Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ecuaciones no Lineales
5.1. Introducción
lineal
algebraica
Dada una función f : IR → IR definida por f (x) = expresión no lineal
trascendente → no lineal
101
La ecuación homogénea representa la intersección de la curva definida por y = f (x) y la
recta definida por y = 0, que es el eje x, como lo muestra la Figura 5.1.
La ecuación no homogénea representa la intersección de la curva definida por y = f (x) y
la recta definida por y = y0 , que es una recta paralela al eje x como lo muestra la Figura 5.2.
Las Ecuaciones Algebraicas: son aquellas que se forman con suma, resta, producto y división
de polinomios por ejemplo:
x2
x3 − 2x = 0, −3x2 + 1 = −2, = 1, etc.
x+1
Las Ecuaciones Transcendentes se forman usando funciones trascendentes, por ejemplo:
5
ex − x = 0, ln(x2 ) = , sen(x2 ) + cos(x) = −1, etc.
2
Las soluciones de estas ecuaciones pueden ser reales o complejas. En particular en esta asig-
natura se estudiarán sólo las ecuaciones de soluciones reales.
Dado que existen escasos métodos para hallar la solución exacta de una ecuación no lineal, es
necesario para el futuro ingeniero conocer métodos numéricos que se aproximen a la solución de
una ecuación no lineal.
Ası́ como se vieron varios métodos para hallar la solución de sistemas de ecuaciones lineales,
también en este capı́tulo se verán métodos para resolver sistemas de ecuaciones no lineales.
1. Método Gráfico
Método de la Bisección
2. Métodos Cerrados (usan intervalos)
Método de la Regla Falsa
102
Método de la Secante
3. Métodos Abiertos (no usan intervalos) Método de Iteración de Punto Fijo
Método de Newton - Raphson
Dada la función f : IR → IR tal que f (x) está definida por una expresión tanto lineal como
no lineal, cuando se desea resolver la ecuación f (x) = 0 o la ecuación f (x) = y0 , significa que
se desea saber para qué valores de x la gráfica de f interseca al eje x o bien para qué valores
de x la gráfica de f interseca a la recta de ecuación y = y0 , respectivamente.
La forma más intuitiva de resolver las situaciones antes descriptas serı́a aplicar el Método
Gráfico, que consiste graficar la función f y observando la gráfica detectar aproximadamente
dónde se producen dichas intersecciones.
Observando la Figura 5.3 se puede decir que una aproximación a la solución es x = 0.75,
mientras que en la Figura 5.4 una aproximación a la solución es x = 1.8.
El método gráfico es impreciso y sólo sirve para tomar un valor inicial aproximado a la solu-
ción, que luego será empleado por otros métodos numéricos para hallar una mejor aproximación.
Ası́ el método gráfico sirve de apoyo de los métodos que se estudiarán más adelante.
En lo que sigue se considera que una f : IR → IR tal que f (x) está definida por una expresión
no lineal, se desea resolver la ecuación f (x) = 0, esto es se desea hallar la raı́z xr o una muy
buena aproximación de ella.
103
5.2.3. Método de la Bisección
Algoritmo:
Paso 1: Se toman como puntos iniciales x1 = a, x2 = b, donde [a, b] es el intervalo que contiene
a xr , la raı́z de f (x) = 0.
x1 + x2
Paso 2: Se calcula x3 = ; donde x3 es el punto medio del intervalo [a, b].
2
104
Paso 3: Se evalúa f (x3 ) y se calculan los productos f (x1 ) · f (x3 ) y f (x3 ) · f (x2 ). Uno de estos
productos es negativo y verifica que:
x1 + x3
Paso 4: Si la raı́z se encuentra en el intervalo [x1 , x3 ], se calcula x4 = .
2
x3 + x2
En caso contrario, si la raı́z está en el intervalo [x3 , x2 ], se calcula x4 = .
2
Paso 5: Se hace lo mismo que en el paso 3.
Ası́ sucesivamente se encuentra una sucesión de valores (xn )n∈IN que se aproxima a la raı́z
xr .
Es de observar que después del n-ésimo paso, la raı́z xr se encuentra en el intervalo [xn−1 , xn ]
o en el intervalo [xn , xn−1 ].
En general
xn + xn−1
xn+1 = Fórmula del Método de la Bisección
2
Observaciones 5.2.1
1. Es conveniente aclarar que en cada paso se debe calcular ei = |xi − xi−1 |, el error entre
iteraciones, para saber cuándo se alcanza la precisión > 0 deseada, esto es cuándo ei <.
105
Acotación del error de aproximación
a0 + b 0
Paso 1: Se calcula x1 = .
2
Suponiendo que la raı́z se encuentra en el intervalo [a0 , x1 ], entonces se denota ahora con
a1 = a0 y b1 = x1 , ası́ xr ∈ [a1 , b1 ].
a1 + b 1
Paso 2: Se calcula x2 = .
2
1
Se cumple que: |a1 − b1 | = |a0 − b0 |
2
2
1 1
luego |xr − x2 | ≤ |a1 − b1 | = |a0 − b0 |
2 2
Llamando a2 = x2 y b2 = b1 = x1 , se tiene xr ∈ [a2 , b2 ]
a2 + b 2 x2 + x1
Paso 3: Se calcula x3 = = .
2 2
2
1 1
Es claro que |a2 − b2 | = |a1 − b1 | = |a0 − b0 |
2 2
2 3
1 1 1
Ası́ |xr − x3 | ≤ |a2 − b2 | = |a1 − b1 | = |a0 − b0 |
2 2 2
3 3
1 1
Esto es: |xr − x3 | ≤ |a0 − b0 | = |a − b|
2 2
Paso n: Trabajando en forma análoga a lo anterior resulta que en el n-ésimo paso de la iteración se
cumple:
n
1
|xr − xn | ≤ |a − b|
2
106
xn−2 + xn−1
En la iteración n del algoritmo del Método de la Bisección se verifican: xn = y
n 2
1
(1) |xr − xn | ≤ |a − b|, con xr ∈ [xn , xn−1 ] o xr ∈ [xn−2 , xn ].
2
Para hallar n tal que |xr − xn | ≤ , considerando (1), será suficiente que se cumpla:
n
1
|a − b| ≤
2
n
1
≤
2 |a − b|
n
1
log ≤ log
2 |a − b|
n (log(1) − log(2)) ≤ log() − log(|a − b|)
−n log(2) ≤ log() − log(|a − b|)
Esta es la fórmula que determina la cantidad de pasos necesarios para encontrar la raı́z xr
con una precisión deseada, por medio del Método de la Bisección.
Ventaja: Es un método seguro que siempre encuentra la raı́z con la precisión establecida.
Desventajas:
4. El método no se puede aplicar cuando la función considerada tiene el mismo signo en ambos
extremos del intervalo que contiene a la raı́z. Esto indica que hay una raı́z repetida.
107
1
Ejemplo 5.2.2 Sea la función definida f (x) = que presenta singularidad en x = 2
x−2
El Método de la Regla Falsa es parecido al Método de la Bisección, dado que para resolver
una ecuación no lineal f (x) = 0, también se necesita que la solución xr pertenezca a un intervalo
inicial cerrado [a, b]. La diferencia radica en el cálculo de las aproximaciones xn para n = 1, 2, · · · ,
aquı́ no se divide al intervalo en la mitad, sino que emplea el punto donde la recta secante a f (x)
corta al eje “x”.
108
Figura 5.11: Recta secante y triángulos semejantes
4 4
Por semejanza de triángulos EDA∼
=ABC se tiene
f (x1 ) f (x0 )
=−
x1 − x2 x2 − x0
En general
109
La expresión de x2 también puede escribirse como:
x0 f (x1 ) x1 f (x0 )
x2 = −
f (x1 ) − f (x0 ) f (x1 ) − f (x0 )
Sumando y restando x1
x0 f (x1 ) x1 f (x0 )
x2 = x1 + − x1 −
f (x1 ) − f (x0 ) f (x1 ) − f (x0 )
x0 f (x1 ) − x1 [f (x1 ) − f (x0 )] − x1 f (x0 )
x2 = x1 +
f (x1 ) − f (x0 )
x0 f (x1 ) − x1 f (x1 ) + x1 f (x0 ) − x1 f (x0 )
x2 = x1 +
f (x1 ) − f (x0 )
(x0 − x1 )f (x1 )
x2 = x1 +
f (x1 ) − f (x0 )
(x1 − x0 )f (x1 )
x2 = x1 −
f (x1 ) − f (x0 )
f (x1 )
x2 = x1 −
f (x1 ) − f (x0 )
x1 − x0
En general
110
Paso 3: Se evalúan los productos f (x1 )·f (x2 ) y f (x0 )·f (x2 ) para analizar en cuál nuevo subintervalo
está el cambio de signo y por ende la raı́z:
• Si f (x1 ) · f (x2 ) < 0 significa que la raı́z xr se encuentra en el intervalo [x2 , x1 ].
• Si f (x0 ) · f (x2 ) < 0 significa que la raı́z xr se encuentra en el intervalo [x0 , x2 ].
Paso 4: Se vuelve al Paso 1 y se calcula la aproximación que sigue empleando una de las fórmulas
generales del método.
En cada iteración se analiza el error entre iteraciones y se detiene el proceso de cálculo cuando
ei = |xi − xi−1 | < , siendo > 0 la precisión deseada.
1. Al comparar el comportamiento del Método de la Regla Falsa con respecto al del Método
de la Bisección, se observa en general que la convergencia del primero es más rápida que la
del segundo. Esto es, una precisión deseada se logra en menos pasos con el primero de los
métodos. Sin embargo este hecho es relativo, existen algunas situaciones en que el Método
de la Bisección emplea menos pasos.
Los métodos abiertos, a diferencia de los métodos cerrados, en lugar de partir de un intervalo
cerrado que contiene a la raı́z de una ecuación f (x) = 0, parten de uno o dos valores iniciales
próximos a la raı́z. Desde aquı́ empleando la fórmula del método que corresponda se construye
una sucesión de valores que converge a la raı́z xr .
Los métodos abiertos al no iniciar desde un intervalo que contiene la raı́z, es posible que
construyan una sucesión divergente de valores. Cuando esto sucede partiendo de un valor inicial
x0 , es porque este valor no es adecuado por no estar cerca de la raı́z o bien por la función dada.
111
Si bien el hecho de considerar sólo un punto inicial puede ser una desventaja, cuando los
métodos abiertos convergen, generalmente lo hacen en menos iteraciones que los métodos cerrados,
esto es la convergencia es más rápida.
El Método de la Secante es un método abierto empleado para hallar la raı́z de una ecuación
f (x) = 0. El procedimiento de cálculo comienza con dos valores iniciales que están próximos a
la raı́z xr , pero asumiendo que el intervalo que ellos forman no la contiene. El siguiente valor se
halla a partir de la recta secante a la gráfica de f (x) determinada por los dos valores iniciales.
112
Observaciones 5.3.1
1. Se observa que el Método de la Secante tiene una formulación igual a la del Método de la
Regla Falsa. La diferencia entre los métodos radica en cómo funcionan al aplicar la misma
fórmula. En el método de la Regla Falsa el nuevo valor que se calcula a partir de uno de
los valores anteriores de un intervalo que contiene a la raı́z. En cambio en el Método de la
Secante el nuevo valor que se calcula forma un intervalo con los puntos anteriores que no
contiene a la raı́z, este intervalo queda a un lado de la misma. Ver la Figura 5.13.
3. Al igual que otros métodos se debe calcular el error entre iteraciones para conocer cuándo se
alcanza la precisión deseada.
Acá la variante del Método de la Secante es que en lugar de partir de dos valores próximos a
la raı́z de una ecuación f (x) = 0, se parte de un sólo valor y se emplea un factor δ ( δ es un
número real pequeño por ejemplo δ = 0.0001) que modifica o perturba al valor dado, y con esta
modificación se tienen nuevamente dos valores iniciales; esto es, se tiene x0 y x1 = x0 + δ · x0
Note que el factor δ no debe ser muy grande, pues puede conducir a problemas de divergencia.
Tampoco debe ser muy pequeño pues puede producir errores de redondeo.
La deducción de la fórmula general de este método es igual que la del método anterior consi-
derando que para un xi cualquiera se cumple:
113
5.3.3. Método de Iteración de Punto Fijo
114
La solución de la ecuación x = g(x) se lleva a cabo siguiendo un proceso iterativo para hallar
una sucesión de aproximaciones a la solución, de forma tal que xn+1 = g(xn ), como se muestra
en la figura que sigue:
Fórmula de la Iteración de
Punto Fijo
A continuación se verán distintos casos que pueden darse al aplicar el proceso iterativo de
punto fijo.
Caso I y Caso II
Observe que la pendiente de la función identidad es 1, y que I 0 (x) = 1, esto indica que la
tangente a I(x) es ella misma.
Llamando t(x) a la recta tangente a g(x), luego g 0 (x) es la pendiente de t(x).
115
En las Figuras 5.20 y 5.21 se observa que tanto en el Caso I como en el Caso II la pendiente
de la recta tangente t(x) es, en valor absoluto, menor que 1, esto es:
Figura 5.20: Gráficas: g(x), I(x) y t(x) Figura 5.21: Gráficas: g(x), I(x) y t(x)
|g 0 (x)| < 1
116
Figura 5.24: Caso III Figura 5.25: Caso IV
Luego se puede decir en ambos casos que en x = α y que en un intervalo [a, b] que contiene
a α, se cumple:
|g 0 (x)| > 1
Sea g : IR → IR una función continua y derivable en [a, b], con |g 0 (x)| ≤ λ < 1 para todo
x ∈ [a, b] y dados α, x0 ∈ [a, b], tal que α = g(α), entonces la sucesión (xn )n∈IN construida
bajo la forma xn+1 = g(xn ), es convergente y se cumple lı́m xn = α.
n→∞
Demostración
(2) Sea 0 < λ < 1 tal que |g 0 (x)| ≤ λ < 1 para todo x ∈ [a, b] [hip.]
(4) Sea la sucesión (xn )n∈IN construida bajo la forma xn+1 = g(xn ). [hip.]
117
(5) Aplicando el teorema del valor medio se tiene que si xn ∈ [a, b], existe ξ un valor entre
α y xn tal que:
g(α) − g(xn )
= g 0 (ξ) con ξ ∈ [a, b]
α − xn
[(1), (2)]
(7) |g 0 (x)| ≤ λ para todo x ∈ [a, b], en particular |g 0 (ξ)| ≤ λ. [(1), (5)]
(8) Luego
|α − xn+1 | = |g(α) − g(xn )|
= |g 0 (ξ)||(α − xn )|
≤ λ|α − xn | ≤ |g(α) − g(xn−1 )|
≤ λ(λ|α − xn−2 |) = λ2 |α − xn−2 | ≤ ...
≤ λn |α − x0 |
ası́
|α − xn+1 | ≤ λn |α − x0 |
(9) Como 0 < λ < 1 entonces λn −−−→ 0 luego |α − xn+1 | → 0 por lo tanto y xn −−−→ α por
n→∞ n→∞
lo tanto queda demostrado el teorema.
Sin pérdida de generalidad, resolver una ecuación de la forma (1) es lo mismo que resolver una
ecuación de la forma (2) f (x) = 0, con f (x) = f1 (x) − b.
Para resolver f (x) = 0 se emplea la Iteración de Punto Fijo. Para esto, se hallará una función
g, tal que resolver x = g(x), sea lo mismo que resolver f (x) = 0.
118
α es solución de x = g(x) si y sólo si α es solución de f (x) = 0.
Puede existir una gran cantidad de funciones g en las condiciones antes mencionadas. A
continuación se verán algunas de las más comunes de hallar. La principal y más confiable función
g es la que se obtiene por medio del Método de Newton-Raphson.
Método de Newton-Raphson
Gráficamente:
f (x0 ) − 0
f 0 (x0 ) = , luego
x0 − x1
f (x0 )
x0 − x1 = , ası́
f 0 (x0 )
f (x0 )
x1 = x0 −
f 0 (x0 )
Figura 5.26: Algoritmo del método
f (x1 )
x2 = x1 −
f 0 (x1 )
119
En general,
f (xn )
xn+1 = xn − Fórmula del Método de Newton-Raphson
f 0 (xn )
f (xn )
xn+1 = g1 (xn ), con g1 (xn ) = xn −
f 0 (xn )
Ası́ se puede afirmar que la iteración de Newton-Raphson es una Iteración de Punto Fijo.
f 00 (xi )
f (x) = f (xi ) + f 0 (xi )(x − xi ) + (x − xi )2 + · · ·
2!
Truncando este desarrollo en el segundo término, se obtiene un polinomio lineal
f (x) u f (xi ) + f 0 (xi )(x − xi )
Si xi está próximo a una raı́z xr de la ecuación f (x) = 0, se tiene
0 = f (xr ) u f (xi ) + f 0 (xi )(xr − xi )
luego
0 u f (xi ) + f 0 (xi )(xr − xi )
efectuando pasaje de términos
f (xi )
(xr − xi ) u −
f 0 (xi )
ası́
f (xi )
xr u xi −
f 0 (xi )
definiendo por proximidad
f (xi )
xi+1 = xi −
f 0 (xi )
La fórmula de Newton-Raphson anterior permite construir una sucesión (xi )i∈IN . Se desea
que dicha sucesión converja a xr , la raı́z de f (x) = 0, esto es, lı́m xi = xr .
i→∞
120
Figura 5.27: Caso 1 Figura 5.28: Caso 2 Figura 5.29: Caso 3
Para evitar situaciones como las vistas anteriormente se debe elegir correctamente el valor
inicial x0 , para esto se considera el siguiente Teorema.
Si se elige x0 como el extremo que verifica el producto positivo en H5) entonces la sucesión
(xi )i∈IN definida por la fórmula de Newton-Raphson converge a xr .
121
Solución
1. H1) f (x) = x2 − 3, f 0 (x) = 2x y f 00 (x) = 2 son continuas en el intervalo [1.5, 2], por ser
f (x) un polinomio.
H2) Existe un único valor xr ∈ [1.5, 2] tal que f (xr ) = 0 vale por la aplicación del Método
Gráfico.
H3) f 0 (x) = 2x 6= 0 para todo x ∈ [1.5, 2],
H4) f 00 (x) = 2, luego el signo de f 00 (x) es constante para todo x ∈ [1.5, 2],
extremo f (x) f 00 (x)
x2i − 3
xi+1 = xi − , ei+1 = |xi+1 − xi |
2xi
3. Se calcula la sucesión de aproximaciones:
x1 = 1.7500000000, e1 = 0.2500000000
x2 = 1.7321428571, e2 = 0.0178571429
x3 = 1.7320508100, e3 = 0.0000920471
Observación 5.3.1 Cabe hacer notar que si bien el Método de Newton-Raphson es un método
abierto, “se lo acerca” a los métodos cerrados para poder elegir el valor x0 adecuado para asegurar
la convergencia.
122
f 00 (ξi )
0 = f (xr ) = f (xi ) + f 0 (xi )(xr − xi ) + (xr − xi )2
2!
con ξi que se encuentra entre xr y xi .
Como xi está muy próximo a xr se cumple :
f 00 (ξi )
0 = f (xi ) + f 0 (xi )(xr − xi ) + (xr − xi )2
2!
f 00 (ξi )
f 0 (xi )(xr − xi ) = −f (xi ) − (xr − xi )2
2!
f (xi ) f 00 (ξi )
xr − xi = − − (xr − xi )2
f 0 (xi ) 2!f 0 (xi )
f (xi ) f 00 (ξi )
xr = xi − 0 − (xr − xi )2
f (xi ) 2!f 0 (xi )
| {z }
xi+1
f 00 (ξi )
xr − xi+1 = − 0
(xr − xi )2
2!f (xi )
f 00 (ξi )
Ev,i+1 = − Ev,i 2
2!f 0 (xi )
f 00 (xi )
Ev,i+1 =− 0 Ev,i 2
2!f (xi )
Se observa que existe una relación entre el error verdadero cometido en la iteración i y el
error verdadero cometido en la iteración i + 1.
Además, esta expresión indica que el error disminuye de iteración en iteración cuando el método
converge.
f 00 (xi )
00
f (xi )
Si M es una cota superior próxima de , esto es 0 ≤ M entonces
2!f 0 (xi ) 2!f (xi )
2
|Ev,i+1 | ≤ M Ev,i
123
n
1
la Bisección que tiene convergencia |x0 − x1 |, a la que se le llama “convergencia lineal”de
2
1
razón .
2
Se recuerda que para resolver f (x) = 0, empleando la Iteración de Punto Fijo, se hallará
una función g, tal que resolver la ecuación x = g(x), sea lo mismo que resolver la ecuación
f (x)
f (x) = 0. Además de la función g1 (x) = x − 0 , definida a partir de la fórmula de Método de
f (x)
Newton-Raphson, existen algunas otras formas generales para definir funciones g que permitan
construir una sucesión (xi )i∈IN convergente a α, la raı́z de la ecuación f (x) = 0.
Para saber si la función g2 definida es adecuada para aplicar la iteración de punto fijo,
primero se debe analizar si |g20 (x)| < 1 en un intervalo [a, b] que contiene a la raı́z α.
2. Dada la ecuación f (x) = 0, otra fórmula útil para definir g3 (x) se obtiene con los siguiente
pasos:
f (x) = 0
c · f (x) = c · 0 = 0 con c 6= 0
x + c · f (x) = x
Para c 6= 0, c 6= 1, la expresión de g30 (x) determinará el valor de c para el cual |g30 (x)| < 1,
en un intervalo [a, b] que contiene a α y ası́ asegurar que g3 es adecuada para aplicar
la iteración de punto fijo en [a, b].
124
3. Dada la ecuación f (x) = 0, despejando la variable x de la ecuación anterior, se obtiene
una expresión con la que se define g4 (x) y posteriormente se analiza si |g40 (x)| < 1 en
un intervalo [a, b] que contiene a α y ası́ asegurar que g3 es adecuada para aplicar la
iteración de punto fijo en [a, b].
Ejemplo 5.3.1 Dada f (x) = x2 − 3, hallar raı́z positiva de f (x) = 0, empleando Iteración de
Punto Fijo.
Solución
Ya se vio que f (x) = 0 tiene una raı́z en el intervalo [1.5, 2].
f (x) = 0
2
x −3 = 0
2
x −3+x = x
Luego
g2 : IR → IR está definida por g2 (x) = x2 + x − 3
x2 − 3 = 0
c · (x2 − 3) = c · 0 = 0
x + c(x2 − 3) = x
Luego g3 : IR → IR está definida por
g3 (x) = x + c(x2 − 3) con c 6= 0
125
Para lograr convergencia se debe elegir c 6= 0 adecuado, tomando un valor próximo a α
como se muestra en lo que sigue:
g3 (x) = x + c · (x2 − 3)
0
g3 (x) = 1+2·c·x
de la gráfica se observa que x = 1.7 es próximo a α
g30 (1.7) = 1 + 2 · c · 1.7
0
g3 (1.7) = g30 (1.7) = 1 + c · 3.4
Se requiere |g30 (1.7)| < 1 luego se trabaja partir de la expresión de la derivada como sigue:
17
−2 < c· < 0
5
10
− < c < 0
17
Luego, efectivamente, a partir de g3 (x) se puede hallar una sucesión de aproximaciones que
converge a α.
126
Por ejemplo para x0 = 1.7 y una precisión = 0.01, la sucesión que se obtiene es:
3
2 g4 (x) =
x −3 = 0 x
x2 = 3 3
g40 (x) = −
3 x2
x = 3
x g40 (1.7) = − √
Ası́ ahora ( 3)2
3 = −1.038062284 < −1
g4 : IR → IR está definida por g4 (x) =
x ∴ |g40 (x)| > 1
Luego con la función g4 la sucesión construida por la Iteración de Punto Fijo tampoco
converge a α.
x2 − 3 = 0
x2 = 3
x2 + x2 = 3 + x2 1 3
g5 (x) = +x
2 x
2x2 = 3 + x2
3 + x2 1 3
x = g50 (x) = − 2 +1
2x 2 x
1 3
1 3
x = +x g50 (1.7) = − 2 +1
2 x 2 1.7
= −0.019031142
Luego g5 : IR → IR está definida por ∴ |g50 (x)| < 1
1 3
g5 (x) = +x
2 x
127
En este caso la función g5 sı́ es conveniente para aplicar el proceso de iteración de punto
fijo, pues cumple la condición de convergencia.
Por ejemplo para x0 = 1.7 y una precisión = 0.00001, la sucesión que se obtiene es:
Resumen:
1. De lo expuesto se asegura que al aplicar la Teorı́a de Punto Fijo para resolver una ecuación
de la forma f (x) = 0, se pueden definir distintas funciones g para un mismo problema.
2. De las distintas funciones g definidas, unas permiten resolver el problema original, mientras
otras no.
128
x1
x2
• X= es la matriz de coordenadas de x̄
..
.
xn
x̄ = (x1 , x2 , · · · , xn ) ∈ IRn .
Hallar la solución del sistema homogéneo (I) significa que se desea hallar la solución de la
ecuación homogénea
F (x̄) = 0̄
Sea F con derivadas parciales continuas hasta orden n ≥ 2 en B[ᾱ, δ ], una bola
cerrada o entorno cerrado con centro en ᾱ y de radio δ , donde ᾱ es la raı́z de F (x̄) = 0̄,
esto es, F (ᾱ) = 0̄.
Sea x̄i ∈ B[ᾱ, δ ], entonces x̄i es muy próximo a ᾱ. Se considera el desarrollo de Taylor
de grado 1 de F (x̄) alrededor de x̄i , trabajando matricialmente se tiene:
F (X) = F (Xi ) + JF Xi · (X − Xi ) + R2 (X)
con JF Xi la matriz asociada a F , evaluada en Xi .
F (X) ∼
= F (Xi ) + JF Xi · (X − Xi )
θ = F (α ) ∼
= F (Xi ) + JF Xi · (α − Xi )
siendo α la matriz de coordenadas ᾱ
JF · (α − Xi ) ∼
luego Xi
= −F (Xi )
como la matriz jacobiana JF Xi tiene inversa, luego
129
−1 −1
JF X∗i · JF Xi · (α − Xi ) ∼
= −JF Xi · F (Xi )
−1
α − Xi ∼= −JF Xi · F (Xi )
−1
α ∼ = Xi − JF Xi · F (Xi )
−1
Xi+1 = Xi − JF Xi · F (Xi )
−1
En la práctica, a veces suele ser poco conveniente el cálculo de JF Xi , por lo que se procede
como sigue a partir de la ecuación:
JF Xi · (α − Xi ) = −F (Xi ) ,
considerando Xi+1 , se tiene JF Xi · (Xi+1 − Xi ) = −F (Xi ),
JF Xi · ∆Xi+1 = −F (Xi )
La fórmula anterior representa un sistema de ecuaciones lineales que puede resolverse por
cualquiera de los métodos vistos en el Capı́tulo 4.
130
Solución:
f1 (x1 , x2 ) = −20x1 + x2 2 + 19 = 0
1. El sistema se reformula como:
f2 (x1 , x2 ) = x1 2 − 20x2 + 19 = 0
Iteración 1:
−20 2.2 δ1 1.79
· =
2.2 −20 δ2 1.79
δ1 −0.1005617978
∆X1 = =
δ2 −0.1005617978
x01 + δ1 0.9994382022
Ası́ ∆X1 = X1 − X0 luego X1 = X0 + ∆X1 = =
x02 + δ2 0.9994382022
y e1 = kX1 − X0 k∞ = 0.1005617978 >
131
Iteración 2:
−20 1.998876404
Se formula ahora JF |X1 ∆X2 = −F (X1 ) con JF |X1 =
1.998876404 −20
−20 1.9988764 δ1 −0.01011268
· =
1.9988764 −20 δ2 −0.01011268
δ1 0.00056178004881
∆X2 = =
δ2 0.00056178004881
x11 + δ1 0.9999999827
∆X2 = X2 − X1 luego X2 = X1 + ∆X2 = =
x12 + δ2 0.9999999827
y e2 = kX2 − X1 k∞ = 0.0005617805 <
132