El método de Newton es una técnica numérica que utiliza la primera derivada para aproximar los ceros de las funciones. A continuación se presentan ejemplos detallados que demuestran su aplicación. Puedes verificar los resultados utilizando esta calculadora del método de Newton.
Fórmula del Método de Newton
El método de Newton (o de Newton-Raphson) se basa en la fórmula recursiva:
Comienza seleccionando un punto inicial cercano al cero de la función. Luego, itera usando la fórmula anterior. Este método es ampliamente utilizado y se implementa fácilmente en la mayoría de los lenguajes de programación.
Ejemplos Resueltos
Ejemplo 1: Aproximar el cero mayor de \( f(x) = x^2 + 3x + 1 \)
Los ceros de esta función cuadrática se pueden encontrar analíticamente, pero utilizaremos el método de Newton para comparar. Al graficar \( f \), observamos dos ceros negativos. El cero mayor está más cerca de 0. Tomemos \( x_0 = 0 \) como la aproximación inicial.
La derivada es:
\[ f'(x) = 2x + 3 \]Partiendo de \( x_0 = 0 \):
\[ x_1 = x_0 - \frac{f(x_0)}{f'(x_0)} = 0 - \frac{0^2 + 3(0) + 1}{2(0) + 3} = -\frac{1}{3} \] \[ x_2 = -\frac{1}{3} - \frac{f(-1/3)}{f'(-1/3)} \approx -0.38095238 \] \[ x_3 \approx -0.38196555, \quad x_4 \approx -0.38196601, \quad x_5 \approx -0.38196601 \]Compara esto con la raíz exacta utilizando la fórmula cuadrática: \[ z_2 = \frac{-3 + \sqrt{5}}{2} \approx -0.38196601125\ldots \] El método de Newton ofrece una precisión de 8 cifras decimales.
Comprobación de precisión: \[ f(x_5) \approx 2.8 \times 10^{-9} \] Esto confirma que \( x_5 \) es una aproximación muy precisa.
Nota: El ejemplo 1 fue elegido para comparar la aproximación de Newton con una solución exacta. El método de Newton es más útil para ecuaciones que carecen de una solución analítica, como en los siguientes ejemplos.
Ejemplo 2: Resolver \( e^{x-3} = -x + 2 \)
Reescribe la ecuación como:
\[ f(x) = e^{x - 3} + x - 2 = 0 \]Entonces:
\[ f'(x) = e^{x - 3} + 1 \]La gráfica sugiere un cero cerca de \( x = 2 \), así que sea \( x_0 = 2 \). Entonces:
\[ x_1 = 2 - \frac{e^{-1}}{e^{-1} + 1} \approx 1.73105857 \] \[ x_2 \approx 1.72154537, \quad x_3 \approx 1.72153545, \quad x_4 \approx 1.72153545 \]Dado que \( x_4 = x_3 \) hasta 8 decimales, el proceso se detiene.
Verificación:
\[ f(x_4) \approx -9.3 \times 10^{-9} \] \[ \text{Izquierda: } e^{x_4 - 3} \approx 0.278464540 \quad \text{Derecha: } -x_4 + 2 \approx 0.278464550 \]Por lo tanto, \( x_4 = 1.72153545 \) es una excelente aproximación.
Ejemplo 3: Aproximar \( \sqrt[3]{5} \)
La raíz cúbica de 5 resuelve \( x = \sqrt[3]{5} \Rightarrow x^3 = 5 \), o bien:
\[ f(x) = x^3 - 5 = 0, \quad f'(x) = 3x^2 \]A partir de la gráfica, un buen punto de partida es \( x_0 = 2 \).
\[ x_1 = 2 - \frac{2^3 - 5}{3 \cdot 2^2} = 1.75 \] \[ x_2 = 1.71088435, \quad x_3 = 1.70997642, \quad x_4 = x_5 = 1.70997594 \]Por lo tanto, \( \sqrt[3]{5} \approx 1.70997594 \).
