Mtodo de

Newton-Raphson

Mtodo de Newton-Raphson

Sir Isaac Newton

4 de enero de 1643
31 de marzo de 1727

Mr. Joseph Raphson

1648 - 1715

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

Mtodo de Newton Raphson

f(x)

x f x

f(xi)

i,

f(xi )
xi1 = xi f '(xi )
f(xi-1)

xi+2

xi+1

xi

Figura 1 Ilustracin Geomtrica del Mtodo de Newton-Raphson.

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

Derivacin
f(x)

f(xi)

AB
tan(
AC

f ( xi )
f '( xi )
xi xi1
C

xi+1

xi

f ( xi )
xi1 xi
f ( xi )

Figura 2 Derivacin del mtodo de Newton-Raphson.

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

ALGORITMO

Paso 1

Evalue f'(x) simbolicamente

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

Paso 2
Use un valor inicial de la raz, xi , para estimar el nuevo
valor de la raz, xi1 , como

f xi
xi1 = xi f xi

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

Paso 3
Determine el valor absoluto del error relativo
aproximado a como

xi1 - xi
a =
100
xi1

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

Paso 4
Compare el valor absoluto del error relativo aproximado a
con el valor de la tolerancia pre especificada s .
Si

Vaya al paso 2 usando

nuevos valores asumidos
superior e inferior

No

Finalice el algoritmo

Es a s ?

Nota: Se deber verificar que el numero de iteraciones no sea

mayor del mximo numero de iteraciones permitidos. Si esto
sucede, se deber finalizar el proceso y notificar al usuario.
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

Ejemplo 1
Usted es un colaborador de la empresa, Mi Pequea Compaa,
la cual fabrica flotadores para la Compaa ACME. El flotador
tiene una densidad relativa S = 0.6 y un radio de 5.5 cms. Se
desea conocer la profundidad al cual se sumerge el flotador
cuando se encuentra en el agua.

Figura 3 Problema de la esfera flotando

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

10

Ejemplo 1
La ecuacin que da el valor de la profundidad x, en
metros, a la cual la esfera esta sumergida bajo el agua,
esta dada por

x3 0.165x 2 3.993 104 0

a) Use el mtodo de Newton para encontrar las races

de la ecuacin que permitan determinar la
profundidad x a la cual se encuentra sumergida la
esfera bajo el agua. Efecte tres iteraciones para
estimar la raz de la ecuacin anterior.
b) Encuentre el valor absoluto del error relativo
aproximado al final de cada iteracin,
c) El nmero de cifras significativas al final de cada
iteracin.
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

11

Ejemplo 1
Solucin

Funcin F(x)

Para ayudar en la comprensin

de cmo funciona este mtodo
para encontrar la raz de una
ecuacin, la grfica de f (x) se
muestra a la derecha,
donde

f x x 3 - 0.165 x 2 + 3.993 10-4

Figura 4 Grafica de la funcin f(x)
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

12

Ejemplo 1
Resuelva por f'(x)
f x x 3 - 0.165 x 2 + 3.993 10-4
f ' x 3 x 2 - 0.33 x
Asumamos la suposicin inicial de la raz de f x 0 es
x0 0.05m . Esta es una suposicin razonable (discutir por
x 0 y x 0.11m no son buenas opciones) como los
valores extremos de la profundidad x sera 0 y el dimetro
(0,11 m) de la bola.

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

13

Ejemplo 1
Iteracin 1
El estimado de la raz es :
x1 x0

f x0

f ' x0

0.05 0.165 0.05 3.993 10 4

3

0.05

3 0.05 0.33 0.05

2

1.118 10 4
0.05
9 10 3
0.05 0.01242
0.06242
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

14

Ejemplo 1
Grafica de la Funcin y lnea tangente

Funcin
X0 Raz actual
X1 Raz nueva
Lnea tangente

Figura 5 Estimado de la raz para la primera iteracin

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

15

Ejemplo 1
El valor absoluto del error aproximado relativo es a al
final de la primera iteracin es:

x1 x0
a
100
x1
0.06242 0.05

100
0.06242
19.90%
El nmero de dgitos significativos correctos es 0, ya que se necesita
un valor absoluto del error relativo absoluto de 5% o menos para al
menos tener una cifra significativa correcta en el resultado.
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

16

Ejemplo 1
Iteracin 2
El estimado de la raz es:
x2 x1

f x1

f ' x1

0.06242 0.165 0.06242 3.993 10 4

3

0.06242

3 0.06242 0.33 0.06242

2

3.97781 10 7
0.06242
8.90973 10 3
0.06242 4.4646 10 5
0.06238
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

17

Ejemplo 1
Grafica de la Funcin y lnea tangente

Funcin
X0 Raz actual
X1 Raz nueva
Lnea tangente

Figura 6 Estimado de la raz para la iteracin 2.

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

18

Ejemplo 1
El valor absoluto del error aproximado relativo es a al
final de la segunda iteracin es:
x2 x1
a
100
x2
0.06238 0.06242

100
0.06238
0.0716%
2 m

El mximo valor de m para a 0.5 10

es 2.844. Por
consiguiente, el menor numero de cifras significativas correctas
en la respuesta es 2.
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

19

Ejemplo 1
Iteracin 3
El estimado de la raz es:
f x2
x3 x2
f ' x2
0.06238 0.165 0.06238 3.993 10 4

0.06238
2
3 0.06238 0.33 0.06238
3

4.44 10 11
0.06238
8.91171 10 3

0.06238 4.9822 10 9
0.06238
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

20

Ejemplo 1
Grafica de la Funcin y lnea tangente

Funcin
X0 Raz actual
X1 Raz nueva
Lnea tangente

Figura 6 Estimado de la raz para la iteracin 3.

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

21

Ejemplo 1
El valor absoluto del error aproximado relativo es a al
final de la segunda iteracin es:
x2 x1
a
100
x2
0.06238 0.06238

100
0.06238
0%

El menor numero de cifras significativas correctas es 4, ya que 4

cifras significativas se utilizaron a lo largo de los clculos.
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

22

VENTAJAS Y
DESVENTAJAS

Ventajas
Converge rpidamente (posee convergencia
cuadrtica), si es que converge
Requiere un solo valor inicial

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

24

Desventajas
1.

Divergencia en los puntos de infleccion

Seleccin de los valores iniciales o el valor para una iteracin de la raz
que esta cerca a un punto de inflexin de la funcin f x puede
empezar a divergir de la raz en el mtodo de Newton - Raphson.

f x x 1 0.512. 0
Por ejemplo, para encontrar la raz de la ecuacin
3
3
xi 1 0.512
xi 1 xi
El mtodo de Newton-Raphson se reduce a
2 .
3 xi 1
3

La tabla 1 muestra los valores iterados de la raz de la ecuacin.

La raz empieza a divergir en la iteracin 6 debido a que el estimado previo
de 0.92589 esta cercano a un punto de inflexin x 1.
Eventualmente despus de 12 iteraciones ms la raz converge al valor
exacto de x 0.2.
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

25

Desventajas Puntos de Inflexin

Tabla 1 Divergencia cerca de los puntos de inflexin.
Iteracin

xi

5.0000

3.6560

2.7465

2.1084

1.6000

0.92589

30.119

19.746

18

0.2000

Figura 8 Diverge en el punto de inflexin

3
para

f x x 1 0.512 0

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

26

Desventajas Divisin por Cero

2. Divisin por cero
Para la ecuacin
f x x 3 0.03x 2 2.4 106 0

El mtodo de NewtonRaphson se reduce a

xi3 0.03 xi2 2.4 106
xi 1 xi
3 xi2 0.06 xi

Para x0 0 or x0 0.02 , el
Figura 9 Fallo de divisin por cero
denominador se hace cero.
o cercano al nmero cero
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

27

Desventajas Oscilaciones cerca

de un mnimo o mximo local
Resultados obtenidos del Mtodo de Newton-Raphson
pueden oscilar alrededor de un mximo o mnimo local
sin convergir a una raz pero convergiendo a un valor
mximo o mnimo local.
Eventualmente, el puede conducir a una divisin de un
numero cercano a cero y puede divergir.
2
Por ejemplo para f x x 2 0 la ecuacin no tiene
races reales.

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

28

Desventajas Oscilaciones cerca

de un mnimo o mximo local
6

Tabla 3 Oscilaciones cerca un mximo o

mnimo local en el mtodo de Newton-Raphson

Iteracin
0
1
2
3
4
5
6
7
8
9

xi

1.0000
0.5
1.75
0.30357
3.1423
1.2529
0.17166
5.7395
2.6955
0.97678

f xi a %
3.00
2.25
5.063
2.092
11.874
3.570
2.029
34.942
9.266
2.954

f(x)

300.00
128.571
476.47
109.66
150.80
829.88
102.99
112.93
175.96

11
4

0
-2

-1.75

-1

-0.3040

0.5

3.142

-1

Figura 10 Oscilaciones alrededor de

un mximo o mnimo local para

f x x2 2

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

29

Desventajas Salto entre Races

4. Salto entre Races
En algunos casos donde la funcin f x esta oscilando y tiene un
nmero de races, se puede escoger un valor inicial cerca a una raz.
Sin embargo, los valores iniciales pueden saltar y convergir a alguna
otra raz.
f(x)

Por ejemplo

f x sin x 0

0.5

Escoja

0
-2

-0.06307

0.5499

4.461

7.539822

10

-0.5

x0 2.4 7.539822
Esto converger a x 0

En lugar de

1.5

x 2 6.2831853

-1

-1.5

Figura 11 Salto de Races desde una

posicin de una raz para

f x sin x 0

Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

30

FIN
Universidad Tecnolgica de Panam. Mtodos Numricos. Ing. Salvador A. Rodrguez G.

31