Raíces de ecuaciones

Raíces de ecuaciones

y = f (x )
Sea . Los valores de x que hacen que y=0 se denominan
raíces de la ecuación. El teorema fundamental del álgebra indica que
todo polinomio de grado n tiene n raíces. En el caso de las raíces
reales, se tiene que corresponden a los valores x que hacen que la
función corte el eje de las abscisas:
y

f(x)=cos(x)

x
x1 x2 x3 x4

Las raíces de un polinomio pueden ser reales o complejas. Si un

a0 , a1 , a2 ,...an − 1, an
polinomio tiene coeficientes reales, entonces todas las
raíces complejas siempre ocurrirán en pares conjugados complejos.
Por ejemplo, un polinomio cúbico tiene la siguiente forma general:
f ( x ) = a0 x 3 + a1 x 2 + a2 x + a3

El teorema fundamental del álgebra indica que un polinomio de grado

n, tiene n raíces. En el caso del polinomio cúbico pueden darse los
siguientes casos:
• Tres raíces reales distintas.
• Una raíz real con multiplicidad 3.
• Una raíz real simple y una raíz real con multiplicidad 2.
• Una raíz real y un par conjugado complejo.
Ejemplo. Las raíces de los siguientes polinomios se resumen a
continuación.
1. Tres raíces reales distintas:
Raíces reales distintas
50

f1 ( x ) = x3 − 3 x2 − x + 3
= ( x − 3)( x + 1)( x − 1) 0

x1 = 3, x2 = −1, x3 = 1 -50

f1(x)
-100

-150

-200
-5 -4 -3 -2 -1 0 1 2 3 4 5

2. Una raíz real con multiplicidad 3:

Raíces reales triples
50

f 2 ( x) = x 3 − 6 x 2 + 12 x − 8 0

= ( x − 2) 3
-50

x1 = 2, x2 = 2, x3 = 2 -100
f2(x)

-150

-200

-250

-300

-350
-5 -4 -3 -2 -1 0 1 2 3 4 5

3. Una raíz real simple y una raíz real con multiplicidad dos:
 Raíz sencilla, raíz doble
100

f 3 ( x ) = x 3 − 12 x + 16
= ( x + 4)( x − 2) 2
50
x1 = −4, x2 = 2, x3 = 2

f3(x)
0

-50
-5 -4 -3 -2 -1 0 1 2 3 4 5

4. Una raíz real y un par conjugado complejo:

Raíz sencilla, raíces complejas
100

f 4 ( x) = x3 − 2 x 2 − 3x + 10
= ( x + 2)( x − (2 + i ))( x − (2 − i )) 50

x1 = −2, x2 = 2 + i, x 3 = 2 − i 0
f4(x)

-50

-100

-150
-5 -4 -3 -2 -1 0 1 2 3 4 5

Para su estudio, las funciones pueden clasificarse en algebraicas y

trascendentales.

Funciones algebraicas
Sea g=f(x) la función expresada como
f n y n + fn −1 y n −1 + K + f1 y + f0 = 0

Donde fi es un polinomio de orden i en x. Los polinomios son un caso

simple de funciones algebraicas que se representan generalmente
como
f n ( x) = a0 + a1 x + a2 x2 + K + an xn

Donde n es el orden del polinomio.

Ejemplo.

f2(x)=1-2.37x+7.5x2

f6(x)=5x2-x3+7x6

Funciones trascendentales
Son aquellas que no son algebraicas. Comprenden a las funciones
trigonométricas, exponenciales, logarítmicas, entre otras.

Ejemplo.
f ( x ) = ln x 2 − 1

f ( x ) = e−0.2π sen(3x − 5)

Los métodos descritos en esta unidad requieren que la función sea

diferenciable en el intervalo donde se apliquen. Si los métodos se
utilizan en funciones no diferenciables o discontinuas en algunos
puntos, llegar al resultado dependerá, aleatoriamente, de que
durante la aplicación del método no se toquen esos puntos.
Por otra parte, las raíces de las ecuaciones pueden ser reales o
complejas. Los métodos numéricos estándar para encontrar raíces
pueden clasificarse en dos rubros:
1. La determinación de las raíces reales de ecuaciones algebraicas
y trascendentales. Las técnicas a emplear en estos casos se
diseñaron con el fin de encontrar el valor de una raíz simple de
acuerdo con un conocimiento previo de su posición aproximada.
2. La determinación de todas las raíces reales y complejas de un
polinomio, para lo cual los métodos numéricos están diseñados
específicamente para polinomios. Determinan
sistemáticamente todas las raíces del polinomio en lugar de
hacerlo sólo con una, dada la posición aproximada.

Raíces reales de ecuaciones algebraicas y trascendentales

En general, los métodos para encontrar las raíces reales de
ecuaciones algebraicas y trascendentales se dividen en métodos de
intervalos y en métodos abiertos.
Los métodos de intervalos aprovechan el hecho de que una función
en forma típica cambia de signo en la vecindad de una raíz. Reciben
dicho nombre debido a que se necesita de dos valores iniciales que
deben “encapsular” a la raíz. A través de este tipo de métodos se va
reduciendo gradualmente el tamaño del intervalo de manera que la
aplicación repetida de los métodos siempre generan aproximaciones
cada vez más cercanas al valor real de la raíz, por lo que se dice que
son métodos convergentes.
Los métodos abiertos, en contraparte, se basan en fórmulas que
requieren de un solo valor inicial x (aproximación inicial a la raíz).
Algunas veces, estos métodos se alejan del valor real de la raíz
conforme crece el número de iteraciones, es decir, divergen .
En esta unidad se estudiarán un método de intervalo conocido como
método de bisección y dos métodos abiertos: el método del punto fijo
y el método de Newton-Raphson.

2.1.1 Método de bisección

Este método, también conocido como método de partición del
intervalo, parte de una ecuación algebraica o trascendental f(x) y un
intervalo [x1, x2], tal que f(x1) y f(x2) tienen signos contrarios, es decir,
tal que existe por lo menos una raíz en ese intervalo.
Una vez determinado el intervalo [x1, x2] y asegurada la continuidad
de la función en dicho intervalo, se evalúa ésta en el punto medio xm
del intervalo. Si f(xm) y f(x1) tienen signos contrarios, se reducirá el
intervalo de x1 a xm, ya que dentro de estos valores se encuentra la
raíz buscada. Si f(xm) y f(x1) tienen el mismo signo, se reducirá el
intervalo de xm a x2. Al repetir este proceso hasta lograr que la
diferencia entre los dos últimos valores de xm será una buena
aproximación de la raíz.
El algoritmo del método es el que sigue:
1. Escoger los valores x1 y x2 del intervalo.
2. Comprobar la existencia de una raíz en el intervalo [x1, x2]
f ( x1 ) f ( x2 ) < 0
verificando que . De no ser así, será necesario
elegir otros valores para x1 y x2.
( x2 − x1 )
xm = x1 + f ( xm )
2
3. Tomar y calcular .
f ( xm )
4. Si =0 se encontró la raíz de la función (fin del método). De
lo contrario, ir al paso 5.
5. Sea T la tolerancia deseada (el margen de error aceptado). Si
( x2 − x1 )
2
<T se encontró una aproximación a la raíz con un
margen de error menor a T (fin del método). De lo contrario, ir
al paso 6.
f ( x1 ) f ( xm ) < 0 x2 = xm
6. Si , entonces hacer y repetir desde 3; de lo
x1 = xm
contrario, hacer y repetir desde 3.
Ejemplo. Determine la raíz real positiva de la siguiente función
considerando una tolerancia de 0.001 utilizando el método de
bisección.

f ( x) = x 3 − x − 1

Solución.
En la gráfica de la función puede apreciarse que la raíz real positiva
de la función se encuentra en el intervalo [1,2]:
x3-x-1

40

30

20

10

-10

-20

-30

-40
0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
x

f ( x1 ) = −1
Por tal motivo, escogemos x1=1 y x2=2. Al calcular y
f ( x2 ) = 5 f ( x1 ) f ( x2 ) = − 5 < 0
tenemos que , es decir, efectivamente
existe al menos una raíz en el intervalo.
x3-x-1

20

15
y

10

x1 x2
0 [ ]

0 0.5 1 1.5 2 2.5 3

x
Ahora, calculamos el punto medio del intervalo
( x2 − x1 ) 2 −1
xm = x1 + =1+ = 1.5
2 2

y evaluamos la función en ese punto

f ( xm ) = (1.5)3 − 1.5 − 1 = 0.875

x3-x-1

20

15
y

10

x1 xm x2
0 [ | ]

0 0.5 1 1.5 2 2.5 3

x

f ( xm ) ≠ 0
Como , es decir, no se ha encontrado la raíz y además
( x2 − x1 )
= 0.5
2
es mayor a la tolerancia deseada, procedemos a calcular
f ( x1 ) f ( xm )
el producto :
f ( x1 ) f ( xm ) = − 0.875

f ( x1 ) f ( xm ) < 0 x2 = xm
Esto es, y entonces hacemos
x2 = 0.5

xm
Repetimos el procedimiento partiendo del cálculo de .
 x3-x-1

20

15

y
10

x1 x2
0 [ ]

0 0.5 1 1.5 2 2.5 3

x

Como puede observarse, el intervalo en el que se encuentra la raíz se

ha reducido. Conforme se aplica el método el intervalo se va
reduciendo hasta que este es tan pequeño que es muy cercano al
valor real de la raíz.
A continuación se presenta una tabla que resume los resultados del
( x2 − x1 )
2
método. Podemos apreciar que en la décima iteración <T,
por lo que podemos concluir que una aproximación a la raíz es
1.32519532 con un margen de error del 0.1%.
x2 − x1
x1 x2 xm f ( xm ) f ( x1 ) f ( xm ) 2
i
1 1 2 1.5 0.875 -0.875 0.5
2 1 1.5 1.25 -0.296875 0.296875 0.25
3 1.25 1.5 1.375 0.22460938 -0.06668091 0.125
4 1.25 1.375 1.3125 -0.05151367 0.01529312 0.0625
5 1.3125 1.375 1.34375 0.08261108 -0.0042556 0.03125
6 1.3125 1.34375 1.328125 0.01457596 -0.00075086 0.015625
7 1.3125 1.328125 1.3203125 -0.01871061 0.00096385 0.0078125
1.3242187 0.0039062
8 1.3203125 1.328125 5 -0.00212795 3.9815E-05 5
1.3242187 1.3261718 0.0019531
9 5 1.328125 8 0.00620883 -1.3212E-05 3
1 1.3242187 1.3261718 1.3251953 0.0009765
0 5 8 2 0.00203666 -4.3339E-06 6

Aunque la convergencia del método está asegurada, ya que en el

intervalo debe existir la raíz, ésta es normalmente muy lenta y se
necesita un número grande de iteraciones para encontrar una buena
aproximación a la raíz.
2.1.1 Método del punto fijo
f ( x) = 0
Sea una ecuación algebraica o trascendental. Si sumamos x
en ambos miembros tenemos
f ( x) + x = x
…(2.1)
g ( x) = f ( x) + x
Sea (otra función). Sustituyendo en (2.1)
x = g ( x)
…(2.2)
Es decir, la raíz de la ecuación se encuentra en la intersección de
g(x)=x y g(x)=f(x) + x.
Si x=a es una raíz de x, entonces
f(a)=0
y al sustituir en la ecuación (2.2)
a=g(a) …(2.3)
x0
El método del punto fijo parte de un valor inicial cercano a la raíz
x0 = g ( x0 )

Y luego toma como siguiente aproximación

x1 = g ( x0 )

Al proceder reiteradamente en esta forma, se induce que la n-ésima

aproximación es
xn = g ( xn−1 ); n = 1, 2, 3,K

Para analizar la convergencia del método, retomemos la expresión

(2.3)
a=g(a)
g ( xn−1 ) g ( xn −1 ) = xn
Restando a ambos miembros y dado que
a − g ( xn −1 ) = g (a ) − g ( xn −1 )
a − xn = g (a ) − g ( xn −1 )

a − xn −1
=1
a − xn −1
Multiplicando ambos miembros por
 g ( a ) − g ( xn −1 )
a − xn = ( a − x n−1 )
a − xn −1
…(2.4)
Por el Teorema del Valor Medio, sabemos que
g ( a ) − g ( xn −1 )
g ′(τ ) = ; xn−1 < τ < a
a − xn −1

De manera que al sustituir en (2.4)

a − xn = g ′(τ ) ( a − xn −1 ) ; xn −1 < τ < a

Y
a − xn
g ′(τ ) = ; xn −1 < τ < a
a − xn −1

En valor absoluto:
a − xn
g ′(τ ) = ; xn −1 < τ < a
a − xn −1

g ′(τ ) < 1 a − xn < a − xn −1

Si , entonces y obviamente el valor absoluto
xn
de la diferencia entre la raíz a y la última aproximación es menor a
la diferencia entre la raíz a y la penúltima aproximación .
Entonces, si la n-ésima iteración converge:
a − xn
g ′(τ ) = < 1; xn −1 < τ < a
a − xn −1

es decir,
g ′(τ ) < 1; xn −1 < τ < a

En contraparte, el método es divergente si

a − xn > a − xn −1

Es decir, si
g ′(τ ) > 1; xn −1 < τ < a

xn xn −1
Ya que la aproximación se aleja más a la raíz a que .
 a − xn = a − xn −1
Por último, se dice que hay un estancamiento si , pues
la penúltima aproximación es igual a la última (el método no avanza,
pero tampoco se aleja).
g ′(τ ) < 1 g ′(τ ) > 1
Cabe señalar que los criterios de las derivadas y
para analizar la convergencia del método son válidos para una
iteración y para fines prácticos no es posible aplicarlos en cada una
de ellas. Por esta razón, simplemente se considerará que: existe
xn +1 − xn < xn − xn−1
convergencia si , existe divergencia si
xn +1 − xn > xn − xn −1 xn +1 − xn = xn − xn −1
y existe un estancamiento si .
Esto es, el método converge si la diferencia en valor absoluto entre
los valores proporcionados en dos iteraciones sucesivas es cada vez
más pequeña a medida que n aumente.
En resumen, la interpretación geométrica del método consiste en lo
x0
siguiente: partiendo de un valor inicial dirigirse verticalmente a la
curva y=g(x); de ésta, horizontalmente a la recta y=x; de nuevo
verticalmente a la curva, horizontalmente a la recta, etc.
El algoritmo del método es el que sigue:
x0
1. Escoger una aproximación inicial .
g ( x0 ) x0 = g ( x0 )
2. Calcular y hacer .
Sea n=1.
xn = g ( xn−1 )
3. Calcular .
xn +1 − xn xn − xn −1
4. Comparar con :
xn +1 − xn < xn − xn −1
a) Si , el método converge. Ir al paso 5.
xn +1 − xn > xn − xn −1
b) Si , el método diverge. Se detiene el
x0
método y se escoge una nueva aproximación .
xn +1 − xn = xn − xn −1
c) Si , el método se ha estancado. Se detiene
x0
el método y se escoge una nueva aproximación .
 Note que en la primera iteración no es posible aplicar aún este
criterio, por lo que se omite este paso y se continúa en 5.
xn − xn −1
5. Si =0, se encontró la raíz de la función (fin del método).
De lo contrario, ir al paso 6.
6. Sea T la tolerancia deseada (el margen de error aceptado). Si
xn − xn −1
<T se encontró una aproximación a la raíz con un
margen de error menor a T (fin del método). De lo contrario, ir
al paso 3 haciendo n=n+1.

e− x − x = 0
Ejemplo. Determina la raíz de la ecuación con el método del
punto fijo considerando una tolerancia de 0.001

Solución. Tenemos
f ( x) = e− x − x

Entonces
g ( x) = f ( x) + x
= e− x

g(x)=exp(x), g(x)=x

1
g(x)=exp(-x)
0.9
g(x)=x
0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

x

La gráfica de la ecuación muestra que el valor de la raíz es cercano a

x0 = 0.4
0.6, por lo que escogemos la aproximación inicial
g ( x0 )
Calculamos
g ( x0 ) = e −0.4 ≈ 0.67
 g(x)=exp(x), g(x)=x

1
g(x)=exp(-x)
0.9
g(x)=x
0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

x

x1 = g ( x0 ) ≈ 0.67
Y tenemos que
g(x)=exp(x), g(x)=x

1
g(x)=exp(-x)
0.9
g(x)=x
0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

x

x1 − x0 ≠ 0
Como , es decir, no se ha encontrado la raíz y además
x1 − x0 ≈ 0.27
es mayor a la tolerancia deseada, hacemos una nueva
iteración.
En la siguiente tabla se resumen los resultados al aplicar el método.
x2 − x1 x1 − x0
Al comparar las diferencias y se observa que
x2 − x1 < x1 − x0
, por lo que se concluye que el método converge. El
x11 − x10 < T
método se detuvo en la iteración 11 debido a que , por lo
que puede concluirse que 0.56748681 es una aproximación al valor
de la raíz con un margen de error del 0.1%.
 xn g ( xn ) xn − xn −1
n
0.6703200
0 0.4 5 -
0.6703200 0.5115448
1 5 3 0.27032005
0.5115448 0.5995686
2 3 3 0.15877521
0.5995686 0.5490484
3 3 3 0.0880238
0.5490484 0.5774990
4 3 8 0.0505202
0.5774990 0.5613003
5 8 8 0.02845065
0.5613003 0.5704667
6 8 6 0.0161987
0.5704667 0.5652615
7 6 4 0.00916638
0.5652615 0.5682115
8 4 2 0.00520522
0.5682115 0.5665377
9 2 8 0.00294998
1 0.5665377 0.5674868
0 8 1 0.00167374
1 0.5674868
1 1 0.5669485 0.00094903
2.1.1 Método de Newton-Raphson

xn
Este método parte de una primera aproximación y mediante la
aplicación de una fórmula recursiva se acerca a la raíz de la ecuación,
xn +1
de manera tal que la nueva aproximación se localiza en la
xn
intersección de la tangente a la curva de la función en el punto y el
eje de las abscisas.

y=f(x)

f(xn)

θ
a xn+1 xn

Sabemos que
tan(θ ) = f ′ ( xn )

Y que por definición

f ( xn )
tan(θ ) =
xn − xn+1

Es decir
f ( xn )
f ′( xn ) =
xn − xn+1

Y entonces
f ( xn )
xn +1 = xn − ; n = 0,1, 2,K
f ′( xn )

Para determinar en qué casos converge este método, se usará el

mismo criterio que en el del punto fijo:
 f ( x)
h( x ) = x −
f ′( x)

τ xn −1 < τ < a
Y si para una en el intervalo se cumple que
h′(τ ) < 1

entonces el método converge en la n-ésima iteración.

Para fines prácticos aplicaremos el mismo criterio de convergencia
que en el método del punto fijo.
Aunque el método casi siempre converge a la solución en un número
reducido de iteraciones, a continuación se enlistan algunos de los
casos de divergencia más comunes:
xn
1. Círculo vicioso. Cuando al utilizar se obtiene por la
xn+1
tangente un valor que al sustituir en la fórmula recursiva
xn
regresa al mismo valor .
2. Indeterminación. Cuando evaluamos la fórmula en un punto
donde la función tiene un máximo o un mínimo.
x0
3. Aparente divergencia. Cuando la aproximación inicial está
muy alejada del valor real de la raíz, es posible que en las
primeras iteraciones el método proporcione valores
aparentemente divergentes y, sin embargo, el método
conduzca después de algunas iteraciones a la solución.
La interpretación geométrica del método de Newton-Raphson es muy
x0
similar a la del punto fijo: a partir de una aproximación inicial , se
dirige una recta vertical hacia la curva y=f(x), se traza una tangente y
x1
se toma como el punto de intersección entra la tangente y el eje de
las abscisas; de nuevo, verticalmente a la curva, etc.
El algoritmo del método consiste en:
f ′( x )
1. Calcular .
x0
2. Escoger una aproximación inicial .
Sea n=0.
 f ( xn )
xn +1 = xn −
f ′( xn )
3. Evaluar .
xn +1 − xn xn − xn −1
4. Comparar con :
xn +1 − xn < xn − xn −1
a) Si , el método converge. Ir al paso 5.
xn +1 − xn > xn − xn−1
b) Si , el método diverge,
aparentemente. Se detiene el método y se escoge una
x0
nueva aproximación .
xn +1 − xn = xn − xn−1
c) Si , el método se ha estancado. Se
detiene el
método y se escoge una nueva
x0
aproximación .
Note que en la primera iteración no es posible aplicar aún
este criterio, por lo que se omite este paso y se continúa en
5.
xn − xn −1
5. Si =0, se encontró la raíz de la función (fin del
método). De lo contrario, ir al paso 6.
6. Sea T la tolerancia deseada (el margen de error aceptado).
xn − xn −1
Si <T se encontró una aproximación a la raíz con un
margen de error menor a T (fin del método). De lo contrario,
ir al paso 3 haciendo n=n+1.

Ejemplo. Obtén una raíz positiva de la siguiente ecuación empleando

el método de Newton-Raphson y considerando una tolerancia de
0.001.
2cos ( x) − e x = 0

Solución. Tenemos que

f ′( x ) = −2sen( x ) − e x

De manera que nuestra fórmula recursiva estará dada por

2 cos( xn ) − e xn
xn +1 = xn − ; n = 0,1, 2, K
−2 sen( xn ) − e xn
 2 cos (x)-exp(x)

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
x

En la gráfica puede apreciarse que el valor de la raíz se encuentra en

el intervalo [0.2,0.8] y escogemos 0.2, lo cual no representa
inconveniente alguno, pues en ese punto no existe ni un máximo ni
un mínimo de la función.
x1
Evaluamos ahora la fórmula para encontrar el valor de

Cabe señalar que los cálculos de las funciones trigonométricas están

dados en radianes.

2cos(x)-exp(x)

f(x)

x
x0=0.2 x1=0.66
 x1 − x0 ≠ 0
Como , es decir, no se ha encontrado la raíz y además
x1 − x0 ≈ 0.46
es mayor a la tolerancia deseada, hacemos una nueva
iteración.
En la siguiente tabla pueden apreciarse los resultados de cada
x2 − x1 x1 − x0
iteración. Al comparar las diferencias y se observa que
x2 − x1 < x1 − x0
, por lo que se concluye que el método converge. El
método encontró una aproximación al valor de la raíz en tan sólo
cuatro iteraciones 0.53978516, con un margen de error del 0.1%.

xn f ( x) f ′( x) xn +1 xn +1 − xn
n
0 0.2 0.7387304 -1.61874142 0.65636097 -
1 0.65636097 -0.34332806 -3.14824033 0.54730701 0.45636097
2 0.54730701 -0.02073363 -2.76937066 0.53982025 0.10905395
3 0.53982025 -9.6261E-05 -2.74366205 0.53978516 0.00748677
4 0.53978516 -2.1119E-09 -2.74354166 0.53978516 3.5085E-05

Raíces reales y complejas de un polinomio

Los métodos vistos hasta el momento permiten obtener las raíces
reales de ecuaciones algebraicas y trascendentales. Sin embargo,
ninguno de ellos permite el cálculo de las raíces complejas de los
mismos. Esta sección está dedicada al estudio de dos métodos que
permiten obtener las raíces, tanto reales como complejas, de un
polinomio.

Método de Lin
Este método en sí mismo no encuentra las raíces del polinomio, sino
una expresión de la cual pueden deducirse las raíces. La ventaja de
este método es que a través de éste pueden obtenerse todas las
raíces del polinomio, ya sean reales o complejas.
El método de Lin consiste en factorizar una ecuación de grado n en un
polinomio cuadrático por un polinomio de grado n-2, de manera que
se obtienen las raíces por parejas del factor cuadrático, y se repite el
procedimiento en tanto sea necesario.
P( x ) = 0
Sea una ecuación algebraica de la forma
P ( x) = a0 x n + a1 x n −1 + a2 xn −2 + K + an −1 x + an
…(2.5)
Obtengamos un factor cuadrático de la forma
x 2 + px + q

Y expresemos nuevamente (2.5)

P ( x ) = ( x 2 + px + q )(b0 x n −2 + b1 xn −3 + b2 xn −4 + K + bn−3 x + bn −2 ) + bn −1 x + bn
…(2.6)
bn −1 x bn
donde y son los residuos del polinomio.
bi ; i = 0,1, 2,K , n − 2
Para determinar los coeficientes del polinomio
reducido efectuamos la multiplicación en (2.6)
P( x) = b0 x n + pb0 x n −1 + qb0 x n − 2 + b1x n −1 + pb1x n −2 + qb1x n −3 +
b2 x n − 2 + pb2 x n−3 + qb2 x n − 4 + K + b n −3x 3 + pb n−3x 2 + qb n−3x +
bn − 2 x 2 + pbn− 2 x + qbn− 2 + bn−1x + bn
…(2.7)
Ahora, igualamos los coeficientes de las mismas potencias en (2.5) y
(2.7)
a0 = b0
a1 = b1 + pb0
a2 = b2 + pb1 + qb0
M
an −1 = bn −1 + pbn − 2 + qbn −3
an = bn + qbn − 2

Y despejando los coeficientes del polinomio reducido

b0 = a0
b1 = a1 − pb0
b2 = a2 − pb1 − qb0
M
bn −1 = an −1 − pbn −2 − qbn −3
bn = an − qbn − 2

De manera que los coeficientes del polinomio reducido están dados

por
bk = ak − pbk−1 − qbk−2; k =0,1, 2,K , n −2; b −1 =b −2 =0

Y los residuos por

bn−1 = an−1 − pbn− 2 − qbn− 3
bn = an − qbn− 2
 x 2 + px + q
Para que sea un factor del polinomio P(x) es necesario que
bn −1 bn
y sean iguales a cero
0 = an −1 − pbn− 2 − qbn− 3
0 = an − qbn − 2
…(2.8)
Despejando a p y q de (2.8):
an −1 − qbn −3
p=
bn − 2
a
q= n
bn − 2
…(2.9)
Si se conocen los valores de p y q podemos calcular los coeficientes
bi ; i = 0,1, 2,K , n − 2
del polinomio reducido.
A partir de valores iniciales para p y q y mediante un proceso iterativo
se determinan estos valores con la precisión que se requiera. Para
∆p ∆q
ello, se definen los incrementos y :
∆p = p *− p; ∆ q = q *− q
…(2.10)
Donde p* y q* son las nuevas aproximaciones de p y q,
respectivamente, y están dadas por (2.9)
an −1 − qbn −3
p* =
bn − 2
a
q* = n
bn − 2
…(2.11)
Sustituyendo (2.11) en (2.10)
an −1 − qbn −3
∆p = −p
bn − 2
a
∆q = n − q
bn − 2

O sea
an −1 − pbn − 2 − qbn −3 bn −1
∆p = =
bn − 2 bn− 2
a − qbn − 2 b
∆q = n = n
bn − 2 bn − 2
Esto es
bn −1
p* = p +
bn − 2
b
q* = q + n
bn − 2

bn −1 bn ∆p ∆q
El método converge cuando , , y tienden a cero, y para
cualquiera de ellos se puede fijar la tolerancia en el error.
bn − 2 = 0
Note que si no es posible aplicar el método.
El algoritmo del método consiste en los siguientes pasos:
1. Hacer p=q=0.
2. Calcular los coeficientes del polinomio reducido
bk = ak − pbk −1 − qbk −2 ; k = 0,1, 2,K , n −2; b−1 = b−2 =0

Y los residuos
bn−1 = an −1 − pbn − 2 − qbn −3
bn = an − qbn − 2

bn − 2 ≠ 0
3. Verificar que y calcular las nuevas aproximaciones de p
yq
bn −1
p* = p +
bn − 2
b
q* = q + n
bn − 2

bn − 2 = 0
Si se concluye que no es posible aplicar el método para
resolverle polinomio en cuestión.
4. Sea T la tolerancia deseada (el margen de error permitido). Si
p*−p q * −q
<T y <T se han encontrado aproximaciones a los
valores de p y q con un margen de error menor a T (fin del
método). De lo contrario es necesario hacer una nueva iteración
comenzando en el paso 2 haciendo p=p* y q=q*.
Ejemplo. Obtén una aproximación a las raíces del siguiente polinomio
aplicando el método de Lin considerando una tolerancia de 0.01 en
los valores de p y q y redondeo a tres cifras significativas:

x 4 − x3 + 6x2 − 3x + 4 = 0

Solución. Tenemos que

a0 = 1, a1 = −1, a 2 = 6, a 3 = −3, a 4 = 4; n = 4

Sean p=q=0 los valores iniciales.

Los coeficientes del polinomio reducido están dados por
b0 = a0 = 1
b1 = a1 − pb0 = ( −1) − (0)(1) = −1
b2 = a2 − pb1 − qb0 = (6) − (0)( −1) − (0)(1) = 6

los residuos, por

b3 = a3 − pb2 − qb1 = (− 3) − (0)(6) − (0)(− 1) = − 3
b4 = a4 − qb2 = (4) − (0)(− 6) = 4

bn − 2 = b2 ≠ 0
Como , puede aplicarse el método y las nuevas
aproximaciones son
b3
p* = p + = −0.5
b2
b
q* = q + 4 = 0.667
b2

p*−p q * −q
Tenemos entonces que =0.5 y que =0.667 y es
necesario que ambos valores sean menores a 0.01, por lo que es
necesario hacer una nueva iteración.
Los resultados de cada iteración se resumen en la siguiente tabla:
b0 b1 b2 b3 b4 p* q* p*− p q * −q
i
0 1 -1 6 -3 4 -0.5 0.667 0.5 0.667
1 1 -0.5 5.08 -0.127 0.612 -0.525 0.787 0.025 0.12
2 1 -0.475 4.96 -0.0222 0.0965 -0.529 0.806 0.004 0.019
3 1 -0.471 4.94 -0.00711 0.0184 -0.530 0.810 0.001 0.004
 P ( x ) = x 4 − x3 + 6 x2 − 3 x + 4 = 0
El polinomio puede expresarse entonces
como
P ( x ) = ( x 2 − 0.530 + 0.810)( x2 − 0.471 + 4.94) − 0.00711x + 0.0184 = 0

Como se alcanzó la tolerancia deseada, asumimos que el residuo se

puede despreciar, y tenemos que
P ( x ) = ( x 2 − 0.530 + 0.810)( x2 − 0.471 + 4.94) = 0

De donde puede concluirse que las raíces del polinomio son

x1 = 0.265 + i0.86, x 2 = 0.265 − i0.86, x 3 = 0.236 +i 2.21, x 4 =0.236 −i 2.21

Método de Bairstow
Este método depende de dividir el polinomio entre un factor
cuadrático. Sea P(x)=0, el polinomio general de grado n de la forma
P ( x) = a0 x n + a1 x n −1 + a2 xn − 2 + K + an −1 x + an

Sabemos que al obtener el factor cuadrático

x 2 + px + q

tenemos que
P ( x ) = ( x 2 + px + q )(b0 x n −2 + b1 xn −3 + b2 xn −4 + K + bn−3 x + bn −2 ) + bn−1 x + bn

Al igual que en el método de Lin, podemos concluir que

b0 = a0
b1 = a1 − pb0
b2 = a2 − pb1 − qb0
M
bn −1 = an −1 − pbn −2 − qbn −3
bn = an − qbn − 2

y que los coeficientes del polinomio reducido están dados por

bk = ak − pbk−1 − qbk−2; k =0,1, 2,K , n −2; b −1 =b −2 =0

y los residuos por

bn−1 = an−1 − pbn− 2 − qbn− 3
bn = an − qbn− 2
Bairstow estudió la posibilidad de encontrar aproximaciones de los
bn −1 bn
residuos y a través de una serie de Taylor para las variables
p* = p + ∆p q* = q + ∆q
independientes y :
δ bn −1 δb
bn −1 ( p*, q*) = bn −1 + ∆ p + n −1 ∆q
δp δq
δb δb
bn ( p*, q*) = bn + n ∆p + n ∆q
δp δq

Igualando a cero tenemos

δ bn −1 δb
∆p + n −1 ∆q = bn −1
δp δq

δ bn δb
∆p + n ∆q = bn
δp δq

∆p ∆q
De esta forma, pueden calcularse los valores de y al resolver el
sistema de ecuaciones lineales y, consecuentemente, obtener los
p* = p + ∆p q* = q + ∆q
valores de las nuevas aproximaciones y .
El algoritmo del método consiste en los siguientes pasos:
1. Hacer p=q=0.
2. Calcular los coeficientes del polinomio reducido
bk = ak − pbk−1 − qbk−2; k =0,1, 2,K , n −2; b −1 =b −2 =0

Y los residuos
bn−1 = an−1 − pbn− 2 − qbn− 3
bn = an − qbn− 2

bn −1 bn
3. Calcular las derivadas parciales de los residuos y :
δ bn −1 δ bn −1 δ bn δ bn
, , ,
δ p δq δ p δq

4. Resolver el sistema
 δ bn −1 δb
∆p + n −1 ∆q = bn −1
δp δq

δ bn δb
∆p + n ∆q = bn
δp δq

p* = p + ∆p
5. Obtener los valores de las nuevas aproximaciones y
q* = q + ∆q
.
6. Sea T la tolerancia deseada (el margen de error permitido). Si
p*−p q * −q
<T y <T se han encontrado aproximaciones a los
valores de p y q con un margen de error menor a T (fin del
método). De lo contrario es necesario hacer una nueva iteración
comenzando en el paso 2 haciendo p=p* y q=q*.

Ejemplo. Obtén una aproximación a las raíces del siguiente polinomio

aplicando el método de Bairstow considerando una tolerancia de 0.01
en los valores de p y q y redondeo a tres cifras significativas:

x 4 − x3 + 6x2 − 3x + 4 = 0

Solución. Tenemos que

a0 = 1, a1 = −1, a 2 = 6, a 3 = −3, a 4 = 4; n = 4

Sean p=q=0 los valores iniciales.

Los coeficientes del polinomio reducido están dados por
b0 = a0 = 1
b1 = a1 − pb0 = ( −1) − (0)(1) = −1
b2 = a2 − pb1 − qb0 = (6) − (0)( −1) − (0)(1) = 6

los residuos, por

b3 = a3 − pb2 − qb1 = (− 3) − (0)(6) − (0)(− 1) = − 3
b4 = a4 − qb2 = (4) − (0)(− 6) = 4

y las derivadas parciales, por

 δ b3 δ b3
= −b2 = −6.00; = −b1 = 1.00
δp δq
δ b4 δ b4
= 0.00; = −b2 = −6.00
δp δq

Resolviendo el sistema
−6.00∆p + 1.00∆ q = 3.00
0.00∆p − 6.00∆q = − 4.00

∆p = −0.389 ∆q = 0.667 p* = p + ∆p = − 0.389

tenemos que y . Entonces y
q* = q + ∆q = 0.667

p*−p q * −q
Se observa que =0.389 y que =0.667 y es necesario
que ambos valores sean menores a 0.01, por lo que es necesario
hacer una nueva iteración.
Los resultados de cada iteración se resumen en la siguiente tabla:
b0 b1 b2 b3 b4 p* q* p*− p q * −q
i
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 -0.0369 0.0301 -0.528 0.808 0.007 0.006

P ( x ) = x 4 − x3 + 6 x2 − 3 x + 4 = 0
El polinomio puede expresarse entonces
como
P ( x ) = ( x 2 − 0.528 + 0.808)( x2 − 0.479 + 4.95) − 0.0369 x + 0.0301 = 0

Como se alcanzó la tolerancia deseada, asumimos que el residuo se

puede despreciar, y tenemos que
P ( x) = ( x 2 − 0.528 + 0.808)( x2 − 0.479 + 4.95) = 0

De donde puede concluirse que las raíces del polinomio son

x1 = 0.264 + i0.86, x2 = 0.264 − i0.86, x3 = 0.240 + i2.21, x4 = 0.240 − i 2.21

Bibliografía
• Akai Terrence J., Métodos numéricos aplicados a la ingeniería.
México, Limusa Wiley, 2004.
• Burden Richard L. & Faires J. Douglas, Análisis numérico. 2ª. ed.,
México, Grupo Editorial Iberoamérica, 1993.
• Chapra Steven C. & Canale Raymond P., Métodos numéricos
para ingenieros. 4ª. ed., México, McGraw-Hill, 2003.
• Iriarte R. & Balderrama V., Métodos numéricos. México,
Facultad de Ingeniería U.N.A.M., Trillas, 1990.