M�todo de Newton

Ir a la navegaci�nIr a la b�squeda
En an�lisis num�rico, el m�todo de Newton (conocido tambi�n como el m�todo de
Newton-Raphson o el m�todo de Newton-Fourier) es un algoritmo para encontrar
aproximaciones de los ceros o ra�ces de una funci�n real. Tambi�n puede ser usado
para encontrar el m�ximo o m�nimo de una funci�n, encontrando los ceros de su
primera derivada.

�ndice
1 Historia
2 Descripci�n del m�todo
3 Obtenci�n del Algoritmo
4 Convergencia del M�todo
4.1 Teorema de Convergencia Local del M�todo de Newton
4.2 Teorema de Convergencia Global del M�todo de Newton
5 Estimaci�n del Error
6 Ejemplo
7 V�ase tambi�n
8 Referencias
9 Enlaces externos
Historia
El m�todo num�rico de Newton fue descrito por Sir Isaac Newton en De analysi per
aequationes numero terminorum infinitas ('Sobre el an�lisis mediante ecuaciones con
un n�mero infinito de t�rminos', escrito en 1669, publicado en 1711 por William
Jones) y en De metodis fluxionum et serierum infinitarum (escrito en 1671,
traducido y publicado como M�todo de las fluxiones en 1736 por John Colson). Sin
embargo, su descripci�n difiere en forma sustancial de la descripci�n moderna
presentada m�s arriba: Newton aplicaba el m�todo solo a polinomios, y no
consideraba las aproximaciones sucesivas xn, sino que calculaba una secuencia de
polinomios para llegar a la aproximaci�n de la ra�z x. Finalmente, Newton ve el
m�todo como puramente algebraico y falla al no ver la conexi�n con el c�lculo.

Isaac Newton probablemente deriv� su m�todo de forma similar aunque menos precisa
del m�todo de Fran�ois Vi�te. La esencia del m�todo de Vi�te puede encontrarse en
el trabajo del matem�tico persa Sharaf al-Din al-Tusi.

El m�todo de Newton-Raphson es llamado as� por el matem�tico ingl�s Joseph Raphson

(contempor�neo de Newton) se hizo miembro de la Royal Society en 1691 por su libro
"Aequationum Universalis", publicado en 1690, que conten�a este m�todo para
aproximar ra�ces. Newton en su libro M�todo de las fluxiones describe el mismo
m�todo, en 1671, pero no fue publicado hasta 1736, lo que significa que Raphson
hab�a publicado este resultado 46 a�os antes. Aunque no fue tan popular como los
trabajos de Newton, se le reconoci� posteriormente.

Descripci�n del m�todo

La funci�n � es mostrada en azul y la l�nea tangente en rojo. Vemos que xn+1 es una
mejor aproximaci�n que xn para la ra�z x de la funci�n f.
El m�todo de Newton-Raphson es un m�todo 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 ra�z buscada. As�, se
ha de comenzar la iteraci�n con un valor razonablemente cercano al cero (denominado
punto de arranque o valor supuesto). La relativa cercan�a del punto inicial a la
ra�z depende mucho de la naturaleza de la propia funci�n; si �sta presenta
m�ltiples puntos de inflexi�n o pendientes grandes en el entorno de la ra�z,
entonces las probabilidades de que el algoritmo diverja aumentan, lo cual exige
seleccionar un valor supuesto cercano a la ra�z. Una vez que se ha hecho esto, el
m�todo linealiza la funci�n por la recta tangente en ese valor supuesto. La abscisa
en el origen de dicha recta ser�, seg�n el m�todo, una mejor aproximaci�n de la
ra�z que el valor anterior. Se realizar�n sucesivas iteraciones hasta que el m�todo
haya convergido lo suficiente.

Sea f: [a, b] -> R funci�n derivable definida en el intervalo real [a, b].
Empezamos con un valor inicial x0 y definimos para cada n�mero natural n

{\displaystyle x_{n+1}=x_{n}-{\frac {f(x_{n})}{f'(x_{n})}}.} x_{{n+1}}=x_{n}-{\frac

{f(x_{n})}{f'(x_{n})}}.
Donde f ' denota la derivada de f.

N�tese que el m�todo descrito es de aplicaci�n exclusiva para funciones de una sola
variable con forma anal�tica o impl�cita conocible. Existen variantes del m�todo
aplicables a sistemas discretos que permiten estimar las ra�ces de la tendencia,
as� como algoritmos que extienden el m�todo de Newton a sistemas multivariables,
sistemas de ecuaciones, etc�tera.

Obtenci�n del Algoritmo

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

La primera de ellas es una simple interpretaci�n geom�trica. En efecto, atendiendo

al desarrollo geom�trico del m�todo de la secante, podr�a pensarse en que si los
puntos de iteraci�n est�n 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 iteraci�n trazamos la tangente a la curva, por extensi�n con el
m�todo de la secante, el nuevo punto de iteraci�n 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 funci�n, es decir, f se reemplaza por una recta tal que
contiene al punto ( {\displaystyle x_{0}} x_{0}, {\displaystyle f} f
( {\displaystyle x_{0}} x_{0})) y cuya pendiente coincide con la derivada de la
funci�n en el punto, {\displaystyle f'(x_{0})} f'(x_{0}). La nueva aproximaci�n a
la ra�z, {\displaystyle x_{1}} x_{1}, se logra de la intersecci�n de la funci�n
lineal con el eje X de abscisas. Matem�ticamente:

{\displaystyle f'(x_{n})={\frac {f(x_{n})}{x_{n}-x_{n+1}}}} f'(x_{n})={\frac

{f(x_{n})}{x_{n}-x_{{n+1}}}}

Ilustraci�n de una iteraci�n del m�todo de Newton (la funci�n f se muestra en azul
y la l�nea de la tangente en rojo). Vemos que {\displaystyle x_{n+1}} x_{{n+1}} es
una aproximaci�n mejor que {\displaystyle x_{n}} x_{n} para la ra�z {\displaystyle
x} x de la funci�n {\displaystyle f} f.
En la ilustraci�n adjunta del m�todo de Newton se puede ver que {\displaystyle
x_{n+1}} x_{{n+1}} es una mejor aproximaci�n que {\displaystyle x_{n}} x_{n} para
el cero (x) de la funci�n f.

Una forma alternativa de obtener el algoritmo es desarrollando la funci�n f (x) en

serie de Taylor, para un entorno del punto {\displaystyle x_{n}} x_{n}:

{\displaystyle f(x)=f(x_{n})+f'(x_{n})(x-x_{n})+(x-x_{n})^{2}{\frac {f''(x_{n})}

{2!}}+...\,} f(x)=f(x_{n})+f'(x_{n})(x-x_{n})+(x-x_{n})^{2}{\frac {f''(x_{n})}
{2!}}+...\,
Si se trunca el desarrollo a partir del t�rmino de grado 2, y evaluamos en
{\displaystyle x_{n+1}} x_{{n+1}}:

{\displaystyle f(x_{n+1})=f(x_{n})+f'(x_{n})(x_{n+1}-x_{n})\,}
f(x_{{n+1}})=f(x_{n})+f'(x_{n})(x_{{n+1}}-x_{n})\,
Si adem�s se acepta que {\displaystyle x_{n+1}} x_{{n+1}} tiende a la ra�z, se ha
de cumplir que {\displaystyle f(x_{n+1})=0} f(x_{{n+1}})=0, luego, sustituyendo en
la expresi�n anterior, obtenemos el algoritmo.

Finalmente, hay que indicar que el m�todo de Newton-Raphson puede interpretarse

como un m�todo de iteraci�n de punto fijo. As�, dada la ecuaci�n {\displaystyle
f(x)=0} f(x)=0, se puede considerar el siguiente m�todo de iteraci�n de punto fijo:

{\displaystyle g(x)=x+h(x)f(x)\,} g(x)=x+h(x)f(x)\,

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

{\displaystyle g'(r)=1+h'(r)f(r)+h(r)f'(r)=1+h(r)f'(r)\,} g'(r)=1+h'(r)f(r)

+h(r)f'(r)=1+h(r)f'(r)\,
Entonces:

{\displaystyle h(r)={\frac {-1}{f'(r)}}} h(r)={\frac {-1}{f'(r)}}

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

{\displaystyle h(x)={\frac {-1}{f'(x)}}} h(x)={\frac {-1}{f'(x)}}

Por tanto, imponiendo sub�ndices:

{\displaystyle g(x_{n})=x_{n+1}=x_{n}-{\frac {f(x_{n})}{f'(x_{n})}}}

g(x_{n})=x_{{n+1}}=x_{n}-{\frac {f(x_{n})}{f'(x_{n})}}
Expresi�n que coincide con la del algoritmo de Newton-Raphson

Convergencia del M�todo

El orden de convergencia de este m�todo es, por lo menos, cuadr�tico. Sin embargo,
si la ra�z buscada es de multiplicidad algebraica mayor a uno (i.e, una ra�z doble,
triple, �), el m�todo de Newton-Raphson pierde su convergencia cuadr�tica y pasa a
ser lineal de constante asint�tica de convergencia 1-1/m, con m la multiplicidad de
la ra�z.

Existen numerosas formas de evitar este problema, como pudieran ser los m�todos de
aceleraci�n de la convergencia tipo ?� de Aitken o el m�todo de Steffensen.

{\displaystyle x_{n+1}=x_{n}-m{\frac {f(x_{n})}{f'(x_{n})}}.} x_{{n+1}}=x_{n}-

m{\frac {f(x_{n})}{f'(x_{n})}}.
Evidentemente, este m�todo exige conocer de antemano la multiplicidad de la ra�z,
lo cual no siempre es posible. Por ello tambi�n se puede modificar el algoritmo
tomando una funci�n auxiliar g(x) = f(x)/f'(x), resultando:

{\displaystyle x_{n+1}=x_{n}-{\frac {g(x_{n})}{g'(x_{n})}}.} x_{{n+1}}=x_{n}-{\frac

{g(x_{n})}{g'(x_{n})}}.
Su principal desventaja en este caso ser�a lo costoso que pudiera ser hallar g(x) y
g'(x) si f(x) no es f�cilmente derivable.

Por otro lado, la convergencia del m�todo se demuestra cuadr�tica para el caso m�s
habitual sobre la base de tratar el m�todo como uno de punto fijo: si g '(r)=0, y
g''(r) es distinto de 0, entonces la convergencia es cuadr�tica. Sin embargo, est�
sujeto a las particularidades de estos m�todos.

N�tese de todas formas que el m�todo de Newton-Raphson es un m�todo abierto: la

convergencia no est� garantizada por un teorema de convergencia global como podr�a
estarlo en los m�todos de falsa posici�n o de bisecci�n. As�, es necesario partir
de una aproximaci�n inicial pr�xima a la ra�z buscada para que el m�todo converja y
cumpla el teorema de convergencia local.

Teorema de Convergencia Local del M�todo de Newton

Sea {\displaystyle f\in {\mathcal {C}}^{2}([a,b])} f\in {\mathcal {C}}^{2}([a,b]).
Si {\displaystyle p\in [a,b]} p\in [a,b], {\displaystyle \displaystyle f(p)=0}
\displaystyle f(p)=0 y {\displaystyle f'(p)\neq 0} f'(p)\neq 0, entonces existe un
r>0 tal que si {\displaystyle |x_{0}-p|<r\,} |x_{0}-p|<r\,, entonces la sucesi�n xn
con {\displaystyle n\in \mathbb {N} } n\in {\mathbb {N}} verifica que:

{\displaystyle |x_{n}-p|<r\,} |x_{n}-p|<r\, para todo n y xn tiende a p cuando n

tiende a infinito.
Si adem�s {\displaystyle f\in {\mathcal {C}}^{3}([a,b])} f\in {\mathcal {C}}^{3}
([a,b]), entonces la convergencia es cuadr�tica.

Teorema de Convergencia Global del M�todo de Newton

Sea {\displaystyle f\in {{\mathcal {C}}^{2}[a,b]}} f\in {{\mathcal {C}}^{2}[a,b]}
verificando:1?

{\displaystyle f(a)f(b)<0} f(a)f(b)<0

{\displaystyle f'(x)\neq 0} f'(x)\neq 0 para todo {\displaystyle x\in {[a,b]}} x\in
{[a,b]}
{\displaystyle f''(x)f''(y)\geq 0} f''(x)f''(y)\geq 0 para todo {\displaystyle
x,y\in {[a,b]}} x,y\in {[a,b]}
{\displaystyle \max \left\{{{\frac {\left|{f(a)}\right|}{\left|{f'(a)}\right|}},
{\frac {\left|{f(b)}\right|}{\left|{f'(b)}\right|}}}\right\}\leq b-a} \max \left\
{{{\frac {\left|{f(a)}\right|}{\left|{f'(a)}\right|}},{\frac {\left|
{f(b)}\right|}{\left|{f'(b)}\right|}}}\right\}\leq b-a
Entonces existe un �nico {\displaystyle s\in {[a,b]}} s\in {[a,b]} tal que
{\displaystyle f(s)=0} f(s)=0 por lo que la sucesi�n converge a s.

Estimaci�n del Error

Se puede demostrar que el m�todo de Newton-Raphson tiene convergencia cuadr�tica:
si {\displaystyle \alpha } \alpha es ra�z, entonces:

{\displaystyle |x_{k+1}-\alpha |\leq C|x_{k}-\alpha |^{2}} |x_{{k+1}}-\alpha |\leq

C|x_{k}-\alpha |^{2}
para una cierta constante {\displaystyle C} C. Esto significa que si en alg�n
momento el error es menor o igual a 0,1, a cada nueva iteraci�n doblamos
(aproximadamente) el n�mero de decimales exactos. En la pr�ctica puede servir para
hacer una estimaci�n aproximada del error:

Error relativo entre dos aproximaciones sucesivas:

{\displaystyle E={\frac {|x_{k+1}-x_{k}|}{|x_{k+1}|}}} E={\frac {|x_{{k+1}}-

x_{k}|}{|x_{{k+1}}|}}
Con lo cual se toma el error relativo como si la �ltima aproximaci�n fuera el valor
exacto. Se detiene el proceso iterativo cuando este error relativo es
aproximadamente menor que una cantidad fijada previamente.