 0 cuando k .
Demostracin. En lo anterior hemos tratado el caso p < 0 y g
(x) = 3x
2
3, f
es
x = 0. Por lo tanto, del teorema de Julia N
denida en (3.27).
Perodo k Parmetro
k
2 3.674234614
3 7.7513408204
4 15.556213393
5 30.155532349
Captulo 4
Dinmica del mtodo de Newton en el
plano complejo
4.1. Antecedentes: el problema de Cayley
El estudio de la dinmica del mtodo de Newton en el campo complejo tiene una impor-
tancia histrica, desde que E. Schrder (1870) y A. Cayley (1879) propusieran usar el mtodo
de Newton para resolver ecuaciones denidas en el plano complejo:
f(z) = 0, f : C C. (4.1)
El que se conoce como problema de Cayley consiste en estudiar las cuencas de atraccin
del mtodo de Newton cuando es aplicado para aproximar las races del polinomio complejo
p(z). En palabras del propio Cayley, el problema se puede formular como sigue:
. . . the problem is to determine the regions of the plane, such that P [initial
point] being taken at pleasure anywhere within one region we arrive ultimately
at the point A [a root of the polynomial]. . .
Con la notacin actual, si z
f(z
n
)
f
(z
n
)
(4.2)
es la sucesin generada por el mtodo de Newton a partir de un cierto z
0
C, se trata de
caracterizar la regin
A(z
) = z
0
C : z
n
z
,
conocida como cuenca de atraccin de la raz z
= 1. En la
separacin de ambas regiones, el eje imaginario, en donde el mtodo de Newton presenta un
comportamiento catico. Sin embargo, como vemos en la segunda grca de la gura 4.1, la
situacin para el polinomio p(z) = z
3
1 es mucho ms complicada. La separacin entre las
cuencas de atraccin de las tres races, 1, (1 +
3i)/2 y (1
(z)
=
zp
(z) p(z)
p
(z)
(4.3)
puede considerarse como una funcin racional denida sobre la esfera de Riemann C =
C .
Denicin 4.1. Una funcin racional R : C C es una funcin de la forma
R(z) =
P(z)
Q(z)
, (4.4)
donde P y Q son polinomios coprimos (sin factores comunes).
El grado de una aplicacin racional R(z) = P(z)/Q(z) est denido como
grado(R) = m axgrado(P), grado(Q). (4.5)
La n-sima iteracin R
n
de una funcin racional R se dene recursivamente a partir de
las relaciones R
2
= R R y R
n
= R
n1
R. Ntese que grado(R
n
) = (grado(R))
n
para
grado(R) 1.
Las funciones racionales pueden interpretarse como las funciones analticas de la esfera de
Riemann C en s misma. Informalmente, el grado indica cuntas veces la aplicacin R enro-
lla la esfera alrededor de s misma, y ste es igual al nmero (contado con multiplicidades)
de preimgenes de un punto arbitrario.
El estudio de la dinmica de una funcin racional R trata de analizar el comportamiento
de las rbitas de un punto z
0
C
orb
+
R
(z
0
) = z
0
, z
1
= R(z
0
), z
2
= R(z
1
) = R
2
(z
0
), . . . , z
n
= R
n
(z
0
), . . ..
Existen varias preguntas que podemos hacernos sobre una rbita dada orb
+
R
(z
0
). Por
ejemplo, cules son los puntos lmites de orb
+
R
(z
0
)?, o en otras palabras, dnde se acumulan
los iterados de un punto z
0
por una funcin racional?
En la situacin ideal, cuando la funcin racional que estamos estudiando es obtenida al
aplicar un mtodo iterativo para aproximar los ceros de un polinomio complejo, los puntos
donde se aproximan los iterados de un punto arbitrario por la funcin de iteracin en estudio
132 Mtodo de Newton en el plano complejo
deberan corresponder a los ceros del polinomio en cuestin. Lamentablemente como veremos
esto no siempre ocurre, pueden existir regiones de rea positiva en el plano complejo, de
modo que si elegimos una condicin inicial en esas regiones, las iteraciones de esos punto no
convergen a un cero del polinomio. Por otra parte, si existen dichas regiones nos podemos
preguntar qu tipo de conducta puede aparecer en este caso? cules son las propiedades
topolgicas y analticas del conjunto de puntos lmites de orb
+
R
(z
0
)?
Para poder responder a estos interrogantes sobre el estudio dinmico de una funcin
racional hay que analizar el comportamiento de algunos puntos especialmente relevantes,
como son los puntos jos, los ciclos y los puntos crticos.
4.2.1. Puntos jos de una aplicacin racional
Al igual que se vio para funciones de variable real, los puntos jos de una funcin de
variable compleja f(z) son las soluciones de la ecuacin f(z) = z. Adems, el innito tambin
puede ser considerado un punto jo en C. Para el caso particular de una funcin racional
R(z) = P(z)/Q(z), es un punto jo si y slo si grado(P) > grado(Q). El resto de puntos
jos son las soluciones de P(z) zQ(z) = 0.
La clasicacin de los puntos jos de una funcin de variable compleja es similar a la
vista para funciones de variable real. En concreto, si z
0
es un punto jo de una funcin R(z)
con multiplicador asociado = R
(z
0
), entonces z
0
es superatractor si = 0, atractor si
0 < [[ < 1, indiferente si [[ = 1 y repulsor si [[ > 1. Adems, en el caso de las funciones
de variable compleja, los puntos jos indiferentes se clasican en:
1. Racionalmente indiferentes o parablicos si es una raz de la unidad, esto signica,
que existe un nmero natural n, tal que
n
= 1, es decir, es de la forma = e
2i
con
racional.
2. Irracionalmente indiferentes en otro caso, es decir, = e
2i
con irracional.
Respecto a la cantidad de puntos jos que puede poseer una funcin racional, tenemos el
siguiente resultado, cuya demostracin es consecuencia directa del teorema fundamental del
lgebra.
Teorema 4.1. Una funcin racional de grado d 1 tiene exactamente d + 1 puntos jos
contados con sus multiplicidades.
En este resultado hemos utilizado el concepto de multiplicidad de un punto jo de una
funcin racional, que enunciamos a continuacin.
Denicin 4.2. Sea r C un punto jo de una funcin racional R. Decimos que r tiene
multiplicidad m 1 si, r es una raz de multiplicidad m de la ecuacin F(z) = R(z) z = 0,
esto es, F
(j)
(r) = 0 para j = 0, . . . , m 1 y F
(m)
(r) ,= 0. En el caso m = 1, decimos que r
es un cero simple de R, es decir, F(r) = 0 y F
(r) ,= 0.
4.2. Conceptos bsicos de dinmica compleja 133
Como el punto del innito es un punto de la esfera de Riemann, merece la pena comentar
qu se entiende por su multiplicidad. Notemos, en primer lugar que la transformacin de
Mbius m(z) = 1/z, aplica z = en z = 0 y viceversa. Denimos
S(z) = m R m
1
(z), m(z) =
1
z
. (4.6)
Entonces S(0) = 1/R(). Por lo tanto, z = es un punto jo de R si z = 0 lo es de S, es
decir, S(0) = 0. Adems su carcter atractor o repulsor vendr determinado por el valor
S
(0) = lm
z0
S
(z).
Denicin 4.3. La multiplicidad del punto del innito z = como punto jo de una funcin
racional R se dene como la multiplicidad del punto z = 0 como punto jo de la funcin S
denida en (4.6).
Respecto de la carcter del punto z = como punto jo de una funcin racional R =
P/Q, tenemos el siguiente resultado.
Teorema 4.2. Supongamos que
R(z) =
a
n
z
n
+a
n1
z
n1
+ +a
0
b
m
z
m
+b
m1
z
m1
+ +b
0
es una funcin racional con n > m. Entonces z = es un punto jo de R con el siguiente
comportamiento:
1. Superatractor si m < n 1.
2. Atractor si m n 1 y [a
n
[ > [b
m
[.
3. Repulsor si m = n 1 y [a
n
[ > [b
m
[.
4. Indiferente si m = n 1 y [a
n
[ = [b
m
[.
Como ya hemos comentado en otras situaciones, si aplicamos el mtodo de Newton a una
ecuacin no lineal f(z) = 0, resulta que los ceros de f son puntos jos de N
f
y recprocamente.
Si la funcin f(z) es un polinomio de grado d 2 con todas sus races simples, entonces los
d + 1 puntos jos de la funcin de iteracin N
f
son precisamente estas d races junto con el
punto del innito z = . El caso de un polinomio general, se analiza en el siguiente ejemplo.
Ejemplo 4.1. Analcense los puntos jos y su multiplicidad de la funcin de iteracin del
mtodo de Newton aplicado a un polinomio de grado d 2.
134 Mtodo de Newton en el plano complejo
Consideremos un polinomio de la forma
f(z) =
n
i=1
(z
i
)
m
i
, m
1
+ +m
n
= d,
i
,=
j
, si i ,= j. (4.7)
Entonces
log f(z) =
n
i=1
m
i
log(z
i
).
Derivando la expresin anterior,
f
(z)
f(z)
=
n
i=1
m
i
z
i
,
se llega a que la funcin de iteracin del mtodo de Newton para funciones de la
forma (4.7) es
N
f
(z) = z
(z)
n
i=1
m
i
i
(z)
=
z
n
i=1
m
i
i
(z) (z)
n
i=1
m
i
i
(z)
, (4.8)
donde hemos denido los siguientes polinomios
(z) =
n
i=1
(z
i
),
i
(z) =
n
j=1
j=i
(z
j
).
Obsrvese que el denominador de la funcin racional N
f
(z) denida en (4.8) es
un polinomio de grado n1, mientras que el numerador es un polinomio de grado
n cuyo coeciente director es m
1
+ + m
n
1 = d 1 ,= 0. En consecuencia,
la funcin de iteracin del mtodo de Newton tiene n + 1 puntos jos que son
precisamente las n races distintas del polinomio (4.7) junto con el punto del
innito z = .
Por ltimo, ntese que el grado de la funcin de iteracin del mtodo de Newton
N
f
coincide con el grado del polinomio si todas las races son simples. Pero si
aparece alguna raz mltiple, entonces la funcin racional correspondiente N
f
tiene grado menor que d. En concreto el grado de N
f
es ahora el nmero n de
races diferentes del polinomio (4.7).
Ejemplo 4.2. z = es un punto jo repulsor para el mtodo de Newton aplicado a un
polinomio.
Si p(z) es un polinomio de grado d, es una comprobacin inmediata que N
p
() =
. Adems, como
N
p
() =
d
d 1
> 1,
se trata de un punto jo repulsor.
4.2. Conceptos bsicos de dinmica compleja 135
En los ejemplos anteriores se ha puesto de maniesto que, para ecuaciones polinmicas,
la funcin racional asociada al mtodo de Newton tiene el nmero mximo de puntos jos
que establece el teorema 4.1 y que estos puntos jos son precisamente las races distintas
del polinomio en cuestin, junto con el punto del innito. Sin embargo, esta propiedad no es
extensible a mtodos iterativos para resolver ecuaciones no lineales. En ocasiones, al aplicar
algn mtodo iterativo, digamos M, a una funcin f, la funcin de iteracin obtenida, M
f
,
puede tener puntos jos distintos de los ceros de f. A estos puntos jos los llamaremos
puntos jos extraos. Los siguientes ejemplos muestran la aparicin de puntos jos extraos
en algunos procesos iterativos conocidos.
Ejemplo 4.3. La funcin de iteracin asociada al mtodo del punto medio introduce puntos
jos extraos.
El conocido como mtodo del punto medio para resolver ecuaciones no lineales
tiene la siguiente expresin (vase [146]):
M
f
(z) = z
f(z)
f
(z f(z)/(2f
(z)))
. (4.9)
Cuando aplicamos (4.9) al polinomio p(z) = z
3
1, obtenemos la funcin de
iteracin racional
M
p
(z) =
z(13z
6
+ 22z
3
+ 1)
(5z
3
+ 1)
2
que tiene a z = 0 como punto jo que no corresponde con ninguna raz de p(z).
Adems, si r es un cero simple de p, es decir, p(r) = 0 y p
(r) ,= 0, entonces
M
(r) = 0 y M
p
(0) = 1 y, por tanto, ste es un punto jo racionalmente indiferente.
Ejemplo 4.4. La funcin de iteracin asociada al mtodo de Chebyshev (2.8) introduce
puntos jos extraos.
La expresin del mtodo de Chebyshev para resolver ecuaciones no lineales es la
siguiente (vase [146]):
Ch
f
(z) = z
_
1 +
L
f
(z)
2
_
f(z)
f
(z)
, L
f
(z) =
f(z)f
(z)
f
(z)
2
.
Si aplicamos este mtodo al polinomio p(z) = 2z
3
+ z
2
+ z 1 obtenemos la
funcin de iteracin
Ch
p
(z) = z
2
30 + 40z + 75z
2
+ 54z
3
+ 104z
4
+ 120z
5
(1 + 2z + 6z
2
)3
,
136 Mtodo de Newton en el plano complejo
que contiene a z = 0 como punto jo aunque no es ninguna raz de p. Adems del
z = 0, aparecen otros tres puntos jos extraos, que son las races del polinomio
1 + 23z + 32z
2
+ 48z
3
.
Supongamos que se aplica un mtodo numrico concreto para encontrar las races de un
polinomio p(z) de grado d 2, obtenindose una funcin de iteracin racional que denotamos
M
p
. En el peor de los casos, si M
p
tiene grado k(d), entonces podran aparecer k(d)d puntos
jos extraos.
Respecto al problema de aproximar las races de una ecuacin por un proceso iterativo, la
aparicin de puntos jos extraos no sera problemtica si stos son repulsores. Ahora bien, si
un punto jo extrao es atractor, esto dara lugar a la existencia de conjuntos U, de medida
positiva, de forma que si z
0
U, el correspondiente mtodo numrico empezando en z
0
no
converge a ninguna solucin de la ecuacin considerada.
Vamos a estudiar ahora la dinmica asociada a los puntos jos indiferentes. Comenzamos
por el caso
R(z) = z z
m+1
+O(z
m+2
), m 1, (4.10)
es decir, z = 0 es un punto jo de multiplicidad m + 1. Adems, se trata de un punto jo
indiferente pues M
f
(0) = 1.
El siguiente resultado describe las cuencas de atraccin en este caso.
Teorema 4.3 (de los ptalos). Sea R una funcin racional que tiene en = 0 un punto jo
racionalmente indiferente como en (4.10). Sean
1
, . . . ,
m
las races m-simas de la unidad
y sean
1
, . . . ,
m
las races m-simas de 1. Entonces existe un radio r
0
y un ngulo
0
, tal
que para j = 1, . . . , m, los sectores S
j
y
j
, denidos por
S
j
=
_
z : 0 <
< r
0
,
arg
_
z
j
_
<
0
_
y
j
=
_
z : 0 <
< r
0
,
arg
_
z
j
_
<
0
_
satisfacen
[R(z)[ < [z[, para todo z S
j
,
y
[R(z)[ > [z[, para todo z
j
.
Teorema 4.4. Sea R una funcin racional como en el teorema 4.3. Para un t > 0 dado y
para cada k = 0, . . . , m1, denimos los ptalos
k
(t) =
_
re
i
: r < t(1 + cos(m)),
2k
m
<
m
_
. (4.11)
Entonces, para t sucientemente pequeo, R aplica cada ptalo en si mismo. Adems, para
cada z
k
(t), los iterados de z por R convergen a 0.
4.2. Conceptos bsicos de dinmica compleja 137
Se puede dar una prueba anloga a estos resultados para el caso
R(z) = z az
m+1
+O(z
m+
), a ,= 0 y m 1, (4.12)
con a ,= 1. Para ms informacin, vanse por ejemplo [16], [26], [73], [102] o [103].
4.2.2. Ciclos en una funcin racional
Otro de los fenmenos ms frecuentes en el estudio dinmico de una funcin racional es la
aparicin de ciclos. Para el caso de funciones de variable compleja, la denicin y propiedades
bsicas de los ciclos son meras generalizaciones de lo que se vio en el captulo 1 para funciones
reales.
En el caso de funciones racionales asociadas a funciones de iteracin, aparte de tener
puntos jos extraos, pueden tener ciclos de perodo mayor que 1. Es obvio que la rbita
de un punto inicial que est en un ciclo no converger a un cero de la funcin asociada a la
funcin de iteracin.
Ejemplo 4.5 (Smale, [139]). El mtodo de Newton aplicado al polinomio p(z) = z
3
2z +2
tiene un 2-ciclo de la forma 0, 1.
En efecto, la funcin de iteracin asociada a este problema es
N
p
(z) =
2(z
3
1)
3z
2
2
.
Una comprobacin inmediata nos muestra que N
p
(0) = 1 y N
p
(1) = 0.
El carcter atractor, repulsor o indiferente de un n-ciclo viene dado por el valor de su
multiplicador asociado. Recordemos que si = z
0
, R(z
0
), . . . , R
(n1)
(z
0
) es un n-ciclo de
R, su multiplicador = () se dene como () = (R
n
)
(z
0
).
Obsrvese que, por la regla de la cadena, se tiene que
(R
n
)
(z
0
) =
n1
j=0
R
(R
j
(z
0
)),
y el valor () slo depende de , y no del punto particular elegido sobre el ciclo.
Dependiendo del multiplicador asociado, un n-ciclo se clasica como:
1. Superatractor si = 0.
2. Atractor si 0 < [[ < 1.
3. Repulsor si [[ > 1.
4. Indiferente si [[ = 1.
138 Mtodo de Newton en el plano complejo
As, el 2-ciclo que aparece en el ejemplo 4.5 es superatractor ya que
(N
2
p
)
(0) = N
p
(1)N
p
(0) = 0.
Sea M un mtodo iterativo para encontrar races de una ecuacin no lineal. Al aplicarlo
a un polinomio complejo p(z), se cumple que los ceros de p(z) son puntos jos atractores
o superatractores. Sea r uno de tales ceros y supongamos que la primera derivada no nula
de M en r es la de orden k 1. Entonces, podemos escribir el desarrollo de Taylor de M
alrededor de r como sigue
M(z) = r +
M
(k)
(r)
k!
(z r)
k
+O((z r)
k+1
).
Entonces, para valores de z cercanos a r, se tiene que
M(z) r
M
(k)
(r)
k!
(z r)
k
.
En otras palabras, si comenzamos las iteraciones con z
0
, y sabemos que orb
+
(z
0
) converge a
r, llamando z
n+1
= M(z
n
) se tiene que
z
n+1
r
M
(k)
(r)
k!
(z
n
r)
k
,
es decir, localmente tenemos un buen comportamiento de los iterados por M para puntos
de partida prximos a la solucin del problema, con convergencia de orden k. Pero qu
ocurre si elegimos un punto de partida arbitrario? Se puede dar una descripcin global de
la conducta de los iterados por un mtodo iterativo para encontrar races? Para el mto-
do de Newton, en la actualidad existe una descripcin bastante general para el problema
de aproximar las races de un polinomio complejo, en particular tenemos los resultados de
Hubbard-Schleicher-Sutherland [70] y de Schleicher [134], que expondremos ms adelante.
Los siguientes teoremas describen la conducta local de las iteraciones en vecindades de
rbitas peridicas atractoras y superatractoras, respectivamente, de una funcin racional
R(z). Para r > 0, denotamos por D
r
el disco abierto de centro en el origen y radio r, es decir,
D
r
= z C : [z[ < r.
Teorema 4.5 (Knigs, [85]). Si z
0
pertenece a un n-ciclo atractor de una funcin racional
R(z), con multiplicador = (R
n
)
(z
0
), que satisface 0 < [[ < 1, entonces existe una vecindad
U de z
0
y un homeomorsmo analtico : U D
r
(para algn r > 0), nico, tal que
(z
0
) = 0,
(z
0
) = 1 y (R
n
(z)) = (z) para todo z U.
Teorema 4.6 (Bttcher, [23]). Sea orb
+
(z
0
) un n-ciclo superatractor de una funcin racional
R(z). Supongamos que (R
n
)
(k)
(z
0
) ,= 0, y que
(R
n
)
(z
0
) = (R
n
)
(z
0
) = = (R
n
)
(k1)
(z
0
) = 0.
Entonces existe una vecindad U de z
0
y un homeomorsmo analtico : U D
r
(para algn
r > 0) tal que (z
0
) = 0,
(z
0
) = 1, y (R
n
(z)) = ((z))
k
, para todo z U.
4.2. Conceptos bsicos de dinmica compleja 139
Para la demostracin de ambos teoremas el lector puede consultar [16], [21], [22] o [102].
Usando esos dos resultados, podemos denir la cuenca de atraccin de un punto jo
(super)atractor como sigue. Sea un punto jo (super)atractor de una funcin racional R,
entonces existe un disco abierto D
r
() de radio r > 0 y centro en , tal que para cada
z
0
D
r
(), los iterados R
n
(z
0
) estn denido para todo n N, estn contenidos en D
r
(), y
convergen a cuando n . El conjunto
B() =
_
n0
R
n
(D
r
()) (4.13)
est formado por todos los puntos en el plano complejo extendido que por iteraciones de R
convergen a . En otras palabras, B() = z C : R
n
(z) cuando n . La cuenca
de atraccin inmediata, B
w
(z) = 0, es decir,
P(z)
Q(z)
= w =
P
(z)
Q
(z)
,
obtenemos la ecuacin P
(z)Q(z) P(z)Q
(z), los polos de R(z) con multiplicidad mayor que 1, es decir, los
ceros de Q(z) de multiplicidad mayor que 1, y posiblemente, .
Como la dinmica de las transformaciones de Mbius, es decir, funciones racionales de gra-
do uno, es a la vez bien comprendida y elemental (vase [2]), en lo que sigue nos centraremos
slo en la dinmica de funciones racionales R con grado(R) 2.
Un clculo directo usando la regla de la cadena nos permite probar el siguiente resultado.
Teorema 4.7. Sea C = C(R) el conjunto de puntos crticos de una funcin racional R.
Entonces
(a) El conjunto de puntos crticos de R
n
es
C(R
n
) = C R
1
(C) R
n
(C).
(b) El conjunto de valores crticos de R
n
es
R(C) R
2
(C) R
n
(C).
El siguiente teorema relaciona las cuencas de atraccin y los n-ciclos atractores.
Teorema 4.8 (Fatou y Julia). La cuenca de atraccin inmediata de un ciclo (super)atractor,
contiene al menos un punto crtico.
4.3. Los conjuntos de Fatou y Julia 141
Este resultado es fundamental, pues nos dice que para determinar los ciclos (super)atractores,
debemos estudiar las iteraciones de los puntos crticos de la funcin de iteracin es cuestin.
Teorema 4.9. Una funcin racional de grado d 2 tiene 2d 2 puntos crticos contados
con su multiplicidad.
El teorema de Shishikura (1987) da una cota sobre la cantidad mxima de ciclos (su-
per)atractores o indiferentes que puede tener una funcin racional. Su demostracin puede
verse en [16], [26] o [102].
Teorema 4.10 (Shishikura, [138]). Una funcin racional R : C C de grado d tiene a los
ms 2d 2 ciclos, los cuales pueden ser (super)atractores o indiferentes.
El siguiente resultado muestra que la cota mxima para el nmero de ciclos puede ser
alcanzada.
Teorema 4.11 (Hurley, [71]). Para cada d 2 existe un polinomio p(z) de grado d, con
coecientes reales, tal que el mtodo de Newton N
p
tiene 2d 2 ciclos atractores en el plano
complejo, es decir, posee el nmero maximal de ciclos atractores que una funcin racional de
grado d puede tener.
4.3. Los conjuntos de Fatou y Julia
Existen varias formas de comenzar las exposiciones de la teora de P. Fatou y G. Julia
(1919 y 1918). Adoptamos en estas notas la de Fatou [51], [52]. ste se basa en el concepto
de familia normal debido a Montel (vase [2]).
Denicin 4.5. Una familia de funciones meromorfas denidas en un dominio U C
= f
i
: U C : f
i
meromorfa
es normal si cada sucesin (f
n
)
nN
de elementos de tiene una subsucesin (f
n
k
)
kN
que
converge uniformemente sobre cada subconjunto compacto de U.
Recordemos que una familia de funciones de un espacio mtrico X en un espacio mtrico
Y es equicontinua si, para cada > 0 dado, existe > 0 tal que
d(x
1
, x
2
) < implica d(f(x
1
), f(x
2
)) < , para toda f .
Considerando la mtrica cordal o la esfrica en C, se tiene el siguiente resultado.
Teorema 4.12. Una familia de funciones meromorfas de U en C es normal si y slo si
es equicontinua sobre todos los subconjuntos compactos de U.
142 Mtodo de Newton en el plano complejo
El siguiente teorema nos proporciona otro criterio para determinar cundo una familia de
funciones es normal.
Teorema 4.13 (Montel). Sea = f : U C una familia de funciones analticas. Si
f
f(U) omite tres puntos, entonces es normal, esto es, si existen tres puntos , ,
tales que
_
f
f(U) C , , ,
la familia T es normal.
Ahora nos centraremos en la familia de iterados R
n
: n = 0, 1, 2, 3, . . . de una funcin
racional R : C C. En este caso, equicontinuidad signica que iteraciones de puntos
prximos no divergen.
Denicin 4.6. Un punto z C pertenece al conjunto de Fatou T(R) (tambin l lamado
dominio de normalidad) si existe una vecindad U de z tal que la familia de iterados
= R
n
: U C : n = 0, 1, 2, 3, . . .
es normal en U.
El conjunto de Julia de R, denotado por (R) o simplemente por , cuando no exista
peligro de confusin, es el complemento del conjunto de Fatou, esto es, (R) = C T(R).
Es claro, a partir de su denicin, que T(R) es abierto y en consecuencia (R) es cerrado.
Un dominio en el conjunto de Fatou es una componente conexa abierta del conjunto de Fatou.
Del teorema de Montel 4.13, se sigue el siguiente resultado.
Teorema 4.14 (Montel). Si z (R) y U es una vecindad de z, entonces R
m
(U)
mN
cubre todo C, excepto a lo ms dos puntos.
Denicin 4.7. Sea U un conjunto abierto no vaco de C. Denimos el conjunto de puntos
omitidos de la aplicacin racional R[
U
como el conjunto
E
U
= C
_
n0
R
n
(U).
Del teorema 4.14 se tiene el siguiente resultado.
Corolario 4.15. Sea z (R) y sea U una vecindad abierta de z. Entonces E
U
contiene a
lo ms dos puntos.
Teorema 4.16. El conjunto de puntos omitidos de una funcin racional R es independiente
del punto z usado para denirlo. Por lo tanto lo podemos denotar simplemente por E
R
.
A continuacin, veremos algunas propiedades de los conjuntos de Julia y de Fatou aso-
ciados a una funcin racional R : C C de grado mayor o igual que 2.
4.3. Los conjuntos de Fatou y Julia 143
Teorema 4.17. El conjunto de Julia, (R), es no vaco.
Demostracin. Si (R) = entonces T(R) = C. Luego la familia de iterados R
n
:
n = 0, 1, 2, . . . es normal sobre C, y en consecuencia existe una subsucesin R
n
k
que
converge uniformemente sobre C a una funcin analtica G. Como G es analtica sobre
C, es de hecho una funcin racional, luego grado(G) < . Ahora como grado(R
n
k
) =
(grado(R))
n
k
cuando k . Esto es una contradiccin, pues se debe tener que
grado(G) = lm
k
grado(R
n
k
).
Teorema 4.18. Supongamos que z
0
C est sobre un ciclo. Si este ciclo es (super)atractor,
entonces est contenido en el conjunto de Fatou, y si es repulsor est contenido en el conjunto
de Julia de R.
Sea M un mtodo iterativo para aproximar soluciones de una ecuacin f(z) = 0. Una
propiedad fundamental que debe tener M es que los ceros de f(z) son punto jos (su-
per)atractores de M
f
, funcin de iteracin obtenida al aplicar M a f. Tenemos as el siguiente
resultado.
Teorema 4.19. Sea M un mtodo iterativo para aproximar ceros de una funcin f(z). De-
notemos por M
f
la funcin de iteracin obtenida al aplicar M a f. Entonces los ceros de f
estn contenidos en el conjunto de Fatou T(M
f
) de M
f
.
Teorema 4.20. Si z
r
es un punto en un ciclo repulsor, entonces
(R) = clausuraz C : R
n
(z) = z
r
, n N.
Esta proposicin nos da un algoritmo para representar grcamente el conjunto de Julia.
Para ello basta encontrar un punto jo o un punto en un ciclo repulsor y considerar sus
preimgenes. Computacionalmente este algoritmo es lento, pero para polinomios de grado
pequeo es efectivo.
Teorema 4.21 (Teorema fundamental de Fatou y Julia). Los ciclos repulsores son densos
en (R), es decir,
(R) = clausuraz C : z pertenece a un ciclo repulsor de R.
En particular, existe una cantidad innita de ciclos repulsores y cada z (R) es obtenido
como lmite de puntos en ciclos repulsores.
Esta propiedad es particularmente interesante, pues nos dice que, debido a los errores
computacionales (por muy pequeos que sos sean), al iterar un punto de partida que est
sobre el conjunto de Julia de R se obtiene una rbita que tender a alejarse del conjunto
de Julia. En particular, si ste tiene medida de Lebesgue cero, entonces, lo ms probable es
144 Mtodo de Newton en el plano complejo
que despus de un nmero pequeo de iterados, las siguientes iteraciones estn en el conjunto
de Fatou, donde tenemos esperanza de convergencia a alguna de las races.
Como una observacin interesante, podemos comentar que G. Julia comienza su memoria
[72] focalizando su atencin sobre la clausura del conjunto de puntos peridicos repulsores,
y muestra que su complemento es la unin de dominios sobre el cual la familia de iterados
R
n
: n 0 es normal.
Teorema 4.22. El conjunto de Julia de una funcin racional R es un conjunto perfecto, es
decir, (R) es cerrado y no tiene puntos aislados.
El teorema siguiente nos dice que mediante una transformacin afn podemos transformar
las races de un polinomio p sin modicar cualitativamente la dinmica del mtodo de Newton.
Teorema 4.23 (Reescalamiento). Sea T(z) = z + , con ,= 0, y sea q(z) = p(T(z)) =
p T(z). Entonces
T N
q
T
1
= N
p
,
esto es, T es una conjugacin entre N
p
y N
q
.
Demostracin. Notemos que p = q T
1
y que
1
q
(T
1
(z)) = p
(z). Ahora,
T N
q
T
1
(z) = T(N
q
(T
1
(z)))
= T
_
T
1
(z)
q(T
1
(z))
q
(T
1
(z))
_
=
_
T
1
(z)
q(T
1
(z))
q
(T
1
(z))
_
+
=
_
z
q(T
1
(z))
1
q
(T
1
(z))
+
= z
p(z)
p
(z)
= N
p
(z).
Esto completa la prueba del teorema.
El teorema 4.23 es vlido para muchos mtodos, entre los cuales podemos citar los mtodos
de Halley, Chebyshev o Whittaker, entre otros.
De forma ms general, podemos enunciar el siguiente resultado (vase [82], por ejemplo)
que establece que la dinmica de dos funciones racionales conjugadas por una transformada
de Mbius es equivalente. De hecho, las cuencas de atraccin y sus correspondientes fronteras
(conjuntos de Julia) asociadas a una funcin racional son conformemente equivalentes a los
de la otra.
Teorema 4.24. Sea R una aplicacin racional y M una transformada de Mbius. Denimos
una nueva aplicacin racional S = M R M
1
. Entonces
T(S) = M(T(R)) y (S) = M((R)).
4.3. Los conjuntos de Fatou y Julia 145
Una aplicacin de este tipo de ideas nos conduce al siguiente resultado, que caracteriza el
comportamiento dinmico del mtodo de Newton cuando se aplica a polinomios cuadrticos.
Teorema 4.25 (Cayley, Schrder). Sea p(z) un polinomio cuadrtico con sus dos races
distintas, entonces el mtodo de Newton N
p
(z) aplicado a p es conjugado a la funcin g(z) =
z
2
.
Demostracin. Sean , con ,= , las races de p(z). Tenemos entonces que p(z) =
(z )(z ), y sin perdida de generalidad, podemos suponer que 0 [[ [[. Sea
T(z) = ()z+, entonces pT(z) = p(T(z)) = ()z(()z+) = ()
2
z(z1).
Sean = y q
(z) =
2
z(z 1), es decir, q
T
1
= N
p
. Ahora, tomando q(z) = z(z 1), se ve que N
q
= N
q
. Luego, N
p
es
conjugada a N
q
. Finalmente, es fcil probar que N
q
es conjugada a la aplicacin g(z) = z
2
.
Esto termina la prueba.
Teorema 4.26. Si z (R) entonces
(R) = clausuraz C : R
n
(z) = z, para alg un n N.
Teorema 4.27. Sea R una funcin racional, entonces (R) y T(R) son completamente
invariantes, es decir
R((R)) = (R) = R
1
((R)), R(T(R)) = T(R) = R
1
(T(R)).
Teorema 4.28. Los conjuntos de Julia de R y de R
m
, con m N, son el mismo. En otras
palabras, (R) = (R
m
).
Teorema 4.29. Sea z
a
un punto peridico atractor de una funcin racional R. Entonces
(R) = B(z
a
) (A denota la frontera del conjunto A).
Esta proposicin nos da una algoritmo bastante eciente para dibujar el conjunto de Julia.
Para ello basta encontrar un punto jo atractor z
a
de R y jando un error > 0 pintamos
de un color determinado los puntos z en una regin acotada (en general un rectngulo) tales
que para algn n 1, se tiene [R
n
(z) z
a
[ < . Este algoritmo se conoce como algoritmo de
tiempo de escape. Por otra parte, podemos denir los conjuntos de nivel, L
k
(z
a
), i = 1, 2, 3, . . .
como sigue: sea 0 < << 1 (aqu << signica bastante menor que) y sea
L
0
(z
a
) = z C : [z z
a
[ < ,
y, para k = 0, 1, . . .,
L
k+1
(z
a
) = z C L
k
(z
a
) : R
k
(z) L
k
(z
a
).
Se tiene que
L
k
(z
a
) (R),
146 Mtodo de Newton en el plano complejo
donde el lmite es tomado respecto de la mtrica de Hausdor en /(C) = K C :
K es compacto. Una forma de obtener grcas vistosas del conjunto de Julia con este algo-
ritmo es colorear cada conjunto de nivel L
k
con el color k correspondiente mdulo P, donde
P es el nmero de colores de la resolucin grca del particular monitor, en general P = 16.
En caso que z
a
sea peridico, tomamos [R
pn
z
a
[ < , donde p es el perodo de z
a
.
Corolario 4.30. Si T(R) es no vaco, entonces el conjunto de Julia de R, (R), no tiene
puntos interiores.
Demostracin. Sea U un dominio abierto contenido en (R). Como (R) es invariante,
(R)
_
n0
R
n
(U) = C E
R
.
Adems, como (R) es cerrado y E
R
contiene a lo ms dos puntos, se tiene que (R) = C.
El resultado anterior junto con el teorema 4.29 tienen aplicaciones directa en el caso de
mtodos iterativos para aproximar ceros de una funcin f(z), pues como estamos asumiendo
que las races correspondan a puntos jos (super)atractores, estos pertencen al conjunto de
Fatou de la correspondiente funcin racional M
f
, por lo tanto se tiene que el conjunto de
Fatou, T(M
f
), es no vaco y (M
f
) = B(), donde es un cero de f, y (M
f
) no tiene
puntos interiores.
Corolario 4.31. Si D es un dominio, con D (R) =
) = (R).
Existe un ejemplo clsico, debido a Latts, [89], en el que se prueba que el conjunto de
Julia asociado a la funcin racional
R(z) =
(z
2
+ 1)
2
4z(z
2
1)
es todo el plano complejo ampliado, (R) = C. No obstante, este tipo de situaciones no
pueden ocurrir para las funciones de iteracin usadas para aproximar ceros de una funcin.
Denicin 4.8. Sea C un punto jo (que no es un polo) de una funcin racional R, con
multiplicador = R
(z)
(4.15)
aplicado al polinomio cuadrtico p(z) = z
2
1, vemos que el conjunto de Fatou tiene innitas
componentes, como se aprecia en la gura 4.2.
El comportamiento de los iterados sobre una componente de Fatou es descrito por el
siguiente teorema.
Teorema 4.40. Sea U una componente de Fatou de una funcin racional R de grado d 2,
que no contiene valores crticos de R. Entonces R
1
(U) consiste de d componentes de Fatou
U
1
, . . . , U
d
tales que R aplica cada U
i
homeomrcamente sobre U. Adems, U
i
es simplemente
conexa.
4.4. Propiedades del mtodo de Newton en C 149
-2 -1 0 1 2
-2
-1
0
1
2
Figura 4.2: Cuencas de atraccin del mtodo de Chebyshev aplicado al polinomio p(z) =
z
2
1. En cian aparecen los puntos cuyas rbitas convergen a la raz z = 1 y en magenta los
puntos cuyas rbitas convergen a la raz z = 1.
Dada una componente de Fatou arbitraria de una funcin racional R de grado d 2, se
tiene que R
1
(U) est formado por k componentes distintas U
1
, . . . , U
k
, on k d, las cuales
son disjuntas a pares si k 2. Adems, la restriccin de R a U
i
es una funcin racional de
grado d
i
, con la propiedad que
k
i=1
d
i
= d. Por lo tanto la preimagen de un punto z C
tiene d
i
copias en la componente U
i
.
Por ejemplo, cuando aplicamos el mtodo de Newton al polinomio p(z) = z
3
1, obtenemos
la funcin racional
R(z) =
2z
3
+ 1
3z
2
.
Consideremos la cuenca de atraccin inmediata de una de las races, digamos = 1, la cual
denotamos por U
1
. Tenemos que R
1
(U
1
) est formado por dos componentes, U
1
misma y
otra que denotamos por U
2
, con grado(R[U
1
) = 2 y grado(R[U
1
) = 1. Por lo tanto, como la
preimagen de un punto en U
1
consiste de 2 preimgenes en U
1
y una en U
2
, es claro que
tiene multiplicidad 2.
4.4. Algunas propiedades del mtodo de Newton en el
plano complejo
Sea p(z) = a
d
z
d
+ +a
1
z +a
0
, con a
d
,= 0, un polinomio de grado d en C, y sea
N
p
(z) = z
p(z)
p
(z)
,
150 Mtodo de Newton en el plano complejo
su mtodo de Newton.
Veamos algunas propiedades elementales de la dinmica de N
p
:
(1) N
p
(z
0
) = z
0
si y slo si p(z
0
) = 0, es decir, los puntos jos de N
p
son las races de p.
(2) z = es siempre un punto jo de N
p
, y como N
p
() =
d
d1
este punto jo es repulsor.
Por lo tanto, si el mtodo de Newton produce un punto cerca de , sus sucesivas
iteraciones se aproximan a una parte compacta de C.
(3) Puesto que N
p
(z) =
p(z)p
(z)
(p(z))
2
, si z
0
es una raz simple de p, se tiene que N
p
(z
0
) = 0, esto
es, z
0
es un punto jo superatractor de N
p
, lo cual implica que N
p
es conjugada a la
aplicacin z z
k
, para algn k > 1 en una vecindad de z
0
.
(4) Las races mltiples de p son puntos jos atractores, pero no superatractores, de N
p
,
pues si z
0
tiene multiplicidad m > 1, entonces N
p
(z
0
) =
m1
m
< 1.
(5) Para polinomios genricos de grado d, esto es, tienen todas sus races distintas, el
mtodo de Newton es una funcin racional de grado d. Cuando el polinomio tiene
races mltiples, N
p
tiene grado menor que d.
(6) Los puntos crticos de N
p
son las races simples y los puntos de inexin de p. Los puntos
crticos de N
p
que no son races de p los llamaremos puntos crticos libres. Recuerde que
vimos en la seccin anterior que las propiedades del conjunto de Julia de una funcin
analtica en C son frecuentemente determinadas por las rbitas de sus puntos crticos.
(7) Los puntos crticos de p, es decir, las races de p
(
j
) =
n
j
1
n
j
< 1.
Este resultado fue probado por G. Saunder en 1984 ([132]). Tambin se le atribuye a J.
Head ([63]) en 1987 y a K. Nishizawa y M. Fujimura en 1992 (vase [106]). En particular, ese
resultado contiene el caso del mtodo de Newton para polinomios con races simples. Para
otros mtodos, no se tiene una tal resultado, an en el caso de polinomios con races simples.
El primer resultado acerca de la ubicacin de los puntos crticos de un polinomio es el
teorema clsico de Gauss-Lucas, que enunciamos a continuacin.
Teorema 4.42 (Gauss-Lucas, [92]). Los puntos crticos de un polinomio no contante p estn
contenidos en la envoltura convexa de sus races.
4.4. Propiedades del mtodo de Newton en C 151
El siguiente teorema es importante para la descripcin global de las posible conducta de
los iterados por el mtodo de Newton.
Teorema 4.43 (Shishikura, [138]). Sea R un funcin racional que posee un nico punto jo
repulsor o racionalmente indiferente con multiplicador = 1, entonces (R) es conexo.
Como z = es el nico punto jo repulsor para la funcin de iteracin del mtodo de
Newton, N
p
, deducimos la siguiente consecuencia.
Corolario 4.44. Sea p(z) un polinomio complejo, entonces el conjunto de Julia de N
p
es
conexo.
Nota 4.1. Esta propiedad del conjunto de Julia del mtodo de Newton cuando es aplicado
a polinomios es una parte fundamental en la demostracin del teorema 4.60 de Hubbard,
Schleicher y Sutherland y que en esencia dice que el mtodo de Newton es un algoritmo
eciente para el clculo de races de polinomios. Este teorema, junto con el resultado de
Schleicher (vase el teorema 4.61), nos permite concluir que el mtodo de Newton es, por
tantoo, un algoritmo iterativo.
4.4.1. El mtodo de Newton para polinomios cuadrticos
Como ya se puso de maniesto al enunciar el problema de Cayley en los antecedentes
de este captulo, el estudio dinmico del mtodo de Newton aplicado a polinomios de la
forma p(z) = (z a)(z b) es relativamente sencillo. En el teorema 4.25 se vio que N
p
(z)
es conjugado con la aplicacin g(z) = z
2
. Veamos ahora una nueva demostracin de este
resultado, poniendo de maniesto que el conjunto de Julia J(N
p
) es la recta que equidista de
los puntos a y b.
Teorema 4.45. Sea N
p
la aplicacin de Newton para el polinomio p(z) = (z a)(z b), con
a, b C, a ,= b. Entonces N
p
es conjugada con la aplicacin z
2
mediante la transformada de
Mbius M(z) = (z a)/(z b). Adems J(N
p
) es una circunferencia en la esfera compleja
que pasa por el punto del innito, o equivalentemente, J(N
p
) es la recta que equidista de los
puntos a y b en el plano complejo.
Demostracin. Se puede comprobar por sustitucin directa que R(z) = MN
p
M
1
(z) = z
2
,
aunque el clculo puede resultar un poco tedioso. Veamos una demostracin alternativa que
puede resultar ms interesante desde el punto de vista matemtico. Lo primero, es observar
que
N
p
(a) = a M(a) = 0
N
p
(b) = b M(b) =
N
p
() = M() = 1.
152 Mtodo de Newton en el plano complejo
Entonces, se tiene que:
R : z M
1
(z) N
p
(M
1
(z)) M(N
p
(M
1
(z)))
0 a a 0
b b
1 1.
R(z) es una aplicacin racional de grado 2 (como N
p
(z)) que ja el 0, el y el 1. Adems,
R
(z) = M
(N
p
(M
1
(z)))N
p
(M
1
(z))(M
1
)
(z)
=
M
(N
p
(M
1
(z)))N
p
(M
1
(z))
M
(M
1
(z))
.
Como M
(z) = (a b)/(z b)
2
y N
p
(z) = L
p
(z) = p(z)p
(z)/p
(z)
2
, se tiene que
R
(0) =
M
(N
p
(a))N
p
(a)
M
(a)
= N
p
(a) = 0 (M
(a) ,= 0).
Por otra parte, como M
(b) = ,
R
() = lm
xb
M
(N
p
(x))N
p
(x)
M
(x)
= lm
xb
(x b)
2
(N
p
(x) b)
2
N
p
(x) = lm
xb
1
N
p
(x)
= .
As, R(z) tiene una raz doble en z = 0, luego es de la forma
R(z) =
z
2
z
2
+z +
.
Como R() = , = 0. Como R
() = y
R
() = lm
z
2z(z +) z
2
(z +)
2
=
1
,
se sigue que = 0. Por ltimo, como R(1) = 1, = 1 y R(z) = z
2
.
4.4.2. El mtodo de Newton para polinomios cbicos con races
mltiples
Una ligera variante del estudio realizado en la seccin anterior nos permite obtener algu-
nas conclusiones acerca del comportamiento del mtodo de Newton cuando aparecen races
mltiples. Lo primero observacin general que podemos hacer es que cuando se aplica el m-
todo de Newton a un polinomio de grado d, la funcin de iteracin resultante tiene grado d
cuando las races son simples. Sin embargo, cuando las races son mltiples, el grado de la
funcin de iteracin es menor estrictamente que d. Consideramos en esta seccin el caso del
polinomio
p(z) = (z a)
2
(z b). (4.16)
4.4. Propiedades del mtodo de Newton en C 153
En este caso, particularmente sencillo, el polinomio tiene una raz doble y una raz simple.
Analizaremos las dinmicas del mtodo de Newton y estudiaremos cmo son las cuencas de
atraccin de las races de p. Veremos que el comportamiento es totalmente distinto a cuando
las races del polinomio son simples.
-4 -3 -2 -1 0
-4
-2
0
2
4
Figura 4.3: Cuencas de atraccin de las races, z = 1 y z = 1 para el mtodo de Newton
aplicado al polinomio p(z) = (z 1)
2
(z + 1).
En primer lugar, mediante cambios de variable anes, el estudio del mtodo de Newton
aplicado a polinomios de la forma (4.16), puede reducirse al estudio del polinomio p(z) =
(z 1)
2
(z + 1). En este caso, la funcin de iteracin del mtodo de Newton es de la forma
N
p
(z) =
2z
2
+z + 1
1 + 3z
.
Esta funcin tiene un punto jo superatractor en z = 1 y un punto jo atractor en z = 1,
con multiplicador asociado 1/2. Adems, el punto del innito es un punto jo repulsor con
multiplicador asociado 3/2. En la gura 4.3 se muestran las cuencas de atraccin de las dos
races, z = 1 y z = 1. Como se puede apreciar en la gura, la cuenca de atraccin de la
raz mltiple, en este caso, z = 1, invade la cuenca de atraccin de la otra raz, z = 1.
En este caso, la presencia de dos races, una mltiple y otra simple, hace que se pierda la
simetra a la que hace referencia el teorema 4.45.
Por otra parte, para el caso de polinomios con races mltiples de la forma (4.16) la
iteracin de Newton, N
p
(z), es conjugada mediante la transformada de Mbius M(z) =
(z a)/(z b) con la aplicacin z(z + 1)/2 denida en el plano complejo ampliado
C. El
correspondiente conjunto de Julia se muestra en la gura 4.4.
154 Mtodo de Newton en el plano complejo
-2 -1 0 1
-2
-1
0
1
2
-2 -1 0 1 2
-2
-1
0
1
2
Figura 4.4: Cuencas de atracccin asociadas a las funciones de iteracin z(z+1)/2 y z
2
3/4,
relacionadas respectivamente con el mtodo de Newton y el mtodo de Newton para races
mltiples.
Si se conoce la multiplicidad m de la raz a aproximar, el conocido como mtodo de
Newton para races mltiples,
N
m
(z) = z m
p(z)
p
(z)
(4.17)
tiene la ventaja de que recupera el orden de convergencia cuadrtico al aproximar la raz
mltiple. El estudio de la dinmica del mtodo (4.17) para polinomios de la forma (4.16) lo
realiz Gilbert [55]. En ese trabajo, se prueba que la correspondiente funcin de iteracin
para polinomios de la forma (4.16) es
N
2
(z) = z 2
p(z)
p
(z)
=
z
2
+az 2ab
3z a 2b
. (4.18)
Esta funcin racional es conjugada con la aplicacin z
2
3/4 mediante la transformada de
Mbius
M(z) =
3z +a 4b
2(z a)
.
El comportamiento dinmico de la funcin polinmica z
2
3/4 es bien conocido (vase [16],
por ejemplo). En el segundo grco de la gura 4.4 se muestra el conjunto de Julia para
z
2
3/4, que es la frontera de la regin de negro. Ntese que en este caso, las races a y b del
polinomio (4.16) se transforman por M en los puntos
M(a) = , M(b) =
1
2
.
Estos dos puntos y 1/2, junto con el punto 3/2, son los puntos jos del polinomio z
2
3/4.
es un punto jo superatractor, 1/2 es un punto jo indiferente y 3/2 es un punto jo
4.4. Propiedades del mtodo de Newton en C 155
repulsor. Deshaciendo los cambios se concluye que el mtodo de Newton para races mltiples
(4.18) ha transformado la raz mltiple a en un punto jo superatractor. Como contrapartida,
la otra raz, b, pasa a ser un punto jo indiferente. Por ltimo es un punto jo repulsor
para (4.18).
El segundo grco de la gura 4.4 muestra la cuenca de atraccin de como punto jo de
z
2
3/4. Los puntos de la regin de negro convergen al punto jo indiferente 1/2, aunque,
en este caso la convergencia es extremadamente lenta.
Otra variante del mtodo de Newton para ecuaciones con races mltiples viene dada por
N
p
(z) = z
1
1 L
p
(z)
p(z)
p
(z)
, L
p
(z) =
p(z)p
(z)
p
(z)
2
. (4.19)
N
p
(z) se obtiene aplicando el mtodo de Newton a la funcin racional p(z)/p
a
ca
,
y en consecuencia T(z) = (c a)z + a. Aplicando esta transformacin T en el teorema de
reescalamiento anterior (teorema 4.23), obtenemos
q(z) = p T(z) = p((c a)z +a) = (c a)
3
z
_
z
b a
c a
_
(z 1).
Haciendo, = (c a)
3
y = (b a)/(c a), obtenemos
q(z) =
3
z(z 1)(z ).
Por otra parte, es fcil ver que si f(z) = g(z), entonces N
f
(z) = N
g
(z).
En consecuencia, haciendo
p
(z) = z
z(z 1)(z )
3z
2
2z 2z +
, (4.21)
tenemos probado el siguiente resultado, que establece que para conocer la dinmica de la
mtodo de Newton de un polinomio cbico debemos conocer la dinmica de la funcin racional
N
, donde C es un parmetro.
156 Mtodo de Newton en el plano complejo
Teorema 4.46. Sea p(z) un polinomio cbico con sus tres races distintas. Entonces, N
p
es
conjugado topolgicamente con N
denida en (4.21).
Notemos que el caso = 0 se reduce al estudio del mtodo de Newton aplicado al polino-
mio p
0
(z) = z
2
(z1) = z
3
z
2
. Este polinomio tiene en 0 una raz doble y su comportamiento
dinmico es similar al del polinomio que aparece en la gura 4.3.
En este caso, tenemos
N
(z) = z
z
3
( + 1)z
2
+z
3z
2
2( + 1)z +
=
2z
3
( + 1)z
2
3z
2
2( + 1)z +
y
N
(z) =
(z
3
( + 1)z
2
+z)(6z 2( + 1)
(3z
2
2( + 1)z +)
2
.
Un estudio sobre de familia fue hecho por Curry, Garnett y Sullivan [37].
En este caso, N
(z) = 0 si y slo si p
(z) = 0 o p
_
+ 1
3
_
es una rbita peridica atractora?
En la pregunta anterior debemos excluir los casos = 1, = 2 y = 1/2 para los cuales
el punto jo extrao coincide con alguna de las races del polinomio p
.
Una manera de responder a la pregunta anterior es colorear el espacio de parmetros
C de acuerdo a la convergencia del punto crtico libre ( +1)/3, tal y como se hace en la
gura 4.5. Si la rbita de (+1)/3 converge a 0, 1 o , el valor del correspondiente parmetro
se colorea en amarillo, cian o magenta respectivamente.
Como se aprecia en la gura 4.5, existen regiones abiertas en el espacio de parmetros tales
que, si pertenece a estas regiones entonces existen regiones abiertas en el plano complejo
de forma que N
(z) denido en (4.20). Las regiones coloreadas en negro en el espacio de parmetros estn
formadas por los valores de para los cuales la sucesin
N
n
_
+ 1
3
_
va a parar a un ciclo atractor.
4.4. Propiedades del mtodo de Newton en C 157
-0.5 0 0.5 1
0
0.5
1
1.5
2
2.5
3
3.5
0.4 0.45 0.5 0.55 0.6
2.2
2.22
2.24
2.26
2.28
2.3
2.32
2.34
Figura 4.5: Representacin grca del espacio de parmetros asociado a la funcin de itera-
cin N
(z) = (z
2
1)(z ), C. (4.22)
La correspondiente funcin de iteracin para el mtodo de Newton es
N
(z) =
2z
3
z
2
3z
2
2z 1
. (4.23)
En este caso, el punto crtico libre asociado al mtodo de Newton es la nica raz de
p
(z) = 0, es decir, z = /3. Podemos realizar una reexiones similares al caso anterior y
colorear el espacio de parmetros conforme a la convergencia del punto crtico libre, amarillo,
cian o magenta si la rbita de /3 converge a , 1 o 1 respectivamente, tal y como se muestra
en la gura 4.6. De nuevo, las regiones coloreadas en negro en el espacio de parmetros estn
formadas por los valores de para los cuales la sucesin
N
n
3
_
va a parar a un ciclo atractor.
Por ltimo, consideramos otra parametrizacin muy conocida (vase [118]), como es la
siguiente:
p
(z) = z
3
+ ( 1)z , C. (4.24)
Denotamos N
(z) =
2z
3
+
3z
2
+ 1
. (4.25)
158 Mtodo de Newton en el plano complejo
-2 -1 0 1 2
0
0.5
1
1.5
2
2.5
3
3.5
-0.1 -0.05 0 0.05 0.1
4.45
4.5
4.55
4.6
4.65
Figura 4.6: Representacin grca del espacio de parmetros asociado a la funcin de itera-
cin del mtodo de Newton para los polinomios (4.22). La gura de la derecha muestra una
ampliacin de una zona negra en la que se aprecia un conjunto de tipo Mandelbrot similar
al de la gura 4.5.
En este caso, el punto crtico libre asociado al mtodo de Newton es la nica raz de p
(z) = 0,
es decir, z = 0.
Las regiones coloreadas en negro en el espacio de parmetros de la gura 4.7 estn for-
madas por los valores de para los cuales la sucesin
N
n
(0)
va a parar a un ciclo atractor.
La gura 4.8 muestra las cuencas de atraccin del mtodo de Newton para un polinomio
p
(z) denido en (4.24) y tomando en una de las zonas negras del espacio de parmetros.
Como vemos aparecen agujeros negros originados por la presencia de ciclos atractores. En
concreto, en este caso se tiene que la rbita del punto crtico libre z = 0 es atrada por el
3-ciclo
1.02169 1.04136i, 0.620968 0.632698i, 0.00204529 + 0.00527748i.
4.4.4. El mtodo de Newton para polinomios de grados 4 y 5
Como hemos visto en el apartado anterior, el estudio dinmico del mtodo de Newton
aplicado a polinomios de tercer grado se reduce al estudio de una funcin racional dependiente
de un parmetro, en concreto (4.21). Evidentemente, al aumentar el grado de los polinomios
tambin lo har el nmero de parmetros involucrados en la correspondiente funcin racional
asociada al mtodo de Newton.
4.4. Propiedades del mtodo de Newton en C 159
-2 -1 0 1 2
-2
-1
0
1
2
0.98 1 1.02 1.04 1.06
0.94
0.95
0.96
0.97
0.98
0.99
1
Figura 4.7: Representacin grca del espacio de parmetros asociado a la funcin de ite-
racin N
(z) =
z
3
+ ( 1)z con = 1.02 + 0.96i y una ampliacin de la zona negra que se genera
entorno al punto crtico libre z = 0.
No obstante, existen algunas manipulaciones algebraicas que permiten reducir el nmero
de coecientes que aparecen en una ecuacin polinmica. En concreto, la conocida como
transformacin de Tschirnhaus ([44]) permite transformar la ecuacin
z
n
+a
n1
z
n1
+ +a
1
z +a
0
= 0, n > 2,
en otra ecuacin polinmica donde no aparecen los trminos en z
n1
y z
n2
, es decir,
z
n
+b
n3
z
n3
+ +b
1
z +b
0
= 0, n > 2.
160 Mtodo de Newton en el plano complejo
El resultado original de Tschirnhaus apareci publicado en Acta Eruditorum en 1683. Ms
adelante, en 1786, E. S. Bring prob que una ecuacin polinmica de grado 5 puede reducirse
a una del tipo
z
5
+az +b = 0.
Finalmente, en 1834 G. B. Jerrard demostr que en ecuaciones polinmicas de grado mayor
que 3 se puede encontrar una transformacin de Tschirnhaus en la que no aparecen los
trminos en z
n1
, z
n2
y z
n3
, es decir, del tipo
z
n
+c
n4
z
n4
+ +c
1
z +c
0
= 0, n > 3.
Estas transformaciones se basan en complicadas manipulaciones algebraicas sobre las
races de la ecuacin (vase [155]). Estas manipulaciones no conservan las propiedades din-
micas. En efecto, como se vio en el ejemplo (4.5), el mtodo de Newton aplicado al polinomio
z
3
2z + 2 tiene un 2-ciclo atractor de la forma 0, 1. Dicho polinomio puede ser transfor-
mado en uno de la forma p(z) = z
3
3
, C, por la correspondiente transformacin de
Tschirnhaus. A su vez, el mtodo de Newton aplicado al polinomio anterior,
N
p
(z) = z
z
3
3
3z
2
=
2z
3
+
3
3z
2
es conjugado topolgicamente, mediante la aplicacin afn h(z) = z/, con el mtodo de
Newton aplicado al polinomio q(z) = z
3
1,
N
q
(z) = z
z
3
1
3z
2
=
2z
3
+ 1
3z
2
.
En efecto,
h N
p
(z) =
2z
3
+
3
3z
2
= N
q
h(z).
Pero como se aprecia en las guras 4.1 y 4.9, el comportamiento dinmico del mtodo de
Newton aplicado a los polinomios q(z) = z
3
1 y z
3
2z + 2 es muy diferente. De hecho,
en el primer caso no aparecen n-ciclos atractores con n 2, luego su dinmica no puede ser
equivalente a la del mtodo de Newton aplicado al polinomio z
3
2z +2, que s presenta un
2-ciclo atractor.
Para ver que N
p
(z) no tiene 2-ciclos atractores, calculamos los puntos jos de
N
2
p
(z) =
16z
9
+ 51z
6
+ 12z
3
+ 2
9z
2
(2z
3
+ 1)
2
.
Tenemos que N
2
p
(z) = z si y slo si z
3
= 1 o 20z
6
+ 5z
3
+ 2 = 0. Los 2-ciclos aparecen entre
las races
j
, j = 1, . . . , 6 de la segunda ecuacin. Pero en todas ellas se cumple que
[N
p
(
j
)[ 2.45 > 1,
luego ningn 2-ciclo es atractor.
4.5. Algoritmos generalmente convergentes 161
Las expresiones simplicadas de polinomios de cuarto y quinto grado que aparecen despus
de aplicar las transformaciones de Tschirnhaus o de Bring-Jerrard, motivan el estudio del
mtodo de Newton para ecuaciones de la forma z
4
+ az + b
4
= 0 o z
5
+ az + b
5
= 0 como
casos particulares de ecuaciones polinmicas de cuarto y quinto grado respectivamente. En
concreto, para la ecuacin de quinto grado anterior puede verse un estudio detallado de la
dinmica del mtodo de Newton en [8].
4.5. Algoritmos generalmente convergentes
En 1985, Steve Smale [139] plante la siguiente cuestin sobre la existencia de algoritmos
para encontrar los ceros de un polinomio Existen mtodos iterativos (punto a punto) dados
por una aplicacin racional que sean convergentes a las races de un polinomio para casi todo
punto de partida y para casi todo polinomio? Podemos pensar en la medida de Lebesgue tanto
en el campo complejo como en el espacio C
d+1
de los coecientes de un polinomio de grado d
para denir el concepto de para casi todo en el sentido de para todos los puntos excepto un
conjunto de medida cero.
Dos aos ms tarde, Curtis McMullen [99] encontr la respuesta a la pregunta anterior.
En concreto, McMullen prob lo siguiente:
1. No existen algoritmos generalmente convergentes para polinomios de grado mayor o
igual que cuatro.
2. Caracteriz los algoritmos generalmente convergentes para polinomios de grados dos y
tres.
Vamos a analizar los resultados dados por McMullen. Para ello, necesitamos las siguientes
deniciones:
Denicin 4.12. Sean P
d
el conjunto de polinomios de grado d y 1at
k
el conjunto de
funciones racionales de grado k denidas de
C en
C. Diremos que R 1at
k
es convergente
para p P
d
si la sucesin R
n
(z)
n0
converge a una raz de p para casi todo z
C.
Un mtodo iterativo dado por R es generalmente convergente (para polinomios de grado d)
si R
p
es convergente para casi todo p P
d
.
Ya hemos visto que el mtodo de Newton es generalmente convergente para polinomios de
grado dos. Tambin es conocido desde los tiempos de Cayley [16] que el mtodo de Newton
no es generalmente convergente para polinomios de grado tres o superior, ya que se pueden
encontrar polinomios con n-ciclos atractores, n 2 y en general polinomios para los cuales el
mtodo de Newton no converge a ninguna de las races para puntos de partida pertenecientes
a un conjunto de medida positiva. A continuacin presentamos algunos ejemplos en este
sentido.
162 Mtodo de Newton en el plano complejo
-4 -2 0 2 4
-4
-2
0
2
4
-4 -2 0 2 4
-4
-2
0
2
4
Figura 4.9: Cuencas de atraccin del mtodo de Newton aplicado a p(z) = z
3
2z + 2 y
a p(z) = 3z
5
10z
3
+ 23z. En ambos casos se observa la aparicin de agujeros negros
provocados por la presencia de ciclos atractores.
Ejemplo 4.7 (Smale, [139]). Sea p(z) = z
3
2z +2. Entonces 0, 1 es una rbita peridica
superatractora para el mtodo de Newton N
p
.
En efecto, en este caso, tenemos que
N
p
(z) =
2z
3
2
3z
2
2
, y N
p
(z) =
z(6z
3
12z + 12)
(3z
2
2)
2
,
de donde obtenemos que N
p
(z) = 0 si y slo si z = 0 o p(z) = 0 (races de p), y
como p(0) = 2 tenemos que z = 0 es un punto crtico libre. Notemos ahora que
N
p
(0) = 1 y N
p
(1) = 0, luego 0, 1 es una rbita peridica de N
p
y
(N
2
p
)
(0) = N
p
(N
p
(0)) N
p
(0) = N
p
(1) N
p
(0) = 0,
por lo tanto 0, 1 es una rbita peridica superatractora de N
p
. En consecuencia,
existe un conjunto abierto U de puntos entorno al punto z = 0 tal que si z
0
U,
el mtodo de Newton aplicado al polinomio p(z) = z
3
2z + 2 no converge a
ninguna raz del mismo. De hecho, no es el nico conjunto con esta propiedad.
ste y otros conjuntos de puntos de partida para los cuales no hay convergencia
a ninguna raz se muestran como agujeros negros en la gura 4.9.
Ejemplo 4.8 (Barna, [11]). Sea p(z) = 3z
5
10z
3
+ 23z. Entonces 1, 1 es una rbita
peridica superatractora para el mtodo de Newton N
p
.
En este caso, se tiene que los puntos crticos libres son las races de p
(z) que no
son races de p(z), es decir, z = 1 y z = 1. Como N
p
(1) = 1, N
p
(1) = 1 y
4.5. Algoritmos generalmente convergentes 163
N
p
(1) = N
p
(1) = 0, se tiene que 1, 1 es un 2-ciclo superatractor de N
p
. En
consecuencia, existe un conjunto abierto U de puntos entorno al punto z = 1 tal
que si z
0
U, el mtodo de Newton aplicado al polinomio p(z) = 3z
5
10z
3
+23z
no converge a ninguna raz del mismo. De hecho, no es el nico conjunto con esta
propiedad. ste y otros conjuntos de puntos de partida para los cuales no hay
convergencia a ninguna raz se muestran como agujeros negros en la gura 4.9.
Ejemplo 4.9 (Barna, [11]). Sea p(z) = z
4
6z
2
11. Entonces 1, 1 es una rbita peridica
superatractora para el mtodo de Newton N
p
.
En este caso,
N
p
(z) = z
z
4
6z
2
11
4z
3
12z
=
3z
4
6z
2
+ 11
4z
3
12z
.
De aqu, N
p
(1) = 1 y N
p
(1) = 1, luego 1, 1 es una rbita peridica de pe-
rodo 2 para N
p
, que adems es superatractora ya que (N
2
p
)
(1) = N
p
(1)N
p
(1) =
0.
De hecho tenemos ms.
Teorema 4.47 (Smale, [139]). El mtodo de Newton no es generalmente convergente.
Demostracin. Sea p(z) =
d
j=0
a
j
z
j
un polinomio de grado d 3. Fijemos a
0
= 1, a
1
= 1
y a
2
= 0. Tenemos entonces que p(z) = 1 z +a
3
z
3
+ +a
d
z
d
. Entonces
p
(z) = 1 + 3a
3
z
2
+ 4a
4
z
3
+ +da
d
z
d1
,
y
p
(z) = 6a
3
z + 12a
4
z
2
+ +d(d 1)a
d
z
d2
.
Como p(0) = 1, p
(0) = 1 y p
p
(0) = 0. Adems, si
N
p
(1) ,= entonces (N
2
p
)
(0) = N
p
(1)N
p
(0) = 0.
Como N
p
(z) =
p(z)p
(z)
(p
(z))
2
, tenemos N
p
(0) = 1 y N
p
(0) = 0, y si N
p
(1) ,= entonces
(N
2
p
)
(0) = N
p
(N
p
(0))N
p
(0) = N
p
(1)N
p
(0) = 0. Luego, si N
p
(1) = 0 y N
p
(1) ,= , se tiene
que 0 es un punto peridico, de perodo 2, superatractor para N
p
.
Ahora bien, teniendo en cuenta que
N
p
(z) = z
1 z +a
3
z
3
+ +a
d
z
d
1 + 3a
3
z
2
+ 4a
4
z
3
+ +da
d
z
d1
,
se tiene que N
p
(1) = 0 si, y slo si
1 + 2a
3
+ 4a
4
+ + (d 1)a
d
= 0. (4.26)
La condicin N
p
(1) ,= se satisface si p
(1) ,= 0, es decir, si
1 + 3a
3
+ 4a
4
+ +da
d
,= 0. (4.27)
Estas condiciones se satisfacen en un conjunto abierto y denso de un hiperplano de
(a
3
, a
4
, . . . , a
d
) : a
i
C = C
d2
. Lo que termina la prueba.
164 Mtodo de Newton en el plano complejo
Por ejemplo, tomando d = 3 en el teorema anterior, tenemos el polinomio
p(z) =
1
2
z
3
z + 1.
Notemos que este polinomio es un mltiplo del polinomio que aparece en el ejemplo 4.7. Por
lo tanto, la funcin de iteracin obtenida aplicando el mtodo de Newton a ambos polinomios
es la misma.
Para d = 4 las ecuaciones (4.26) y (4.27) nos dan
_
_
_
1 + 2a
3
+ 3a
4
= 0,
1 + 3a
3
+ 4a
4
,= 0.
De (4.26) obtenemos a
4
= (1 2a
3
)/3 y reemplazando en (4.27) obtenemos a
3
,= 1. Por
lo tanto las ecuaciones (4.26) y (4.27) valen para a
3
,= 1. Haciendo = a
3
obtenemos la
siguiente familia uniparmetrica de polinomios de grado 4:
p
(z) = 1 z +z
3
+
1 2
3
z
4
,
o de forma ms simple
q
(z) = 3 3z + 3z
3
+ (1 2)z
4
(4.28)
la cual tiene a 0, 1 como rbita peridica superatractora. La gura 4.10 muestra las cuencas
de atraccin del mtodo de Newton aplicado a uno de estos polinomios, en concreto para
= 1. Las regiones en negro corresponden a la cuenca de atraccin de la rbita peridica de
perodo 2, 0, 1.
De forma ms genrica, podemos encontrar una familia de polinomios de grado n 3 tales
que el mtodo de Newton asociado, N
p
(z), tiene a = 0, 1 como un 2-ciclo superatractor,
El siguiente resultado da una manera constructiva de calcular dichos polinomios.
Teorema 4.48 (Kalantari, [73]). Para cada n 3, el mtodo de Newton no es generalmente
convergente para el polinomio
p(z) = z
n
(n 1)z +n 1. (4.29)
Demostracin. Seguimos las ideas de Smale [139]. Consideramos un polinomio de grado n 3
de la forma p(z) = z
n
+ az + b para el cual imponemos que = 0, 1 sea un 2-ciclo
superatractor, es decir, imponemos
N
p
(0) = 1, N
p
(1) = 0, N
p
(0) = 0 y N
p
(1) ,= (4.30)
Tenemos N
2
p
(0) = 0, y por la regla de la cadena
(N
2
p
)
(0) = N
p
(N
p
(0)) = N
p
(1)N
p
(0) = 0.
4.5. Algoritmos generalmente convergentes 165
-4 -2 0 2 4
-4
-2
0
2
4
Figura 4.10: Cuencas de atraccin del mtodo de Newton aplicado al polinomio q
1
(z) =
3 3z + 3z
3
z
4
denido en (4.28) cuando = 1.
Ahora, como
N
p
(z) = z
p(z)
p
(z)
= z
z
n
+az +b
nz
n1
+a
=
(n 1)z
n
b
nz
n1
+a
,
se tiene que N
p
(0) = b/a. De la condicin N
p
(0) = 1, se sigue que b = a. Por otra
parte, como N
p
(1) = 0, nos queda (n 1) b = 0, de donde b = a = n 1. Por lo
tanto p(z) = z
n
(n 1)z + n 1. Finalmente, dado que N
p
(z) =
p(z)p
(z)
p
(z)
2
, se sigue que
(N
2
p
)
(0) = 0.
La gura 4.11 muestra las cuencas de atraccin del mtodo de Newton aplicado a uno de
los polinomios denidos en (4.29), en concreto para n = 4. Las regiones en negro corresponden
a la cuenca de atraccin de la rbita peridica superatractora 0, 1.
La siguiente pregunta que nos planteamos es si podemos construir polinomios para los
cuales el mtodo de Newton asociado tenga un ciclo atractor, indiferente parablico, un disco
de Siegel o un punto de Cremer.
Para realizar este estudio, consideremos un polinomio de grado 3, p(z) = z
3
+a
2
z
2
+a
1
z +
a
0
, e impongamos las condiciones
(1) N
p
(0) = 1;
(2) N
p
(1) = 0;
(3) N
p
(0)N
p
(1) = , con C.
166 Mtodo de Newton en el plano complejo
-4 -2 0 2 4
-4
-2
0
2
4
Figura 4.11: Cuencas de atraccin del mtodo de Newton aplicado al polinomio p(z) =
z
4
3z + 3 denido en (4.29) para n = 4.
Las condiciones N
p
(0) = 1 y N
p
(1) = 0 son equivalentes a
p(0)
p
(0)
= 1 y
p(1)
p
(1)
= 1
respectivamente. La condicin sobre la derivada N
p
(0) N
p
(1) = se puede escribir
p(0)p
(0)
p
(0)
2
p(1)p
(1)
p
(1)
2
=
p(0)
p
(0)
p
(0)
p
(0)
p(1)
p
(1)
p
(1)
p
(1)
= ,
y, por tanto,
(0)
p
(0)
p
(1)
p
(1)
= .
Ahora, para el polinomio p(z) = z
3
+a
2
z
2
+a
1
z +a
0
, tenemos
1 =
p(0)
p
(0)
=
a
0
a
1
,
es decir, a
1
= a
0
. Ahora bien,como
1 =
p(1)
p
(1)
=
1 + a
2
+a
1
+a
0
3 + 2a
2
+a
1
=
1 + a
2
3 + 2a
2
a
0
,
se sigue que a
2
= a
0
2. Llamando = a
0
nos quedan las condiciones a
1
= y a
2
= 2.
Por lo tanto el polinomio buscado es
p
(z) = z
2
+ ( 2)z
2
z +.
4.5. Algoritmos generalmente convergentes 167
Evaluando la condicin
=
p
(0)
p
(0)
p
(1)
p
(1)
obtenemos que
4
( 2)( + 1)
( 1
= .
De aqu se deduce que debe satisfacer la ecuacin cuadrtica
(4 )
2
(4 ) 8 = 0,
cuya solucin, para ,= 4, es
=
1
2
_
_
1
1 +
32
4
_
_
.
En denitiva, hemos probado el siguiente resultado.
Teorema 4.49. Sea C 4. Entonces el polinomio
p(z) = z
3
+ ( 2)z
2
z +
con
=
1
2
_
_
1
1 +
32
4
_
_
,
satisface que 0, 1 es un 2-ciclo para N
p
(z), con multiplicador asociado (N
2
p
)
(0) = .
Como aplicacin de este resultado, podemos podemos construir polinomios para los cuales
el mtodo de Newton asociado tenga un ciclo atractor o un ciclo indiferente parablico. En
concreto, tomando = 0 y = 2 se tiene que el mtodo de Newton aplicado al polinomio
z
3
2z + 2 tiene un 2-ciclo superatractor en 0, 1 (vase tambin el ejemplo 4.7). Por otra
parte, tomando = 1 y =
_
1 +
_
35/3
_
/2, la aplicacin del teorema anterior nos conduce
a un 2-ciclo indiferente para el mtodo de Newton. El comportamiento dinmico en este caso
es similar al del ejemplo 4.7), junto a las cuencas de atraccin de las tres races aparecen las
cuencas de atraccin del 2-ciclo. La diferencia es que la convergencia hacia el 2-ciclo en el
caso indiferente parablico es mucho ms lenta que en el caso atractor. El comportamiento en
los casos restantes (discos de Siegel o puntos de Cremer) es bastante ms complejo. El lector
interesado puede consultar resultados ms precisos sobre la dinmica alrededor de estos ciclos
parablicos en [26] o [102].
Una vez vistos varios ejemplos que ponen de maniesto que el mtodo de Newton no es
generalmente convergente para polinomios de grado mayor o igual que 3, pasamos a enunciar
los resultados principales de la teora desarrollada por McMullen.
Teorema 4.50 (McMullen, [99]). Sea T un algoritmo generalmente convergente para poli-
nomios de grado d, en el sentido de la denicin 4.12. Entonces T
p
y T
q
son conjugados por
una transformada de Mbius para casi todo p, q P
d
.
168 Mtodo de Newton en el plano complejo
Demostracin. La demostracin est basada en el teorema de Thurston sobre puntos crticos
de aplicaciones racionales y en el concepto de rigidez de una familia de aplicaciones racionales
estable [99, Tma. 2.2]: o bien todos sus miembros son conjugados por una transformada de
Mbius, o bien las rbitas de los puntos crticos son nitas. Pensemos en el mtodo de Newton,
para el cual,
N
p
(z) =
p(z)p
(z)
p
(z)
2
.
La clave est en analizar los puntos crticos que no son races de p, es decir, los puntos tales
que p
(z) = 0 (puntos de inexin). Esta es la idea que les permite a Roberts y Horgan-
Kobelski [125] encontrar polinomios malos para el mtodo de Newton. En concreto, para
cada n 2 encuentran un valor del parmetro
n
tal que el polinomio (z
2
1)(z
n
) tiene
un n-ciclo atractor.
Corolario 4.51 ([99, Tma. 1.1]). No existen mtodos iterativos generalmente convergentes
para polinomios de grado mayor o igual que 4.
Demostracin. Supongamos que T es un algoritmo generalmente convergente para P
d
. Sean
p, q P
d
, d 4, con todas sus races simples. Entonces, T
p
y T
q
son conjugados por una
transformada de Mbius M:
T
p
M = M T
q
.
Sea s una raz de q. Entonces s es un punto jo atractor de T
q
, T
q
(s) = s y r = M(s) es
un punto jo atractor de T
p
. Por la denicin de algoritmo generalmente convergente, r es
una raz de p (si T
n
p
(z) converge a un punto distinto de una raz, entonces no puede ser
generalmente convergente).
Por lo tanto M transforma las races de q en las races de p. Dadas dos ternas ordenadas
a, b, c y a
, b
, c
, b
, c
1
, . . . , a
para d 4. Esto prueba que no puede existir un algoritmo generalmente convergente para
d 4.
En consecuencia, slo puede haber algoritmos generalmente convergentes para polinomios
de grados dos y tres. McMullen tambin caracteriz cmo tienen que ser dichos algoritmos.
Para ello, necesitaremos la siguiente denicin:
Denicin 4.13. Dada una aplicacin racional T, denimos el centralizador de T, C(T)
como el grupo de las transformadas de Mbius que conmutan con T.
Corolario 4.52 (Algoritmos generalmente convergentes para polinomios de grado 2, [99,
Tma. 1.1]). Un mtodo iterativo generalmente convergente para polinomios de grado 2 se
obtiene determinando una aplicacin racional T tal que:
1. T es convergente para el polinomio z
2
1.
4.5. Algoritmos generalmente convergentes 169
2. El centralizador C(T) contiene a la transformada de Mbius que permuta las races
cuadradas de la unidad, es decir, z z
El algoritmo es entonces T
p
= A
p
TA
1
p
donde A
p
es una transformacin afn que manda las
races cuadradas de la unidad en las races del polinomio p.
Corolario 4.53 (Algoritmos generalmente convergentes para polinomios de grado 3, [99,
Tma. 1.1]). Un mtodo iterativo generalmente convergente para polinomios de grado 3 se
obtiene determinando una aplicacin racional T tal que:
1. T es convergente para el polinomio z
3
1.
2. El centralizador C(T) contiene a las transformadas de Mbius que permuta las races
cbicas de la unidad.
El algoritmo es entonces T
p
= M
p
TM
1
p
donde M
p
es una transformada de Mbius que
manda las races cbicas de la unidad en las races del polinomio p.
4.5.1. Algoritmos generalmente convergentes para polinomios de
segundo grado
Vamos a usar el Corolario 4.52 para determinar la forma de los algoritmos generalmente
convergentes para polinomios de segundo grado. Dentro de estos distinguiremos una clase es-
pecial que llamaremos superconvergente y estar formada por los algoritmos T
p
cuyos puntos
crticos son tambin puntos jos y, por tanto, coinciden con las races de p.
Comenzamos buscando algoritmos superconvergentes dados por una funcin racional de
segundo grado:
T(z) =
z
2
+az +b
cz
2
+dz +e
, (c, d, e) ,= (0, 0, 0).
Las condiciones del corolario 4.52 son T(1) = 1, T(1) = 1, T
(1) = 0, T
(1) = 0 y
T(z) = T(z). De aqu deducimos que a = c = e = 0, b = 1 y d = 2, con lo que
T(z) =
z
2
+ 1
2z
= z
z
2
1
2z
,
que no es otra cosa que el mtodo de Newton aplicado al polinomio z
2
1.
Sean ahora p(z) = (z a)(z b), a ,= b, A
p
(z) = a + (b a)(1 z)/2 la aplicacin afn
que manda 1 a y 1 b. Entonces,
T
p
(z) = A
p
TA
1
p
(z) =
ab z
2
a +b 2z
o equivalentemente,
T
p
(z) = z
p(z)
p
(z)
.
As, el mtodo de Newton es el nico algoritmo racional de segundo grado que es supercon-
vergente para polinomios de grado 2.
170 Mtodo de Newton en el plano complejo
4.5.2. Algoritmos generalmente convergentes para polinomios de
tercer grado
Buscamos la funcin racional T de menor grado que nos proporcione un algoritmo super-
convergente para polinomios de tercer grado. Sean
k
= exp(2ki/3), k = 0, 1, 2 las races
cbicas de la unidad. De acuerdo con el corolario 4.53, T tiene que cumplir T(
k
) =
k
,
T
(
k
) = 0, k = 0, 1, 2. Adems T debe conmutar con el conjunto de transformadas de M-
bius que permutan las races cbicas de la unidad. Este conjunto es el grupo generado por
M
1
(z) = 1/z y M
2
(z) =
1
z. En principio, hay ocho condiciones por lo que parece insucien-
te partir de una funcin racional de tercer grado (siete incgnitas, teniendo en cuenta que
podemos normalizar). As que partimos de
T(z) =
z
4
+a
3
z
3
+a
2
z
2
+a
1
z +a
0
b
4
z
4
+b
3
z
3
+b
2
z
2
+b
1
z +b
0
.
Como T(1/z) = 1/T(z), b
0
= 1, b
1
= a
3
, b
2
= a
2
, b
3
= a
1
y b
4
= a
0
. Adems, T(
1
z) =
1
T(z)
implica que
1
z
4
+a
3
z
3
+a
2
1
z
2
+a
1
1
z +a
0
a
0
1
z
4
+a
1
z
3
+a
2
1
z
2
+a
3
1
z + 1
=
1
z
4
+a
3
1
z
3
+a
2
1
z
2
+a
1
1
z +a
0
1
a
0
z
4
+a
1
z
3
+a
2
z
2
+a
3
z + 1
,
por lo que a
0
= a
3
= a
2
= 0 y entonces
T(z) =
z
4
+a
1
z
a
1
z
3
+ 1
.
Con esto se garantiza adems que T(
k
) =
k
, k = 0, 1, 2. Falta determinar a
1
para que
T
(
k
) = 0, k = 0, 1, 2. Las tres ecuaciones conducen a un nico valor a
1
= 2, por lo que
T(z) =
z(z
3
+ 2)
2z
3
+ 1
.
Este algoritmo T fue encontrado por McMullen [99]. Se puede comprobar que el orden
de convergencia de este algoritmo es tres. Adems, T coincide con el mtodo de Halley (2.7)
cuando se aplica a p(z) = z
3
1. En efecto,
H
p
(z) = z
_
2
2 L
p
(z)
_
p(z)
p
(z)
= z
3z
3
2z
3
+ 1
z
3
1
3z
2
= z
z
4
z
2z
3
+ 1
=
z(z
3
+ 2z)
2z
3
+ 1
= T(z).
La tentacin ahora es extrapolar esta frmula a un polinomio cualquiera y pensar que el
mtodo de Halley y el algoritmo de McMullen coinciden para cualquier polinomio de grado
tres. Pero sabemos que el mtodo de Halley no es generalmente convergente para polinomios
de tercer grado. Por ejemplo [82], sea p(z) = 2z
3
+z 3, entonces
H
p
(z) =
12z
5
2z
3
+ 36z
2
+ 3
24z
4
+ 6z
2
+ 18z + 1
4.5. Algoritmos generalmente convergentes 171
Cuadro 4.1: Iteraciones del mtodo de Halley aplicado al polinomio p(z) = 2z
3
+z 3 para
z
0
= 1.7. Se aprecia la presencia de un 2-ciclo atractor.
z
0
1.7 z
4
1.707110
z
1
0.284376 z
5
0.292898
z
2
1.707130 z
6
1.707110
z
3
0.292918 z
7
0.292894
y para valores iniciales cercanos a z
0
= 1.7 las rbitas son atradas por un 2-ciclo (vanse
la gura 4.12 y el cuadro 4.1).
Luego, en general, el algoritmo de McMullen no puede coincidir con el mtodo de Halley.
Veamos, por tanto, cmo es el algoritmo de McMullen.
-2 -1 0 1 2
-2
-1
0
1
2
Figura 4.12: Cuencas de atracccin para el mtodo de Halley, H
p
(z), aplicado a p(z) =
2z
3
+ z 3. Los crculos negros estn en la cuenca de atraccin de un ciclo atractor no
asociado a ninguna de las races de p.
Dado un polinomio de tercer grado z
3
+ a
2
z
2
+ a
1
z + a
0
, el cambio de variable afn
z = x a
2
/3 nos permite transformarlo en uno de la forma
x
3
+ax +b,
con
a = a
1
a
2
2
3
, b = a
0
a
1
a
2
3
+
2a
3
2
27
.
Adems, si ,= 0 es una raz de x
3
+ax+b, el cambio x = nos permite escribir la ecuacin
p
c
() =
3
+ (c 1) c = 0, c C. (4.31)
Observemos que como
3
+a +b = 0, a/
2
+b/
3
= 1. Si llamamos b/
3
= c, entonces
a/
2
= c 1.
172 Mtodo de Newton en el plano complejo
Para el desarrollo terico posterior consideraremos polinomios de la forma (4.31). Las
races de estos polinomios son:
0
= 1,
1
=
1 +
1 4c
2
,
2
=
1
1 4c
2
.
Con esta particular parametrizacin de los polinomios de tercer orden, 1 es siempre una raz
y la suma de las tres es cero. Salvo para los casos c = 1/4 y c = 2, las tres races son
distintas. Supondremos a partir de ahora que las tres races son distintas (esto no afecta al
estudio de la convergencia general, pues dejamos de considerar un conjunto de medida cero
en el espacio de los polinomios).
Para cada polinomio p
c
, el algoritmo de McMullen es entonces
T
c
(z) = M
c
T M
1
c
(z)
donde M
c
es una transformada de Mbius que manda las races cbicas de la unidad a las
races de p
c
,
i
, i = 0, 1, 2.
Los puntos jos de T son
0
,
1
,
2
, 0 e . Observemos adems que
T
(z) =
2(z
3
1)
2
(1 + 2z
3
)
2
,
por lo que las races cbicas de la unidad son puntos crticos de segundo orden (tambin
anulan la segunda derivada) de T.
Como T
c
M
c
= M
c
T, los puntos jos de T
c
son M
c
(0), M
c
() y M
c
(
k
), es decir,
M
c
(0), M
c
() y
k
.
Sea un punto jo de T tal que T
() = 0. Entonces, T
c
(M
c
()) = 0. En efecto,
T
c
(M
c
())M
c
() = M
c
()T
().
Como M
c
() ,= 0, T
c
(M
c
()) = 0.
Si adems, T
() = 0, entonces tambin T
c
(M
c
()) = 0. En efecto,
T
c
(M
c
())M
c
()
2
+T
c
(M
c
())M
c
() = M
c
()T
() +M
c
()T
() = 0.
Como T
c
(M
c
()) = 0 y M
c
() ,= 0, T
c
(M
c
()) = 0.
En resumen,
T
c
(z) = z
p
c
(z)(z M
c
(0))(z M
c
())
r
c
(z)
donde r
c
(z) es un polinomio de grado 4 a determinar. Operando se llega a
(z M
c
(0))(z M
c
()) = z
2
3c
c 1
z
c 1
3
=
3(c 1)z
2
9cz (c 1)
2
3(c 1)
.
Adems, r
c
(z) = (z + )p
c
(z) + (p
c
q
c
)
(z), donde q
c
(z) = 3(c 1)z
2
9cz (c 1)
2
. De
aqu se calcula exigiendo que el algoritmo es de grado 4: = 12(c 1). Para el clculo
4.5. Algoritmos generalmente convergentes 173
de podemos tener en cuenta que T
c
(1) = T
c
(
1
) = T
c
(
2
) = 0. Las tres ecuaciones nos
conducen a la misma solucin = 18c.
En denitiva el algoritmo de McMullen para un polinomio de la forma 4.31 es
T
c
(z) = z
(z
3
+ (c 1)z c)(3(c 1)z
2
9cz (c 1)
2
)
(3c 1)z
4
18cz
3
6(c 1)
2
z
2
+ 6c(c 1)z + 1 3c 6c
2
c
3
.
Para un polinomio de la forma p(z) = z
3
+ az + b McMullen [99, Prop.1.2] prob que el
algoritmo tiene la forma
T
p
(z) = z
(z
3
+az +b)(3az
2
+ 9bz a
2
)
3az
4
+ 18bz
3
6a
2
z
2
6abz 9b
2
a
3
. (4.32)
Como vemos, el algoritmo se expresa en funcin de los coecientes de p y, en principio,
no admite una expresin en trminos de p y sus derivadas. Adems, se puede observar que no
coincide con el mtodo de Halley aplicado a p(z) = z
3
+az +b. En la gura 4.13 se muestran
los dominios de atraccin para los algoritmos de Halley y McMullen aplicados al polinomio
z
3
+ (2i 1)z 2i.
-4 -2 0 2 4
-4
-2
0
2
4
-4 -2 0 2 4
-4
-2
0
2
4
Figura 4.13: Algoritmos de McMullen y de Halley para el polinomio z
3
+ (2i 1)z 2i.
El propio McMullen propone una forma alternativa de construir el algoritmo (4.32) como
resultado de aplicar el mtodo de Newton a la funcin racional
q(z) =
z
3
+az +b
3az
2
+ 9bz a
2
.
4.5.3. Otros algoritmos generalmente convergentes para polino-
mios de tercer grado
Aplicando el Corolario 4.53, Jane Hawkins [61] caracteriz las funciones racionales que
generan un algoritmo globalmente convergente para polinomios cbicos.
174 Mtodo de Newton en el plano complejo
Teorema 4.54 (Hawkins, [61, Tma. 3.1]). Si R genera un algoritmo globalmente convergente
para polinomios cbicos, entonces existen constantes a
0
, a
1
, . . . , a
k
, con a
0
y a
k
distintas de
cero, tales que
R(z) =
z(a
0
+a
1
z
3
+ +a
k
z
3k
)
a
k
+a
k1
z
3
+ +a
0
z
3k
.
Demostracin. Supongamos que R(z) = p(z)/q(z), siendo p y q dos polinomios coprimos (sin
factores comunes). La demostracin se sigue utilizando nicamente que R(z) = R(z) para
una raz cbica de la unidad (distinta de 1), que R(1/z) = 1/R(z) y que z = 1 es un punto
jo de R. El resto de condiciones del Corolario 4.53 servirn, en su caso, para determinar los
coecientes a
0
, . . . , a
k
.
Este resultado nos indica que no podemos construir algoritmos generalmente convergente
a partir de funciones racionales de cualquier grado. Por ejemplo, para polinomios cbicos,
no existirn algoritmos generalmente convergentes de grados 5 6. Algunos ejemplos de
algoritmos globalmente convergentes para polinomios cbicos son los siguientes:
R
4
(z) =
z(2 +z
3
)
1 + 2z
3
,
R
7
(z) =
z(14 + 35z
3
+ 5z
6
)
5 + 35z
3
+ 14z
6
,
R
10
(z) =
z(7 + 42z
3
+ 30z
6
+ 2z
9
)
2 + 30z
3
+ 42z
6
+ 7z
9
.
El algoritmo R
4
es el que hemos calculado para obtener el algoritmo de McMullen. Se puede
comprobar que el orden de convergencia de este algoritmo es tres. R
7
y R
10
fueron encontrados
por Hawkins. R
7
es el nico algoritmo de grado 7 cuyo orden de convergencia es mayor que 3.
De hecho, tiene orden de convergencia 5. R
10
es el nico algoritmo de grado 10 y orden de
convergencia 7.
4.5.4. Conjunto de Julia universal para el algoritmo de McMullen
Para cualquier polinomio cbico p
c
de la forma (4.31), con sus races distintas, ya hemos
visto que el algoritmo de McMullen T
c
es conjugado con
T(z) =
z(2 +z
3
)
1 + 2z
3
.
Consideramos ahora la transformada de Mbius
M(z) =
3i (2 + e
2i/3
)z
e
2i/3
z 1
que transforma las races cbicas de la unidad en 1, 1 e y denimos
T
(z) = M T M
1
(z) =
(3 + 6z
2
z
4
)
8z
.
4.5. Algoritmos generalmente convergentes 175
-4 -2 0 2 4
-4
-2
0
2
4
Figura 4.14: Conjunto de Julia universal para un polinomio de tercer grado, obtenido a partir
de la aplicacin racional (3 + 6z
2
z
4
)/(8z).
El conjunto de Julia para T
(z)
es un algoritmo puramente iterativo.
Una pregunta inmediata es cun bueno es un mtodo iterativo para aproximar las races
de un polinomio?, o ms especcamente, el mtodo iterativo en cuestin converge para casi
toda condicin inicial? Esto nos lleva a la siguiente teorema, que fue probado por Barna para
el caso especial de polinomios con todas sus races reales.
Teorema 4.55 (Barna, [12]). Sea p(z) un polinomio con todos sus races reales, entonces los
puntos de inexin de p(z) estn contenidos en las cuencas de atraccin inmediatas para N
p
de las races
1
. . . ,
d
de p(z). Adems, excepto por un conjunto de Cantor C de nmeros
reales, cada nmero real converge por iteraciones por N
p
a una raz de p(z).
Para el mtodo de Newton aplicado a un polinomio cbico, este puede fallar debido
a la existencia de un ciclo atractor. Como ya indicamos el mtodo de Newton aplicado
a polinomios no puede tener anillos de Herman, pues su conjunto de Julia es conexo, y
consecuentemente toda componente de Fatou es simplemente conexa. La aparicin de discos
4.5. Algoritmos generalmente convergentes 177
Cuadro 4.2: Mtodos de Newton, Halley y McMullen para p
2i
(z) = z
3
+ (2i 1)z 2i y
z
0
= 1000 + 100i, z
0
= 1000 + 100i y z
0
= 100 1000i.
n Newton Halley McMullen
0 1000 + 100i 1000 + 100i 1000 + 100i
1 666.667 + 66.6662i 500 + 49.9991i 2.40531 + 1.20676i
2 444.445 + 44.4434i 250.001 + 24.9978i 1.57506 + 0.937464i
3 296.297 + 29.6279i 125.002 + 12.4955i 1.56432 + 0.939565i
.
.
.
.
.
.
.
.
.
.
.
.
19 0.995525 0.0010387i 1 1.56432 + 0.939565i
20 1.00002 0.0000074i 1 1.56432 + 0.939565i
n Newton Halley McMullen
0 1000 + 100i 1000 + 100i 1000 + 100i
1 666.667 + 66.6662i 500. + 50.0008i 2.3935 + 1.19451i
2 444.445 + 44.4454i 250.001 + 25.002i 1.57461 + 0.937299i
3 296.297 + 29.6312i 125.003 + 12.5041i 1.56432 + 0.939565i
.
.
.
.
.
.
.
.
.
.
.
.
19 1.5643 + 0.939569i 1.56432 + 0.939565i 1.56432 + 0.939565i
20 1.56432 + 0.939565i 1.56432 + 0.939565i 1.56432 + 0.939565i
n Newton Halley McMullen
0 100 1000i 100 1000i 100 1000i
1 66.6662 666.666i 49.9992 500i 2.40551 + 1.19343i
2 44.4435 444.444i 24.998 249.999i 1.57489 + 0.937122i
3 29.6281 296.295 12.4959 124.997i 1.56432 + 0.939565i
.
.
.
.
.
.
.
.
.
.
.
.
19 0.563728 0.937347i 0.564322 0.939565i 1.56432 + 0.939565i
20 0.564326 0.93957i 0.564322 0.939565i 1.56432 + 0.939565i
de Siegel para mtodos iterativos, en especial para el mtodo de Newton, es consecuencia de
un resultado de McMullen ([99], [100]).
Una pregunta que surge de inmediato es cmo puede fallar una funcin de iteracin para
aproximar races para dejar de ser generalmente convergente? Sabemos que la existencia de
ciclos atractores nos lleva a una explicacin de la pregunta anterior, notemos que la existencia
de un ciclo atractor para un elemento p P
d
, conjunto de polinomios de grado d, implica la
existencia de una vecindad abierta ^
p
de p en P
d
, de modo que cada q ^
p
falla a converger
por la existencia de un ciclo atractor del mismo largo que el de p. Pero es sta la nica
178 Mtodo de Newton en el plano complejo
forma de que una funcin de iteracin deje de ser generalmente convergente? Imaginemos
que para una funcin de iteracin cuando es aplicada a un polinomio, el conjunto de Julia
obtenido tiene medida positiva (ya sabemos que no puede tener puntos interiores), entonces
tal funcin de iteracin fallara a converger sobre un conjunto de medida positiva. Esto no
implica que lo mismo ocurra para polinomios prximos. Para ver la existencia de discos de
Siegel, argumentamos como sigue. Si T
de modo
que
[N
M
p
(z) [ <
depende polinomialmente de d con exponente bajo. El conjunto o
d
puede ser especicado
explcitamente.
4.6. Mtodo de Newton para funciones enteras
Sea f : C C una funcin entera, es decir, una funcin holomorfa sobre todo el plano
complejo. El mtodo de Newton asociado a f, N
f
, es una funcin meromorfa, es decir, una
funcin holomorfa en todo C excepto en un conjunto de puntos aislados, llamados polos de
la funcin. La funcin N
f
: C C puede ser extendida a como una funcin racional si
y slo si f tiene la forma especial f(z) = p(z)e
q(z)
, donde p y q son polinomios (vase [129,
proposicin 2.11]). Como en el caso de funciones racionales, se tiene que si C es una raz
de multiplicidad m 1 de f, entonces N
f
() = y N
f
() = 1 1/m, y recpromente, cada
punto jo nito de N
f
es atractor y una raz de f, y esto de hecho caracteriza las aplicaciones
de Newton de funciones enteras (vase [129, proposicin 2.8]).
Teorema 4.62 (Rckert y Schleicher, [129]). Sea N : C C una funcin meromorfa. Esta
es la aplicacin de Newton de una funcin entera f : C C si y slo si para cada punto
jo N() = C, existe un nmero natural m N tal que N
(a
j
) = (m
j
1)/m
j
< 1. Entonces, R
es el mtodo de Newton aplicado al polinomio
p(z) = a
d
=1
(z a
j
)
m
j
para cualquier nmero complejo a ,= 0.
Note que no hemos considerado el caso de una aplicacin racional de grado 1 en el teorema
anterior, esto es debido al siguiente resultado.
Teorema 4.64. Sea f : C C una funcin entera tal que su funcin de Newton tiene slo
un punto jo atractor C con cuenca de atraccin inmediata U = C. Entonces existe d > 0
y a C tal que f(z) = a(z )
d
.
El siguiente resultado clasica las funciones racionales que son el mtodo de Newton de
funciones enteras.
Teorema 4.65 (Rckert y Schleicher, [129]). Sea f : C C una funcin entera. Su apli-
cacin de Newton N
f
es una funcin racional si y slo si existen polinomios p y q tal que f
tiene la forma f = pe
q
. En este caso, es un punto jo repulsor o parablico.
Ms precisamente, sean m, n 0 los grados de p y q, respectivamente. Si n = 0 y m 2,
entonces es repulsor con multiplicador
m1
m
. Si n = 0 y m = 1, entonces N
f
es constante.
Si n > 0, entonces es parablico con multiplicador +1 y multiplicidad n + 1 2.
Notemos que si N
f
tiene una singularidad esencial en , entonces la sucesin de iterados
no est denida para puntos z C para los cuales N
n
f
(z) = para algn n N, y en este
caso, z (N
f
) por denicin. De hecho, (N
f
) es la clausura de tales puntos.
Como en el caso de las funciones racionales, cuando f es meromorfa, siempre se tiene
que (N
f
) es no vaco (vase [20, teorema 3]). Por otra parte si f tiene al menos una raz,
entonces (N
f
) es pequeo en el sentido que es nunca denso y tiene interior vaco (vase
[20, lema 3]). En este caso, aparte de las clsicas componentes de Fatou que existen en el
caso de funciones racionales, aparece una componente no errante ms, llamada dominio de
4.6. Mtodo de Newton para funciones enteras 181
Baker, y pueden aparecer otras componentes errantes. Recordemos que U es una componente
errante si N
n
f
(U) N
m
f
(U) = , para todo m ,= n. Tenemos el siguiente resultado para la
clasicacin de las componentes del conjunto de Fatou T(N
f
), que podemos encontrar, por
ejemplo en [20].
Teorema 4.66. Sea f una funcin entera y N
f
la funcin de iteracin del mtodo de Newton.
Sea U una componente de T(N
f
). Entonces, U es o bien errante o existe k N y una
componente peridica V de T(N
f
) tal que N
k
f
(U) V . En este caso, sea p 1 minimal tal
que N
p
f
(V ) V , entonces V es exactamente de uno de los siguientes tipos:
1. V es una cuenca de atraccin, es decir, contiene un nico punto peridico atractor z
0
de perodo p, tal que N
np
f
(z) z
0
para todo z V cuando n .
2. V es una componente parablica, esto es, V contiene un nico punto peridico para-
blico z
0
de perodo p tal que N
np
f
(z) z
0
para todo z V cuando n .
3. V es un disco de Siegel, es decir, N
p
f
[
V
es conformemente conjugado a una rotacin
irracional del disco unitario.
4. V es un anillo de Herman, esto es, N
p
f
[
V
es conformemente conjugada a una rotacin
irracional de un anillo de mdulo nito.
5. V es un dominio de Baker, esto es, N
p
f
(z) para todo z V , e es una singula-
ridad esencial de N
f
.
Notemos que en los casos (2) y (3) del teorema anterior necesariamente se tiene que p > 1.
Adems, para funciones enteras, se tiene el siguiente resultado que caracteriza las cuencas
de atraccin de un punto jo atractor. Su demostracin puede verse tambin en [20].
Teorema 4.67. Sea f : C C una funcin entera no constante. Si es un punto jo
atractor del mtodo de Newton N
f
, entonces su cuenca de atraccin inmediata es simplemente
conexa y no acotada.
Para ms resultados sobre el mtodo de Newton para funciones no racionales, en especial
funciones enteras y meromorfas en el plano complejo, recomendamos al lector revisar los
artculos [20], [62], [129] y las referencias que all aparecen. Para nalizar esta seccin y,
como una pequea muestra de lo que se puede hacer en este campo, mostramos (guras 4.16
y 4.17) las cuencas de atraccin asociadas al mtodo de Newton aplicado a las funciones
f(z) = sen z y f(z) = exp z 1.
En el caso de la funcin trigonomtrica la funcin de iteracin es N
f
(z) = z tg z. La
ecuacin sen z = 0 tiene innitas soluciones de la forma z = ki, k Z. Las regiones pintadas
con el mismo color en la gura 4.16 estn formadas por puntos de partida para los cuales
el mtodo de Newton converge a la misma raz de la ecuacin sen z = 0. En concreto, los
182 Mtodo de Newton en el plano complejo
puntos en amarillo convergen a , los puntos en cian convergen a 0 y los puntos en magenta
convergen a . Las regiones en negro estn formadas o bien por puntos para los cuales el
mtodo de Newton no converge a ninguna raz o bien por puntos que convergen a cualquiera
de las otras tres races consideradas.
-4 -2 0 2 4
-4
-2
0
2
4
1.2 1.4 1.6 1.8 2
-0.4
-0.2
0
0.2
0.4
Figura 4.16: A la izquierda se muestran las cuencas de atraccin de la funcin N
f
(z) = ztg z
y a la derecha un detalle de dicha gura.
Notemos que el caso del mtodo de Newton aplicado a la funcin f(z) = cos z se puede
reducir al caso anterior. Al igual que los ceros de la funcin cos z se obtienen aplicando un
desplazamiento de /2 a los ceros de la funcin sen z, las cuencas de atraccin del mtodo
de Newton aplicado a la funcin f(z) = cos z son un desplazamiento de /2 respecto a las
del mtodo de Newton aplicado a la funcin f(z) = sen z. As, si denotamos s(z) y c(z)
a las funciones de iteracin del mtodo de Newton aplicado a las funciones f(z) = sen z y
f(z) = cos z respectivamente, tenemos que s(z) = z tg z y c(z) = z cot z. Entonces,
c(z +/2) = s(z) +/2.
En el caso de la funcin exponencial f(z) = e
z
1, nos encontramos tambin con innitas
races de la forma z = 2ki. En detalle de las cuencas de atraccin del mtodo de Newton
aplicado a esta funcin, N
f
(z) = z 1 + e
z
, puede verse en la gura 4.17. Notemos que
aparece una gran zona en negro formada por puntos de partida para los cuales no se produce la
convergencia ninguna de las races. La aparicin de tales zonas negras puede estar provocada
por el carcter de punto jo indiferente que tiene el punto del innito en este caso.
4.6. Mtodo de Newton para funciones enteras 183
-4 -2 0 2 4
-7.5
-5
-2.5
0
2.5
5
7.5
Figura 4.17: Cuencas de atraccin del mtodo de Newton aplicado a la funcin exponencial
f(z) = e
z
1.
Captulo 5
Conjuntos de Julia para polinomios,
conjunto de Mandelbrot y mtodo de
Newton
5.1. Resultados generales sobre iteracin de polinomios
En otras secciones de este texto nos hemos dedicado al estudio de las iteraciones de
funciones racionales, tanto en el campo real como en el complejo. Queremos terminar este
libro comentando algunos aspectos del comportamiento dinmico de un tipo concreto de
funciones racionales, como son las funciones polinomiales. Sin duda, el caso de la iteracin
de polinomios ha sido el ms ampliamente estudiado (vase [16], [26], [49], [73] o [103], por
ejemplo). En particular, la iteracin de la familia cuadrtica p
c
(z) = z
2
+c con c C, que da
lugar al famoso conjunto de Mandelbrot, puede considerarse como la referencia bsica de este
tipo de problemas. Una introduccin asequible al conjunto de Mandelbrot u otras estructuras
fractales puede verse en [53], [60] o [93].
En esta seccin veremos algunos resultados correspondientes a la dinmica de las itera-
ciones de esta clase particular de funciones racionales. Recordemos que estamos trabajando
en el plano complejo extendido C = C .
Para las iteraciones de polinomios, el punto z = tiene un carcter especial. Sea
p(z) = a
d
z
d
+a
d1
z
d1
+ +a
1
z +a
0
, a
d
,= 0,
un polinomio de grado d 2.
Denotemos por C
1
= C
1
(p) el conjunto de puntos crticos del polinomio p. Como veremos
ms adelante, este conjunto determina la topologa de (p).
Teorema 5.1. Sea p un polinomio de grado d 2, entonces
1) z = es un punto jo atractor;
185
186 Julia, Mandelbrot y Newton
2) z = es un punto crtico de orden d 1;
3) B()
_
i=1
Q
i
y
i=1
area(Q
i
) < .
El siguiente teorema nos dice que bajo ciertas condiciones el conjunto de Julia, es compu-
tacionalmente despreciable.
Teorema 5.5. Si p(z) es un polinomio tal que C
1
B(), entonces
(a) (p) es totalmente disconexo;
(b) (p) tiene medida de Lebesgue nula en C.
La condicin del teorema nos dice que los iterados de los puntos crticos de p deben
converger a . Esto es fcil de detectar computacionalmente, basta calcular los mdulos
de las sucesivas iteraciones de los puntos crticos y ver que ellos van creciendo en forma
indenida.
5.2. Conjunto de Mandelbrot 187
5.2. Conjunto de Mandelbrot
El caso de polinomios cuadrticos es particularmente interesante por la propiedad de
dicotoma que posee el conjunto de Julia.
Dado un polinomio cuadrtico p(z) = Az
2
+ Bz + C, este tiene un nico punto crtico,
c
p
. Por lo tanto, por el teorema 5.3 se tiene que
Teorema 5.6. (p) es conexo si y slo si c
p
/(p). Adems, si c
p
/ /
c
, entonces (p) es
totalmente disconexo, de hecho un conjunto de Cantor.
Por otra parte, vimos que existe una conjugacin afn (z) = z + de modo que
p
1
= p
c
, donde p
c
(z) = z
2
+ c, para algn c C. Por lo tanto, para estudiar la
dinmica de los polinomios cuadrticos es suciente estudiar la dinmica de los polinomios
p
c
, con c C.
Usando la dicotoma dada en el teorema 5.6, y el hecho que cada polinomio cuadrtico
tiene su dinmica representada por algn elemento de la familia cuadrtica a paramtrica
p
c
(z) = z
2
+c, se dene el conjunto de Mandelbrot de p
c
como
/= c C : (p
c
) es conexo. (5.3)
Esta es una denicin basada en la topologa del conjunto de Julia (p
c
), el cual denota-
mos simplemente por
c
. Para que esta denicin tenga un carcter ms amigable, veamos
bajo que condiciones el nico punto crtico (nito) z = 0 del p
c
pertenece al conjunto de Julia
lleno /
c
.
Tenemos que los puntos crticos de p
c
son dados por la ecuacin p
c
(z) = 0, ellos son z = 0
y z = . Ahora, los iterados de z = por p
c
son dados por c
0
= p
c
(0) = c, c
1
= p
2
c
(0) =
p
c
(p
c
(0)) = c
2
+c, c
3
= p
3
c
(0) = p
c
(p
2
c
(0)) = (c
2
+c)
2
+c, . . ., luego 0 /
c
si y slo si todos sus
iterados permenecen acotados, por lo tanto, tenemos la siguiente caracterizacin del conjunto
de Mandelbrot
/ = c C : la sucesin c
n
nN
= p
n
c
(0)
nN
permanece acotada
= c C : c
n
= p
n
c
(0) .
Sobre el conjunto de Mandelbrot se tiene bastante informacin, por ejemplo, /es conexo,
compacto y C/es conexo (en otras palabras es un conjunto lleno) [24]. Este conjunto, al
igual que los de Julia son, en general, un fractal. La generacin de la imagen computacional
del conjunto de Maldelbrot es fcil y est basada en su propia denicin, usando el algortmo
de escape al innito.
El plano de los parmetros c C es donde vive el conjunto de Mandelbrot, el cual
es de hecho un catlogo de la dinmica de polinomios cuadrticos, a cada valor de c C
le corresponde un polinomio p
c
(z) = z
2
+ c cuya dinmica deseamos comprender. Por otra
188 Julia, Mandelbrot y Newton
Figura 5.1: Benot Mandelbrot (19242010) y el conjunto que lleva su nombre.
parte, la frontera del conjunto de Mandelbrot corresponde al conjunto de parmetros para
los cuales ocurre una bifurcacin, esto signica un cambio cualitativo de la dinmica del
polionmio, o en otras palabras, si es una componente conexa del interior del conjunto
de Mandelbrot y c
1
, c
2
, entonces p
c
1
y p
c
2
son cuasiconformemente equivalentes. Esto
signica que existe un homeomorsmo cuasiconforme : C C tal que p
c
1
= p
c
2
.
Claro est nos falta denir cuando un homeomorsmo es cuasiconforme. Para simplicar,
suponemos que : U V , donde V, U C son dominios abiertos es un difeomorsmo
(derivable con inversa derivable). La aplicacin Rlineal D(z) : C C lleva crculos en
elipses, sea entonces E
(z)
= D(z)(S
1
), denimos el coeciente de dilatacin de en z, el
cual denotamos por T
= supT
(z)
: z U K. Para la denicin ms detallada de funciones cuasiconformes
ver [45].
5.3. Mtodo de Newton y conjuntos de Julia
Parece ser algo soprendente que los conjuntos de Julia llenos de polinomios cuadrticos
aparecen como parte del conjunto de Fatou del mtodo de Newton aplicado a polinomios
cbicos. Esto tiene su asidero en la teora de funciones de tipo polinmico, traduccin
adaptada del nombre en ingls polynomial-like mappings, desarrollada por A. Douady y
J. Hubbard en [45].
Denicin 5.2. Una funcin de tipo polinmico de grado d 2 es una terna (f, U, V ),
donde U y V son conjuntos abiertos de C isomorfos a discos con U V y f : U V es
una aplicacin holomorfa, tal que cada punto en V tiene exactamente d preimgenes en U,
cuando ellas son contadas con sus respectivas multiplicidades.
5.3. Mtodo de Newton y conjuntos de Julia 189
Ejemplos obvios de tales funciones son los polinomios de grado d 2 restringidos a un
conjunto abierto sucientemente grande.
Cabe notar que una funcin de tipo polinmico de grado 2 necesariamente tiene un nico
punto crtico en el interior de U.
Existen ejemplos de polinomios cbicos los cuales restringidos a un conjunto abierto son
funciones de tipo polinmico de grado 2. Para ello basta considerar un polinomio cbico
p(z) con un punto crtico w
1
escapando al innito por iteraciones bajo p mientras que las
iteraciones del otro punto crtico w
2
permanecen acotadas.
El conjunto de Julia lleno para una funcin de tipo polinmico se dene de modo anlogo
al conjunto de Julia lleno de un polinomio. Esto es, si f : V U es una funcin de tipo
polinmico, el conjunto de Julia lleno de f es
/(f) = z U : f
n
(z) U para todo n 1
o equivalentemente
/(f) =
n0
f
n
(V )
y su conjunto de Julia como
(f) = /(f).
Sean f, g : C C, si en la ecuacin de conjugacin h f = g h, donde h : C C es
ahora una funcin cuasiconforme, decimos que f y g son cuasiconformemente conjugadas
El siguiente resultado nos muestra que efectivamente, una funcin de tipo polinmico se
comporta como un polinomio.
Teorema 5.7 (Douady y Hubbard, [45]). Sea (f, U, V ) una funcin de tipo polinmico de
grado 2. Entonces existe c C, tal que f y p
c
son cuasiconformemente conjugadas en entornos
de sus respectivos conjuntos de Julia l lenos. Adems, si /(f) es conexo, entonces tal c es
nico.
En particular, se deduce de este teorema que los conjuntos de Julia llenos /(p
c
) y /(f)
son homeomorfos, y ms an, son cuasiconformemente homeomorfos. Esto explica porqu
en muchos casos aparecen copias (ligeramente deformadas) de conjuntos de Julia llenos de
funciones cuadrticas en la dinmica de otras funciones. Por ejemplo, en la gura 5.2 vemos
aparecer el conocido como conejo de Douady en el conjunto de Julia del mtodo de Newton
para el polinomio
p(z) = z
3
( 1)z , = 0.3597736432 + 0.003366617600i. (5.4)
Si consideramos ahora la familia de polinomios
p
a
(z) = z
3
+ (a 2)z
2
az +a, (5.5)
190 Julia, Mandelbrot y Newton
Figura 5.2: El conejo de Douady en el conjunto de Julia del mtodo de Newton para el
polinomio denido en (5.4). La gura de la derecha muestra una ampliacin cerca del origen.
donde
a = 1/2(1 +
_
1 + 32/(4 )), =
1
2
+
3
2
i,
vemos aparecer los conjuntos que se muestran en la gura 5.3. A la derecha se representan
las cuencas de atraccin de las races y su conjunto de Julia, a la izquierda una ampliacin
de la regin central en negro.
Figura 5.3: Cuencas de atraccin de la funcin de iteracin del mtodo de Newton, N
p
a
donde p
a
est denido en (5.5) y una ampliacin de la zona central.
Como hemos visto, la teora de funciones de tipo polinmico explica el hecho que los
conjuntos de Julia de polinomios aparecen en los conjuntos de Julia de otras funciones. Esto
5.4. El fractal de Chicho 191
se extiende a funciones trascendentales, como puede verse en las guras 5.4 y 5.5, donde se
muestran los conjuntos de Julia asociados a la iteracin de funciones trigonomtricas (vase
tambin [87] y [137]).
Figura 5.4: Conjunto de Julia de F(z) =
1
sen z y de F(z) =
2
sen z donde
1
= 1.88853+
0673125i y
2
= 1 + 0.5i.
Figura 5.5: Conjunto de Julia de F(z) = cos z y de F(z) = 0.67i cos z.
5.4. El fractal de Chicho
No nos resistimos a terminar estas notas sin hacer referencia a un problema especialmente
querido para los autores. Se trata del conocido como fractal de Chicho y est estrechamente
vinculado con el contenido de esta seccin, ya que puede verse como una modicacin del
conjunto de Mandelbrot. Su representacin grca y algunas de sus propiedades matemticas
fueron analizadas en [19], una publicacin contenida en un libro publicado en homenaje a
Jos Javier (Chicho) Guadalupe (19452000).
La idea consiste en modicar la funcin de iteracin que da lugar al conjunto de Man-
delbrot de la siguiente manera. Para p
c
(z) = z
2
+ c, con z = x + iy y c = a + ib, podemos
192 Julia, Mandelbrot y Newton
escribir la sucesin de puntos p
n
c
(0)
nN
en forma recursiva de la siguiente manera:
x
n+1
= x
2
n
y
2
n
+a, y
n+1
= 2x
n
y
n
+b, x
0
= y
0
= 0. (5.6)
La siguiente variante implcita de la sucesin (5.6) fue propuesta por el propio Chicho y
M. Benito en [18]:
x
n+1
= x
2
n
y
2
n
+a, y
n+1
= 2x
n+1
y
n
+b, x
0
= y
0
= 0. (5.7)
La sucesin (5.7) se corresponde con la rbita del punto (0, 0) mediante la funcin de
iteracin
T
c
(x, y) =
_
x
2
y
2
+a, 2(x
2
y
2
+a)y +b
_
, c = a +ib. (5.8)
En concreto denimos el conjunto de Chicho como el subconjunto de C formado por los
puntos c para los cuales la rbita de (0, 0) por T
c
est acotada. Denotamos a dicho conjunto
como (H. Su representacin grca puede verse en la gura 5.6.
Figura 5.6: Chicho Guadalupe y el fractal que lleva su nombre.
Notemos que el conjunto de Chicho (H puede interpretarse como la aplicacin de un
proceso de Gauss-Seidel a la funcin p
c
(z) = z
2
+c de la que resulta el conocido conjunto de
Mandelbrot. Las consecuencias que desde el punto de vista dinmico tiene este proceso de
gausseidelizacin no son en absoluto triviales.
As por ejemplo, es bien conocido [16] que el conjunto de Mandelbrot est contenido en
el disco de centro el origen y radio 2. Sin embargo, no se ha podido probar o refutar si el
conjunto de Chicho est acotado o no. Algunos resultados parciales a este respecto pueden
verse en [19]. En concreto, se tiene que:
1. Cuando c R, la sucesin u
n
nN
= T
n
c
(0)
nN
es una sucesin de nmeros reales
que resulta ser la misma que la denida por p
c
para c R. Por tanto, (u
n
)
nN
est
acotada si y slo si
2 c
1
4
.
5.4. El fractal de Chicho 193
2. El conjunto de puntos c = a + bi C para los cuales la funcin T
c
denida en (5.8)
tiene un punto jo atractor se sita en el interior de la curva
(r
2
2)r cos 2 2r r
3
+ 8 cos
= r[ sen [
_
2(8 + 4r
2
+r
4
16r cos r
2
(r
2
4) cos 2),
(5.9)
donde a = (1 r
2
cos 2)/4 y b = (r
2
sen 2)/4. La grca de la funcin denida de
forma implcita en (5.9) es la curva en forma de corazn que se muestra en la gura 5.7.
El conjunto de puntos c = a+ib para los cuales la funcin T
c
tiene un punto jo atractor
se sita en el interior de dicho corazn.
-0.6 -0.4 -0.2 0 0.2 0.4
-0.4
-0.2
0
0.2
0.4
Figura 5.7: Regin donde T
c
denida en (5.8) tiene un punto jo atractor.
A continuacin podramos proceder a estudiar los puntos jos de T
2
c
para caracterizar las
rbitas que convergen a un 2-ciclo y as sucesivamente. Sin embargo, esto resulta extrema-
damente complejo, por lo que nos conformamos con contemplar el aspecto que presenta el
conjunto de Chicho que se muestra en la gura 5.6, donde estn representados todos aquellos
puntos para los cuales la rbita de 0 por T
c
se encuentra en el disco de centro el origen y
radio 2 despus de un nmero prejado de iteraciones.
El proceso de gausseidelizacin aplicado en el conjunto de Chicho se puede aplicar a
otras funciones de iteracin, distintas del polinomio p
c
(z) = z
2
+c, tal y como se hace en [59].
Desde un punto de vista computacional, puede parecer que la gausseidelizacin es una
clara mejora en la eciencia y en la velocidad de convergencia de un proceso, ya que para el
clculo de y
n+1
se emplea la actualizacin x
n+1
en vez de x
n
. Sin embargo, esta armacin
necesita de una prueba rigurosa que establezca bajo que condiciones es cierta. Del mismo
modo que se sabe que para resolver sistemas de ecuaciones lineales el mtodo iterativo de
Gauss-Seidel no siempre es ms rpido que el mtodo de Jacobi, habra que determinar bajo
194 Julia, Mandelbrot y Newton
que condiciones la gausseidelizacin de un proceso iterativo da lugar efectivamente a una
mejora computacional.
Por ltimo, en [59] tambin se pone de maniesto que la gausseidelizacin de un pro-
ceso iterativo tiene una clara inuencia en la forma de las cuencas de atraccin asociadas a
los puntos jos del proceso. En concreto, en dicho artculo se presentan unos experimentos
numricos que sugieren que la gausseidelizacin tiene el efecto de disminuir la dimensin
fractal de los conjuntos de Julia asociados a las citadas cuencas de atraccin. De una ma-
nera coloquial, podramos decir que dichos conjuntos de Julia tienen una apariencia menos
intrincada. Pero, hasta donde nosotros conocemos, ste es un problema abierto que est a la
espera de su solucin.
Bibliografa
[1] F. Aguil y A. Miralles: Consideraciones geomtricas acerca del mtodo de New-
ton, La Gaceta de la RSME 7 (2004), n.
o
1, 247260.
[2] L. Ahlfords: Complex Analysis, MacGrawHill, Nueva York, 1979.
[3] K. Alligood, T. Sauer y J. Yorke: Chaos: an introduction to dynamical systems,
Springer-Verlag, Berlin-Heidelberg, 1997.
[4] S. Amat, S. Busquier y J. M. Gutirrez: Geometric constructions of iterative
functions to solve nonlinear equations, J. Comput. Appl. Math. 157 (2003), 197205.
[5] I. K. Argyros y F. Szidarovszky: The theory and application of iteration methods,
C.R.C. Press Inc., Boca Raton, Florida, 1993.
[6] I. K. Argyros y J. M. Gutirrez: A unied approach for enlarging the radius of
convergence for Newtons method and applications, Nonlinear Functional Analysis and
Applications 10 (2005), 555563.
[7] D. F. Bailey: A Historical Survey of Solution by Functional Iteration, Math. Magazine
62 (1989), n.
o
3, 155166.
[8] F. Balibrea, J. O. Freitas y J. Sousa Ramos: Newton maps for quintic polyno-
mials, arXiv:math.DS/0501327 (2005), 117.
[9] S. Banach: Thorie des oprations linaires, Monograe Matematyczne, Varsovia,
1932.
[10] J. Banks, J. Brooks, G. Cairns, G. Davis y P. Stacey: On Devaneys denition
of chaos, Amer. Math. Monthly 99 (1992), 332334.
[11] B. Barna: ber die Divergenzpunkte des Newtonschen Verfahrens zur Bestimmung
von Wurzeln algebraischer Gleichungen. I, Publ. Math. Debrecen 3 (1953), 109118.
[12] B. Barna: ber die Divergenzpunkte des Newtonschen Verfahrens zur Bestimmung
von Wurzeln algebraischen Gleichungen. II, Publ. Math. Debrecen 4 (1956), 384397.
195
196 Bibliografa
[13] B. Barna: ber die divergenzpunkte des Newtonschen verfahrens zur bestimmung
von wurzeln algebraischer gleichungen. III, Publ. Math. Debrecen 8 (1961), 193207.
[14] B. Barna: ber die divergenzpunkte des Newtonschen verfahrens zur bestimmung
von wurzeln algebraischer gleichungen. IV, Publ. Math. Debrecen 14 (1967), 9197.
[15] M. Barnsley: Fractals everywhere, Academic Press, Boston, 1988.
[16] A. F. Beardon: Iteration of rational functions, Springer-Verlag, Nueva York, 1991.
[17] A. Ben-Israel: Newtons method with modied functions, Contemporary Mathema-
tics 204 (1997), 3050.
[18] M. Benito y J. J. Guadalupe: Dibujando mediante iteraciones, Nmeros 42 (2000),
1528.
[19] M. Benito, J. M. Gutirrez y V. Lanchares: El fractal de Chicho, Margarita
Mathematica en memoria de Jos Javier (Chicho) Guadalupe Hernndez, Serv. Publi-
caciones Univ. La Rioja, Logroo (2001), 247254.
[20] W. Bergweiler: Iteration of meromorphic functions, Bul l. Amer. Math. Soc. 29
(1993), n.
o
2, 151188.
[21] P. Blanchard: Complex Analytic Dynamics on the Riemann sphere, Bull. Amer.
Math. Soc. 11 (1984), n.
o
1, 85141.
[22] P. Blanchard y A. Chiu: Complex Dynamics: an informal discussion, Fractal Geo-
metry and Analysis, Eds. J. Blair & S. Dubuc, Kluwer Academic Publishers (1991),
4598.
[23] L. E. Bttcher: The principal laws of convergence of iterates and their application
to Analysis, Izv. Kasan. Fiz.-Mat. Obshch 14 (1904), 155234.
[24] B. Branner: The Mandelbrot set, Proc. Symp. Applied Math. (1989), 75105.
[25] F. Cajori, Historical note on the Newton-Raphson method of approximation, Amer.
Math. Monthly 18 (1910), 2933.
[26] L. Carleson y T. Gamelin: Complex Dynamics, Springer-Verlag, Berln-Heidelberg,
1993.
[27] B. Casselman: YBC 7289, a precursor of the Euclids Elements of Geometry, http:
//www.math.ubc.ca/~cass/Euclid/ybc/ybc.html
[28] A. Cayley: The Newton-Fourier imaginary problem, Amer. J. Math. 2 (1879), 9797.
Bibliografa 197
[29] A. Cayley: Application of the Newton-Fourier method to an imaginary root of an
equation, Quaterly J. Pure Appl. Math. 16 (1879), 179185.
[30] A. Cayley: Sur les racines dune quation algbrique, Comptes Rendus Acad. Sci. 110
(1890), 215218.
[31] J. L. Chabert et al.:A History of Algorithms: from the Pebble to the Microchip,
Springer-Verlag, Berln-Heidelberg, 1999.
[32] S. Chandrasekhar: Radiative transfer, Dover, Nueva York, 1960.
[33] E. D. Charles y J. B. Tatum: The convergence of Newton-Raphson iteration with
Keplers equation, Celestial Mechanics and Dynamical Astronomy 69 (1998), 357372.
[34] P. Colwell: Solving Keplers equation over three centuries, Willmann-Bell, Inc., Ri-
chmond, VA, 1993.
[35] B. A. Conway: An improved algorithm due to Laguerre for the solution of Keplers
equation, Celest. Mech. 39 (1986), 199211.
[36] M. Cosnard y C. Masse: Convergence presque partout de la mthode de Newton,
C. R. Acad. Sc. Paris 297 (1983), 549552.
[37] J. H. Curry, L. Garnett y D. Sullivan: On the iteration of rational functions:
Computer experiments with Newtons method, Commun. Math. Phys. 91 (1983), 267
277.
[38] J. M. A. Danby y T. M. Burkardt: The solution of Kepler equation I, Celestial
Mechanics 40 (1983), 95107.
[39] J. M. A. Danby y T. M. Burkardt: The solution of Kepler equation III, Celestial
Mechanics 31 (1987), 303312.
[40] J. P. Dedieu: Points xes, zros et la Mthode de Newton, Springer-Verlag, Berln-
Heidelberg, 2006.
[41] J. E. Dennis y R. B. Schnabel: Numerical methods for unconstrained optimization
and nonlinear equations, Classics in Applied Mathematics, Vol. 16, SIAM, Filadela,
1996.
[42] R. L. Devaney: A rst course in Chaotic Dynamical Systems, Addison-Wesley, Red-
wood City (CA), 1992.
[43] R. L. Devaney: An Introduction to Chaotic Dynamical Systems, Second Edition,
Westview Press, Cambridge, 2003.
198 Bibliografa
[44] L. E. Dickson: Modern Algebraic Theories, H. Sanborn and Co., Chicago, 1926.
[45] A. Douady y J. Hubbard: On the dynamics of polynomial-like mappings, Ann.
Scient. Ec. Norm. Sup. 4
e
series 18 (1985), 287343.
[46] J. A. Ezquerro, J. M. Gutirrez, M. A. Hernndez, N. Romero y M. J.
Rubio: El mtodo de Newton: de Newton a Kantorovich, La Gaceta de la RSME 13
(2010), n.
o
1, 5376.
[47] J. A. Ezquerro, J. M. Gutirrez, M. A. Hernndez, N. Romero y M. J.
Rubio: Relaciones de recurrencia en el mtodo de Newton-Kantorovich, Contribuciones
cientcas en honor de Mirian Andrs Gmez, Serv. Publicaciones Univ. La Rioja,
Logroo, (2010), 319333.
[48] N. Fagella: Invariants en dinmica complexa, Bul l. Soc. Mat. Cat. 23 (2007), n.
o
1,
2951.
[49] N. Fagella y X. Jarque: Iteracin compleja y fractales, Vicens Vives, Barcelona,
2007.
[50] J. D. Faires y R. L. Burden: Mtodos Numricos, 3
a
Ed., Thomson, Madrid, 2004.
[51] P. Fatou: Sur les quations fonctionelles, Bul l. Soc. Math. France 47 (1919), 161271.
[52] P. Fatou: Sur les quations fonctionelles, Bul l. Soc. Math. France 48 (1920), 208314.
[53] M. Frame y B. B. Mandelbrot: Fractals, graphics and mathematics education,
Mathematical Association of America, Washington, DC, 2002.
[54] Gallica-Math: OEuvres compltes: Biblioteca numrica Gallica de la Biblioth-
que Nationale de France, http://mathdoc.emath.fr/OEUVRES/
[55] W. J. Gilbert: The complex dynamics of Newtons method for a double root, Com-
puters Math. Applic. 22 (1991), n.
o
10, 115119.
[56] A. Giraldo y M. A. Sastre: Sistemas dinmicos discretos y caos. Teora, ejemplos
y algoritmos, Fundacin General de la Universidad Politcnica de Madrid, Madrid,
2002.
[57] D. Gulick: Encounter with chaos, McGraw Hill, Nueva York, 1992.
[58] J. M. Gutirrez, M. A. Hernndez y M. A. Salanova: Calculus of nth roots
and third order iterative methods, Nonlinear Analysis 47 (2001), 28752880.
Bibliografa 199
[59] J. M. Gutirrez, . A. Magren y J. L. Varona: The Gauss-Seidelization
of iterative methods for solving nonlinear equations in the complex plane, Appl. Math.
Comput. 218 (2011), 24672479.
[60] M. de Guzmn, M. . Martn, M. Morn y M. Reyes: Estructuras fractales y
sus aplicaciones, Editorial Labor, Barcelona, 1993.
[61] J. M. Hawkins: McMullens root-nding algorithm for cubic polynomials, Proc. Amer.
Math. Soc. 130 (2002), n.
o
9, 25832592.
[62] M. Haruta: Newtons method on the complex exponential function, Trans. Amer.
Math. Soc. 351 (1999), 24992513.
[63] J. Head: The combinatorics of Newtons method for cubic polynomials, Ph. D. Thesis,
Cornell Univ., Ithaca (N. Y.), 1987.
[64] P. Henrici: Elements of Numerical Analysis, John Wiley & Sons, Inc., Nueva York,
1964.
[65] M. A. Hernndez y M. A. Salanova: La convexidad en la resolucin de ecuaciones
no lineales, Servicio de Publicaciones de la Universidad de La Rioja, 1996.
[66] R. A. Holmgren: A rst course in discrete dynamical systems, second edition,
Springer-Verlag, Berln-Heidelberg, 1996.
[67] P. Horton: No fooling! Newtons method can be fooled, Math. Magazine 80 (2007),
383387.
[68] A. S. Householder: The numerical treatment of a single nonlinear equation,
McGraw-Hill, Nueva York, 1970.
[69] J. H. Hubbard y B. West: Dierential equations: a dynamical systems approach,
Springer-Verlag, Berln-Heidelberg, 1991.
[70] J. H. Hubbard, D. Schleicher y S. Sutherland: How to nd all roots of complex
polynomials by Newtons method, Inv. Math. 146 (2001), 133.
[71] H. Hurley: Multiple attractors in Newtons method, Erg. Theory and Dyn. Systems
6 (1984), 561569.
[72] G. Julia: Memoire sur literation des fonctions rationelles, J. de Math. pures et appli-
ques 8:1 (1918), 47215.
[73] B. Kalantari: Polynomial root-nding and polyomiography, World Scientic Publis-
hing Co. Pte. Ltd., Singapore, 2009.
200 Bibliografa
[74] L. V. Kantorovich: On Newtons method for functional equations, Dokl Akad. Nauk
SSSR 59 (1948), 12371240 (en ruso).
[75] L. V. Kantorovich: The majorant principle and Newtons method, Dokl Akad. Nauk
SSSR 76 (1951), 1720 (en ruso).
[76] L. V. Kantorovich: Functional Analysis in Normed Spaces, Pergamon Press, Oxford,
1964.
[77] L. V. Kantorovich y G. P. Akilov: Functional Analysis, Pergamon Press, Oxford,
1982.
[78] C. T. Kelley: Iterative methods for linear and nonlinear equations, Frontiers in Ap-
plied Mathematics, Vol. 16, SIAM, Filadela, 1995.
[79] H. B. Keller: Numerical solution of two point boundary value problem, SIAM, Fila-
dela, 1976.
[80] D. Kincaid y W. Cheney: Anlisis Numrico. Las matemticas del clculo cientco,
Addison-Wesley Iberoamericana, Wilmington, 1994.
[81] R. F. King: Improving the Van de Vel root-nding method Algorithm, Computing 30
(1983), 373378.
[82] K. Kneisl: Julia sets for the super-Newton method, Cauchys method and Halleys
method, Chaos 11 (2001), n.
o
2, 359370.
[83] R. J. Knill: A Modied Babylonian Algorithm, Amer. Math. Monthly 99 (1992),
734737.
[84] N. Kollerstrom: Thomas Simpson and Newtons method of approximation: an
enduring myth, British J. Hist. Science 25 (1992), 347354.
[85] G. Knigs: Recherches sur les quationes fontionelles, Ann. lEcole Norm. 1 (1884),
Suplement.
[86] P. Kravanja y A. Haegemans: A modication of Newtons method for analytic
mappings having multiple zeros, Computing 62 (1999), 129145.
[87] V. Lanchares y I. L. Prez-Barrn: The dynamics of Kepler equation, en Analytic
and numerical techniques in orbital dynamics, Monogr. Real Acad. Ci. Exact. Fs.-
Qum. Nat. Zaragoza 22 (2002), 7582.
[88] P. Lancaster y L. Rodman: Algebraic Riccati equations, Oxford University Press,
Oxford, 1995.
Bibliografa 201
[89] M. S. Latts: Sur literation de Substitutions Rationelles et Fonctions de Poincar,
Comptes Rendus Acad. Sci. 166 (1918), 2628.
[90] R. Laubenbacher, G. McGrath y D. Pengelley: Lagrange and the solution of
numerical equations, Historia Math. 28 (2001), 3, 220231.
[91] T. Li y J. Yorke: Period three implies chaos, Amer. Math. Monthly 82 (1975),
985993.
[92] F. Lucas: Sur une application de la Mcanique rationnelle la thorie des quations,
C. R. Hebdomadaires Sances Acad. Sci. 89 (1879), 224226.
[93] B. Mandelbrot: The fractal geometry of Nature, W. H. Freeman and Co., Nueva
York, 1982.
[94] M. Martelli: Introduction to discrete dynamical systems and chaos, Wiley-
Interscience Publ., Nueva York, 1999.
[95] J. H. Mathews: Bibliography for Newtons method, http://math.fullerton.edu/
mathews/n2003/NewtonsMethodBib.html
[96] Matlab: Repositorio del entorno de programacin Matlab, http://www.mathworks.
es/products/matlab/
[97] R. May: Simple mathematical models with very complicated dynamics, Nature 261
(1976), 459467.
[98] M. McClure: Newtons method for complex polynomials, Mathematica in Education
and Research 11 (2006), n.
o
2, 215.
[99] C. McMullen: Families of rational maps and iterative root-nding algorithms, Annals
of Mathematics 125 (1987), 467493.
[100] C. McMullen: Complex dynamics and renormalization, Annals of Mathematics Stu-
dies 135, Princeton University Press, Princeton, New Jersey, 1994.
[101] J. M. McNamee: A bibliography on roots of polynomials: Newtons method, http:
//www1.elsevier.com/homepage/sac/cam/mcnamee/02.htm
[102] J. Milnor: Dynamics in one complex variable: Introductory lectures. Third edition,
Princeton University Press, Princeton, New Jersey, 2006.
[103] S. Morosawa, Y. Nishimura, M. Taniguchi y T. Ueda: Holomorphic Dynamics,
Cambridge University Press, Cambridge, 2000.
202 Bibliografa
[104] Netlib: Software repository at the University of Tennessee, http://www.netlib.org/
minpack/
[105] O. Neugebauer y A. Sachs: Mathematical cuneiform texts, American Oriental So-
ciety, New Haven, Conn., 1945.
[106] K. Nishizawa y M. Fujimura: Families of rational maps and convergence basins of
Newtons method, Proc. Japan Acad. 68 Ser. A, (1992), 143147.
[107] J. J. OConnor y E. F. Robertson: The MacTutor History of Mathematics archive:
Nine Chapters on the Mathematical Art, http://www.gap-system.org/~history/
HistTopics/Nine_chapters.html
[108] Octave: Repositorio del programa libre de clculo numrico Octave, http://www.
gnu.org/software/octave/
[109] J. M. Ortega y W. C. Rheinboldt: Iterative solution of nonlinear equations in
several variables, Academic Press, Nueva York, 1970.
[110] A. Ostrowski: ber die Konvergenz und die Abrundungsfestigkeit des Newtonschen
Verfahrens, Rec. Math. 2 (1937), 10731095.
[111] A. Ostrowski: ber einen Fall der Konvergenz des Newtonschen Nherungsverfah-
rens, Rec. Math. 3 (1938), 254258.
[112] A. Ostrowski: Solution of equations and systems of equations, Academic Press, Nueva
York, 1966.
[113] M. Palacios: Kepler equation and accelerated Newton method, J. Comput. Appl.
Math. 138 (2002), 335346.
[114] H. O. Peitgen y P.H. Richter: The beauty of fractals, Springer-Verlag, Berln-
Heidelberg, 1986.
[115] H. O. Peitgen, D. Saupe y H. Jrgens: Fractals on the classroom. Vol. I: Intro-
duction to fractals and chaos., Springer-Verlag, Nueva York, 1992.
[116] PETSc: Portable, Extensible Toolkit for Scientic Computation, http://www.mcs.
anl.gov/petsc/petsc-as/
[117] S. Plaza: Fractales y generacin computacional de imgenes, Monografa nmero 16,
Instituto de Matemticas y Ciencias Anes, IMCA, Per, 2000.
[118] S. Plaza y N. Romero: Attracting cycles for the relaxed Newtons method, J. Com-
put. Appl. Math. 235 (2011), 32383244.
Bibliografa 203
[119] S. Plaza y V. Vergara: Existence of periodic orbit for Newton method, Scientia,
Series A, Mathematical Sciences 7 (2001), 3136.
[120] B. T. Polyak: Newton-Kantorovich method and its global convergence, J. Math.
Sciences 133 (2006), n.
o
4, 15131523.
[121] F. A. Potra y V. Ptk: Nondiscrete induction and iterative processes, Pitman,
Londres, 1984.
[122] L. B. Rall: Convergence of Newton process to multiple solutions, Numer. Math. 9
(1966), n.
o
1, 2337.
[123] L. B. Rall: Computational solution of nonlinear operator equations, Robert E. Krieger
Publishing Company, Huntington, Nueva York, 1979.
[124] W. C. Rheinboldt: An adaptice continuation process for solving systems of nonlinear
equations, Polish Acad. Sci. Banach Center Publ. 3 (1977), 129142.
[125] G. Roberts y J. Horgan-Kobelski: Newtons versus Halleys method: a dynamical
systems approach, Intern. J. Bifurcation Chaos 14 (2004), n.
o
10, 34593475.
[126] R. C. Robinson: Dynamical systems: Stability, Symbolic Dynamics and Chaos. Second
Edition, CRC Press, Nueva York, 1999.
[127] R. C. Robinson: An introduction to dynamical systems: continuous and discrete, Pear-
son Prentice Hall, New Jersey, 2004.
[128] F. M. Rodrguez-Vsquez: Desarrol lo conceptual de los mtodos iterativos en la
resolucin de ecuaciones no lineales: un enfoque didctico, Tesis Doctoral, Univ. Sala-
manca, 2010.
[129] J. Rckert y D. Schleicher: On the Newtons method for entire functions, J.
London Math. Soc. 75 (2007), n.
o
2, 659676.
[130] Sage: Repositorio del programa de clculo matemtico Sage, http://www.sagemath.
org/
[131] D. A. Snchez: An alternative to the shooting method for a certain class of boundary
value problems, Amer. Math. Monthly 108 (2001), n.
o
6, 552555.
[132] G. Saunder: Iteration of rational function of one complex variable and basins of
attractive xed points, Ph. D. Thesis, Univ. of California, Berkeley, 1984.
[133] F. Scheid: 2000 Solved Problems in Numerical Analysis, Schaums Solved Problem
Series, McGrawHill, Nueva York, 1990.
204 Bibliografa
[134] D. Schleicher: Newtons method as a dynamical system: ecient root nding of
polynomial and the Riemann function, Fields Institute Communications 53 (2008),
112.
[135] E. Schrder: ber unendlich viele Algorithmen zur Ausung der Gleichungen.,
Math. Ann. 2 (1870), 317365. (Traducido por G. W. Stewart como On Innitely Many
Algorithms for Solving Equations en 1992 (revisado en enero de 1993), disponible va
ftp en ftp://thales.cs.umd.edu en el directorio pub/reports.)
[136] Scilab: The Scilab Consortium, http://www.scilab.org/
[137] W. T. Shaw: Complex Analysis with Mathematica, Cambridge University Press, Cam-
bridge, 2006.
[138] M. Shishikura: The connectivity of the Julia set and xed points, en Complex dy-
namics: families and friends (Ed. by D. Schleicher), A. K. Peters (2009), 257276.
[139] S. Smale: On the eciency of algorithms of analysis, Bul l. Amer. Math. Soc. 13
(1985), n.
o
4, 87121.
[140] I. Stewart: Historia de las Matemticas en los ltimos 10000 aos, Crtica, Barcelona,
2008.
[141] S. Strogatz: Nonlinear Dynamics and Chaos, Addison-Wesley, Reading, MA, 1994.
[142] D. Sullivan: Quasi conformal homeomorphisms and dynamics. I. Solution of Fatou-
Julia problem wandering domains, Ann. Math. 122 (1985), n.
o
2, 401418.
[143] The 2000 wiewpoints Group: Proof without words: geometric series, Mathematics
Magazine 74 (2001), 320.
[144] H. Thunberg: Periodicity versus chaos in onedimensional dynamics, SIAM Review
43 (2000), 330.
[145] P. Touhey: Yet another denition of chaos, Amer. Math. Monthly 104 (1997), 411
415.
[146] J. F. Traub: Iterative methods for the solution of equations, Prentice-Hall, Englewood
Clis, NJ, 1964.
[147] H. Van de Vel: A method for computing a root of a single nonlinear equation,
including its multiplicity, Computing 14 (1975), 167171.
[148] M. Vander Straeten y H. Van de Vel: Multiple root-nding methods, J. Comput.
Appl. Math. 40 (1992), 105114.
Bibliografa 205
[149] J. L. Varona: Graphic and numerical comparison between iterative methods, Math.
Intelligencer 24 (2002), n.
o
1, 3746.
[150] Yale University: The Yale Babylonian Collection, http://www.yale.edu/nelc/
babylonian.html
[151] T. Yamamoto: Historical developments in convergence analysis for Newtons and
Newton-like methods, J. Comput. Appl. Math. 124 (2000), 123.
[152] L. Yau y A. Ben-Israel: The Newton and Halley methods for complex roots, Amer.
Math. Monthly 105 (1998), n.
o
9, 806818.
[153] T. J. Ypma: Historical development of the Newton-Raphson method, SIAM Review
37 (1995), n.
o
4, 531551.
[154] J. Walsh: The dynamics of Newtons method for cubic polynomials, Col lege Mathe-
matics Journal 26 (1995), n.
o
1, 2228.
[155] E. W. Weisstein: Bring-Jerrard Quintic Form. From MathWorld, A Wolfram Web
Resource. http://mathworld.wolfram.com/Bring-JerrardQuinticForm.html
[156] Zuse Institute Berlin: Software repository for Peter Deuhards Book Newton
Methods for Nonlinear Problems Ane Invariance and Adaptive Algorithms, http:
//www.zib.de/Numerik/numsoft/NewtonLib/index.en.html
ndice alfabtico
aceleracin de Aitken, 70
Akilov, G. P., 46
Al-Marrakushi ibn Al-Banna, 37
algoritmo de tiempo de escape, 145
algoritmo puramente iterativo, 176
anillo de Herman, 147, 181
Bttcher, L. E., 138
Banach, S., 45
banda acotada, 111
banda extrema, 111
Barna, B., 114, 176
Bennet, A. A., 45
bifurcaciones, 122
caos, vase sistema dinmica catico
Cardano, G., 37
Cauchy, A. L., 43, 60
Cayley, A., 44, 129, 145, 161
problema, 44, 129, 151
Chicho, 191
conjunto, 191
fractal, 191
ciclo, 4, 96, 108, 109, 116, 117, 121, 140
condiciones de Fourier, 66
condiciones de Kantorovich, 61
conejo de Douady, 189
conjugacin topolgica, 10
conjunto de Julia universal, 174
constante de error asinttico, 56
convergencia general, 161
Cosnard, M., 114
cuenca de atraccin, 6, 139, 140
cuenca de atraccin inmediata, 6, 139
diferencia progresiva, 71
disco de Siegel, 147, 181
dominio de Baker, 181
dominio de Leau, 147
Douady, A., 189
duplicacin de perodos, 22
ecuacin de Chandrasekhar, 89
ecuacin de Kepler, 37, 73
ecuacin de Riccati algebraica, 83
ecuacin logstica, vase funcin logstica
efecto mariposa, 27
espacio de parmetros, 158
familia equcontinua, 141
familia normal, 141
Fatou, P. J. L., 44, 130, 140, 141
conjunto, 142144, 146148, 181, 188
Feigenbaum, E. A.
constante, 22
diagrama, 2224
Ferrari, L., 38
Fine, H. B., 45
Fiore, A., 37
Fontana, N., vase Tartaglia
Fourier, J. B. J., 43
Fujimura, M., 150
funcin de iteracin, 176
funcin logstica, 1521, 2325
funcin racional, 131
grado de una funcin racional, 131
207
208 ndice alfabtico
Guadalupe, J. J., vase Chicho
Hawkins, J., 174
Head, J., 150
Hern de Alejandra, 35, 72
Hubbard, J. H., 151, 179, 189
Hurley, H., 141
islas de estabilidad, 23
Julia, G. M., 44, 124, 130, 140, 141
conjunto, 142146, 148, 150, 151, 175,
177, 186188, 190, 194
Knigs, G., 138
Kalantari, B., 164
Kantorovich, L. V., 46, 60, 61
Lagrange, J. L., 43
Li, T., 7
Liu Hui, 37
mtodo de Chebyshev, 50, 135, 144, 148,
149
mtodo de Halley, 50, 144, 170, 171, 173,
176
mtodo de Kravanja-Haegemans, 88
mtodo de la secante, 51, 93
mtodo de Newton amortiguado, 52
mtodo de Newton simplicado, 50
mtodo de Newton-Gauss, 54
mtodo de Newton-Kantorovich, 47, 49, 50,
58, 88
mtodo de Newton-Raphson, 34, 42
mtodo de Van de Vel, 71, 85
mtodo de Weierstrass, 52
mtodo sper-Halley, 50
Malthus, T. R., 1
Mandelbrot, B., 187
conjunto, 158, 159, 187
Masse, C., 114
McMullen, C., 161, 167, 174, 177, 178
Montel, P., 142
Mourraille, J. R., 42
Newton, I., 33, 34, 39, 40, 55
mtodo, 33, 41, 43, 44, 46, 47, 55, 57,
68, 72, 74, 81, 85, 88, 95, 99, 102,
105, 107, 108, 110, 113, 115, 122,
129, 149, 151, 152, 155, 158, 163
165, 169, 179, 188
Nishizawa, K., 150
rbita, 3
orden de convergencia, 56
cuadrtico, 51, 56
cbico, 56
lineal, 56
superlineal, 51, 56
Ostrowski, A. M., 46
Oughtred, W., 39, 42
perodo, vase punto peridico
punto crtico, 139, 140, 147
punto crtico libre, 124, 156
punto de Cremer, 147, 148
punto de Siegel, 147
punto eventualmente jo, 4
punto eventualmente peridico, 5
punto jo, 4
atractor, 5, 139, 147
extrao, 135
indiferente, 8, 147
neutro, 8
repulsor, 5
superatractor, 8, 139, 147
punto peridico, 4
atractor, 6
indiferente, 8
neutro, 8
repulsor, 6
ndice alfabtico 209
puntos crtico libre, 150
puntos omitidos de una aplicacin racional,
142
Rckert, J., 179, 180
Raphson, J., 41, 55
reescalamiento, 144, 155
Riccati
ecuacin, 84
Sarkovskii, O. M.
orden, 7
teorema, 7
Saunder, G., 150
Schleicher, D., 151, 179, 180
Schleicher, S., 179
Schrder, E., 44, 56, 129, 145
sensibilidad respecto a las condiciones ini-
ciales, 27
series temporales, 25
Sharaf al-Din al-Tusi, 37
Shishikura, M., 141, 148, 151
Siegel, C. L., 146
Simpson, T., 42, 45, 55
sistema dinmico catico, 27
sistema dinmico discreto, 3
denso, 27
sensible respecto a las condiciones ini-
ciales, 27
topolgicamente transitivo, 26
Smale, S., 161, 163
Sutherland, S., 151
tablilla VAT6598, 35
Tartaglia, 37
Ten de Alejandra, 37
teorema de Gauss-Lucas, 150
teorema de los ptalos, 136
transformacin de Tschirnhaus, 159
valor crtico, 140
Verhulst, P. F., 2
Vite, F., 39
Wallis, J., 39, 43
Yale Babylonian Collection, 34
Yorke, J., 7
Servicio de Publicaciones
Biblioteca Universitaria
C/ Piscinas, s/n
26006 Logroo (La Rioja)
Telfono: 941 299 187
http://publicaciones.unirioja.es
www.unirioja.es