148

MTODOS ABIERTOS

FUNCTION Fixpt(x0, es, imax iter, ea)

xr = x0
iter = 0
DO
xrold = xr
xr = g(xrold)
iter = iter + 1
lF xr 0 THEN

ea =
FIGURA 6.4
Seudocdigo para el mtodo de punto fijo. Note
que otros mtodos abiertos
pueden disearse en este
formato general.

xr xrold
xr

100

END IF
IF ea < es 0R iter imax EXIT
END DO
Fixpt = xr
END Fixpt

f (x)
Pendiente = f ' (x i)
f (x i)

FIGURA 6.5
Representacin grfica del
mtodo de Newton-Raphson. Se extrapola una tangente a la funcin en xi [esto
es, f(xi)] hasta el eje x para
obtener una estimacin de
la raz en xi + 1.

6.2

f (x i) 0

0
xi+1

xi

xi xi+1

MTODO DE NEWTON-RAPHSON
Tal vez, de las frmulas para localizar races, la frmula de Newton-Raphson (figura
6.5) sea la ms ampliamente utilizada. Si el valor inicial para la raz es xi, entonces se
puede trazar una tangente desde el punto [xi, f(xi)] de la curva. Por lo comn, el punto
donde esta tangente cruza al eje x representa una aproximacin mejorada de la raz.
El mtodo de Newton-Raphson se deduce a partir de esta interpretacin geomtrica (un mtodo alternativo basado en la serie de Taylor se describe en el cuadro 6.2). De
la figura 6.5, se tiene que la primera derivada en x es equivalente a la pendiente:

6.2

MTODO DE NEWTON-RAPHSON

f(xi) 0
(xi) =
xi xi + 1

149

(6.5)

que se arregla para obtener

xi +1 = xi

f ( xi )
f ( x i )

(6.6)

la cual se conoce como frmula de Newton-Raphson.

EJEMPLO 6.3

Mtodo de Newton-Raphson
Planteamiento del problema. Utilice el mtodo de Newton-Raphson para calcular la
raz de f(x) = ex x empleando como valor inicial x0 = 0.
Solucin.

La primera derivada de la funcin es

(x) = ex 1
que se sustituye, junto con la funcin original en la ecuacin (6.6), para tener
exi xi
xi + 1 = xi
exi 1
Empezando con un valor inicial x0 = 0, se aplica esta ecuacin iterativa para calcular
i

xi

et (%)

0
1
2
3
4

0
0.500000000
0.566311003
0.567143165
0.567143290

100
11.8
0.147
0.0000220
< 108

As, el mtodo converge rpidamente a la raz verdadera. Observe que el error relativo
porcentual verdadero en cada iteracin disminuye mucho ms rpido que con la iteracin
simple de punto fijo (compare con el ejemplo 6.1).
6.2.1 Criterio de terminacin y estimacin de errores
Como en los otros mtodos para localizar races, la ecuacin (3.5) se utiliza como un
criterio de terminacin. No obstante, el desarrollo del mtodo con base en la serie
de Taylor (cuadro 6.2), proporciona una comprensin terica respecto a la velocidad de
convergencia expresada por Ei+1 = O(E2i). De esta forma, el error debe ser proporcional
al cuadrado del error anterior. En otras palabras, el nmero de cifras significativas de
precisin aproximadamente se duplica en cada iteracin. Dicho comportamiento se
examina en el siguiente ejemplo.

150

MTODOS ABIERTOS

Cuadro 6.2

Deduccin y anlisis del error del mtodo de Newton-Raphson

Adems de la deduccin geomtrica [ecuaciones (6.5) y (6.6)],

el mtodo de Newton-Raphson tambin se desarrolla a partir de
la expansin de la serie de Taylor. Esta deduccin alternativa es
muy til en el sentido de que provee cierta comprensin sobre la
velocidad de convergencia del mtodo.
Recuerde del captulo 4 que la expansin de la serie de Taylor
se puede representar como
f(xi + 1) = f(xi) + (xi)(xi + 1 xi)
(x )
+ (xi + 1 xi)2
2!

(C6.2.1)

donde x se encuentra en alguna parte del intervalo desde xi hasta

xi+l. Truncando la serie de Taylor despus del trmino de la primera derivada, se obtiene una versin aproximada:

(x )
0 = f(xi) + (xi)(xr xi) + (xr xi)2
2!

(C6.2.3)

La ecuacin (C6.2.2) se resta de la ecuacin (C6.2.3) para

obtener
f (x )
0 = (xi)(xr xi + 1) + (xr xi)2
2!

(C6.2.4)

Ahora, observe que el error es igual a la diferencia entre xi + l y

el valor verdadero xr , como en
Et, i + 1 = xr xi + 1
y la ecuacin (C6.2.4) se expresa como

f(xi+1) f(xi) + (xi)(xi+1 xi)

En la interseccin con el eje x, f(xi+1) debe ser igual a cero, o
0 = f(xi) + (xi)(xi+1 xi)

f(x )
0 = (xi)Et, i + 1 + E2t,i
2!

(C6.2.5)

(C6.2.2)
Si se supone que hay convergencia, entonces tanto xi como x se
debern aproximar a la raz xr y la ecuacin (C6.2.5) se reordena
para obtener

de donde se puede despejar a xi+1, as

f(xi)
xi + 1 = xi
(xi)
que es idntica a la ecuacin (6.6). De esta forma, se ha deducido la frmula de Newton-Raphson usando una serie de Taylor.
Adems de este desarrollo, la serie de Taylor sirve para estimar el error de la frmula. Esto se logra observando que si se
utilizan todos los trminos de la serie de Taylor se obtendr un
resultado exacto. En tal situacin xi+1 = xr, donde x es el valor

EJEMPLO 6.4

verdadero de la raz. Sustituyendo este valor junto con f(xr) = 0

en la ecuacin (C6.2.1)se obtiene

(xr)
Et, i + 1 = E 2t,i
2(xr)

(C6.2.6)

De acuerdo con la ecuacin (C6.2.6), el error es proporcional al

cuadrado del error anterior. Esto significa que el nmero de cifras
decimales correctas aproximadamente se duplica en cada iteracin. A este comportamiento se le llama convergencia cuadrtica. El ejemplo 6.4 ilustra esta propiedad.

Anlisis de error en el mtodo de Newton-Raphson

Planteamiento del problema. Como se dedujo del cuadro 6.2, el mtodo de NewtonRaphson es convergente en forma cuadrtica. Es decir, el error es proporcional al cuadrado del error anterior:
(xr) 2
Et, i + 1
E t,i
2(xr)

(E6.4.1)

Examine esta frmula y observe si concuerda con los resultados del ejemplo 6.3.
Solucin.

La primera derivada de f(x) = ex x es

(x) = e x 1

6.2

MTODO DE NEWTON-RAPHSON

151

que se evala en xr = 0.56714329 para dar (0.56714329) = 1.56714329. La segunda

derivada es:
(x) = ex
la cual se evala como (0.56714329) = 0.56714329. Estos resultados se sustituyen
en la ecuacin (E6.4.1):
0.56714329
E t,i + 1 E 2t,i = 0.18095E 2t,i
2(1.56714329)
En el ejemplo 6.3, el error inicial fue Et,0 = 0.56714329, el cual se sustituye en la ecuacin
de error que predice
Et,1 0.18095(0.56714329)2 = 0.0582
que es cercano al error verdadero de 0.06714329. En la siguiente iteracin,
Et,2 0.18095(0.06714329)2 = 0.0008158
que tambin se compara de manera favorable con el error verdadero 0.0008323. Para la
tercera iteracin,
Et,3 0.18095(0.0008323)2 = 0.000000125
que es el error obtenido en el ejemplo 6.3. As, la estimacin del error mejora, ya que
conforme nos acercamos a la raz, x y x se aproximan mejor mediante xr [recuerde nuestra suposicin al ir de la ecuacin (C6.2.5) a la ecuacin (C6.2.6) en el cuadro 6.2]. Finalmente:
Et,4 0.18095(0.000000125)2 = 2.83 1015
As, este ejemplo ilustra que el error en el mtodo de Newton-Raphson para este caso
es, de hecho, proporcional (por un factor de 0.18095) al cuadrado del error en la iteracin
anterior.
6.2.2 Desventajas del mtodo de Newton-Raphson
Aunque en general el mtodo de Newton-Raphson es muy eficiente, hay situaciones
donde se comporta de manera deficiente. Por ejemplo en el caso especial de races mltiples que se analizar ms adelante en este captulo. Sin embargo, tambin cuando se
trata de races simples, se encuentran dificultades, como en el siguiente ejemplo.
EJEMPLO 6.5

Ejemplo de una funcin que converge lentamente con el mtodo

de Newton-Raphson
Planteamiento del problema. Determine la raz positiva de f(x) = x10 1 usando el
mtodo de Newton-Raphson y un valor inicial x = 0.5.
Solucin.

La frmula de Newton-Raphson en este caso es:

xi + 1 = xi

xi10 1
10 xi9

152

MTODOS ABIERTOS

que se utiliza para calcular:

Iteracin

0
1
2
3
4
5

0.5
51.65
46.485
41.8365
37.65285
33.887565

1.0000000

De esta forma, despus de la primera prediccin deficiente, la tcnica converge a la raz

verdadera, 1, pero muy lentamente.
Adems de la convergencia lenta debido a la naturaleza de la funcin, es posible que
se presenten otras dificultades, como se ilustra en la figura 6.6. Por ejemplo, la figura
6.6a muestra el caso donde un punto de inflexin [esto es, (x) = 0] ocurre en la vecindad de una raz. Observe que las iteraciones que empiezan con x0 divergen progresivamente de la raz. En la figura 6.6b se ilustra la tendencia del mtodo de Newton-Raphson
a oscilar alrededor de un mnimo o mximo local. Tales oscilaciones pueden persistir
o, como en la figura 6.6b, alcanzar una pendiente cercana a cero, despus de lo cual la
solucin se aleja del rea de inters. En la figura 6.6c se muestra cmo un valor inicial
cercano a una raz salta a una posicin varias races ms lejos. Esta tendencia a alejarse
del rea de inters se debe a que se encuentran pendientes cercanas a cero. En efecto,
una pendiente cero [(x) = 0] es un verdadero desastre, ya que causa una divisin entre
cero en la frmula de Newton-Raphson [ecuacin (6.6)]. En forma grfica (figura 6.6d),
esto significa que la solucin se dispara horizontalmente y jams toca al eje x.
De manera que no hay un criterio general de convergencia para el mtodo de NewtonRaphson. Su convergencia depende de la naturaleza de la funcin y de la exactitud del
valor inicial. La nica solucin en estos casos es tener un valor inicial que sea suficientemente cercano a la raz. Y para algunas funciones ningn valor inicial funcionar!
Los buenos valores iniciales por lo comn se predicen con un conocimiento del problema fsico o mediante el uso de recursos alternativos, tales como las grficas, que proporcionan mayor claridad en el comportamiento de la solucin. Ante la falta de un
criterio general de convergencia se sugiere el diseo de programas computacionales
eficientes que reconozcan la convergencia lenta o la divergencia. La siguiente seccin
est enfocada hacia dichos temas.
6.2.3 Algoritmo para el mtodo de Newton-Raphson
Un algoritmo para el mtodo de Newton-Raphson se obtiene fcilmente al sustituir la
ecuacin (6.6) por la frmula predictiva [ecuacin (6.2)] en la figura 6.4. Observe, sin
embargo, que el programa tambin debe modificarse para calcular la primera derivada.
Esto se logra incluyendo simplemente una funcin definida por el usuario.

6.2

153

MTODO DE NEWTON-RAPHSON

Adems, a la luz del anlisis anterior sobre los problemas potenciales del mtodo
de Newton-Raphson, el programa se podra mejorar incorporando algunas consideraciones adicionales:

FIGURA 6.6
Cuatro casos donde el mtodo de Newton-Raphson exhibe una convergencia deficiente.

f (x)

x1

x2

x0

a)
f (x)

x0 x 2 x4

x3

x1

b)
f (x)
x2

x1
x0

c)
f (x)

x0

x1

d)

154

MTODOS ABIERTOS

1. Se debe incluir una rutina de graficacin en el programa.

2. Al final de los clculos, se necesitar sustituir siempre la raz final calculada en la
funcin original, para determinar si el resultado se acerca a cero. Esta prueba protege
el desarrollo del programa contra aquellos casos en los que se presenta convergencia
lenta u oscilatoria, la cual puede llevar a valores pequeos de ea, mientras que la
solucin an est muy lejos de una raz.
3. El programa deber incluir siempre un lmite mximo permitido del nmero de iteraciones para estar prevenidos contra soluciones oscilantes, de lenta convergencia
o divergentes que podran persistir en forma interminable.
4. El programa deber alertar al usuario para que tome en cuenta la posibilidad de que
(x) sea igual a cero en cualquier momento durante el clculo.

6.3

EL MTODO DE LA SECANTE
Un problema potencial en la implementacin del mtodo de Newton-Raphson es la
evaluacin de la derivada. Aunque esto no es un inconveniente para los polinomios ni
para muchas otras funciones, existen algunas funciones cuyas derivadas en ocasiones
resultan muy difciles de calcular. En dichos casos, la derivada se puede aproximar
mediante una diferencia finita dividida hacia atrs, como en (figura 6.7)
f ( x i )

f ( xi 1 ) f ( xi )
xi 1 xi

FIGURA 6.7
Representacin grfica del mtodo de la secante. Esta tcnica es similar a la del mtodo de
Newton-Raphson (figura 6.5) en el sentido de que una aproximacin de la raz se predice
extrapolando una tangente de la funcin hasta el eje x. Sin embargo, el mtodo de la secante usa una diferencia dividida en lugar de una derivada para estimar la pendiente.
f (x )
f (x i )

f (x i 1)

xi 1

xi