Universidad de Cuenca

Facultad de Ingeniería
Escuela de Ingeniería Civil

Materia:
Métodos Numéricos

Elaborado por:
Rodrigo Guerrero Coronel

Profesor:
Ing. Lenin Campozano MSc.

Fecha:
Abril 08/2015
Cuenca – Ecuador
1.- Introducción.
El Presente informe pretende dar a conocer el funcionamiento del método de
Newton-Horner (utilizado para hallar ceros de funciones polinomiales), para ello será
necesario una breve explicación del algoritmo de Horner (división sintética).

Descripción del Informe:

Se comienza con una explicación del algoritmo de Horner para posteriormente
explicar el método de Newton-Horner, se verán los códigos utilizados y la aplicación
de los mismos en 3 ejercicios.

Objetivos:
-Aprender el funcionamiento del método Newton-Horner utilizado para hallar ceros
de funciones polinomiales.
-Poder interpretar los algoritmos que utilizan estos métodos programándolos en
MATLAB.
-Lograr aplicar correctamente el algoritmo.
2.- Desarrollo.
Ceros de Funciones
Algoritmo de Horner:
>> Es un algoritmo para evaluar de forma eficiente funciones polinómicas de una
forma monomial (que dependa de una sola variable).

Dado el polinomio:
𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 + ⋯ + 𝑎𝑛 𝑥 𝑛 ,
donde 𝑎0, 𝑎1, … 𝑎𝑛 son números reales, queremos evaluar el polinomio a un valor
específico de 𝑥 , digamos 𝑥0 .
Para llevar a cabo el procedimiento, definimos una nueva secuencia de constantes
como se muestra a continuación:
𝑏𝑛 = 𝑎𝑛
𝑏𝑛−1 = 𝑎𝑛−1 + 𝑏𝑛 𝑥0
⋮
𝑏0 = 𝑏𝑛 𝑎0 + 𝑏1 𝑥0
Entonces 𝑏0 es el valor de 𝑝(𝑥0 ).
Para ver cómo funciona esto, nótese que el polinomio puede escribirse de la forma
𝑝(𝑥) = 𝑎0 + 𝑥(𝑎1 + 𝑥(𝑎2 + ⋯ 𝑥(𝑎𝑛−1 + 𝑎𝑛 𝑥) + ⋯ ))

Después, sustituyendo iterativamente la 𝑏𝑖 en la expresión,

𝑝(𝑥0 ) = 𝑎0 + 𝑥0 (𝑎1 + 𝑥0 (𝑎2 + ⋯ 𝑥0 (𝑎𝑛−1 + 𝑏𝑛 𝑥0 ) + ⋯ ))
𝑝(𝑥0 ) = 𝑎0 + 𝑥0 (𝑎1 + 𝑥0 (𝑎2 + ⋯ 𝑥0 (𝑏𝑛−1 ) + ⋯ ))
⋮
𝑝(𝑥0 ) = 𝑎0 + 𝑥0 (𝑏1 )

𝑝(𝑥0 ) = 𝑏0
Este método permite evaluar efectivamente el polinomio 𝑝𝑛 en un punto 𝑧 usando
el siguiente algoritmo de división sintética.
𝑏𝑛 = 𝑎𝑛

𝑏𝑘 = 𝑎𝑘 + 𝑧 ∗ 𝑏𝑘+1
De este modo, dividiendo un polinomio 𝑝𝑛 ∈ 𝑃𝑛 para 𝑥 − 𝑧 se deduce de
que:
𝑝𝑛 (𝑥) = 𝑏0 + (𝑥 − 𝑧)𝑞𝑛−1 (𝑥; 𝑧),
habiendo denotado por 𝑞𝑛−1 el cociente y por 𝑏0 el resto de la división.
Si 𝑧 es una raíz de 𝑝𝑛 , entonces tenemos 𝑏0 = 𝑝𝑛 (𝑧) = 0 y por consiguiente
𝑝𝑛 (𝑥) = (𝑥 − 𝑧)𝑞𝑛−1 (𝑥; 𝑧). En este caso la ecuación algebraica 𝑞𝑛−1 (𝑥; 𝑧) = 0
proporciona las 𝑛 − 1 raíces restantes de 𝑝𝑛 (𝑥). Esta observación sugiere adoptar
el siguiente criterio de Deflación para calcular todas las raíces de 𝑝𝑛 :
Para 𝑚 = 𝑛, 𝑛 − 1, . . . , 1:
1. Hallar una raíz 𝑟𝑚 de pm con un método de aproximación apropiado;
2. Calcular 𝑞𝑚−1 (𝑥; 𝑟𝑚 ) utilizando el algoritmo de división sintética (habiendo
definido 𝑧 = 𝑟𝑚 );
3. Poner 𝑝𝑚−1 = 𝑞𝑚−1 .
Eficiencia del algoritmo Horner:
La evaluación usando la forma monomial del polinomio de grado-n requiere al
menos 𝑛 sumas y (𝑛2 + 𝑛)/2 multiplicaciones, si las potencias se calculan mediante
la repetición de multiplicaciones. El algoritmo de Horner sólo requiere n sumas
y n multiplicaciones. (Minimizar el número de multiplicaciones es lo más deseable
porque necesitan mucha carga computacional y son inestables comparadas con la
suma).
Se han demostrado que el algoritmo de Horner es óptimo, de modo que cualquier
algoritmo que se use para evaluar un polinomio requerirá como mínimo el mismo
número de operaciones.

>>Código utilizado en MATLAB para algoritmo de Horner:

function [y,b] = horner(coeficientes,z)
%Algoritmo de Horner (division sintetica).
n = length(coeficientes)-1; %Nos da el nuevo grado del polinomio
b = zeros(n+1,1); %Crea una matriz de nx1 donde se guardaran los nuevos
coeficientes
b(1) = coeficientes(1);
for j=2:n+1
b(j) = coeficientes(j)+b(j-1)*z; %Calcula y guarda los coeficiente del
nuevo polinomio o del polinomio asociado dependiendo cual sea el caso
end
y = b(n+1); %Nos devuelve el coeficiente b0
b = b(1:end-1) %Devuelve los coeficientes del polinomio o el polinomio
asociado dependiendo cual sea el caso
return
%La función devuelve el coeficiente b0 y un vector con los nuevos
coeficientes
>>Evaluar la función 𝑝(𝑥) = 2𝑥 2 − 5𝑥 + 6 𝑒𝑛 𝑥 = 2 utilizando el algoritmo de
Horner.

Método de Newton-Horner:

Como su nombre sugiere, el método de Newton-Horner implementa el

procedimiento de deflación utilizando el método de Newton para calcular las
raíces 𝑟𝑚 . La ventaja reside en el hecho de que la implementación del método de
Newton explota convenientemente el algoritmo de Horner. En realidad, si 𝑞𝑛−1 es
el polinomio asociado a 𝑝𝑛 , puesto que
𝑝′ 𝑛 (𝑥) = 𝑞𝑛−1 (𝑥; 𝑧) + (𝑥 − 𝑧)𝑞 ′ 𝑛−1 (𝑥; 𝑧),
se tiene
𝑝′𝑛 (𝑧) = 𝑞𝑛−1 (𝑧; 𝑧).
Gracias a esta identidad, el método de Newton-Horner para la aproximación de una
raíz (real o compleja) 𝑟𝑗 de 𝑝𝑛 (𝑗 = 1, . . . , 𝑛) toma la siguiente forma: dada una
(0)
estimación inicial 𝑟𝑗 de la raíz, calcular para cada 𝑘 ≥ 0 y hasta la convergencia

Ahora utilizamos la técnica de deflación, explotando el hecho de que

𝑝𝑛 (𝑥) = (𝑥 − 𝑟𝑗 )𝑝𝑛−1 (𝑥). Entonces procedemos a la aproximación de un cero de
𝑝𝑛−1 y así sucesivamente hasta que sean procesadas todas las raíces de 𝑝𝑛 .Nótese
que, cuando 𝑟 𝑗 ∈ C , es necesario realizar el cálculo en aritmética compleja tomando
(0)
𝑟𝑗 con parte imaginaria no nula. Caso contrario, el método de Newton-Horner
(𝑘)
generaría una sucesión 𝑟𝑗 de números reales.
function [n_raices,n_errores,n_iteraciones]= newtonhorner(coeficientes,x0
,tolerancia,iter_max)
%Metodo de Newton-Horner
%newtonhorner(Vector con los coeficientes del Polinomio,Valor
inicial,Tolerancia,# iteraciones maxima)
%Dado un valor inicial el metodo se detiene para cada raiz encontrada
%despues de el numero de iteraciones maxima o despues de que el error
(diferencia entre dos iteraciones consecutivas) sea
%menor que la tolerancia
if nargin==2 %Si el numero de argumentos es 2, se da 2 argumentos por
defecto para la funcion
tolerancia=1.e-04; iter_max = 100;
elseif nargin==3 %Si el numero de argumentos es 3, completa 1 argumento
por defecto
iter_max=100;
end %Caso Contrario trabaja con los 4 argumentos de la funcion dados
n=length(coeficientes)-1; %Nos da el numero de raices a calcular
n_iteraciones=zeros(n,1); %Crea una matriz de 5x1 donde se guardaran el
numero de iteraciones de cada raiz calculada
n_raices = zeros(n,1); %Crea una matriz de 5x1 donde se guardaran las
futuras raices
n_errores=zeros(n,1); %Crea una matriz de 5x1 donde se guardaran los
errores de cada raiz
%Iteraciones de Newton
for k=1:n
error=tolerancia+1;
x=x0;
n_iter=0; %Contador de iteaciones encerado
while n_iter<=iter_max & error >= tolerancia
[pz,b] = horner(coeficientes,x);
[dpz ,b] = horner(b,x);
xnew=x-(pz/dpz); %Calcula la nueva raiz
error=abs(xnew -x); %Calculo del error
n_iter=n_iter + 1;
x=xnew;
end
if n_iter>=iter_max
fprintf('El metodo no converge para el numero maximo de
iteraciones\n');
end
%Deflacion
[pz,coeficientes] = horner(coeficientes,x);
n_raices(k)=x; %Guarda las raices calculadas
n_iteraciones(k)=n_iter; %Guarda el numero de iteraciones realizadas al
calcular cada raiz
n_errores(k)=error; %Guarda los errores
end
return
%La función Devuelve las raíces,los errores y las iteraciones
>>Hallar las raíces del siguiente polinomio 𝑝(𝑥) = 4𝑥 2 − 5𝑥 +1 con un 𝑥0 = 2
utilizando el método de Newton-Horner.

>>Hallar las raíces del siguiente polinomio 𝑝(𝑥) = 6𝑥 6 + 5𝑥 5 −14𝑥 4 + 𝑥 3 + 2𝑥 2

con un 𝑥0 = 2 utilizando el método de Newton-Horner.
Conclusiones:

-Una de las ventajas de este método es que puede operar con números
imaginarios (complejos).
-La pérdida de precisión es bastante evidente para el cálculo de la raíz múltiple, y
se hace menos relevante a medida que la multiplicidad crece.
-El método de Newton explota al máximo el algoritmo de Horner para el cálculo de
raíces de funciones polinomiales.