Emal CA 2010 Sergio Plaza

Introduccion a los sistemas
dinamicos a traves del metodo de

Newton
Sergio Plaza1
Departamento de Matematica, Facultad de Ciencias, Universidad de Santiago de

Chile, Casilla 307Correo 2. Santiago, Chile. e-mail: sergio.plaza@usach.cl.
http://fermat.usach.cl/dinamicos/SPlaza.html. Parcialmente Financiado por Proyecto Fondecyt # 1095025
Sergio Plaza
Prefacio
Cuando el Profesor Rafeal Labarca me propuso hacer un curso introductorio de
Sistema Dinamicos para la EMALCA, a realizarse en Quito, Ecuador en Octubre
de 2010, el problema surgio de inmediato. Hacer lo tradicional, imitando los
muchos textos existentes sobre el tema, o hacer como Lorenzo Daz y Danielle
de Rezend, PUC, Rio de Janeiro, Brasil, en su libro Uma introduca o aos sistemas dinamicos va fraco es continuas, 26 Coloquio Brasileiro de Matematica,
Publicaco es Matematicas, IMPA, 2007, es decir, usar una aplicacion no tradicional
y a partir del estudio de ella, ir introduciendo los conceptos basicos de Sistemas
Dinamicos a medida que ellos son requeridos. Seguire esta u ltima idea.
Por lo tanto, en estas notas nuestra intencion, es introducir una buena parte de los
conceptos basicos en sistemas dinamicos discretos, usando como hilo conductor el
clasico metodo de Newton para aproximar races de ecuaciones no lineales, esto,
segun mi apreciacion por dos razones: (1) todas las nociones basicas de sistemas
dinamicos discretos aparecen en el estudio de este metodo, y (2) por su utilidad
practica para aproximar races de ecuaciones no lineales.
Cabe notar que el material tratado en estas notas tienen interseccion no vaca y
de medida no nula con el libro Estudio dinamico del metodo de Newton para
resolver ecuaciones no lineales, J. M. Gutierrez y S. Plaza ([19]).
La mayora de las figuras del texto fueron generadas por los programas de Mathematica de los Profesores Juan Luis Varona ([51]) y Markus McClure ([29]).
Agradezco al Prof. Rafael Labarca y al Comite Organizador de la EMALCA
Ecuador2010 por la invitacion a dictar este cursillo.
Dedico este trabajo a mi esposa Veronica, a mi hija Scarlett y a mi hijo Daniel,

por el tiempo que no les dedique para escribir estas notas, y de manera especial
dedico este trabajo a la memoria de mi padre y de mi hermano, con los cuales me
falto mucho tiempo para compartir.
ii
Prefacio
Contenidos
1 El metodo de Newton
1.1
Un poco de historia . . . . . . . . . . . . . . . . . . . . . . . . .
El metodo de Newton en R . . . . . . . . . . . . . . . . .
1.2
Conducta local del metodo de Newton . . . . . . . . . . . . . . .
11
1.3
Algunos ejemplos clasicos . . . . . . . . . . . . . . . . . . . . .
13
1.4
Resolviendo con el metodo de Newton una ecuacion que no tiene

races reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
1.1.1
2 Dinamica y Metodo de Newton
21
2.1
Conjugacion Topologica . . . . . . . . . . . . . . . . . . . . . .
22
2.2
Ecuaciones cuadraticas: revisitadas . . . . . . . . . . . . . . . . .
23
2.3
Conducta global del metodo de Newton . . . . . . . . . . . . . .
24
2.4
Propiedades basicas de la funcion de iteracion de Newton . . . . .
27
2.5
No convergencia de Nf : indefinicion de las iteraciones . . . . . .
31
2.6
No convergencia de Nfk : existencia de o rbitas periodicas atractoras
39
3 Dinamica de la aplicacion de Newton para polinomios cuadraticos y
cubicos
43
iii
Sergio Plaza
4 Descripcion de cuencas de atraccion en el metodo de Newton

4.1
Cuencas de atraccion . . . . . . . . . . . . . . . . . . . . . . . .
5 Caos en el metodo de Newton
47
48
55
5.1
Metodo de Newton y aplicacion logstica . . . . . . . . . . . . . .
55
5.2
Metodo de Newton y aplicacion duplicacion de a ngulo . . . . . .
58
5.3
Polinomios cubicos . . . . . . . . . . . . . . . . . . . . . . . . .
60
6 Ciclos en el metodo de Newton
61
7 Bifurcaciones en el metodo de Newton
69
8 Metodos de Newton en el plano complejo
77
8.1
Algoritmos generalmente convergentes: limitacion algoritmica de

iteraciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
88
Prefacio
Captulo 1
El metodo de Newton
Es este captulo estudiaremos el metodo de Newton para encontrar aproximaciones
de soluciones de ecuaciones no lineales en R, en otras palabras, consideramos una
funcion f : R R, y queremos encontrar los valores de x R, tales que
f (x) = 0
(1.1)
una solucion de la ecuacion (1.1) es llamada un cero o raz de f . Este es uno

de los problemas mas antiguos, y quizas, uno de los mas estudiados. Por ejemplo,
los antiguos babilonios utilizaban la sucesion de aproximaciones, que en notacion
actual, es dadas por

1
xn +
xn+1 =
(1.2)
2
xn
para aproximar a la raz de la ecuacion x2 = 0, donde siempre se consideraba
> 0 y se procuraba aproximar la raz positiva de .
1.1 Un poco de historia

Como Newton resolva ecuaciones? Consideremos
x3 2x 5 = 0
3
(1.3)
El metodo de Newton
Newton argumentaba de la siguiente manera:

Por tanteo, se ve por simple impeccion que la solucion esta cerca de 2.
Haciendo x = 2 + y sustituyendo en la ecuacion (1.3) se obtiene
3 + 62 + 10 1 = 0.
(1.4)
Ignorando los terminos 3 + 62 bajo el pretexto de que es pequeno,

se llega a que 10 1 0 o = 0.1. En consecuencia, x = 2.1 es
una mejor aproximacion de la solucion que la inicial.
Haciendo ahora = 0.1 + y sustituyendo en (1.3) se sigue que
3 + 6.3 2 + 11.23 + 0.061 = 0.
Ignorando de nuevo los terminos en de grado mayor o igual que dos,
se llega a que 0.054 y, por tanto, x = 2.046 es una aproximacion que mejora las anteriores. Newton indicaba que el proceso se
puede repetir las veces que sean necesarias.
La idea de Newton consiste en anadir un termino corrector a una aproximacion
inicial dada. Para obtener el termino corrector, lo que hace es truncar el binomio
de Newton en el segundo termino, y obtiene expresiones del tipo
(a + )n an + nan1 .
De esta manera, para obtener el valor aproximado de , simplemente hay que resolver una ecuacion lineal.
Con la notacion actual y llamando p(x) = x3 2x 5, tenemos que la nueva
aproximacion es
1
p(2)
=2+
= 2.1,
2
p (2)
10
que se corresponde con la conocida formulacion del metodo de Newton (1.6)
cuando f (x) es el polinomio p(x) anterior. No se tiene constancia de que Newton
usara el calculo diferencial ni de que expresara el proceso como un metodo iterativo en el sentido de que una aproximacion pueda ser considerada como punto
Sergio Plaza
de partida de la siguiente. Ademas, Newton usaba su metodo solo para resolver

ecuaciones polinomicas. Por lo tanto, la idea que Newton tena de su metodo dista
bastante de la que tenemos hoy en da.
La idea de iteracion se atribuye (veanse, por ejemplo, [10] y [53]) a Joseph Raphson (16481715), quien ademas simplifica el aspecto operacional de la tecnica de
Newton. En 1690 publica un tratado, Analysis Aequationum Universalis, en el que
se dan formulas explcitas para el termino corrector para algunos casos particulares
de ecuaciones. En concreto, calcula los terminos correctores para las ecuaciones
x3 r = 0 y x3 px q = 0 que son, respectivamente,
r x30
3x20
siendo x0 la aproximacion inicial.
q + px0 x30
,
3x20 p
Raphson publico su obra 46 anos antes que el Metodo de las fluxiones de

Newton. La contribucion de Raphson ha sido tenida en cuenta historicamente, no
en vano muchos autores denominan el proceso como metodo de Newton-Raphson.
La incorporacion del calculo diferencial se debe a Thomas Simpson (1710
1761). Como se puede ver en [53], Simpson, en su obra phEssays on Mathematics,
publicada en 1740, establecio el metodo tal y como lo conocemos actualmente,
salvo aspectos notacionales. Ademas, Simpson extendio el proceso a funciones
cualesquiera, no solamente polinomios.
La primera vez que aparece la discusion de la convergencia del metodo de Newton es en 1768, en el phTraite de la resolution des e quations en general de Jean
Raymond Mourraille (17201808). A pesar de contener ideas novedosas, la mayor
parte del trabajo de Mourraille paso inadvertido. Joseph-Louis Lagrange (1736
1813), en su phTraite de la resolution des e quations numeriques de tous les degres
publicado en 1808 [18], afirma que el metodo atribuido a Newton es el que se emplea habitualmente para resolver ecuaciones numericas. Ahora bien, advierte que
este metodo solo se puede usar para ecuaciones que estan ya casi resueltas en
el sentido de que para aplicarlo se necesita una buena aproximacion de la solucion.
Ademas, plantea dudas sobre la exactitud de cada nueva iteracion y observa que
el metodo puede tener problemas para el caso de races multiples o muy proximas
entre s. Jean Baptiste Joseph Fourier (17681830) fue el primero en analizar la
El metodo de Newton
velocidad de convergencia del metodo de Newton en una nota titulada phQuestion

danalyse algebraique (1818) [18]. En este trabajo, Fourier expresa el metodo con
la notacion actual (1.6) y lo bautiza como phla methode newtonienne, haciendo
referencia explcita a las obras de Newton, Raphson y Lagrange. Quizas, Fourier
es el causante de la falta de reconocimiento para el trabajo de Simpson.
El siguiente matematico importante en estudiar el metodo de Newton fue Augustin Louis Cauchy (17891857), quien estudio este tema desde 1821, pero no
dio una formulacion satisfactoria hasta la publicacion de las phLecons sur le Calcul differentiel en 1829 [18]. Cauchy da condiciones, en terminos de las derivadas
f y f , para asegurar que el metodo de Newton es convergente a una solucion
de la ecuacion (1.1) para todo punto de partida x0 perteneciente a un intervalo
determinado. Lo que Cauchy estaba buscando son, por tanto, resultados de convergencia global para el metodo de Newton; es decir, caracterizar los conjuntos
B() R para los que
lim xn = , con x0 B(),
el conjunto B() es llamado cuenca de atraccion o region de convergencia de la

raz .
Aunque la mayora del trabajo de Cauchy se centra en el campo real, al final
del mismo dedica un apartado al estudio de races complejas. Pero el estudio
del metodo de Newton para aproximar las soluciones complejas de una ecuacion
encerraba ciertas sorpresas.
Arthur Cayley, quien en 1879 planteo el problema de caracterizar las regiones
B() del plano complejo para las cuales el metodo de Newton converge a la raz
si x0 B(). En concreto, Cayley comenzo estudiando el problema de caracterizar las cuencas de atraccion para el caso de un polinomio de segundo grado con
dos races distintas:
p(z) = (z )(z ), con 6= , , C.
Comprobo que las cuencas de atraccion de las dos races estaban formadas por los
semiplanos en los que queda dividido el plano complejo por la recta equidistante
de las dos races (la mediatriz del segmento de extremos y ). Si tomamos un
Sergio Plaza
punto de partida en la mediatriz, el metodo de Newton proporciona una sucesion de

puntos en la propia mediatriz sin ningun orden aparente, apareciendo as un comportamiento caotico. Pero el problema se complica sobremanera cuando se pasa
de un polinomio de segundo grado a uno de tercer grado. En palabras del propio
Cayley: el caso de las ecuaciones cubicas parece que presenta considerables
dificultades. Parece ser que Cayley continuo trabajando, sin e xito, en este problema. Once anos despues, en 1890, vuelve a escribir: Espero poder aplicar esta
teora al caso de una ecuacion cubica, pero los calculos son mucho mas difciles.
Aunque, casi en todas la citaciones del problema anterior, aparece el nombre de
Cayley, antes que e l, E. Schroder (1870) estudio el problema de la convergencia
para el metodo de Newton aplicado al polinomio cuadratico. De hecho la solucion
de Schroder es mucho mas interesante que la de Cayley, pues utiliza el concepto de
conjugacion entre funciones. Ademas, propone una cantidad inifnita de algoritmos
iterativos para aproximar races, siendo la siguiente familia la mas conocida,
Sm,p (z) = z +
m1
X
k=1
(1)k hp,k (z)

(p(z))k .
k! (p (z))2k1
(1.5)
donde h1 (z) = 1 y hk+1 (z) = hk (z)p (z) (2k 1)hk (z)p (z) , para k =
1, 2, . . . .
Por ejemplo, para p = 3 y p = 4, tenemos
S3,p (z) = z
p(z)
p (z) (p(z))2
p (z)
2 (p (z))3
y
p(z)
p (z) (g(z))2
S4,p (z) = z
p (z)
2 (p (z))3

1 2 1
p (z) p (z)p (z) (p(z))3

2
6
.
(p (z))5
Note que S2,p = Np .
El metodo de Newton
1.1.1 El metodo de Newton en R

En lo que sigue consideramos funciones reales de variable real, derivables tantas
veces cuanto sea necesario.
A continuacion deduciremos el metodo de Newton en forma geometrica, que es
una de las formas mas comunes de obtenerlo. Sea f : R R , de clase C r ,
r > 1.
Geometricamente, la formula de iteracion de Newton es obtenida como sigue:
Sea x0 R . Substituimos f por su aproximacion lineal, Lx0 (f )(x) = f (x0 ) +
f (x0 )(x x0 ) , y buscamos la solucion de la ecuacion Lx0 (f )(x) = 0 . Si
f (x0 ) 6= 0 , obtenemos el punto
x1 = x0
f (x0 )
,
f (x0 )
esto es, dada una condicion inicial, x0 , dibujamos la recta tangente al grafico de
f en el punto (x0 , f (x0 )) y buscamos la interseccion de esta recta con el eje x.
Obtenemos as el punto x1 = Nf (x0 ). Enseguida si f (x1 ) 6= 0 , repetimos el
proceso anterior a partir de la condicion inicial x1 , y as sucesivamente.
..........
..
..
..
..
.
....
....
.. ..
.
....
.
.
...
... ...
....
.
.
.
.
.....
....
..
.
......
....
.......
.
...
.
....
.. ......
..
......
.
.
.
....
.
.......
.
...
....
.
.
.
.
.
.
.
..
....
.... ....
.
.
.
.
.
....
.... .....
.
.
...
.
. ..
.
.
.
....
.
..
....... .....
.
.
.
....
.
.
.
raz buscada ............. .. ....
...
....
.
.
.
.
.
.
.
.
.
.
....
..... ... ......
.
.
.
.
.
.
.
................................................................................................................................................................................................................................... ............................................................................................................................
..
.. ...
.
.
.
.
.
.
..
.
x2 x1
x0
................................
..
..
..
..
..
..
..
..
..
Sergio Plaza
De este modo obtenemos una sucesion de iterados (xn )nN , donde

f (xn )
,
f (xn )
xn+1 = xn
si f (xn ) 6= 0 . Si la condicion inicial x0 es elegida en forma conveniente, la

sucesion (xn )nN converge rapidamente a una raz de la ecuacion f (x) = 0 .
Resumiendo, el metodo de Newton consiste en iterar la funcion
Nf (x) = x
f (x)
,
f (x)
(1.6)
llamada funcion de iteracion de Newton. Dado x0 iterar una funcion consiste en

determinar la sucesion de iterados, (xn )nN , la cual es es definida por
xn = Nfn (x0 ) = (Nf Nf )(x0 ) .
|
{z
}
n veces
Dado x0 , se define su o rbita por la funcion de iteracion de Newton como el

conjunto
orb(x0 ) = {x0 , x1 , . . . , xk , . . .}
(1.7)
donde xj = Nfj (x0 ) y N 0 es la funcion identidad.
Una pregunta que surge de inmediato es: dado x0 , que podemos decir sobre
orb(x0 )?, por ejemplo, para ser mas especifcos nos podemos preguntar cuales
son sus puntos de acumulacion? (si es que tiene algunos), Como se distribuye
este conjunto en la recta?, si la sucesion de iterados xn+1 = Nf (xn ) converge
que podemos decir de lim xn ?, que podemos decir de la cuenca de atraccion de
n
una raz de la ecuacion f (x) = 0?
Decimos que R es una raz simple o cero simple de la ecuacion f (x) = 0
si satisface f () = 0 y f () 6= 0 . En otro caso, decimos que es una raz o
cero multiple de f .
Si en una vecindad de un cero multiple de f podemos escribir f (x) = (x
)m g(x), donde g() 6= 0 y m > 2 es un entero, decimos que es un cero de
multiplicidad m de f . Se puede probar que el entero m no depende de la vecindad
escogida de , y esta unicamente determinado por .
10
El metodo de Newton
Un punto fijo de una funcion F es un punto p tal que F (p) = p. Decimos que
el punto fijo p es atractor, repulsor o indiferente si |F (p)| es, respectivamente,
menor que, mayor que o igual a 1. Un caso especial de punto fijo atractor es
cuando F (p) = 0, el cual llamamos superatractor.
Volviendo al metodo de Newton, tenemos lo siguiente:
Sea un cero de f , entonces es un punto fijo de Nf y reciprocamente. Esto
se ve de inmediato desde la defincion de la funcion de iteracion de Newton. Ahora,
si es un cero simple de f , entonces Nf () = 0 , pues
Nf (x) =
f (x)f (x)
,
(f (x))2
en conclusion, los ceros simples de f son puntos fijos superatractores de Nf .

Por lo tanto si la condicion inicial x0 es elegida suficientemente proxima a , la
sucesion (xn )nN , donde xn = Nfn (x0 ) converge rapidamente a , ya que el
desarrollo de Taylor de Nf alrededor de viene dado por
1
Nf (x) = x + Nf ()(x )2 +
2
La figura siguiente muestra algunas iteraciones del metodo de Newton, aqu se
aprecia el hecho que la convergencia es muy rapida caso la raz sea simple. Este no
ocurre si la raz es multiple, pues como veremos, solo tenemos convergencia lineal,
y enconsecuencia, lenta.
Iteraciones con el metodo de Newton
11
Sergio Plaza
1.2 Conducta local del metodo de Newton

El siguiente teorema sobre la conducta local del metodo de Newton muestra que
ella es muy buena, pero como veremos despues, desde el punto de vista global no
lo es tanto.
Teorema 1.1. Sea f : R R derivable. Si f (x0 ) 6= 0 , definimos h0 =
0)
ff(x
, x = x0 + h0 , J0 = [x1 |h0 |, x1 + |h0 |] y M = supxJ0 |f (x)|. Si
(x
0 ) 1

0 )M
2 (ff (x
on f (x) = 0 tiene una u nica solucion en J0 y
(x ))2 < 1 , entonces la ecuaci
0
el metodo de Newton con condicion inicial x0 converge a dicha solucion.
1)
Demostracion. Sea h1 = ff(x

(x1 ) . Necesitamos estimar h1 , f (x1 ) , y f (x1 ) .
Tenemos |f (x1 )| > |f (x0 )| |f (x0 ) f (x1 )| > |f (x0 )| M |x1 x0 | >
0 )|
|f (x0 )| 12 |f (x0 )| > |f (x
, es decir,
2
|f (x1 )| >
|f (x0 )|
.
2
(1.8)
Ahora estimaremos f (x1 ):

f (x1 ) = f (x0 ) +
x1
f (x)dx
x0

= f (x0 ) [(x1 x)f (x)] xx10 +
= f (x0 ) + (x1 x0 )f (x0 ) +
x1
x0
x1
x0
(x1 x)f (x)dx
(x1 x)f (x)dx
como h0 = x1 x0 y f (x0 )h0 = f (x0 ), se tiene que

Z x1
f (x1 ) =
(x1 x)f (x)dx .
x0
Haciendo el cambio de variables th0 = x1 x . Tenemos dx = h0 dt , y

Z 1
M |h0 |2
2
tdt =
|f (x1 )| 6 M |h0 |
.
2
0
es decir,
|f (x1 )| 6
M |h0 |2
.
2
(1.9)
12
El metodo de Newton
De las desigualdades (1.8) y (1.9), obtenemos

f (x1 ) M |h0 |2

6
|h1 | =
f (x1 )
2

f (x0 )
y de 2 (fM (x
2 < 1 , tenemos
0 ))
luego |h1 | <
|h0 |
2

2

= |h0 |2 M
f (x0 )
f (x0 )

M 1 f (x0 ) 1
1
1

<

f (x0 ) 2 f (x0 ) = 2 f (x0 ) = 2|h0 | ,
f (x0 )
,y

M f (x1 )

(f (x1 ))2 =
6

M f (x1 )
M
=
|h1 |

|f (x1 )| f (x1 )
|f (x1 )|
M
|f (x
|h0 |
1 )| 2

f (x0 )
|h0 |
2
.
6 M
= M
2 |f (x0 )|
(f (x0 ))2
Definamos x2 = x1 + h1 y J1 = [x2 |h1 |, x2 + |h1 |] . Tenemos que J1 J0 ,

y las condiciones del teorema se verifican para x1 , h1 , y J1 . Definimos, induck)
tivamente hk = ff(x
(xk ) , si f (xk ) 6= 0 y xk+1 = xk + hk . Tenemos as que
xk J0 , y (xk )kN es una sucesion convergente, pues la serie h0 + h1 + converge. Ademas, el lmite x = lim xk es una raz de la ecuacion f (x) = 0 , pues
k

lim f (xk ) + f (xk )(xk+1 xk ) = 0 .
k

Observacion. La desigualdad hk+1 6
metodo de Newton.
hk
2
, nos da la convergencia geometrica del
Teorema 1.2. En las condiciones del teorema anterior, el metodo de Newton tiene
2
convergencia cuadratica, esto es, |hk+1 | 6 |f M
(xk )| |hk | .
13
Sergio Plaza
Demostracion. Dividiendo la desigualdad |f (xk+1 )| 6

obtenemos
M |hk |2
2
por |f (xk+1 )| ,
|f (xk+1 |
M |hk |2
2
M |hk |2
6
=
.
|kk+1 | =
|f (xk+1 )|
2
|f (xk )|
|f (xk )|

Ejemplo 1.1. Sea f (x) = x3 2x 5 . Tomando x0 = 2 , tenemos f (x0 ) =
1 , f (x0 ) = 10 , h0 = 0.1 y J0 = [2 , 2.2] , puesto que f (x) = 6x sobre
f (x0 )
J0 el supremo M es 13.2. Como (fM (x
2 = 0.132 < 0.5 < 1 , el teorema
0 ))
garantiza que existe una raz de la ecuacion f (x) = 0 en el intervalo [2 , 2.2], y en
consecuencia el metodo de Newton con condicion inicial x0 = 2 converge a dicha
raz.
1.3
Algunos ejemplos clasicos
Ejemplo 1.2. Races cuadradas

Consideremos el problema de resolver la ecuacion f (x) = x2 a = 0, con
a > 0. Para ello usaremos el metodo de Newton, el cual es dado por
Nf (x) = x
f (x)
f (x)
(1.10)
Es claro que conocemos las soluciones de este problema. Usando la formula

anterior, obtenemos

x2n a
1
a
xn+1 = Nf (xn ) = xn
=
xn +
.
2xn
2
xn
Los babilonios tuvieron esta misma idea, claro esta, sin trabajar con derivada.
1
a
Notemos que Nf (x) =
1 2 , luego Nf (x) = 0 para x = a, es
2
x
decir, la solucion del problema. Como vimos, la propiedad Nf ( a) = 0 hace

que el metodo de Newton converja rapidamente a la solucion cuando elegimos la
condicion inicial x0 en forma conveniente.
14
El metodo de Newton
En general, tenemos
xn+1
a =
1
2
a
xn +
xn
1
(xn a )2
2xn
y llamado a la diferencia xj a el jesimo error en la aproximacion, el cual

denotamos por ej , lo que tenemos entonces es
en+1 =
Si xn
a, nos queda
1 2
e .
2xn n
1
en+1 e2n .
2 a
Esto significa numericamente, que en cada iteracion la cantidad de dgitos significativos se duplica.
1
a
Ahora, graficamente, Nf (x) =
x+
se ve como en la figura abajo
2
x
Grafico de la funcion de iteracion de Newton aplicada a f (x) = x2 a.
En este ejemplo, es claro que considerando x0 > 0, las iteraciones xn+1 =
Nf (xn ) a cuando n, y por otra parte, si x0 < 0, las iteraciones xn+1 =
Nf (xn ) a cuando n, y que para x0 = 0, estas no estan definidas.
15
Sergio Plaza
En conclusion, salvo para x0 = 0, el metodo de Newton, nos producira en este

caso una sucesion xn+1 = Nf (xn ), que converge a la solucion ecuacion f (x) =
x2 a = 0, mas proxima de x0 .
Ejemplo 1.3. Recproco de un numero

Consideremos ahora el problema de encontrar el recproco de un numero no
1
cero, en otras palabras, queremos resolver la ecuacion f (x) = a = 0, claro
x
esta, sin hacer las correspondientes divisiones. En este caso, la funcion de iteracion
de Newton nos queda como sigue
xn+1
1
a
xn
= Nf (xn ) = xn
= xn (2 axn ) ,
1
2
xn
es decir, Nf (x) = x(2 ax),
Grafico de la funcion de iteracion de Newton aplicada a f (x) = 1/x a, con a = 0.5
Ahora, como
xn+1
1
a
= 2xn ax2n

1
a

1
=
2xn +
a

2
1
2
= a xn xn + 2
a
a
ax2n
16
El metodo de Newton

1 2
= a xn
,
a
en otras palabras, en+1 = ae2n , como en el caso anterior. Note que esto no
implica la convergencia de las iteraciones xn+1 = Nf (xn ) a la solucion x =
1/a
de nuestro
problema, para asegurar

la convergencia debemos imponer que

1
1
xn < 1. Llamando e0 = x0 , tenemos lo siguiente

a
a

|e1 | = x1

1
= |a|x0

a

1 2
= |a|e20
a

|e3 | = x3

1
= |a|x2

a

1 2
2
3
= a2 +2+1 e20

a

|e2 | = x2

|e4 | = x4
..
.

1
x1
=
|a|

a

1
= |a|x3

a
n 1
|en | = |a|2

1 2
2
= ae21 = a2+1 e20
a

1 2
3
2
4
= |a|2 +2 +2+1 e20

a
2 .
Luego, si |e0 | < 1, se tiene que en 0 cuando n, pero si |e0 | > 1, vemos
que |en | + .
Desde el grafico de Nf podemos ver que este intersecta al eje X en x = 0, este
es un punto fijo repulsor, y x = 2/a que es un punto fijo atractor. Por lo tanto, la
cuenca de atraccion del punto fijo = 1/a de Nf es el intervalo ]0, 2/a[ . Ademas
las iteraciones de puntos fuera de las cuenca de atraccion convergen a .
17
Sergio Plaza
1.4 Resolviendo con el metodo de Newton una ecuacion

que no tiene races reales
Consideremos el problema de resolver f (x) = 0, para f (x) = x2 + 1, usando el
metodo de Newton, en otras palabras pidamosle al metodo de Newton lo imposible.
Sabemos que esa ecuacion no tiene races reales, pero de todas formas veamos
que ocurre con las iteraciones dadas por el metodo de Newton en este caso. Las
iteraciones vienen dadas por la recurrencia
xn+1
1
= Nf (xn ) =
2
1
xn
xn

1
1
x
y las iteraciones de un punto x0 6= 0, se
El grafico de Nf (x) =
2
x
muestran en las figuras siguientes.
Grafico de la funcion de iteracion

de Newton aplicada a f (x) =
x2
Iteraciones del metodo de Newton
+1
Como se aprecia en la segunda figura, las iteraciones se comportan aparentemente sin ningun padron determinado y tienen al parecer un comportamiento
caotico (concepto que no definimos aun, pero intuitivamente as nos parece).
Usando un poco de trigonometra basica busquemos una formula mas amigable
cos()
para las iteraciones. Llamemos a x = cotan () =
, entonces
sen ()
18
El metodo de Newton
1
2
1
x
x
1
2
cos()
sen ()
sen ()
cos()
cos2 () sen 2 ()
2 sen () cos()
cos(2)
sen (2)
= cotan (2) ,
en otras palabras
1
2
cotan()
1
cotan()
= cotan(2) .
Luego, si x0 = cotan(), x1 = cotan(2), x2 = cotan(22 ), . . . , xn = cotan(2n ),

como puede verse facilmente por induccion. En otras palabras en cada iteracion
duplicamos el a ngulo. Por ejemplo, para x0 = 1, se tiene = , luego 2 = y

4
2
x1 = 0 y 2 = , as x2 no esta definido. Para x0 = , se tiene = , luego

2
3

3
2
1
4
1
para x1 , = 2 y cotan
= , y 22 = 4 , luego cotan
= ,
3
3
3
3
3
3
3
y el ciclo x0 x1 x2 se repite indefinidamente. De este pequeno analisis vemos
que en este caso, aparecen muchos puntos donde las iteraciones estan definidas una
cierta cantidad de veces, o rbitas que son ciclos, que llamaremos o rbitas preiodicas
o ciclos, e iteraciones que estan siempre definidas, pero que aparentemente no se
acumulan en ningun punto o un conjunto finito de puntos, incluso se ven densas en
el grafico.
19
Sergio Plaza
Grafico de iteraciones de cotan(x)
Ahora, si 1 = 0 + 1 , donde es un error pequeno, entonces 2n 1 = 2n 0 +

2n , as cuando n es suficientemente grande 2n es grande y por lo tanto las iteraciones
xn+1 = cotan(2n 0 ) e yn+1 = cotan(2n 1 )
pueden comenzar muy proximas pero finalmente terminan separandose, esto significa que estamos en presencia del fenomeno de dependencia sensitiva respecto
de las condiciones iniciales.
20
El metodo de Newton
Captulo 2
Dinamica y Metodo de Newton

Recordemos que nuestro problema es resolver una ecuacion de la forma f (x) = 0 ,
donde f : R R es una funcion derivable tantas veces cuanto sea necesario.
En general resulta imposible hacer esto en forma explcita, es decir, exhibir una
formula para las soluciones, por ejemplo, si f (x) es un polinomio de grado mayor
o igual que cinco no existe, en general, una expresion por radicales para las races
de f , como las hay si grado de f es es menor o igual que cuatro, pero se sabe por
el Teorema Fundamental del Algebra

que todo polinomio de grado n (con coeficientes reales o complejos) tiene n races en el cuerpo de los numeros complejos.
Por esta razon y otras mas, se han creado metodos iterativos para aproximar
races de una ecuacion. De todos ellos, nos concentraremos como dijimos en el
metodo de Newton, por ser el mas simple entre los metodos para aproximar races
de una ecuacion. Cuando estemos pensando en ecuaciones reales con coeficientes
reales, en las iteraciones del metodo de Newton solo nos interesaran las races en
el cuerpo de los numeros reales. En este caso mostraremos las complicaciones
dinamicas que son inherentes a un metodo obstensible simple y como se relacionan estas iteraciones con la dinamica 1dimensional, lo cual permite mostrar, por
ejemplo, que este metodo puede ser caotico y tener una dinamica muy rica. Por
otra parte, cuando consideramos el metodo de Newton en el plano complejo, se
puede aplicar resultados de la teora de JuliaFatou para las iteraciones de aplicaciones en el plano complejo, y en este caso se tiene una inmensa riqueza dinamica
21
22
Dinamica del metodo de Newton
(ver [34]) como veremos en el Captulo 8.
2.1 Conjugacion Topologica

Uno de los conceptos basicos en el estudio de la dinamica de una funcion es el
de conjugacion topologica, el cual damos a continuacion. En lneas generales, la
conjugacion topologica permite reducir el estudio dinamico de algunas familias de
funciones a algunas situaciones concretas.
Definicion 2.1. Sean f : D D y g : E E dos funciones. Decimos que ellas
son topologicamente conjugadas si existe un homeomorfismo1 : D E tal que
f = g . En este caso, se llama conjugacion topologica entre f y g.
La definicion anterior se traduce en el diagrama conmutativo que se muestra en
la figura siguiente
f
.
D.. ............................................................................... D..
...
..
.......
...........
...
...
...
...
..........
.
E ..................................g............................................. E
El siguiente teorema, cuya demostracion es elemental, resume los hechos basicos

de la relacion entre la dinamica de dos funciones topologicamente conjugadas.
Teorema 2.1. Sean f : D D y g : E E dos funciones, y sea : D E
una conjugacion topologica entre f y g. Entonces
(a) 1 : E D es tambien una conjugacion topologica entre g y f .
(b) f n = gn para todo n N.
(c) p es un punto periodico de f si y solo si (p) es un punto periodico de g.
Ademas, p y (p) tienen perodos iguales.
1
Aplicacion continua con inversa continua
23
Sergio Plaza
(c) p es un punto periodico de f y no se anula en la o rbita de p, entonces p y

(p) tienen el mismo caracter (atractor, repulsor, indiferente).
(d) Si p es un punto periodico de f con cuenca de atraccion B(p), entonces la
cuenca de atraccion de (p) es (B(p)).
(e) Los puntos periodicos de f son densos en D si y solo si los puntos periodicos
de g son densos en E;
(f) f es caotica sobre D si y solo si g es caotica sobre E. Este concepto no lo
discutiremos aqu (ver Captulo 5). Recomendamos al lector, entre otras, las
referencias [13] y [27] para profundizar en esta idea.
2.2 Ecuaciones cuadraticas: revisitadas

Supongamos que queremos resolver la ecuacion cuadratica f (x) = (x a)(x
b) = 0, por el metodo de Newton. En este caso, claramente conocemos las races
de esta ecuacion, pero lo analizaremos para ilustrar como funciona globalmente el
metodo de Newton.
En este caso la funcion de iteracion de Newton asociada a f esta dada por
2
x2 ab
Nf (x) = x x (a+b)xab
= 2x(a+b)
. Para analizar globalmente los iterados de
2x(a+b)
esta funcion, hacemos el siguiente cambio de variables
bya
x = (y) = y1 , si y 6= 1
y = 1 (x) =
xa
xb ,
si x 6= b .
Observemos que aplica y = 0 e y = + en x = a y x = b , respectivamente. Tenemos y 2 = g(y) = 1 Nf (y).

En efecto,
bya
y1
2
ab

1 Nf (y) = 1
2 bya
(a + b)
y1
24
by 2 a
y 2 1
by 2 a
y 2 1
by 2 a
y2 1
a
b
= y 2 = g(y) .
Luego Nf es conjugada a la aplicacion g(y) = y 2 . De esto tenemos:

i) si elegimos una condicion inicial x0 a la derecha de
Newton converge a la raz mayor, digamos b ;
a+b
2
, el metodo de
ii) si elegimos una condicion inicial x0 a la izquierda de

Newton converge a la raz menor, a ;
a+b
2
, el metodo de
iii) finalmente si elegimos la condicion inicial x0 =

no esta definido en este punto.
a+b
2
, el metodo de Newton
Para mostrar lo anterior, note que si b > a, entonces (] 1 , 1[) = ]

a+b

a+b
, a+b
2 [ , (1) = 2 , y (] , 1[) = (]1 , +[) =
2 , + .
Juntando esta informacion con la entregada por el grafico de g(y) = y 2 , se tiene
lo afirmado.
2.3
Conducta global del metodo de Newton
Al aplicar el metodo de Newton, pueden surgir algunas dificultades, por ejemplo:

(a) El metodo de Newton no esta definido en los puntos para los cuales la tangente a la grafica de f es horizontal, es decir, en los puntos donde la derivada
se anula.
(b) El metodo de Newton puede converger, pero lo hace a una raz distinta a
la esperada. Puede ocurrir que tomando una condicion inicial, se esperara
convergencia del metodo de Newton a la raz mas proxima, pero de hecho
puede hacerlo hacia una raz mas lejana.
25
Sergio Plaza
(c) El metodo de Newton no converge si la condicion inicial elegida esta sobre

una o rbita periodica, por razones obvias, una o rbita periodica
{z , Nf (z) , , Nfn1 (z)}
solo sera considerada como tal cuando su perodo es mayor o igual que 2.
Estas situaciones pueden ser ilustradas con ejemplos simples como los siguientes.
Ejemplo 2.1. (Smale) Sea f (x) =
2x3 22
2
.
En
este
caso
N
(x)
=
.
f
3x2 1
q2
1
3 . En estos puntos la recta tangente
x3 x +
Tenemos que f (x) = 0 si y solo si x =

al grafico de f es horizontal, porlo tanto, Nf tiene una asntota
en esos
n vertival
o
2
2
2
puntos. Por otra parte, Nf (0) = 2 , y Nf ( 2 ) = 0 , es decir, 0 , 2
es una
o rbita periodica de perodo 2 para Nf , y como

Nf2 (x) = Nf (Nf (x)) Nf (x)
=
se tiene (Nf2 ) (0) =
f(
f (Nf (x)) f (Nf (x)) f (x)f (x)

,
(f (Nf (x)))2
(f (x))2
2
) f ( 22 )
2
(f ( 22 ))2
f (0) f (0)
(f (0))2
, y siendo f (0) = 0 , se tiene que
o
n
(Nf2 ) (0) = 0 , luego 0 , 22 es una o rbita periodica superatractora de Nf , lo
que implica que existe un itervalo abierto I, con 0 I, de modo que si elegimos condiones iniciales en I, sus o rbitas se mueven ciclicamente cerca de 0 y de
2/2, y de hecho convergen a esa o rbita periodica, es decir, lim Nf2n (x0 ) = 0 y
n
lim Nf2n+1 (x0 ) = 2/2 para todo x0 I.

n
26
Grafico de iteraciones de Nf , para f (x) = x3 x +
2/2
Ejemplo 2.2. Sea f (x) = x3 x . Las races de la ecuacion f (x) = 0 , son, 0, 1

3
y 1 . La funcion de iteracion de Newton para f es Nf (x) = 3x2x2 1 . Tenemos:
a) f (x) = 0 si y solo si x = 33 . Para estos valores de x el metodo de Newton no esta definido (no son los u nicos valores para los cuales el metodo de
Newton de f no esta definido, existen muchos otros donde ocurre lo mismo,
como veremos mas adelante);
b) para x0 = 0.515 , el metodo de Newton no converge a la raz mas proxima,
x1 = 1 , si no que lo hace a la raz x2 = 1;
Grafico de iteraciones de Nf , con x0 = 0.515
27
Sergio Plaza
c) Para ver si Nf tiene o rbitas periodicas, por simetra, busquemos un punto x

3
tal que Nf (x) = x , es decir, 3x2x2 1 = x ; de aqu obtenemos x = 0 o
x = 15 . El punto x0 = 0 es un punto fijo (superatractor) de Nf , y los
puntos x1 = 15 y x2 = 15 forman una o rbita periodica de perodo 2, la

cual es repulsora, pues (Nf2 ) 15 = 36.
Grafico de iteraciones de Nf , con x0 = 1/ 5
2.4 Propiedades basicas de la funcion de iteracion de Newton

En lo que sigue, asumiremos que f : R R es de clase C r , r > 2 .
Supongamos que f satisface la condicion siguiente:
C.1. Si f (x) = 0 entonces f (x) 6= 0 ,
es decir, los puntos crticos (maximos o mnimos) de f son no degenerados.
Si f es de clase C n+1 y f (x0 ) = f (x0 ) = = f (n1) (x0 ) = 0 , pero
f (n) (x0 ) 6= 0 , redefinimos Nf en x0 como Nf (x0 ) = x0 , y tenemos que Nf es
de clase C 1 en una vecindad de x0 y Nf (x0 ) = n1
n .
En efecto, de la hipotesis vemos que f (x) = (x x0 )n g(x) , con g(x0 ) 6= 0 .
Luego f (x) = n(x x0 )n1 g(x) + (x x0 )n g (x) = (x x0 )n1 (ng(x) +
28
(x x0 )g (x)) y f (x) = (n 1)(x x0 )n2 (ng(x) + (x x0 )g (x)) + (x

x0 )n1 (ng (x) + g (x) + (x x0 )g (x)) = (n 1)(x x0 )n2 (ng(x) + (n +
2)(x x0 )g (x) + (x x0 )2 g (x)) .
Ahora como,
Nf (x0 ) =
=
lim Nf (x)
xx0
lim
f (x)f (x)
(f (x))2
lim
n(n 1)(g(x))2
n2 (g(x))2
xx0
xx0
n1
.
n
Ahora para simplificar nuestro estudio, en lo que sigue suponemos que f satisface la condicion C.1. y la siguiente condicion.
C.2. Si f (x) = 0 , entonces f (x) 6= 0 ,
esto es, si f (x0 ) = 0 entonces f es transversal al eje x en x0 , equivalentemente,
f solo tiene races simples.
La propiedad fundamental de la funcion de iteracion de Newton, Nf , de f
es transformar el problema de encontrar races de la ecuacion f (x) = 0 en el
problema de encontrar puntos fijos de Nf . Las siguientes propiedades son basicas
para el estudio de las iteraciones de Nf .
(1) f () = 0 si y solo si Nf () = . Ademas, si f () = 0 entonces
Nf () = 0 , luego lim Nfk (x) = para todo x suficientemente proximo
k
a .
(2) Nf tiene una asntota vertical en cada solucion real x = c de f (x) = 0 .
Si c1 < c2 son races consecutivas de f (x) = 0 , el intervalo ] c1 , c2 [ es
llamado una banda (acotada) para Nf . Si f (x) = 0 tiene una mayor (resp.
menor) raz c (resp. b), el intervalo ] c , + [ (resp. ] , b[ ) es llamado
una banda extrema para Nf .
29
Sergio Plaza
(3) Si ] c1 , c2 [ es una banda para Nf que contiene una raz de f (x) = 0 ,

entonces lim Nf (x) = + y lim Nf (x) = . En efecto, tenemos
xc+
1
xc
2
dos posibilidades para el grafico local de f en el intervalo ] c1 , c2 [ como

muestran las figuras abajo.
.........................................
...
...
... ... .....
..
...
..
...
.
...
...
...
....
...
.....
...
c2
..
....
.
x
.
.
0
.
.
.
.
................. ................................. ........................................................................... ..................................
.
...
..
..
c1
...
..
.
...
.
.
...
.
...
...
..
...
..
... ... ....
.... . ...
.
.
............................................
............................................
... . ...
... .. .....
.
..
...
...
.
....
...
..
.
.
c1
..
.
.
..................................................................................................................................................................
.
.... x0
..
c2
.
.
..
..
...
....
.
.
...
... .. .....
..... .. ....
.......................................
(i)
(ii)
En el primer caso, para x ] c1 , x0 [ , f (x) > 0 y f (x) < 0 . Luego

+
Nf (x) = x ff(x)
(x) + cuando x c1 . En el intervalo ] x0 , c2 [ ,
f (x) < 0 y f (x) < 0 . Luego Nf (x) = x ff(x)
(x) cuando
x c2 . El segundo caso es completamente analogo.
(4) Si ] c1 , c2 [ es una banda para Nf , la cual no contiene races de f (x) = 0 ,

entonces lim Nf (x) = lim Nf (x) = . En efecto, basta observar
xc+
1
xc
2
las graficas de f (figuras abajo) en este caso para deducir a partir de esto el
resultado.
................................
... .. ....
.. . .....
..
...
.
...
..
...
.....
...
...
....
...
.
.
.
..
...
..
.
...
..
...
..
...
..
...
.
.
...
..
...
...
.
.... .......
.
.
.
...
.
............................
.
.
...................................................................................................................................
c1
(i)
c2
...................................
... .. ....
... . ..
..
...
.
..
.
...
...
...
.
..
...
.
.
...
....
..
.
..
...
.
.
.
....
...
.
.
.
.
.
.
.
.
.
...
................. .........
..
.
.
................................................................................................................................
c1
(ii)
c2
30

......c
........1
.....................................c
........2
..........................................
.
.
.........................
..
.
.. .. ....
...
...
...
.
...
...
...
.....
...
....
...
.
.
.
...
.
... ... ....
... .. ..
... . ...
..........................
(iii)
......c
.......1
.....................................c
.......2
..........................................
.
.
...........................
..
.
.. . ...
.
..
...
...
...
...
.
.
...
...
. ....
... ... ....
. .
..........................
(iv)
(5) Los puntos extremos locales de Nf , si f (x) 6= 0, son los puntos para los
cuales f (x) = 0 o f (x) = 0, esto es, los ceros y los puntos de inflexion de
f (x)
= 0 si, solo si, f (x) = 0 o
f . En efecto, tenemos que Nf (x) = f (x)
(f (x))2
f (x) = 0.
(6) Si una banda para Nf 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 frecuentemente vale tambien para bandas extremas. Una
condicion suficiente para que esta propiedad sea verdadera para bandas extremas es que f (x) sea siempre acotada desde 0 cuando |x| + .
Por ejemplo los polinomios tienen esta propiedad, sin embargo esta falla
para f (x) = xex . En este caso tenemos que f (x) = 0 si, y solo si
x = 0 . Ademas, f (x) = ex (1 x) . Luego las asntotas de Nf ,
que son las soluciones de f (x) = 0 , se reducen a solamente x = 1 , y
x
x2
x2
Nf (x) = x exxe(1x) = 1x
= x1
.
Grafico de Nf , con f (x) = xex
31
Sergio Plaza
Note que si x > 1, entonces lim Nfn (x) = + y si x < 1 entonces lim Nf (x) =
n
n
0, esto es, la cuenca de atraccion de la raz = 0 es el intervalo ] , 1[ . En este
ejemplo ocurre un fenomeno curioso, si elegimos la condicion inicial x0 tal que
Nf (x0 ) sea negativo y grande en valor absoluto, la convergencia de las iteraciones
es casi lineal cuando estamos lejos de 0, evidentemente cerca de cero la convergencia es rapida, como vimos se satisface en+1 = Ke2n , donde en es el error en el
paso n, esto es tiene convergencia cuadratica por lo menos. Esto comprueba que
la convergencia cuadatica del metodo de Newton es una propiedad local y no
global.
Finalmente de las propiedades (1)(6) el grafico tpico de Nf , con f que satisface C.1 y C.2 es como en la figura siguiente.
.......
.........
......
.........
....
....
.......
....
....
..
..
.......
........
.......
.....
.....
..
..
.
.
.
..........
.
.
.
.. ...
.
.
.
. ..
.......
.. ..
...
... ........ ...
.. .....
..
..
.
. .. .
.......................................................................................................................................................................................................................................................
. .. ..
.
.
... .......
.......
... ...
...
.
. ..
....
.... .. ..
.. ..
..
.. ....
.. ..
.. ...
.. ....... ... ...
.. ....
.. ..
.. ..
.. .... .....
. .
... ......
.. ..
.. ...
.. .... .. ... ... ...
.................................................................................................................................................................................................................................................
... ....
... ....
.. .. ..
.... .. .. ... .. ..
.. .. ..
.. ... ....... ... ... .... ... ...
.. ..
.. .. ...
.. ... ............... .. .. .. .. ..
.. ...
.. ............. ... .. .. ... .. ..
.. .. ... ... ....
.. ...
.. .. . .. .
.. .. .
.. .. .
.......................................................................................................................................................................................................................................................
. ..
... .. ..
.
.
.
.
.
... ..... ... ... ....
.
.
.
... . .
x
... ... ...
..
.. ... ............... ...
....
.. ... ...
... .. ..
..
.. ........... .... ..
... .. ..
... .. ..
..
.. ..... .. ..
.. .. ..
... ..
..
.. ....
.
.
.. . .
.. .
...............................................................................................................................................................................................................................................
.. ....
..... ..
.. ...
...
.... ....
.. ....
.
.
.
.
.
.
.
.
.
..
.
... ..
.. ....
.... ..
.. ........ ...
.. ....
... ..
.... ..
.. ....
..
.. ....
......
...... ...
.. ....
..
.. ..
.
.
.
.
.
.
.
.........................................................................................................................................................................................................................................
.
.
.
.
.
... ....
.
.
.
.
.
.
.
.
.
.....
..... ..
.. ..
.
.
.
.. ......
.
.
.......
...
.......
............
................................. ....
.
.
.
......
....
..... .... ..
.......
.
.
.
.
.
.......
.
.
... ..
.....
.......
.
.
............
.......
...
.....
...
..
2.5 No convergencia de Nf : indefinicion de las iteraciones

Ahora estudiaremos en mas detalles la no convergencia de la sucesion (Nfn (x))nN .

La manera mas simple en que la sucesion Nfn (x0 )
deja de converger a
nN
una raz de f (x) = 0 es cuando e sta se vuelve indefinida para algun n0 N , esto
es, cuando existe n0 N , el primero, tal que f (xn0 ) = 0 . Esto significa que
Nfn0 (x0 ) pertenece a una asntota de Nf . El conjunto de tales puntos es
32
A(f ) = { x R : existe m = m(x) N tal que Nfm (x) Z(f ) }

[
=
(Nf )m (Z(f )) ,
mN
donde Z(g) = { x R : g(x) = 0 } es el conjunto de los ceros de la funcion g .

Es claro que A(f ) es numerable y no denso.
Ahora, sea
B(f ) = { x R : lim Nfn (x) Z(f ) } .
n
Desde el punto de vista computacional este es el conjunto que mas interesa. Estos
dos conjuntos, A(f ) y B(f ) contienen informacion que concierne a la parte mas
simple de la dinamica de Nf . Por otro lado, C(f ) = R (A(f ) B(f )) es el
conjunto que contiene la parte complicada de la dinamica de Nf .
Decimos que un conjunto A es invariante por una funcion f si f (A) = A.
Proposicion 2.1. Los conjuntos B(f ) , A(f ) y C(f ) son Nf invariantes.
Demostracion.
1) B(f ) es invariante. Dado x B(f ) sea y = Nf (x) , entonces lim Nfn (y) =
n
lim Nfn+1 (x) Z(f ) , luego Nf (x) B(f ) , esto es, B(f ) Nf (B(f )) .
Recprocamente, si y Nf (B(f )) existe x B(f ) tal que y = Nf (x) y

como lim Nfn (x) Z(f ) , viene que lim Nfn1 (y) = lim Nfn (x) Z(f ) ,
n
n
n
luego Nf (B(f )) B(f ) . Claramente, B(f ) es abierto.
2) A(f ) es invariante. Dado x A(f ) existe m = m(x) N tal que
Nfm (x) Z(f ) , es decir, Nfm1 (Nf (x)) Z(f ) , de donde Nf (x) A(f )
luego A(f ) Nf (A(f )) .
Recprocamente, dado y Nf (A(f )) existe x A(f ) tal que y = Nf (x) .
Como x A(f ) existe m N tal que Nfm (x) Z(f ) , esto es, Nfm1 (y) =
Nfm1 (Nf (x)) = Nfm (x) Z(f ) luego Nf (A(f )) A(f ).
Finalmente, como B(f ) y A(f ) son invariantes, el complemento de su union,
que es C(f ) tambien lo es.
33
Sergio Plaza
Problema. Determinar la estructura topologica de C(f ) y caracterizar la dinamica

de Nf |C(f ) .
Mostraremos a continuacion que bajo ciertas condiciones adicionales, C(f ) , es
no numerable y contiene infinitas o rbitas periodicas de Nf .
Lema 2.1. Toda banda ] c1 , c2 [ que contiene una raz p de f (x) = 0 contiene
una o rbita periodica de perodo 2 de Nf .
Demostracion. Tomemos un intervalo I como muestra la figura abajo. Se tiene
que Nf (I) = [p , c2 [ y Nf2 (I) =] , p] . Luego, existe un intervalo cerrado
K I , tal que K Nf2 (K) , y de esto sigue el resultado en este caso. Para el
caso restante el razonamiento es analogo. Ver figura siguiente.
.......
...
....
.....
..
....
....
.. .......
....
.. ....
.. ...
. .
.. ......... ....... ....... ....... ....... ................
.. ..
......
.
.
.. .....
.
.. . ...
.... ..
.. . ...
.... ...
.. .. ...
..
.....
.
.
.
..
.
..
.. .. .................................................
..
.. .
..
. .... . ....
.
.
.. .
..
... ....... ... .....
.. ..
.
.
..
... ...
..
.. .. ..........
... ...
.
.. . .... .
c1 .. ... . . .... ... c2
....................................................................................................................................................................................................................................
. .
..... ..
p ....... .....
.... ..
.... .... I
.
.
... ...
.
....
...
.. ...
....
..
.. .
.
.
.
.
.. ..
.
..
.
.
.
.
....
.
...
.....
....
.
.....
.

Observacion. Sea J = [a, p] , a = extremo derecho de I. Entonces para cada
n N , Nfn (J) J y para cada x J , lim Nfn (x) = p .
n
Lema 2.2. Sea g : D R R . Supongamos que I1 , . . . , Ik , k > 2 son intervalos compactos disjuntos dos a dos, y que para cada j = 1, 2, . . . , k , g|Ij es
continua. Si para cada m , kj=1 Ij g(Im ) , entonces g tiene puntos periodicos
de todos los perodos. De hecho para cada n N existen kn puntos que satisfacen la ecuacion gn (x) = x , y la clausura del conjunto de los puntos periodicos
es no numerable e invariante.
Demostracion. De la hipotesis, para cada j {1, . . . , k} y n N , existe un
intervalo compacto Kn,j en Ij tal que Kn,j gn (Kn,j ) . Luego existe x Kn,j
34
tal que gn (x) = x . De hecho tenemos mas puntos. Sea (n; k) = { (xi )ni=0 :
xi {1, . . . , k} } . Dada una sucesion (xi )ni=0 (n; k) , existe un intervalo
J kj=1 Ij tal que
(i) gi |J es continua, 0 6 i 6 n , y
(ii) gi (J) Ixi , 0 6 i 6 n . De hecho gn (J) = Ixn .
De (i) y (ii), si x0 = xn , gn aplica J sobre si mismo, luego gn tiene un punto
fijo p((xi )) J . Ademas, si (yi )ni=0 es otra sucesion en (n; k) tal que y0 = yn
pero yj 6= xj para algun j {1, , k} , entonces como los intervalos Ii son
disjuntos dos a dos, de la propiedad (ii) sigue que p((xi )) 6= p((yi )) . Luego el
numero de puntos fijos de gn es al menos tan grande como el numero de sucesiones
(xi )ni=0 (n; k) , con x0 = xn , y este u ltimo numero es precisamente kn .
Para demostrar la u ltima parte del lema, observe que el conjunto (, k) =
{ (xi )
i=0 : xi {1, . . . , k}} es no numerable. Ahora la propiedad de la interseccion finita para conjuntos compactos garantiza que dada una sucesion (xi )
i=0
Sk
(, k) existe al menos un punto q((xi )i=0 ) j=1 Ij , con g (q((xi )i=0 ))

Ixi , i = 0, 1, . . .. Ademas, se tiene que el conjunto de sucesiones periodicas en
(, k) es denso.
La siguiente proposicion, es una generalizacion de un resultado probado por
Barna en 1956 para polinomios de grado n > 4 , con coeficientes reales y con n
races reales distintas.
Proposicion 2.2. Supongamos que f satisface las condiciones C.1 y C.2 , y
tiene al menos 4 races reales distintas. Entonces Nf tiene puntos periodicos
de todos los perodos. Ademas, A(f ) C(f ) (esto es, el conjunto de puntos que
no convergen a una raz de f , equivalentemente el conjunto de puntos que no
convergen a un punto fijo de Nf ) es no numerable.
Demostracion. Si una banda B contiene un punto fijo de Nf entonces Nf (B) =
R. Como f tiene al menos 4 races existen al menos dos de esas bandas; las otras
dos pueden ser bandas extremas. Luego podemos elegir subintervalos compactos
Sergio Plaza
35
I1 e I2 de esas bandas, los cuales satisfacen las hipotesis del lema anterior, por lo
tanto existen puntos periodicos de todos los perodos.
Para mostrar que existe una cantidad no numerable de puntos que no convergen
a puntos fijos de Nf note que
S = { (xi )
i=0 (; 2) : (xi )i=0 no es eventualmente constante}
es no numerable; ((xi )
i=0 (; 2) es eventualmente constante si existe m N
tal que xm = xm+1 = ). Tenemos entonces que S es no numerable, pues
para cada m N , el conjunto Em = { (xi )
i=0 (; 2) : xm = xm+1 =
S
} es numerable, por lo tanto m=0 Em tambien lo es, y S = (; 2)
S
m=0 Em . Ahora, si (xi )i=0 S , para el punto q((xi )i=0 ) dado por el lema
anterior, (Nfn (q((xi )
un punto fijo de Nf .
i=0 )) no converge a ning
Para el caso de polinomios de grado mayor o igual que 4 con coeficientes reales
y n races reales distintas, se tiene un poco mas.
Teorema 2.2. (Barna (1956)- M. Cosnard & M. Masse (1983)) Sea f un polinomio de grado n con coeficientes reales. Suponga que n > 4 , y que f tiene n
races reales distintas. Entonces
(i) C(f ) es un conjunto de Cantor con medida de Lebesgue cero, y
(ii) C(f ) contiene o rbitas periodicas de todos los perodos de Nf . Ademas,
para cada x C(f ) , Nf (x) < 1 .
El teorema anterior garantiza, bajo sus hipotesis, que para casi todo x R los
iterados Nfn (x) convergen para alguna raz de f , pues C(f )A(f ) tiene medida
de Lebesgue cero (A(f ) es numerable). Mas aun, el conjunto C(f ) es repulsor,
luego inaccesible computacionalmente, pues desde el punto de vista numerico solo
es posible, aunque muy poco probable, acceder a trayectorias muy largas.
Definamos ahora numeros y como sigue:
(1) es el numero de bandas extremas de Nf que:
(i) no contienen puntos fijos de Nf , y que
36
(ii) son aplicadas en R por Nf .

Es claro que = 0, 1 o 2.
(2) es el numero de bandas de Nf que contienen puntos fijos de Nf .
..
..
.....
.....
...
...
..
..
.. ...
.....
.. ....
.........
.. .....
..
..
.. ...
....
.........
.
.
.... .......
.
..
..
.. ...
.....
. .
..
..
.. ..
.....
..
.... ..
.. .. ...
..
..
.. ..
.. ..
..... ..
... .. ..
..
..
.. ...
.. ...
.... ....
.
.
..
..
.. ...
.. ..
.... ... .....
.
..
..
.
.. ..
.. ...
.... ...
.. .. ...
.
.. .......
..
.. ..
.. ..
..
.. .. ..
.. .....
..
.. ..
.. ...
... ... .....
..
......
..
.. ..
.. ..
.
.
.. .. ..
.
.
.. ..
.
.
.
. .
...
.. ..
... .....
..
......
.. ... ...
..
..
.. ..
.. ..
..... ..
.. .. ..
..
.. ..
.. ..
..
.... ....
.
.
.
... ... .....
.
.
.. ..
.
.
.
. ..
..
...
...
.. ..
....
... ....
.. .. ..
..
..
.. ...
....
.. ..
..
..
..
.. ..
....
.. ...
.. .. ..
..
.
.
.
.
.
... ... ....
.
.
..
.. ...
.. ..
. .
...
.. ........ .........
.. ..
.. ..
..
..
.. .... .. ...
.. ..
.. ..
..
.. .. ..
.. .. ..
..
.. ....
.. ...
.. ...
.
..
... ... ....
...
..
.....
.. ...
.. ..
... .....
. ..
.
..
.. ..
.. ..
.
...
...
.. .. ..
.. ...
.. ..
.. ...
..
...
..... ..
.. ..
.. ..
.. ...
.. .. ...
..
.... ....
...
.
.
.
.
.
.. ...
.. ..
... ... ....
.
.
...
... ...
...
.. ..
....
.. ...
. .. ..
..
...
.. ..
..
.. ...
..
....
.. ..
..
..
...
...
..
.. ..
..
.. ...
..
.. ... ......................
..
...
.
.
.
.. ..
.
.
..
.
.
.
.
.
...
...
...
.
. ....
. ..............................
.
.
.. ..
.
.
..
.
.
.
...
... ..
.
. ..
. ....
...
.
.. ..
.
..
.
.
.
...
... ..
. ...
. .....
.
.
...
.. ..
.
..
.
.
.
... ..
...
.
...
. .
... ...
..
.........
...
.
.............................................................................................................................................................................................................................................................................................................................................................................................................
.
.
..
.
.
.
.
...
... .. ..
...
.. ... ...
.
.
.
.
.
x
.
.
..
.
.
.
... .. ..
... ..
... .. ..
... .....
..
.... ...
... .. ..
... ..
... .. ..
.. ..
..
..
....
........
... .. ..
... .. ..
.. ... ............................
..
..
... .. ..
..
..
.
.. ... ...
.... .......... ....
... ... ...
.. .. ..
..
..
........
... ....
... .. ..
... .. ..
..
..
... ..
.
.
.
.. .......
..
.. ... ...
.. .. ..
... ...
.. ....
..
... .. ..
... .. ..
... ..
.. .....
..
.
.. .. ..
.
.
.
.
.
.
.
..
.
... ..
... .. ..
... .. ..
......
..
.
.
.
.
.
.
.
... ... ...
.
.
.
.
.
.
.
..
.
.. ..
... .. ..
... ..
.
.
..
.
.. .. ...
. ..
.
.
.
.
.
.
.
.
.. .. .
.
..
.
.
... ..
.. .. ..
.
.
.
.
.. .. ..
.
..
.
.. . .
... ..
.
.
.
.
.. .. ..
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.. .. ..
.
.
.
.
.
.
.
..
.
... ..
..
.
.
.
.
.
.
.
.
.
..
.. .. ..
.
.. .. ..
... ..
...
.. .......
.. .. ..
. .. ..
... ..
.
..
.. ....
.. .. ..
.. .. ..
... ..
..
.. ....
.. .. ..
... ...
....... ...
..
......
.. ... ...
.
.
.
.
.
.
.
... ..
. ..
... ....
.....
.
.
.
.
.
.
.
..... ..
.. ..
. ..
.
.
.. ......
.
.
.
... ..
.... ..
.
... ....
...
..... ...
.... ....
... ..
.
.
.. ....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... ....
.
.
.
.
.
.
.
... ..
.
.
.
.
... .....
.
..................................................... ...
.
...
.... ...
.
.
.
.
.
.
.
.
... ....
.
.
.
..... ..
. ....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
... ....
.... ..
... ..
. ....
.
.
.
.
.
.
.
... ..
..... ...
... ......
... ..
. .....
.
.
.
.
... ..
....
... ..
.
..........
.
...........
.
.
.....
.....
......
...
..
.
= 1 y = 2.
Teorema 2.3. Sea f como antes. Si + > 2 , existe un conjunto no numerable
de puntos x tales que Nfn (x) no converge a ningun punto fijo de Nf . Ademas, si
> 1 entonces Nf tiene puntos periodicos de todos los perodos.
Demostracion. Si = 0 entonces = 2 (ver figura abajo) luego Nf no tiene
puntos fijos, y lo afirmado es trivial.
37
Sergio Plaza
..
.....
..
.
.. .....
..
...
.. ..
..
........
.. ..
... .....
.. ...
.. ..
..
.......
.
.. ..
..
.. ...
... ... ....... ...
..... ...
.... ... .....
.. .. ...
. . . .
..
.. ..
..
.. .. .... ..
.. ..
.. .. ..
..
.. ...
.. ..
.. ...... ..
..
.. ...
.. .. ..
... ...
.. .. ..
..
.. ... ..... .......... ...
......... .... .. ..
..
.. .. ..
..
..
.. ..
.. .. ..
..
. .. ..
..
....
.. ..
..
..
.. ..
.. .. ..
... ...
.. .. ..
..
.. .......
.. ..
.. ..
..
.. .....
.. ..
.. .. ...
.. ..
..
.. ....
.. ..
.. .. ..
.. ..
.. .. ..
..
......
.. ..
.
.. ..
..
.. ..
.. .. ...
. ...
.
.
.. .. ..
.
..
.. ..
.. ..
. ..
.
.
.
.. ..
..
.. ..
.. .. ...
... .. ..
.. ........ ...
.. ..
.. ..
.. ....
..
.. ..
.. ..
.. .. ...
.. ..
.. .. ..
......
..
..
.
.
.
.
.
.
.
.
............................................................................................................................................................................................................................
.
.
.
.
.. .
.
.. ..
.
.
.
.
.. ..
... ... ..... ... ...
.
...
.. ..
.... ..
.. . . .
..
.. ..
... ... .... ... ... ....... ..............
... ..
.
.. ....
.
.. ..
.
.. ..
.
.
.
.
.
.
.
.
.
.
.
.
.. ..
.. ..
.
.
.....
. .. ....
..
.
.
.
.
.
.
.. ..
.. ..
.
.
. ..
...
.
.
.
.
.
.
.
.. ..
.. ..
.
.
. ..
.
.
.
.
.
.
.
.
.. ..
.
.
.. ..
.
. .. ..
... ..
.
.
.
.
.. ..
.. ..
.
.
.
.
.
.
.
.
.
.
.
.
.. ..
.
.
.. ..
... ..
.. .. ........
...
... ...
.. ..
... ..
..
.. ..
.. ..
.. .. ....
... ..
..
......
.. ..
.. ..
..
... ...
.. .....
..
.. ..
.. ..
..
.. ..
....
.. ..
.. .... ..
.. ..
..
.. ..
....
.. .... ..
.. ..
..
.. ..
....
.. ..... ..
.
.
.
.
.
.
....
.
.
.. ..
...
...
... ...
....
............
.....
..
..
....
...
..
.
=2 y =0
Si > 2 el resultado sigue de la proposicion 8.
Los casos restantes son = 1 o 2 y > 1 . En estos casos existe al menos una
banda extrema B con Nf (B) = R (ver figura abajo), y podemos elegir intervalos
I1 B e I2 contenido en una banda que contiene un punto fijo de Nf , tales que
I1 I2 Nf (I2 ) y I1 I2 Nf (I1 ). La prueba ahora sigue como en el lema 6.
.. ....
...
...
... ....
....
..
..
.. ...
........
... .....
..
..
.. ..
.. .....
.......
.. ....... ...
..
.. ...
..... .......
.. .... ..
..
.. ..
....
.. .... ..
..
... ....
.. ..
....... ....... ....... .......... .......... ....... ....... ....... ................. ....... ....... ......... ....... ....... ............. .......... ....... .
.
.
.. .......
.. ..
...
.. ...
.
.... .. ...
. ..
..
.. ..
.. ....... ... ...
..
.. .......
...
.
.. ..
.
...
.
.
.
...
. ..
.. ..
... ....... .....
..
.. .. ...
.
.................................................................................................................................................................................................................................................
.
. .. ...
...
.
.
.
.
.
.
.
.
...
. .. ..
x
..
.. .. ..
..
..... .. .. .. .. ..
...
..
.. .. .. .... .. .. ... .. ..
...
..
... ... ................................ ... ... .... ... ...
.
.
.
.
.
.
..
.
.
... . .
..
.. . .
.
. ...
....... ....... ....... ......... ....... ............ ....... ......... ....................... ....... ............. .......... .......... ............. ....... ....... .
... .. ..
... .. .... ...
...
... ... ..
... ... ..
..
... .. ..... ..
... ... ...
..
... .. ....
..... ........
..
... .. ..
......
.
..
..
... .. ..
... .. ...
.
..
.
..
... .. ..
... .....
..
...
....
.
.
.
.
.
.
..
.
.
.
.... .
... ......
.
.
.
.
.
..
.
.
.
.. ....
.... ...
.. .......
...
.. ....
.... ..
.. ....
..
.. ....
.... ..
.. .....
..
.. ....
.... ..
.....
..
.. ....
.
.
.
.
.
.
.
.... .
. ..
... ....
.
.
.
.
.
.
.... ..
. ..
.
.
.
... ......
.
.
.
. ..
..... ..
.
.
.
.
.
... .....
.......
..
.
.
.
.
.
.
.
........
............................. ..
.
.
.
.
.
.
.
.....
......
. .... ..
.
.
.
.
.
.
.
.
.
.
.......
........
... ..
.
...........
.
......
.. ..
......
.
..
I0
I1
I2
I3
I4
=1 y =1
38
Observaciones.
1) En el caso = 2 y = 0 en el Teorema, Nf tiene puntos periodicos
de todos los perodos. Para probar esto es necesario usar otras tecnicas.
Por ejemplo en la figura anterior , Nf3 (I1 ) I1 , luego existe un punto
periodico de perodo 3 y por el Teorema de Li y Yorke, ver [27], existen
puntos periodicos de todos los perodos.
.
........
......
........
......
....
.. ..
....
........
.. ..
.. ...
....
............
.
.
.. ..
... ...
....
.
.. ..
. .
.......
....
.. ...
....
.. ..
.... ..
.. .. .... ...
....
.. ...
.. ..
....
... ... ....... ...
..
.. ...
. .. .
....
.. ... .... .......... ...
.......... .... .. ..
..
.....
..
.......
.. . .
.
..
.... .. ..
.................................................................................................................................................................
.. ..
... .......
... ...
.. ..
.. ....
.. ..
.. ..
.....
.. ..
.
.
... ...
.
.. ..
.
.
.
.
.
.
.. ..
.. ..
.. .. ........ ...
.. ..
.. ..
.. .. ...... ..
.. ...... .... ..... ..
.. ..
.. ..... .. .. ..
....
... ..
.. .... .. ..
....
.
.
.
....
.
.
... .
..... .. ..
.
.
.
....
....
.........
......
....
..
=2 y =0
2) Es posible que Nf tenga puntos periodicos de todos los perodos, aun
cuando + = 0.
.. ...
... ...
.... .....
.... .....
.... ....
.....
.. ..
......
.. ..
.. ...
.. ..
... ..
.. ..
.. ..
.. ...
..........
.. ..
.. ..
.
.
.
.. ...
.. ..
.. ..
.
... ...
... ...
.
..
.. ...
.. ...
.. ...
..... ....
. .
.. ..
.... ....
... .
.. ..
.. ..
.. ..
.. ...
.. ..
.. ...
.. ..
.. ... ...............
... ...
.... ...
.. ...
.. ..
.. .......................
.. ..
.. ...
.. .....
.. ..
... ...
. .
. ..
. ...
.. .
..........................................................................................................................................................................................................................................................................................................................
.
.
.
...
.
... ...
.
.
... ...
...
.
..
... ...
.. ..
..
... ........ ...
..
..... .....
.. ...
..
.. ....
..
.. ..
.....
... ...
.. ..
..
......
.
............................................................................................................................................................................................................................................................................................................
.
.
.
.
.
.
... ...
.
...
... ...
.
.
. .. ..
..
. .
..
.. ...
.... .... .... .... ....
.. ..
.. ..
..
.. ..
....
.
.
.
.
.. .. ... ...
..
.
.
.
..
.. ... .. ..
... ... ..... ...
....
.. .. .. ..
..
.. .. .. ..
....
.. ... .. ..
.. ........
.. .. ... ..
.. ....
.. ... .. ..
.. .. ... ..
.. ...
.. . .. ..
.. .. .. ..
........................................................................J
.............................................K
...................................................................................................L
.............................................................................................
.
.
. . ..
.
... .... ...I ...
.
... .. ..M
.
.
.
.
.
.. ... .. ..
.
.
.
. . ... ..
..
.. ... .. ..
... .. ... .... ...
.... ....
.
.
.
.. .. .. ..
.
.
. .
.. .. .. ..
...
... ... ... .... ...
....
....
.. ... .. ..
..
.. ... ... ..
..
.. .. .. .. .......
.. .... .. ..
..
.. ... .. .. .....
.. ...
... ..
.. .. .. .. ....
..
.. ....
.. ..
.........
.
.......................................................................................................................................................................................................................................................................................................................................
.. ..
...
.. ... ...... ..
..
.. .....
..
.. ..
...
.. .... ..
.
.. ...
.
.. ..
.. ....
.. ...
.. ...
... ...
.. ....
.. ..
.
.
.. ..
.
.. ..
.
.
.
.
.
.
.
.
..........................................................................................................................................................................................................................................................................................................
. ..
.
.. ..
... ..
.
.
.
.
.
.
.
.
.
.
.
... ..
... ..
... ...
... ...
........... ..
... ...
... ...
.. ..
.. ..
................ ....... ....
.
.
.
.
.. ..
.
.
.
.
.
.. ..
... ..
.
.. .....
.
.
.
.
.
.
.
.
.
... ..
.
. ....
.. ..
... ..
.
.
.
.
.
.
.
.
.
.
.. ...
.
.
. ....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... .
... ..
.....
.. ..
.
.
.
.
.
.
.
.
.
.
.. ...
... ..
.. ..
..
.
.
.
.
.
...........
.
.
... .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.. ..
.. ...
.. ..
.. ..
....
.. ..
=0 y =0
39
Sergio Plaza
En la figura arriba tenemos

(i) B2 Nf (B1 ) y B4 Nf (B1 ); ( Nf (J) = B2 y Nf (I) = B4 ).
(ii) B1 Nf (B2 ); ( Nf (K) = B1 ).
(iii) B1 Nf (B4 ) , B2 Nf (B4 ). (Nf (L) = B1 , Nf (M ) = B2 ).
3) Si f (x) es siempre acotada desde 0 cuando |x| es grande y x pertenece a
una banda extrema, entonces la condicion 1 (i) anterior implica la condicion
1 (ii). En particular, cuando f es un polinomio de grado > 2 , la condicion
anterior es valida.
En efecto, si B = ]c , [ (el otro caso es similar) la hipotesis sobre f
implica que ambas f y f tienden a o ambas tienden a cuando
x , luego para x grande ff(x)
(x) es positivo, y por lo tanto Nf (x) < x
para todo x > c . Tenemos que lim Nf (x) = . Por otra parte, como
xc+
lim f (x) = , la regla de LHopital muestra que lim Nf (x) = + .
2.6 No convergencia de Nfk : existencia de o rbitas periodicas atractoras

Desde el punto de vista de la dinamica, los resultados anteriores son satisfactorios, pues ellos indican que para muchas funciones f , la funcion de iteracion de
Newton Nf tiene dinamica complicada, incluyendo una cantidad no numerable de
puntos x para los cuales Nfk (x) no converge a una raz de la ecuacion f (x) = 0,
y por otra parte este conjunto puede ser pequeno en el sentido de la medida de
Lebesgue, mas aun puede tener medida cero. En tal caso no debemos esperar (en
sentido probabilstico) encontrar en la practica tales puntos de no convergencia.
Ahora centraremos la atencion en la existencia de o rbitas periodicas atractoras (recuerde que no estamos considerando como o rbitas periodicas a los puntos fijos).
Si Nf tiene o rbitas periodicas atractoras, entonces existe un intervalo abierto I
tal que, si x I , se tiene que Nfk (x) no converge a una raz de f . Luego los
puntos de I son bien comportados desde el punto de vista de la dinamica, pero
mal comportados desde el punto de vista de las iteraciones del metodo de Newton.
40
Probablemente, el resultado mas antiguo en esta a rea es el de Barna, el cual

nos dice que si f es un polinomio con coeficientes reales de grado mayor o igual
que cuatro, con todas sus races reales y distintas, entonces Nf no tiene o rbitas
periodicas atractoras. Para otro tipo de funciones, de hecho pueden existir o rbitas
periodicas atractoras como se ve en la siguiente figura
........
....
.........
.....
.....
..
.. ...
....
....
.. ..
..
....
.
.
.
.....
.. ..
..
.
....
..
.. ..
.....
....
.....
.. ..
..
.....
.. ..
.. .......
....
.. ...
.. ....
.. ....
.. .....
.. ..
.. .
.. ...
....
.. ..
.. ...
.......
.
.
.
.
.
..
...
. ..
.
. ...
.
.
.
..
...
..
... ...
..
......... ....... ....... ....... ....... ....... ....... ............ ....... ....... ....... ....... ....... ...............
..
..
... ...
.....
..
..
.... ..
.
.
....
.. ...
.
..
..
. ..
.
.
.. .....
.. ..
.
..
..
..
. ................ ....... ....... ....... ....... .......... ....... ....... ....... ....... ..........
..
..
.
.
.
.
..
..
.
...
. ..
...
.
.
.
.
.
.
...
.
..
..
.
.
. ..
.
.
... ....
.... .....
..
..
.
.
.
.
.
.
.
.
..
.
.
.
..
..
..
.
.
.
.
... .....
.. .....
.
..
..
...
.
.
.
.
.
.
..
..
.
... ..................
...
.
.
.
.
...
.
..
..
.
... ............................................... ..... ...
.... ....
..
..
.
.
.
.
..
..
.
..
...
..
.
... ........
.. ...
..
..
... ...
.
.
..
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
...
.
. ...
.
.
.
.
.
.
.
.
.
.
.
.
.
...................................................................................................................................................................................................................................................................................................................................
.
.
.
.
..
.
.
..
..
x
.
. ..
.. .
.
.
.. b ...
..
.. a .
.
.. ..
. ..
...
..
..
..... ....
.
.
.
.
.
...
.
..
..
.
.. .
... ..... ............................................... ...
.
..
... ..
...
...
..
..
.................. ... ..
.. .
.
.
.
....
..
..
... ..
... ..
...
....
..
..
.. ...
.
.
.
.
.
.
...
.
..
..
.
... ..
.
.
.
... ........
..
..
... ..
... ..
.
..
.
.
..
..
.
.
................... ....... ....... ....... .............. ....... ....... ....... ....... ...................
..
..
.
.
..
..
.
.
..... ..
... ...
... ........
..
..
....
.. ..
.
..
..
... ..
.....
.........
..
..
.
.
.
.
.
.
.
.
..
..
.
....... ....... ....... ....... ....... ....... ........ ....... ....... ....... ....... ....... ....... ........
.
..
.. ........
...
.. ..
.
.. ....
..
.. ..
......
... ....
.. ..
.
.
..
... ..
... ..
.
.
.
... ..
... ...
.... ..
... ...
.....
.... ..
.....
..... ...
.. ..
.
.
.
.. ..
.
.
.
.....
............................................ ..
.. ..
.....
.
.
.
.
.
.
.
.. ..
.
.
.
.
.... ..
. ....
.
.
.
.
.. ..
.
.
.
... ..
.
......
.
.
.
... ..
.
.
... .
...
.
...........
.
.
......
.. ..
....
.
aqu se tiene que Nf2 ([a , b]) [a , b] , |Nf (x)| < 1 , y como |(Nf2 ) (x)| =
|Nf (Nf (x)) Nf (x)| < 1 para todo x [a , b], se sigue f tiene una o rbita
periodica atractora de perodo 2 en [a , b].
En algunos de los ejemplos anteriores solo mostramos los graficos, y nos podemos plantear la siguiente pregunta. Este tipo de grafico corresponde al grafico de
Nf para alguna f ?
La respuesta es dada por el siguiente
Teorema 2.4. Sea g : R R que satisface
1) g es de clase C 2 , excepto en un numero finito de puntos { ci }ki=1 , en los
41
Sergio Plaza
cuales g no esta definida, y lim |g(x)| = + ,

xci
2)
lim g(x) = lim g(x) ,
xc+
i
xc
i
3) g tiene un numero finito de puntos fijos, cada uno de los cuales es un punto
crtico de g, y cualquier par de esos puntos es separado por un elemento de
{ ci }ki=1 , y
4) g solo tiene un numero finito de puntos crticos.
Entonces existe una funcion de clase C 1 , f : R R tal que g = Nf .
Como consecuencia del teorema anterior tenemos la siguiente
Proposicion 2.3. Dado k > 1 , existen polinomios cuyas funcion de iteracion s de
Newton tienen o rbitas periodicas atractoras de perodo k .
Demostracion. Del teorema anterior, del teorema aproximacion de funciones
diferenciable por polinomios (StoneWeierstrass), y de la estabilidad de las o rbitas
periodicas atractoras por perturbaciones C 1 el resultado sigue.

En el Captulo 6 mostraremos una tecnica para construir ciclos atractores de un
perodo dado.
42
Captulo 3
Dinamica de la aplicacion de
Newton para polinomios
cuadraticos y cubicos
Estudiaremos la dinamica de la funcion de iteracion de Newton para polinomios
de grado 2 y 3. Usaremos fundamentalmente la conjugacion de funciones de modo
a reducir al maximo las aplicaciones a estudiar, y que representen la dinamica de
una gran variedad de funciones.
Proposicion 3.1. Sea p(x) = ax2 + bx + c un polinomio cuadratico. Entonces
2 c
x2 +A
Np (x) = ax
donde q(x) = x2 A y A =
2ax+b es conjugado a Nq (x) = 2x
b2 4ac .
Demostracion. Consideremos la aplicacion (x) = 2ax + b . Desarrollando
Np 1 (x) se obtiene lo pedido.

Como consecuencia inmediata vemos que para conocer la dinamica de la funcion
de iteracion de Newton de polinomios cuadraticos, tenemos que conocer la dinamica
de la familia a 1parametro p (x) = x2 , y para e sta tenemos
43
44
Dinamica del metodo de Newton para polinomios cudraticos y cubicos
Proposicion 3.2. Si q(x) = x2 c2 , con c > 0 , entonces Nq tiene puntos fijos

en c , ambos superatractores. Ademas, Bc = ] 0, [ y Bc = ] , c [ .
Demostracion. Inmediata a partir del analisis grafico de la funcion de iteracion de
Newton para q .
Proposicion 3.3. Si q(x) = x2 + c2 , con c 6= 0 , entonces Nq es caotica sobre
] , 0 [ ] 0, [ .
Demostracion. Ver Captulo 5.
Para el caso q(x) = x2 , se tiene Nq (x) =
q(x) = 0 es lineal.
x
2
y la convergencia a la raz 0 de
Para polinomios cubicos, la dinamica de la funcion de iteracion de Newton es

mas interesante. Veamos el siguiente
3
1
Ejemplo. Sea p(x) = x3 1.265x + 1 . Tenemos Np (x) = 3x2x
2 1.265 . Cuando
comenzamos las iteraciones con x0 = 0 obtenemos x0 = 0 , x1 = 0.79051 ,
x2 = 0.019675 , x3 = 0.79125 , x4 = 0.015043 , x5 = 0.79094 , x6 =
0.016973 , x7 = 0.79106 , x8 = 0.016232 , x9 = 0.79101 , x10 = 0.016527 ,
y vemos que la o rbita de 0 por Np converge a una o rbita periodica atractora de
perodo 2.
Para probar que existe una o rbita periodica atractora para Np (x) =
considere el intervalo I = [ 0.03 , 0.03 ] y basta probar que
2x3 1
3x2 1.265
(a) Np (I) I = ,
(b) Np2 : I I , y
(c) |(Np2 ) (x)| < 1 para todo x I .
Lo que no es dficil de hacer.
Ahora consideremos los polinomios cubicos, p(x) = ax3 + bx2 + cx + d y
q(x) = x3 + Bx + C . Tenemos,
Np (x) =
2ax3 + bx2 d
3ax2 + 2bx + c
y Nq (x) =
2x3 C
.
3x2 + B
45
Sergio Plaza
Sea, (x) = 3ax + b . Queremos encontrar los coeficientes B y C de q tales

Np = Nq . Tenemos que
Np (x) =
6a2 x3 + 6abx2 + 2b2 x + bc 3ad

3ax2 + 2bx + c
y
54a3 x3 + 54a2 bx2 + 18ab2 x + 2b3 C
.
27a2 x2 + 18abx + 3b2 + B
De ah, si elegimos 2b3 C = 9a(bc 3ad) , es decir, C = 2b3 9a(bc 3ad) ,
y 3b2 + B = 9ac , es decir, B = 9ac 3b2 , tenemos entonces
Nq (x) =
54a3 x3 + 54a2 bx2 + 18ab2 x + 9a(bc 3ad)

27a2 x2 + 18abx + 9ac
= Np (x) .
Nq (x) =
Por lo tanto, hemos probado el siguiente

Teorema 3.1. Sean p(x) = ax3 + bx2 + cx + d , a 6= 0 , y q(x) = x3 + Bx + C ,
donde B = 9ac3b2 y C = 2b3 9a(bc3ad) = 27a2 d+2b3 9abc . Entonces
(x) = 3ax + b es una conjugacion global entre Np y Nq .
Ahora, tenemos la siguiente
Proposicion 3.4. Sean f (x) = x3 + ax + b3 , b 6= 0 y g(x) = x3 + cx + 1 ,
donde c = ba2 . Entonces (x) = xb es una conjugacion global entre Nf y Ng .
Demostracion. Basta desarrollar la ecuacion de conjugacion Nf = Ng , lo
cual es dejado como ejercicio al lector.
Caso B 6= 0 , C 6= 0 arriba, haciendo
=
C
2b3 9a(bc 3ad)
=
,
( 3 B )2
( 3 9ac 3b2 )2
se tiene que Np es globalmente conjugada a la funcion de iteracion de Newton,

N , del polinomio h (x) = x3 + x + 1 .
Si C = 0 y B 6= 0 , considerando la familia a 1parametro de polinomios
cubicos k (x) = x3 + x , vemos que la dinamica de la funcion de iteracion
de Newton N de k , es globalmente conjugada a la dinamica de la funcion de
iteracion de Newton de uno de los siguiente polinomios:
46
Dinamica del metodo de Newton para polinomios cudraticos y cubicos
(1) p+ (x) = x3 + x , caso > 0 ,

(2) p (x) = x3 x , caso < 0 , y
(3) p0 (x) = x3 , caso = 0 .
Como ejercicio el lector puede examinar la dinamica en cada uno de los casos
anteriores. Por ejemplo es interesante caracterizar los valores para los cuales
N tiene puntos periodicos atractores, que son los que perturban, mayormente, la
convergencia a races en el metodo de Newton.
Captulo 4
Descripcion de cuencas de
atraccion en el metodo de Newton
Estudiaremos como se relacionan las diferentes cuenca de atraccion de los ceros
de una funcion f . En general, ellas se entremezclan, dando lugar a una estructura
muy complicada en la recta.
Recordemos que un cero x de f tiene multiplicidad m > 1 si
f (x) = (x x )m f (x)
donde g(x ) 6= 0. Un cero de multiplicidad 1 es llamado un cero simple de f . Si
x es un cero de multiplicidad m > 2, se tiene que Nf no esta definida en x , pues
en este caso f (x ) = 0, sin embargo ya vimos que la definicion de Nf puede ser
extendida de modo a incluir tales ceros. Los ceros de multiplicidad finita de f son
precisamente los puntos fijos de Nf . Todos esos puntos fijos son atractores, pues
Nf (x) =
f (x)f (x)
.
f (x)2
Por lo tanto, si m = 1, entonces Nf (x ) = 0, en otras palabras los ceros simples

de f son puntos fijos superatractores de Nf , y si m > 2, entonces
Nf (x ) =
m1
< 1,
m
47
48
Cuencas de atraccion para el Newton
esto es los ceros multiples son puntos fijos atractores, pero no superatractores, para
Nf .
4.1
Cuencas de atraccion
Recordemos que la cuenca de atraccion de un cero de f es el conjunto

B() = {x0 R : Nfn (x0 ) , cuando n} .
La cuenca de atraccion inmediata de el mayor intervalo abierto B0 ()
B() que contiene a . La cuenca de atraccion de es la union de todas las
preimagenes de la cuenca inmediata, es decir,
B() =
Nfn (B0 ()) .
n>1
Por ejemplo, para f (x) = x2 1, se tiene B(1) = {x R : x > 0},

B(1) = {x R : x < 0}, y para x = 0, Nf no esta definida.
Las cuencas de atraccion pueden exhibir una estructura geometrica muy complicada.
Veamos un ejemplo especfico. Consideremos la funcion f (x) = (x 2)(x
1)x(x + 1)(x + 2) = x5 5x3 + 4x, cuyos ceros son 1 = 2, 2 = 1, 3 = 0,
4 = 1 y 5 = 2. Notemos que f tiene una asntota vertical en cada cero de
f que son a1 1.644432868, a2 0.5439122559, a3 0.5439122559 y
a4 1.644432868.
Tomemos x0 = 0.65, en este caso la sucesion de iterados xn+1 = Nfn (x0 )3 =
0, y para x0 = 0.66, la sucesion de iterados xn+1 = Nf (x0 )4 = 1, mientras
que para un punto intermedio, digamos x0 = 0.653, la sucesion de iterados con-
49
Sergio Plaza
verge a 5 = 2.
Iteraciones de Nf , con x0 = 0.65
Como puede verse, graficamente la situacion es mas bien complicada y es difcil

de decidir hacia que cero de f , la sucesion de iterados xn+1 = Nfn (x0 ) converge.
De hecho, Barna probo que si f es un polinomio de grado al menos 4 y que
tiene todos sus ceros reales y simple, el conjunto de condiciones iniciales que no
convergen a un cero de f es un conjunto de Cantor.
Sobre este conjunto, la dinamica del metodo de Newton es caotica (ver [43]).
Por otra parte Wong ([52]) extendio el teorema de Barna de modo a incluir ceros
multiples. El caso es peor, como mostraron Curry, Garnett y Sullivan ([12]),
cuando ceros complejos son permitidos, en esta situacion el metodo de Newton
50
puede fallar a converger para intervalos abiertos de condiciones iniciales. Por ejemplo, consideramos el polinomio f (x) = x3 2x + 2, debido a Smale, para el cual
x0 = 0 y x1 = 1 forman una o rbita periodica superatractora, por lo tanto, existe
un intervalo abierto I0 conteniendo a x0 y al menos al intervalo ] 0.1, 0.1 [ , de
modo que cada x0 I0 , los iterados xn+1 = Nfn (x0 ) se mueven cclicamente
siguiendo las iteraciones
x0 x1 x0 x1
y aproximandose a ella.
Para describir la geometra de las cuencas de atraccion, vamos a necesitar del
siguiente resultado.
Lema 4.1. Sea f un polinomio de grado d. Supongamos que f solo tiene ceros
reales (repetidos o no) z1 < z2 < < zk y sean c1 < c2 < < ck1 los
puntos crticos de f , que no son ceros de f . Entonces las cuencas de atraccion
inmediata de los ceros tienen las siguientes formas
(i) Las cuencas de atraccion inmediata de z1 y de zk son B0 (z1 ) = ] , c1 [
y B0 (zk ) = ]ck1 , +[ .
(ii) Para 2 6 i 6 k 1, la cuenca de atraccion inmediata de zi es el intervalo
B0 (zi ) = ]li , ri [ , donde {li , ri } es el 2ciclo de Nf tal que li < zi < ri .
Demostracion. Tenemos que cada cero zi de multiplicidad mi contribuye con un
factor (x zi )mi 1 para Nf , y tal cero no contribuye con una asntota vertical para
Nf . Como f tiene grado d 1, vemos que f tiene k 1 ceros que no son ceros de
f , esos son los puntos crticos c1 , c2 , . . . , ck1 , en los cuales Nf tiene una asntota
vertical. Escribamos f en la forma f (x) = a0 + a1 x + + ad xd , y vemos que f
tiene la asntota oblcua
y=
d1
d 2 ad1
x+
.
d
d
ad
Para cada punto crtico c2 , c3 , . . . , ck1 , las lneas tangentes al grafico de f cerca
de ci muestran que lim Nf (x) = + y lim Nf (x) = .
xc+
i
xc
i
51
Sergio Plaza
De modo analogo se ve que lim Nf (x) = y lim Nf (x) = +. Entre

xc
1
xc+
k1
dos asntotas verticales digamos ci y ci+1 , Nf tiene un mnimo local mi y un

maximo local Mi y un cero zi+1 de f , es decir, un punto fijo de Nf .
Si zi+1 es un cero simple, entonces zi+1 es un mnimo o un maximo local. Si
zi+1 es un cero multiple, entonces es una punto de inflexion entre mi y Mi .
Esto establece la forma basica del grafico de Nf .
Para zi y zk+1 , ceros simples o multiples de f , se tiene que, Nf es concava en
] , c1 [ y convexa en ]ck+1 , +[ . Los ceros simples son los extremos locales
de Nf en esos intervalos.
Ahora mostraremos que cada intervalo ]ci , ci+1 [ contiene un 2ciclo cuyos puntos extremos forman un intervalo que contiene a zi+1 y los interados por Nf de los
puntos interiores de ese intervalo convergen a zi+1 . Finalmente, veremos que algunos puntos fuera del intervalo determinado por el 2ciclo al iterarlos convergen
a otro lugar.
Para puntos x1 suficientemente proximo a zi+1 , se tiene que |Nf2 (x1 ) zi+1 | <
|x1 zi+1 |. Por otra parte, para x2 ligeramente menor que el punto Nf1 (ci+1 ) y
que esta en el intervalo ]ci , ci+1 [ , se ve que |Nf2 (x2 ) zi+1 | > |x2 zi+1 |.
Por continuidad de Nf en ]ci , ci+1 [ , existe un punto x3 entre x1 y x2 tal que
|Nf2 (x3 ) zi+1 | = |x3 zi+1 |. Desde la forma del grafico de Nf se ve que
Nf2 (x3 ) = x3 . Por su construccion, x3 = zi+1 . Luego {x3 , Nf (x3 )} = {li , ri }
forma un 2ciclo para Nf en el intervalo ]ci , ci+1 [ . Tambien, por construccion del
2ciclo, puntos en ]li , ri [ al iterarlos por Nf permanecen dentro de ese intervalo.
Sin embargo, esos iterados podran converger a otro 2ciclo dentro de ]ci , ci+1 [ .
Vamos a probar que ]ci , ci+1 [ contiene un u nico 2ciclo para Nf .
Supongamos que {li , ri } es otro 2ciclo en ]ci , ci+1 [ , y que li < li . Necesariamente, li < li < mi y Mi < Nf (li ) = ri < ri . Luego, por el Teorema del Valor
Medio.
li li = Nf2 (li ) Nf2 (li ) = (Nf2 ) ()(li li )
para algun entre li y li . Notemos que esto nos da (Nf2 )() = 1. Recordando
que Nf es creciente en ]ci , mi [ y decreciente en ]Mi , ci+1 [ , y negativa en ambos,
52
y que li < < li y ri < Nf () < ri , vemos que Nf () < Nf (li ) y Nf (ri ) >
Nf (Nf ()). De la Regla de la Cadena, tenemos
1 = (Nf2 ) () = Nf (Nf ())Nf () > Nf (Nf ())Nf (li )
> Nf (Nf (li ))Nf (li ) = (Nf2 ) (li ) .
m1
, se tiene entonces
m

m1 2
2
2
que (Nf ) (zi+1 ) = Nf (Nf (zi+1 ))Nf (zi+1 ) = (Nf (zi+1 )) =
< 1.
m
Si zi+1 es un cero de multiplicidad m, Nf (zi+1 ) =
Considerando que (Nf2 ) (li ) < 1 y (Nf2 ) (zi+1 ) < 1 tiene implicancias sobre
el grafico de Nf2 entre li y zi+1 , y vemos que existe algun punto entre li y zi+1 ,
para el cual Nf2 () = y (Nf2 ) () > 1. Como zi+1 es el u nico punto fijo de
Nf en ]ci , ci+1 [ , debe pertenecer a un 2ciclo y luego ci < < mi . De
li < , y usando la Regla de la Cadena, vemos que (Nf2 ) (li ) > (Nf2 ) (). Como
(Nf2 ) (li ) < 1 y (Nf2 ) () > 1, obtenemos una contradiccion. Luego, ]ci , ci+1 [
contiene un u nico 2ciclo.

Lema 4.2. Las cuencas de atraccion de ceros distintos son disjuntas.
Demostracion. Sean ]ai , bi [ y ]aj , bj [ intervalos en las cuencas de atraccion de
dos ceros zi y zj , con bi 6 aj . Tenemos que ]ai , bi [ es una componente de
Nfm (B0 (zi )) y ]aj , bj [ es una componente de Nfn (B0 (zj )), para algunos m
y n. Supongamos que B0 (zi ) = ]li , ri [ y B0 (zj ) = ]lj , rj [ (el caso de cuencas
inmediatas semiinfinitas es tratado de modo analogo). Como el grafico de Nf es
decreciente entre dos puntos crticos consecutivos de f y fuera de B0 (zk ), vemos
que Nfm (ai ) y Nfm (bi ) es igual a li o ri , de acuerdo a si m es par o impar, y
Nfn (aj ) y Nfn (bj ) es igual a lj o rj de acuerdo a si n es par o impar.
Supongamos que bi = aj y n = m+k. Entonces Nfn (aj ) = lj o rj y Nfn (bi ) =
= Nfk (de li o ri ) = li o ri , donde la u ltima igualdad se sigue pues
{li , ri } es un 2ciclo para Nf . Consecuentemente, el supuesto bi = aj implica
que uno de los lj y rj es igual a uno de los li y ri . Esto es una contradiccion pues
B0 (zi ) y B0 (zj ) son disjuntos.
Nfm+k (bi )
Sergio Plaza
53
Ahora, mostraremos que la geometra de las cuencas de atraccion puede ser muy
intrincada.
Teorema 4.1. Sea f un polinomio con todos sus ceros reales y con al menos cuatro
ceros distintos, entonces las cuencas de atraccion de los ceros de f se entremezclan
entre si.
Demostracion. Sea ]ai , bi [ una componente de Nfm (B0 (zi )) y que ]aj , bj [ es
una componente de Nfn (B0 (zj )). Supongamos que n > m y escribamos n =
m + k. Por simplicidad, asumiremos que ambas B0 (zi ) y B0 (zj ) son acotadas.
Como las cuencas de la atraccion inmediata son acotadas por 2ciclos, tenemos
que Nf (B0 (zi )) = B0 (zi ). Consecuentemente Nfn ( ]ai , bi [ ) = Nfm+k ( ]ai , bi [ ) =
Nfk (B0 (zi )) = B0 (zi ), y analogamente, Nfn ( ]aj , bj [ ) = B0 (zj ).
Para un intervalo dado ]c, b[ que no incluye una asntota vertical de Nf , tenemos
que Nf1 ( ]c, d[ ) es una union de intervalos. El intervalo ]aj , bj [ es obtenido desde
B0 (zj ) seleccionando una componente ]p, q[ de Nf1 (B0 (zj )), entonces una componente de Nf1 ( ]p, q[ ), y as sucesivamente. Podemos esperar a tener que hacer
un seguimiento de que componente se producen en cada nivel. (De hecho, esta es
la aproximacion por dinamica simbolica usada por Wong). Sin embargo, aqu la
situacion es mas simple, y depende de dos observaciones.
Primero, supongamos que ]r, s[ , ]t, u[ y ] v, w [ son intervalos que no contienen asntotas verticales de Nf , y que ]t, u[ esta entre ]r, s[ y ]v, w[ . Entonces una componente de Nf1 ( ]t, u[ ) esta entre las componentes de Nf1 ( ]r, s[ )
y Nf1 ( ]v, w[ ) que estan en la misma componente (rama) del grafico de Nf1 . Esto
se sigue de la monotonocidad de cada rama de Nf fuera del intervalo determinado
por el 2ciclo.
Segundo, suponiendo que i 6= j entre B0 (zi ) y B0 (zj ) encontramos una componente ]t, u[ de Nf1 (B0 (zk )) para k 6= i, j sin tener en cuenta cual componente
de Nf1 (B0 (zi )) y Nf1 (B0 (zj )) estamos usando para construir ]ai , bi [ y ]aj , bj [ ,
una componente de Nf1 , esta entre ellas. Continuamos aplicando Nf1 , en cada
etapa encontramos una componente de Nfq ( ]t, u[ ) entre las componentes seleccionadas de Nfq (B0 (zi )) y Nfq (B0 (zj )).
54
El caso i = j en la segunda parte de la prueba y el caso de una o ambas componentes de B0 (zi ) y B0 (zj ) no acotadas, se trata en forma analoga.
Captulo 5
Caos en el metodo de Newton

5.1 Metodo de Newton y aplicacion logstica
Comencemos por intentar calcular los ceeros de la funcion

1
x + 1 1
f (x) =
, con 0 6 x 6 1 y 1 < 6 4 .
x
Realizando los calculos y con un poco de manipulacion algebraica, obtenemos que
Nf (x) = x(1 x) ,
(5.1)
Denotemos Nf por . Pasamos a anlizar un poco de lo que ocurre con las

iteraciones de puntos en en intervalo bajo Nf
Podemos asumir que 0 < 6 4, aunque para la funcion orignal parametros en
el rango 0 6 6 1 no tienen sentido. Note que si 0 6 6 4 , para puntos fuera
del intervalo I = [0, 1] sus iteraciones por convergen a . Por lo tanto, solo
nos interesaran los puntos de I . El maximo de la parabola ocurre para x = 12 , y
( 12 ) = 4 . Luego (I) = [0, 4 ] y como 6 4 se tiene que (I) I , es
decir, |I es una aplicacion de I en si mismo, y para simplificar la notacion la
continuamos llamando .
Note tambien que para cada se tiene que (0) = 0 , (1) = 0 y (0) = .
Por lo tanto, si < 1 se sigue que solo tiene a 0 como punto fijo, el cual es
55
56
atractor; ademas la o rbita de cualquier punto x0 ] 0, 1 [ tiende a x = 0 cuando

n . Para = 1 , el punto fijo x = 0 continua siendo el u nico punto
fijo, pero ahora es atractor debil, es decir, 1 (0) = 1 , y atrae todas las o rbitas de
] 0, 1 [ . Para > 1 , se tiene que x= 0
es punto fijo repulsor y aparece otro punto
1
fijo x = ( 1)/ . Ahora,

= 2 , luego 0 6 (x ) < 1 para
1 < 6 2 , mientras que 1 < (x ) < 0 para 2 < 6 3 , luego x es un
punto fijo atractor para 1 < < 3 . Por otra parte, para 2 < < 3 , las o rbitas
se aproximan por ambos lados a x (aparece una espiral en el seguimiento de la
o rbita).
Para > 3 , ambos puntos fijos 0 y x = ( 1)/ son repulsores. Que
ocurre con las o rbitas de los puntos de I , distintos de 0 y x ?
Considerando la aplicacion 2
afico intersecta la diagonal en
, vemos que su gr
otros dos puntos aparte de los puntos fijos de . Esto significa que existen puntos
x1 , x2 tales que (x1 ) = x2 y (x2 ) = x1 , esto es, aparece una o rbita periodica
de perodo 2 . Tambien nos referiremos a las o rbita periodica de perodo k como
un kciclo, esta terminologa es bastante comun en textos de sistemas dinamicos,
sobre todo en aquellos escritos por fsicos o matematicos aplicados.
Para = 3 , el punto fijo x de se descompone en el ciclo atractor {x1 , x2 } .
Para verlo, busquemos el valor para lo cual esto ocurre
x = ( (x)) = (x(1 x)) (1 x(1 x)) .
Esta es una ecuacion de cuarto grado cuyas races son los puntos fijos y los
puntos sobre la o rbita periodica, los puntos fijos son x = 0 y x = 1
. Para

1
encontrar x1 , x2 , dividimos el polinomio por x x , despues de un poco
de manipulaciones algebraicas tenemos que
( (x)) x

= (2 x2 2 x x + + 1)
1
x x
y buscando las soluciones de esta ecuacion cuadratica obtenemos
57
Sergio Plaza
1
1
1
x1 , x2 = +
2 2 2
s
1
1+

3
1
La estabilidad del ciclo depende del valor de (2 ) (xj ) , j = 1, 2, el cual es el

mismo para x1 y x2 . Ahora, 2 (xj ) = ( (xj )) (xj ) = (x1 ) (x2 ) .
Resolviendo, la desigualdad, |4 + 2 2 | < 1 para 0 6 6 4 , encontramos
que 3 < 6 1 + 6 3.449489743. Para en este intervalo, la o rbita de

cualquier punto del intervalo, excepto los puntos fijos, tiende al 2ciclo atractor
{x1 , x2 }. Ahora, para > 1 + 6 la o rbita periodica {x1 , x2 } es repulsora. Para
> 1 + 6 3.4494... una o rbita periodica atractora de perodo 4 aparece.

Esta puede encontrarse numericamente resolviendo 4 (x) = x y 2 (x) 6= x . Se
puede mostrar que esa o rbita periodica de perodo 4 es atractora para 3.4495... <
< 3.5441... y repulsora para > 3.5441... . Para > 3.5441... una o rbita
periodica atractora de perodo 8 emerge. Numericamente esta se obtiene resolviendo 8 (x) = x y 4 (x) 6= x . Esta o rbita de perodo 8 es atractora para
3.5441... < < 3.54644... y repulsora para < 3.54644... .
Observemos ahora los valores para los cuales aparecio una nueva o rbita periodica,
de perodo el doble de la que haba aparecido antes: 0 = 1 , 1 = 3 , 2 =
1 + 6 3.4495... , 3 3.5441... , 4 3.5644.... Llamamos a este fenomeno

bifurcacion de duplicacion de perodo . El diagrama de bifurcacion para la aplicacion logstica es mostrado en la figura siguiente
Puede probarse que

= lim n = 3.5699... .
n
58
Este punto marca la separacion entre el regmen de perodo y el regimen caotico

para esta familia cuadratica. Ahora focalizamos nuestra atencion en una pequena
parte de la teora: una constante universal asociada con la acumulacion exponencial descrita arriba aparecen. Esta es llamada constante de Feigenbaum y es dada
por
n n1
= 4.6692016091... .
= lim
n n+1 n
5.2 Metodo de Newton y aplicacion duplicacion de a ngulo

Consideremos la ecuacion x2 + 1 = 0 e intentemos resolverla utlizando el metodo
de Newton, de antemano sabemos que no tendremos e xito, pues no posee races
reales. Pero veamos lo que sucede en este caso.
Al aplicar el metodo de Newton a f (x) = x2 + 1, obtenemos

1
1
Nf (x) =
x
2
x
(5.2)
Para ver mejor cuya grafica se muestra a seguir
Para visualizar mejor las iteraciones del metodo de Newton en este caso, con1
1
sideremos la aplicacion G : R ]0, 1[ definida por G(x) = + arctan(x),
2

cuya inversa es G1 (x) = tan (2x 1) . Definamos la aplicacion N If =
2
G Nf G1 : ]0, 1[ ]0, 1[ , la cual no esta definida en x = 0, x = 1/2 ni
en x = 1, es facil ver que se puede extender a x = 0 y a x = 1, para x = 1/2,
59
Sergio Plaza
tenemos redefinir la funcion, por ejemplo como N If (1/2) = 0. En la figura abajo

se aprecian las dos situaciones.
Aplicacion de Newton en R
Aplicacion de Newton en I = [0, 1]
La aplicacion N If es entonces, modulo un cambio de coordenadas la aplicacion

D : [0, 1] [0, 1] dada por D(x) = 2x mod 1.
Definicion 5.1. Robinson) Una funcion es caotica un conjunto si
1. f es transitiva sobre tal conjunto
2. f tiene dependencia sensitiva respecto de las condiciones iniciales.
Ejemplo 5.1. La aplicacion D(x) = 2x mod 1 es caotica sobre [0, 1]. Por lo tanto,
Nf es caotica.
En efecto,
Mostraremos primero que D es transitiva. Esto es equivalente a probar que
dados dos conjuntos abiertos U y V en [0, 1], existe un entero positivo n, tal que
D n (U ) V 6= . Esto se sigue del hecho que D es expansiva, es decir, |D (x)| >
> 1 para todo x [0, 1]. Pues en este caso, cualesquier conjunto abierto es
alargadado en su longitud por 2 a cada iteracion por D, por lo tanto, los iterados
de este eventualmente cubriran todo el intervalo [0, 1], y por lo tanto uno de sus
iterados intersectara a V .
60
Para mostrar que tiene dependencia sensitiva respecto de las condiciones iniciales, basta ver que el exponente de Lyapunov, que mide la razon exponencial a
la cual o rbitas vecinas se apartan, es positivo. Este es determinado por la media
del logaritmo natural de la derivada a lo largo de una o rbita, en otras palabras, para
casi todo x1 [0, 1],
=
lim
1 n
ln(|D (xj )|)

n j=1
ln(|D (x)|)dx
= ln(2)
la segunda expresion sigue del hecho que la medida de Lebesgue, L , es una
medida invariante y ergodica para D, y por lo tanto podemos aplicar el Teorema
Ergodico de Birkhoff.
5.3 Polinomios cubicos

Ya vimos que el estudio de las iteraciones de Nf para un polinomio cubico se
reduce a las iteraciones de Nf para f (x) = x3 , f( x) = x3 x, f+ (x) = x3 + x
o es un miembro de la familia fr (x) = x3 + rx + 1. Para los primeros la dinamica
ya fue descrita. Para la familia de poliomios cubicos fr , a seguir se muestra el
diagrama de bifrucacion, analogo al de la aplicacion cuadratica anterior.
Diagrama de bifurcacion del metodo de Newton aplicado a fr
Captulo 6
Ciclos en el metodo de Newton

En este captulo mostraremos una tecnica que nos permite construir ciclo para algunos metodos iterativos, nos centraremos en el metodo de Newton. De hecho
nuestra tecnica permite construir ciclos superatractores para el metodo de Newton
y otros.
Recordemos que un nciclo o ciclo de longitud n para una aplicacion F : R
R, es un conjunto finito de n puntos distintos, O = {x1 , x2 , . . . , xn }, que satisface
F (xi ) = xi+1 , para i = 1, . . . , n 1 y F (xn ) = x1 .
Consideremos una funcion f : R R, derivable. Al aplicar el metodo de
Newton, obtenemos una aplicacion Nf : Dom(Nf ) R, definida por Nf (x) =
x f (x)/f (x). Sin perdida de generalidad vamos a suponer que Nf (xi ) = xi+1
para i = 1, . . . , n 1 y Nf (xn ) = x1 . Si esto ocurre, claramente O es un nciclo
para Nf . Ahora desde las igualdades xi+1 = Nf (xi ) = xi f (xi )/f (xi ), para
i = 1 . . . , n 1 y Nf (xn ) = x1 , despejando nos queda
f (xi ) =
f (xi )
f (xn )
, i = 1, . . . , n 1 , y f (xn ) =
xi xi+1
xn x1
(6.1)
resumiendo esto, hemos probado la sioguiente proposicion

Proposicion 6.1. Sea f : R R derivable y sea O = {x1 , . . . , xn } Dom(Nf ),
con xi 6= xj para todo i, j {1, . . . , n}. Entonces O es un nciclo de Nf si y
solo si f satisface las ecuaciones (6.1)
61
62
Usando tecnicas de interpolacion de funciones vamos a construir polinomios con

la propiedad deseada. Tenemos as, el siguiente resultado.
Proposicion 6.2. Para cada n > 2 existe un polinomio p de grado menor o igual
que 2n 1, tal que Np tiene un nciclo.
Demostracion. Consideremos n puntos x1 , x2 , . . . , xn con la propiedad que xi 6=

xj si i 6= j para todo i, j {1, 2, . . . , n} y sean y1 , y2 , . . . , yn otro n puntos. Por
la Proposicion (6.1) , si f : R R satisface f (xi ) = yi para i = 1, . . . , n y las
condiciones (6.1), entonces el conjunto O = {x1 , x2 , . . . , xn } es un nciclo para
Nf .
Para construir el polinomio p usaremos interpolacion de Hermite, la cual nos
permite construir p de grado a lo mas 2n 1 y que satisface las condiciones
f (xi ) = yi , i = 1, . . . , n,

yi
f (xi ) =
, i = 1, . . . , n 1, y
xi xi+1
yn
f (xn ) =
xn x1
(6.2)
Escribimos p como
p(x) = a1 p1 (x) + a2 p2 (x) + + a2n p2n (x)
(6.3)
donde cada pi es un polinomio de grado i 1, para i = 1, . . . , 2n, y son definidos
63
Sergio Plaza
por
p1 (x)
p2 (x)
p3 (x)
p4 (x)
p5 (x)
=
=
=
=
=
..
.
1
p1 (x)(x x1 ) = (x x1 )
p2 (x)(x x1 ) = (x x1 )2
p3 (x)(x x2 ) = (x x1 )2 (x x2 )
p4 (x)(x x2 ) = (x x1 )2 (x x2 )2
(6.4)
p2i1 (x) = p2i2 (x xi1 )

p2i (x) = p2i1 (x)(x xi )
..
.
p2n1 (x) = p2n2 (x)(x xn1 )
p2n (x) = p2n1 (x)(x xn )
Notemos que p2i1 (xi ) = p2i2 (xi )(xi xi1 ) 6= 0 y que p2i (xi ) = p2i1 (xi )(xi
xi ) = 0, esto nos dice que pj (xi ) 6= 0 para j 6 2i1 y que pj (x) = 0 para j > 2i.
Por otra parte, tenemos que p2i (x) = p2i1 (x)(x xi ) + p2i1 (x), de donde
p2i (xi ) = p2i1 (xi ) 6= 0 y p2i+1 (x) = p2i (x)(x xi ) + p2i (x), asi p2i+1 (xi ) =
p2i (xi ) = 0 . Luego, pj (xi ) 6= 0 para j 6 2i y pj (xi ) = 0 para j > 2i +
1. En orden a determinar el polinomio p(x) debemos ser capaces de calcular los
coeficientes ai , para i = 1, . . . , 2n. Para ello, debemos resolver un sistema de
2n ecuaciones con 2n incognitas, si es posible hacerlo. El sistema de ecuaciones
asociado a nuestro problema es un sistema triangular inferior, cuyas filas, para
i = 1, . . . , n son como sigue
A2i1 = p1 (xi ) p2 (xi ) p3 (xi ) p2i1 (xi )
0
0 0 0
A2i
= p1 (xi ) p2 (xi ) p3 (xi ) p2i1 (xi ) p2i (xi ) 0 0 0
As el sistema de ecuaciones lineales a resolver es dado por AX = b, donde
y
1
y1
x x
A1
a1
1 2
.
.
..
.. , X = .. , y b =
A=
(6.5)
A2n
a2n
n
yn
xn x1
64
este sistema tiene solucion, pues el determinante de la matriz A es no cero, para

ello basta notar que la matriz A es triangular inferior y que las componente de su
diagonal son los elementos de la forma p2i1 (xi ) y p2i (xi ), los cuales son no nulos
para i = 1, . . . , n. Esto completa la prueba de la proposicion.
Ejemplo 6.1. Para ejemplificar lo anterior, construyamos un polinomio cuyo metodo
de Newton asociado tenga una o rbita periodica de perodo 3. Para ello consideremos los datos
x1 = 0, y1 = 1
x2 = 1, y2 = 1
x3 = 2, y3 = 1 .
es decir, estamos imponiendo al polinomio p(x) que p(0) = 1, p(1) = 1 y

1
p(2) = 1 y que sus derivadas en esos puntos satisfagan p (0) = 01
= 1,
1
1
1
p (1) = 12 = 1, y p (3) = 20 = 2 . Ahora debemos construir los polinomios

pi (x), i = 1, . . . , 6, los caules son dados como sigue:
p1 (x)
p2 (x)
p3 (x)
p4 (x)
p5 (x)
p6 (x)
=
=
=
=
=
=
1
p1 (x)(x x1 ) = x
p2 (x)(x x1 ) = x2
p3 (x)(x x2 ) = x2 (x 1)
p4 (x)(x x2 ) = x2 (x 1)2
p5 (x)(x x3 ) = x2 (x 1)2 (x 2)
el polinomio buscado tiene la forma p(x) = a1 + a2 x + a3 x2 + a4 x2 (x 1) +

a5 x2 (x 1)2 + a6 x2 (x 1)2 (x 2) y las filas de la matriz A del sistema de
ecuaciones lineales AX = b es
A1
A2
A3
A4
A5
A6
= p1 (x1 )
0
= p1 (x1 ) p2 (x1 )
= p1 (x2 ) p2 (x2 )
= p1 (x2 ) P2 (x2 )
= p1 (x3 ) p2 (x3 )
= p1 (x3 ) p2 (x3 )
0
0
0
0
0
0
0
0
p3 (x2 )
0
0
0
p3 (x2 ) p4 (x2 )
0
0
p3 (x3 ) p4 (x3 ) p5 (x3 )
0
p3 (x3 ) p4 (x3 ) p5 (x3 ) p6 (x3 )
calculando las derivadas de los polinomios pi (x), i = 1, . . . , 6 y evaluando pi (x)y
65
Sergio Plaza
pi (x), obtenemos el sistema de ecuaciones lineales
1
1 0 0 0 0 0
a1
0 1 0 0 0 0 a2 1

1 1 1 0 0 0 a 1
0 1 2 1 0 0 a4 1

1 2 4 4 4 0 a 1
1
0 1 4 8 12 4
a6
2
cuya solucion es a1 = 1, a2 = 1, a3 = 1, a4 = 4, a5 = 5/2, y a6 = 7/8.

Por lo tanto, el polinomio buscado es p(x) = 1 x x2 + 4x2 (x 1) 52 x2 (x
1)2 + 78 x2 (x 1)2 (x 2). La figura a continuacion muestra el grafico de p y del
metodo de Newton asociado, Np , con el 3ciclo O = {0, 1, 2}.
3
4
3
2
y
2
1
3
3
grafico de p(x)
3
2
2
x
grafico de Np (x)
1
1
y
1
2
x
Iteraciones de Np (x) para x = 0
2
x
Iteraciones de Np (x) para x = 0.0001
note que el 3ciclo {0, 1, 2} es repulsor.

Ahora veremos como obtener a partir del polinomio p(x) que fue construido
en la Proposicion 6.2 otro polinomio tal que el nciclo dado por la proposicion
sea superatractor. Pero antes de eso veamos como caracterizamos el hecho que un
nciclo sea superatractor para el metodo de Newton.
66
Proposicion 6.3. Sea p(x) un polinomio cuyo metodo de Newton tiene un nciclo,
O = {x1 , x2 , . . . , xn }. Si p (xi ) = 0 para algun i {1, 2, . . . , n}, entonces O es
superatractor.
Demostracion. Sin perdida de generalidad, podemos suponer que p (x1 ) = 0.
Ahora, por la regla de la cadena
(Npk ) (x) = Np (Npk1 (x))Np (Npk2 (x)) Np (Np (x))Np (x) ,
y podemos suponer tambien que Np (xi ) = xi+1 para i = 1, . . . , n 1 y Np (xn ) =
x1 . Aplicando lo anterior, tenemos
(Npn ) (x1 ) = Np (xn )Np (xn1 ) Np (x2 )Np (x1 )
(x)
y como Np (x) = p(x)p
y estamos suponiendo que p (x1 ) = 0, en la expresion
p (x)2
para (Npn ) (x1 ) el factor Np (x1 ) se anula, por lo tanto (Npn ) (x1 ) = 0, y el resultado esta probado.
Ahora tenemos el siguiente resultado que nos permite construir ciclos atractores
para el metodo de Newton.
Teorema 6.1. Para cada n > 2 existe un polinomio p(x) de grado menor o igual
a 2n de modo que Np (x) tiene un nciclo superatractor.
Demostracion. Dado un conjunto O = {x1 , . . . , xn } de n puntos distintos entre
si, y dado otro conjunto de n puntos {y1 , . . . , yn }, usando la Proposicion 6.2 cosntruimos un polinomio p(x) tal que O es un nciclo para Np (x), el polinomio p(x)
tiene la forma p(x) = a1 p1 (x) + + a2n p2n (x), definimos un nuevo polinomio
p(x) = p(x) + a2n+1 p2n+1 (x) ,
donde a2n+1 es un parametro a determinar. Para la determinacion de a2n+1 imponemos la condicion de que el nciclo O sea superatractor para Np(x). Notemos primero que la nueva condicion no altera O, ya que tenemos p2n+1 (xi ) = 0
para i = 1, . . . , n. Como queremos que O sea superatractora para Np(x), por la
Proposicion 6.3, nos basta encontrar a2n+1 de modo que p (x1 ) = 0, imponiendo
esta condicion y resolviendo para a2n+1 se tiene lo pedido.
67
Sergio Plaza
Continuacion del ejemplo 6.1. Tenemos que p(x) = 1 x x2 + 4x2 (x 1)

5 2
7 2
2
2
2 x (x 1) + 8 x (x 1) (x 2), luego
5
7
p(x) = 1xx2 +4x2 (x1) x2 (x1)2 + x2 (x1)2 (x2)+a7 x2 (x1)2 (x2)2 .
2
8
Haciendo p (0) = 0, obtenemos a7 = 37/16. Luego el polinomio
p(x)
1 x x2 + 4x2 (x 1)
7
5 2
x (x 1)2 + x2 (x 1)2 (x 2) +
2
8
37 2
x (x 1)2 (x 2)2
16
115 3 385 4
37
1x
x +
x 13x5 + x6
8
16
16
es tal que Np = 1/2(460x3 + 1155x4 832x5 + 185x6 16)/(8 345x2 + 770x3

520x4 + 111x5 ) tiene a O = {0, 1, 2} como un 3ciclo superatractor.
3
4
3
2
y
2
1
3
3
2
x
grafico de Np(x)
1
1
grafico de p(x)
y
1
2
x
Iteraciones de Np(x) para x = 0
2
x
Iteraciones de Np(x) para x = 0.00003
68
Captulo 7
Bifurcaciones en el metodo de
Newton
En lo que sigue estudiaremos los cambios en la dinamica de la aplicacion de Newton,
llamadas bifurcaciones, cuando la aplicacion f pierde una raz pasando a traves de una
tangencia cuadratica con el eje x.
Sea g : R R una aplicacion de clase C r , r > 3 que satisface las condiciones
C.1. Si f (x) = 0 entonces f (x) 6= 0
es decir, los puntos crticos (maximos o mnimos) de f son no degenerados.
Por conveniencia, asumiremos que
g(0) = 0,
g (0) = 0,
g (0) > 0 .
Localmente, en una vecindad de 0, g tiene el grafico como se muestra en la figura abajo

g.
...
.
...
...
..
..
...
.
...
.
.
...
.
.
...
...
...
....
..
...
....
..
....
.
.....
.
.
.
.
......
...
.....
....
.
......
.........................................................................................................................
...
..
..
....
....
....
69
70
Bifurcaciones en el metodo de Newton
Sea f (x) = g(x) +
...
..
.
..
. ..
..
.. ..
.
... ..........
.
.
.
. .
... .......
...
... ... ..
... ... ...
..
........ .....
.
... ... ....
.
.
.... .... ....
... ... ...
...
.... ... ...
..
.... .... .....
.
..... .... ....
.... ...........
..... ............... ... ...............................
... .... ................... .... ...
...............................................................................................................................................
...............
...
..
..
....
....
...
Denotemos Nf simplemente por N .

Localmente N se ve como en la figura siguiente
...
. ..
..
..
....
... .
..
.....
.. ...
...
....
.. ...
.
.
.
.
...
.. .. ....
..
.. .. .... .......
...............................................................................................
...
....... ..... .. ..
.
...
.... .... ....
...
....
.
.
.
.
..
.
.
.
.
.
.
.
.
..
.
.
.
..
.. ...
.....
N , > 0
..
...
..
...
....
..
....
...
.
.
.
.
...
... .......
...
.. ........................
..
. ....
...
................................................................................................................N
. ,
........ .............. ..
...
....... ... ..
...
... ...
.
.
.
.
.
...
....
...
.
..
.....
.
....
=0
......
...
....
.....
....
....
......... .......
.... .... .................
..
...
..
.. .............
...............................................................................................................N
.. ,
...
.
.
.
.
.
.
...
.
.
.
.
.
........ ...
....
...
............................ ......
...
.
....
..
.....
.....
....
..
....
<0
Ahora, como f (x) = g(x) + se tiene que f (x) = g (x) . Luego N (x) =
g(x) +
g (x)
(g(x) + )g (x)
x
= Ng (x)
y N (x) = Ng (x) +
=
.
2
g (x)
g (x)
(g (x))
(g (x))2
1
Si g (x) 6= 0 entonces
N (x) =
. Note que esta derivada no depende del
g (x)
parametro , y esta bien definida cuando g (x) 6= 0 . Por otra parte, existen puntos
excepcionales (x0 , 0 ) donde

N (x) no existe, por ejemplo, en (x0 , 0 ) = (0, 0) .
Esos puntos corresponden a puntos donde g (x0 ) = 0 y 0 = g(x0 ) pues en ese caso,
para = 0 ambas f y f son ceros en x = 0 . Note que las bandas de N son,
esencialmente, independiente de y son las mismas que para Ng ; las u nicas excepciones
ocurren en los valores del parametro en los cuales f tiene una raz que es tambien un
punto crtico, es decir, para (x0 , 0 ) tales que f0 (x0 ) = 0 y f 0 (x0 ) = 0 , es decir,
71
Sergio Plaza
0 = f0 (x0 ) = g(x0 ) + 0 y f 0 (x0 ) = g (x0 ) = 0 , o mas especficamente

(
g (x0 ) = 0
0 = g(x0 ) .
Tenemos el siguiente lema
Lema 7.1. Sea I un intervalo compacto sobre el cual g no se anula, entonces cuando
0 se tiene que N converge a Ng y N converge a Ng , siendo la convergencia
en ambos casos uniforme.
Demostracion. Tenemos que
N (x)
N (x)
g (x)
g (x)
Ng (x) +
(g (x))2
Ng (x)
y la prueba se sigue trivialmente.

Para encontrar puntos periodicos atractores de una aplicacion 1dimensional (real o compleja) es conveniente seguir la o rbitas de los puntos crticos de la aplicacion. Para nuestro caso, existen al menos dos razones para esto: primero si un punto crtico de N es
periodico de perodo k entonces su o rbita es superatractora; segundo si N es una funcion
racional (cuociente de dos polinomios sin factores comunes), cosa que ocurre por ejemplo
cuando g es un polinomio, entonces existe una fuerte conexion entre las o rbitas periodicas
atractoras y los puntos crticos de N dada por el siguiente teorema.
Teorema 7.1. (Julia) Si h es una funcion meromorfa definida sobre el plano complejo,
entonces cada o rbita periodica atractora de h contiene un punto crtico en su cuenca de
atraccion.
En lo que sigue estudiaremos las o rbitas de los puntos crticos de N cuando el grafico
de f pasa a traves de una tangencia cuadratica con el eje x en el punto (x, ) = (0, 0) .
f (x)f (x)
Asumiremos que tal punto crtico existe. Tenemos que N (x) =
, luego
(f (x))2
los puntos crticos de N , caso f (x) 6= 0 , son los puntos donde f (x) = 0 (races
de f ) o f (x) = 0 (puntos de inflexion). Cuando un punto crtico de N no es una
raz de f (x) = 0 diremos que es punto crtico libre. Como f = g se tiene que
72
los puntos crticos de N son aquellos donde g se anula, es decir, genericamente, un

punto de inflexion de g . Como g (x) > 0 en una vecindad de x = 0 , la condicion
de existencia de un punto crtico libre se puede formular de la siguiente forma: existen
puntos p < 0 < q tales que g (p) = 0 y g (x) > 0 sobre ]p, q[ . Esto junto con la
condicion que impusimos a g , es decir, g(0) = 0 , g (0) = 0 , g (0) > 0 , y el teorema
del valor medio implican que el u nico punto sobre ]p, q[ donde o bien g o g se anulan es
x = 0 , g(x) > 0 sobre ]p, q[ , g (x) < 0 sobre ]p, 0[ y g (x) > 0 sobre ]0, q[ . Ademas,
g (x)
N (0) = 1/2 , luego N (x) > 0 sobre ]p, q[ . Ahora, como N (x) = Ng (x) +
(g (x))2
se tiene que N (x) > Ng (x) > 0 sobre ]p, q[{0} y > 0 . Por otra parte, dado que
N (x) =
se sigue que
N (x) > 0 sobre ]p, 0[ y
N (x) < 0 sobre
g (x)
]0, q[ . Tenemos el siguiente lema.

Lema 7.2. Supongamos que > 0 . Si Ni (p) < 0 para 0 6 i 6 k entonces
k
N (p) > 0 .

j
j1
N (x) = =0
N (N (x)) .

N (N (p)) > 0 . Por lo tanto,

Ahora como Ni (p) < 0 para 0 6 i 6 k se tiene que
N (p) = k1
N (N (p)) > 0 , como deseabamos probar.
=0

Demostracion. Por la regla de la cadena, tenemos que

Las hipotesis del lema anterior se satisfacen para valores pequenos de
Lema 7.3. Dado k > 0 existe 0 > 0 tal que si || > 0 entonces p < N (p) <
N2 (p) < < Nk (p) < 0 .
Demostracion. Como Ng (x) > 0 sobre ]p, q[ ( Ng (0) = 1/2 ) se sigue que Ng es
monotona creciente sobre [p, q] , y para cualquier x [p, q] , Ng (x) esta entre x y 0
...
....
..
....
...
..
..... y = x
.
...
.
.
.
.
...
...
....
..
...
....
..
...
....
.
.
.
.
...
... ..............................................
..
p
.
.
. ...
......................................................................................................................................................................
..... .
.
...
.
.
.
.
.
.
.
.
q
.
.
.
.
............ .................. .
...
.. .... ..
...
.
..
.
.
.
...
.
.
..
.
.
.
.
...
.
.
.
.
.
.
.
...
.
.
.
.
.
.
.N
.
.
.
.
.
.
g
...
....
....
73
Sergio Plaza
luego, para cualquier x [p, q] la sucesion Ngn (x) converge monotonamente a 0. Ademas,
para cualquier constante positiva , se tiene que N converge C 1 uniformemente a Ng
sobre [p, ] [, q] cuando 0 , as si elegimos < min{Ngk (q), |Ngk (p)|}
encontramos 0 como asegura el lema.
Lema 7.4. Dado k > 0 existe 1 > 0 tal que si 0 < < 1 entonces
(1) p < N (p) < < Nk1 (p) < 0 ;

(2) Nk (p) > Nk1 (p) ;
(3) Nk1 (p) 0 cuando 1 , luego, Nk (p) cuando 1 .
Demostracion. Es una consecuencia inmediata de las condiciones y de los lemas anteriores. La idea es que si la condicion (1) vale, el conjunto {Ni (p)} es monotono en i para
0 6 i 6 k y en para > 0 .
Por los dos u ltimos lemas, para cada k > 1 existe un intervalo [ak , bk ] tal que si
[ak , bk ] entonces
i
N (p) ]p, 0[ , 1 6 i 6 k,
N k (p) [0, q] ,
a (p) = 0 ,
kk
Nbk (p) = q .
Ademas, para cada k se tiene que ak > bk+1 < 0 y lim ak = 0 . Definamos la
k
aplicacion jk : [ak , bk ] [0, q] por jk () = Nk (p) . Por el lema 4 cada aplicacion jk

es monotona creciente y aplica [ak , bk ] sobre [0, q] .
Para valores pequenos y positivos de , se tiene que N aplica el intervalo [0, q]
sobre el intervalo [p, 0] ; luego el conjunto N1 (p) ]0, q[ es no vaco. Por el teorema de
la funcion implcita se tiene que el conjunto N1 (p) ]0, q[ es el grafico de una funcion
74
creciente x = Z() . Las curvas Z y jk son mostradas en la figura siguiente.

......................................................................................................................................................................................................................................................................................................................................................................................
. .
.
.
.
..
.
.
.
.
... ....
...
...
...
..
.
.
.
.
... ....
...
...
...
..
.
.
.
.
.........
... .
... .
... .
..
.
.
..
.
.
.
.
..... .
.. .
.. .
.. .
..
.
.
.
.
..... .. .
.. .
.. .
.. .
..
.. .
.
.
. ......... ... .
.
.
... .
... .
..
.
.
.
. ......
.
.. .
..
.. ..
.. .
.. .
..
.. .
.
.
...
.. .
.. .
x.. = j1.....()
..
.. .
.......
.
.
.
.
.
.
.. .
.. .
.
.
.
.
.
..
.
.
.
.
...... .
.. .
.. .
.. .
.. .
..
.
.
.
.
..
.. .
.. .
.. .
.. x. = jk ()
.......
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
...
..
..
..
..
..
........
.
.
.
.
.. .
.. .
.. .
.. .
..
........
.
.
.
.
..
.. ..
.. ..
.. .
.. .
.........
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... .
... .
..
.
.
.
.
..
.
.
.
. .......................
.
.
.
.
..
..
..
..
..
.
.
.
. ..........
.
.
.
.
..
..
..
..
..
. ...
.
. ................................... x = Z()
. ...
.
. ...
.
..
. ...
. ...................................... ...
.
. ...
.
. ...
.
...................
...........................................................
x
=
j
()
..
.
.
.
. .
.
. . 2 .
. .
.
..
.
.
.
.
. ..
.
. ..
.
. ..
.
. ..
.
..
. ..
.
. ..
.
. ..
.
. ..
.
..
. ... (k ,. xk )
. ...
.
. ...
.
. ...
.
..
.
.
.
.
..
. .
.
. .
.
. .
.
. .
.
..
.
.
.
.
. ..
.
. ..
.
. ..
.
. ..
.
..
. ..
.
. ..
.
. ..
.
. ..
.
..
....
.
....
.
....
.
....
.
..
....................................................................................................................................................................................................................................................................................................................................................................
a2
a1
(0, 0) ak
bk
b2
b1
Para todo k grande existe un punto (k , xk ) satisfaciendo

(
xk = Z(k )
xk = jk (k ) .
Consecuentemente, para = k el punto crtico p de N esta sobre una o rbita
(p) ]0, q[ ,
periodica superatractora de perodo k+1 para N . Tenemos xk = Z(k ) = N1
k
de donde Nk (xk ) = {p} Nk ( ]0, q[ ) y xk = jk (k ) . Luego, p = Nk (xk ) =
) (p) = 0 .
(p) , y como g (p) = 0 se tiene que (Nk+1
Nk+1
k
k

Tenemos el siguiente teorema
Teorema 7.2. Supongamos que g es de clase al menos C 3 y satisface la siguiente
condicion
g (x) = 0 implica g (x) 6= 0
y que
g(0) = 0 , g (0) = 0 , g (0) 6= 0 .
Sea f (x) = g(x) + . Si existe un punto p con g (p) = 0 entonces para todo k
suficientemente grande, existe un intervalo abierto Ik sobre el eje tal que
(1) Para cada Ik , la aplicacion de Newton N tiene una o rbita periodica atractora de perodo k ;
75
Sergio Plaza
(2) cada intervalo Ik contiene al menos un punto k tal que p es un punto periodico
superatractor de N para = k ;
(3) si Ik = ]Lk , Rk [ entonces Lk y Rk tienden a 0 cuando k .
Demostracion. En lo anterior hemos tratado el caso p < 0 y g (p) > 0 . En esa

condiciones hemos demostrado la existencia de una o rbita periodica superatractora para
= k . El teorema de la funcion implcita muestra que esa o rbita continua existiendo para
todos los valores de suficientemente cercanos a k . Sea Ik un intervalo que contiene
a k y tal que para cada Ik , N tiene una o rbita periodica atractora de perodo k
que contiene a p en su cuenca de atraccion. Si p > 0 el argumento es esencialmente el
mismo. Para el caso g (0) < 0 , notemos que la aplicacion de Newton N de g + es
exactamente la misma que para g la cual le podemos aplicar el argumento anterior.
Esto completa la prueba del teorema.
Para ilustrar lo discutido anteriormente el lector puede considerar el ejemplo siguiente.

Sea f (x) = x3 3x + . Esta familia de aplicaciones tiene una tangencia cuadratica con
el eje x en x = 1 cuando = 2 . Tenemos f (x) = 3x2 3 , f (x) = 6x . Luego
el u nico cero de f es x = 0 . Por lo tanto, del teorema de Julia N si tiene una o rbita
periodica de perodo mayor que 1, entonces los iterados de 0 deben tender a esa o rbita. Un
pequeno experimento, nos muestra que
Perodo k
2
3
4
5
..
.
Valor del parametro k

3.674234614
7.751340820
15.556213393
30.155532349
..
.
76
2-ciclo
3-ciclo
4-ciclo
5-ciclo
Captulo 8
Metodos de Newton en el plano

complejo
Daremos una revision de la dinamica de funciones racionales en el plano complejo extendido y la aplicaremos a metodos numericos para aproximar races de ecuaciones polinomiales, en especial nos centraremos en el metodo de Newton
Una de las principales motivacion para iniciar el estudio de iteraciones de funciones
racionales en el plano complejo fue motivado por el estudio del metodo de Newton, en
especial cabe resaltar los trabajos de A. Cayley (1879) y de E. Schroder (1870). Cayley
en su intento por resolver el problema de las regiones de convergencia para el metodo de
Newton aplicado al polinomio cubico p(z) = z 3 1 plantea que el problema es considerablemente mas dficil que el caso cuadratico, para el cual dio una descripcion completa de
las regiones de convergencia de las races.
77
78
Metodo de Newton en el plano complejo
Metodo de Newton para p(z) = z 2 1
Metodo de Newton para p(z) = z 3 1
Posteriormente, G. Julia y Pierre Fatou consideran funciones racionales en una forma

mas general, obteniendo resultados significativos y sientan el estudio de iteraciones de
funciones racionales en el plano complejo extendido, tambien conocido como la esfera de
Riemann, en otras palabras con sus trabajos comienza en forma sistematica el estudio de
los sistemas dinamicos complejos. La base de sus trabajos fue el estudio realizado por
Montel sobre familias normales.
Una funcion racional R : C C es una funcion de la forma
R(z) =
P (z)
,
Q(z)
(8.1)
donde P y Q son polinomios coprimos (sin factores comunes). Las funciones racionales
son las funcione analtica de C en si misma.
Por ejemplo, si aplicamos el metodo de Newton para el calculo aproximado de races de
un polinomio complejo, p(z), obtenemos la funcion racional
Np (z) = z
p(z)
zp (z) p(z)
=
p (z)
p (z)
(8.2)
El grado de una aplicacion racional R(z) = P (z)/Q(z) es definido como

grado(R) = max{ grado(P ) , grado(Q) } .
(8.3)
Informalmente, el grado indica cuantas veces la aplicacion R enrolla la esfera alrededor

de si misma, y este es igual al numero (contado con multiplicidades) de preimagenes de un
punto arbitrario.
Sea R : C C una funcion racional.
79
Sergio Plaza
Definicion 8.1. Dado un punto z0 C, la o rbita positiva o conjunto de iterados positivos

(y en contexto de metodos numericos, simplemente iterados) de z0 por R es el conjunto
2
n
orb+
R (z0 ) = {z0 , z1 = R(z0 ), z2 = R(z1 ) = R (z0 ), . . . , zn = R (z0 ), . . .}
donde la notacion Rn significa R

| R {z R}.
n-veces
Una manera elemental de distinguir o rbitas, es contar el numero de puntos en ellas.
Definicion 8.2. Sea z0 C y orb+

R (z0 ) su conjunto de iterados por R. Decimos que
+
orb (z0 ) es un nciclo u o rbita periodica de perodo n si, z0 = Rn (z0 ) y Rj (z0 ) 6= z0
para 1 6 j 6 n 1. Un 1ciclo, es decir, R(z0 ) = z0 , es llamado un punto fijo de R. En
otras palabras, un nciclo consiste de los n punto {z0 , R(z0 ), . . . , R(n1) (z0 )}.
Definicion 8.3. Sea r C un punto fijo de una funcion racional R. Decimos que r
tiene multiplicidad m > 1 si, r es una raz de multiplicidad m de la ecuacion F (z) =
R(z) z = 0, esto es, F (j) (r) = 0 para j = 0, . . . , m 1 y F (m) (r) 6= 0. Caso m = 1
decimos que r es un cero simple de R, es decir, F (r) = 0 y F (r) 6= 0.
Respecto a la cantidad de puntos fijos que puede poseer una funcion racional, tenemos
el siguiente resultado.
Teorema 8.1. Una funcion racional de grado d > 1 tiene precisamente d + 1 puntos fijos
contados con multiplicidad.
Si aplicamos el metodo de Newton a una ecuacion no lineal f (z) = 0, es claro desde
la expresion que define el metodo de Newton que los ceros de f son puntos fijos de Nf y
recprocamente.
Notemos que si p(z) es un polinomio de grado d > 2, entonces Np (z) tiene grado
menor o igual que d, caso p(z) tiene races multiple, y este es exactamente d cuando el
polinomio p(z) tiene races simple. Como las races de p(z) son punto fijos de Np , si este
tiene d races y z = es siempre un punto fijo de Np se tiene la cantidad maxima de d + 1
puntos fijos para Np .
Lo anterior no siempre ocurre, por ejemplo, la funcion de iteracion siguente, conocida
como metodo del punto medio (ver [50])
Mf (z) = z
f (z)

f z
f (z)
2f (z)
=z
f (z)
,
z 12 uf (z)
(8.4)
80
cuando es aplicado al polinomio p(z) = z 3 1, obtenemos

Mp (z) =
z(13z 6 + 22z 3 + 1)
(5z 3 + 1)2
que tiene a z = 0 como punto fijo no correspondiente a una raz de p(z).

Una propiedad basica que deben cumplir los metodos iterativos usados para encontrar
aproximaciones a los cero de una funcion, es que estos ceros sean puntos fijos de los
metodos utilizados. Un problema serio es que al aplicar algun metodo iterativo, digamos
M , a f , la funcion de iteracion obtenida, Mf , puede tener puntos fijos distintos de los cero
de f , a estos puntos fijos los llamaremos puntos fijos extranos, por ejemplo, como vimos
el metodo de punto medio aplicado a p(z) = z 3 1 tiene a z = 0 como un punto fijo
extrano. Tambien puede ocurrir que algunas funciones de iteracion, aparte de tener puntos
fijos extranos, pueden tener ciclos de largo mayor que 1. Es obvio que una condicion inicial
sobre un ciclo no convergera a un cero de la funcion.
Suponiendo que para las funciones de iteracion para aproximar las races, digamos M ,
de una ecuacion no lineal satisfagan la propiedad que races de la ecuacion f (z) = 0 son
puntos fijos de Mf . En el caso de un polinomio p(z) de grado d > 2, suponiendo que
Mf tiene grado k(d), entonces en el peor de los caso, podemos tener k(d) d puntos fijos
extranos. En general, los puntos fijos de una funcion de iteracion para aproximar races
tienen multiplicidad mayor que 1.
Por ejemplo, para el polinomio p(z) = z 3 2z+2, se tiene Np (z) = (2z 3 2)/(3z 2 2)
y para la condicion inicial z0 = 0, sus iterados son z0 = 0 1 0, es decir, orb+ (0) =
{0, 1}.
Definicion 8.4. Sea = {z0 , R(z0 ), . . . , R(n1) (z0 )} un nciclo de R. Su multiplicador = () se define como () = (Rn ) (z0 ).
Definicion 8.5. Sea = {z0 , R(z0 ), . . . , R(n1) (z0 )} un nciclo de R. Su multiplicador = () se define como
() = (Rn ) (z0 ).
Definicion 8.6. Decimos que un nciclo
= {z0 , R(z0 ), . . . , Rn1 (z0 )}
es,
superatractor
atractor
repulsor
indif erente
si
=0
0 < || < 1
|| > 1
|| = 1 .
81
Sergio Plaza
Los ciclos indiferentes se clasifican en dos tipos: racionalmente indiferente o parabolico

si es una raz de la unidad, esto significa, que existe un numero natural m, tal que m = 1;
en otro caso se denominan irracionalmente indiferentes.
Para r > 0, denotamos por Dr el disco abierto de centro en el origen y radio r, es decir,
Dr = {z C : |z| < r }.
Teorema 8.2. (G. Konig, 1884) Si z0 pertenece a un nciclo atractor, con multiplicador
= (Rn ) (z0 ), que satisface 0 < || < 1, entonces existe una vecindad U de z0 y un
homeomorfismo analtico : U Dr (para algun r > 0), u nico, tal que (z0 ) = 0,
(z0 ) = 1 y (Rn (z)) = (z), para todo z U .
Teorema 8.3. (L. Bottcher, 1904) Sea orb+ (z0 ) un nciclo superatractor. Supongamos
que el multiplicador = (Rn )(k) (z0 ) 6= 0, y que
(Rn ) (z0 ) = (Rn ) (z0 ) = = (Rn )(k1) (z0 ) = 0 .
Entonces existe una vecindad U de z0 y un homeomorfismo analtico : U Dr (para
algun r > 0) tal que (z0 ) = 0, (z0 ) = 1, y (Rn (z)) = ((z))k , para todo z U .
Usando esos dos resultados, podemos definir la cuenca de atraccion de un punto fijo
(super)atractor como sigue. Sea un punto fijo (super)atractor de una funcion racional R,
entonces existe un disco abierto Dr () de radio r > 0 y centro en , tal que para cada
z0 Dr (), los iterados Rn (z0 ) estan definido para todo n N, estan contenidos en
Dr (), y convergen a cuando n . El conjunto
B() =
R(n) (Dr ())
(8.5)
n>0
consiste de todos los puntos en el plano complejo extendido que por iteraciones por R
convergen a . En otras palabras, B() = {z C : Rn (z) , cuando n }. La
cuenca de atraccion inmediata, B (), es la componente conexa de B() que contiene a .
Un punto z0 C es un punto crtico de R si R (z0 ) = 0 y su imagen w0 = R(z0 ) es
llamado un valor crtico.
Teorema 8.4. Sea C = C(R) el conjunto de puntos crticos de una funcion racional R.
Entonces
(a) El conjunto de puntos crticos de Rn es
C(Rn ) = C R1 (C) Rn (C) .
82
(b) El conjunto de valores crticos de Rn es

R(C) R2 (C) Rn (C) .
Sea un punto fijo indiferente de una funcion racional R de grado d > 2, localmente
podemos suponer que
R(z) = z z m+1 + O(z m+ ) ,
m > 1,
(8.6)
El siguiente resultado describe las cuencas de atraccion en este caso. Ver por ejemplo
[2] o [32].
Teorema 8.5. (de los petalos) Sea R una funcion racional que tiene en = 0 un punto
fijo racionalmente indiferente como en (8.6). Sean 1 , . . . , m las mesimas races de la
unidad y sean 1 , . . . , m las mesimas racesde 1. Entonces existe un radio r0 y un
a ngulo 0 , tal que para j = 1, . . . , m, los sectores Sj y j , definidos por

z
z

<
Sj = z : 0 < < r0 , arg

0
j
j
j =
satisfacen

z
z : 0 < < r0 ,
j

arg z < 0

j
|R(z)| < |z| , para todo z Sj ,
y
|R(z)| > |z| , para todo z j .
Teorema 8.6. Sea R una funcion racional como en el teorema (8.5). Para un t > 0 dado
y para cada k = 0, . . . , m 1, definimos los petalos

Y

2k
(t) = rei : r < t(1 + cos(m)) ,

<
.
(8.7)
m
m
k
Entonces, para t suficientemente pequeno, R aplica cada petalo en si mismo. Ademas,

Q
para cada z k (t), los iterados de z por R convergen a 0.
El siguiente teorema relaciona las cuencas de atraccion y los nciclos atractores.
Teorema 8.7. (Fatou, Julia) La cuenca de atraccion inmediata de un ciclo (super)atractor,

contiene al menos un punto crtico.
83
Sergio Plaza
Este resultado es fundamental, pues nos dice que para determinar los ciclos (super)atractores,
debemos estudiar las iteraciones de los puntos crticos de la funcion de iteracion es cuestion.
Teorema 8.8. Una funcion rational de grado d > 2 tiene 2d 2 puntos crticos contados
con multiplicidad.
Tenemos as el siguiente resultado sobre la cantidad maxima de ciclos (super)atractores
o indiferentes que puede tener una funcion racional.
Teorema 8.9. (Cotas sobre el numero de ciclos, Shishikura, 1987) Una funcion racional
R : C C de grado d tiene a los mas 2d2 ciclos, los cuales pueden ser (super)atractores
o indiferentes.
El siguiente resultado muestra que la cota anterior puede ser alcanzada para el metodo
de Newton.
Teorema 8.10. (Hurley, 1986 [21]) Para cada d > 2 existe un polinomio p(z) de grado d,
con coeficientes reales, tal que el metodo de Newton Np tiene 2d 2 ciclos atractores en
el plano complejo, es decir, posee el numero maximal de ciclos atractores que una funcion
racional de grado d puede tener.
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 [16]. Este se basa en el concepto de
familia normal debido a Montel (ver [1]).
Definicion 8.7. Una familia de funciones meromorfas definidas en un dominio U C
= { fi : U C ; fi meromorfa }
es normal si cada sucesion (fn )nN de elementos de posee una subsucesion (fnk )kN
que converge uniformemente sobre cada subconjunto compacto de U .
Teorema 8.11. (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 , ,
S
tales que f f (U ) C {, , }, la familia F es normal.
Ahora nos centraremos en la familia de iterados { Rn : n = 0, 1, 2, 3, . . .} de una
funcion racional R : C C. En este caso, equicontinuidad significa que iteraciones de
puntos proximos no divergen.
84
Definicion 8.8. Un punto z C pertenece al conjunto de Fatou F (R) (tambien llamado

dominio de normalidad o de estabilidad) si existe una vecindad U de z tal que la familia
de iterados
= {Rn : U C ; n = 0, 1, 2, 3, . . . }
es normal en U .
El conjunto de Julia de R , denotado por J (R) o simplemente por J , cuando no exista
peligro de confusion, es el complemento del conjunto de Fatou, esto es, J (R) = C
F (R).
Teorema 8.12. El conjunto de Julia, J (R), es no vaco.
Teorema 8.13. Supongamos z0 C esta sobre un ciclo. Si este ciclo es (super)atractor,
entonces esta contenido en el conjunto de Fatou, y si es repulsor esta contenido en el
conjunto de Julia de R.
Sea M un metodo iterativo para aproximar aproximar soluciones de una ecuacion f (z) =
0. Una propiedad fundamental que debe tener M es que los cero de f (z) son punto fijos
(super)atractores de Mf , funcion de iteracion obtenida al aplicar M a f . Tenemos as el
siguiente resultado.
Teorema 8.14. Sea M un metodo iterativo para aproximar ceros de una funcion f (z).
Denotemos por Mf la funcion de iteracion obtenida al aplicar M a f . Entonces los cero
de f estan contenidos en el conjunto de Fatou F (Mf ) de Mf .
Teorema 8.15. (Fundamental (Fatou, Julia)) Los ciclos repulsores son densos en J (R),
es decir,
J (R) = clausura{z C : z sobre un ciclo repulsor de R} .
En particular, existe una cantidad infinita de ciclos repulsores y cada z J (R) es
obtenido como lmite de puntos en ciclos repulsores.
Esta propiedad es particularmente interesante, pues nos dice que si elegimos una condicion inicial sobre el conjunto de Julia de R para nuestras iteraciones, entonces los errores
computacionales, por pequenos que sean, nos tendera a alejar del conjunto de Julia, en
particular, si este tiene medida de Lebesgue cero, entonces, lo mas probable es que despues
de un numero pequeno de iterados, las siguientes iteraciones esten en el conjunto de Fatou,
donde tenemos esperanza de convergencia.
85
Sergio Plaza
Definicion 8.9. Sean R1 y R2 dos funciones racionales. Decimos que ellas son conjugadas si existe una transformacion de Mobius M : C C tal que
R2 = M R1 M 1 .
Observacion. Si R1 y R2 son conjugadas por M , entonces M (J (R1 )) = J (R2 ) y
M (F (R1 )) = F (R2 ).
Teorema 8.16. (Cayley (1879), Schroder (1870)) Sea p(z) un polinomio cuadratico con
sus dos races distintas, entonces el metodo de Newton Np (z) aplicado a p es conjugado
a la funcion g(z) = z 2 .
Teorema 8.17. (Reescalamiento) Sea T (z) = z + , 6= 0, y sea q(z) = p(T (z)) =
p T (z). Entonces
T Nq T 1 = Np ,
esto es, T es una conjugacion entre Np y Nq .
Este teorema nos dice que mediante una transformacion afn podemos transformar las
races de p sin modificar cualitativamente la dinamica de la metodo de Newton.
Teorema 8.18. R(J (R)) = J (R) = R1 (J (R)), es decir, J (R) es completamente
invariante. En particular, F (R) es completamente invariante.
Teorema 8.19. Los conjuntos de Julia de R y de Rm , con m N, son el mismo, en otras
palabras, J (R) = J (Rm ).
Teorema 8.20. Sea za es un punto periodico atractor para una funcion racional R, entonces J (R) = B(za ) ( A denota la frontera del conjunto A).
Corolario 8.21. Si F (R) es no vaco, entonces el conjunto de Julia de R, J (R), no tiene
puntos interiores.
El resultado anterior junto con el teorema que le precede tienen aplicaciones directa en el
caso de metodos iterativos para aproximar ceros de una funcion f (z), pues como estamos
asumiendo que las races correspondan a puntos fijos (super)atractores, estos pertenecen al
conjunto de Fatou de la correspondiente funcion racional Mf , por lo tanto se tiene que el
conjunto de Fatou, F (Mf ), es no vaco y J (Mf ) = B(), donde es un cero de f .
Definicion 8.10. Sea C un punto fijo (que no es un polo) de una funcion racional
R, con multiplicador = R () 6= 0. Decimos que R es linealizable en si, existe una
vecindad U de y una funcion analtica h, tal que h() = , es inyectiva en U R(U ), y
satisface
h R h1 (z) = + (z ) , para todo z h(U ).
(8.8)
86
Definicion 8.11. Un punto fijo de una funcion racional R es aislado si existe una vecindad U de que no contiene otros puntos fijos o sobre un ciclo, aparte de .
Teorema 8.22. (Siegel, 1942) Sea R una funcion racional de grado d > 2. Suponga que
es un punto fijo de R con multiplicador 6= 0. Entonces R es linealizable en si y solo
si es un punto fijo aislado de R.
Un punto fijo irracionalmente indiferente de una funcion racional R es llamado un
punto de Siegel, si R es linealizable en , caso contrario es llamado un punto de Cremer.
Teorema 8.23. Sea un punto fijo irracionalmente indiferente de una funcion racional
R. Entonces R es linealizable en si y solo si es aislado.
Definicion 8.12. Sea D una componente del conjunto de Fatou. Decimos que D es
periodica si existe n > 1 tal que Rn (D) = D, y decimos que D es preperiodica si
existe k > 1 tal que Rk (D) es periodico.
Teorema 8.24. ((de los dominios no errantes)(Sullivan [49])) Sea R una funcion racional.
Entonces todas las componentes del conjunto de Fatou son preperiodicas. Ademas, solo
existe una cantidad finita de componentes periodicas. Sea U una componente periodica
del conjunto de Fatou de R, la cual podemos suponer que es fija, entonces U es uno de los
siguientes cinco tipos:
(i) superatractoras: contiene un punto fijo superatractor
(ii) atractoras: contiene un punto fijo atractor
(iii) parabolicas (o dominio de Leau): existe un punto fijo parabolico en su frontera
(iv) disco de Siegel: contiene un punto fijo irracionalmente indiferente que es un punto
de Siegel, en este caso U es analiticamente equivalente a un disco y R restricta a U
es analiticamente conjugada a una rotacion de a ngulo irracional.
(v) anillo de Herman: contiene un fijo irracionalmente indiferente que es un punto de
Cremer, en este caso U es analiticamente equivalente a un anillo y R restricta a U
es analiticamente conjugada a una rotacion de a ngulo irracional.
Teorema 8.25. Sea U una componente del conjunto de Fatou de una funcion racional
R de grado d > 2, la cual podemos suponer fija. Sea C = C(R) su conjunto de puntos
crticos, y
n
C + (R) =
n=1 R (C) .
el conjunto postcrtico de R.
Sergio Plaza
87
(a) Si U es una componente (super)atractora o parabolica, entonces debe contener al

menos un punto crtico.
(b) Si U es un disco de Siegel o un anillo de Herman, entonces la frontera de U esta
contenida en la clausura de C + (R).
En particular, si R tiene un anillo de Herman, entonces J (R) no es conexo.
El teorema anterior toma en cuenta todos los puntos sobre ciclos, exceptos aquellos
sobre ciclos irracionalmente indiferentes que pertenecen al conjunto de Julia J (R), esto
es, los puntos de Cremer.
El siguiente resultado muestra la coneccion entre los puntos de Cremer y los iterados de
puntos crticos.
Teorema 8.26. Todo punto de un ciclo irracionalmente indiferente que esta contenido
en el conjunto de Julia J (R) de una funcion racional R es un punto lmite del conjunto
C + (R).
El siguiente resultado establece la coneccion entre los puntos crticos de una funcion
racional y los ciclos de componentes del conjunto de Fatou.
Teorema 8.27. (Shishikura (1987), cotas sobre el numero de componentes) Sea R una
funcion racional de grado d > 2. El numero total de componentes de Fatou ciclicas, es
decir, componentes ciclicas atractoras, superatractoras, parabolicas, discos de Siegle y
anillos de Herman, esta acotado por 2d 2.
Sobre el numero de componentes de Fatou, se tiene el siguiente resultado
Teorema 8.28. El conjunto de Fatou de una funcion racional R tiene 0, 1, 2 o una
cantidad infinita de componentes.
Corolario 8.29. Sea M un metodo iterativo para aproximar races de un polinomio p(z).
Supongamos que las races de p(z) son puntos fijos atractores o superatractores de M y
que p(z) tiene al menos 3 races distintas. Entonces F (M ) tiene una cantidad infinita de
componentes.
La recproca del corolario anterior no es verdadera, por ejemplo, si consideramos el
metodo de Chebyshev

1
Chebyf (z) = z uf (z) 1 + Lf (z) .
(8.9)
2
88
aplicado al polinomio cuadratico p(z) = z 2 1, el conjunto de Fatou tiene infinitas componentes
8.1
Algoritmos generalmente convergentes: limitacion algoritmica de iteraciones
Veremos algunas limitaciones que tienen los algoritmos iterativos para aproximar races de
polinomios en el plano complejo, en particular no referimos al importante resultado de C.
McMullen, 1985, ([30]), en esta parte de la teora.
Comenzamos con la siguiente definicion.
Definicion 8.13. Dado un polinomio p(z) de grado d > 2. Una funcion racional Tp (z),
de grado k(d), definida en terminos de z, p(z) y sus derivadas es llamada una funcion
de iteracion para tal polinomo si,cada raz de p(z) es un punto fijo (super)atractor de
Tp (z). Si esta propiedad vale para todo polinomio p(z) de grado d, decimos que la funcion
racional T definida por T (p(z)) = Tp (z) es un algoritmo puramente iterativo.
Por ejemplo, el metodo de Newton
N : p(z) Np (z) = z
p(z)
p (z)
es un algoritmo puramente iterativo.

Una pregunta inmediata es Cuan bueno es un metodo iterativo para aproximar las races
de un polinomio?, o mas especificamente El metodo iterativo en cuestion converge para
casi toda condicion inicial? Esto nos lleva a la siguiente definicion.
89
Sergio Plaza
Definicion 8.14. Dado un polinimio p(z). Decimos que una funcion de iteracion Tp (z) es
generalmente convergente si, para casi todo z C sus iteraciones por Tp convergen a una
raz de p(z).
Por ejemplo, el metodo de Newton no es generalmente convergente. Ya vimos que el
metodo de Newton aplicado al polinomio p(z) = z 3 2z +2 tiene un 2ciclo superatractor
= {0, 1}. Note que por continuidad, si q(z) es un polinomio proximo a p(z), entonces
Nq tiene un 2ciclo atractor proximo al 2ciclo = {0, 1}. Este ejemplo es debido
a Smale [48]. Otros ejemplos clasicos son debido a Barna (1956), quien considero el
polinomio p(z) = 3z 5 10z 3 + 23z para el cual el metodo de Newton tiene el ciclo
superatractor = {1, 1}.
Metodo de Newton aplicado a p(z) = z 3 2z + 2
Metodo de Newton aplicado

a p(z) = 3z 5 10z 3 + 23z
El siguiente teorema fue probado por Barna para el caso especial de polinomios con
todas sus races reales.
Teorema 8.30. (Barna, 1956) Sea p(z) un polinomio con todos sus races reales, entonces
lospuntos de inflexion de p(z) estan contenidos en las cuencas de atraccion inmediatas
para Np de las races 1 , . . . , d de p(z). Ademas, excepto por un conjunto de Cantor C
de numeros reales, cada numero real converge por iteraciones por Np a una raz de p(z).
Para el metodo de Newton aplicado a un polinomio cubico, este puede fallar debido a
la existencia de un ciclo atractor. Como ya indicamos el metodo de Newton aplicado a
polinomios no puede tener anillos de Herman, pues suconjunto de Julia es conexo, y consecuentemente toda componente de Fatou es simplemente conexa. La aparicion de discos
de Siegel para metodos iterativos, en especial para el metodo de Newton, es consecuencia
de un resultado de McMullen (1897) y (1988).
90
Teorema 8.31. (Limitaciones algoritmicas, McMullen (1987)[30]) No existen algoritmos

puramente iterativos generalmente convergentes para resolver polinomios de grado mayor
o igual que 4
Una pregunta que surge de inmediato es Como puede fallar una funcion de iteracion
para aproximar races para dejar de ser generalmente convergente? Sabemos que la existencia de ciclos atractores nos lleva a una explicacion de la pregunta anterior, notemos que
la existencia de un ciclo atractor para un elemento p P olyd , conjunto de polinomios de
grado d, implica la existencia de una vecindad abierta Np de p en P olyd, de modo que
cada q Np falla a converger por la existencia de un ciclo atractor del mismo largo que el
de p, pero Es esta la u nica forma de que una funcion de iteracion deje de ser generalmente
convergente?, imaginemos que para una funcion de iteracion cuando es aplicado a un polinomio, el conjunto de Julia obtenido tiene medida positiva (ya sabemos que no puede tener
puntos interiores), entonces tal funcion de iteracion fallara a converger sobre un conjunto
de medida positiva.
Lo anterior no implica que lo mismo ocurra para polinomios proximos. Para ver la
existencia de discos de Siegel, argumentamos como sigue. Si {T } es una familia de funciones racionales con un ciclo que cambia de repulsor a atractor cuando varia, entonces
este ciclo debe contener el centro de Siegel para algun valor del parametro .
Teorema 8.32. El metodo de Newton no es generalmente convergente.
De hecho, tenemos el siguiente resultado
Teorema 8.33. Para cada d > 3, el metodo de Newton no es generalmente convergente
para el polinomio
p(z) = z d (d 1)z + d 1.
(8.10)
Metodo de Newton para p(z) = z 4 3z + 3
Sergio Plaza
91
El teorema anterior nos permite construir polinomios p(z), de modo que el metodo de
Newton asociado Np (z) tiene a = {0, 1} como un 2ciclo superatractor, pero la pregunta
natural es si podemos construir polinomios para los cuales elmetodo de Newton asociado
tenga un ciclo atractor, indiferente parabolico, un disco de Siegel o un punto de Cremer.
Consideremos un polinomio p(z) = z 3 + a2 z 2 + a1 z + a0 de grado 3, e impongamos
las condiciones
(1) Np (0) = 1
(2) Np (1) = 0
(3) Np (0)Np (1) = , con C.
Teorema 8.34. Sea C {4}. Entonces el polinomio
p(z) = z 3 + ( 2)z 2 z +

q

32
, satisface que {0, 1} es un 2ciclo para Np (z), con
con = = 12 1 1 + 4
multplicador (Np2 ) (0) = .
Teorema 8.35. Una funcion de iteracion Tp (z) asociada a un polinomio p(z) es generalmente convergente si y solo si el conjunto de Julia J (Tp ) tiene medida de Lebesgue cero y
para todo z F (Tp ) se tiene que orb+ (z) converge a una raz de p(z).
En particular, esto significa que no existen ciclos de componentes de Fatou de largo
mayor o igual que dos, ya sean (super)atractores, parabolicos, discos de Siegel o anillos de
Herman.
Definicion 8.15. Decimos que un punto crtico c de una funcion racional R es preperiodico
si existe un menor entero positivo algun n > 1, tal que Rn (c) esta sobre un pciclo.
Cuando p = 1, decimos que c es prefijo.
Lo anterior significa que n es el primer entero positivo, tal que c Rn (z0 ), donde z0
es un punto sobre un pciclo.
Teorema 8.36. (McMullen, 2004) Sea R una funcion racional. Supongamos que R
tiene al menos un ciclo atractor. Si todos los puntos crticos de R estan en cuencas de
atraccion de atractores o son preperiodicos, entonces J (R) tiene medida del Lebesgue
cero. Ademas, para todo z
/ J (R) se tiene que sus iterados por R convergen a un ciclo
atractor.
92
De esto deducimos el siguiente resultado
Teorema 8.37. Una funcion de iteracion Tp (z) asociada a un polinomiop p(z) es generalmente convergente si sus puntos crticos son preperiodicos o convergen a una raz de
p(z).
Corolario 8.38. Sea Np (z) el metodo de Newton asociado a un polinomio p(z). Si las
races de p (z) son preperiodicos o convergen a una raz de p(z), entonces Np es generalmente convergente.
Del teorema 8.31 y dado que sabemos que el metodo de Newton no es generalmente
convergente para polinomios de grado 3, nos podemos preguntar si existe algun algoritmo
generalmente convergente para polinomios de grado 3. El propio McMullen propone un
tal algoritmos, el cual es dado como sigue. Sea p(z) un polinomio cubico, modulo un
cambio de coordenada podemos suponer que tiene la forma p(z) = z 3 + az + b, entonces
el siguiente algoritmo es generalmente convergente
Mp (z) = z
p(z)(3az 2 + 9bz a2 )
3az 4 + 18bz 3 6a2 z 2 6abz 9b2 a3
(8.11)
p(z)
que resulta de aplicar el metodo de Newton a la funcion racional q(z) = 3az2 +9bza
2,
es generalmente convergente, de hecho es superconvergente, esto significa que los puntos
crticos de la funcion de iteracion coinciden con las races del polinomio.
El siguiente resultado nos muestra que aun cuando el metodo de Newton no es generalmente convergente, podemos controlar los puntos iniciales de modo a que siempre
tengamos convergencia a una raz. Comenzamos introduciendo la siguiente notacion. Sea
Pd el espacio de polinomios de grado d, normalizados de modo que todas sus races esten
en el disco abierto unitario D en el plano complejo.
Teorema 8.39. (Hubbard, Schleicher, Sutherland, 2001) Para cada d > 2, existe un
conjunto Sd consistiendo de a lo mas 1.11 d log(d)2 puntos en C, con la propiedad que
para cada polinomio p Pd y cada una de sus races, existe un punto s Sd en la cuenca
de atraccion de la raz elegida. Para polinomios cuyas races son todas reales, existe un
conjunto analogo S con a lo mas 1.3 d puntos.
93
Sergio Plaza
Conjunto Sd
Metodo de Newton aplicado a p(z) = z 3 1
Note que el teorema anterior no hace que el metodo de Newton sea de hecho un algoritmo, pues fijada una raz de un polinomio p Pd y un error (tolerancia) > 0, no se
tiene cotas sobre el numero de iterados que debemos calcular para obtener | zn | < ,
donde z0 Sd lo escogemos en la cuenca de atraccion de . Este problema fue resuelto
por Schleicher en [46].
Teorema 8.40. (Schleicher, 2008, [46], Conjunto de condiciones iniciales eficientes)
Dado > 0. Para cada grado d, existe un conjunto finito de condiciones iniciales Sd C
conteniendo cd(log(d))2 puntos con la siguiente propiedad: suponga que p Pd . Entonces para cada raz de p(z), para al menos un punto z Sd las iteraciones Npn (z)
convergen a , y el numero de iteraciones requerido, M de modo que
|NpM (z) | <
depende polinomialmente de d con exponente bajo. El conjunto Sd puede ser especficado
explicitamente.

Indice
Alfabetico
Descripcion de las cuencas de atraccion, 47
Dinamica del metodo de Newton, 21
Disco de Siegel, 86
Duplicacion de periodos, 57
Como resolva ecuaciones Newton?, 3

Pierre Fatou, 78
Algoritmo de McMullen, 92
Algoritmos generalmente convergentes, 88
Anillo de Herman, 86
Aplicacion racional, 78
Arthur Cayley, 6
Augustin Louis Cauchy, 6
E. Schroder, 7
Ecuaciones cudraticas: revisitadas, 23
El Metodo de Newton, 3
Familias normales, 83
BarnaM. Cosnard & M. Masse, 35

Bifurcaciones en el metodo de Newton, 69
Caos en el metodo de Newton, 55
Ciclos en el metodo de Newton, 61
Clasificacion de los ciclos, 80
Conducta global del metodo de Newton, 24
Conducta local del metodo de Newton, 11
Conjugacion de aplicaciones racionales, 85
Conjunto de Fatou, 84
Conjunto de Julia, 84
Convergencia cuadratica del metodo de Newton, 12
Convergencia local del metodo de Newton,
11
Cuenca de atraccion, 48, 81
Cuenca de atraccion de un punto fijo, 81
Cuenca de atraccion inmediata, 81
Definicion de aplicacion caotica, 59
Gaston Julia, 78
Grafico tpico de la aplicacion de Newton,
31
Grado de una funcion racional, 78
Jean Baptiste Joseph Fourier, 5
Jean Raymond Mourraille, 5
Joseph Raphson, 5
Joseph-Louis Lagrange, 5
Metodo de Chebyshev, 87
Metodo de Newton, 8
Metodo de Newton en el plano complejo, 77
Metodo de Newton y aplicacion duplicacion
de a ngulo, 58
Metodo de Newton y aplicacion logstica,
55
Multiplicador, 80
No convergencia de Nf : indefinicion de las
iteraciones, 31
94
Sergio Plaza
No convergencia: existencia de o rbitas periodi-Un poco de historia, 3

cas atractoras en el metodo de NewValor crtico, 81
ton, 39
polinomios cubicos, 60
Prefacio, i
Propiedades basicas de la aplicacion de Newton, 27
Punto crtico, 81
Puntos fijos extranos, 80
Puntos fijos linealizables, 85
Puntos preperiodicos, 91
Races cuadradas, 13
Recproco de un numero, 15
Reescalamiento afn, 85
Resolviendo ecuaciones que no tienen races
reales, 17
Teorema de Bottcher, 81
Teorema de Barna, 89
Teorema de Fatou y Julia, 82
Teorema de G. Julia, 71
Teorema de Hubbard, Schleicher y Sutherland, 92
Teorema de Hurley, 83
Teorema de Konig, 81
Teorema de los petalos, 82
Teorema de McMullen, 90
Teorema de Montel, 83
Teorema de Schleicher, 93
Teorema de Schroder y Cayley, 85
Teorema de Shishikura, 83
Teorema de Shshikura, 87
Teorema de Siegel, 86
Teorema de Sullivan sobre los dominios no
errantes, 86
Teorema fundamental de Fatou y Julia, 84
Thomas Simpson, 5
95
96
Bibliografa
[1] A HLFORDS , L., Complex Analysis. MacGrawHill, 1979.
[2] B EARDON , A. F., Iteration of rational functions. SpringerVerlag, New York, 1991.
[3] B OTTCHER
, L. E., The principal lwas of convergence of iterates and their applications to analysis. (En Ruso) Bulletin Kasan Mathematical Society, 14, (1904), 155
234.
[4] B LANCHARD , P., Complex Analytic Dynamics on the Riemann sphere. Bull. of AMS
(new series) Vol. 11, number 1, July 1984, 85141.
[5] B LANCHARD , P., C HIU , A., Complex Dynamics: an informal discussion. Fractal Geometry and Analysis. Eds. J. Belair & S. Dubuc. Kluwer Academic Publishers (1991),
4598.
[6] B UFF , X., H ENRIKSEN , C., On Konigs root-finding algorithms, Nonlinearity, 16
(2003), 9891015.
[7] C AYLEY, A., The NewtonFourier imaginary problem. Amer. J. Math. II, (1879), 97.
[8] C AYLEY, A., Application of the Newton-Fourier method to an imaginary root of an
equation. Quaterly J. of Pure and Applied Math. XVI, (1879),179185.
[9] C AYLEY, A., Sur les racines dune e quation algebrique. C.R.A.S. 110 (1890), 215
218.
[10] J. L. C HABERT ET AL ., A History of Algorithms: from the Pebble to the Microchip,
Springer-Verlag, Berln-Heidelberg, 1999.
[11] C OSNARD , M., M ASSE , C., Convergence presque partout de la methode de Newton.
C.R. Acad. Sc. Paris t297 nov. 1983, 549552.
[12] C URRY, J. H., G ARNETT, L., S ULLIVAN , D., On the iteration of rational function:
Computer experiment with Newtons method. Comm. Math. Phys. 91 (1983), 267277.
97
98
[13] D EVANEY, R., An Introduction to Chaotic Dynamical Systems. AddisonWesley

Publishing Company, Inc. 1987.
[14] E MERENKO , A., LYUBICH , M., The Dynamics of Analytic Transformations.
Leningrad Math. J., Vol. 1 (3) (1990), 563634.
[15] FALCONER , K., Fractal Geometry. Willey & Sons, 1990.
[16] FATOU , P., Sur les e quations fonctionelles. Bull. Soc. Math. France 47(1919), 161271, 48 (1920), 208314.
[17] F RAME , M., N EGER , N., Newtons method and the Wada property:A graphical
approach. The College Mathematics Journal 38 (3), (2007), 192204.
[18] G ALLICA -M ATH : OE UVRES COMPL E` TES, Biblioteca numerica Gallica de la Biblioth`eque Nationale de France, http://mathdoc.emath.fr/OEUVRES/
[19] G UTI E RREZ , J. M. , P LAZA , S., Estudio dinamico del metodo de Newton para resolver ecuaciones no lineales. Libro a ser publicado por la Editorial de la Universidad
de la Rioja, Logrono, Espana.
[20] H UBBARD , J., S CHLEICHER , D., S UTHERLAND , S., How to find all roots of complex polynomials by Newtons method, Inv. Math., Vol. 146 , Number 1 (2001), 133.
[21] H URLEY, H., Multiple attractors in Newtons method. Erg. Theory and Dyn. Systems 6 (1984), 561569.
[22] H URLEY, M., Attracting orbits in Newtons method. Trans. AMS. 297 (1) (1986)
143158.
[23] H URLEY, M., M ARTIN , C., Newtons algorithm and chaotic dynamical systems.
SIAM J. Math. Ann. vol. 15 (2) (1984), 238252.
[24] J ULIA , G., Memoire sur literation des fonctions rationelles. J. de Math. Pures et
Appliquees, Ser. 8:1, (1918), 47215.
[25] K ALANTARI , B., Polynomial rootfinding and polynomiography. World Scientific
Publishing Co. Ltda., Singapore, 2009.
[26] K ONIG
, G., Recherches sur les e quationes fonctionelles. Ann. lEcole
Norm. 1
(1884), Suplement.
[27] T. L I Y J. YORKE, Period three implies chaos, Amer. Math. Monthly 82 (1975),
985993.
[28] M AY, R., Simple mathematical models with very complicated dynamics. Nature Vol.
261, June 10 (1976), 459467.
Sergio Plaza
99
[29] M C C LURE , M., Newtons method for complex polynomials. Mathematica in Education and Research, Volume 11, issue 2 (2006).
[30] M C M ULLEN , C., Families of rational maps and iterative root-finding algorithms.
Annals of Mathematics, 125 (1987), 467493.
[31] M ILNOR , J., Dynamics in One Complex Dimension: Introductory Lectures. Preprint
#1990/5, SUNY StonyBrook, Institute for Mathematical Sciences.
[32] M ILNOR , J., Dynamics in one Complex Variable. Third Edition. Annals of Mathematics Studies, 160, University Press 2006.
[33] N ISHIZAWA , K., F UJIMURA , M., Families of rational maps and convergence basins
of Newtons method. Proceedings of the Japan Academy, Series A, Mathematical Sciences. Volume 68, Number 6 (1992), 143147.
[34] P EITGEN , H EINZ - OTTO (Ed.) Newtons Method and Dynamical Systems. Kluwer
Academic Publishers, 1989.
[35]
P LAZA , S., Introduccion a la Geometra Fractal: Sistemas Funciones Iterados; Metodos Numericos y Sistemas Dinamicos. Notas de curso, XIII Jornadas de
MatematicaUniversidad de Tarapaca, Arica, Octubre 30 y 31 de 1995.
[36] P LAZA , S., Sistemas Dinamicos y Metodos Numericos. Notas de curso. COMCA,96.
Universidad Arturo Prat, Iquique, 1996.
[37] P LAZA , S., Dinamica del Metodo de Newton. Actas Coloquios Nacionales de Sistemas Dinamicos 1991, (1992), 82119.
[38] P LAZA , S., A Note About Newtons Method. Revista CUBO 12 (1998), 7176.
[39] P LAZA , S., Dinamica de la transformada de Newton. Apendice del Libro Introduccion a la Dinamica 1dimensional. Autor R. Labarca. Editorial Universidad de
San Marco, Lima, Peru, 1991.
[40] P LAZA , S., Metodos Numericos: un punto de vista de la dinamica compleja. Cubo
Mat. Educ. 2 (2000), 208225.
[41] P LAZA , S., Fractales y generacion computacional de imagenes. Monografas del
Instituto de Matematica y Ciencias Afines , 16. Instituto de Matematica y Ciencias
Afines, IMCA, Lima; Pontificia Universidad Catolica del Peru, Lima, 2000. x+160
pp. ISBN: 9972-753-63-8.
[42] RUDIN , W., Real and Complex Analysis (3rd ed.). McGrawHill, 1986.
100
[43] S AARI , D., U RENKO , J. B., Newtons method, circle maps, and cahotic motion.
Amer. Math. Monthly, vol.91, (1984), 317.
[44] S AUNDER , G., Iteration of rational function of one complex variable and basins of
attractive fixed points. Ph.d. Thesis, Univ.of California, Berkeley, 1984.
[45] S HISHIKURA , M., The connectivity of the Julia set and fixed points, in Complex
dynamics: families and friends (Ed. by D. Schleicher), A. K. Peters, 2009, 257-276.
[46] S CHLEICHER , D., Newtons method as a dynamical system: efficient root finding of
polynomial and the Riemann function. Fields Institute Communications, Volume 53,
(2008), 112.
[47] S CHR ODER

, E., Uber
unendlich viele Algorithmen zur Auflosung der Gleichungen.
Math. Ann. 2, (1870), 317-365. Traducido por G. W. Stewart como On Infinitely Many
Algorithms for Solving Equations en 1992 (Revisado en Enero de 1993), disponible va
ftp en thales.cs.umd.edu en el directorio pub/reports.
[48] S MALE , S., On the efficiency of algorithms of analysis. Bull. of AMS (new Series),
Vol. 13, Number 2, October, 1985, 87121.
[49] S ULLIVAN , D., Quasi conformal homeomorphisms and dynamics. I. Solution of
Fatou-Julia problem wandering domains. Ann. of Math. 122 (2) (1985), 401418.
[50] T RAUB , J. F., Iterative methods for the solution of equations. Chelsea Publishing
Company , New York, N. Y. 1982.
[51] VARONA , J. L., Graphic and numerical comparison between iterative methods.
Mathematical Intelligencer, 24 (1) (2002), 3746.
[52] W ONG , S., Newtons method and symbolic dynamics. Proc. AMS. vol. 91(2) (1984),
245253.
[53] Y PMA , T. J., Historical development of the Newton-Raphson method. SIAM Review
37 (1995), n. 4, 531551.

Emal CA 2010 Sergio Plaza

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Emal CA 2010 Sergio Plaza

Transféré par

Droits d'auteur :

Formats disponibles

Introduccion a los sistemas

dinamicos a traves del metodo de

Departamento de Matematica, Facultad de Ciencias, Universidad de Santiago de

Dedico este trabajo a mi esposa Veronica, a mi hija Scarlett y a mi hijo Daniel,

Conducta local del metodo de Newton . . . . . . . . . . . . . . .

Algunos ejemplos clasicos . . . . . . . . . . . . . . . . . . . . .

Resolviendo con el metodo de Newton una ecuacion que no tiene

2 Dinamica y Metodo de Newton

Ecuaciones cuadraticas: revisitadas . . . . . . . . . . . . . . . . .

Conducta global del metodo de Newton . . . . . . . . . . . . . .

Propiedades basicas de la funcion de iteracion de Newton . . . . .

No convergencia de Nf : indefinicion de las iteraciones . . . . . .

No convergencia de Nfk : existencia de o rbitas periodicas atractoras

3 Dinamica de la aplicacion de Newton para polinomios cuadraticos y

4 Descripcion de cuencas de atraccion en el metodo de Newton

5 Caos en el metodo de Newton

Metodo de Newton y aplicacion logstica . . . . . . . . . . . . . .

Metodo de Newton y aplicacion duplicacion de a ngulo . . . . . .

6 Ciclos en el metodo de Newton

7 Bifurcaciones en el metodo de Newton

8 Metodos de Newton en el plano complejo

Algoritmos generalmente convergentes: limitacion algoritmica de

una solucion de la ecuacion (1.1) es llamada un cero o raz de f . Este es uno

1.1 Un poco de historia

Newton argumentaba de la siguiente manera:

Ignorando los terminos 3 + 62 bajo el pretexto de que es pequeno,

de partida de la siguiente. Ademas, Newton usaba su metodo solo para resolver

siendo x0 la aproximacion inicial.

Raphson publico su obra 46 anos antes que el Metodo de las fluxiones de

velocidad de convergencia del metodo de Newton en una nota titulada phQuestion

el conjunto B() es llamado cuenca de atraccion o region de convergencia de la

punto de partida en la mediatriz, el metodo de Newton proporciona una sucesion de

(1)k hp,k (z)

p (z) p (z)p (z) (p(z))3

1.1.1 El metodo de Newton en R

De este modo obtenemos una sucesion de iterados (xn )nN , donde

si f (xn ) 6= 0 . Si la condicion inicial x0 es elegida en forma conveniente, la

llamada funcion de iteracion de Newton. Dado x0 iterar una funcion consiste en

Dado x0 , se define su o rbita por la funcion de iteracion de Newton como el

en conclusion, los ceros simples de f son puntos fijos superatractores de Nf .

Iteraciones con el metodo de Newton

1.2 Conducta local del metodo de Newton

Demostracion. Sea h1 = ff(x

Ahora estimaremos f (x1 ):

= f (x0 ) + (x1 x0 )f (x0 ) +

(x1 x)f (x)dx

(x1 x)f (x)dx

como h0 = x1 x0 y f (x0 )h0 = f (x0 ), se tiene que

Haciendo el cambio de variables th0 = x1 x . Tenemos dx = h0 dt , y

De las desigualdades (1.8) y (1.9), obtenemos

luego |h1 | <

Definamos x2 = x1 + h1 y J1 = [x2 |h1 |, x2 + |h1 |] . Tenemos que J1 J0 ,

, nos da la convergencia geometrica del

Demostracion. Dividiendo la desigualdad |f (xk+1 )| 6

Algunos ejemplos clasicos

Ejemplo 1.2. Races cuadradas

Es claro que conocemos las soluciones de este problema. Usando la formula

decir, la solucion del problema. Como vimos, la propiedad Nf ( a) = 0 hace

y llamado a la diferencia xj a el jesimo error en la aproximacion, el cual

Grafico de la funcion de iteracion de Newton aplicada a f (x) = x2 a.

En este ejemplo, es claro que considerando x0 > 0, las iteraciones xn+1 =

Nf (xn ) a cuando n, y por otra parte, si x0 < 0, las iteraciones xn+1 =

Nf (xn ) a cuando n, y que para x0 = 0, estas no estan definidas.

En conclusion, salvo para x0 = 0, el metodo de Newton, nos producira en este