[Link] Método de Newton. — Cap.

XXII

CAPITULO XXII. METODO DE NEWTON

1. INTRODUCCION Y METODO

Aún cuando el problema presentado en el ejemplo 2 del Capı́tulo XXI puede transfor-
marse fácilmente en un formato convergente de punto fijo, esto no sucede frecuentemente.
En este capı́tulo consideraremos un procedimiento algorı́tmico que puede usarse para
realizar la transformación para un problema general.
Ası́ como en el Capı́tulo IX hemos introducido el método de Newton-Raphson para
la resolución del problema de la búsqueda de raı́ces de la ecuación f (x) = 0 usando un
enfoque intuitivo basado en el polinomio de Taylor, aquı́ también usaremos este proced-
imiento para introducir el método.
La forma general de un sistema de ecuaciones no lineales es:

f1 (x1 , x2 , . . . , xn ) = 0 ,
f2 (x1 , x2 , . . . , xn ) = 0 ,
(XXII.1)
... ... ...
fn (x1 , x2 , . . . , xn ) = 0 .

Usando notación vectorial, el sistema (XXII.1) asume la forma:

F(x) = 0 . (XXII.2)

Resolveremos el sistema (XXII.2) por el método de aproximaciones sucesivas. Supon-

(k) (k) (k)
gamos que hemos hallado la aproximación k-ésima, x(k) = (x1 , x2 , . . . , xn )t , de una
de las raı́ces separadas x = (x1 , x2 , . . . , xn ) de la ecuación vectorial (XXII.2). La raı́z
exacta de (XXII.2) puede representarse entonces como

x = x(k) + ε(k) , (XXII.3)

(k) (k) (k)

donde ε(k) = (ε1 , ε2 , . . . , εn )t es la corrección (error de la raı́z).
Sustituyendo (XXII.3) en (XXII.2), tenemos

F(x(k) + ε(k) ) = 0 . (XXII.4)

Suponiendo que la función F(x) es continuamente diferenciable en un cierto dominio

convexo que contiene a x y x(k) , desarrollemos el primer miembro de la ecuación (XXII.4)
en potencias del pequeño vector ε(k) limitándonos a los términos lineales,

F(x(k) + ε(k) ) = F(x(k) ) + F0 (x(k) ) ε(k) = 0 . (XXII.5)

De la fórmula (XXII.5) se deduce que la derivada F0 (x) ha de ser considerada como

la matriz Jacobiana, J(x), del conjunto de funciones f1 , f2 , . . . , fn con respecto a las

297
[Link] Método de Newton. — Cap. XXII

variables x1 , x2 , . . . , xn ; esto es,

 ∂f1 (x) ∂f1 (x) ∂f1 (x)

∂x1 ∂x2 ... ∂xn
 
 ∂f (x) 
 2 ∂f2 (x)
... 
∂f2 (x)
¡ ∂fi ¢  ∂x1 ∂x2 ∂xn 
J(x) = F0 (x) = =


 (XXII.6)
∂xj  ...
 ... ... ... 

 
∂fn (x) ∂fn (x) ∂fn (x)
∂x1 ∂x2 ... ∂xn

(i, j = 1, 2, . . . , n).
(k)
El sistema (XXII.5) es un sistema lineal en las correcciones εi (i = 1, 2, . . . , n)
con la matriz J(x(k) ), y de aquı́ que la fórmula (XXII.5) pueda escribirse como:

F(x(k) ) + J(x(k) ) ε(k) = 0 ,

de donde, dando por supuesto que la matriz J(x(k) ) es no singular, tenemos

ε(k) = −J −1 (x(k) ) F(x(k) ) .

En consecuencia
x(k+1) = x(k) − J −1 (x(k) ) F(x(k) ) , (XXII.7)

(k = 0, 1, 2, . . .). Para la aproximación de orden cero x(0) podemos tomar un valor

aproximado de la raı́z deseada.
Ejemplo 1.
Usamos el método de Newton, con aproximación inicial x0 = y0 = z0 = 0.5, para
aproximar la solución positiva del sistema de ecuaciones

x2 + y 2 + z 2 = 1 ,
2 x2 + y 2 − 4 z = 0 ,
3 x2 − 4 y + z 2 = 0 .

Tenemos:  
x2 + y 2 + z 2 − 1
F(x) =  2 x2 + y 2 − 4 z 
3 x2 − 4 y + z 2
de donde    
0.25 + 0.25 + 0.25 − 1 −0.25
F(x(0) ) =  0.50 + 0.25 − 2.00  =  −1.25  .
0.75 − 2.00 + 0.25 −1.00
Calculemos ahora la matriz Jacobiana:
 ∂f1 (x) ∂f1 (x) ∂f1 (x)
  
∂x1 ∂x2 ∂x3 2x 2y 2z
  
J(x) = F0 (x) =  ∂f2 (x)
∂x1
∂f2 (x)
∂x2
∂f2 (x)
∂x3  = 4x 2y −4  .
∂f3 (x) ∂f3 (x) ∂f3 (x) 6 x −4 2z
∂x1 ∂x2 ∂x3

298
[Link] Método de Newton. — Cap. XXII

Por consiguiente tenemos  

1 1 1
(0) 
J(x ) = 2 1 −4  ,
3 −4 1
y
∆ = detJ(x(0) ) = −40.0 .
De este modo sabemos ya que la matriz J(x(0) ) es no singular. Calculemos la inversa
 
−15 −5 −5
1 
J −1 (x(0) ) = −14 −2 6  .
∆
−11 7 −1

Utilizando la fórmula (XXII.7), obtendremos la primera aproximación:

x(1) = x(0) − J −1 (x(0) ) F(x(0) ) =

     
0.5 −15 −5 −5 −0.25
1 
=  0.5  + −14 −2 6   −1.25  =
40
0.5 −11 7 −1 −1.00
     
0.5 0.375 0.875
=  
0.5 +  0.0  =  0.50  .
0.5 −0.125 0.375

Para calcular la segunda aproximación x(2) , calculemos previamente:

   
0.8752 + 0.52 + 0.3752 − 1 0.15625
F(x(1) ) =  2 0.8752 + 0.52 − 4 0.375  =  0.28125  ,
3 0.8752 − 4 0.5 + 0.3752 0.43750
y  
1.75 1 0.75
J(x(1) ) =  3.50 1 −4  .
5.25 −4 0.75
Por consiguiente
∆ = detJ(x(1) ) = −64.75 ,
y  
−15.25 −3.75 −4.75
1 
−1 (1)
J (x ) = −23.625 −2.625 9.625  .
∆
−19.25 12.25 −1.75
Utilizando la fórmula (XXII.7), obtendremos la segunda aproximación:

x(2) = x(1) − J −1 (x(1) ) F(x(1) ) =

     
0.875 −15.25 −3.75 −4.75 0.15625
1
=  0.50  +  −23.625 −2.625 9.625   0.28125  =
64.75
0.375 −19.25 12.25 −1.75 0.43750
     
0.875 0.08519 0.78981
=  0.50  −  0.00338  =  0.49662  .
0.375 0.00507 0.36993

299
[Link] Método de Newton. — Cap. XXII

Las aproximaciones siguientes se hallan análogamente:

   
0.78521 0.00001
x(3) =  0.49662  y F(x(3) ) =  0.00004  ,
0.36992 0.00005

y ası́ sucesivamente. Finalizando con la tercera aproximación, tenemos:

x = 0.78521, y = 0.49662, z = 0.36992 .

Ejemplo 2.
Queremos aproximar las soluciones positivas del sistema de ecuaciones no lineales
dado por
x1 + 3 log10 x1 − x22 = 0 ,
2 x21 − x1 x2 − 5 x1 + 1 = 0 .
Las curvas definidas en el sistema dado se cortan aproximadamente en los puntos
M1 (1.4, −1.5) y M2 (3.4, 2.2). Comenzando con la aproximación inicial x(0) = (3.4, 2.2)t
calculemos las segundas aproximaciones de la raı́z, efectuando los cálculos con cinco digı́tos
significativos. Tenemos:
µ ¶ µ ¶
(0) 3.4 + 3 log10 3.4 − 2.22 0.15440
F(x ) = = .
2 3.42 − 3.4 2.2 − 5 3.4 + 1 −0.36000

Calculemos ahora la matriz Jacobiana:

à ! µ ¶
∂f1 (x) ∂f1 (x)
0 ∂x1 ∂x2 1 + 3xM −2 x2
J(x) = F (x) = = 1 ,
∂f2 (x) ∂f2 (x) 4 x1 − x2 − 5 −x1
∂x1 ∂x2

donde M = 0.43429; por consiguiente

µ ¶ µ ¶
(0) 1 + 3 0.43429 −2 2.2 1.3832 −4.4
J(x ) = 3.4 = ,
4 3.4 − 2.2 − 5 −3.4 6.4 −3.4
y
∆ = detJ(x(0) ) = 23.457 .

De este modo, la matriz J(x(0) ) es no singular. Calculemos la inversa

µ ¶
−1 (0) 1 −3.4 4.4
J (x ) = .
∆ −6.4 1.3832

Utilizando la fórmula (XXII.7), obtendremos:

x(1) = x(0) − J −1 (x(0) ) F(x(0) ) =

µ ¶ µ ¶ µ ¶
3.4 1 −3.4 4.4 0.1544
= − =
2.2 23.457 −6.4 1.3832 −0.3600
µ ¶ µ ¶ µ ¶
3.4 0.089909 3.4899
= + = .
2.2 0.063354 2.2634

300
[Link] Método de Newton. — Cap. XXII

Las aproximaciones siguientes se hallan de forma análoga; los resultados se dan en la

tabla siguiente:
Tabla 1

(k) (k)
k x1 ε1 = ∆x1 x2 ε2 = ∆x2
0 3.4 +0.089909 2.2 +0.063354
1 3.4899 −0.0008 2.2634 −0.0012
2 3.4891 −0.0016 2.2621 −0.0005
3 3.4875 2.2616

Finalizando con la aproximación x(3) , tenemos

x1 = 3.4875, x2 = 2.2616 y F(x(3) ) = (0.0002, 0.0)t .

Además del enfoque intuitivo basado en el polinomio de Taylor, para construir el

algoritmo que nos llevó a un método apropiado de punto fijo en el caso unidimensional,
en el Capı́tulo X, tratamos de encontrar una función φ con la propiedad de que

g(x) = x − φ(x) f (x) , (XXII.8)

dando convergencia cuadrática al punto fijo p de g. De esta condición surgió el método

de Newton, escogiendo φ(x) = 1/f 0 (x).
Usando un enfoque similar para el caso n−dimensional, es necesaria una matriz
 
a11 (x) a12 (x) . . . a1n (x)
 a (x) a22 (x) . . . a2n (x) 
A(x) =  21  (XXII.9)
... ... ... ...
an1 (x) an2 (x) . . . ann (x)

donde cada una de las componentes aij (x) sea una función de Rn a R. El procedimiento
requiere encontrar una matriz A(x) tal que

G(x) = x − A(x)−1 F(x) , (XXII.10)

dé convergencia cuadrática a la solución de F(x) = 0, siempre que, desde luego, A(x) sea
no singular en el punto fijo de G. El siguiente Teorema verifica que este enfoque puede
usarse para justificar la elección de A.
Teorema XXII.1
Supóngase que p es una solución de G(x) = x, para alguna función G = (g1 , g2 , . . .,
gn ) , que manda a Rn en Rn . Si existe un número δ > 0 con la propiedad de que
t

i) ∂gi /∂xj es continua en Nδ = {x | ||x − p|| < δ} para cada i = 1, 2, . . . , n y

j = 1, 2, . . . , n,
ii) ∂ 2 gi (x)/(∂xj ∂xk ) es continua y |∂ 2 gi (x)/(∂xj ∂xk )| ≤ M para alguna constante M ,
siempre que x ∈ Nδ para cada i = 1, 2, . . . , n, j = 1, 2, . . . , n y k = 1, 2, . . . , n,

301
[Link] Método de Newton. — Cap. XXII

iii) ∂gi (p)/∂xj = 0 para cada i = 1, 2, . . . , n y j = 1, 2, . . . , n.

Entonces existe un número δ̃ ≤ δ tal que la sucesión generada por x(k) = G(x(k−1) )
converge cuadráticamente a p para cualquier x(0) siempre que ||x(0) − p|| < δ̃. Además,

n2 M
||x(k) − p||∞ ≤ ||x(k−1) − p||2∞ para cada k ≥ 1 .
2

Este Teorema es extensión del Teorema X.1 y su demostración requiere que se pueda
expresar G en términos de su serie de Taylor en n variables alrededor del punto p.
Para utilizar el Teorema XXII.1, supongamos que A(x) es una matriz n × n de
funciones de Rn a R en la forma de la ecuación (XXII.8), donde las componentes
especı́ficas se escogerán más adelante. Supongamos además, que A(x) es no singular
cerca de una solución p de F(x) = 0 y denotemos por bij (x) a la componente de A(x)−1
en el i−ésima fila y en la j−ésima columna. Como G(x) = x − A(x)−1 F(x),
n
X
gi (x) = xi − bij (x) fj (x) ;
j=1

ası́ que 
 P
n
∂fj (x) ∂bij (x)

 1 − bij (x) ∂xk + ∂xk fj (x) , si k = i ;
∂gi (x) j=1
= Pn
∂xk 
 ∂fj (x) ∂bij (x)
 − bij (x) ∂xk + ∂xk fj (x) , si k 6= i .
j=1

El Teorema XXII.1 implica que necesitamos tener ∂gi (p)/∂xk = 0 para cada i = 1, 2, . . . , n
y k = 1, 2, . . . , n. Esto significa que para k = i,
n
X ∂fj (p)
0=1− bij (p) ,
j=1
∂xi

con lo que
n
X ∂fj (p)
bij (p) =1, (XXII.11)
j=1
∂xi

y cuando k 6= i,
n
X ∂fj (p)
0=− bij (p) ,
j=1
∂xk

con lo que
n
X ∂fj (p)
bij (p) =0. (XXII.12)
j=1
∂xk

Usando la matriz Jacobiana J(x), vemos que las condiciones (XXII.11) y (XXII.12)
requieren que
A(p)−1 J(p) = I ,

302
[Link] Método de Newton. — Cap. XXII

y por lo tanto
A(p) = J(p) .

Una elección apropiada para A(x) es consecuentemente A(x) = J(x), ya que la condición
(iii) del Teorema XXII.1 se satisface con esta elección.
La función G se define como

G(x) = x − J(x)−1 F(x) ,

y el procedimiento de iteración funcional surge de seleccionar x(0) y de generar, para

k ≥ 1,
x(k) = G(x(k−1) ) = x(k−1) − J(x(k−1) )−1 F(x(k−1) ) . (XXII.13)

Este método se llama método de Newton para sistemas no lineales y se espera

que generalmente dé convergencia cuadrática siempre y cuando se conozca un valor inicial
lo suficientemente exacto y que J(p)−1 exista.

2. ALGORITMO Y EJEMPLOS

Una debilidad clara del procedimiento del método de Newton surge de la necesidad
de invertir la matriz J(x) en cada paso. En la práctica, el método se realiza generalmente
en una forma de dos pasos. Primero, se encuentra un vector y que satisfaga

J(x(k) ) y = −F(x(k) ) .

Después de que se ha logrado esto, la nueva aproximación x(k+1) se puede obtener

sumando y a x(k) ; es decir,
x(k+1) = x(k) + y .

El siguiente algoritmo usa este procedimiento de dos pasos.

Algoritmo del método de Newton para sistemas no lineales.
==================================================
Para aproximar una solución del sistema no lineal F(x) = 0, dada una aproximación
inicial x:
Entrada: número n de ecuaciones e incógnitas; aproximación inicial x = (x1 , x2 , . . .,
xn )t ; tolerancia T OL; número máximo de iteraciones N0 ;
Salida: solución aproximada x = (x1 , x2 , . . ., xn )t o mensaje de que el número de
iteraciones fue excedido.
Paso 1: tomar k = 1;
Paso 2: mientras que k ≤ N0 seguir pasos 3–7;
Paso 3: calcular F(x) y J(x), donde (J(x))ij = (∂fi (x)/∂xj ) para 1 ≤ i, j ≤
n;
Paso 4: resolver el sistema lineal de J(x) y = −F(x);
Paso 5: tomar x = x + y;

303
[Link] Método de Newton. — Cap. XXII

Paso 6: si ||y|| < T OL entonces SALIDA (x = (x1 , x2 , . . . , xn )t );

(procedimiento completado satisfactoriamente) PARAR;
Paso 7: tomar k = k + 1;
Paso 8: SALIDA (0 Número máximo N0 de iteraciones excedido, N0 = 0 , N0 );
PARAR.
==================================================
Ejemplo 3.
Consideremos el sistema no lineal dado por

1
3 x1 − cos(x2 x3 ) − =0,
2
x21 − 81 (x2 + 0.1)2 + sin x3 + 1.06 = 0 ,
10π − 3
e−x1 x2 + 20 x3 + =0.
3
En el ejemplo 2 del capı́tulo XXI se demostró que este sistema no lineal tenı́a una solución
aproximada en (0.5, 0, −0.52359877)t . Se usará el método de Newton para obtener esta
aproximación cuando la aproximación inicial es x(0) = (0.1, 0.1, −0.1)t .
La matriz Jacobiana J(x) para este sistema está dada por
 
3 x3 sin(x2 x3 ) x2 sin(x2 x3 )
J(x) =  2 x1 −162 (x2 + 0.1) cos x3  ,
−x2 e−x1 x2 −x1 e −x1 x2
20

y    (k−1)   (k−1) 
(k)
x1 x y
 (k)   1(k−1)   1(k−1) 
 x2  =  x2  +  y2  ,
(k) (k−1) (k−1)
x3 x3 y3
donde
 (k−1)

y1
 (k−1)  (k−1) (k−1) (k−1) −1 (k−1) (k−1) (k−1)
 y2  = −[J(x1 , x2 , x3 )] F(x1 , x2 , x3 ).
(k−1)
y3

Por lo tanto, en el k−ésimo paso, se debe resolver el sistema lineal

 (k−1) (k−1) (k−1) (k−1) (k−1) (k−1)

3 x3 sin(x2 x3 ) x2 sin(x2 x3 )
 (k−1) (k−1) (k−1) 
 2 x1 −162 (x2 + 0.1) cos x3 ×
(k−1) −x(k−1) x(k−1) (k−1) −x(k−1) x(k−1)
−x2 e 1 2 −x1 e 1 2 20
(k) (k−1)
  (k−1) (k−1) (k−1)

x1 − x1 3 x1 − cos(x2 x3 ) − 12
 (k−1)   (k−1) 2 
×  x(k)
2 − x2  = −  (x1 ) − 81 (x2
(k−1)
+ 0.1)2 + sin x3
(k−1)
+ 1.06  .
(k) (k−1) (k−1) (k−1) (k−1)
x3 − x3 e−x1 x2
+ 20 x3 + 10π−3
3
Los resultados obtenidos usando este procedimiento iterativo se muestran en la tabla
siguiente:

304
[Link] Método de Newton. — Cap. XXII

Tabla 2

(k) (k) (k)

k x1 x2 x3 ||x(k) − x(k−1) ||∞
0 0.10000000 0.10000000 −0.10000000 —
1 0.50003702 0.01946686 −0.52152047 0.422
2 0.50004593 0.00158859 −0.52355711 1.79 × 10−2
3 0.50000034 0.00001244 −0.52359845 1.58 × 10−3
4 0.50000000 0.00000004 −0.52359877 1.24 × 10−5
5 0.50000000 0.00000000 −0.52359877 0

Nótese que la convergencia del método de Newton se hace muy rápida una vez que
estamos cerca de la solución p. Esto ilustra la convergencia cuadrática del método cerca
de la solución.

305
[Link] Método de Newton. — Cap. XXII

EJERCICIOS.

1. Encontrar una solución a los siguientes sistemas no lineales usando el método

de Newton, y calcular la cota de error dada en el Teorema XXII.1. Iterar
hasta que ||x(i) − x(i−1) ||∞ < 10−5 .

(a) x21 − 10 x1 + x22 + 8 = 0 ,

x1 x22 + x1 − 10 x2 + 8 = 0 .

(b) 3 x21 − x22 = 0 ,

3 x1 x22 − x31 − 1 = 0 .

Comparar la convergencia con la de los ejercicios 1 y 2 del Capı́tulo XXI.

2. Encontrar una solución a los siguientes sistemas no lineales usando el método
de Newton, y calcular la cota de error dada en el Teorema XXII.1. Iterar
hasta que ||x(i) − x(i−1) ||∞ < 10−5 .

(a) x21 + x2 − 37 = 0 ,
x1 − x22 − 5 = 0 ,
x1 + x2 + x3 − 3 = 0 .

(b) 12 x1 − 3 x22 − 4 x3 = 7.17 ,

x21 + 10 x2 − x3 = 11.54 ,
x32 + 7 x3 = 7.631 .

3. Encontrar una solución diferente de (1, 1, 1)t a los siguientes sistemas no

lineales usando el método de Newton, y calcular la cota de error dada en el
Teorema XXII.1. Iterar hasta que ||x(i) − x(i−1) ||∞ < 10−5 .

(a) 2 x1 + x2 + x3 + x4 − 5 = 0 ,
x1 + 2 x2 + x3 + x4 − 5 = 0 ,
x1 + x2 + 2 x3 + x4 − 5 = 0 ,
x1 x2 x3 x4 − 1 = 0 .

(b) 2 x1 + x2 + x3 − 4 = 0 ,
x1 + 2 x2 + x3 − 4 = 0 ,
x1 x2 x3 − 1 = 0 .

306