MTODO DE NEWTON-RAPHSON PARA OPTIMIZACIN

Los mtodos numricos para optimizar funciones surgen para dar respuesta
a los problemas con que usualmente se topan los mecamismos tradicionales
de optimizacin simblica, como suelen ser los casos en que la funcin
objetivo no pueda ser derivable por una va simblica, o cuando la ecuacin
resultante de la condicin de primer orden no puede resolverse por una va
algebraica.
Dentro de los mtodo numricos para resolver este tipo de problemas se
encuentra el desarrollado por Newton-Raphson. El algoritmo consiste en
buscar los valores de la variable independiente que hacen mnima a la funcin
a travs de sucesivas iteraciones.

La idea subyacente que sigue el mtodo es la de, partir de un punto arbitrario

x0, que se toma como una primera aproximacin, y mejorarlo llevndo esta
estimacin al valor que hace mnima la parbola que mejor se ajuste a la
funcin en el punto x0. Luego se toma como segunda aproximacin este ultimo
valor as hallado, x1 , y se lo sustituye por el punto que hace mnima la nueva
parbola que mejor se ajuste a la funcin en el punto x1, y as sucesivamente.
La parbola que mejor se ajusta a una funcin en un punto dado es la que se
obtiene por medio de un desarrollo en serie de segundo orden de dicha
funcin, es decir por medio de un polinomio de Taylor de grado dos, ya que
por definicin el polinomio de Taylor de una funcion es aquel polinomio con
la propiedad de que en el punto en donde se desarrolla los valores de sus
derivadas sucesivas hasta el orden n (dos en este caso) coinciden con los de
la funcin original. Es este pues la idea intuitiva del mtodo de Newton-
Raphson.
A continuacin se traducir lo antes mencionado a un lenguaje mas formal:
Sea x0 un valor inicial y sea T2 (f, x,0 ) el desarrollo en serie de Taylor de
orden dos de
f (x) expandido en x0 , se tiene:

Luego x1, el valor de x en donde 2 ( f , x, 0 ) se minimiza ser:

 Que se puede expresar Como

Que es formula Del algoritmo de Newton-Raphson siempre que se cumpla

adems la condicin de segundo orden:

As se obtiene x1 el nuevo valor de la estimacin el cual servir para iniciar

nuevamente el proceso obtenindose en este segundo paso:
(1 )
2 = 1 + 1 1 =
(1 )
Y en general en el i-simo paso se tendr:

(1 )
= 1 + 1 =
(1 )

Siendo esta la expresin del proceso iterativo que como puede observarse
consta de infinitos pasos a menos que se impongan ciertas condiciones para
su detencin. Estas bsicamente pueden ser de dos tipos: por un lado se puede
fijar de antemano un numero predeterminado de pasos, por otro lado puede
establecerse que este proceso iterativo concluya cuando la mejora de un paso
con respecto a otro sea menor que un cierto nmero (| | < ) o bien se
imponen ambas y el proceso concluye cuando sucede cualquiera de las dos.
1) Aproximar el mnimo de la funcin en el intervalo [2,8]. =
()
( ) =

Solucin
Si representamos la curva

Vemos que, efectivamente, la funcin tiene un mnimo en el intervalo.

Podramos elegir el valor de 4 puesto que est prximo a la parte ms mnima
de la curva, determinando as la raz aproximada ms rpido.
Calculamos

() = ,
2

() = 2 +2
2 3

Reemplazando en la formula recurrente resulta:

Ahora sustituyendo 0 = 4
0(4) (4)
4
2
4
1 = 4 (4) cos(4) (4)=4.4695973
4 2 2 +2 3
4 4

Iteracion xi f'(xi) f''(xi) f'(xi)/f''(xi) e(%)(relativo) condicion

1 4 -0.11611075 0.247256 -0.4695973
2 4.4695973 -0.00519992 0.21949862 -0.02368998 0.4695973 continuar
3 4.49328728 -2.6542E-05 0.21724544 -0.00012218 0.02368998 continuar
4 4.49340945 -7.2157E-10 0.21723363 -3.3216E-09 0.00012218 continuar
5 4.49340946 0 0.21723363 0 3.3216E-09 continuar
6 4.49340946 0 0.21723363 0 0 fin

De donde obtenemos el punto crtico

x =4 .49341
Sustituyendo en la segunda derivada, resulta
f (4.49341) = 0.21723358 > 0,
Por lo tanto, se trata de un mnimo relativo. El valor del mnimo es
f(4.49341) =0.21723363.
Punto aproximado (4.49341,-0.21723)

2) Encontrar el mnimo de la siguiente funcin () = +

Partiendo del valor arbitrario = , realizar 12 iteraciones y con un
error de
Para resolver este problema en primer lugar obtenemos , en forma
genrica

Con lo cual y por ende el algoritmo es

Iteracin xi f'(xi) f''(xi) f'(xi)/f''(xi) e(%)(relativo)
1 15 13530 2702 5.00740192
2 9.992598075 4011.10946 1200.2242 3.34196684 -5.00740192
3 6.650631238 1189.95477 532.77075 2.23352121 -3.34196684
4 4.417110023 353.560698 236.130331 1.49731166 -2.23352121
5 2.919798366 105.40732 104.30267 1.01059081 -1.49731166
6 1.909207557 31.6552226 45.740882 0.69205536 -1.01059081
7 1.217152196 9.64695097 19.7775136 0.4877737 -0.69205536
8 0.729378497 3.01085399 8.38391591 0.35912264 -0.4877737
9 0.37025586 0.94354434 3.64507282 0.25885473 -0.35912264
10 0.111401131 0.22833231 2.14892254 0.10625432 -0.25885473
11 0.005146809 0.01029416 2.00031788 0.00514626 -0.10625432
12 5.45262E-07 1.0905E-06 2 5.4526E-07 -0.00514626
13 6.4851E-19 1.297E-18 2 6.4851E-19 -5.4526E-07

As el valor crtico 13 es un valor candidato a ser un mnimo. Para comprobar

que efectivamente lo es, evaluamos dicho valor en la condicin de segundo
orden:

Por lo tanto el valor encontrado hace mnima la funcin en el

punto
(6.4851E 19) = (6.4851E 19)2 + (6.4851E 19)4 =4.2056E-37
Punto aproximado (6.4851E-19, 4.2056E-37)