Mtodo de Newton

En anlisis numrico, el mtodo de Newton (conocido tambin como el mtodo de Newton-Raphson 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

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
o 4.2 Teorema de Convergencia Global del Mtodo de Newton

5 Estimacin del Error

6 Ejemplo

7 Vase tambin

8 Referencias

9 Enlaces externos

Histor ia
El mtodo de Newton fue descrito por Isaac Newton en De analysi per aequationes nmero terminorum infinitas
(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

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 su convergencia global no est garantizada.
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 supuesto 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

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,
interseccin de la funcin lineal con el eje X de abscisas. Matemticamente:

, se logra de la

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
es una aproximacin mejor que
para la raz de la funcin .
En la ilustracin adjunta del mtodo de Newton se puede ver que
cero (x) de la funcin f.

es una mejor aproximacin que

para el

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

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

, luego, sustituyendo en la

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

, se puede considerar el siguiente mtodo de iteracin de punto fijo:

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. Sin embargo, si la raz buscada es de
multiplicidad algebraica mayor a uno (i.e, una raz doble, triple, ...), el mtodo de Newton-Raphson pierde su
convergencia cuadrtica y pasa a ser lineal de constante asinttica de convergencia 1-1/m, con m la multiplicidad de
la raz.
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. Derivados de Newton-Raphson destacan el mtodo de RalstonRabinowitz, que restaura la convergencia cuadrtica sin ms que modificar el algoritmo a:

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

Sea
. Si
entonces la sucesin xn con

,
y
verifica que:

, entonces existe un r>0 tal que si

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

verificando1 :

Sea
1.

2.

para todo

3.

para todo

4.
Entonces existe un nico

tal que

por lo que la sucesin converge a s.

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.

Vase tambin

Frmulas de NewtonCotes

Referencias
1.

Jump up Miguel Pasadas. Universidad de Granada (ed.): Tema 2 Resolucin de Ecuaciones No Lineales.

Tjalling J. Ypma, Historical development of the Newton-Raphson method, SIAM Review 37 (4), 531551,
1995.

P. Deuflhard, Newton Methods for Nonlinear Problems. Affine Invariance and Adaptive Algorithms. Springer
Series in Computational Mathematics, Vol. 35. Springer, Berlin, 2004. ISBN 3-540-21099-7.

C. T. Kelley, Solving Nonlinear Equations with Newton's Method, no 1 in Fundamentals of Algorithms,

SIAM, 2003. ISBN 0-89871-546-6.

J. M. Ortega, W. C. Rheinboldt, Iterative Solution of Nonlinear Equations in Several Variables. Classics in

Applied Mathematics, SIAM, 2000. ISBN 0-89871-461-3.

W. H. Press, B. P. Flannery, S. A. Teukolsky, W. T. Vetterling, Numerical Recipes in C: The Art of Scientific

Computing, Cambridge University Press, 1992. ISBN 0-521-43108-5 (available free online, with code
samples: [1]), sections 9.4 [2] and 9.6 [3].

W. H. Press, B. P. Flannery, S. A. Teukolsky, W. T. Vetterling, Numerical Recipes: The Art of Scientific

Computing, Cambridge University Press, 2007. ISBN 0-521-88068-8 (available for a fee online, with code
samples [4]).

W. H. Press, B. P. Flannery, S. A. Teukolsky, W. T. Vetterling, Numerical Recipes in Fortran, Cambridge

University Press, 1992. ISBN 0-521-43064-X (online, with code samples: [5])

Endre Sli and David Mayers, An Introduction to Numerical Analysis, Cambridge University Press, 2003.
ISBN 0-521-00794-1.

Weisstein, Eric W. Newton's method and Convergence (en ingls). MathWorld. Wolfram Research.
Consultado el 29 de agosto de 2009.