Math ClubMath Club
v1 · padrão canônico

Lección 69 — Método de Newton-Raphson

Iteración x_{n+1} = x_n - f(x_n)/f'(x_n) para raíces. Convergencia cuadrática, fallos, cuencas de atracción.

Used in: 2.º año del programa (17 años) · Equiv. Math III japonés (métodos numéricos) · Equiv. Klasse 12 LK alemán (Numerik)

xn+1=xnf(xn)f(xn)x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}
Choose your door

Rigorous notation, full derivation, hypotheses

Definición, derivación y convergencia

La iteración de Newton-Raphson

"Newton's Method is a technique to approximate the solution of f(x)=0f(x) = 0. It works when one can perform repeated evaluations of ff and ff', making it ideal for functions like polynomials, exponentials, and trigonometric functions." — APEX Calculus, §4.4

Derivación vía aproximación lineal (Taylor orden 1)

Si rr es raíz de ff y xnx_n está cerca de rr, por expansión de Taylor:

0=f(r)f(xn)+f(xn)(rxn).0 = f(r) \approx f(x_n) + f'(x_n)(r - x_n).

Resolviendo para rr: rxnf(xn)/f(xn)=xn+1r \approx x_n - f(x_n)/f'(x_n) = x_{n+1}. La iteración define la próxima estimación como el cero de la aproximación lineal.

xy(xn,f(xn))(x_n, f(x_n))xn+1x_{n+1}xnx_nrry=f(x)y = f(x)tangente en xnx_n

La tangente en (xn,f(xn))(x_n, f(x_n)) corta el eje xx en xn+1x_{n+1}, siempre más cerca de la raíz rr (punto relleno azul) — siempre que x0x_0 esté suficientemente cerca.

Teorema de convergencia local

Prueba (esbozo). Sea en=xnre_n = x_n - r. Taylor de ff alrededor de rr:

0=f(r)=f(xn)+f(xn)(rxn)+f(ξn)2(rxn)20 = f(r) = f(x_n) + f'(x_n)(r - x_n) + \frac{f''(\xi_n)}{2}(r - x_n)^2

para algún ξn\xi_n entre xnx_n y rr. De la iteración, xn+1r=xnf(xn)/f(xn)rx_{n+1} - r = x_n - f(x_n)/f'(x_n) - r. Sustituyendo y simplificando:

en+1=f(ξn)2f(xn)en2.e_{n+1} = -\frac{f''(\xi_n)}{2 f'(x_n)}\, e_n^2.

Cuando xnrx_n \to r, ξnr\xi_n \to r y f(xn)f(r)0f'(x_n) \to f'(r) \neq 0, por lo que en+1/en2f(r)/(2f(r))=C|e_{n+1}|/|e_n|^2 \to |f''(r)|/(2|f'(r)|) = C. \square

Patologías y fallos

Ejemplos resueltos

Exercise list

32 exercises · 8 with worked solution (25%)

Application 12Understanding 5Modeling 8Challenge 3Proof 4
  1. Ex. 69.1Application

    f(x)=x22f(x) = x^2 - 2, x0=1x_0 = 1. Aplica 3 iteraciones de Newton-Raphson. Compara con 2=1,41421356\sqrt{2} = 1{,}41421356\ldots

  2. Ex. 69.2Application

    f(x)=x25f(x) = x^2 - 5, x0=2x_0 = 2. Aplica 3 iteraciones para estimar 5\sqrt{5}.

  3. Ex. 69.3ApplicationAnswer key

    f(x)=x32f(x) = x^3 - 2, x0=1x_0 = 1. Aplica 3 iteraciones para estimar 23\sqrt[3]{2}.

  4. Ex. 69.4ApplicationAnswer key

    f(x)=cosxxf(x) = \cos x - x, x0=1x_0 = 1. Aplica 3 iteraciones para estimar el punto fijo de cos\cos.

  5. Ex. 69.5ApplicationAnswer key

    f(x)=ex2f(x) = e^x - 2, x0=1x_0 = 1. Aplica 3 iteraciones para estimar ln2\ln 2.

  6. Ex. 69.6Application

    f(x)=xlnx1f(x) = x \ln x - 1, x0=2x_0 = 2. Aproxima la raíz con 4 casas decimales.

  7. Ex. 69.7Application

    f(x)=sinxf(x) = \sin x, x0=3x_0 = 3. Demuestra numéricamente que las iteraciones convergen a π\pi.

  8. Ex. 69.8Application

    f(x)=x3x1f(x) = x^3 - x - 1, x0=1,5x_0 = 1{,}5. Aproxima la raíz real (constante plástica 1,3247\approx 1{,}3247).

  9. Ex. 69.9Application

    f(x)=x2x1f(x) = x^2 - x - 1, x0=1,5x_0 = 1{,}5. Aproxima la razón áurea ϕ=(1+5)/2\phi = (1 + \sqrt{5})/2.

  10. Ex. 69.10Application

    f(x)=tanxxf(x) = \tan x - x, x0=4,5x_0 = 4{,}5. Aproxima la raíz positiva más pequeña mayor que π\pi.

  11. Ex. 69.11ModelingAnswer key

    Demuestra que la fórmula de Herón xn+1=(xn+a/xn)/2x_{n+1} = (x_n + a/x_n)/2 para calcular a\sqrt{a} es exactamente Newton-Raphson aplicado a f(x)=x2af(x) = x^2 - a.

  12. Ex. 69.12Modeling

    Generaliza: ¿cuál es la iteración de Newton para calcular an\sqrt[n]{a}? Aplica para n=3n = 3, a=8a = 8, x0=2x_0 = 2 (2 pasos).

  13. Ex. 69.13Modeling

    Demuestra que xn+1=xn(2axn)x_{n+1} = x_n(2 - ax_n) calcula 1/a1/a vía Newton sin ninguna operación de división. Aplica para a=7a = 7, x0=0,1x_0 = 0{,}1 (3 pasos).

  14. Ex. 69.14Modeling

    Minimiza g(x)=x44x+1g(x) = x^4 - 4x + 1 aplicando Newton-Raphson en g(x)=0g'(x) = 0, con x0=1,5x_0 = 1{,}5.

  15. Ex. 69.15Modeling

    Flujos de caja: 1000-1000, 300300, 400400, 500500 (años 0, 1, 2, 3). La TIR rr es raíz de f(r)=1000+300/(1+r)+400/(1+r)2+500/(1+r)3=0f(r) = -1000 + 300/(1+r) + 400/(1+r)^2 + 500/(1+r)^3 = 0. Usa Newton con r0=0,15r_0 = 0{,}15.

  16. Ex. 69.16Modeling

    En Black-Scholes, dado precio de mercado VmktV_{\text{mkt}} de una opción, explica cómo usar Newton-Raphson para encontrar la volatilidad implícita σ\sigma. ¿Cuál es el papel del vega en la iteración?

  17. Ex. 69.17Modeling

    En la ecuación de van der Waals (P+a/V2)(Vb)=RT(P + a/V^2)(V - b) = RT, dado PP, TT (y constantes del gas), usa Newton para encontrar el volumen molar VV. Esboza la iteración.

  18. Ex. 69.18ModelingAnswer key

    Ecuación de Kepler: EesinE=ME - e \sin E = M. Para e=0,3e = 0{,}3 (excentricidad) y M=1M = 1 rad (anomalía media), usa Newton con E0=1E_0 = 1 para hallar la anomalía excéntrica EE (4 iteraciones).

  19. Ex. 69.19Understanding

    ¿Qué comportamiento puede exhibir Newton-Raphson cuando la estimación inicial x0x_0 está lejana de la raíz?

  20. Ex. 69.20Understanding

    ¿Cuál es el criterio de parada más robusto para Newton-Raphson?

  21. Ex. 69.21Understanding

    Demuestra que Newton-Raphson con f(x)=x32x+2f(x) = x^3 - 2x + 2 y x0=0x_0 = 0 cicla indefinidamente entre 00 y 11.

  22. Ex. 69.22Understanding

    f(x)=x2f(x) = x^2 (raíz doble en x=0x = 0), x0=1x_0 = 1. Demuestra que Newton-Raphson converge sólo linealmente, con razón 1/21/2.

  23. Ex. 69.23UnderstandingAnswer key

    f(x)=x1/3f(x) = x^{1/3} tiene raíz en x=0x = 0 pero f(0)f'(0) no existe. ¿Qué sucede con Newton-Raphson? Calcula 4 iteraciones partiendo de x0=1x_0 = 1.

  24. Ex. 69.24Application

    Aplica el método de la secante (x0=1x_0 = 1, x1=2x_1 = 2) a f(x)=x22f(x) = x^2 - 2 por 4 iteraciones. Compara con Newton (ejercicio 69.1).

  25. Ex. 69.25Application

    f(x)=x33x+1f(x) = x^3 - 3x + 1 tiene 3 raíces reales. Aplica Newton con x0=2x_0 = 2, luego con x0=2x_0 = -2, luego con x0=0,5x_0 = 0{,}5. ¿A cuál raíz llega cada estimación?

  26. Ex. 69.26ChallengeAnswer key

    Newton modificado para raíz doble: xn+1=xn2f(xn)/f(xn)x_{n+1} = x_n - 2f(x_n)/f'(x_n). Aplica a f(x)=(x1)2f(x) = (x-1)^2, partiendo de x0=3x_0 = 3. Compara con la iteración estándar.

  27. Ex. 69.27Challenge

    Newton para optimización: demuestra que aplicar Newton a g(x)=0g'(x) = 0 para minimizar gg es equivalente al Newton estándar con f=gf = g'. Aplica para minimizar g(x)=ex3xg(x) = e^x - 3x con x0=0x_0 = 0.

  28. Ex. 69.28Challenge

    Para f(z)=z31f(z) = z^3 - 1 en el plano complejo, describe cualitativamente las 3 cuencas de Newton. En la recta real, ¿a cuál raíz llegan x0=2x_0 = 2 y x0=0,5x_0 = -0{,}5?

  29. Ex. 69.29Proof

    Demuestra la convergencia cuadrática de Newton-Raphson vía Taylor de orden 2. Identifica la constante C=f(r)/(2f(r))C = |f''(r)|/(2|f'(r)|).

  30. Ex. 69.30Proof

    Demuestra: si ff es convexa creciente con raíz simple rr y x0>rx_0 > r con f(x0)>0f(x_0) > 0, Newton-Raphson converge a rr.

  31. Ex. 69.31Proof

    Generaliza Newton-Raphson para f:RnRn\vec{f}: \mathbb{R}^n \to \mathbb{R}^n. Escribe el sistema lineal a resolver en cada paso e identifica el papel de la Jacobiana JJ.

  32. Ex. 69.32ProofAnswer key

    Demuestra que la iteración de Herón xn+1=(xn+a/xn)/2x_{n+1} = (x_n + a/x_n)/2 converge cuadráticamente a a\sqrt{a} para cualquier x0>0x_0 > 0.

Fuentes

  • APEX Calculus — Hartman, Heinold, Siemers, Chalishajar · CC-BY-NC. Fuente primaria — §4.4 Newton's Method.
  • OpenStax Calculus Volume 1 — Strang, Herman et al. · CC-BY-NC-SA. §4.9 Newton's Method. Ejercicios aplicados (TIR, sistemas).
  • REAMAT — Cálculo Numérico (Python) — UFRGS Reamat Colaborativo · CC-BY-SA. Cap. 3 Zeros de funciones. Implementaciones Python, análisis de error, método de la secante.

Updated on 2026-05-11 · Author(s): Clube da Matemática

Found an error? Open an issue on GitHub or submit a PR — open source forever.