4

ESCUELA SUPERIOR POLITCNICA DE CHIMBORAZO

FACULTAD DE INFORMTICA Y ELECTRNICA
ESCUELA DE ELECTRNICA CONTROL Y REDES INDUSTRIALES
CARRERA EN ELECTRNICA CONTROL Y REDES INDUSTRIALES
PORTAFOLIO DE METODOS UMERICOS

DATOS INFORMATIVOS
Nombres y Apellidos:
Direccin domiciliaria:
Telfono:
Correo
electrnico
institucional y personal:
Cdigo:
Fecha:
II CONTENIDOS:

Henry Fabricio Gonzlez Gavilanes

Luz Eliza Borja y Pichincha
0979884187
henryfggf@gmail.com

447
04 de febrero del 2016

Silabo

Planificacin

Materia
El clculo de las races de las ecuaciones es un problema que se ha tenido
que enfrentar par eso sean elaborado diversos mtodos ya que al
determinar las races de una ecuacin tambin lograremos mximos y
mnimos, valores propios de matrices, resolver sistemas de ecuaciones
lineales y diferenciales, etc.
Un mtodo consiste en graficar la funcin y ubicar el punto donde la grfica
intercepta al eje de las abscisas o eje x. El punto ubicado x es el valor de la
raz donde f(x)=0.
Pero el mtodo grafico no es preciso por eso de elaboro otros mtodos ms
efectivos capaces de ayudarnos en el campo de la ingeniera, pues son
frecuentes en reas de diseo, clculos para la optimizacin de recursos y
otros.
Para el estudio podemos organizar los mtodos de la siguiente manera:
1. Mtodos Abiertos
1.1.
MTODO DE NEWTON RAPHSON
El mtodo de Newton o tambin llamado mtodo de Newton-Raphson
es uno de los mtodos ms tiles y mejor conocido para aproximar el
cero de una funcin.
Suponga que c es un cero de f , es decir, f(c)=0 y que x0 es una
aproximacin de c. El polinomio de Taylor de grado uno para f
alrededor de x0 y su correspondiente residuo es:

z esta entre x0 y x.
Si en la ecuacin (1) se reemplaza x por c y usando el hecho que f(c)
= 0, se obtiene:

Si x0 est suficientemente cerca de c, entonces en el ltimo sumando

de la ecuacin (2) el trmino (c - x0)2ser pequeo, comparado con
la suma de los dos primeros trminos.
Si se desprecia este trmino se puede usar la expresin (2) para
encontrar una aproximacin al cero de f.

Despejando c en la ecuacin anterior, resulta:

El mtodo de Newton comienza con una aproximacin inicial x0 del

cero de la funcin a partir de la cual se define una sucesin {xn} de
aproximaciones definida por:

Ejemplo:
Para aproximar una solucin de la ecuacin 3x+ senx-ex, se puede
tomarf(x)=3x+senx-ex. Observe quef(0) = -1 yf(1) = 1.123189,
segn el teorema del valor intermedio existe un cero defen el
intervalo [0,1].
Si se aplica el mtodo de Newton comenzando conx0= 0 se tiene:

Los criterios de parada mencionados en el mtodo de biseccin

tambin se pueden usar en el mtodo de Newton.
1.2.
MTODO DE NEWTON-RAPHSON MODIFICADO
La dificultad del mtodo de Newton Raphson mejorado en el
comportamiento de una funcin con races mltiples obliga a
considerar una modificacin del mtodo discutido por Ralston. Como
primero se desean encontrar las races de una funcin f(x). Definimos
una funcin nueva U(x), dada por:

Se observa que la funcin U(x) tiene las mismas races que f(x), entonces
U(x) se vuelve cero en cualquier punto que f(x) es cero.
Suponiendo ahora que f(x) tiene una raz mltiple en x = c de multicidad r.
Esto podra ocurrir, por ejemplo, si f(x) contiene un factor (x-c) .
Entonces, podra fcilmente demostrarse que U(x) tiene una raz en x = c de
multicidad r, o una raz simple. Puesto que el mtodo de Newton Raphson es
efectivo para races simples, podemos aplicar el mtodo de Newton para
resolver U(x) en lugar de f(x). De esta manera, la ecuacin recursiva de este
mtodo queda:

Derivando la funcin auxiliar U(x), dada por ( 3-11),queda:

Esto puede producir convergencia en alguno de los arreglos y

divergencia en el otro.es posible saber de antemano si la primera o la
segunda forma convergirn para el caso de sistemas de dos
ecuaciones, pero cuando 3 <= n las posibilidades son varias (n!) y es
imposible conocer cul de estos arreglos tiene viabilidad de
convergencia, por lo cual la eleccin se convierte en un proceso
aleatorio. Esta aleatoriedad es la mayor desventaja de este mtodo.
Para una ecuacin polinmica de grado n, se tienen n races (entre
complejas y reales).

Se dice que hay una raz doble, cuando 2 trminos de la ecuacin son
iguales a cero a un valor de x.
Se dice que hay una raz triple, cuando 3 trminos de la ecuacin son
iguales a cero a un valor de x.
Cuando la cantidad de races es impar, la funcin cruza al eje; cuando
la cantidad es par, no lo cruza.
Una raz mltiple corresponde a un punto donde una funcin es
tangencial al eje x, y varios valores de x hacen que f(x) sea cero.

Para este mtodo en particular son necesarios los siguientes

parmetros:
1) Xi
2) F(Xi)
3) F(Xi)
4) F(Xi)
Ya que este mtodo est significativamente relacionado con el
mtodo de Newton-Raphson, cuando la derivada tiende a cero, tiene
problema con la convergencia.
Cuando se tiene existencia de races mltiples, tanto el mtodo de
Newton-Raphson como el de la secante convergen linealmente.

1.3.
MTODO DE LA SECANTE
El mtodo de la secante, es otro mtodo para aproximar el cero de
una funcin en el que en cada iteracin se evala la funcin y no la
derivada. A continuacin se presenta este mtodo.
Utiliza la misma frmula del Mtodo de Newton:

pero en lugar de utilizar la derivada f (xn), este valor se aproxima por

Al reemplazar esta aproximacin de f (xn) en la frmula de Newton

resulta:

Ya que el clculo de xn+1 requiere conocer xn y xn-1 , se debe dar al

principio dos aproximaciones iniciales x0 y x1.
La
interpretacin
geomtrica del mtodo de la
secante es similar a la del
mtodo de Newton. La recta
tangente a la curva se
reemplaza por una recta
secante. El cero de f se
aproxima por el cero de la
recta secante a f. Si x0 y x1
son
las
aproximaciones
iniciales, la aproximacin x2
es la interseccin de la recta
que une los puntos (x0,
f(x0)) y (x1,f(x1)). La aproximacin x3 es la interseccin de la recta
que une los puntos (x1, f(x1)) y (x2, f(x2)) y as sucesivamente.
Ejemplo:
Efecte tres iteraciones del mtodo de la secante para la funcin f(x)
= xsenx - 1 con x0=1 y x1=2.

Para este caso f(x4) = -0.000896772969

|f(x4)| < 0.0009.
Este ejercicio se resolvi con el mtodo de biseccin en la seccin
anterior y en la novena iteracin |f(x9)| = 0.001216...
El mtodo de la secante converge a la solucin ms lentamente que
el mtodo de Newton, pero tiene la ventaja de no usar la derivada en
cada iteracin.
1.4.
MTODO DE LA SECANTE MODIFICADA
En teora, es muy similar al mtodo de la Secante, salvo por unos
pequeso detalles, los cuales nombraremos a continuacin.
Para poder resolver mediante el mtodo de la secante modificada,
primero se aproxima la derivada de la funcin con un mtodo de
cambio fraccionario de la variable.

Luego de eso, se reemplaza en la ecuacin de Newton-Raphson.

Con lo que se obtiene la formula de la secante modificada:

Ntese que ahora solo se requiere un valor de X inicial y el valor del

cambio fraccionario.
Ejemplo:
-

Problema 6.7 (Chapra, Canale):

Calcule la raz real de x3.3=79, con el mtodo de la secante
modificado que cumpla con Es=0.1%. Intente diferentes valores de
y analice los resultados.
Solucin:
Para =0.01;

Iteraci
n

x=3.758707344

xi

xi+
xi

xi+1

Es(%
)

3.5

3.78
03
3.75
89

3.53
5
3.81
81
3.79
64

3.780
3
3.758
9
3.758
7

0.5
0.00
5

Para =0.1; x=3.758707344

Iteraci
n

xi

xi+
xi

xi+1

Es (
%)

3.5

3.85

3.772
3

3.77
23

4.14
95

3.759
2

0.3

3.75
92

4.13
51

3.758
7

0.01

1.5.
MTODO DEL PUNTO FIJO
El Mtodo de Punto Fijo (tambin conocido como iteracin de punto
fijo), es otro mtodo para hallar los ceros de f(x). Para resolver f(x) =
0, se reordena en una forma equivalente:
f(x) = 0
x - g(x) = 0
x = g(x)
Observe que si c es un cero de f(x), f(c)=0 y c=g(c). (Siempre que se
tenga c=g(c) se dice que c es un punto fijo de la funcin g). Para
aproximar un cero de f se utiliza la iteracin de punto fijo (1) xn+1 =
g(xn) , n = 0, 1, 2, 3, . . .
donde x0 es una aproximacin inicial del cero de f.
Ejemplo:
f(x) = x2 - 2x - 3 = 0, tiene dos ceros. x = 3 y x = -1
Supngase que se reordena para lograr la forma equivalente:

Si se comienza con x0 = 4 y se itera con la iteracin de punto fijo (1),

los valores sucesivos de x son:

parece que los valores convergen a x = 3.

Otro reordenamiento de f(x) = 0 es:

Si nuevamente se comienza con x0 = 4, los valores sucesivos de x

son:

parece que ahora x converge al otro cero de f, x = -1.

Considrese un tercer reordenamiento

Comenzando de nuevo con x0 = 4 se obtiene:

x0 = 4
x1 = 6.5
x2 = 19.625
x3 = 191.070
resulta evidente que las iteraciones son divergentes.
La diferencia en el comportamiento de los tres reordenamientos se
puede apreciar considerando las grficas en los tres casos. El punto
fijo de x = g(x) es la interseccin de la recta y = x, y la curva y =
g(x). En la figura 5.5 se presentan los tres casos. Se comienza en el
eje x con x0, se efecta un desplazamiento vertical hacia la curva,

luego uno horizontal hacia la recta y = x, luego uno vertical hacia la

curva y nuevamente una horizontal hacia la recta. Este proceso se
repite hasta que los puntos en la curva convergen a un punto fijo o
bien divergen. Parece que los diferentes comportamientos dependen
de que la pendiente de la curva sea mayor, menor o de signo opuesto
a la pendiente de la recta (que es igual a 1).
1.6.
MTODO DEL PUNTO FIJO PARA RACES MLTIPLES
Empezaremos estudiando este mtodo, conociendo primero qu son
las races mltiples.
Las races mltiples son determinados de ecuaciones polinmicas que
tienen la forma general:
fx = a0 + a1x + a2x2 + ... + anxn
Donde n es el grado del polinomio y son los coeficientes. Las races
de los polinomios pueden ser reales y / o complejos, y cumplir con las
tres reglas:
* En una ecuacin de grado n, hay n races reales o complejas.
Cabe sealar que las races no son necesariamente diferentes.
* Si n es impar hay al menos una raz real.
* Si hay races complejas, estas se encuentran en pares
conjugados.

El mtodo de punto fijo o de aproximaciones sucesivas es, junto con

el de Biseccin, uno de los primeros mtodos que se utilizaron para
resolver ecuaciones algebraicas y trascendentes.
Sea F(x) = 0 una ecuacin algebraica o trascendente cualquiera. Se
suma x en ambos miembros y se obtiene:
(1)F(x)

+ x

donde el miembro izquierdo es otra funcin de x que se define como

(2) G(x) +

= x

Se sustituye en la ecuacin (1):

(3)x

= G(x)

Obsrvese ahora que cualquier ecuacin puede representarse en esta

forma, siguiendo el procedimiento anterior.
Si x = a es una raz de la ecuacin, entonces
F (a)

=0

o bien, al sustituir en la ecuacin (3)

a = G (a)

El mtodo de aproximaciones sucesivas consiste en sustituir un valor

inicial (x0) apropiado (cercano a la raz) en el segundo miembro de la
ecuacin (3). Si x0 es la raz, se deber cumplir la ecuacin (4); esto
es:
x0 = G(xo)
pero esto ser difcil de que ocurra; seguramente el valor inicial
principal proporcionado xo ser solo un valor cercano a la raz.
Entonces, en el caso general:
x0 =/ G(x0)

o bien,

x1 = G(x0)

donde x1 es la nueva aproximacin de la raz a. se sustituye x1 en el

segundo miembro de la ecuacin (3) y se obtiene:
x2 = G(x1)
Al proceder reiteradamente en esta forma se induce que la n-sima
aproximacin es:
Xn = G(Xn-1)
n = 1,2,3,.....
De acuerdo con lo visto en los temas anteriores, puede afirmarse que
si el mtodo converge, la diferencia en valor absoluto entre valores
proporcionados en dos iteraciones sucesivas ser cada vez ms
pequea a medida que n aumente, y con esto se tendr un criterio
para saber cundo termina la aplicacin del mtodo.
Es posible afirmar que si en la n-sima iteracin el mtodo se est
aproximando a la raz o converge a ella, entonces:
|G(t)| = |a - Xn| / |a - Xn-1| <1
Es decir, el mtodo es convergente si:
|G(t)|<1

Xn-1<t<a

Esto significa que el mtodo converge en la n-sima iteracin cuando

el valor absoluto de la derivada de G(x) en cualquier punto del
intervalo (Xn-1, a) es menor que la unidad.
Recordar que el mtodo de Punto Fijo, nos dice que, solo podr haber
y tener un nico punto o raz.

1. Interpolacin Lineal
Dados dos puntos (xk, yk) y (xk+1, yk+1), si se desea encontrar un valor de
y para una x dada dentro de un intervalo, se utiliza la siguiente ecuacin
(por tringulos semejantes)

y despejando para y, tenemos

2. Polinomio Interpolador de Lagrange

Las condiciones que se tienen son las mismas que para el polinomio
nico; sin embargo, la forma

donde bk(x) es un polinomio de grado n. El polinomio Pn(x) cumple

con las siguientes restricciones:

Si desarrollamos el polinomio Pn(xi), tenemos:

generando (n + 1) ecuaciones:

Examinando las ecuaciones, se observa que si los bk(x) se definen

como

las ecuaciones se logran satisfacer.

Ya que cada bk(x) es un polinomio de grado n que tiene distintas
races en x0, x1, x2,..., xk1, xk+1, . . ., xn, ste se puede expresar
de la siguiente forma:

y las constantes Kk se pueden determinar evaluando bk(x) en x = xk;

esto es:

Como sabemos que bk(xk)= 1 de la ecuacin 5.11, esto nos lleva a

despejar Kk:

y sustituyendo en la definicin de los b k(x) (ecuacin 5.13), tenemos:

y variando k = 0, . . . , n y sustituyendo en la definicin del polinomio

(ecuacin 5.7):

que es el polinomio clsico de interpolacin de Lagrange. Utilizando

notacin ms compacta:

y el polinomio de Lagrange lo podramos representar de la siguiente

forma:

3. Polinomio de Interpolacin de Newton

El polinomio de interpolacin de Newton de forma hacia adelante se
puede determinar asumiendo la siguiente forma:
donde los coeficientes ck, k = 0, . . . , n se determinan al cumplir con
las restricciones Pn(xi) = yi, i = 0, . . . , n.
Los coeficientes ck se pueden calcular en trminos de:
Diferencias finitas hacia adelante
Diferencias finitas hacia atrs
Diferencias finitas centradas

3.1. Diferencias hacia Adelante

Considere el conjunto de valores (xi, yi), i = 0, . . . , n. Los valores
yi se obtienen de evaluar una funcin f(xi). Las diferencias se
definen como:

Estas diferencias reciben el nombre de diferencias de primer orden

de f(x) sobre el intervalo (x0, xn). Ahora podemos definir las
diferencias de las diferencias de primer orden, esto es, diferencias
de segundo orden, como:
En general, para diferencias de orden k-simo, se tiene:
En general, se puede probar que

Donde

es la frmula del coeficiente binomial.

El mtodo asume valores de xi equidistantemente espaciados, es
decir, (xj xi) = (j i)h. De esta forma, se puede sustituir en las
ecuaciones generadas (restricciones) para obtener:

Resolviendo el sistema anterior (sustitucin hacia adelante) y

utilizando la relacin de diferencias hacia adelante de orden ksimo, se obtiene:

y sustituyendo en el polinomio, obtenemos:

que aproxima a y = f(x) en el intervalo [x0, xn].

Como se puede observar, los coeficientes del polinomio se pudieron
obtener directamente de la tabla de diferencias y dividendo por k!hk.

3.2. Diferencias hacia Atrs

Similarmente puede escribirse

diferencias hacia atrs.

la

frmula

de

Newton

Para algunos trminos de la serie

De igual forma se puede expresar todo en trminos de f .

4. Mtodo Interpolacin de Diferencias Divididas

con

Las derivadas de f(x) y las diferencias finitas estn ntimamente

relacionadas. Para demostrarlo, vamos primero a expresar la funcin
f(x) en trmino de diferencias divididas. La expresin

podemos reescribirla como

A su vez, podemos escribir

que podemos reescribir como

Repitiendo este proceso n-veces, llegamos a la expresin

Los n primeros trminos constituyen el polinomio interpolador, dado

por la frmula de Newton, y por lo tanto, el ltimo trmino es el
trmino de error. Tenemos por consiguiente la relacin:

de donde deducimos la siguiente relacin entre las diferencias

divididas y las derivadas:

5. Integracin Numrica

Las frmulas de Newton-Cotes son los tipos de integracin numrica

ms comunes. Se basan en la estrategia de reemplazar una funcin
complicada o datos tabulados por un polinomio de aproximacin que
es fcil de integrar:

Donde fn (x) = es un polinomio de la forma:

donde n es el grado del polinomio. La integral tambin se puede

aproximar usando un conjunto de polinomios aplicados por pedazos a
la funcin o datos, sobre segmentos de longitud constante.

5.1. Regla del Trapecio

Corresponde al caso donde el polinomio de la ecuacin anterior, es

de primer grado:

La cual integramos, y logramos como resultado:

5.2. Regla del Trapecio de aplicacin mltiple

Una forma de mejorar la precisin de la regla del trapecio consiste
en dividir el intervalo de integracin de a a b en varios segmentos,
y aplicar el mtodo a cada uno de ellos. Las reas de los
segmentos se suman despus para obtener la integral en todo el
intervalo. Las ecuaciones resultantes se llaman frmulas de
integracin, de aplicacin mltiple o compuestas.
En consecuencia, existen n segmentos del mismo ancho:

Si a y b se designan como x0 y xn, respectivamente, la integral

completa se representar como

Sustituyendo la regla del trapecio en cada integral se obtiene

Escribiendo de manera mas general, tenemos:

5.3. Regla de Simpson 1/3

La regla de Simpson 1/3 resulta cuando un polinomio de

interpolacin de segundo grado se sustituye en la ecuacin

Si se designan a y b como x 0 y x2, y f2(x) se representa por un

polinomio de Lagrange de segundo grado, la integral se
transforma en

Despus de la integracin y de las manipulaciones algebraicas, se

obtiene la siguiente frmula:

5.4. Regla de Simpson 1/3 de aplicacin mltiple

As como en la regla del trapecio, la regla de Simpson se mejora al
dividir el intervalo de integracin en varios segmentos de un
mismo tamao.

La integral total se puede representar como

Al sustituir la regla de Simpson 1/3 en cada integral se obtiene

Reescribindola tenemos:

5.5. Regla de Simpson 3/8

De manera similar a la obtencin de la regla del trapecio y

Simpson 1/3, es posible ajustar un polinomio de Lagrange de
tercer grado a cuatro puntos e integrarlo:

Para obtener

donde h = (b a)/3. Esta ecuacin se llama regla de Simpson 3/8

debido a que h se multiplica por 3/8. La regla 3/8 se expresa
tambin en la forma de la ecuacin

6. Diferenciacin Numrica

Como se indica antes, se pueden generar frmulas por diferencias

divididas de alta exactitud tomando trminos adicionales en la
expansin de la serie de Taylor. Por ejemplo, la expansin de la serie
de Taylor hacia adelante se escribe como

de la que se despeja

Truncamos este resultado al excluir los trminos de la segunda

derivada en adelante y nos quedamos con un resultado final,

Ahora retendremos, en cambio, el trmino de la segunda derivada

sustituyendo la siguiente aproximacin de la segunda derivada

o, al agrupar trminos:

Observe que al incluir el trmino de la segunda derivada mejora la

exactitud a O(h2).
Es posible desarrollar versiones similares mejoradas para las frmulas
hacia adelante y centradas, as como para las aproximaciones de
derivadas de orden superior.

DIFERENCIAS HACIA ADELANTE

DIFERENCIAS HACIA ATRS

DIFERENCIAS CENTRALES

Deberes

Pruebas
Primer parcial

Segundo parcial

Tercer parcial

Trabajo de investigacin

ESCUELA SUPERIOR POLITCNICA DE CHIMBORAZO

FACULTAD DE INFORMTICA Y ELECTRNICA
ESCUELA DE INGENIERA ELECTRNICA EN CONTROL Y REDES
INDUSTRIALES

MTODOS NUMRICOS
TRABAJO DE INVESTIGACIN

ECUACIONES DIFERENCIALES NUMRICAS:

Mtodos de Runge-Kutta

GRUPO #2
INTEGRANTES:
Henry Gonzales

447

Andrs Santander

325

Cristian Reyes

335

Lissette Carraza

731

Kenny Ramrez

395

SEMESTRE
4to A

PERODO
Octubre 2015 Febrero 2016

1. TEMA: Ecuaciones Diferenciales Numricas: Mtodos de Runge-Kutta.

2. OBJETIVOS:
2.1.
Objetivo General
- Desarrollar un trabajo investigativo acerca del funcionamiento de las
Ecuaciones Diferenciales Numricas.
2.2.
Objetivos Especficos
- Estudiar, investigar y dar a conocer los diferentes mtodos de RungeKutta.
- Establecer las diferencias, ventajas y desventajas entre los mtodos
de Runge-Kutta.
- Exponer todo lo investigado ante los compaeros, y realizar la
respectiva explicacin de cada caso.

3. MARCO TERICO
3.1.
Mtodos de Runge-Kutta de Primer Orden.
Los mtodos de Runge-Kutta (RK) logran la exactitud del procedimiento
de la serie de Taylor sin necesitar el clculo de derivadas de orden
superior. Existen muchas variantes, pero todas tienen la forma
generalizada de la ecuacin (1):

y i+1= yi + h
y i+1= yi + ( xi , y i , h) h
donde

Ec. 1
Ec. 2

( x i , y i , h) se conoce como funcin incremento, la cual

puede interpretarse como

=a1 k 1+ a2 k 2 ++a n k n

Ec. 3

donde las a son constantes y las k son

k 1=f ( x i , y i )
k 2=f (x i + p1 h , y i +q 11 k 1 h)

Ec.3a
Ec.3b

k 2=f ( x i + p2 h , y i +q 21 k 1 h+ q22 k 2 h)

Ec.3c

.
.
.

k n =f (x i + pn1 h , y i +q n1,1 k 1 h+q n1,2 k 2 h+ +qn 1, n1 k n1 h)

Ec.3d

donde las p y las q son constantes. Observe que las k son relaciones
de recurrencia. Es decir, k1 aparece en la ecuacin k2, la cual aparece
en la ecuacin k3, etctera.
Como cada k es una evaluacin funcional, esta recurrencia vuelve
eficientes a los mtodos RK para clculos en computadora.
Es posible tener varios tipos de mtodos de Runge-Kutta empleando
diferentes nmeros de trminos en la funcin incremento especificada
por n. Observe que el mtodo de Runge-Kutta (RK) de primer orden
con n = 1 es, de hecho, el mtodo de Euler. Una vez que se elige n, se
evalan las a, p y q igualando la ecuacin (2) a los trminos en la
expansin de la serie de Taylor (cuadro 1). As, al menos para las
versiones de orden inferior, el nmero de trminos, n, por lo comn
representa el orden de la aproximacin.
Por ejemplo, en la siguiente seccin, los mtodos RK de segundo
orden usan la funcin incremento con dos trminos (n = 2). Esos
mtodos de segundo orden sern exactos si la solucin de la ecuacin
diferencial es cuadrtica. Adems, como los trminos con h3 y
mayores se eliminan durante la deduccin, el error de truncamiento
local es O(h3) y el global es O(h2). En secciones subsecuentes
desarrollaremos los mtodos RK de tercer y cuarto rdenes (n = 3 y 4,
respectivamente). En tales casos, los errores de truncamiento global
son O(h3) y O(h4).
3.2.

Mtodos de Runge-Kutta de Segundo Orden

La versin de segundo orden de la ecuacin (1) es

y i+1= yi +(a1 k 1 +a2 k k 2) h

Ec. 4

donde:

k 1=f ( x i , y i )

Ec.4a

k 2=f (x i + p1 h , y i +q 11 k 1 h)

Ec.4b

Como se describe en el cuadro 1, los valores de a1, a2, p1 y q11 se

evalan al igualar
la ecuacin (4) con la expansin de la serie de Taylor hasta el trmino
de segundo orden. Al hacerlo, desarrollamos tres ecuaciones para
evaluar las cuatro constantes desconocidas. Las tres ecuaciones son:

a1 +a 2=1
a2 P1=

1
2

Ec. 5
Ec. 6

a2 q11 =

1
2

Ec. 7

Cuadro. 1 Deduccin de los mtodos de Runge-Kutta de segundo orden. *

Como tenemos tres ecuaciones con cuatro incgnitas, debemos dar el valor
de una de estas incgnitas para determinar las otras tres. Suponga que
damos un valor para a2. Entonces se resuelven de manera simultnea las
ecuaciones (5) a (7) obteniendo:

a1=1a2
p1=q 11=

1
2 a2

Ec. 8
Ec. 9

Debido a que podemos elegir un nmero infinito de valores para a 2, hay un

nmero infinito de mtodos RK de segundo orden. Cada versin dara
exactamente los mismos resultados si la solucin de la EDO fuera
cuadrtica, lineal o una constante. Sin embargo, se obtienen diferentes
resultados cuando (como tpicamente es el caso) la solucin es ms
complicada. A continuacin presentamos tres de las versiones ms
comnmente usadas y preferidas:

3.2.1.Mtodo de Heun con un solo corrector ( a2= 2 ) Si

1
2

suponemos que a2 es

obtenerse

a1=

1
2

de las ecuaciones (8) y (9) puede

p1=q 11=1.

Estos

parmetros,

al

sustituirse en la ecuacin (4), dan:

y i+1= yi +

( 12 k + 12 k ) h
1

Ec. 10

donde

k 1=f ( x i , y i )

Ec. 10a

1
1
k 2=f (x i + h , y i+ k 1 h)
2
2

Ec. 10b

3.2.2.Mtodo del punto medio (a 2=1). Suponemos que a2 es 1,

entonces a1=0, p1=q11=1/2 y la ecuacin (4) se convierte en:

y i+1= yi + k 2 h

Ec. 11

Donde:

k 1=f ( x i , y i )

Ec.
11a

1
1
k 2=f (x i + h , y i+ k 1 h)
2
2

Ec. 11b

ste es el punto medio.

3.2.3.Mtodo de Ralston (a2=2/3). Ralston (1962) y Ralston y

Rabinowitz (1978) determinaron que al seleccionar a2 = 2/3 se
obtiene un mnimo en el error de truncamiento para los
algoritmos RK de segundo orden. Con esta versin,
a1 = 1/3 y p1 = q11 = 3/4 y da:

y i+1= yi +
donde

( 13 k + 23 k ) h
i

Ec. 12

k 1=f ( x i , y i )
3
3
k 2=f (x i + h , y i+ k 1 h)
4
4

Ec. 12a
Ec. 12b

Ejemplo 1: Comparacin de varios esquemas RK de

segundo orden
Planteamiento del problema.
Utilice los mtodos de punto medio [Ecuacin (11)] y de Ralston
[Ecuacin (12)] para integrar numricamente la ecuacin (PT7.13)

f ( x , y ) =2 x 3+ 12 x 220 x +8.5
Desde x=0 hasta x=4, usando un tamao de paso de 0.5. La
condicin inicial es x=0, y=1. Compare los resultados con los
valores obtenidos usando otro algoritmo RK de segundo orden: el
mtodo de Heun sin iteracin del corrector (Tabla 2).
Solucin.
El primer paso en el mtodo de punto medio
consiste en usar la ecuacin (11a) para calcular:

k 1=2

Sin embargo, como la EDO est en funcin slo de x, este

resultado carece de relevancia sobre el segundo paso [el uso de la
ecuacin (11b)] para calcular:

0.25

k 2=2

Tabla 2. Comparacin de los valores verdadero y aproximado de la integral de y =

2x3 + 12x2 20x + 8.5, con la condicin inicial de que y = 1 en x = 0. Los valores

aproximados se calcularon por medio de tres versiones de los mtodos RK de

segundo orden, con un tamao de paso de 0.5.*

Observe que tal estimacin de la pendiente es mucho ms cercana al

valor promedio en el intervalo (4.4375), que la pendiente al inicio del
intervalo (8.5) que se habra usado con el procedimiento de Euler. La
pendiente en el punto medio entonces se sustituye en la ecuacin
(11) para predecir:

y ( 0.5 )=1+4.21875 ( 0.5 )=3.109375 Et=3.4%

El clculo se repite; los resultados se resumen en la figura 25.14 y en
la tabla 25.3.
En el mtodo de Ralston, k1 en el primer intervalo tambin es igual a
8.5 y [ecuacin (12b)]

0.375

k 2=2
La pendiente promedio se calcula mediante:

1
2
= ( 8.5 )+ ( 2.58203125 )=4.5546875
3
3
Que se utiliza para predecir:

y ( 0.5 )=1+4.5546875 ( 0.5 )=3.27734375

Et=-1.82%

Los clculos se repiten; los resultados se resumen en la figura 1 y en

la tabla 2. Observe que todos los mtodos RK de segundo orden son
superiores al mtodo de Euler.

______________________________
*Tabla 1 y Tabla 2: Steven C. Chapra, Raymond. P. Canale. (2003). Mtodos
Numricos para Ingenieros, Quinta Edicin. Mxico: McGRAW-HILL/INTERAMERICANA,
2003, p. 742 y 744.

Fig. 1 Comparacin de la solucin verdadera con soluciones numricas usando tres mtodos
RK de segundo orden y el mtodo de Euler.

3.3.

Mtodos de Runge-Kutta de Tercer Orden

Para n=3, es posible efectuar un desarrollo similar al del mtodo de

segundo orden. El resultado de tal desarrollo genera seis ecuaciones con
ocho incgnitas. Por lo tanto, se deben dar a priori los valores de dos de
las incgnitas con la finalidad de establecer los parmetros restantes.
Una versin comn que se obtiene es

1
y i+1= yi + ( k 1 +4 k 2 +k 3 ) h
6

Ec. 13

donde

k 1=f ( x i , y i )

Ec. 13a

1
1
k 2=f (x i + h , y i+ k 1 h)
2
2
x i+ h , y ik 1 h+2 k 2 h
)
k 3=f

Ec. 13b

Ec. 13c

Observe que si la EDO est en funcin slo de x, este mtodo de tercer

orden se reduce a la regla de Simpson 1/3. Ralston (1962) y Ralston y
Rabinowitz (1978) desarrollaron una versin alternativa que proporciona
un mnimo para el error de truncamiento.
En cualquier caso, los mtodos RK de tercer orden tienen errores local y
global de O(h4) y O(h3), respectivamente, y dan resultados exactos
cuando la solucin es una cbica. Al tratarse de polinomios, la ecuacin

(13) ser tambin exacta cuando la ecuacin diferencial sea cbica y la

solucin sea de cuarto grado. Ello se debe a que la regla de Simpson 1/3
ofrece estimaciones exactas de la integral para cbicas (recuerde el
cuadro 1).
3.4.

Mtodos de Runge-Kutta de Cuarto Orden

El ms popular de los mtodos RK es el de cuarto orden. Como en el

caso de los procedimientos de segundo orden, hay un nmero infinito de
versiones. La siguiente, es la forma comnmente usada y, por lo tanto, le
llamamos mtodo clsico RK de cuarto orden:

1
y i+1= yi + ( k 1 +2 k 2 +2 k 3 +k 4 ) h
6

Ec. 14

donde

k 1=f (x i , y i )

Ec. 14a

1
1
k 2=f ( x i + h , y i+ k 1 h)
2
2

Ec. 14b

1
1
k 3 =f ( x i + h , y i+ k 2 h)
2
2

Ec. 14c

x i+ h , y i +k 3 h
)
k 3 =f

Ec. 14d

Fig. 2 Representacin grfica de las pendientes estimadas empleadas en el mtodo RK de

cuarto orden.

Observe que con las EDO que estn en funcin slo de x, el mtodo RK
clsico de cuarto orden es similar a la regla de Simpson 1/3. Adems, el
mtodo RK de cuarto orden tiene similitud con el procedimiento de Heun
en cuanto a que se usan mltiples estimaciones de la pendiente para
obtener una mejor pendiente promedio en el intervalo.

Como se muestra en la figura 2, cada una de las k representa una

pendiente. La ecuacin (14) entonces representa un promedio ponderado
de stas para establecer la mejor pendiente.

______________________________
*Fig.1
y Fig. 2:2:
Steven
C. Chapra,
Raymond.
Canale.
(2003). orden
Mtodos Numricos
Ejemplo
Mtodo
clsico
RKP. de
cuarto
para Ingenieros, Quinta Edicin. Mxico: McGRAW-HILL/INTERAMERICANA, 2003, p.
del problema.
745Planteamiento
y 747.

a) Con el mtodo clsico RK de cuarto orden [ecuacin (14)] integre

3

f ( x , y ) =2 x + 12 x 20 x +8.5
Usando un tamao de paso
en

h=0.5 y la condicin inicial

y=1

x=0 ;

b) De manera similar integre

f ( x , y ) =4 e0.8 x 0.5 y
utilizando

h=0.5

Solucin.
a) Se emplean

con

las

y (0)=2 desde x=0 hasta

ecuaciones

(14a)

k 1=8.5, k 2=4.21875, k 3 =4.21875 y k 4 =1.25;

(14d)

0.5 .

para

calcular

las cuales se sustituyen

en la ecuacin (14) para dar

y ( 0.5 )=1+

{16 [ 8.5+2 ( 4.21875) +2 ( 4.21875) +1.25 ]}5

3.21875
que es exacta. As, como la solucin verdadera es una curtica
[ecuacin (PT.16)], el mtodo de cuarto orden da un resultado
exacto.
b) En este caso, la pendiente al inicio del intervalo se calcula como
sigue:

k 1=f ( 0,2 )=4 e 0.8(0) 0.5 ( 2 )=3

Este valor se utiliza para calcular un valor de y y una pendiente en
el punto medio,

y ( 0.25 )=2+3 ( 0.25 )=2.75

k 2=f ( 0.25, 2.75 )=4 e 0.8(0.25)0.5 (2.75 )=3.510611

Esta pendiente, a su vez, se utiliza para calcular otro valor de y y

otra pendiente en el punto medio,

y ( 0.25 )=2+3.510611 ( 0.25 )=2.877653

k 3 =f ( 0.25, 2.87765 )=4 e 0.8(0.25) 0.5 ( 2.877653 )=3.446785
Despus, se usara sta pendiente para calcular un valor de y y
una pendiente al final del intervalo,

y ( 0.5 )=2+3.071785 ( 0.5 )=3.723392

k 4=f ( 0.5,3.723392 )=4 e 0.8 (0.5 )0.5 ( 3.723392 )=4.105603
Por ltimo, las cuatro estimaciones de la pendiente se combinan
para obtener una pendiente promedio, la cual se utiliza despus
para realizar la ltima prediccin al final del intervalo.

1
[ 3+ 2 ( 3.510611 )+ 2 ( 3.446785 ) + 4.105603 ]=3.503399
6

y ( 0.5 )=2+3.53399 ( 0.5 )=3.751669

Que es muy aproximada a la solucin verdadera de 3.751521.
3.5.

Mtodos de Runge-Kutta de Orden Superior

Cuando se requieren resultados ms exactos, se recomienda el mtodo

RK de quinto orden de Butcher (1964):

y i+1= yi +

1
( 7 k 1 +32 k 3 +12 k 4 +32 k 5 +7 k 6 ) h
90

Ec. 15

donde

k 1=f ( x i , y i )

Ec. 15a

1
1
k 2=f ( x i + h , y i+ k 1 h)
4
4

Ec. 15b

1
1
1
k 3 =f (x i + h , y i+ k 1 h+ k 2 h)
4
8
8

Ec. 15c

1
1
k 4=f ( x i+ h , y i k 2 h+ k 3 h)
2
2

Ec. 15d

3
3
9
k 5 =f ( x i + h , y i+ k 1 h+ k 4 h)
4
16
16

Ec. 15e

3
2
12
12
8
k 6 =f (x i +h , y i k 1 h+ k 2 h+ k 3 h k 4 h+ k 5 h)
7
7
7
7
7

Ec. 15f

Observe la semejanza entre el mtodo de Butcher y la regla de Boole.

Existen las frmulas RK de orden superior, como el mtodo de Butcher,
pero en general, la ganancia en exactitud con mtodos mayores al
cuarto orden se ve afectada por mayor trabajo computacional y mayor
complejidad.
Ejemplo 3: Comparacin de los mtodos de Runge-Kutta
Planteamiento del problema.
Con los mtodos RK desde el primero hasta quinto orden resuelva

f ( x , y ) =4 e0.8 x 0.5 y
y (0)=2

Con

desde

x=0

hasta

x=4

con diferentes tamaos

de paso. Compare la exactitud de los diferentes mtodos para la

estimacin

x=4 ,

en

basndose

en

la

respuesta

exacta,

y (4 )=75.33896 .
Solucin.
El clculo se realiza usando los mtodos de Euler, de Heun no
iterativo, RK de tercer orden [ecuacin (12)], clsico RK de cuarto
orden y RK de quinto orden de Butcher. Los resultados se presentan
en la figura 3, donde graficamos el valor absoluto del error relativo
porcentual contra el trabajo computacional. Esta ltima cantidad es
equivalente al nmero requerido de evaluaciones de la funcin para
obtener el resultado, como:
Trabajo computacional
Donde

n f =

ba
= nf = h

Ec. 16

nmero de evaluaciones de la funcin consideradas

para el clculo particular de RK. Para rdenes

4, nf

es igual al

orden del mtodo; sin embargo, observe que la tcnica de Butcher de

quinto orden requiere seis evaluaciones de la funcin [ecuaciones
(15a) a la (15f)]. La cantidad

(b a)/h

es el intervalo de integracin

total dividido entre el tamao de paso (es decir, es el nmero

necesario de aplicaciones de la tcnica RK para obtener el resultado.
Como las evaluaciones de la funcin son generalmente las que
consumen ms tiempo, la ecuacin (16) proporciona una medida
burda del tiempo de ejecucin requerido para obtener la respuesta.

Fig. 3 Comparacin del error relativo porcentual contra los mtodos de RK, desde el
primero hasta el quinto orden.

La inspeccin de la figura 3 nos lleva a varias conclusiones: primero,

que los mtodos de orden superior logran mayor exactitud con el
mismo trabajo computacional; segundo, que la ganancia en exactitud
lograda por el mayor trabajo tiende a disminuir despus de un punto.
(Observe que las curvas primero caen con rapidez y despus tiende a
nivelarse.)
El ejemplo 3 y la figura 3 nos llevarn a la conclusin de que las
tcnicas RK de orden superior son siempre los mtodos de
preferencia. Sin embargo, deben considerarse otros factores cuando
se elija una tcnica de solucin, tales como el costo de programacin
y los requerimientos de exactitud del problema.

4. CONCLUCIONES
- Se desarroll con xito la investigacin acerca del funcionamiento de
-

las Ecuaciones Diferenciales Numricas.

Luego de investigar, se dio a conocer los diferentes mtodos de
Runge-Kutta a los compaeros en una exposicin.
Se logr discernir los conocimientos obtenidos en clases, tomados
como complementos e incluso como puntos clave para lograr la
diferenciacin entre los anteriormente nombrados mtodos.

Se puede concluir que, estos mtodos son formas o tambin llamadas

tcnicas para estimar la pendiente, que dan como resultado
predicciones ms exactas (numricamente hablando).

5. RECOMENDACIONES
- Prestar mucha atencin a la diferencia entre los mtodos de
resolucin de Runge-Kutta en ciertos ejercicios, ya que suelen ser
complejos si no se tienen claras todas las dudas.
- Especficamente al estudiante, se recomienda investigar un poco ms
acerca de estos diferentes mtodos, para as poder tener diferentes
perspectivas de lo que se est tratando.
6. BIBLIOGRAFA/WEBGRAFA
El contenido, mayoritariamente fue obtenido de:
- Steven C. Chapra, Raymond. P. Canale. (2003). Mtodos Numricos
para Ingenieros, Quinta Edicin. Mxico: McGRAWHILL/INTERAMERICANA.
-

Otras Fuentes:
http://www.frsn.utn.edu.ar/gie/an/mnedo/34_RK.html
http://www.uam.es/personal_pdi/ciencias/fquiros/Numerico2_05_06/ca
p4_05_06.pdf

COMENTARIO
En el transcurso de la materia de mtodos numrico hemos
aprendido los diferente mtodos de clculo tanto integral
derivativo matricial, etc que servirn para el transcurso de
nuestra carrera universitaria al igual que en la vida
cotidiana.