Método de Newton 1

Método de Newton
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.

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.

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, La función ƒ es mostrada en azul y la línea tangente en rojo. Vemos que xn+1 es una
entonces las probabilidades de que el mejor aproximación que xn para la raíz x de la función f.
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 x0 y
definimos para cada número natural n

Donde f ' denota la derivada de f.

Método de Newton 2

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.

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 ( , ( )) y
cuya pendiente coincide con la derivada de la función en el punto, . La nueva aproximación a la raíz, , se
logra la intersección de la función lineal con el eje X de abscisas. Matemáticamente:

En la ilustración adjunta del método de

Newton se puede ver que es una
mejor aproximación que 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 :

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 es una aproximación
mejor que para la raíz de la función .

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

Si además se acepta que tiende a la raíz, se ha de cumplir que , luego, sustituyendo en la

expresión anterior, obtenemos el algoritmo.
Finalmente, hay que indicar que el método de Newton-Raphson puede interpretarse como un método de iteración de
punto fijo. Así, dada la ecuación , se puede considerar el siguiente método de iteración de punto fijo:
Método de Newton 3

Se escoge h (x) de manera que g'(r)=0 (r es la raíz buscada). Dado que g'(r) es:

Entonces:

Como h (x) no tiene que ser única, se escoge de la forma más sencilla:

Por tanto, imponiendo subíndices:

Expresión que coincide con la del algoritmo de Newton-Raphson

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.
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.
Método de Newton 4

Estimación del Error

Se puede demostrar que el método de Newton-Raphson tiene convergencia cuadrática: si es raíz, entonces:

para una cierta constante . 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.

Teorema de Convergencia Local del Método de Newton

Sea . Si , y , entonces existe un r>0 tal que si
, entonces la sucesión xn con verifica que:
para todo n y xn tiende a p cuando n tiende a infinito.
Si además , entonces la convergencia es cuadrática.

Ejemplo
Consideremos el problema de encontrar un número positivo x tal que cos(x) = x3. Podríamos 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 está
entre 0 y 1. Comenzaremos probando con el valor inicial x0 = 0,5

Los dígitos correctos están subrayados. En particular, x6 es correcto para el número de decimales pedidos. Podemos
ver que el número de dígitos correctos después de la coma se incrementa desde 2 (para x3) a 5 y 10, ilustando la
convergencia cuadrática.
En pseudocódigo, esto es:

function newtonIterationFunction(x) {
return x - (cos(x) - x^3) / (-sin(x) - 3*x^2)
}

var x := 0,5

for i from 0 to 99 {
print "Iteraciones: " + i
Método de Newton 5

print "Valor aproximado: " + x

xold := x
x := newtonIterationFunction(x)
if x = xold {
print "Solución encontrada!"
break
}
}

Codigo en MatLab
Programa escrito en Matlab para hallar las raíces usando el método de 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));

El programa siguiente hace el cálculo para una superficie.

syms x1
syms x2
syms x3
V=['sin(x1)+2^x2+log(x3)-7';'3*x1+2*x2-x3^3+1 ';'x1+x2+x3-5
'];
%se calcula el jacobiano:
DV(1,:)=[diff(V(1,:),x1), diff(V(1,:),x2),diff(V(1,:),x3)];
DV(2,:)=[diff(V(2,:),x1), diff(V(2,:),x2),diff(V(2,:),x3)];
DV(3,:)=[diff(V(3,:),x1), diff(V(3,:),x2),diff(V(3,:),x3)];
%se da el valor de partida:
x1=0;
x2=4;
x3=2;
x_1o=[x1;x2;x3];
%se calcula H en ese punto
Método de Newton 6

Vo(1,:)=eval(V(1,:));
Vo(2,:)=eval(V(2,:));
Vo(3,:)=eval(V(3,:));
%Se calcula el Jacobiano en ese punto
DV1=eval(DV);
%se calcula la Inversa del JAcobiano en ese punto
DV_1=DV1^-1;
%se calcula el siguiente valor de iteración
x_1=[x1;x2;x3]-DV_1*Vo;
%cantidad de iteraciones maxima:
n=50;
%se define a = n, si se cumple condicion de error antes, cambia
a=n;

for i=1:n
%error relativo entre aproximaciones sucecivas
er=norm(x_1-x_1o)/norm(x_1);
if er<.0001
a=i;
break; end

x1=x_1(1);
x2=x_1(2);
x3=x_1(3);
x_1o=[x1;x2;x3];
Vo(1,:)=eval(V(1,:));
Vo(2,:)=eval(V(2,:));
Vo(3,:)=eval(V(3,:));
DV1=eval(DV);
DV_1=DV1^-1;
x_1=[x1;x2;x3]-DV_1*Vo;

end
a
x_1

Referencias
• Tjalling J. Ypma, Historical development of the Newton-Raphson method, SIAM Review 37 (4), 531–551, 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].
Método de Newton 7

• 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 Süli 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 [6]» (en inglés), MathWorld, Wolfram Research,
consultado el 29 de agosto.

Enlaces externos
• Método de Newton aplicado al cálculo de la raíz cuadrada de un número [7]
• El método de Newton en Mathcad Application Server [8] (con animación)
• Método de Newton-Raphson: Notas, PPT, Mathcad, Maple, Matlab, Mathematica [9]

Referencias
[1] http:/ / www. nrbook. com/ a/ bookcpdf. html
[2] http:/ / www. nrbook. com/ a/ bookcpdf/ c9-4. pdf
[3] http:/ / www. nrbook. com/ a/ bookcpdf/ c9-6. pdf
[4] http:/ / www. nrbook. com
[5] http:/ / library. lanl. gov/ numerical/ bookfpdf/ f9-4. pdf
[6] http:/ / mathworld. wolfram. com/ NewtonsMethod. html
[7] http:/ / neoparaiso. com/ logo/ metodo-newton. html
[8] http:/ / twt. mpei. ac. ru/ mas/ worksheets/ newton. mcd
[9] http:/ / numericalmethods. eng. usf. edu/ topics/ newton_raphson. html
Fuentes y contribuyentes del artículo 8

Fuentes y contribuyentes del artículo

Método de Newton  Fuente: http://es.wikipedia.org/w/index.php?oldid=45250156  Contribuyentes: Alexandrosas, Carlicus, Daniel Ajoy, Daniel Carracelas, Elisacintia, Evasquez924, Filipo,
GermanX, Ggenellina, Gsrdzl, Ignacioerrico, JMCC1, JOe-LoFish, Jkbw, Juan Mayordomo, Leonpolanco, LordT, MartinV.A, Matdrodes, Nanis15, Netito777, Nicop, Petronas, PoLuX124,
Raulshc, Rdaneel, Ryback, Super braulio, Tano4595, 75 ediciones anónimas

Fuentes de imagen, Licencias y contribuyentes

Image:NewtonIteration Ani.gif  Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:NewtonIteration_Ani.gif  Licencia: GNU Free Documentation License  Contribuyentes: Ralf Pfeifer
Archivo:newton iteration.png  Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Newton_iteration.png  Licencia: Public Domain  Contribuyentes: Original uploader was
Olegalexandrov at en.wikipedia

Licencia
Creative Commons Attribution-Share Alike 3.0 Unported
http:/ / creativecommons. org/ licenses/ by-sa/ 3. 0/