Está en la página 1de 17

MTODOS NUMRICOS

MTODO DE EULER Y MTODO DE RUNGE-KUTTA

LARA GONZALEZ ADRIAN


GRUPO: 4Y6
NUM. DE LISTA: 13
FECHA DE ENTREGA: 27-Mayo-2014

CALIFICACIN:

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina2/17

METODO DE EULER
Introduccin
Las ecuaciones diferenciales aparecen naturalmente al modelar situaciones fsicas en
las ciencias naturales, ingeniera, y otras disciplinas, donde hay envueltas razones
de cambio de una varias funciones desconocidas con respecto a una
varias variables independientes. Estos modelos varan entre los ms sencillos que
envuelven una sola ecuacin diferencial para una funcin desconocida, hasta otros ms
complejos que envuelven sistemas de ecuaciones diferenciales acopladas para varias
funciones desconocidas.
Por ejemplo, la ley de enfriamiento de Newton y las leyes mecnicas que rigen
el movimiento de los cuerpos, al ponerse en trminos matemticos dan lugar a ecuaciones
diferenciales. Usualmente estas ecuaciones estn acompaadas de una condicin adicional
que especifica el estado del sistema en un tiempo o posicin inicial. Esto se conoce como
la condicin inicial y junto con la ecuacin diferencial forman lo que se conoce como
el problema de valor inicial. Por lo general, la solucin exacta de un problema de valor
inicial es imposible difcil de obtener en forma analtica. Por tal razn
los mtodos numricos se utilizan para aproximar dichas soluciones. En este caso
utilizaremos los mtodos de Euler y Euler mejorado.

Descripcin del mtodo


En matemtica y computacin, el mtodo de Euler, llamado as en honor de Leonhard
Euler, es un procedimiento de integracin numrica para resolver ecuaciones diferenciales
ordinarias a partir de un valor inicial dado.
El mtodo de Euler es el ms simple de los mtodos numricos para resolver un problema
del siguiente tipo:

Consistente en ir incrementando paso a paso la variable independiente y hallando la


siguiente imagen con la derivada.

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina3/17

La primera derivada proporciona una estimacin directa de la pendiente en Xi (ver Grfico


N01).

Donde f (Xi, Yi) es la ecuacin diferencial evaluada en Xi y Yi, Tal estimacin podr
substituirse en la ecuacin, nos queda que:

Esta frmula es conocida como el mtodo de Euler (punto medio). Se predice un nuevo
valor de Y por medio de la pendiente (igual a la primera derivada en el valor original de
X).

Procedimiento:
Consiste en dividir los intervalos que va de

en

subintervalos de ancho

de manera que se obtiene un conjunto discreto de


puntos:
intervalo de inters
. Para cualquiera de estos puntos se cumple que:
.

; o sea:

del

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina4/17

La condicin inicial
, representa el punto
por donde pasa la
curva solucin de la ecuacin del planteamiento inicial, la cual se denotar
como
.
Ya teniendo el punto
tanto:

se puede evaluar la primera derivada de

en ese punto; por lo

Con esta informacin se traza una recta, aquella que pasa por
y de pendiente
.
Esta recta aproxima
en una vecindad de . Tmese la recta como reemplazo
de
y localcese en ella (la recta) el valor de correspondiente a . Entonces,
podemos deducir segn la Grfica:

Se resuelve para

Es evidente que la ordenada calculada de esta manera no es igual a


, pues existe
un pequeo error. Sin embargo, el valor
sirve para que se aproxime
en el
punto
y repetir el procedimiento anterior a fin de generar la sucesin de
aproximaciones siguiente:

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina5/17

Anlisis de error para el mtodo de Euler:


La solucin de las Ecuaciones diferenciales por medio de mtodos numricos involucra
varios tipos de errores:
Error del Mtodo (Error de Truncamiento Local y Global): Este se debe a que,
cmo la aproximacin de una curva mediante una lnea recta no es exacta, se comete un
error propio del mtodo.
Local: Es la diferencia que se produce entre el valor real de la funcin y el aproximado
mediante la recta tangente -en lugar de moverse por la curva- suponiendo que el punto
desde el que partimos -donde se cruzan la curva real y la recta que la aproxima- no tiene
error alguno.

Propagado: Acumulacin de errores por las aproximaciones producidas durante los


pasos previos acumuladas. Es decir, ya no se supone que el punto del cual partimos donde se cruzan la curva real y la recta que la aproxima- no tena error sino que
asumimos que dicho error existe y que se propaga de paso en paso. Dicha propagacin
es, en el peor de los casos, lineal. La suma de los dos es un error global.

Redondeo/Truncamiento: Resultado del nmero lmite de cifras significativas que


puede retener una computadora. Ya que el nmero de dgitos utilizados para hacer los
clculos es finito y los nmeros representados puede que no lo sean (es decir, nmeros
con infinita cantidad de dgitos). Al limitar los nmeros con infinita cantidad de dgitos
-mediante truncamiento o redondeo- a nmeros con finita cantidad de dgitos estamos
cometiendo un error extra.

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina6/17

Ejemplo
Dada la siguiente ecuacin diferencial con la condicin inicial:

Aproximar

NOTA
Primero observamos que esta ecuacin s puede resolverse por mtodos tradicionales de
ecuaciones diferenciales. Por ejemplo, podemos aplicar el mtodo de separacin de
variables. Veamos las dos soluciones.
Solucin Analtica.

Sustituyendo la condicin inicial:

Por lo tanto, tenemos que la curva solucin real est dada:

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina7/17

Y por lo tanto, el valor real que se pide es:

Solucin Numrica
Aplicamos el mtodo de Euler y para ello, observamos que la distancia
entre
y
no es lo suficientemente pequea. Si elegimos esta distancia entre
cinco obtenemos un valor de
y por lo tanto, obtendremos la aproximacin deseada
en cinco pasos.
De esta forma, tenemos los siguientes datos:

Sustituyendo estos datos en la formula de Euler,


paso:

tenemos, en un primer

Aplicando nuevamente la formula de Euler, tenemos, en un segundo paso:

Y as sucesivamente hasta obtener

. Resumimos los resultados en la siguiente tabla:

n
0

0.1

0.2

1.02

0.3

1.0608

0.4

1.12445

0.5

1.2144

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina8/17

Concluimos que el valor aproximado, usando el mtodo de Euler es:

Puesto que en este caso, conocemos el valor verdadero, podemos usarlo para calcular el
error relativo porcentual que se cometi al aplicar la formula de Euler. Tenemos que:

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina9/17

METODOS DE RUNGE-KUTTA
Descripcin del mtodo
En anlisis numrico, los mtodos de Runge-Kutta son un conjunto de mtodos genricos
iterativos, explcitos e implcitos, de resolucin numrica de ecuaciones diferenciales. Este
conjunto de mtodos fue inicialmente desarrollado alrededor del ao 1900 por los
matemticos C. Runge y M. W. Kutta.
Los mtodos de Runge-Kutta (RK) son conjuntos de mtodos iterativos (implcitos y
explcitos) para la aproximacin de soluciones de ecuaciones diferenciales ordinarias,
concretamente, del problema de valor inicial.
Sea
Una ecuacin diferencial ordinaria, con
abierto, junto con la condicin de que el valor inicial de sea

donde

es un conjunto

Entonces el mtodo RK (de orden s) tiene la siguiente expresin, en su forma ms general:


,
Donde h es el paso por iteracin, o lo que es lo mismo, el incremento
entre los
sucesivos puntos y
. Los coeficientes son trminos de aproximacin intermedios,
evaluados en de manera local

Con
coeficientes propios del esquema numrico elegido, dependiente de la regla
de cuadratura utilizada. Los esquemas Runge-Kutta pueden ser explcitos o implcitos
dependiendo de las constantes
del esquema. Si esta matriz es triangular inferior con
todos los elementos de la diagonal principal iguales a cero; es
decir,
para
, los esquemas son explcitos.

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina10/17

Variantes del mtodo;


Existen variantes del mtodo de Runge-Kutta clsico, tambin llamado Runge-Kutta
explcito, tales como la versin implcita del procedimiento o las parejas de mtodos
Runge-Kutta (o mtodos Runge-Kutta-Fehlberg).
Este ltimo consiste en ir aproximando la solucin de la ecuacin mediante dos algoritmos
Runge-Kutta de rdenes diferentes, para as mantener el error acotado y hacer una buena
eleccin de paso.

Mtodos de Runge-Kutta de cuarto orden:


Un miembro de la familia de los mtodos Runge-Kutta es usado tan comnmente que a
menudo es referenciado como RK4 o como el mtodo Runge-Kutta.
Definiendo un problema de valor inicial como:
Entonces el mtodo RK4 para este problema est dado por la siguiente ecuacin:

Donde

As, el siguiente valor (yn+1) es determinado por el presente valor (yn) ms el producto del
tamao del intervalo (h) por una pendiente estimada. La pendiente es un promedio
ponderado de pendientes, donde es la pendiente al principio del intervalo,
es la
pendiente en el punto medio del intervalo, usando para determinar el valor de y en el
punto
usando el mtodo de Euler. es otra vez la pendiente del punto medio, pero
ahora usando para determinar el valor de y; es la pendiente al final del intervalo, con
el valor de y determinado por . Promediando las cuatro pendientes, se le asigna mayor
peso a las pendientes en el punto medio:

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina11/17

Esta forma del mtodo de Runge-Kutta, es un mtodo de cuarto orden lo cual significa que
el error por paso es del orden de
, mientras que el error total acumulado tiene el
orden
. Por lo tanto, la convergencia del mtodo es del orden de
, razn por la
cual es usado en los mtodos computacionales.

Ejemplo 1:
Determine y (0.5) utilizando el mtodo de Runge-Kutta de cuarto orden, en el intervalo de
inters [0, 0.5], en 5 intervalos.
PVI { y =4e0.8x 0.5y ; y(0) =2 ; y(0.5) =? }
h =0.5 0 / 5

h =0.1

por lo tanto x0 =0, x1 =0.1, x2 =0.3, x4 =0.4, x5 =0.5

ITERACIN I
K1 =f [0, 2] =4e(0.8*0) (0.5 * 2)
K1 =3
K2 =f [0 +0.1/2, 2 +(0.1 *3) /2] =f [0.05, 2.15] =4e(0.8*0.05) (0.5 * 2.15)
K2 =3.088243
K3 =f [0 +0.1/2, 2 +(0.1 *3.088243) /2] =f [0.05, 2.154412]
K3 =4e(0.8*0.05) (0.5 * 2.154412)
K3 =3.086037
K4 =f [0 +0.1, 2 +(0.1 *3.086037)] =f [0.1, 2.308603]
K4 =4e(0.8*0.1) (0.5 * 2.308603)
K4 =3.178846
y1(0.1) =2 +{0.1 /6 [3 +(2 *3.088243) +(2 *3.086037) +3.178846]}
y1(0.1) =2.308790

i =0 ; x0 =0 ; y0 =2

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina12/17

ITERACIN II

i =1 ; x1 =0.1 ; y1 =2.308790

K1 =f [0.1, 2.308790] =4e(0.8*0.1) (0.5 * 2.308790)


K1 =3.178753
K2 =f [0.1 +0.1/2, 2.308790 +(0.1 *3.178753) /2] =f [0.15, 2.467727]
K2 =4e(0.8*0.15) (0.5 * 2.467727)
K2 =3.276123
K3 =f [0.1 +0.1/2, 2.308790 +(0.1 *3.276123) /2] =f [0.15, 2.472596]
K3 =4e(0.8*0.15) (0.5 * 2.472596)
K3 =3.273689
K4 =f [0.1 +0.1, 2.308790 +(0.1 *3.273689)] =f [0.2, 2.636158]
K4 =4e(0.8*0.2) (0.5 * 2.636158)
K4 =3.375964

y2(0.2) =2.308790 +{0.1 /6 [3.178753 +(2 *3.276123) +(2 *3.273689) +3.375964]}


y2(0.2) =2.636362

ITERACIN III

i =2 ; x2 =0.2 ; y2 =2.636362

K1 =f [0.2, 2.636362] =4e(0.8*0.2) (0.5 * 2.636362)


K1 =3.375862
K2 =f [0.2 +0.1/2, 2.6366362 +(0.1 *3.375862) /2] =f [0.25, 2.805155]
K2 =4e(0.8*0.25) (0.5 * 2.805155)
K2 =3.483033

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina13/17

K3 =f [0.2 +0.1/2, 2.636362 +(0.1 *3.483033) /2] =f [0.25, 2.810513]


K3 =4e(0.8*0.25) (0.5 * 2.810513)
K3 =3.480354
K4 =f [0.2 +0.1, 2.636362 +(0.1 *3.480354)] =f [0.3, 2.984397]
K4 =4e(0.8*0.3) (0.5 * 2.984397)
K4 =3.592798

y3(0.3) =2.636362 +{0.1 /6 [3.375862 +(2 *3.483033) +(2 *3.480354) +3.592798]}


y2(0.3) =2.984619

ITERACIN IV

i =3 ; x3 =0.3 ; y3 =2.984619

K1 =f [0.3, 2.984619] =4e(0.8*0.3) (0.5 * 2.984619)


K1 =3.592687
K2 =f [0.3 +0.1/2, 2.984619 +(0.1 *3.592687) /2] =f [0.35, 3.164253]
K2 =4e(0.8*0.35) (0.5 * 3.164253)
K2 =3.710392
K3 =f [0.3 +0.1/2, 2.984619 +(0.1 *3.710392) /2] =f [0.35, 3.170138]
K3 =4e(0.8*0.35) (0.5 * 3.170138)
K3 =3.707450
K4 =f [0.3 +0.1, 2.984619 +(0.1 *3.707450)] =f [0.4, 3.355364]
K4 =4e(0.8*0.4) (0.5 * 3.355364)
K4 =3.830829

y4(0.4) =2.984619 +{0.1 /6 [3.592687 +(2 *3.710392) +(2 *3.707450) +3.830829]}


y2(0.4) =3.355606

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina14/17

ITERACIN V

i =4 ; x4 =0.4 ; y4 =3.355606

K1 =f [0.4, 3.355606] =4e(0.8*0.4) (0.5 * 3.355606)


K1 =3.830708
K2 =f [0.4 +0.1/2, 3.355606 +(0.1 *3.830708) /2] =f [0.45, 3.547141]
K2 =4e(0.8*0.45) (0.5 * 3.547141)
K2 =3.959747
K3 =f [0.4 +0.1/2, 3.355606 +(0.1 *3.959747) /2] =f [0.45, 3.553593]
K3 =4e(0.8*0.45) (0.5 * 3.553593)
K3 =3.956521
K4 =f [0.4 +0.1, 3.355606 +(0.1 *3.956521)] =f [0.5, 3.751258]
K4 =4e(0.8*0.5) (0.5 * 3.751258)
K4 =4.091669

y5(0.5) =3.355606 +{0.1 /6 [3.830708 +(2 *3.959747) +(2 *3.956521) +4.091669]}

La solucin requerida es

y5(0.5) =3.751521

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina15/17

Ejemplo 2:

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina16/17

INSTITUTO TECNOLOGICO DE VERACRUZ


Mtodos Numricos
Pgina17/17

Bibliografa:

Nieves, Antonio (2007). Mtodos numricos aplicados a la ingeniera. Grupo editorial


Patria. ISBN 978-970-817-080-2.

Shoichiro Nakamura, "Mtodos numricos aplicados con software",1992.

Creese, T.M. y R.M. Maralick,Ecuaciones diferenciales para ingenieros, Mc Graw


hill,1978.

Constantin, A., Aplicaciones de metodos numericos,Mac Graw hill, 1987.

S.C. Chapra,Metodos numricos para ingenieros5ta. Edicin. Mac Graw hill

www.wikipedia.org