Está en la página 1de 8

CORPORACIN UNIVERSITARIA DE LA COSTA

DEPARTAMENTO DE CIENCIAS BSICAS


GUA DE MTODOS NUMRICOS
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

Trazamos la recta tangente a la curva en el punto


eje

en un punto

a la raz

de

; sta cruza al

que ser nuestra siguiente aproximacin a la raz

.
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 para calcular la siguiente


aproximacin:
,
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
de

mismo es una raz

Ejemplo 1
Usar

el

mtodo

de

Newton-Raphson,

, comenzando con

Solucin
En este caso, tenemos que

De aqu tenemos que:

Comenzamos con

y obtenemos:

En este caso, el error aproximado es,

para

aproximar

y hasta que

la
.

raz

de

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
1.268941421

21.19%

1.309108403

3.06%

1.309799389

0.052%

De lo cual concluimos que


, la cual es correcta en todos
sus
dgitos!
La misma idea puede aplicarse para crear algoritmos que aproximen races
n-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 mtodo de Newton Raphson, con la
siguiente ecuacin:

#
1
2
3

Fxn
18
-30.375
6.277154104139
2
0.592295839881
15
0.007353946674

Dfxn
4
37.75
22.794965133
108

Nuevo Xm
-3.5
-2.6953642384106
-2.419989651633

18.569049742
033

-2.3880927130115

18.108960417
816

-2.3876866186524

4812
1.181412969231
1E-6

18.103142166
676

-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.

MTODO DE LA SECANTE
El principal inconveniente del mtodo de Newton estriba en que requiere
conocer el valor de la primera derivada de la funcin en el punto, lo cual
puede llegar a resultar engorroso. Sin embargo, la forma funcional de f (x)
dificulta en ocasiones el clculo de la derivada. El mtodo de la secante es
casi idntico al de regula falsi salvo por un detalle: no se tiene en cuenta el
signo de la funcin para estimar el siguiente punto.
Se procede independientemente de los signos de la funcin. De todas
maneras en algunos casos es ms til emplear el mtodo de la secante.
Este mtodo, a diferencia del de biseccin y regla falsa, casi nunca falla ya
que solo requiere de 2 puntos al principio, y despus el mismo mtodo se va
retroalimentando.
Lo que hace bsicamente es ir tirando rectas secantes a la curva de la
ecuacin que se tiene originalmente, y va chequeando la interseccin de
esas rectas con el eje de las X para ver si es la raz que se busca.

Una forma de evitar el clculo de f '(x) consiste en considerar como


aproximacin a la derivada la recta que pasa por los valores de 2 iteraciones
sucesivas (estima la tangente) es decir, la pendiente de la recta,

'

f ( x 0 )=

f ( x 0 ) f ( x 1 )
x 1x 0

conoce con el nombre de mtodo de la Secante.

Sustituyendo esta expresin en la ecuacin del mtodo de Newton, se


obtiene la expresin del mtodo de la secante que proporciona el siguiente
punto de iteracin:

x 2=x 1

x 1x 0
f ( x1 )
f ( x 1) f ( x 0 )

Fig 2. Representacin geomtrica de las


iteraciones al aplicar el mtodo de la secante
.

La sucesin queda expresada en trminos generales como:

x n=x n1

x n1 x n2
f ( x n1 )
f ( x n1 )f (x n2)

A partir de ciertos valores x0 y x1 dados. El algoritmo deber parar cuando


xn+1 xn sea menor que la precisin requerida. Obviamente, para poder
arrancar el mtodo se necesitan dos valores iniciales.
Forma de hacerlo:
Primero hay que definir algunos conceptos como:
xn Es el valor actual de X
xn1 Es el valor anterior de X
xn+1 Es el valor siguiente de X
Como su nombre lo dice, este mtodo va trazando rectas secantes a la
curva original, y como despus del primer paso no depende de otras
cantidades sino que solito va usando las que ya se obtuvieron, casi nunca
falla porque se va acomodando y har que encuentra la raz.

Lo primero que se hace, igual que con otros mtodos es dar 2 puntos
cualesquiera que sean sobre el eje de las X que se llaman A y C.

Despus se sustituyen esos puntos en la ecuacin original para obtener f(A)


y f(C). Una vez que se tienen todos esos datos se obtiene el punto B con la
frmula
B=((Af(C))-(C(f(A)))/(f(C)-f(A)).
A diferencia del resto de los mtodos, aqu no hay que acomodar en
columnas cada uno de los datos, sino que se utiliza la simplificacin de
conceptos y como se
simplifica la frmula para seguir con el mtodo.

Aqu solo se usan 2 columnas, una de xn y otra de f (xn ) .


Usar el mtodo de la secante para calcular la raiz aproximada de la funcin

f ( x)=x 24

. Comenzando con x0 = 4 , x1 = 3 y hasta que r 1% .

Aplicando para la primera iteracin con la frmula:

x 2=x 1

x 1x 0
f ( x1 )
f ( x 1) f ( x 0 )

tendra un valor para x2 = 2.2857 . Si se calcula el error relativo con los


valores x2 como valor real y x1 como valor aproximado se tendr:

|32.2857
2.2857 |

r =

*100%= 31.25%

Ahora si se calcula en una segunda iteracin:

x 3=x 2

x 2x 1
f ( x2 )
f ( x 2 )f ( x 1 )

un valor para x3 = 2.0541, con un error relativo de 11,28%

Ahora si se contina realizando los clculos iterativamente, se tendrn valores


como
los mostrados en la siguiente tabla.
i
0
1
2
3

xi
4
3
2,2057
2,0541

xi+1
3
2,2857
2,0541
2,0036

xi+2
2,2857
2,0541
2,0036
2

a
0.7143
0.2316
0.0505
0.0036

r
31.25%
11.28%
2.52%
0.18%

Tabla 1. Resultados al aplicar el mtodo de la Secante


a la funcin f (x) = x2 4 . Con x0 = 4 y x1 = 3

Se termina el proceso iterativo con la encontrada de la raz para x5 = 2.0000 .

También podría gustarte