Capitulo 2

UNIVERSIDAD NACIONAL DE SAN AGUSTN
FACULTAD DE INGENIERA DE PRODUCCIN Y SERVICIOS

ESCUELA PROFESIONAL DE INGENIERA DE SISTEMAS
Mg. Olha Sharhorodska
RACES DE ECUACIONES NO
LINEALES
Capitulo 2
Mtodos Cerrados
INTRODUCCION
La determinacin de las races de una ecuacin es uno
de los problemas ms antiguos en matemticas y se
han realizado un gran nmero de esfuerzos en este
sentido.
Su importancia radica en que si podemos determinar
las races de una ecuacin tambin podemos
determinar mximos y mnimos, valores propios de
matrices, resolver sistemas de ecuaciones lineales y
diferenciales, etc...

El proceso de optimizacin consiste en
la bsqueda de max y min de una
funcin, lo cual implica la aplicacin de
RAICES

Procesos
x
f(x)
max
min
Max f(x)
Min f(x)
Optimizacin
f(x)=0
x
La solucin de sistemas de
ecuaciones lineales y diferenciales
implica la aplicacin de las RAICES
-x
x
m
Resorte
Amortiguador
0
2
2
=
+
+
kx
dt
dx
c
dt
x d
m
m
mk c c
r
r
2
4
2
2
1

=
Representacin:
t r t r
Be Ae t x
2 1
) ( + =
Aplicacin de races:
Solucin:
El modelo matemtico de
movimiento del sistema de
suspensin:

) (
2
2
kx
dt
dx
c
dt
x d
m

+ =
Que es una RAIZ?
Es el valor de una variable o de un parmetro que
satisface una ecuacin no lineal simple, f(x) = 0.
Raz
F(x)
x
Resuelva F(x) = 0
para x
Solucin de ecuaciones cuadrticas
Ecuacin cuadrtica:
ax
2
+ bx + c = 0
Solucin:
a
ac b b
x x
2
4
,
2
2 1

=
Ecuacin polinmicas:

Ecuaciones trascendentes
(no polinomicas)

Solucin: MTODOS NUMERICOS
Solucin de otros tipos de ecuaciones
v e
c
gm
c f
t
m
c
|
|
.
|
\
|
=

1 ) (
6 4 5 ) (
2 3 5
+ = x x x x f
La mayora de los mtodos utilizados para el
clculo de las races de una ecuacin son
iterativos y se basan en modelos de
aproximaciones sucesivas.
Estos mtodos trabajan del siguiente modo:
a partir de una primera aproximacin al valor de la
raz, determinamos una aproximacin mejor
aplicando una determinada regla de clculo y as
sucesivamente hasta que se determine el valor de
la raz con el grado de aproximacin deseado.

Separacin de las races
Mtodo grafico
F(x) = x
3
3x-1 =0
Separar en funciones
mas simples:
G(x) = x
3
Z(x) = 3x + 1
Punto de interseccin
raz
Segn el grafico hay 3
races:
[-2; -1.2]
[-0.8, 0.8]
[1.2; 2]

G(x)
Z(x)
-10
-8
-6
-4
-2
0
2
4
6
8
10
-2 -1.2 -0.4 0.4 1.2 2
Mtodo analtico
F(x) = 2
x
5x-3
Paso 1:
F(x) = 2
x
ln2 -5 =0
2
x
= 5 / ln2
xlog2 = log5 logln2
x = (log5 logln2)/log2 = (0.6990+0.1592)/ 0.3010 = 2.85
Paso 2:

Ecuacin tiene 2 races
Paso 3:

Races se encuentran en los intervalos: [-1; 0] y [4; 5]

- 2 3 +
+ - - +
x - 1 0 1 2 3 4 5
F(x) + - - - - - +
Mtodos de bsqueda de races
Los mtodos numricos para encontrar los races de
ecuaciones se dividen en dos grandes grupos:

Mtodos abiertos
Iteracin simple de punto fijo
Mtodo de Newton Raphson
Mtodo de la secante

Mtodos cerrados o de
intervalo
Biseccin
Falsa posicin
Falsa posicin modificada
x
y
1
2
f(x
i
)
x
r
=(x
i
+ x
d
)/2
f(x
r
)
f(x
d
)
x
i

x
r

x
d

Pendiente = f (x
n
)
1
f (x
n
)
x
n

x
n+1

y
x x
f x
f x
n n
n
n
+
=
1
( )
' ( )
x
MTODO DE BISECCIN
x
y
x
i

x
d

f(x
i
)
x
r
=(x
i
+ x
d
)/2
f(x
r
)
Raiz
En este mtodo suponemos que f es una funcin
continua definida en el intervalo [xi, xd] con f(xi) y
f(xd) con signos diferentes.
Tomando en cuenta el teorema del valor medio, existe
un nmero p [xi, xd] tal que f (p) = 0.
Por razones de simplicidad, asumamos que la raz en este
intervalo es real y nica.
El mtodo requiere dividir varias veces a la mita el
intervalo [xi, xd] y en cada paso localizar la mitad que
contenga a p.
Si f(p1) = 0, entonces p1 = p; de no ser as, si f(p1)
tiene el mismo signo que f(xi), entonces p (p1, xd);
si f(p1) tiene el mismo signo que f(xd), entonces p
(xi, p1); y aplicamos el mismo procedimiento a este
nuevo intervalo.
MTODO DE BISECCIN
x
i
x
d

f(x)
x
f(x
i
)
f(x
d
)
Algoritmo del Mtodo de Biseccin
Primer Paso
Consiste en considerar un intervalo
(x
i
, x
d
) en el que se garantice que la
funcin tiene raz.
Nota: si x
i
y x
d
encierran la raz,
entonces f(x
i
) y f(x
d
) tendrn signos
diferentes.

Intervalo
+
-
MTODO DE BISECCIN
x
i

x
d

f(x)
x
f(x
i
)
f(x
d
)
Segundo Paso
El segmento se divide en
dos, tomando el punto de
biseccin x
r
como
aproximacin de la raz
buscada.

x
r

1r Intervalo
2do Intervalo
MTODO DE BISECCIN
Tercer Paso
Si x
r
es la raz buscada - f(x
r
)=0 fin de proceso;
Si no, determinar en cual de las dos mitades se encuentra
la raz
f(x)
f(x)
x
i
x
d

x
f(x
i
)
f(x
d
)
x
r

f(x
r
)=0
x
r
solucin
x
i
x
d

x
f(x
i
)
f(x
d
)
x
r

f(x
r
)0
xr no es una solucin
MTODO DE BISECCIN
si f(x
r
) y f(x
i
) tienen el mismo signo, entonces x
i
=x
r

si f(x
r
) y f(x
d
) tiene signos opuestos, entonces x
d
=x
r

f(x
i
) f(x
d
) f(x
r
)
+ - +
X
i
= X
r

x
i
x
d

f(x)
x
f(x
i
)
f(x
d
)
x
i
x
d

x
r

f(x)
x
f(x
i
)
f(x
d
)
f(x
r
)
x
r

f(x
r
)
Criterios de paro y estimacin de
errores
Error se encuentra se encuentra por debajo
de algn nivel prefijado tolerancia

donde

Numero mximo de iteraciones

donde x
0
= x
d
x
i
(en la primera iteracin)
% 100
=
nuevo
r
anterior
r
nuevo
r
x
x x
Error
nuevo
r
x
anterior
r
x
- es la raz en la iteracin actual
- es la raz en la iteracin anterior
|
|
.
|
\
|
A
=
Tol
x
n
0
2
log
Ejemplo:
3x
2
-

e
x
= 0
usemos el mtodo de Biseccin para encontrar la segunda
raz en el intervalo [0.9; 1.0].

Intervalo 0.9 1.0
1
0.9
Intervalo 0.9 1.0
x
i

x
d

Solucin:
n x
i
x
d
x
r
f(x
i
) f(x
d
) f(x
r
)
1 0.9 1.0 0.95 -0.0296 0.2817 0.1218
2 0.9 0.95 0.925 -0.0296 0.1218 4.50*10
-2

- +
+
0.9
x
i

x
d

-
1
0.9
x
i

x
d

x
r

+
-
0.95
1
+ +
n x
i
x
d
x
r
f(x
i
) f(x
d
) f(x
r
)
1 0.9 1.0 0.95 -0.0296 0.2817 0.1218
2 0.9 0.95 0.925 -0.0296 0.1218 4.50*10
-2

3 0.9 0.925 0.9125 -0.0296 4.50*10
-2
7.42*10
-3
4 0.9 0.9125 0.90625 -0.0296 7.42*10
-3
-1.11*10
-2

5 0.90625 0.9125 0.909375 -1.11*10
-
2

7.42*10
-3
-1.88*10
-3
6 0.909375 0.9125 0.9109375 -1.88*10
-
3

7.42*10
-3
2.76*10
-3

7 0.909375 0.9109375 0.9101563 2.76*10
-3
7.42*10
-3
4.42*10
-4
8 0.909375 0.9101563 0.9097656 2.76*10
-3
4.42*10
-4
-7.19*10
-4

- +
+
Resultados
Programa en MATLAB
function bisec_n(f_name, a, c)
f_name
% a,c : extremos del intervalo inicial
% tol : tolerancia
% it_limit : limite del numero de iteraciones
% y_a, y_c : valores y de los extremos actuales
% fun_f(x): valor funcional en x
fprintf ('Metodo de la biseccion:\n\n');
tol=0.0001;
it_limit=30;
fprintf (' Iter. Xi Xd Xr f(Xi) ');
fprintf (' f(Xd) f(Xr)) \n');
it=0;
y_a=feval(f_name, a);
y_c=feval(f_name, c);
if (y_a*y_c>0)
fprintf('\n\n Detenido porque f(a)*f(c) > 0 \n');
else
while 1
it = it + 1; b=(a + c)/2;
y_b=feval(f_name,b);
fprintf ('%3.0f%10.6f%10.6f%',it,a,c);
fprintf ('%10.6f%13.6f%13.6f\n',b,y_a,y_c);
fprintf ('%13.6f\n',y_b);
if (abs(c-a)/2<=tol)
fprintf ('Se satisface la tolerancia de %10.6f\n ', tol); break
fprintf ('\n Cambie a o b y ejecute otra vez. \n');
end
if (it > it_limit)
fprintf ('Se excedio el limite de iteraciones. \n');break
end
if (y_a*y_b<=0)
c=b; y_c=y_b;
else
a=b; y_a=y_b;
end
end
fprintf ('Resultado: Raiz=%12.6f \n', b);
end

Resultados:
Resultados del programa:
Metodo de la biseccion:
Iter. Xi Xd Xr f(Xi) f(Xd) f(Xr))
1 0.900000 1.000000 0.950000 -0.029603 0.281718 0.121790
2 0.900000 0.950000 0.925000 -0.029603 0.121790 0.045007
3 0.900000 0.925000 0.912500 -0.029603 0.045007 0.007428
4 0.900000 0.912500 0.906250 -0.029603 0.007428 -0.011157
5 0.906250 0.912500 0.909375 -0.011157 0.007428 -0.001882
6 0.909375 0.912500 0.910938 -0.001882 0.007428 0.002769
7 0.909375 0.910938 0.910156 -0.001882 0.002769 0.000442
8 0.909375 0.910156 0.909766 -0.001882 0.000442 -0.000720
9 0.909766 0.910156 0.909961 -0.000720 0.000442 -0.000139
10 0.909961 0.910156 0.910059 -0.000139 0.000442 0.000152

Se satisface la tolerancia de 0.000100
Resultado: Raiz= 0.910059

Resultados de los clculos manuales:
n x
i
x
d
x
r
f(x
i
) f(x
d
) f(x
r
)
1 0.9 1.0 0.95 -0.0296 0.2817 0.1218
8 0.909375 0.9101563 0.9097656 2.76*10
-3
4.42*10
-4
-7.19*10
-4

Consideremos una funcin f continua en un
intervalo [xi, xd] y tal que f(xi)f(xd)< 0 .
El mtodo de Posicin Falsa, para encontrar una
aproximacin de una raz (xi, xd) de f(x)= 0 , es
similar al mtodo de Biseccin en el sentido de que
se generan subintervalos que encierran a la raz ,
pero esta vez xr no es el punto medio del intervalo,
sino el punto de interseccin de la recta que pasa
por los puntos (xi, f(xi)) , (xd, f(xd)) con el eje x.
Al reemplazar la curva por una recta se obtiene una
"posicin falsa" de la raz, de aqu el nombre del
mtodo. Tambin se le conoce como mtodo de
Interpolacin Lineal Inversa.
Mtodo de Falsa Posicin (o Regula Falsi)
Segn la semejanza de dos tringulos
x
i

x
d

f(x)
x
f(x
i
)
f(x
d
)
d r
d
i r
i
x x
x f
x x
x f
) ( ) (
( )
) ( ) (
) (
d i
d i d
d r
x f x f
x x x f
x x

=
x
r

Algoritmo del mtodo de Falsa
posicin
Paso 1
Determinar el intervalo que encierra la raz
Paso 2
Calcular el valor de la raz aproximada segn la
formula, es decir calcular el valor del punto de
cruce de la lnea que une f(x
i
) y f(x
d
) con el eje x.
Paso 3
Determinar si el valor encontrado es una solucin
al problema.
Si la respuesta es si finalizar los clculos.
Si la respuesta es no comparar los signos de las
funciones en los extremos del intervalos con el
signo de la funcin de la raz aproximada. Eliminar
el intervalo que no encierra la raz y repetir el
procedimiento.

Este mtodo tiene la desventaja, con
respecto al mtodo de Biseccin en caso de
que la longitud del subintervalo que
contiene a la raz no tiende a cero
(funciones cncavas hacia arriba o hacia
abajo) en la vecindad de la raz, lo que
hace que uno de los extremos de los
subintervalos se aproxime a la raz,
mientras el otro permanece fijo.
Desventaja del Mtodo de Falsa
posicin
-5
0
5
10
15
20
25
30
0
0
.
2
0
.
4
0
.
6
0
.
8 1
1
.
2
1
.
4
f(x)
x
En algunos casos funciona de
manera ineficiente
Unilateralidad conforme se
avanza en las iteraciones, uno de
los puntos limites permanece fijo
Por ejemplo:
f(x) = x
10
1, xe[0, 1.3]
Mtodo de biseccin
I X
i
X
d
X
r
Error
1 0 1.3 0.65
2 0.65 1.3 0.975 33.3
3 0.975 1.3 1.1375 14.3
4 0.975 1.1375 1.05625 7.7
5 0.975 1.05625 1.015625 4.0
I X
i
X
d
X
r
Error
1 0 1.3 0.09430
2 0.09430 1.3 0.18176 48.1
3 0.18176 1.3 0.26287 30.9
4 0.26287 1.3 0.33811 22.3
5 0.33811 1.3 0.40788 17.1
Mtodo de Falsa posicin
Mtodo de Falsa posicin modificada
Detectar si uno de los limites del
intervalo se estaca
Si es as, dividir a la mitad el valor
de la funcin en este punto.
Problema 1.
Considere la ecuacin senx + ln x = 0 .
a) Verifique que la ecuacin dada tiene una
nica raz a.
Aplique el mtodo de Biseccin en el
intervalo [0.5, 0.6], calcule 15
iteraciones y tome a 15 x como
aproximacin de a . Cul es la calidad de
esta aproximacin?
Aplique el mtodo de Punto Fijo para
aproximar la raz a con una precisin de por
lo menos 5 cifras significativas.
Solucin:
Dominio de f (x) = senx + ln x es (0,+).
Como senx + ln x = 0 entonces
senx = - ln x ,
podemos dibujar en un mismo plano
coordenado las grficas de y = senx y
y = - ln x . Obtenemos:
De acuerdo con la grfica es claro que la
ecuacin dada tiene una nica raz a y
ae[0,1].
La grfica de f (x) = sen x + ln x, es como
se indica a continuacin:
MTODOS ABIERTOS
A diferencia de los mtodos cerrados que
requieren de un intervalo que encierre la
raz buscada, los mtodos abiertos que se
vern requieren de un solo valor o dos
valores iniciales (de arranque) que no
necesariamente encierran dicha raz;
Esto hace que algunas veces las sucesiones
generadas por estos mtodos sean
divergentes o se alejen de la raz de inters
(vayan probablemente a otra raz), pero
tienen la ventaja que cuando convergen lo
hacen "ms rpidamente" que las
sucesiones generadas por los mtodos
cerrados.
ITERACIN SIMPLE DE PUNTO FIJO
Este mtodo se basa en hacer que la raz se
convierta en un punto fijo e iterando hasta
que se alcance dicha raz.
Dada una ecuacin f(x) = 0, podemos
transformarla, de alguna manera, en otra
equivalente del tipo x = g(x) para alguna
funcin g.
En este caso se tiene que:
es raz de f(x)= 0
f()= 0
= g()
es raz de x = g(x).
El mtodo del punto fijo parte de un
valor inicial x
0
cercano a la raz.
Para encontrar la solucin, calculamos
una nueva aproximacin x
1
=g(x
0
).
Reemplazamos el nuevo valor obtenido y
repetimos el proceso.
Como en otras formulas iterativas, el
error aproximado se calcula como:

% 100 *
1
1
+
+

=
i
i i
x
x x
c
En la figura se representa la
interpretacin geomtrica del
mtodo. Partimos de un
punto inicial x
0
y calculamos
y = g(x
0
). La interseccin de
esta solucin con la recta y=x
nos dar un nuevo valor x
1

ms prximo a la solucin
final.
Sin embargo, el mtodo
puede divergir fcilmente.
Es fcil comprobar que el
mtodo slo podr converger
si la derivada g'(x) es menor
en valor absoluto que la
unidad (que es la pendiente
de la recta definida por y=x).
Un ejemplo de este caso se
muestra en la siguiente
figura.

Esta condicin, que a priori puede
considerarse una severa restriccin del
mtodo, puede obviarse fcilmente.
Para ello basta elegir la funcin g(x) del
siguiente modo: g(x) = x + of(x)
de forma que tomando un valor de o
adecuado, siempre podemos hacer que g(x)
cumpla la condicin de la derivada.

Ejemplo. Determina la raz de la ecuacin
f(x) = e
-x
x con el mtodo del punto fijo
considerando una tolerancia de 0.001
Tenemos x = e
-x

La grfica de la ecuacin muestra que el valor de
la raz es cercano a 0.6, por lo que escogemos la
aproximacin inicial Calculamos
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
g(x)=exp(x), g(x)=x
g(x)=exp(-x)
g(x)=x
0
0.4 x =
0
( ) g x
0.4
0
( ) 0.67 g x e
= ~

Y tenemos que

Como , es decir, no se ha encontrado la raz y adems
es mayor a la tolerancia deseada, hacemos una nueva iteracin.
En la siguiente tabla se resumen los resultados al aplicar el mtodo. Al
comparar las diferencias y se observa que ,
por lo que se concluye que el mtodo converge. El mtodo se detuvo en la
iteracin 11 debido a que , por lo que puede concluirse que
0.56748681 es una aproximacin al valor de la raz con un margen de
error del 0.1%.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
g(x)=exp(x), g(x)=x
g(x)=exp(-x)
g(x)=x
1 0
( ) x g x = ~ 0.67
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
g(x)=exp(x), g(x)=x
g(x)=exp(-x)
g(x)=x
1 0
0 x x =
1 0
x x ~ 0.27
2 1
x x
1 0
x x
2 1 1 0
x x x x <
11 10
x x T <
n x
n
g(x
n
) X
n
x
n-1
0 0.4 0.67032005 -
1 0.67032005 0.51154483 0.27032005
2 0.51154483 0.59956863 0.15877521
3 0.59956863 0.54904843 0.0880238
4 0.54904843 0.57749908 0.0505202
5 0.57749908 0.56130038 0.02845065
6 0.56130038 0.57046676 0.0161987
7 0.57046676 0.56526154 0.00916638
8 0.56526154 0.56821152 0.00520522
9 0.56821152 0.56653778 0.00294998
10 0.56653778 0.56748681 0.00167374
11 0.56748681 0.5669485 0.00094903
MTODO DE NEWTON-
RAPSHON
Este mtodo es uno de los ms
usados y efectivos.

A diferencia de los mtodos
anteriores, el mtodo de Newton-
Raphson no trabaja sobre un
intervalo sino que basa su frmula
en un proceso iterativo.
La formula iterativa de este mtodo
es:

si

Ejemplo 1
Usar el mtodo de Newton-Raphson, para aproximar la raz
de , comenzando con y hasta
que .
Solucin
En este caso, tenemos que

De aqu tenemos que:

Comenzamos con X
0
=1 y obtenemos:

En este caso, el error aproximado es,
Continuamos el proceso hasta reducir el error aproximado
hasta donde se pidi.
x e x f
x
ln ) ( =

1
0
= x
% 1 < e
a
Aprox. a la raz Error aprox.
1
1.268941421 21.19%
1.309108403 3.06%
1.309799389 0.052%
De lo cual concluimos que la aproximacin
obtenida es:
Resumimos los resultados en la siguiente
tabla:
Nota:
El mtodo de Newton es muy rpido y
eficiente ya que la convergencia es de tipo
cuadrtico (el nmero de cifras
significativas se duplica en cada iteracin).
Sin embargo, la convergencia depende en
gran medida de la forma que adopta la
funcin en las proximidades del punto de
iteracin. En la figura (2) se muestran dos
situaciones en las que este mtodo no es
capaz de alcanzar la convergencia (figura
(2a)) o bien converge hacia un punto que
no es un cero de la ecuacin (figura (2b)).
Dos situaciones en las que el mtodo de Newton no
funciona adecuadamente: (a) el mtodo no alcanza
la convergencia y (b) el mtodo converge hacia un
punto que no es un cero de la ecuacin.
MTODO DE LA SECANTE
El principal inconveniente del mtodo
de Newton estriba en que requiere
conocer el valor de la primera
derivada de la funcin en el punto.
Sin embargo, la forma funcional de
f(x) dificulta en ocasiones el clculo
de la derivada. En estos casos es
ms til emplear el mtodo de la
secante.
El mtodo de la secante parte de dos
puntos (y no slo uno como el
mtodo de Newton) y estima la
tangente (es decir, la pendiente de la
recta) por una aproximacin de
acuerdo con la expresin:
Mtodo de la secante
El mtodo de Newton tiene el defecto de que
requiere conocer la derivada de la funcin f(x) cuyo
cero queremos hallar y esto no es siempre factible.
El mtodo de la secante es muy similar al de Newton
pero no requiere el conocimiento de esta derivada.
La idea clave en el mtodo de la secante consiste en
sustituir la derivada f(xn) que aparece en la formula
del mtodo de Newton [vase la ecuacin (4.36)]
por una expresin aproximada:

Esta aproximacin viene motivada por la definicin
de la pendiente de la tangente f(xn) como el lmite
de la pendiente de la secante:
En definitiva, la formula del mtodo
de la secante, equivalente a la
formula del mtodo de Newton, es
La formula iterativa de la secante es:

Representacin geomtrica del
mtodo de la secante.

Ejemplo 1
Usar el mtodo de la secante para aproximar la
raz de comenzando con
, y hasta que .
Solucin
Tenemos que y , que
sustituimos en la frmula de la secante para
calcular la aproximacin x
2
:

Con un error aproximado de:

Como todava no se logra el objetivo,
continuamos con el proceso. Resumimos
los resultados en la siguiente tabla:
Aprox. a la raz Error aprox.
0
1 100%
0.612699837 63.2%
0.653442133 6.23%
0.652917265 0.08%
De lo cual concluimos que la
aproximacin a la raz es:
RAICES DE POLINOMIOS
Los mtodos vistos hasta el
momento permiten obtener las
races reales de ecuaciones
algebraicas y trascendentales. Sin
embargo, ninguno de ellos permite
el clculo de las races complejas de
los mismos. Esta seccin est
dedicada al estudio de dos mtodos
que permiten obtener las races,
tanto reales como complejas, de un
polinomio.
Mtodo de Bairstow

Este mtodo depende de dividir el
polinomio entre un factor cuadrtico. Sea
P(x)=0, el polinomio general de grado n
de la forma
Sabemos que al obtener el factor
cuadrtico

tenemos que
1 2
0 1 2 1
( )
n n n
n n
P x a x a x a x a x a

= + + + + +
2
x px q + +
2 2 3 4
0 1 2 3 2 1
( ) ( )( )
n n n
n n n n
P x x px q b x b x b x b x b b x b

= + + + + + + + + +
1 2 1 2
; 0,1, 2, , 2; 0
k k k k
b a pb qb k n b b

= = = =
1 1 2 3
2
n n n n
n n n
b a pb qb
b a qb

=
=
1 1
, , ,
n n n n
b b b b
p q p q
o o o o
o o o o

El algoritmo del mtodo consiste en los siguientes pasos:
1.Hacer p=q=0.
2.Calcular los coeficientes del polinomio reducido

Y los residuos

3. Calcular las derivadas parciales de los residuos b
n-1
y b
n
4. Resolver el sistema
1 1
1
n n
n
b b
p q b
p q
o o
o o

A + A =
n n
n
b b
p q b
p q
o o
o o
A + A =
* p p p = + A
* q q q = + A
5. Obtener los valores de las nuevas
aproximaciones
y
.
6. Sea T la tolerancia deseada (el margen de error
permitido). Si | p* -p | < T y | q* -q | < T se han
encontrado aproximaciones a los valores de p y q
con un margen de error menor a T (fin del mtodo).
De lo contrario es necesario hacer una nueva
iteracin comenzando en el paso 2 haciendo p=p* y
q=q*.
Ejemplo. Obtn una aproximacin a las
races del siguiente polinomio aplicando el
mtodo de Bairstow considerando una
tolerancia de 0.01 en los valores de p y q y
redondeo a tres cifras significativas:
4 3 2
6 3 4 0 x x x x + + =
Solucin. Tenemos que
0 1 2 3 4
1, 1, 6, 3, 4; 4 a a a a a n = = = = = =
Sean p=q=0 los valores iniciales.
0 0
1 1 0
2 2 1 0
1
( 1) (0)(1) 1
(6) (0)( 1) (0)(1) 6
b a
b a pb
b a pb qb
= =
= = =
= = =
3 3 2 1
4 4 2
( 3) (0)(6) (0)( 1) 3
(4) (0)( 6) 4
b a pb qb
b a qb
= = =
= = =
3 3
2 1
4 4
2
6.00; 1.00
0.00; 6.00
b b
b b
p q
b b
b
p q
o o
o o
o o
o o
= = = =
= = =
Los coeficientes del polinomio reducido estn dados por

los residuos, por

y las derivadas parciales, por
6.00 1.00 3.00
0.00 6.00 4.00
p q
p q
A + A =
A A =
0.389 p A =
0.667 q A =
* 0.389 p p p = + A = * 0.667 q q q = + A =
* p p
* q q
Resolviendo el sistema

tenemos que y
Entonces y
Se observa que =0.389 y que
y es necesario que ambos valores sean menores a 0.01,
por lo que es necesario hacer una nueva iteracin.
=0.667
Los resultados de cada iteracin se
resumen en la siguiente tabla:
i b0 b1 b2 b3 b4 P* Q* |p* - p| |q* - q|
0 1 -1 6 -3 4 -0.389 0.667 0.389 0.667
1 1 -0.611 5.10 -0.609 0.598 -0.368 0.784 0.021 0.117
2 1 -0.632 4.98 -0.672 0.0957 -0.501 0.765 0.133 0.019
3 1 -0.499 4.99 -0.118 0.183 -0.521 0.802 0.02 0.037
4 1 -0.479 4.95 -0.037 0.0301 -0.528 0.808 0.007 0.006
4 3 2
( ) 6 3 4 0 P x x x x x = + + =
2 2
( ) ( 0.528 0.808)( 0.479 4.95) 0.0369 0.0301 0 P x x x x = + + + =
2 2
( ) ( 0.528 0.808)( 0.479 4.95) 0 P x x x = + + =
1 2 3 4
0.264 0.86, 0.264 0.86, 0.240 2.21, 0.240 2.21 x i x i x i x i = + = = + =
El polinomio
puede expresarse entonces como

Como se alcanz la tolerancia deseada, asumimos
que el residuo se puede despreciar, y tenemos que
De donde puede concluirse que las races del polinomio son

Capitulo 2

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Capitulo 2

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL DE SAN AGUSTN

FACULTAD DE INGENIERA DE PRODUCCIN Y SERVICIOS

S-ar putea să vă placă și