Método de Newton-Raphson

 -Fundamento Teórico-

El fundamento teórico del método de Newton-Raphson se basa en la aproximación lineal de una función utilizando su recta tangente. Este método iterativo busca la raíz de una función f(x) = 0, comenzando con una estimación inicial x0 y refinando sucesivamente la aproximación usando la fórmula xn+1 = xn - f(xn)/f'(xn), donde f'(xn) es la derivada de f en xn. 

El método de Newton-Raphson en detalle:

1. 1. Aproximación Lineal:

   El método se basa en la idea de que una función continua y diferenciable puede ser aproximada mediante su recta tangente en un punto cercano a la raíz. 
2. 2. Iteración:

   Se inicia con una estimación inicial x0 y se calcula la siguiente aproximación x1 utilizando la fórmula mencionada.
3. 3. Derivada:

   La fórmula utiliza la derivada de la función f'(x) para ajustar la aproximación en cada iteración. La derivada representa la pendiente de la recta tangente. 
4. 4. Convergencia:

   El método busca converger hacia la raíz, es decir, que la diferencia entre aproximaciones sucesivas sea cada vez menor. 
5. 5. No hay garantía de convergencia:

   Si la estimación inicial no está lo suficientemente cerca de la raíz, el método puede no converger o incluso diverger. 
6. 6. Aplicaciones:

   Es ampliamente utilizado para encontrar raíces de funciones, incluyendo raíces cuadradas y raíces de mayor grado. 
7. 7. Eficiencia:

   El método de Newton-Raphson es conocido por su eficiencia y rápida convergencia, lo que lo convierte en una herramienta valiosa en diversos campos. 

-Algoritmo del Método-

• Se elige un valor inicial x0 que se considere cercano a la raíz que se busca.

2. Iteración: 

• a) Cálculo de la función y su derivada:

  Se calcula el valor de la función f(x) y su derivada f'(x) en el punto x0.
• b) Aplicación de la fórmula de Newton-Raphson:

  Se calcula el siguiente valor aproximado de la raíz x1 utilizando la fórmula:

Código

        x1 = x0 - f(x0) / f'(x0)

• c) Repetición: Se repite el paso 2 (a y b) utilizando el valor de x1 como el nuevo valor inicial (x0), y así sucesivamente, hasta que se cumpla una condición de convergencia. 

3. Condición de convergencia: 

• La convergencia se verifica al comparar la diferencia entre dos valores consecutivos (por ejemplo, |x1 - x0|) con un nivel de tolerancia predefinido.
• También se puede utilizar el valor absoluto de la función en la aproximación actual (|f(xn)|) para determinar si se ha alcanzado la raíz con suficiente precisión.
• El proceso se detiene cuando la condición de convergencia se cumple o se alcanza el número máximo de iteraciones.

4. Resultado: 

• El valor final de x es la aproximación de la raíz de la función.

-Ejemplo Resuelto Paso a Paso-

Ejemplo: Encontrar una raíz de la función

$$f(x) = x^3 - x - 2$$

---

🧮 Paso 1: Derivar la función

Necesitamos la derivada de $f(x)$:

$$f'(x) = 3x^2 - 1$$

---

🧪 Paso 2: Elegir un valor inicial $x_0$

Elige un valor cercano a donde creas que está la raíz. Vamos a probar con:

$$x_0 = 1.5$$

---

🔁 Paso 3: Aplicar la fórmula de Newton-Raphson

La fórmula es:

$$x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}$$

---

🧮 Paso 4: Iteraciones

Iteración 1:

$$f(1.5) = (1.5)^3 - 1.5 - 2 = 3.375 - 1.5 - 2 = -0.125$$ $$f'(1.5) = 3(1.5)^2 - 1 = 3(2.25) - 1 = 6.75 - 1 = 5.75$$ $$x_1 = 1.5 - \frac{-0.125}{5.75} ≈ 1.5 + 0.0217 ≈ 1.5217$$

Iteración 2:

$$f(1.5217) ≈ (1.5217)^3 - 1.5217 - 2 ≈ 3.528 - 1.5217 - 2 ≈ 0.0063$$ $$f'(1.5217) ≈ 3(1.5217)^2 - 1 ≈ 3(2.316) - 1 ≈ 6.948 - 1 = 5.948$$ $$x_2 = 1.5217 - \frac{0.0063}{5.948} ≈ 1.5217 - 0.00106 ≈ 1.5206$$

Iteración 3:

$$f(1.5206) ≈ 0.00003 \quad \text{(muy cerca de 0)}$$ $$\Rightarrow \text{Aproximación de la raíz: } x ≈ 1.5206$$

---

✅ Resultado final:

La raíz aproximada de $f(x) = x^3 - x - 2$ usando el método de Newton-Raphson es:

$$x\approx 1.5206$$

-Código del Método-

# Método de Newton-Raphson en Python

def f(x):

    return x**3 - x - 2

def f_prime(x):

    return 3*x**2 - 1

# Valor inicial

x0 = 1.5

# Tolerancia y número máximo de iteraciones

tolerance = 1e-6

max_iterations = 10

print(f"{'Iteración':^10} | {'x':^12} | {'f(x)':^12}")

for i in range(max_iterations):

    fx = f(x0)

    fpx = f_prime(x0)

    print(f"{i:^10} | {x0:^12.6f} | {fx:^12.6f}")

    if abs(fx) < tolerance:

        break

    x0 = x0 - fx / fpx

print(f"\nRaíz aproximada: x ≈ {x0:.6f}")

-Grafica-

-Video Explicativo-

-Conclusión-

En conclusión, el método de Newton-Raphson es una herramienta muy útil para encontrar las raíces de una función, especialmente cuando la derivada es fácil de calcular. Su convergencia rápida y su capacidad para refinar las soluciones hacen que sea una opción eficiente para una amplia gama de problemas. Sin embargo, es importante tener en cuenta sus limitaciones, como la necesidad de una buena aproximación inicial y la posible falta de convergencia en ciertos casos