Está en la página 1de 63

CATEDRA 0

5
Facultad de Ingeniera de Minas, Geologa y Civil
Departamento acadmico de ingeniera de minas y civil

METODOS
NUMERICOS
Ingeniera Civil

ING. CRISTIAN CASTRO P.

Capitulo V
Ecuaciones Algebraicas
No Lineales:
Temas Especiales

ING. CRISTIAN CASTRO P.

Bsqueda de Varias
Races de Ecuaciones
No Lineales
Mtodos Numricos
Aplicados a la Ingeniera

BSQUEDA DE VARIAS RACES

ECUACIONES CON VARIAS RACES


Las ecuaciones tienen una o varias races y es
menester localizar cada una de ellas.
La posible existencia de races mltiples complica
el problema.
En la vecindad de la raz, tanto la funcin como su
derivada se acercan a cero.
Las ecuaciones con un nmero par de races mltiples
son tangentes al eje x y no lo cruzan.
Las ecuaciones con un nmero impar de races mltiples
cruzan al eje x en un punto de inflexin.
En caso de races mltiples, al no haber cambio de signo,
los mtodos cerrados no son confiables.

MTODO DE BSQUEDA INCREMENTAL

La bsqueda consiste en empezar en un extremo del intervalo de


inters y evaluar la funcin con pequeos incrementos a lo largo del
intervalo.

Si la longitud del incremento no es lo suficientemente pequea,


algunas races pueden pasar inadvertidas.

f(x)

x0

2 races

3 races

x1

x3

x2
x

2 races

x4
x

x5
x

x6
x

x7
x

x8
x

x9
x

MTODO DE BSQUEDA INCREMENTAL

El mtodo de bsqueda incremental se utiliza para identificar todas las


races de una ecuacin, considerando:
La manera como se presenta fsicamente el fenmeno.
El nmero de races reales y/o complejas que se espera tenga la ecuacin,
especialmente cuando se trata de polinomios.

Es conveniente utilizar tamaos de incremento acordes con el fenmeno


analizado y el nmero esperado de races.

Ante la sospecha de que la ecuacin algebraica o trascendente tenga


ms races de las encontradas con cierto tamao de incremento, se
recomienda:
Obtener las tangentes en los extremos de cada incremento para identificar
cambios de signo y, en su caso, analizar el subintervalo de incremento ms
minuciosamente.
Reducir a la mitad el tamao de los incrementos.

Se ha de tener especial cuidado al hacer el bosquejo de una grfica,


cuando no se dispone de dispositivos que grafiquen de manera confiable
porque el trazado a base de incrementos, puede ser sumamente
engaoso.

MTODO DE BSQUEDA INCREMENTAL


2

1.5

0.5

0
3.00

3.50

4.00

4.50

-0.5

-1

f(x) 10senX 3cos X

-1.5

-2

-2.5

Trazado con incrementos de 0.50, parece que hay solo 2 races

5.00

MTODO DE BSQUEDA INCREMENTAL


f(x) 10senX 3cos X
x

f(x)

f'(x)

3.00

-1.899161886

0.306159043

3.50

-0.903719597

-6.397834771

4.00

1.588967119

-5.059661863

4.50

1.445824188

2.841866609

5.00

-1.022062767

7.698796764

races

revisar

1
1
1
1

Trazado con incrementos de 0.50, parece que hay solo 2 races


Necesario revisar en 2 subintervalo de incremento ms

MTODO DE BSQUEDA INCREMENTAL


2

1.5

0.5

0
3.00

3.20

3.40

3.60

3.80

4.00

4.20

4.40

4.60

4.80

-0.5

-1

-1.5

f(x) 10senX 3cos X

-2

Trazado con incrementos de 0.20, parece que hay solo 2 races


-2.5

5.00

MTODO DE BSQUEDA INCREMENTAL


f(x) 10senX 3cos X
x

f(x)

f'(x)

races

revisar

3.00

-1.899161886

0.306159043

3.20

-0.433261175

8.865213949

3.40

-0.185182966

-6.386078685

3.60

-1.18610876

1.663171794

3.80

0.689859445

12.30872202

4.00

1.588967119

-5.059661863

4.20

0.082913038

-4.100722292

4.40

0.823585883

8.222212542

4.60

1.232603226

-7.152866457

4.80

-1.028072018

-9.298416724

5.00

-1.022062767

7.698796764

1
1

1
1

Trazado con incrementos de 0.20, parece que hay solo 2 races


Necesario revisar en 6 subintervalos de incremento ms

MTODO DE BSQUEDA INCREMENTAL


2

1.5

0.5

0
3.00

3.10

3.20

3.30

3.40

3.50

3.60

3.70

3.80

3.90

4.00

4.10

4.20

4.30

4.40

4.50

4.60

4.70

4.80

4.90

-0.5

-1

-1.5

f(x) 10senX 3cos X

-2

Trazado con incrementos de 0.10, parece que hay solo 4 races


-2.5

5.00

MTODO DE BSQUEDA INCREMENTAL


f(x) 10senX 3cos X
x

f(x)

f'(x)

3.00

-1.899161886

3.10

races

revisar

f(x)

f'(x)

0.306159043

4.00

1.588967119

-5.059661863

-1.396262971

8.774060308

4.10

0.806109949

-9.083697401

3.20

-0.433261175

8.865213949

4.20

0.082913038

-4.100722292

3.30

0.110720707

1.239840209

4.30

0.113085296

4.568709698

3.40

-0.185182966

-6.386078685

4.40

0.823585883

8.222212542

3.50

-0.903719597

-6.397834771

4.50

1.445824188

2.841866609

3.60

-1.18610876

1.663171794

4.60

1.232603226

-7.152866457

3.70

-0.539302106

10.63779828

4.70

0.160731508

-12.92128286

3.80

0.689859445

12.30872202

4.80

-1.028072018

-9.298416724

3.90

1.611391725

4.952380075

4.90

-1.487337039

0.468684944

4.00

1.588967119

-5.059661863

5.00

-1.022062767

7.698796764

races

revisar

Trazado con incrementos de 0.10, parece que hay solo 4 races


Necesario revisar en 6 subintervalos de incremento ms

MTODO DE BSQUEDA INCREMENTAL


2

1.5

0.5

3.00 3.10 3.20 3.30 3.40 3.50 3.60 3.70 3.80 3.90 4.00 4.10 4.20 4.30 4.40 4.50 4.60 4.70 4.80 4.90 5.00
-0.5

-1

f(x) 10senX 3cos X


-1.5

-2

Trazado con incrementos de 0.05, se ve que hay 6 races


-2.5

MTODO DE BSQUEDA INCREMENTAL


0.12

0.1

0.08

0.06

f(x) 10senX 3cos X

0.04

0.02

detalle
0
4.20

-0.02

4.21

4.22

4.23

4.24

4.25

4.26

4.27

4.28

4.29

4.30

MTODO DE NEWTON RAPHSON MODIFICADO


1.

Consiste en elegir un punto inicial cualquiera x1 como


aproximacin de la raz.

2.

Obtener los valores de la funcin, de su primera y de su


segunda derivada en ese punto.

3.

Establecer la funcin (x) = f(x)/f(x) y obtener el valor de la


misma en el punto inicial.

4.

Trazar una recta tangente a la funcin (x) por ese punto.

5.

El punto de interseccin de esta recta con el eje de las


abscisas (x2, 0), constituye una segunda aproximacin de
la raz.

6.

El proceso se repite n veces hasta que el punto de interseccin xn coincide prcticamente con el valor exacto de la raz

MTODO DE NEWTON RAPHSON MODIFICADO


f(x)

MTODO DE NEWTON RAPHSON MODIFICADO


f(x)

x1

MTODO DE NEWTON RAPHSON MODIFICADO


f(x1)

f (x)

f (x)
f(x)

x1

f(x1)

f(x1)

MTODO DE NEWTON RAPHSON MODIFICADO


(x)

f(x)
(x)
f '(x)

x1

(x1)

MTODO DE NEWTON RAPHSON MODIFICADO


(x)

x1

MTODO DE NEWTON RAPHSON MODIFICADO


Para deducir la frmula de recurrencia:
f(x)
(x)
f '(x)
f '(x)f '(x) f(x)f "(x) [f '(x)]2 f(x)f "(x)
'(x)

2
[f '(x)]
[f '(x)]2
(xi )
xi1 xi
'(xi )
xi1 xi

f(x i )[f '(xi )]2

f '(xi ) [f '(x i )]2 f(xi )f "(xi )

f(xi )f '(xi )
xi1 xi
[f '(xi )]2 f(xi )f "(xi )

MTODO DE NEWTON RAPHSON MODIFICADO


(x)

(xi )
xi1 xi
'(xi )

(x2)
x1

x2

f(xi )f '(xi )
xi1 xi
[f '(xi )]2 f(xi )f "(xi )

MTODO DE NEWTON RAPHSON MODIFICADO


f(x)

x1

x2

MTODO DE NEWTON RAPHSON


6

f(X) = x4 - 6x3 + 12x2 - 10x + 3

triple raz
1

0
0
-1

-2

-3

0.2

0.4

0.6

0.8

1.2

1.4

1.6

1.8

2.2

2.4

2.6

2.8

3.2

3.4

MTODO DE NEWTON RAPHSON MODIFICADO


f(x) = x4 - 6x3 + 12x2 - 10x + 3
iteracin

Xi

f(Xi)

f'(Xi)

f"(Xi)

Xi

'(Xi)

e(%)

-10

24

-0.3

0.28

100.00

1.07142857

-0.00070283

-0.02915452

-0.79591837

0.02410714

0.341875

7.14

100.00

1.00091408

-1.5268E-09

-5.0102E-06

-0.01095889

0.00030474

0.33343478

0.09

7.05

1.00000014

-1.1191E-13

-1.6623E-06

0.00

0.09

1.00000014

-1.1191E-13

-1.6623E-06

0.00

0.00

Recurrencia

Funcin

x1 = 1, x2 = 1, x3 = 1

e*(%)

MTODO DE NEWTON RAPHSON TRADICIONAL


f(x) = x4 - 6x3 + 12x2 - 10x + 3
iteracin

Xi

f(Xi)

f'(Xi)

e(%)

e*(%)

-10

100.00

0.3

0.9261

-4.312

70.00

100.00

0.51477273

0.28392375

-1.86965136

48.52

41.72

0.66663192

0.08644807

-0.81500014

33.34

22.78

0.77270315

0.02615522

-0.35695527

22.73

13.73

0.84597625

0.0078707

-0.15695571

15.40

8.66

0.89612227

0.00235824

-0.06922711

10.39

5.60

0.93018753

0.00070426

-0.03060369

6.98

3.66

0.95319963

0.00020981

-0.01355167

4.68

2.41

10

0.96868175

6.2398E-05

-0.00600787

3.13

1.60

11

0.97906779

1.8535E-05

-0.00266563

2.09

1.06

12

0.98602119

5.5013E-06

-0.00118337

1.40

0.71

13

0.99067004

1.6319E-06

-0.00052554

0.93

0.47

14

0.99377522

4.839E-07

-0.00023345

0.62

0.31

15

0.995848

1.4345E-07

-0.00010372

0.42

0.21

16

0.99723105

4.2519E-08

-4.6088E-05

0.28

0.14

17

0.99815361

1.2601E-08

-2.048E-05

0.18

0.09

18

0.99876888

3.7342E-09

-9.1014E-06

0.12

0.06

19

0.99917917

1.1065E-09

-4.0448E-06

0.08

0.04

20

0.99945274

3.2789E-10

-1.7976E-06

0.05

0.03

21

0.99963515

9.7155E-11

-7.9891E-07

0.04

0.02

22

0.99975675

2.8788E-11

-3.5507E-07

0.02

0.01

x1 = 1
x2 = 1
x3 = 1

MTODO DE NEWTON RAPHSON TRADICIONAL


f(x) = x4 - 6x3 + 12x2 - 10x + 3
iteracin

Xi

f(Xi)

f'(Xi)

e(%)

3.4

5.5296

20.736

240.00

3.13333333

1.29453827

11.5294815

213.33

8.51

3.02105263

0.17379579

8.51327832

202.11

3.72

3.00063796

0.00510855

8.01531833

200.06

0.68

3.00000061

4.8777E-06

8.00001463

200.00

0.02

4.4444E-12

200.00

0.00

Recurrencia

Funcin

X4 = 3

e*(%)

MTODO DE NEWTON RAPHSON MODIFICADO


f(x) = x4 - 6x3 + 12x2 - 10x + 3
iteracin

Xi

f(Xi)

f'(Xi)

f"(Xi)

Xi

'(Xi)

e(%)

3.4

5.5296

20.736

40.32

0.26666667

0.48148148

240.00

2.84615385

-0.96803333

4.71916249

18.7455621

-0.20512821

1.81481481

184.62

19.46

2.95918367

-0.30694416

7.05012367

22.5506039

-0.04353741

1.13925926

195.92

3.82

2.99739922

-0.02072518

7.93770296

23.9064531

-0.00261098

1.00786364

199.74

1.27

2.99998983

-8.1379E-05

7.99975586

23.9996338

-1.0173E-05

1.00003052

200.00

0.09

-1.2418E-09

24

-1.5522E-10

200.00

0.00

Recurrencia

Funcin

x4 = 3

e*(%)

MTODO DE NEWTON RAPHSON

El mtodo de Newton Raphson tradicional, en la bsqueda de races


mltiples, converge linealmente, en vez de hacerlo cuadrticamente,
como sucede en la bsqueda de una raz simple.

El mtodo de Newton Raphson modificado, en la bsqueda de races


mltiples, converge cudrticamente, al igual que en la bsqueda de
una raz simple.

La lentitud en la convergencia del mtodo de Newton Raphson


tradicional es un claro indicativo de la presencia de races mltiples.

A mayor nmero de races mltiples, menor es la velocidad de


convergencia del mtodo tradicional.

MTODO DE NEWTON RAPHSON


El mtodo de Newton Raphson es aplicable al caso
de funciones con races complejas, a condicin de
que el punto inicial considerado como primera
aproximacin sea complejo.
Haciendo clculos manuales, se ha de tener cuidado
de cumplir con este requisito.
Si los clculos se hacen a travs de computadora, el
lenguaje de programacin ha de ser capaz de
soportar el manejo de valores complejos, previa
declaracin de dimensionamiento.
En Fortran, VB, C, PASCAL, MATLAB tal manejo
est garantizado.

Races de Polinomios
de Ecuaciones
No Lineales
Mtodos Numricos
Aplicados a la Ingeniera

Definicin
Un polinomio de grado n es una expresin de la forma:
P(x) = anxn + an-1xn-1 + ... +a1x + a0
Donde an <> 0

Teorema (teorema fundamental del lgebra): Si P(x) es un


polinomio de grado n >= 1, entonces P(x) = 0 tiene al menos
una raz (posiblemente compleja).

Corolario
Si P(x) es un polinomio de grado n >= 1, entonces existen
constantes nicas x1, x2, ... xk, posiblemente complejas, y
enteros positivos m1, m2, ..., mk, tales que:
k

m
i 1

P ( x) an x x1

m1

x x2 m ...x xk m
2

Mtodo de Horner
Sea
P(x) = anxn + an-1xn-1 + ... +a1x + a0
Si bn = an y

bk = ak + bk+1x0 para k = n 1, n 2, ..., 1, 0

Por tanto b0 = P(x0). Ms an, si


Q(x) = bnxn1 + bn-1xn-2 + ... +b2x + b1
Entonces
P(x) = (x x0) Q(x) + b0

Ejercicios
Evaluar:

P(x) = 2x4 3x2 + 3x 4

en x0 = 2

P(x) = 7x5 + 6x4 6x3 + 3x 4

en x0 = 3

P(x) = 5x6 + 3x4 + 2x2 4x

en x0 = 1

Mtodo de Horner en C
double horner(double p[],int n, double x){
double y = p[0];
int i;
for(i = 1; i<n; i++){
y = x*y + p[i];
}
return y;
}
double eval(double p[],int n, double x){
double s = 0;
int i;
for(i = 0; i<n; i++){
s = s + p[i]*pow(x,n-i-1);
}
return s;
}

Evaluacin de la derivada
Dado que:
P(x) = (x x0) Q(x) + b0
donde
Q(x) = bnxn1 + bn-1xn-2 + ... +b2x + b1
Derivando
P(x) = Q(x)+(x x0)Q(x)
En x = x0,
P(x0) = Q(x0)

Evaluacin de la derivada en C
void hornerDer(double p[],int n, double
x,double &y,double &z){
y = p[0];
z = p[0];
int i;
for(i = 1; i<n-1; i++){
y = x*y + p[i];
z = x*z + y;
}
y = x*y + p[n-1];
}

Mtodo horner
Entrada: grado n, a0, a1, ..., an, x0
Salida: y =P(x0), z = P(x0)
1.
2.
3.
4.
5.
6.
7.

y = an
//calcule bn para P
z = an
//calcule bn-1 para Q
Para j = n 1, n 2, .... , 1
y = x0*y + aj
z = x0*z + y
y = x0*y + a0
regresar y, z

Mtodo de Horner en Matlab


function [y,z]=Horner(x,x0)
%x es un vector con los coeficientes
%de P(x)
%regresa en y el polinomio y en z
%la derivada evaluados en x0
[muda n] = size(x);
y = x(1);
%calcule bn para P.
z = x(1);
%calcule bn-1 para Q
for j = 2:n-1,
y = x0*y + x(j);
z = x0*z + y;
end
y = x0*y + x(n);

Mtodo de Newton para polinomios


Se puede aplicar el mtodo de Newton para polinomios
evaluando el polinomio y su derivada mediante el mtodo de
Horner.
El esquema sera

P xn
P xn
xn 1 xn
xn
P ' xn
Q xn

Newton para polinomios en C


double NewtonPol(double p[],int n,double x0,double ee,
int ni){
int i=0;
double f,df,x = x0,error;
while(i<ni){
hornerDer(p,n,x,f,df);
x = x0 - f/df;
error = fabs((x-x0)/x);
if(error<=ee)
return x;
i++;
x0 = x;
}
std::cout << "No solucin en " << i << " pasos\n";
return x;
}

Mtodo de Mller
Se aproxima el siguiente valor utilizando una parbola en lugar
de una recta como en el mtodo de la secante.
f(x)

f(x)

parbola

Lnea
recta
Raz
estimada

Raz
estimada

x1
raz

x
x0

x2 x1 x0

Mtodo de Mller
Utiliza tres aproximaciones: x0, x1, x2.
Determina la siguiente aproximacin x3 encontrando la
interseccin con el eje x de la parbola definida por los
puntos (x0,f(x0)), (x1,f(x1)), (x2,f(x2)).

x0 x1

x2 x3

Mtodo de Mller
Se considera el polinomio
P(x) = a(x x2)2 + b(x x2) + c
Se puede encontrar a, b y c resolviendo
f(x0) = a(x0 x2)2 + b(x0 x2) + c
f(x1) = a(x1 x2)2 + b(x1 x2) + c
f(x2) = a(x2 x2)2 + b(x2 x2) + c

Mtodo de Mller
Se llega a
c f ( x2 )
2
2

x0 x2 f ( x1 ) f ( x2 ) x1 x2 f ( x0 ) f ( x2 )
b
x0 x2 x1 x2 x0 x1

x1 x2 f ( x0 ) f ( x2 ) x0 x2 f ( x1 ) f ( x2 )
a
x0 x2 x1 x2 x0 x1

Mtodo de Mller
Los clculos pueden simplificarse usando
h0 x1 x0
h1 x2 x1

f x1 f x0
d0
h0
f x2 f x1
d1
h1
d1 d 0
a
h1 h0
b ah1 d1
c f x2

Mtodo de Mller
Para minimizar el error al resolver la cuadrtica P(x) = 0, se
calcula x3 con
x3 x2

2c
b signo(b) b 2 4ac

El proceso se reinicia tomando ahora x1, x2, y x3.

Mller en MatLab
function y = muller(p,x0,x1,x2,ee,ni)
i = 3;
while i<=ni
h1 = x1-x0;
h2 = x2-x1;
[fx0 muda] = horner(p,x0);
[fx1 muda] = horner(p,x1);
[fx2 muda] = horner(p,x2);
d1 = (fx1-fx0)/h1;
d2 = (fx2-fx1)/h2;
a = (d2-d1)/(h2+h1);
b = d2+h2*d1;
c = fx2;
D = sqrt(b*b-4.0*a*c);
if(abs(b-D)<abs(b+D))
E = b+D;
else
E = b-D;
end
h = -2.0*c/E;
x3 = x2+h;
if(abs(h)<ee)
break;
end
x0 = x1;
x1 = x2;
x2 = x3;
i=i+1;
end
y = x3;

Ejemplo
P(x) = 16x4 40x3 + 5x2 + 20x + 6

x0 =
i

0.5

x1 = -0.5

x2 =

0.0

xi

P(xi)

-0.555556 + ( -0.598352)i

-29.400701 + (

3.898725)i

-0.435450 + ( -0.102101)i

1.332225 + (

1.193097)i

-0.390631 + ( -0.141852)i

0.375058 + (

0.670168)i

-0.357698 + ( -0.169926)i

-0.146750 + (

0.007446)i

-0.356051 + ( -0.162856)i

-0.001840 + ( -0.000538)i

-0.356062 + ( -0.162758)i

0.000002 + ( -0.000001)i

Ejemplo
x0 =

2.5

x1 =

2.0

x2 =

2.3

xi

1.960592 + (

0.000000)i

-0.611310 + (

0.000000)i

1.970564 + (

0.000000)i

0.007455 + (

0.000000)i

1.970447 + (

0.000000)i

0.000029 + (

0.000000)i

x0 =

0.5

x1 =

1.0

P(xi)

x2 =

1.5

xi

P(xi)

1.287855 + (

0.000000)i

-1.376275 + (

0.000000)i

1.237459 + (

0.000000)i

0.126945 + (

0.000000)i

1.241605 + (

0.000000)i

0.002193 + (

0.000000)i

1.241677 + (

0.000000)i

-0.000001 + (

0.000000)i

Actividad
Encontrar las races reales y complejas del
siguiente polinomio por el mtodo de Mller en
MatLab.

P(x) = x4 2x3 + 6x2 8x + 8

Races de no lineales en Matlab


fzero(FUN, x0) encuentra la raz de FUN cerca al punto
x0.
Ejemplos:
FUN puede especificarse usando @:
X = fzero(@sin,3)
regresa pi.
X = fzero(@sin,3,optimset('disp','iter'))
regresa pi, usa la tolerancia por omisin y despliega
informacin de las iteraciones.
FUN puede ser una funcin en lnea:
X = fzero(inline('sin(3*x)'),2);

Polinomios con Matlab


polyval(P, x) evalua el polinomio P en el punto x. El
polinomio se especifica como un vector donde P(1) es el
coeficiente de la potencia ms alta y P(length(P)) es el
trmino independiente.
polyder(P) obtiene la derivada delpolinomio P.
con(A, B) multiplica el polinomio A por el polinomio B.
[Q R] = deconv(A, B) divide los dos polinomios A y
B y almacena el cociente en Q y el residuo en R.
roots(P) encuentra todas las raices reales y complejas
del polinomio P.

Mtodo de Bairstow
El enfoque de Bairstow es el de utilizar el Mtodo de Newton
para ajustar los coeficientes r y s en la cuadrtica x2 rx + s
hasta que sus races sean tambin races del polinomio que se
quiere resolver.
Con estos coeficientes se determina la cuadrtica
correspondiente que se utiliza para simplificar la expresin,
eliminando estas races del conjunto buscado.
El proceso se repite hasta que el polinomio se convierta en uno
cuadrtico o lineal, momento en que todas las races quedan
determinadas.

La Divisin Larga de un polinomio


n

P x ai x i
i 0

por x2 rx s resulta en un cociente de la forma


n2

Q x bi x i
i 0

y un residuo b1(x r) + b0 tal que


n2

Px x 2 rx s bi x i b1 x r b0
i 2

Se utiliza la divisin sinttica para obtener la divisin entre el factor


cuadrtico:
bn = an
bn1 = an1 + rbn
bi = ai + rbi+1 + sbi+2 (i = n 2,, 0)
El mtodo se reduce a determinar los valores de r y s que hacen que el factor
cuadrtico sea un divisor exacto.
Se utiliza el mtodo de Newton-Raphson. Se calculan incrementos r y s
para acercarse a la solucin.
b1
b
r 1 s b1
s
r
b0
b
r 0 s b0
r
s

Las derivadas parciales se calculan por un proceso de divisin sinttica


similar al utilizado para calcular las bs.

cn = b n
cn1 = bn1 + rcn
ci = bi + rci+1 + sci+2 (i = n 2,, 1)
Donde:
b1
b
, c3 1
r
s
b
b
c0 0 , c2 0
r
s
c2

Se resuelven las ecuaciones para r y s y se emplean para mejorar r y s.

Ejemplo
Encontrar las races del siguiente polinomio en Excel
P( x) = x5 3.5x4 + 2.75x3 + 2.125x2 3.88x +1.25
Comience en r = -1 y s = -1

Hoja de Excel de Bairstow


Haga doble clic sobre la hoja para ver las frmulas. Los valores
en amarillo son los valores que se obtuvieron paso a paso. Los
valores en naranja son los coeficientes del polinomio de grado
n2 que hay que resolver aplicando el mismo mtodo. Note
que los coeficientes b0 y b1 son casi cero.
Mtodo de Bairstow
n->
5
4
3
a->
1
-3.5
2.75
-0.5
2.5
b->
1
-4
5.25
-0.5
2.75
c->
1
-4.5 8.000001
sistema
b
c2,c3 -8.75
8 -4.9E-07
c1,c2 8.38
-8.75 4.56E-07

2
2.125
-4.625
-2.5
-6.25
-8.75

1
-3.875
3.875
5E-07
8.375
8.375
7E-08
1E-08

0r
s
valores calculados x1
x2
1.25
-0.5
0.5
-1
-1 #NUM!
#NUM!
-1.250000456 Dr
Ds
-0.6442 0.1381
0.1697
-0.8139
-4.55699E-07 7E-08 1E-08 -0.5111 0.4697
0.4759
-0.9870
Error r Error s -0.4997 0.5002
0.5002
-0.9999
1E-05 2E-06 -0.5000 0.5000
0.5000
-1.0000
-0.5
0.5

Muchas Gracias