UNIVERSIDAD ALAS PERUANAS

Facultad de Ingenieras y Arquitectura

Escuela Acadmico Profesional de
Ingeniera de Minas

MTODO DE NEWTON

CURSO:
Mtodos Numricos

DOCENTE:
Edwin Colos Ccallme

CICLO:
VII

REALIZADO POR:
Arisnabarreta Crdova Javier
Rosado Aari Silvia
Sanca Cutipa Alejandra
Vilca Ramos Ghan Alexander

Arequipa Per

2017
1
 AGRADECIMIENTOS

La Universidad Alas Peruanas, por darnos la oportunidad de ser profesionales

que contribuyan al engrandecimiento de nuestra nacin.

La Facultad de Ingeniera, por brindarnos los conocimientos necesarios para

aplicarlos en la realizacin de este trabajo, as como mi reconocimiento hacia su
personal docente.

Sin nimos de olvidar a nadie en particular, a todas aquellas personas que de una
u otra forma han compartido su vida durante el transcurso de estos ltimos aos, nuestro
ms sincero agradecimiento a su comprensin, estmulo y ayuda, ya que todos son parte
de nuestra vida.

2
 RESUMEN

El mtodo de Newton es un algoritmo eficiente para encontrar aproximaciones de los ceros o

races de una funcin real. Tambin puede ser usado para encontrar el mximo o mnimo de

una funcin, encontrando los ceros de su primera derivada.

El mtodo en anlisis es un procedimiento que puede ser aplicado en una diversidad de

oportunidades, principalmente cuando se trata de funciones que tengan races reales.

Clculo de las aproximaciones a la raz:

()
Xn+1 = Xn -
()

Para el clculo del error aproximado:

1
= 100%

f(x)

f(x0) Lnea tangente a la funcin

f(x) =f(xn)+f(xn)(x-xn)
f(x)

r x2 x1 x0

Imagen 1: Grafica del Metodo de Newton

3
 OBJETIVOS
.

Encontrar soluciones a funciones de una manera rpida

Conocer detalladamente el mtodo de Newton
Comprobar la eficacia del mtodo
Aplicarlo a los estudios acadmicos o en la carrera
Saber cmo resolver los ejercicios de Newton
Utilizarlo en el Programa Octave y/o Mathlab y saberlo configurar

4
 INTRODUCCIN

El mtodo de Newton fue descrito por Isaac Newton en De analysi per aequationes nmero

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

Mtodo de las fluxiones en 1736 por John Colson)

Newton aplicaba el mtodo solo a polinomios, y no consideraba las aproximaciones

sucesivas xn, sino que calculaba una secuencia de polinomios para llegar a la aproximacin

de la raz x. Finalmente, Newton ve el mtodo como puramente algebraico y falla al no ver

la conexin con el clculo.

Isaac Newton probablemente deriv su mtodo de forma similar aunque menos precisa del

mtodo de Franois Vite. La esencia del mtodo de Vite puede encontrarse en el trabajo

del matemtico persa Sharaf al-Din al-Tusi

Imagen 2: Foto de Isaac Newton

5
 INDICE

AGRADECIMIENTOS .................................................................................................................... 2
RESUMEN ......................................................................................................................................... 3
OBJETIVOS ...................................................................................................................................... 4
INTRODUCCIN............................................................................................................................. 5
CAPITULO 1: Marco Terico ......................................................................................................... 7
1.1 Marco Terico ................................................................................................................... 7
1.2 Desarrollo del Mtodo....................................................................................................... 7
1.3 Desarrollo En el Programa Octave - Mathlab ...................................................................... 8
1.4 Interpretacin Grfica Del Mtodo ................................................................................ 9
1.4.1 Esquema Del Mtodo De Newton.................................................................................. 10
1.5 Otro Concepto ....................................................................................................................... 11
CAPITULO 2: Ejercicios................................................................................................................ 12
2.1 Ejemplo 1 ............................................................................................................................... 12
2.2 Ejemplo 2 ............................................................................................................................... 13
2.3 Ejemplo 3: Con el mtodo de Newton encuentre el mximo de ........................................ 13
CATITULO 3: Ejercicios Aplicados a la Ingeniera .................................................................... 15
3.1 Ejemplo 1: Aplicacin del Mtodo de Newton Raphson en el Principio de la Esfera
Sumergida en Agua ................................................................................................................... 15
3.1.1 APLICACIN DEL METODO DE NEWTON .......................................................... 17
3.2 Ejemplo 2: Este ejemplo se encuentra relacionado con el Metodo Predictivo de control;
en el cual nos permite predecir la variacion de costos en una planta. .................................... 20
CONCLUSIONES ........................................................................................................................... 22
BIBLIOGRAFA ............................................................................................................................. 23

6
 CAPITULO 1: Marco Terico

1.1 Marco Terico

El mtodo de Newton es un algoritmo eficiente para encontrar aproximaciones de

los ceros o races de una funcin real. Tambin puede ser usado para encontrar el

mximo o mnimo de una funcin, encontrando los ceros de su primera derivada.

Es una tcnica para encontrar el valor ptimo (mximo o mnimo), de una funcin de

una variable, f(x). Para esta clase de anlisis se debe tener cuidado con los sistemas

multimodal, en los cuales existen valores ptimos globales y locales. Para la gran

mayora de los casos, los estudios se centran en los globales.

1.2 Desarrollo del Mtodo

Como antecedente para la explicacin del mtodo, se tiene el mtodo de Newton-

Raphson, el cual es un mtodo abierto que encuentra la raz de x, tal que f(x) = 0, el
mtodo se resume as:
f ( xi )
xi 1 xi
f (xi )
Haciendo uso de este planteamiento para hallar un ptimo de f(x), al definir una nueva
funcin g(x) = f(x), as, como el mismo valor ptimo x*, satisface:
f ( x*) g ( x*) 0

Se utilizar la siguiente formulacin, para hallar mximos o mnimos:

f (xi )
xi 1 xi
f (xi )
Este es un mtodo abierto y similar al Newton-Raphson, ya que no requiere valores
iniciales que contengan el ptimo. Adems, comparte la desventaja de poder ser
divergente.

7
Como anotacin, es conveniente verificar que la segunda derivada tenga el signo
correcto, para confirmar que la tcnica converge sobre el valor deseado.

1.3 Desarrollo En el Programa Octave - Mathlab

El mayor problema a afrontar es la no-linealidad que involucra la derivada, la

ventaja es que algunas herramientas computacionales tienen directamente la funcin de
la derivada, por lo cual el seudocdigo es de muy fcil implementacin

Imagen 3: En el programa Octave- Mathlab

8
 Imagen 4: Resolviendo en Octave- Mathlab

1.4 Interpretacin Grfica Del Mtodo

Antes de continuar con el anlisis del mtodo consideremos la idea de bosquejar

una interpretacin grfica. En estas circunstancias podemos decir que el mtodo de
Newton consiste en la linealizacin de la funcin esto quiere decir que la funcin f(x)
ser sustituida por una funcin lineal y esto ocurre cuando usamos la serie de Taylor
del siguiente modo

Luego si linealizamos tenemos

l(x) = f ( c) + f (c) (x-c), en este caso se observa que l(x) es una buena aproximacin
de la funcin f(x) en c , de hecho tenemos que la funcin l(x) tiene el mismo valor que f
(c) y la misma pendiente es decir l ( c ) = f

9
 ( c ) esto en el punto c . En otras palabras graficar el mtodo de Newton se debe de
considerar la tangente a f(x) en un punto cercano de r

f(x)

f(x0) Lnea tangente a la funcin f(x)

f(x) =f(xn)+f(xn)(x-xn)

r x2 x1 x0

Imagen 5: Esquema del Mtodo Newton

1.4.1 Esquema Del Mtodo De Newton

Esto se puede realizar de manera esquemtica:

1.- Representar grficamente la funcin f(x) la cual corta al eje x en r que es la raz
de f(x)
2.- Representar x0 como el valor inicial de la sucesin de puntos en el eje de las
X.
3.- Trazar la tangente a la funcin f(x) en x0 y ubicar el punto de corte con el eje X
y la tangente y denotarlo con x1 el cual ser la nueva aproximacin a la raz r.
4.- El proceso se repite hasta que sea necesario es decir cumpla con las exigencias
en otras palabras falta que | f(xk) | y | xk+1-xk | se cumpla una o ambas.
5. Si en el caso de no cumplirse en un nmero mximo de iteraciones se sugiere
reiniciar de nuevo.

10
1.5 Otro Concepto

El mtodo de Newton Supongamos que pretendemos resolver la ecuacin f(x) = 0 y

que hemos separado las races, de modo que en el intervalo [a, b] hay un solo cero de la
ecuacin, que denotamos por . Asumimos que la funcin y = f(x) admite derivadas
hasta de segundo orden en [a, b] y que la derivada primera no se anula en dicho
intervalo porque la funcin es estrictamente montona

-El mtodo consiste en:

Supongamos que estamos interesados en determinar las races de f(x)

numricamente siendo r una raz y considerando que x es una aproximacin a este
valor, consideremos que existe y es continua luego tendremos por el Teorema
de Taylor lo siguiente:

h2 h3 h4 hn n
f ( x h) f ( x) hf ( x) f ( x) f ( x) f v ( x) .... f ( x)
2! 3! 4! n!

0 f (r ) f ( x h) f ( x) hf ( x) 0.( h 2 )
En donde h = r x, que ocurre si h se aproxima a cero entonces x se aproxima a
la raz r. Si ignoramos el tercer trmino podemos determinar el valor para h. es
decir tenemos que:

0 f ( x) hf ( x) h
f ( x)
Si aproximamos x a la raz r entonces x f ( x) deber
f ( x) f ( x)

encontrarse ms cerca de r. De esta manera el Mtodo de Newton comienza con

una estimacin x0 para r y a partir de la cual se define usando induccin la sucesin
de aproximacin que se representa de la siguiente manera:
f (xn )
x n1 x n , para n 0
f ( x n )

11
 CAPITULO 2: Ejercicios

2.1 Ejemplo 1

Determinar una raz de f ( x) x 3 2 x 2 10 x 20 considerando x0 =1, y el criterio de

convergencia xk 1 xk y con un error de = 10-3

Solucin
a) Primero determinamos la derivada del polinomio: f ( x) 3x 2 4 x 10
f ( xk )
b) Aplicar la sucesin iterativa x k 1 x k
f ( x k )

( x k ) 3 2( x k ) 2 10 x k 20
c) x k 1 x k
3( x k ) 2 4 x k 10

d) x1 = 1.41176
e) X2 = 1.36934
f) X3 = 1.36881
g) X4 = 1.36881

Cuadro que representa los diferentes clculos para determinar la aproximacin de

una raz usando el Mtodo de Newton.

iteraciones x k 1 x k g ( x k )
xk
k
0 1.00000 0.00000 0.24221
1 1.41176 0.41176 0.02446
2 1.36934 0.04243 0.00031
3 1.36881 0.00053 1.09x10-6
4 1.36881 0.00000 1.2714x10-6

Debemos destacar que con este mtodo solo se necesitaban tres iteraciones para
alcanzar la aproximacin necesaria y adems se tiene una mayor aproximacin.

12
2.2 Ejemplo 2

Determinar la solucin de la funcin f ( x) ln( x) 1 / x considerando x0 =1, y el

nmero de iteraciones es 4.
Solucin
a) Primero determinamos la derivada de la funcin: f ( x) x 1 / x2
f ( xk )
b) Aplicar la sucesin iterativa x k 1 x k
f ( x k )

c) x1 = 2
d) X2 = 1.74247
e) X3 = 1.76305
f) X4 = 1.76287

Debemos destacar que con este mtodo solo se necesitaban cuatro iteraciones para alcanzar
la aproximacin necesaria

2.3 Ejemplo 3: Con el mtodo de Newton encuentre el mximo de

La primera y segunda derivadas de la funcin se calculan para obtener

13
14
 CATITULO 3: Ejercicios Aplicados a la Ingeniera

3.1 Ejemplo 1: Aplicacin del Mtodo de Newton Raphson en el Principio

de la Esfera Sumergida en Agua
Es un ejemplo aplicativo referido a la Hidrulica, se busca determinar a que profundidad
desciende entre el agua, un cuerpo esfrico macizo, de un material con una determinada
densidad.

En mineria podemos tener como referencia este ejemplo, ya que en ciertas etapas como la
molienda del mineral; el mineral esta en contacto con el agua.

E= m*g =

Donde:

E = empuje
f = densidad de fluido
V = Volumen del fluido desplazado por un cuerpo parcial o totalmente
sumergido en l.
g = aceleracin de la gravedad
m = masa del cuerpo sumergido
De este modo, el empuje depende de la densidad del fluido, del volume del
cuerpo y de la gravedad existente en ese lugar.

Imagen 6. Cuerpo esferico sumergido en fluido

15
La masa de agua desplazada cuando la esfera se sumerge en agua y sta alcanza la altura d hasta la
superficie libre, est dada por la siguiente ecuacin:

4
= [ 2 ( )2 ] = 2 (3 )/3
0

Asi que la masa del agua desplazada es:

2 (3 )
= =
3
La masa de la esfera es:

= (4/3) 3
El volume del liquido desplazado es igual al volumen del liquido sumergido:

( 4/3) 3 = (3 )/3
Esto indica que se debe resolver la ecuacin equivalente 4 3 = 2 (3 ), equivalente a:

3 33 + 4 3 = 0

Reemplazando los valores = 0.55 m, = 0.6, se tiene la ecuacin, para cual profundidad d
estara dada en metros y, a los cuales la bola se submerge debajo del agua.

() = 3 165 2 + 3.993104

Quiere decir que existen al menos 2 raices positivas para este polinomio, y corroborando por regla
de Laguerre:

Comprobamos que el mximo numero de races positivas esde 2Por ser un polinomio de grado 3
podemos inferir que tiene tressoluciones la ecuacin. Como 2 de ellas son positivas la otra puede
ser negativa o compleja.

Resumiendo el polinomio tiene:

Races negativas
Al menos dos de esas races son positivas
La otra raz (Qu no es de inters para el ejercicio) puedeser una raz negativa o compleja.

16
3.1.1 APLICACIN DEL METODO DE NEWTON
Sea f(d) = 0 la ecuacion cuya raiz se desea hallar.

Se supone la estimacion inicial de la raiz es f(d) = 0, d0 = 0.05 m. esto es una estimacion razonable,
como los valores de los extremos de la profundidad seria 0 y el diametro (0.11 m) de la esfera.
A. Iteracin 1
La estimacion de la raiz es:

Entonces el error aproximado relativo absoluto |ea| al final de la primera iteracin es:

El nmero de dgitos sigmificativos por lo menos correctos es 0, ya que se necesita un error

absoluto aprox. relativo de 5% o menos para que tenga un digito significativo y, el
resultado sea correcto.

17
 B. Iteracin 2
Evaluando la expression a partir de d1:
La estimacin de la raiz es:

Entonces el error aproximado relative absolute final de la segunda iteracin es:

El mximo valor de m para la cual |ea| 0.05 x 102 es 2.844. Por lo tanto, el nmero de dgitos
significativos al menos en la respuesta correcta es 2.
C. Iteracin 3
Evaluando la expresin a partir de d2: La estimacin de la raz es

18
Entonces el error aproximado relativo absoluto al final de la tercera iteracin es:

El nmero de digitos significativos por lo menos correcto es de 4, ya que solo 4 dgitos

significativos se tomaran a travez de todos los calculos.
En este caso 0.06m es una Buena aproximacin al valor en metros que se hundir en el
agua la esfera con las caracteristicas descritas.

19
3.2 Ejemplo 2: Este ejemplo se encuentra relacionado con el Metodo
Predictivo de control; en el cual nos permite predecir la variacion de
costos en una planta.

Imagen 7. Diagrama de bloques de una planta.

1) Se genera la trayectoria al algoritmo, esta puede ser constante ym(n).

2) Utilizando la seal de control anterior y el modelo de la planta se calcula el

comportamiento futuro de de la planta.

3) Se calcula una nueva seal de control que minimice la funcin de costo.

4) Se repiten los pasos 2 y 3 hasta que se obtiene el valor mnimo deseado.

5) Se repite todo el proceso.

La funcin de costo es la que se busca minimizar sobre un horizonte de prediccin finito y

esta definida como:

= [( + ) ( + )] + [( + )]
= =

Donde: N1 es el valor mnimo para el horizonte de prediccin

N2 es el valor mximo para el horizonte de prediccin

20
 Nu es el horizonte de control

Ym es el valor al que se quiere llevar la planta

Yn es el valor predicho por la red neuronal

u(n+j) es el cambio en la seal de control u y est definido como u(n+j)-u(n+j-1)

1
2
( + 1) = () ( 2 ()) ()

Empleando esta formula y teniendo en cuenta cada variable, podemos realizar iteraciones,
existen tcnicas para hallar un modelo matemtico de esta, pero en la prctica existen
sistemas que no presentan un comportamiento lineal, en este caso la mejor opcin para
aproximar el comportamiento de la planta es utilizar redes neuronales que cuentan con la
capacidad de aproximar el comportamiento de sistemas no lineales.

21
 CONCLUSIONES

El mtodo de newton es eficiente en la solucin de sistemas de ecuaciones no

lineales, converge muy rpidamente y proporciona una muy buena precisin en los

resultados.

El mtodo se emplea en la solucin de problemas acadmicos y en problemas

propios del mundo real.

El mtodo no puede ser utilizado para los casos en que f(x)=0

La eficiencia del mtodo depende del valor inicial elegido.

Pudimos ver en MathLab como se resuelve o se configura el mtodo de Newton

22
 BIBLIOGRAFA

Mtodos Numricos para ingenieros 5ta Edicin Steven c. Chapra

https://www.youtube.com/watch?v=aHuyFxMGcKg

https://www.uv.es/~diaz/mn/node20.html

http://www.objetos.unam.mx/matematicas/matema/Daplica/da_aplicacion08_d.html

23