MTODO DE NEWTON RAPHSON
OBJETIVO GENERAL
Explicar el mtodo de Newton Rapshon para entender su procedimiento
y utilizacin adecuada.
OBJETIVO ESPECIFICO
Realizar el mtodo de Newton Rapshon, con el fin de crear un cdigo
para encontrar races.
Determina la aproximacin por diferencias finitas, es decir no necesita la
derivacin.
DEFINICION
Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y
efectivos. A diferencia de otros metodos, el mtodo de Newton-Raphson no
trabaja sobre un intervalo sino que basa su frmula en un proceso iterativo.
Supongamos que tenemos la aproximacin
a la raz
de
Trazamos la recta tangente a la curva en el punto
eje
en un punto
Para calcular el punto
; sta cruza al
que ser nuestra siguiente aproximacin a la raz
, 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 frmula 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
coincida con ste, en cuyo caso
en ningn punto, a menos que
mismo es una raz de
EJEMPLO
Usar el mtodo de Newton-Raphson, para aproximar la raz de
comenzando con
y hasta que
Solucin
En este caso, tenemos que
De aqu tenemos que:
Comenzamos con
y obtenemos:
En este caso, el error aproximado es:
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.
1.268941421
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 o lentitud del mtodo en estudio. Veremos a continuacin un ejemplo
del mtodo de Newton Raphson, con la siguiente ecuacin:
#
1
2
3
4
5
6
F(x)
Df(x)
Nuevo X
18
4
-3.5
-30.375
37.75
-2.6953642384106
-6.2771541041392
22.794965133108-2.419989651633
-0.59229583988115 18.569049742033-2.3880927130115
-0.007353946674481218.108960417816-2.3876866186524
-1.1814129692311E-6 18.103142166676-2.3876865533923
Hemos terminado de analizar el mtodo de la Newton Rapshon, en este
ejemplo con un error de 0.0001; se encuentra la ltima raiz(X): 2.3876865533923 con 6 iteraciones.
El algoritmo que se plantea para este mtodo numrico es:
Sea f (x) = 0 y un punto X 0 , el mtodo de Newton-Rapson se basa en la
sucesin
x i=x i1
f (x i1)
f '( x i1)
, con i 1, si queremos hallar una solucin a la
ecuacin f (x) = 0 con un error menor o igual a un nmero , y sea n el nmero
mximo de iteraciones permitidas para repetir el proceso
con i 1. Entonces se debe repetir el proceso
siempre que i n. Si i n y
toma
x i=x i1
x i=x i1
f ( x i1)
f ' (x i1)
f ( x i1)
f ' (x i1)
, con i 1
|f (x)|< o tambin |x ix i1|< , entonces se
x i como la raz aproximada de la ecuacin f(x)=0.
Si i = n y
|f (x)|> o tambin |x ix i1|> , entonces se concluye que el
mtodo fallo o el nmero de iteraciones n es insuficientes.
Ejemplo:
1.- Consideremos la ecuacin x = cos(x)-x , ahora tratemos de hallar una
solucin a dicha ecuacin, para eso hacemos
cos (x)-x= 0 .
Sea x0 =0, una tolerancia de 10-6, y un nmero mximo de iteraciones de 50.
Usando nuestra aplicacin se obtiene el siguiente resultado
