Mtodo de Newton

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.
ndice
[ocultar]

1 Historia

2 Descripcin del mtodo

3 Obtencin del Algoritmo

4 Convergencia del Mtodo

o

4.1 Teorema de Convergencia Local del Mtodo de Newton

4.2 Teorema de Convergencia Global del Mtodo de Newton

5 Estimacin del Error

6 Ejemplo

7 Cdigo en MatLab

8 Vase tambin

9 Referencias

10 Enlaces externos

Historia[editar]
El mtodo de Newton fue descrito por Isaac Newton en De analysi per aequationes numero
terminorum infinitas ('Sobre el anlisis mediante ecuaciones con un nmero infinito de
trminos', escrito en 1669, publicado en 1711 por William Jones) y en De metodis fluxionum et
serierum infinitarum (escrito en 1671, traducido y publicado como Mtodo de las
fluxiones en 1736 por John Colson). Sin embargo, su descripcin difiere en forma sustancial
de la descripcin moderna presentada ms arriba: Newton aplicaba el mtodo solo a
polinomios, y no consideraba las aproximaciones sucesivas xn, sino que calculaba una
secuencia de polinomios para llegar a la aproximacin de la raz x. Finalmente, Newton ve el
mtodo como puramente algebraico y falla al no ver la conexin con el clculo.
Isaac Newton probablemente deriv su mtodo de forma similar aunque menos precisa del
mtodo de Franois Vite. La esencia del mtodo de Vite puede encontrarse en el trabajo
del matemtico persa Sharaf al-Din al-Tusi.

El mtodo de Newton-Raphson es llamado as por el matemtico ingls Joseph Raphson

(contemporneo de Newton) se hizo miembro de la Royal Society en 1691 por su libro
"Aequationum Universalis", publicado en 1690, que contena este mtodo para aproximar
races. Newton en su libro Mtodo de las fluxiones describe el mismo mtodo, en 1671, pero
no fue publicado hasta 1736, lo que significa que Raphson haba publicado este resultado 46
aos antes. Aunque no fue tan popular como los trabajos de Newton, se le reconoci
posteriormente.

Descripcin del mtodo[editar]

La funcin es mostrada en azul y la lnea tangente en rojo. Vemos que xn+1 es una mejor aproximacin
que xn para la raz x de la funcin f.

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[editar]

Tres son las formas principales por las que tradicionalmente se ha obtenido el algoritmo
de Newton-Raphson.
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:

Ilustracin de una iteracin del mtodo de Newton (la funcin f se muestra en azul y la lnea
de la tangente en rojo). Vemos que
raz

de la funcin

es una aproximacin mejor que

para la

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

aproximacin que
para el cero (x) de la funcin f.

es una mejor

Una forma alternativa de obtener el algoritmo es desarrollando la funcin f (x) en serie

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

que
el algoritmo.

tiende a la raz, se ha de cumplir

, luego, sustituyendo en la expresin anterior, obtenemos

Finalmente, hay que indicar que el mtodo de Newton-Raphson puede

interpretarse como un mtodo de iteracin de punto fijo. As, dada la
ecuacin
de punto fijo:

, se puede considerar el siguiente mtodo de iteracin

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 NewtonRaphson

Convergencia del Mtodo[editar]

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
sobre la base de 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

un r>0 tal que si

sucesin xn con

, entonces existe
, entonces la
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]
verificando:1

Sea
1.
2.

para todo

3.

para
todo

4.

Entonces existe un nico

que
converge a s.

tal

por lo que la sucesin

Estimacin del Error[editar]

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[editar]
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[editar]
Programa escrito en Matlab para
ejecutar el mtodo NewtonRaphson.
%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((x1x0)/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
tolerancia 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

MTODO DE NEWTON-RAPHSON
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y
efectivos. A diferencia de los mtodos anteriores, el mtodo de NewtonRaphson no trabaja sobre un intervalo sino que basa su frmula en un
proceso iterativo.
Supongamos que tenemos la aproximacin

a la raz

Trazamos la recta tangente a la curva en el punto

al eje
raz

en un punto

de

; sta cruza

que ser nuestra siguiente aproximacin a la

Para calcular el punto

, calculamos primero la ecuacin de la recta
tangente. Sabemos que tiene pendiente

Y por lo tanto la ecuacin de la recta tangente es:

Hacemos

Y despejamos

Que es la fmula iterativa de Newton-Raphson

aproximacin:

para calcular la siguiente

, si

Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos

asegure que encontraremos la raz, y de hecho no tenemos ninguna garanta
de que nos aproximaremos a dicha raz. Desde luego, existen ejemplos
donde este mtodo no converge a la raz, en cuyo caso se dice que el
mtodo diverge. Sin embargo, en los casos donde si converge a la raz lo
hace con una rapidez impresionante, por lo cual es uno de los mtodos
preferidos por excelencia.
Tambin observe que en el caso de que
, el mtodo no se puede
aplicar. De hecho, vemos geomtricamente que esto significa que la recta
tangente es horizontal y por lo tanto no intersecta al eje
en ningn
punto, a menos que coincida con ste, en cuyo caso

mismo es una raz

de
!
Ejemplo 1
Usar el mtodo de Newton-Raphson, para aproximar la raz
de
, comenzando con
Solucin
En este caso, tenemos que

De aqu tenemos que:

y hasta que

Comenzamos con

y obtenemos:

En este caso, el error aproximado es,

Continuamos el proceso hasta reducir el error aproximado hasta donde se

pidi.
Resumimos los resultados en la siguiente tabla:

Aprox. a la raz

Error aprox.

1.268941421

21.19%

1.309108403

3.06%

1.309799389

0.052%

De lo cual conclumos que

, la cual es correcta en
todos sus dgitos!
La misma idea puede aplicarse para crear algoritmos que aproximen
races
-simas de nmeros reales positivos.

Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo

hace de una forma muy rpida y de hecho, observamos que el error
aproximado disminuye a pasos agigantados en cada paso del proceso. Aunque
no es nuestro objetivo establecer formalmente las cotas para los errores
en cada uno de los mtodos que hemos estudiado, cabe mencionar que si
existen estas cotas que miden con mayor precisin la rapidez lentitud
del mtodo en estudio.
Veremos a continuacin un ejemplo del metdo de Newton Raphson, con la
siguiente ecuacin:

#
1
2
3
4
5
6

Fxn
18
-30.375
-6.2771541041392
-0.59229583988115
-0.0073539466744812
-1.1814129692311E-6

Dfxn
4
37.75
22.794965133108
18.569049742033
18.108960417816
18.103142166676

Nuevo Xm
-3.5
-2.6953642384106
-2.419989651633
-2.3880927130115
-2.3876866186524
-2.3876865533923

Hemos terminado de analizar el mtodo de la Newton Rapshon, en este

ejemplo con un error de 0.0001; se encuentra la ltima raiz(Xm): 2.3876865533923 con 6 iteracciones.