Metodo de Muller

MÉTODO DE MULLER
Este es un método para encontrar las raíces de ecuaciones polinomiales de la forma general:
f n ( x)  a 0  a1 x  a 2 x 2  .......  a n x n
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 ecuación de orden n, hay n raíces reales o complejas. Se debe notar que esas raíces no son necesariamente
distintas.
 Si n es impar, hay al menos una raíz real.
 Si las raíces complejas existen, existe un par conjugado.
Antecedentes
Los polinomios tienen muchas aplicaciones en ciencia e ingeniería, como es el caso de su utilización en ajuste de curvas.
Sin embargo, se considera que una de las aplicaciones mas interesantes y potentes es en los sistemas dinámicos,
particularmente en los lineales.
El polinomio mas conocido en el mundo científico, es el denominado, ecuación característica, que es de la forma:
a 2 x 2  a1 x  a 0  0
Donde las raíces de este polinomio satisfacen:
 a1  a12  4a 2 a 0
x1, 2 
2a 0
También denominados eigenvalores del sistema. Los eigenvalores pueden utilizarse para analizar un sistema, para nuestro
caso es muy útil en lo concerniente a la estabilidad. Con base en lo anterior, encontrar las raíces en sistemas de segundo
orden es prácticamente sencillo, pero para sistemas de orden superior, puede resultar en un arduo trabajo.
El método
Un predecesor del método de Muller, es el método de la secante, el cual obtiene raíces, estimando una proyección de una
línea recta en el eje x, a través de dos valores de la función (Figura 1). El método de Muller toma un punto de vista similar,
pero proyecta una parábola a través de tres puntos (Figura 2).
El método consiste en obtener los coeficientes de los tres puntos, sustituirlos en la fórmula cuadrática y obtener el punto
donde la parábola intercepta el eje x. La aproximación es fácil de escribir, en forma conveniente esta sería:
f 2 ( x)  a( x  x2 ) 2  b( x  x2 )  c
f(x) Línea recta
x
Raíz
estimada
x
X1 X0 X
Raíz
Figura 1
f(x) Parábola
0
Raíz 0
x x
X2 X1 X0 X
Raíz
estimada
Figura 2
Así, se busca esta parábola para intersectar los tres puntos [x0, f(x0)], [x1, f(x1)] y [x2, f(x2)]. Los coeficientes de la ecuación
anterior se evalúan 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  x2 ) 2  b( x1  x2 )  c
f ( x2 )  a( x2  x2 ) 2  b( x2  x2 )  c
La última ecuación genera que, f ( x2 )  c , de esta forma, se puede tener un sistema de dos ecuaciones con dos
incógnitas:
f ( x0 )  f ( x 2 )  a( x0  x 2 ) 2  b( x0  x 2 ) f ( x1 )  f ( x2 )  a( x1  x2 )  b( x1  x2 )
2
Definiendo de esta forma:

h0  x1  x0 h1  x2  x1
f ( x1 )  f ( x2 ) f ( x2 )  f ( x1 )
0  1 
x1  x0 x2  x1
Sustituyendo en el sistema:
(h0  h1 )b  (h0  h1 ) 2 a  h0 0  h1 1
h1b  h1 a  h1 1
2
Teniendo como resultado los coeficientes:

1   0 b  ah1  1 c  f ( x2 )
a
h1  h0
Hallando la raiz, se implementar la solución convencional, pero debido al error de redondeo potencial, se usará una
formulación alternativa:
 2c  2c
x3  x 2  despejando x3  x 2 
b  b  4ac
2
b  b 2  4ac
La gran ventaja de este método es que se pueden localizar tanto las raíces reales como las imaginarias.
Hallando el error este será:
x3  x 2
Ea   100%
x3
Al ser un método de aproximación, 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
Programa
Por ser un método que trabaja de forma lineal, es posible una aplicación computacional en forma sencilla, la cual sería:
SubMuller (xr, h, eps, maxit)

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
f ( x)  x 3  13x  12 h = 0,1
x2 = 5 x1 = 5,5 x0 =4,5
Con un análisis previo, las raíces son –3, -1 y 4
Solución
f ( 4,5)  20,625 f (5,5)  82,875 f (5)  48

Calculando
h0  5,5  4,5  1 h1  5  5,5  0,5
82,875  20,625 48  82,875
0   62,25 1   69,75
5,5  4,5 5  5,5
Hallando los coeficientes
69,75  62,25
a  15 b  15(0,5)  69,75  62,25 c  48
 0,5  1
La raíz cuadrada del discriminante es:

62,25 2  4  15  48  31,544
Así
 2  48
x3  5   3,9765
62,25  31,544
Y el error estimado
 1,0235
Ea   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 5
1 3,9465 25,740
2 4,0011 0,614
3 4,0000 0,026
4 4,0000 0,000

Metodo de Muller

Cargado por

Copyright:

Formatos disponibles

Metodo de Muller

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodo de Muller

Cargado por

Copyright:

Formatos disponibles

MÉTODO DE MULLER

Definiendo de esta forma:

Teniendo como resultado los coeficientes:

SubMuller (xr, h, eps, maxit)

f ( 4,5)  20,625 f (5,5)  82,875 f (5)  48

La raíz cuadrada del discriminante es:

Haciendo uso de un programa y realizando diferentes iteraciones:

También podría gustarte