(verifiquelo!

) ,
cualquiera sea la
10, -
Capitulo 3. SOLUCION NUMERICA DE SISTEMAS DE ECUACIONES 153
Si usamos X(O) = (0,0,0) T Y criterio de aproximaci6n IIX(k) - X (k- 1) II ", < .001 , se obtienen
los siguientes resultados para distintos valores de w, siendo las f6rmulas escalares de
iteraci6n del metodo SOR, en este caso, las siguientes:
(k - 1) 1
(k) (1 ) (k-1) 1- 3x2
= - W + W x
1
x
1
[
4
(k) (k-1)1
(k) _ (1- ) (k-1) 1- 3x1 + X3
- W + W . 4 '
k = 1,2,.. , o< w < 2
x
2
x
2
(
(k)1
(k) _ (1 ) (k- 1) 1+ x2
X3 - - W X3 + W --
[
4
,Como el metodo de Gauss-Seidel converge, en este caso, podemos pensar en utilizar el
m ~ t o o SOR para acelerar la convergencia del metodo de Gauss-Seidel ; as! que tomaremos
valores d.e wcon 1< W < 2 ,
. ~
Para W = 1.0 (Gauss-Seidel )
X (1) = (.25000, 62500 >< 10-
2
, 26563f
X(13) = (1.1546 x 10-
3
, .33237, .33309f :::; X
Para W = 1.2 :
X(1) = (.30000, 3.0000 x 10-2, .30900)T
X(9) =(3.5372 x 10-
4
, .33310, .33329f '" X
Para W = 1.25 :
X (1) = (.31250, 1.9531 >< 10-
2
, .31860f
X(8) = (6.4330 x 10-
5
, .33331, .33333f '" X
Para W = 1.3 :
3
X (1) = (.32500,8.1250 x 10- , .32764f
154 METODOS NUMERIC OS
Para w = 1.4
2
XiI) = (.35000, -1.7500 x 10- , .34388f
Observando los resultados anteriores, se puede concluir que, para este ejemplo, el valor
optimo del parametro w debe estar cerca de 1.3, y para este valor de w la convergencia del
metodo SOR es mas rapida. *
Instrucciones en DERIVE:
BW(A,w). Simplifica en la matnz de iteraci6n, B
w
' del metodo SOR.
SOR(A,b,w, x (O) ,N) aproXima las primeras N iteraciones en el metodo SOR aplicado al
sistema AX = b, para el valor dado de w y tomando aproximaci6n inicial X(O) . Para el
ejemplo, aproXime la expresion SOR([[4,3,O] ,[3.4 ,- 1] ,[O, -1, 4J].[1,1,1],1.3,[O,O,O].6 ) 0
Ejemplo 3.13 Si aplicamos el metodo SOR para resolver el sistema de ecuaciones lineales
10X
1
- + 2X3 6 x
2
-xl+11x2 -x
3
+3x
4
25
2Xl - x
2
+10x
3
=-11
/
3x
2
- X3 + 8x
4
= - 11
con X(O) = (O,O,O,O)T y criterio de aproximacion 1/ X(k) - X(k-1) II ", < .001 se obtienen los
siguientes resu ltados
Para w =1.5
(1) _ ( )T
X - .90000, 3.5318, - 1.3902, - 4.3098
X(2) = (1.3968, 3.4072, - .86286, -1.9859) T
(13) ( )T
X = 1.1041, 2.9965, - 1.0210, - 2.6260 X
Para w = 1.8
X(l) =(1.0800, 4.2676, -1.6006, -5.7158)T
X(2) = (1.5604, 3.4762, -.63554, -.39176) T
(42) ( )T
X = 1.1040, 2.9967, - 1.0207, - 2.6262 X
Analice la convergencia del metodo SOR en cad a uno de los casas anteriores. *
3.9 SOLUCION NUMERICA
donde para cada i =1,2.
y alguna fi es no-lineal
Si hacemos F .[f] ,
vectorial F(X) =0
EI problema de
el problema de
mucho mas quee/
Capitulo 3. SOLUCION NUMERICA DE SISTEMAS DE ECUACIONES 155
3.9 SOLUCION NUMERICA DE SISTEMAS NO-LINEALES
Consideremos un sistema no-lineal
t,(X1' x
2
" xn) = 0
f2 (X1' x
2
,, xn) 0
donde para cad a i = 1 ,2, ., n ,
R
n
fj OJ ~ R 0, ~
X =(X1' .. ,X
n
) ~ fi(X) = Y
y alguna fj es no-lineal.
S; hacemos F [] y X " (x" x" ... , x"), el s;slema anler;or puede ser escdlo en la forma
vectorial F(X) = O con F O ~ R n O<;;;;Rn .-----
EI problema de hallar las soluciones reales de un sistema no-lineal es mucho mas dificil que
el problema de hallar las raices reales de una sola ecuaci6n no-lineal (en una variable), y
mucho mas que el problema de resolver un sistema lineal de ecuaciones.
Aunque estudiaremos ciertos metodos que convergen a una soluci6n, no existe un criterio
general para saber cuantas soluciones tiene un sistema no-lineal dado, e incluso es posible
que el sistema no tenga solucion , como ocurre con el siguiente sistema
XV = 1
{
y=o
Un posible metodo (directo) para resolver sistemas no-lineales de ecuaciones puede ser el
de reducci6n de variables.
Por ejemplo, para el sistema
es claro que sus soluciones son (1,0), (0,1) , (-1.0) y (0,-1); que son los puntos de
intersecci6n, en el plano xy , de la circunferencia unitaria x
2
+ y2 = 1 con los ejes
coordenados x = 0 y y = 0 . Ver la FIGURA 3.1.
156 METODOS NUMERICOS
y
(0,1)
(-1,0) (1 ,0) x
(0, -1)
FIGURA 3.1
Una manerade resolverel sistema, en estecaso,es la siguiente:
Despejando x de la ecuaci6n E" obtenemos E; x= 1- y2 ,Ysustituyendo en la ecuaci6n
E
2
, obtenemos E2 (1: 1- y2)y=0 Si resolvemos la ecuaci6n E2 para y, obtenemos
y= 0, y= 10 Y= - 1. Sustituyendo en la ecuaci6n E; ,los valores de y obtenidos, tenemos
que Sl y"" 0 , entonces x=1 0 x=-1, 10 que produce las soluciones (1,0) Y (- 1,0); Y si
Y=10 Y= -1,entonces x=0,10 que produce las soluciones (0,1) Y (0,-1)
En general , este metodo no es facil de aplicar, pues la eliminaci6n de variables puede ser
muy dificil6 incluso imposiblede realizar.
Estudiaremos los metodos iteratlvos de Punto Fijo y Newton-Raphson para aproximar
solucionesrealesde sistemas no-lineales.
3.9.1 Iteraci6n de Punto Fijo para sistemas no-lineales: Dado un sistema no-lineal de n-
ecuacionescon n-inc6gnitas , F(X)=0 (F: 0 ~ Rn, 0~ Rn ), el metodode Punto Fijo para
resolver este sistema conslste en transformar dicho sistema en otro equivalente (par 10
menos en forma local) deltipo X -= G(X) para alguna funci6n G D'-)Rn , 0'<;;; 0 .
Porejemplo, si tenemos un sistema dedosecuacionescon dosIncognitas
[ f,(x,y)=O
h (x,y) = 0
10 escribimosen la forma equivalente
se convierteen
EI siguiente
pagina 153,III
{X(kt
Capitulo 3. SOlUCI6N NUMERICA DE SISTEMAS DE ECUACIONES 157
(despejando, por ejemplo, si es posible, X de qX, y) =0 0 e y de f2 (x, y) = 0 ).
La iteraci6n vectorial de punto fijo correspondiente
se conv ierte en
(k)
X
_ ( (k- 1) (k - 1) )
- g1 X ,y ,
k = 1,2, ..
(k)
y
_ ((k-1) (k-1))
- g2 X ,y ,
que no es otra cosa que la iteraci6n de Jacobi para sistemas no-lineales.
Otra forma de iteraci6n vectorial de punto fijo es
(k) _ ( (k-1) (k- 1) )
x - g1 X ,y ,
k = 1,2,..
(k) _ ((k) (k- 1))
y - g2 X ,y ,
que usa el valor ya calculado X(k) , Y que no es otra cosa que el metodo de Gauss-Seidel
para sistemas no-lineales
EI siguiente teorema general , cuya demostraci6n puede ser consultada en Ortega, 1990,
pagina 153, da condiciones suficientes (no necesarias) para la convergencia de la sucesi6n
{ X (k) Lgenerada por la f6rmula de iteraci6n de Punto Fijo
X(k j = G( X(k-1)) , k = 1,2,
Teorema 3.11 Sea 0 ={ (X1 ' x
2
, ., x
n
) ERn / a, ~ Xi ~ b" i =0 1,2, ... ,n } para alguna colecci6n
de constantes 'eales a" b" i .1,2" " ,n , Supongamos que G R" R" con G = ~ J , es
no-lineal de n
Punta Fijo para
(por 10
tal que G(O) 0, es decir, para todo X E O, G(X) ED: y que para cad a j = 1,2,.. ,n, gj y
og}(X) . .
sus primeras derivadas parciales --- , I = 1,2,.n , son contlnuas en O . Entonces G
OXi
tiene un punto fijo en D .
158 METOOOS NUMERICOS
Si , ademas , existe una constante M , can 0 M < 1 , ta l que para cad a i = 1 ,2, .. ,n
/
ri g( X) 1 M
: - , si empre que X ED ,
(' x, n
entorl ces G Ilene un LH1ICO I,,) F' , I) y la suceo:;ion ; X,k:} defini da par la iteracion
converge al punto tit) P r 11,'1kpJlH 4 " , a 1'c;;':Oner'r.la I P X D. y se tlen e la igu iente
cola de error
,"
, J<..
M'
\
1
Ejemplo 3,14 on sider "rro'i I
'Xy: ,,, 1(1y8 0 If.(x,y) .. xy2+X- 10Y f- 8)
Las graficas de x
2
1 X I y-' ,8 L 'of ,:,y2 x lOy I 8 . 0 , en un mlsmo plano coo rdenado,
se muestran en la FIC;URA 3. 2
Observan do la FI GURA 3. VE:mos que el ,"Islerna dado tlene unicamente dos soluciones
reales . Para encontrar estas solucion es par el metodo de Punta Fijo, empezamos par
transformar el sistema dado en otro equ ival ente de la forma X= G(X) . Uno de esos
sistemas es
(
X2 + y2 + 8J
9,( X,Y) = 10
(
( )
_ xy 2 + X+ 8J
92 X, Y - 10
(Para obtener el sistema equiva lente se despejaron las variables x e y de las ecuaciones
f, (x, y) = 0 y f
2
(x, y).= 0 , respecti vamente, de aquellas posiciones donde elias eran
,dori"tinantes, de acuerdo can la solucion buscada) .
Observe que G == ( g, ) es tal que g, y g2 son continuas en todo R 2 , porque son
92,
pol inomicas
a9,(X) 2x a92(X )
ax 10 ' tlx
y2 + 1 son continuas en todo R 2 ,
10
Ahora,
Tambien,
Uno de esos
Capitulo 3. SOLUCION NUMERICA DE SISTEMAS DE ECUACIONES 159
Og1{X) _ 2y Og2(X) 2xy son continuas en todo R 2.
oy -10' oy 10
Ahora ,
TambiEm,
-6 -4
y
(5,0)
-2
4
FIGURA 3.2
=>
=>
6 8
x
=>
10 10 10
=> = 4.875
=> 0 xy2 + X + 8 4.875 + 8 = 12.875 = 1.2875 1.5
10 10 10
Luego si D={(x,Y)ER2j entonces asi que G satisface las
hip6tesis del teorema 3.11 en D, y por 10 tanto G tiene por 10 menos un punto fiJo en D .
Ahora, si XED,
160 METODOS NUMERICOS
I I=I tI:::; .3
?g2( X) 1==1 y2+ 1 3.25 == .325
rx 10 10
I
(l9; ( X) j_j2XY I :::; 4.5 =.45
j
t ' y 10 10
M
Escogiendo M de modo que .45, es decir, escogiendo M=.90 lendremos que
2
o:::; M<1,Ypara cada X - D,
M
r;gJX) I M I agl (x) 1 .
- - - Y - - - J=12
(' X - 2 cy - 2 ' ,
I
En consecuencia, G tiene un unico punto fijo P E 1> y cualquiera sea X(o) ED, la sucesion
{x(k) L ,con X( k)=G( X(k 1) ), k== 1,2, . convergea P
Si al sistema dadoIe aplicamos la iteracion funcional de PunloFijo
x(X - II.)2 1- ( y(k_1))2 +8
(
X(k)
10 ( X(k) =g1( X(k- 1) ,y(k-1)))
(k- 1i( (X- II)2 Ik- 1) 8
==
X Y +x +
(k) _ ( (k - 1) (k -1)))
Y
(k)
=---- - - - - y - g2 X , Y
10
empezando con X(Oi == (.5,.5) y criterio de aproxi macion 1/ X(k)- X(k-1)II ", < .001
(
obtenemos los resultadosquese muestran enla TABLA3.1 siguiente.
Luego p:::;(.999490, .999490)
Instrucci6n en DERIVE:
inicial el punlo
X2 +y2 ..8
FIXED_POINT( 10
[
Usandola coladeerror
verificarfacilmente, P
Si usamoslas
k X(k)
(k)
IIIX(k)- x(k-1
I
LI
I I I
y
0 .5 .5
1 .3625 .85 .8625
2 .096641 .946641 .948232
3 .979781 .032886 .979527
4 .012417 .99 1944 .991984
5 .996799 .996805
4.855x 10-
3
6 .998723 .998724
1.924 x 10-
3
7
.999490 .999490
7.67x 10-
4
TABLA3. 1
Capitulo 3. SOLUCI6N NUMERICA DE SISTEMAS DE ECUACIONES 161
Luego P", (.999490, .999490) ,
Instrucci6n en DERIVE:
FIXED_POINT([91(X,y) ,g2 (x,y)] ,[X,y],[x
o
, Yo],N) aproXima las primeras N iteraciones en el
At d d P t F" I' d I' t I' I ! X== 91 (X,Y) t d ' "
ml:: 0 0 e un 0 IJO ap Ica 0 a SIS ema no- Inea (' oman 0 como aproxlmaclon
Y= 92 x, Y)
inicial el punto (xo, Yo) Para el ejemplo, aproXime la expresi6n
2
FIXED_POI NT( [ x +/; + 8 , xy2 7) 0
Usando la cota de error dada por el teorema 3,11 con M = .90 , obtenemos
II X(7) - P II (.3625) 1.73 00
la cual no indica la preci si6n real de Xl ?) con respecto a P, pues como el lector puede
verificar facilmente, P = (1,1) Y realmente II Xl ?) - P II en '" 5.1 x 10 -
4
Si usamos las formulas de iteraci 6n del
k (X(k -1)f + (y(k -1)f +8
(k) _ ( (k- 1) (k-1)))
x( )
x - 9, x , Y
(
10
X( k) (y( k-1)f + X(k) + 8
y(k) = __ _ _ _ (k) _ ((k) (k l)))
(
y - 92 X , y
10
con X
(0)
= (.5,.5) Y aproxi rnaci6n
II X( k) - X(k-l ) II
w
< .001
se obtienen los
resultados de la TABLA 3,2
k
(k)
x
(k)
y
II X(k ) - X(k - l)1!
II ,,_
0 .5 .5
1
.85 .90625 .40625
2 .954379 .973820 .104379
3
.985916 .992089 .031537
4
.995627 .997556
9.711 x 10-
3
5 .998639 .999240
3.012 x 10-
3
6 .999576 .999763
9.37 x 10 -
4
TABLA 32
162 METODOS NUMERICOS
Observe que II X(6) - P :i ->0 '" 4.24 x 10 -
4
, 10 que asegura una precisi6n en la aproximacion de
P de tres cifras decimales exactas. Como ejercicio haga un analisis similar para encont rar
una aproximacion de la otra soluci6n del si stema dado. +
3.9.2 Metodo de Newton-Raphson para sistemas no-lineales: Consideremos un sistema
no-lineal de dos ecuaciones con dos incognitas
( F(X,Y) =0 con F =GJJ
Supongamos que conocemos una aproximacion X(k) =(X(k). y(k)) de a . Para generar la
aproxi maci 6n siguiente XIk+ l l = ( X(k.l ), y(k ' 1) ), mediante el metodo de Newton-Raphson,
procedemos como se indi ca a continuacion
Si las funciones fl (x. Y) Y f2 (x. y) y todas sus derivadas parciales de orden menor 0 igual que
dos son continuas en una veci ndad de X(k) , entonces para (X(k+l), y(h1)) en esa vecindad se
tiene
f
( (
k.ll (k .ll ) t ( (k) Ikl ) ( (k' 1) (kl ) Dtl ( (k ) (k)) ((k+1) (kl) af
1
((k) (k) )
X y "" x y. + x - x - x y + y - y - x Y
1 ' l' Ox ' oy ,
11( (k+l) Ik))2 8
2
fl ~ ) 2( (k+l) (k) )( (k+l) (kl) 0
2
fl (1' )
+-I x - x -- ,:> , 11 + x - x y - y - - ",11
2 ax
2
a x Dy
.-
(
(k' 1) (k) ) 2 0
2
f1 ~ )]
+ y - Y --2 S ' 11
i' y .
con ~ entre x
lk
) y xi I< .1) , y 11 entre y(k) y y(k +l) .
R
(f
(k+l) (kl l) ) 1 [( (. 1) (k )) ()2 fl (1' ) 2( (hl1 (kl)( (k+ l) (k)) 0
2
f1
X Y = - x - x -- " 11 + x -x y -y --
2 1" 2 () x
2
' 0 xay
(
Ik.) (k))2 (i f1 (1' )]_ 0
+ y - y -- " , '1 -
ay2
obtenemos
O f
(
Ikl .I.k l ) ( (k'1) Ik) ) at1 ( (k) (k) ) ((k+1) (kl) at
1
((k) (k))
::: 1 X , Y + x - x - ~ - x , y + y - y - x , y
. u X Dy
(3.20)
o sea
oigual que
Capitul o 3. SOLUCI (')N NUMERICA DE SISTEMAS DE ECUACIONES 163
AI trabajar, de manera simi lar, con f
2
( X, y) obtenemos
(k) (k) ) ( (k 11) (k)) af2 ( (k) (k)) ( (k +1) (k)) ()f2 ( (k) (k) \
O ::::; f2 X
(
, y + x - x - x ,y + y - y - x ,Y I (3.21 )
oX ay /
Si las cuasi -igualdades (3.20) y (3.21 ) las manej amos como igualdades y las escribimos en
forma matricial , obtenemos el siguiente sistema de dos ecuaciones lineales en las dos
incognitas X(k+l ), y(k +1).
La matriz J( X(k) ) , en la ecuaci6n anterior, se denomina matriz Jacobiana del sistema
(k+l ) J [ J-
1
Despejando ; (k+1) , siempre que J( X( k) ) exista, obtenemos
(
o sea
la cual es la formula vectorial de iteracion del metodo de Newton-Raphson para el
sistema no-li neal F(X) = 0 (compare esta formula con la formula de iteracion del metodo de
Newton-Raphson obtenida en el capitulo 2).
Para implementar este metodo no es necesario, ni conveni ente calcular [J( X(k )) l se
recomienda el siguiente algoritmo
Dada una aproximacion inicial X(O), una toleranci a r; > 0 Y un numero maximo de
iteraciones N; para k =O,1, ... . N , hacemos
Paso 1: Definimos Z {k+1 ) = X (k+ 1) _ X(k)
Paso 2: Resolvemos, para Z( k+ 1} , el sistema lineal
(3.20)
164 METODOSNUMERICOS
Paso 3: calculamos Xl kI 11 ~ l l k'1) + Xlkl .
Paso 4: Si II Z I ~ I II= II Xlk '1) - x l "! 11 < para alguna norma vectorial II.II, entonces Xlk+l)
es una aproximaci on de una soluci on del sistema F(X)= o. De 10 contrario se vuelve a
iterar.
Ejemplo 3. 15 Si usamos el metodo de Newton-Raphson para resolver el siguiente sistema
de ecuaciones no-lineales
X
2
- 10X .
y2
+8=0
{
l xy2 I X- 1OyT 8= 0
que es el mi smo del eJemplo 3. 14, obtenemos los resultados que aparecen en las TABLAS
3.3 Y34, dondese usacomo criterio de aproximacion II X( k)- X( k-1) II,," <.001 .
I
k
I
xU,)
I
y
IkI
IIIXlk) - X(k-1) II ~ I

.5 .5
1 .937685 .939169 .439169
2 .998694 .998388 .061009
3 .999999 .999999 1.611x 10..
3
4 1.00000 1.00000
1.0 x 10-
6
TABLA3.3
Instrucci6nen DERIVE:
NEWTONS([f1(x, y),f2(x,y)l,rx, y], [Xo, Yo ] ,N) aproXima las primeras N iteraciones del
f1 ( X, y) =0 ,
metoda de Newton-Raphson apli cado al sistema no-lineal tomando como
f
2
(x,y) = 0
I
aproximacion inicial el punta (x
o
. Yo) . Para el ejemplo, aproXime la expresion
NEWTONS([x
2
- 10X +y2 +8. xy2+X -1 0y + 8]. [ x,y].[0.5,0.5],4) 0
De acuerdo con los resultados de la TABLA 3.3, se tiene que
X(4) = (1.00000, 1.00000).::: X = (11) .
De acuerdo con los
X(3) = (2.19344,3.02047)
TABLA3.4, usandoel
PrimeroquetodD, sean
Definimos Z(1) 0;
siendo
y
I
k
I
xl ")
I
y
(k)
IIIX(k) - Xlk-1) II ~ I
0 2.0 3.0
1 2.19444 3.02778 .19444
2 2.19345 3.02048
7.3 x 10 -
3
3 2.19344 3.02047
2.0 x 10-
5
TABLA34
que
Capitul o 3. SOLUCICNNUMERICA DE SISTEMAS DE ECUACIONES 165
De acuerdo can los resultados que aparecen en la TABLA 34, se tiene que
X(3) =(2.19344,3.02047) esunaaproximaci 6n de la otra soluci6n del sistema dado.
Veamos como se calcula la primera iteraci6n X{ I) =(2.19444. 3.02778) , que aparece en la
TABLA3.4,usandoel metododeNewton-Raphson
Primeroquetodo,sean fl (X. Y) = X2- 10X +y2 + 8 , f
2
(x.y) = xy2 +x-10y +8. Entonces
af
l
( )
2f
a; x.y = 2x-- 10, - ' (x.y)=2y
oy
('f
..:.2(x,y)= 2xy- 10
uy
Es claro que las funciones f
1
(x,y), f2( X. Y) y sus derlvadas parciales de orden menor 0 igual
quedosson continuas en todo R2 , porserpol in6mi cas
Para calcular la primera iteraci6n X(1) =( ' si guiendo los pasos en el algoritmo anterior,
, y
procedemosasi : .
Definimos Z(1)= X(1) - X(O) (k=0), y resolvemoselsi stema lineal
En estesistema
siendo
(
(0))_ ( )_ ( (0) ')_ ( )_
f1 X - f, 2.0, 3.0 - 1.0 , f2 X - f2 2.0, 3.0 --2
y

(2.0,3.0)
J X(O) = a X
( ) rJ f
2
(2.0,3.0)
('1 X
Luegoel sistemaa resol veres
La soluci6n (mica deestesistema es
166 METODOS NUMERI COS
Entonces
X(1) = Z (1) I X
I D
) = _1 ( 7) r ( 2) = _1 ( 79 J '" ( 2.19444J
36 1 3 36 109 3.02778
Procediendo de manera similar se obti enen X(2) y X(3)

Ejemplo 3.15 Consideremos el sistema no-lineal
2 2
Las graficas de las ecuaciones x ry 2 _X = 0 y x _y2_y=0 (f1(X,y)=X2+ y2-x,
f
2
(x, y) = x
2
- y 2 - y ), se muestran en la FIGURA 3.3 siguiente.
y
x
/
/
FI GURA 3.3
Por simple inspeccion sobre el sistema dado, u observando la FIGURA 3.3, se ve que (0,0)
es una soluci6n del sistema, y que el sistema dado solamente tiene dos soluciones reales
dado, can criterio de
aproximada X(4) =(.771845,
X(4) =(.771845,.419644) , J
. d X
ISI

soluci6n aproxlma a
Como una aplicaci6n del
metoda de Bairstowpari
cual nos referiremos a
3.10 CEROS C
Capitulo 3. SOLUCIQN NUMERICA DE SISTEMAS DE ECUACIONES 167
Si usamos el metodo de Newton-Raphson para encontrar la soluci6n no nula del sistema
3
dado, con criterio de aproximaci6n Il x(k) _X(H ) II", < 10 - , se obt iene como soluci 6n
aproximada X (4) = (.771845, .419643) tomando como aproximaci6n inicial X(D) = (1.0,.5) ; si
tomamos aproximaci6n inicial X(D) = (1.0, to), se obtiene la solucion aproximada
X(4) = (.771845, .419644) , Y si tomamos aproximaci6n inicial X(D) = (.5,.5) , obtenemos la
solucion aproximada X(5) = (.771845, .419643) .
Como una aplicacion del metodo de Newton-Raphson para sistemas no-li neales, tenemos el
metodo de Bairstow para encontrar ceros complejos de fUnciones poli nomicas, metodo al
cual nos referiremos a continuaci6n.
3.10 CEROS COMPLEJOS DE POLINOMIOS: METODO DE BAIRSTOW
Para hallar una raiz compleja de una ecuacion poli nomica con coeficientes reales puede
utilizarse el metodo de Newton-Raphson con una aproxi maci6n ini cial complej a y aritmetica
complej a. Otra forma de enfocar el problema de las ralces complejas de una ecuacion
pol in6mi ca con coeficientes reales se basa en el hecho de que si z = a + bi es un cero
complejo de multipl icidad m de un polinomio p(x) , entonces su conJ ugado Z = a - bi es
tambien un cero de multiplicidad m de p( x) y (X2 - 2ax + a
2
+ b
2
r es un factor de p( x) . Es
decir, las ralces complejas de ecuaciones polinomicas con coeficientes reales se producen
en pares conjugados y por esto, se debe buscar un factor cuadratico, mas que lineal , del
polinomio. Esta es la base del metodo de Bairstow, el cual nos permitira encontrar rai ces
reales 0 complejas de una ecuaci6n pol inomica con coeficientes reales, realizando
unicamente aritmetica real. A continuacion describimos este metodo
Dado un polinomio con coeficientes reales
(3 .22)
EI algoritmo de la division de Euclides nos permite expresarlo en la forma
p( x)= (x2 -ux- v)q(x)+r( x- u) + s
(3.23) ,
donde u y v son constantes reales , q( x) es un polinomio de grado n - 2 con coefici entes
reales ,
(3.24)
y r(x - u) + S es un residuo lineal con coeficientes reales r y s.
2
Las expresiones x - ux - v y r( x - u) + shan sido escritas asi para simpl ificar los cal culos
posteriores
x
168 METODOS NUMERICOS
EI objetivoes encontraru yv talesque x
2
- ux- v sea un factor cuadraticode p(x) .
AI sustituir(3.24) en (3.23) ,seobtiene
p(x) =(X2- ux- v)q(x) H( X- u)+S
n n
=(X2 - ux V)(b
o
+ b,x , b
2
x
2
+,.+b
n
_.
3
x -
3
+ b _
2
X -
2
) +r(x-u)+s
n
(3.25)
Igualando (3,22)Y(3.25) ,obten mos
, an =b
n
_
2
a _, = b _ - ub
n n 3 n
_
2
an2 = b - ub _ - vb
n
_.
2 n
-
4 n 3
a _ =b - ub
n
..
4
- vb
n 3 n
-
5 n
_
3
=b, ub
2
- vb
3
a
3
= ub, - Vb
2
a
2
b
o
-
a,= r- ubo-vb,
a
o
'" s- ur-vb
o
igualdadesquepueden escribirse en la forma
,b = an
n
-
2
b =a _, +ub
n
_
b 4 = a _
2
+ub _
3
+vb _
n
_
3 n 2
n n n n 2
b
n
5 =a
n
-
3
+Ub
n
_
4
+vb
n
-
3
(3.26)
b,= a
3
+ub
2
+ vb
3
b
O
= a
2
+ub, +Vb
2
r =a,+ubo+vb,
s = a
O
+Ur+vb
O
2
Para que x - uX- v sea un factor de p(x) , como queremos, es necesario que r= 0 y
s= 0,pero ry s son funciones no-linealesde uyv (obseNeque b
o
Y b, sonfunciones deu
yv) ,
Debemos entonces resolverel sistema no-lineal