meroMtodo de Muller Este es un mtodo para encontrar las races de ecuaciones polinomiales de la forma general: Donde n es el orden del

polinomio y las a son coeficientes constantes. Continuando con los polinomios, estos cumplen con las siguientes reglas: Para la ecuacin de orden n, hay n races reales o complejas. Se debe notar que esas races no son necesariamente distintas. Si n es impar, hay al menos una raz real. Si las races complejas existen, existe un par conjugado. Antecedentes Los polinomios tienen muchas aplicaciones en ciencia e ingeniera, como es el caso de su utilizacin en ajuste de curvas. Sin embargo, se considera que una de las aplicaciones mas interesantes y potentes es en los sistemas dinmicos, particularmente en los lineales. El polinomio mas conocido en el mundo cientfico, es el denominado, ecuacin caracterstica, que es de la forma:

f(x)

Parbola 0 0

f n ( x ) = a 0 + a1 x + a 2 x + ....... + a n x
2

Raz

x x

X2

X1

X0

Raz estimada Figura 2 As, se busca esta parbola para intersectar los tres puntos [x0, f(x0)], [x1, f(x1)] y [x2, f(x2)]. Los coeficientes de la ecuacin anterior se evalan al sustituir uno de esos tres puntos para dar:

f ( x 0 ) = a ( x 0 x 2 ) 2 + b( x 0 x 2 ) + c
f ( x1 ) = a ( x1 x 2 ) 2 + b( x1 x 2 ) + c

f ( x 2 ) = a ( x 2 x 2 ) 2 + b( x 2 x 2 ) + c
La ltima ecuacin genera que,

f ( x 2 ) = c , de esta

a 2 x 2 + a1 x + a 0 = 0
Donde las races de este polinomio satisfacen:

forma, se puede tener un sistema de dos ecuaciones con dos incgnitas:

f ( x 0 ) f ( x 2 ) = a ( x 0 x 2 ) 2 + b( x 0 x 2 )

x1, 2 =

2 a1 a1 4a 2 a 0

f ( x1 ) f ( x 2 ) = a ( x1 x 2 ) 2 + b( x1 x 2 )
Definiendo de esta forma:

2a 0

Tambin denominados eigenvalores del sistema. Los eigenvalores pueden utilizarse para analizar un sistema, para nuestro caso es muy til en lo concerniente a la estabilidad. Con base en lo anterior, encontrar las races en sistemas de segundo orden es prcticamente sencillo, pero para sistemas de orden superior, puede resultar en un arduo trabajo. El mtodo Un predecesor del mtodo de Muller, es el mtodo de la secante, el cual obtiene races, estimando una proyeccin de una lnea recta en el eje x, a travs de dos valores de la funcin (Figura 1). El mtodo de Muller toma un punto de vista similar, pero proyecta una parbola a travs de tres puntos (Figura 2). El mtodo consiste en obtener los coeficientes de los tres puntos, sustituirlos en la frmula cuadrtica y obtener el punto donde la parbola intercepta el eje x. La aproximacin es fcil de escribir, en forma conveniente esta sera:

h0 = x1 x 0

h1 = x 2 x1
1 =
f ( x 2 ) f ( x1 ) x 2 x1

f ( x1 ) f ( x 2 ) 0 = x1 x 0
Sustituyendo en el sistema:

(h0 h1 )b (h0 + h1 ) 2 a = h00 + h11

h1b h1 a = h11
2

Teniendo como resultado los coeficientes:

a=

1 0
h1 + h0

b = ah1 + 1

c = f ( x2 )

Hallando la raiz, se implementar la solucin convencional, pero debido al error de redondeo potencial, se usar una formulacin alternativa:

x3 x 2 =

2c

b b 2 4ac

despejando

f 2 ( x ) = a ( x x 2 ) 2 + b( x x 2 ) + c
f(x) Lnea recta x Raz estimada x

x3 = x 2 +

2c

b b 2 4ac

La gran ventaja de este mtodo es que se pueden localizar tanto las races reales como las imaginarias. Hallando el error este ser:

Ea =

x3 x 2 100 % x3

x Raz

Al ser un mtodo de aproximacin, este se realiza de forma secuencial e iterativamente, donde x1, x2, x3 reemplazan los puntos x0, x1, x2 llevando el error a un valor cercano a cero X0 X Programa Por ser un mtodo que trabaja de forma lineal, es posible una aplicacin computacional en forma sencilla, la cual sera: SubMuller (xr, h, eps, maxit)

X1 Figura 1

x2 = xr x1 = xr + h*xr x0 = xr h*xr Do iter = iter + 1 h0 = x1 + x0 h1 = x2 x1 d0 = (f(x1)-f(x0))/h0 d1 = (f(x2)-f(x1))/h1 a = (d1 d0)/(h1 + h0) b = a*h1 +d1 c = f(x2) rad = sqrt (b*b 4*a*c) if I b+ rad I > l b - rad l then den = b + rad Else den = b rad End if dxr = -2*c/den xr = x2 + dxr Print iter, xr IF (Idxrl<eps*xr or iter>maxit) exit x0 = x1 x1 = x2 x2 = xr End do End Muller Ejemplo

3 4 Mtodo de Newton

4,0000 4,0000

0,026 0,000

Es una tcnica para encontrar el valor ptimo (mximo o mnimo), de una funcin de una variable, f(x). Para esta clase de anlisis se debe tener cuidado con los sistemas multimodal, en los cuales existen valores ptimos globales y locales. Para la gran mayora de los casos, los estudios se centran en los globales. El mtodo Como antecedente para la explicacin del mtodo, se tiene el mtodo de Newton-Raphson, el cual es un mtodo abierto que encuentra la raz de x, tal que f(x) = 0, el mtodo se resume as:

xi +1 = xi

f ( xi ) f (xi )

Haciendo uso de este planteamiento para hallar un ptimo de f(x), al definir una nueva funcin g(x) = f(x), as, como el mismo valor ptimo x*, satisface:

f (x*) = g ( x*) = 0 f (xi ) f (xi )

Se utilizar la siguiente formulacin, para hallar mximos o mnimos:

f ( x) = x 3 13 x 12

h = 0,1

x2 = 5 x1 = 5,5 x0 =4,5 Con un anlisis previo, las races son 3, -1 y 4 Solucin

xi +1 = xi

f ( 4,5) = 20 ,625
Calculando

f (5,5) = 82 ,875

Este es un mtodo abierto y similar al NewtonRaphson, ya que no requiere valores iniciales que contengan el ptimo. Adems, comparte la desventaja de poder ser divergente. Como anotacin, es conveniente verificar que la segunda derivada tenga el signo correcto, para confirmar que la tcnica converge sobre el valor deseado. Programa El mayor problema a afrontar es la no-linealidad que involucra la derivada, la ventaja es que algunas herramientas computacionales tienen directamente la funcin de la derivada, por lo cual el seudocdigo es de muy fcil implementacin SubNewton (xi, xr, eps, maxit) xr = xi Do iter = iter + 1 gx = fx hx = gx div = gx / hx xi = xr - div dxi = (xi xr) / xi Print (iter, xr) IF (Idxil<eps*xr or iter>maxit) exit Xr = xi End do End Newton

f (5) = 48

82 ,875 20 ,625 = 62 ,25 5,5 4,5 48 82 ,875 1 = = 69 ,75 5 5,5

h0 = 5,5 4,5 =1 h1 = 5 5,5 = 0,5

0 =

Hallando los coeficientes

a=

b = 15( 0,5) + 69,75 = 62,25 c = 48

La raz cuadrada del discriminante es:

69 ,75 62 ,25 = 15 0,5 +1

62 ,25 2 4 15 48 = 31,544
As

x3 = 5 +

2 48 = 3,9765 62 ,25 + 31,544

Y el error estimado

Ea =

1,0235 100 % = 25,74 % x3

Ahora x2 = 3,9765 x1 = 5 x0 =5,5 Haciendo uso de un programa y realizando diferentes iteraciones: i xr Ea % 0 1 2 5 3,9465 4,0011 25,740 0,614 Ejemplo

Hallar el mximo de:

f ( x ) = 2 sen ( x )
= 2,5 Solucin

x2 10

con un valor inicial de x0

f ( x) = 2 cos( x)

x 5

f ( x) = 2 sen ( x)
xi +1 = xi

1 5

Sustituyendo en la formulacin de Newton:

2 cos( x i ) x i / 5 2 sen ( x i ) 1 / 5

x1 = 2,5

2 cos( 2,5) 2,5 / 5 = 0,995 2 sen ( 2,5) 1 / 5 2 cos( 0,995 ) 0,995 / 5 = 1,469 2 sen (0,995 ) 1 / 5
f(x) -1,379 -1,878 -2,190 -2,180

Reemplazando en la ecuacin, f(0,995)=1,579; la segunda iteracin ser:

x1 = 0,995

Realizando diferentes iteraciones: i x f(x) f(x) 0 2,5 0,572 -2,102 1 0,995 1,579 0,890 2 1,469 1,774 -0,091 3 1,427 1,776 -0,000