Informe #3 Arreglado

FACULTAD DE INGENIERIA
“ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA CIVIL”
UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE
INGENIERÍA CIVIL
INFORME N° 03
SOLUCIÓN DE UNA ECUACIÓN NO LINEAL POR
EL MÉTODO DE NEMTON RAPHSON, SECANTE,
APROXIMACIONES SUCESIVAS Y SOLVER.
Docente: Ing. WILSON VARGAS VARGAS
Alumno: LLANOS HUAMÁN, Emilio
Curso: MÉTODOS NUMÉRICOS
GRUPO: “C2”
Cajamarca, octubre de 2014
Métodos numéricos Ing. Wilson Vargas Vargas

SOLUCIÓN DE UNA ECUACIÓN NO LINEAL POR EL

MÉTODO DE NEMTON RAPHSON, SECANTE,
APROXIMACIONES SUCESIVAS Y SOLVER.
I. INTRODUCCIÓN:
El presente trabajo tiene como objetivo brindar una exposición
clara y exhaustiva de los principales métodos numéricos en materia
de estimación de modelos no lineales por el método de solución de
Newton-Raphson y aproximaciones sucesivas o punto fijo .Para
llevar a cabo dicha tarea se presenta una revisión teórica de tales
tópicos brindándose además rutinas de programación en
matemática, Excel y matlab que automatizan la tarea de resolución
de dichos problemas y permiten visualizar la evolución de los
algoritmos. De esta manera, se logra cumplir el fin de fomentar el
uso de tales métodos cuantitativos, minimizando el esfuerzo de
aprendizaje y resolución.
La mayoría de los textos de análisis numérico en el estudio de
sistemas de ecuaciones no lineales sólo hace un tratamiento para dos
variables y se evita el caso de más de dos variables para la
deducción del método. Presentamos una alternativa metodológica y
pedagógica para hacer menos difícil la comprensión de éste. La
metodología es un resultado de la experiencia docente.
II. OBJETIVOS:

 Conocer con cuál de los dos métodos de solución de una ecuación (Newton-
Raphson o aproximaciones sucesivas) se puede encontrar más rápidamente
las raíces de una ecuación y con un error minimo.
 Conocer cuál de los métodos de solución es mas practico trabajar para
encontrar las raíces de una ecuación.
 Verificar con cuál de los dos métodos de solución de una ecuación se hacen
menos iteraciones.
 Conocer si estos dos métodos son de ayuda para resolver los problemas que se
le presentan a un ingeniero civil.
III. MARCO TEÓRICO:
Los métodos de solución de una ecuación no lineal la describimos a continuación:
1. Newton-Raphson:
a. Historia
El método de Newton fue descrito por Isaac Newton en De analysi per

aequationes número 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 Método de las fluxiones en
1736 por John Colson). Sin embargo, su descripción difiere en forma
sustancial de la descripción moderna presentada más arriba: Newton
aplicaba el método solo a polinomios, y no consideraba las aproximaciones
sucesivas xn, sino que calculaba una secuencia de polinomios para llegar a la
aproximación de la raíz x. Finalmente, Newton ve el método como
puramente algebraico y falla al no ver la conexión con el cálculo.
Isaac Newton probablemente derivó su método de forma similar aunque

menos precisa del método de François Viète. La esencia del método de Viète
puede encontrarse en el trabajo del matemático persa Sharaf al-Din al-Tusi.
b. Concepto:
En análisis numérico, el método de Newton (conocido también como el

método de Newton-Raphson o el método de Newton-Fourier) es un
algoritmo eficiente para encontrar aproximaciones de los ceros o raíces de
una función real. También puede ser usado para encontrar el máximo o
mínimo de una función, encontrando los ceros de su primera derivada. Este
método, el cual es un método iterativo, es uno de los más usados y efectivos.
A diferencia de los métodos anteriores, el método de Newton-Raphson no
trabaja sobre un intervalo sino que basa su fórmula en un proceso iterativo.

c. Descripción del método:
El método de Newton-Raphson es un método abierto, en el sentido de

que su convergencia global no está garantizada. La única manera de
alcanzar la convergencia es seleccionar un valor inicial lo suficientemente
cercano a la raíz buscada. Así, se ha de comenzar la iteración con un valor
razonablemente cercano al cero (denominado punto de arranque o valor
supuesto). La relativa cercanía del punto inicial a la raíz depende mucho de
la naturaleza de la propia función; si ésta presenta múltiples puntos de
inflexión o pendientes grandes en el entorno de la raíz, entonces las
probabilidades de que el algoritmo diverja aumentan, lo cual exige
seleccionar un valor supuesto cercano a la raíz. Una vez se ha hecho esto, el
método linealiza la función por la recta tangente en ese valor supuesto. La
abscisa en el origen de dicha recta será, según el método, una mejor
aproximación de la raíz que el valor anterior. Se realizarán sucesivas
iteraciones hasta que el método haya convergido lo suficiente.
Sea f: [a, b] -> R función derivable definida en el intervalo real [a, b].
Empezamos con un valor inicial y definimos para cada número natural n
Donde denota la derivada de
Nótese que el método descrito es de aplicación exclusiva para funciones de

una sola variable con forma analítica o implícita cognoscible. Existen
variantes del método aplicables a sistemas discretos que permiten estimar
las raíces de la tendencia, así como algoritmos que extienden el método de
Newton a sistemas multivariables, sistemas de ecuaciones, etc.
d. Obtención 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 interpretación geométrica. En efecto,

atendiendo al desarrollo geométrico del método de la secante, podría
pensarse en que si los puntos de iteración están lo suficientemente cerca (a
una distancia infinitesimal), entonces la secante se sustituye por la tangente
a la curva en el punto. Así pues, si por un punto de iteración trazamos la

tangente a la curva, por extensión con el método de la secante, el nuevo

punto de iteración se tomará 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 función, es decir, f se reemplaza por una recta tal que contiene al punto
(x0, f (x0)) y cuya pendiente coincide con la derivada de la función en el
punto, f'(x0). La nueva aproximación a la raíz, x1, se logra la intersección de
la función lineal con el eje X de ordenadas. Matemáticamente:
Figure: Interpretación geométrica del método de

Newton.
Ilustración de una iteración del método de Newton (la función f se

demuestra en azul y la línea de la tangente está en rojo). Vemos que xn + 1
es una aproximación mejor que xn para la raíz x de la función f.
En la ilustración adjunta del método de Newton se puede ver que xn + 1 es

una mejor aproximación que xn para el cero (x) de la función f.
Una forma alternativa de obtener el algoritmo es desarrollando la función f

(x) en serie de Taylor, para un entorno del punto xn:

Si se trunca el desarrollo a partir del término de grado 2, y evaluamos en xn

+1:
Si además se acepta que xn + 1 tiende a la raíz, se ha de cumplir que f(xn +

1) = 0, luego, sustituyendo en la expresión anterior, obtenemos el algoritmo.
e. Convergencia del Método:
El orden de convergencia de este método es, por lo menos, cuadrático.

Sin embargo, si la raíz buscada es de multiplicidad algebraica mayor a uno
(i.e, una raíz doble, triple,...), el método de Newton-Raphson pierde su
convergencia cuadrática y pasa a ser lineal de constante asintótica de
convergencia 1-1/m, con m la multiplicidad de la raíz.
Existen numerosas formas de evitar este problema, como pudieran ser los
métodos de aceleración de la convergencia tipo Δ² de Aitken o el método de
Steffensen. Derivados de Newton-Raphson destacan el método de Ralston-
Rabinowitz, que restaura la convergencia cuadrática sin más que modificar
el algoritmo a:
Evidentemente, este método exige conocer de antemano la multiplicidad de

la raíz, lo cual no siempre es posible. Por ello también se puede modificar el
algoritmo tomando una función auxiliar g(x) = f(x)/f'(x), resultando:
Su principal desventaja en este caso sería lo costoso que pudiera ser

hallar g(x) y g'(x) si f(x) no es fácilmente derivable y debe cumplirse la
siguiente condición:
Por otro lado, la convergencia del método se demuestra cuadrática para el

caso más habitual en base a tratar el método como uno de punto fijo: si

g'(r)=0, y g' '(r) es distinto de 0, entonces la convergencia es cuadrática. Sin

embargo, está sujeto a las particularidades de estos métodos.
Nótese de todas formas que el método de Newton-Raphson es un método

abierto: la convergencia no está garantizada por un teorema de convergencia
global como podría estarlo en los métodos de falsa posición o de bisección.
Así, es necesario partir de una aproximación inicial próxima a la raíz
buscada para que el método converja y cumpla el teorema de convergencia
local.
f. Estimación del Error:
Se puede demostrar que el método de Newton-Raphson tiene convergencia

cuadrática: si α es raíz, entonces:
Para una cierta constante C. Esto significa que si en algún momento el error
es menor o igual a 0,1, a cada nueva iteración doblamos (aproximadamente)
el número de decimales exactos. En la práctica puede servir para hacer una
estimación aproximada del error:
Error relativo entre dos aproximaciones sucesivas:
Con lo cual se toma el error relativo como si la última aproximación fuera el

valor exacto. Se detiene el proceso iterativo cuando este error relativo es
aproximadamente menor que una cantidad fijada previamente.
2. Método de aproximaciones o punto fijo:

a. Concepto:
El método de las aproximaciones sucesivas es uno de los procedimientos más

importantes y más sencillos de codificar. Supongamos la ecuación
donde es una función continua que se desea determinar sus raíces reales. Se
sustituye por la ecuación equivalente . Se estima el valor
aproximado de la raíz , y se sustituye en el segundo miembro de la ecuación
para obtener Poniendo como argumento de ,

obtendremos un nuevo número , y así sucesivamente. Este proceso se puede

sintetizar en la fórmula.
Si esta secuencia es convergente es decir, tiende hacia un límite, la solución x es
El método de iteración se explica geométricamente mediante el gráfico de la

figura. Se dibuja la curva y=j(x), y la recta y=x, bisectriz del primer cuadrante.
La abscisa x del punto de intersección es la raíz buscada.
b. El criterio de convergencia:
No todas las ecuaciones pueden resolverse por este método, solamente si
el valor absoluto de la derivada de la función (x) en la vecindad de la raíz  es
menor que la unidad (la pendiente de la recta bisectriz del primer cuadrante es
uno). En la figura, podemos ver como es imposible encontrar la solución
marcada por un puntito negro en la intersección entre la curva y la recta bisectriz
del primer cuadrante, ya que la sucesión xi diverge.
Para este método debe cumplirse la siguiente relación:

Por ejemplo, la ecuación:
Tiene una raíz en el intervalo (1, 2) ya que f (1)=-1<0 y f (2)=5>0. Esta

ecuación puede escribirse de la forma:
En este caso,
Por tanto,
En consecuencia, no se cumplen las condiciones de convergencia del proceso de

iteración. Si escribimos la ecuación en la forma:
Como podrá verificar fácilmente el lector, cumple las condiciones de

convergencia, obteniéndose rápidamente un valor aproximado de la raíz
buscada.
c. La condición de finalización:
Primero, introducimos el valor inicial x, la primera aproximación, calculamos el

valor del coseno de x, el valor devuelto (segunda aproximación), lo guardamos
de nuevo en la variable x, y repetimos el proceso indefinidamente. El código
aunque correcto, necesita terminarse en algún momento, cumpliendo una
determinada condición. Cuando el valor absoluto del cociente entre la diferencia
de dos términos consecutivos de la sucesión y uno de los términos, sea menor
que cierta cantidad e.

Este criterio, no es completamente riguroso, pero es un buen punto de partida

para el estudio de este método. Volvemos a escribir el código incluyendo la
condición de terminación y dentro de una función denominada raiz, a la que se
le pasa el valor inicial y que devuelve la raíz buscada:
3. Método de La Secante:
El principal inconveniente del método de Newton estriba en que requiere conocer el

valor de la primera derivada de la función en el punto, lo cual puede llegar a resultar
engorroso. Sin embargo, la forma funcional de f (x) dificulta en ocasiones el cálculo
de la derivada. El método de la secante es casi idéntico al de regula falsi salvo por
un detalle: no se tiene en cuenta el signo de la función para estimar el siguiente
punto. Se procede independientemente de los signos de la función. De todas
maneras en algunos casos es más útil emplear el método de la secante.
Una forma de evitar el cálculo de f '( x) consiste en considerar como aproximación a

la derivada la recta que pasa por los valores de 2 iteraciones sucesivas
(estima la f(x ) − f ( x ) tangente) es decir, la pendiente de la recta):
Esta variante se conoce con el nombre de método de la Secante. Sustituyendo esta

expresión en la ecuación del método de Newton, se obtiene la expresión del método
de la secante que proporciona el siguiente punto de iteración:
Representación Geométrica De Las Iteraciones Al Aplicar El Método De La Secante

La sucesión queda expresada en términos generales como:
A partir de ciertos valores x0 y x1 dados. El algoritmo deberá parar cuando

sea menor que la precisión requerida. Obviamente, para poder arrancar
el método se necesitan dos valores iniciales.
Forma de hacerlo:
Primero hay que definir algunos conceptos como:
xn Es el valor actual de X
xn−1 Es el valor anterior de X
xn+1 Es el valor siguiente de X
Como su nombre lo dice, este método va trazando rectas secantes a la curva original,
y como después 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 hará
que encuentra la raíz.
Lo primero que se hace, igual que con otros métodos es dar 2 puntos cualesquiera
que sean sobre el eje de las X que se llaman A y C.
Después se sustituyen esos puntos en la ecuación original para obtener f(A) y f(C).
Una vez que se tienen todos esos datos se obtiene el punto B con la
fórmula B=((Af(C))-(C(f(A)))/(f(C)-f(A)).

A diferencia del resto de los métodos, aquí no hay que acomodar en columnas cada
uno de los datos, sino que se utiliza la simplificación de conceptos y como
se simplifica la fórmula para seguir con el método.
Aquí solo se usan 2 columnas, una de xn y otra de f (xn ) .
4. Herramienta Solver
Solver es una herramienta para resolver y optimizar ecuaciones mediante el uso de métodos
numéricos.
Con Solver, se puede buscar el valor óptimo para una celda, denominada celda objetivo, en
donde se escribe la fórmula de la función objetivo f (x 1, x2, xn).
Solver cambia los valores de un grupo de celdas, denominadas celdas cambiantes, y que
estén relacionadas, directa o indirectamente, con la fórmula de la celda objetivo. En estas
celdas se encuentran los valores de las variables controlables x 1, x2, xn.
Puede agregar restricciones a Solver, escribiendo una fórmula g j (x1, x2, xn.) en una celda, y
especificando que la celda deberá ser mayor o igual, igual, o menor o igual que otra celda
que contiene la constante cj.
También puede especificar que los valores sean enteros, para evitar dar resultados
absurdos de algunos problemas, tales como que se necesitan 3,5 empleados.
Solver ajustará los valores de las celdas cambiantes, para generar el resultado
especificado en la fórmula de la celda objetivo.
IV.PROBLEMA:

El problema que se presenta es saber con cuál de los métodos es más seguro trabajar
una ecuación no lineal para llegar a conocer las raíces de dicha ecuación con menor mínimo
y con menos iteraciones.
V. SOLUCIÓN:
El problema lo solucionaremos cogiendo una ecuación y la evaluaremos por los
dos métodos descrito en la teoría de acuerdo a esto veremos con cuál de estos dos
métodos de solución, se llega a conocer más rápidamente las raíces de dicha
ecuación y con un error mínimo.
Para nuestra práctica tomaremos la siguiente ecuación:
VI. RESPUESTAS:
Encontrar las raíces de la ecuación siguiente:
Solución:
1. Método Newton-Raphson:
Para este método utilizaremos la siguiente ecuación nº1deducida descrita en la
teoría:
x y
0.1 -0.313
1.1. Se la ecuación
0.2 0.351
1.2. La transformamos a una función:
0.3 0.706
0.4 0.924
0.5 1.057
1.3. Localizamos las raíces:
0.6 1.129 Tabulando y graficando tenemos:
0.7 1.153
0.8 1.137
0.9 1.085
1 1.000
1.1 0.885
1.2 0.742
1.3 0.572
1.4 0.376
1.5 0.155
Métodos numéricos
1.6 -0.090 Ing. Wilson Vargas Vargas
1.7 -0.359



 Entonces
1.4. Comprobamos la existencia de las raíces:

1.4.1. Para la raíz
Por lo tanto:
Por lo tanto:
1.5. Criterio de convergencia:

Reemplazando los datos en ecuación de convergía nº 1 tenemos:

 Se puede aplicar el método.
Reemplazando los datos en ecuación de convergía nº 1 tenemos:

1.6. Proceso iterativo:
Solución en Excel:
0 0.100000 -0.312585 9.8 -102 0.331983 0.131896

1 0.131896 -0.043135 7.317913 -59.4823 0.047912 0.137791
2 0.137791 -0.001005 6.981793 -54.6695 0.001127 0.137935
3 0.137935 -5.65E-07 6.973936 -54.5597 6.34E-07 0.137935
Cuadro nº 1
 Una posible raíz de la ecuación es:

Solución en Excel:

0 1.4 0.376472 -2.08571 -2.51020 -0.217236 1.580500

1 1.580500 -0.040240 -2.52829 -2.40032 0.015110 1.564584
2 1.564584 -0.000304 -2.49002 -2.40851 1.18E-04 1.564462
3 1.564462 -1.799E-08 -2.48973 -2.40857 6.99E-09 1.564462
Cuadro nº 2
 Una posible raíz de la ecuación es:
1.7. Las posibles raíces son:
2. Método de la Secante:
0.1 -0.313 2.2. La transformamos a una función:
0.2 0.351
0.3 0.706
0.4 0.924
0.5 1.057
0.6 1.129
0.7 1.153
0.8 1.137
Tabulando y graficando tenemos:
0.9 1.085
1 1.000
1.1 0.885
1.2 0.742
1.3 0.572
1.4 0.376
Métodos numéricos
1.5 0.155 Ing. Wilson Vargas Vargas
1.6 -0.090
1.7 -0.359
 Entonces

Por lo tanto:
Por lo tanto:


Hagamos y tenemos:
Hagamos y tenemos:

Solución en Excel:
Cuadro nº 3
Criterio de convergencia
0 0.10000 0.13670 0.02733 -0.0086
1 0.13670 0.13789 0.03769 -0.0003

Solución en Excel:
Cuadro nº 4
0 1.4 1.52855 0.233648 0.376472237
1 1.52855 1.55702 0.210085 0.087848864
2 1.55702 1.56294 0.205463 0.018454663
3 1.56294 1.56415 0.204527 0.003791737
4 1.56415 1.56440 0.204336 0.000775511
5 1.56440 1.56445 0.204297 0.000158464
3. Método Por SOLVER:



r1 =0.1379348
r2 =1.5644622
4. Aproximaciones sucesivas o punto fijo:

4.2. La transformamos a una función:

Tabulando y graficando tenemos:
0.1 -0.313
0.2 0.351
0.3 0.706
0.4 0.924
0.5 1.057
0.6 1.129
0.7 1.153
0.8 1.137
0.9 1.085
1 1.000
1.1 0.885
1.2 0.742
1.3 0.572
1.4 0.376
1.5 0.155
1.6 -0.090
1.7 -0.359
 Entonces

Por lo tanto:

Por lo tanto:

Hagamos y tenemos:
Hagamos y tenemos:


Solución en Excel:
Cuadro nº 3
0 0.10000 0.13670 0.02733 -0.0086
1 0.13670 0.13789 0.03769 -0.0003

Solución en Excel:
Cuadro nº 4
0 1.4 1.52855 0.233648 0.376472237
1 1.52855 1.55702 0.210085 0.087848864
2 1.55702 1.56294 0.205463 0.018454663
3 1.56294 1.56415 0.204527 0.003791737
4 1.56415 1.56440 0.204336 0.000775511
5 1.56440 1.56445 0.204297 0.000158464

VII. CONCLUSIONES:
 Se conoció que los dos métodos de solución de Newton-Raphson y
aproximaciones sucesivas se puede encontrar más rápidamente las raíces de
una ecuación con errores mínimos.
 Se conoció que los dos métodos de solución son muy prácticos así que, por
cualquiera de ellos se puede encontrar las raíces de una ecuación no lineal.
 se verifico que con el método de SOLVER se puede resolver de una mabera
más rápida y con error despreciable.
 se conoció que los dos métodos de solución son de mucha ayuda para la
ingeniería civil ya que los problemas que se le presenta al ingeniero son
ecuaciones no lineales.
VIII. RECOMENDACIONES:
 se recomienda que para resolver una ecuación no lineal, se lo resuelva por
método de newton-raphson,o SOLVER ya que con estos métodos se pueden
llegar a la raíz más rápidamente haciendo menos iteraciones asi como en el
caso de usar Newton Raphson.
 Es importante conocer los: bisección y regula falsi, ya que son métodos muy
prácticos para resolver las encontrar las raíces de una ecuación. Ya que no
se necesita mucha conocimiento en matemáticas.
IX. ANEXOS:
Métodos resueltos en matlab:
1. Método general Newton- Raphson:
disp ('NEWTON-RAPHSON')
xo=input('Valor inicial =');
n=input ('numero de iteraciones=');
salida=ones(n,4); % matiz de salida de datos
for i=1:n
x1=xo-[(exp(-xo)-xo)]/[(-exp(-xo)-1)];
vsal=[xo;x1];
er=[[abs((xo-x1)/xo)]]*100; % error relativo porcentual
ea=[[abs((x1-xo)/x1)]]*100; % error
xo=x1;
salida(i,1)=i;
salida(i,2)=x1;
salida(i,3)=er;
salida(i,4)=ea;
end
disp('ite raiz er ea');
disp(num2str(salida));

Informe #3 Arreglado

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Informe #3 Arreglado

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERIA

“ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA CIVIL”

UNIVERSIDAD NACIONAL DE CAJAMARCA

Alumno: LLANOS HUAMÁN, Emilio

Curso: MÉTODOS NUMÉRICOS

Cajamarca, octubre de 2014

Métodos numéricos Ing. Wilson Vargas Vargas

SOLUCIÓN DE UNA ECUACIÓN NO LINEAL POR EL

El presente trabajo tiene como objetivo brindar una exposición

clara y exhaustiva de los principales métodos numéricos en materia

de estimación de modelos no lineales por el método de solución de

Newton-Raphson y aproximaciones sucesivas o punto fijo .Para

llevar a cabo dicha tarea se presenta una revisión teórica de tales

tópicos brindándose además rutinas de programación en

matemática, Excel y matlab que automatizan la tarea de resolución

de dichos problemas y permiten visualizar la evolución de los

algoritmos. De esta manera, se logra cumplir el fin de fomentar el

uso de tales métodos cuantitativos, minimizando el esfuerzo de

La mayoría de los textos de análisis numérico en el estudio de

sistemas de ecuaciones no lineales sólo hace un tratamiento para dos

variables y se evita el caso de más de dos variables para la

deducción del método. Presentamos una alternativa metodológica y

pedagógica para hacer menos difícil la comprensión de éste. La

metodología es un resultado de la experiencia docente.

Métodos numéricos Ing. Wilson Vargas Vargas

III. MARCO TEÓRICO:

Los métodos de solución de una ecuación no lineal la describimos a continuación:

El método de Newton fue descrito por Isaac Newton en De analysi per

Isaac Newton probablemente derivó su método de forma similar aunque

En análisis numérico, el método de Newton (conocido también como el

Métodos numéricos Ing. Wilson Vargas Vargas

c. Descripción del método:

El método de Newton-Raphson es un método abierto, en el sentido de

Empezamos con un valor inicial y definimos para cada número natural n

Donde denota la derivada de

Nótese que el método descrito es de aplicación exclusiva para funciones de

d. Obtención del Algoritmo:

Tres son las formas principales por las que tradicionalmente se ha

La primera de ellas es una simple interpretación geométrica. En efecto,

Métodos numéricos Ing. Wilson Vargas Vargas

tangente a la curva, por extensión con el método de la secante, el nuevo

Figure: Interpretación geométrica del método de

Ilustración de una iteración del método de Newton (la función f se

En la ilustración adjunta del método de Newton se puede ver que xn + 1 es

Una forma alternativa de obtener el algoritmo es desarrollando la función f

Métodos numéricos Ing. Wilson Vargas Vargas

Si se trunca el desarrollo a partir del término de grado 2, y evaluamos en xn

Si además se acepta que xn + 1 tiende a la raíz, se ha de cumplir que f(xn +

e. Convergencia del Método:

El orden de convergencia de este método es, por lo menos, cuadrático.

Evidentemente, este método exige conocer de antemano la multiplicidad de

Su principal desventaja en este caso sería lo costoso que pudiera ser

Por otro lado, la convergencia del método se demuestra cuadrática para el

Métodos numéricos Ing. Wilson Vargas Vargas

g'(r)=0, y g' '(r) es distinto de 0, entonces la convergencia es cuadrática. Sin

Nótese de todas formas que el método de Newton-Raphson es un método

f. Estimación del Error:

Se puede demostrar que el método de Newton-Raphson tiene convergencia

Error relativo entre dos aproximaciones sucesivas:

Con lo cual se toma el error relativo como si la última aproximación fuera el

2. Método de aproximaciones o punto fijo:

El método de las aproximaciones sucesivas es uno de los procedimientos más

sustituye por la ecuación equivalente . Se estima el valor