Академический Документы
Профессиональный Документы
Культура Документы
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.
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
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.
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.
{\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.
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.
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.