1

Newton-Raphson
En anlisis numrico, el mtodo de Newton (conocido tambin como el mtodo de NewtonRaphson o el mtodo de Newton-Fourier) es un algoritmo eficiente para encontrar
aproximaciones de los ceros o races de una funcin real. Tambin puede ser usado para
encontrar el mximo o mnimo de una funcin, encontrando los ceros de su primera derivada.
El mtodo de Newton-Raphson es un mtodo abierto, en el sentido de que no est
garantizada su convergencia global. La nica manera de alcanzar la convergencia es
seleccionar un valor inicial lo suficientemente cercano a la raz buscada. As, se ha de
comenzar la iteracin con un valor razonablemente cercano al cero (denominado punto de
arranque o valor supuesto). La relativa cercana del punto inicial a la raz depende mucho de
la naturaleza de la propia funcin; si sta presenta mltiples puntos de inflexin o pendientes
grandes en el entorno de la raz, entonces las probabilidades de que el algoritmo diverja
aumentan, lo cual exige seleccionar un valor puesto cercano a la raz. Una vez que se ha
hecho esto, el mtodo linealiza la funcin por la recta tangente en ese valor supuesto. La
abscisa en el origen de dicha recta ser, segn el mtodo, una mejor aproximacin de la raz
que el valor anterior. Se realizarn sucesivas iteraciones hasta que el mtodo haya convergido
lo suficiente.
Sea f: [a, b] -> R funcin derivable definida en el intervalo real [a, b]. Empezamos con un valor
inicial x0 y definimos para cada nmero natural n

Donde f ' denota la derivada de f.

Ntese que el mtodo descrito es de aplicacin exclusiva para funciones de una sola variable con forma
analtica o implcita conocible. Existen variantes del mtodo aplicables a sistemas discretos que permiten
estimar las races de la tendencia, as como algoritmos que extienden el mtodo de Newton a sistemas
multivariables, sistemas de ecuaciones, etc.

Obtencin del Algoritmo

res son las formas principales por las que tradicionalmente se ha obtenido el algoritmo de NewtonRaphson.

La primera de ellas es una simple interpretacin geomtrica. En efecto, atendiendo al

desarrollo geomtrico del mtodo de la secante, podra pensarse en que si los puntos de
iteracin estn lo suficientemente cerca (a una distancia infinitesimal), entonces la
secante se sustituye por la tangente a la curva en el punto. As pues, si por un punto de
iteracin trazamos la tangente a la curva, por extensin con el mtodo de la secante, el
nuevo punto de iteracin se tomar como la abscisa en el origen de la tangente (punto de
corte de la tangente con el eje X). Esto es equivalente a linealizar la funcin, es decir, f se
reemplaza por una recta tal que contiene al punto (

)) y cuya pendiente coincide

con la derivada de la funcin en el punto,

. La nueva aproximacin a la raz, , se
logra de la interseccin de la funcin lineal con el eje X de abscisas. Matemticamente:

En la ilustracin adjunta del mtodo de Newton se puede ver que

para el cero (x) de la funcin f.

es una mejor aproximacin que

Una forma alternativa de obtener el algoritmo es desarrollando la funcin f (x) enserie de Taylor, para un
entorno del punto
:

Si se trunca el desarrollo a partir del trmino de grado 2, y evaluamos en

Si adems se acepta que

tiende a la raz, se ha de cumplir que
en la expresin anterior, obtenemos el algoritmo.

, luego, sustituyendo

Finalmente, hay que indicar que el mtodo de Newton-Raphson puede interpretarse como un mtodo de
iteracin de punto fijo. As, dada la ecuacin
iteracin de punto fijo:

, se puede considerar el siguiente mtodo de

Se escoge h (x) de manera que g'(r)=0 (r es la raz buscada). Dado que g'(r) es:

Entonces:

Como h (x) no tiene que ser nica, se escoge de la forma ms sencilla:

Por tanto, imponiendo subndices:

Expresin que coincide con la del algoritmo de Newton-Raphson

Convergencia del Mtodo

El orden de convergencia de este mtodo es, por lo menos, cuadrtico.

Existen numerosas formas de evitar este problema, como pudieran ser los mtodos de
aceleracin de la convergencia tipo de Aitken o el mtodo de Steffensen.

Evidentemente, este mtodo exige conocer de antemano la multiplicidad de la raz, lo cual no

siempre es posible. Por ello tambin se puede modificar el algoritmo tomando una funcin
auxiliar g(x) = f(x)/f'(x), resultando:

Su principal desventaja en este caso sera lo costoso que pudiera ser hallar g(x) y g'(x) si f(x)
no es fcilmente derivable.
Por otro lado, la convergencia del mtodo se demuestra cuadrtica para el caso ms habitual
en base a tratar el mtodo como uno de punto fijo: si g '(r)=0, y g''(r) es distinto de 0, entonces
la convergencia es cuadrtica. Sin embargo, est sujeto a las particularidades de estos
mtodos.
Ntese de todas formas que el mtodo de Newton-Raphson es un mtodo abierto: la
convergencia no est garantizada por un teorema de convergencia global como podra estarlo
en los mtodos de falsa posicin o de biseccin. As, es necesario partir de una aproximacin
inicial prxima a la raz buscada para que el mtodo converja y cumpla el teorema de
convergencia local.
Teorema de Convergencia Local del Mtodo de Newton[editar]
Sea
si

. Si

, entonces la sucesin xn con

, entonces existe un r>0 tal que

verifica que:

para todo n y xn tiende a p cuando n tiende a infinito.

Si adems

, entonces la convergencia es cuadrtica.

Teorema de Convergencia Global del Mtodo de Newton[editar]

Sea

verificando:1

para todo
para todo

Entonces existe un nico

tal que

por lo que la sucesin

Estimacin del Error

Se puede demostrar que el mtodo de Newton-Raphson tiene convergencia cuadrtica: si
es raz, entonces:

para una cierta constante . Esto significa que si en algn momento el error es menor o igual
a 0,1, a cada nueva iteracin doblamos (aproximadamente) el nmero de decimales exactos.
En la prctica puede servir para hacer una estimacin aproximada del error:
Error relativo entre dos aproximaciones sucesivas:

Con lo cual se toma el error relativo como si la ltima aproximacin fuera el valor exacto. Se
detiene el proceso iterativo cuando este error relativo es aproximadamente menor que una
cantidad fijada previamente.

Ejemplo
Consideremos el problema de encontrar un nmero positivo x tal que cos(x) = x3. Podramos
tratar de encontrar el cero de f(x) = cos(x) - x3.
Sabemos que f '(x) = -sin(x) - 3x2. Ya que cos(x) 1 para todo x y x3 > 1 para x>1, deducimos
que nuestro cero est entre 0 y 1. Comenzaremos probando con el valor inicial x0 = 0,5

Los dgitos correctos estn subrayados. En particular, x6 es correcto para el nmero de

decimales pedidos. Podemos ver que el nmero de dgitos correctos despus de la coma se
incrementa desde 2 (para x3) a 5 y 10, ilustrando la convergencia cuadrtica.
Cdigo en MatLab
Programa escrito en Matlab para ejecutar el mtodo Newton-Raphson.
%Mtodo Newton-Raphson
%
%Es un mtodo para aproximar la solucin de una ecuacin de una sola
%variable por medio de la aproximacin de su derivada y con un punto fijo,

%cercano a la raz.
%
%f=Funcin previamente definida en consola (use el siguiente comando en consola "f = @(x)
(escriba aqu su funcin)");
%ff=derivada analtica de la funcin f (difinida previamente con el mismo comando anterior);
%a=punto cercano a la raz; e=margen de error; n=numero de
%iteraciones maximo permitido
%
%El ingreso de datos es de la forma np(f,ff,a,e,n)
%
%by Francisco Pea Gallardo (Peovsky Freeman)
%UMSNH
%

function np(f,ff,a,e,n)

fprintf('Mtodo de Newton-Raphson\n');
fprintf('by Peovsky Freeman\n');

format long

x0=a;
i=0;
error=1;

fprintf('Iter. \t m \n');

while error>=e || i==n

f0=feval(f,x0);
f1=feval(ff,x0);

x1=x0-(f0/f1);

i=i+1;

error=abs((x1-x0)/x1);

fprintf('%d \t %d \n',i,x1)

if feval(f,x1)==0
sprintf('Nos alegramos porque encontramos la raz')
return
end

x0=x1;
end

w = feval(f,x0);
fprintf('\nLa raz aproximada es:\t \t %f\n',x0);
fprintf('\nCon una toleracia de:\t \t %f\n',e);
fprintf('Nmero de Iter:\t \t \t \t %d \n',i);
disp('Funcin:');
disp(f);
fprintf('El valor de f(x) en %f es: f(x) = %f\n',x0,w)

return
end