1

El m

etodo de Newton
C alculo. Grado Ingeniera Industrial.
Metodo de Newton
Una aplicaci on muy util de las derivadas se encuentra en la resoluci on
aproximada de ecuaciones del tipo f (x) = 0 (suponemos que f es una
funci on continua y derivable). Comenzamos en un punto x
0
(podemos
suponer que es una primera aproximaci on de la solucion) y trazamos la
recta tangente a la graca de f en (x
0
, f (x
0
)). Normalmente, el punto
donde esta recta corta al eje x es una aproximacion mejor de la soluci on
que x
0
(Figura 2.1). El proceso de aproximacion se repite iterativamente,
hasta encontrar una soluci on valida.
Figura 2.1: Metodo de Newton
La derivada de f es importante porque nos da la iteracion x
n+1
a
partir de x
n
, ya que f

(x
n
) es la pendiente de la recta tangente a la
2
gr aca de f por (x
n
, f (x
n
)). Este proceso se llama metodo de Newton,
de Newton-Raphson o de Newton-Fourier y es uno de los metodos mas
utilizados por su sencillez y rapidez. Aunque no es un metodo infalible
(puede no converger bajo ciertas condiciones), tiene ventajas frente al
metodo de la bisecci on, como que no necesitamos conocer un intervalo
donde est a la solucion y que cuando converge, lo hace mucho mas rapido.
Antes de la descripcion rigurosa de este metodo, veremos su poten-
cial con un ejemplo.
Ejemplo 1. Una de las soluciones de x
4
5 = 0 es x =
4

5. Pero
vamos a buscar una aproximacion por el Metodo de Newton, con 5
cifras signicativas. Comenzamos con la aproximacion inicial x
0
= 2.
Calculamos el valor de f en 2 y tenemos f (1) = 11, y est a est a lejos
de ser una soluci on aproximada aceptable.
Nuestro siguiente candidato a soluci on aproximada es x
1
, que es el
punto donde la tangente a la gr aca por (2, 11) corta al eje x (Figura
2.1). De forma general, la ecuacion de la recta que pasa por (x
0
, y
0
) y
tiene pendiente m es:
y y
0
= m(x x
0
) .
En nuestro caso, y
0
= f (x
0
) y m = f

(x
0
) porque es la pendiente de la
recta tangente en x
0
:
y f (x
0
) = f

(x
0
) (x x
0
) .
Nos interesa encontrar x
1
, que es el punto donde la recta tangente corta
al eje x, es decir, x
1
verica la ecuacion anterior con y = 0. Tenemos:
f (x
0
) = f

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

(x
0
)
= x
1
x
0
=x
1
= x
0

f (x
0
)
f

(x
0
)
.
Si f

(x
0
) fuera 0, entonces no podramos calcular x
1
y tendramos que
comenzar con otro valor de x
0
. En nuestro ejemplo, f (x) = x
5
4 y
f

(x) = 4x
3
. Por tanto:
x
1
= x
0

f (x
0
)
f

(x
0
)
= x
0

x
4
0
5
4x
3
0
.
3
Figura 2.2: Iteraciones del Ejemplo 1
Evaluando en x
0
= 2 la expresion anterior, resulta:
x
1
= 2
2
4
5
4 2
3
=
53
32
1,6563.
La idea es continuar con este proceso (Figura 2.2) para obtener aproxi-
maciones sucesivas:
x
2
= 1,6563
1,6563
4
5
4 1,6563
3
1,5173
x
3
= 1,5173
1,5173
4
5
4 1,5173
3
1,4958
Y as sucesivamente. Este procedimiento nos lleva a la soluci on aproxi-
mada de forma bastante r apida.
x
i
f (x
i
) error:

x
i

2 11 0,50465
1,6563 2,5249 0,1609
1,5173 6,5241 10
4
2,1951 10
2
1,4958 6,0377 10
3
4,5122 10
4
N otese que el error se multiplica por 10
2
aproximadamente en cada
iteraci on, con lo que se duplica el n umero de cifras precisas
1
. En esta
1
Este hecho es general al aplicar el metodo de Newton; Cons ultese, por ejemplo,
Chapra, S. C.; Canale, R.; Metodos numericos para ingenieros. 5a Ed. Madrid,
Ed. McGraw-Hill, 2007. .
4
tabla hemos utilizado aproximaciones a las fracciones, para simplicar
los resultados.
El metodo de Newton se puede aplicar para funciones f derivables con
continuidad. Se puede resumir en la igualdad que nos da la expresi on
de una iteraci on x
n+1
a partir x
n
, f (x
n
) y f

(x
n
):
x
n+1
= x
n

f(x
n
)
f

(x
n
)
.
Con los valores x
n
se construye una sucesi on que converge, en prin-
cipio (ver nota al margen), a una soluci on de f (x) = 0. Es infalible el
metodo de New-
ton? Puede no
converger a una
soluci on aproxima-
da de la ecuacion
f (x) = 0. Por ejem-
plo, si f

(x
n
) = 0
para alg un n, entonces
no se puede nalizar
el proceso iterativo
comenzando con el
valor que hemos
elegimos de x
0
. O se
puede dar la situacion
que se representa en
la gura:
Pregunta: Compruebese que en el Ejemplo 1, la sucesi on que se
obtiene con las iteraciones dadas por el metodo de Newton convergen a
una solucion de x
4
5 = 0.
Respuesta: Tenemos
x
n+1
=
3x
n
4
+
5
4x
3
n
Tomando lmites cuando n y suponiendo que lm
n
x
n
= x,
hacemos
lm
n
x
n+1
= lm
n

3x
n
4
+
5
4x
3
n

=x =
3x
4
+
5
4x
3
=x
3x
4
=
5
4x
3
=
x
4
=
5
4x
3
=x
4
= 5.
Las soluciones de esta ecuacion son x =
4

5 y con el metodo de Newton

obtuvimos la raz positiva.
Para saber cu ando debemos nalizar las iteraciones se utiliza un
criterio de parada. Un criterio muy usual es que el siguiente error

r
=
|x
n
x
n1
|
|x
n
|
sea menor que un valor dado. El n umero
r
es el error relativo aproxi-
mado y est a muy relacionado con el error absoluto aproximado

a
= |x
n
x
n1
| .
5
Se toman valores absolutos porque generalmente no es importante tener
en cuenta si el error es por defecto o por exceso
2
. Se divide entre |x
n
|
para tener en cuenta la inuencia del tama no de x
n
en la estimaci on del
error, de la misma manera que no consideramos lo mismo, por ejemplo,
que el precio de un ca na de cerveza suba 10 centimos, como que suba
10 centimos el precio de un coche.
Para ser exactos el test de parada se debera implementar con el
error relativo exacto (es decir, con la solucion exacta x en vez de la
aproximaci on x
n
), pero en la practica puede resultar imposible: apli-
camos un metodo numerico porque no podemos encontrar la soluci on
exacta. Pero se supone que x est a cerca de x
n
(aunque no siempre sea
as) y por esto se utiliza el metodo de aproximaci on.
Otro criterio de parada puede ser un n umero maximo de iteraciones,
indicadas a priori. Es muy conveniente para la implementacion del meto-
do de Newton en un ordenador, para evitar errores como el indicado en
la gura de la nota al margen, que nos llevara a un proceso innito y
no convergente.
2
Aunque hay casos en los que s lo es, por ejemplo, al calcular la velocidad mnima
de despegue de un avion. Un error por defecto signica que el avion no despega y
se sale de la pista. Un error por exceso no tiene esa trascendencia: simplemente, se
gasta mas combustible.
6
Preguntas cortas y ejercicios resueltos.
Ejercicio 1. Utilizando el metodo de Newton, encuentrese una soluci on
aproximada de la ecuaci on
e
x
x = 0
con 2 iteraciones y 3 cifras signicativas. Estmese el error relativo aprox-
imado.
Solucion: f (x) = e
x
x es una funci on continua y derivable,
porque es suma de funciones continuas y derivables. Su derivada es
f

(x) = e
x
1 y es distinta de 0 en R {0}. Intentaremos evitar
el punto 0, pues nos dara problemas al determinar la interseccion de
la tangente con el eje x. Por eso, partimos de x
0
= 0,300. La primera
iteraci on es
x
1
= x
0

f(x
0
)
f

(x
0
)
= 0,300
e
0,300
0,300
e
0,300
1
0,300 + 0,253 = 0,553.
La segunda iteraci on, con x
1
= 0,553, es
x
2
= x
1

f(x
1
)
f

(x
1
)
= 0,553
e
0,553
0,553
e
0,553
1
0,567.
El error relativo aproximado es

r
=
|x
2
x
1
|
|x
2
|
=
|0,567 0,553|
|0,567|
= 0,025.
Comparando con el metodo de la bisecci on, hemos obtenido un error
m as peque no con menor n umero de iteraciones.
Ejercicio 2. 1. Razonar como se puede encontrar la raz cuadrada
positiva aproximada de un n umero a > 1 utilizando el metodo de
Newton.
2. Utilizar el razonamiento anterior para calcular

13, con 2 itera-

ciones y 5 cifras signicativas.
3. Determnese el error relativo aproximado tras 2 iteraciones.
Solucion:
7
1. La raz cuadrada positiva de un n umero a > 1 es una soluci on de
la ecuacion
x
2
= a.
Tenemos la funcion f (x) = x
2
a. Para aplicar este metodo hace
falta que f sea derivable. Nuestra funcion f es innitas veces deriv-
able y su derivada es:
f

(x) = 2x.
Tenemos la ecuaci on recursiva:
x
n+1
= x
n

f(x
n
)
f

(x
n
)
= x
n

x
2
n
a
2x
n
.
Un buen candidato a punto inicial x
0
puede ser el primer entero
que cumple que x
2
0
> a. A partir de este valor determinamos los
terminos siguientes mediante la ecuaci on anterior.
2. a = 13. Como 3
2
= 9 < 13 y 4
2
= 16 > 13, elegimos x
0
= 4.
Entonces
x
1
= x
0

x
2
0
13
2x
0
= 4
4
2
13
2 4
= 4
3
8
=
29
8
3,625
x
2
= x
1

x
2
1
13
2x
1
= 3,625
3,625
2
13
2 3,625
3,6056
3. El error relativo aproximado es

r
=
|x
n
x
n1
|
|x
n
|
.
En nuestro caso, como x
1
= 3,625 y x
2
= 3,6056, el error relativo
es:

r
=
|3,6056 3,625|
|3,6056|
5,3805 10
3
.
Autores: Esther Gil Cid y Daniel Franco Leis.