Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INSTITUTO DE INVESTIGACION
AUTOR
ANDRES COLLANTE HUANTO
LICENCIADO EN MATEMATICA
Resumen IV
Introducción V
1. Método de Euler 1
1.1. Algoritmo de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Programa del método de Euler . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Problemas propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3. Métodos de Runge-Kutta 21
3.1. Método del punto medio . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2. Método Modificado de Euler . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3. Método de Heun . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4. Método de Runge-Kutta de Cuarto Orden . . . . . . . . . . . . . . . . . 23
3.4.1. Algoritmo del Método de Runge-Kutta de Cuarto Orden . . . . . 24
3.4.2. Programa del Método de Runge-Kutta de Cuarto Orden . . . . . 24
3.5. Método de Runge-Kutta de Cuarto Orden para Sistemas de ecuaciones
diferenciales ordinarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5.1. Algoritmo del Método de Runge-Kutta de Cuarto Orden para
sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.5.2. Vibración en una banda transportadora . . . . . . . . . . . . . . . 29
3.5.3. Algoritmo Runge-Kutta cuarto orden para un sistema Y ′ = M Y + F 34
i
3.5.4. Monorriel de dos carros . . . . . . . . . . . . . . . . . . . . . . . . 35
3.5.5. Programa del Método de Runge-Kutta . . . . . . . . . . . . . . . 38
3.5.6. Instrumento sı́smico . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.6. Problemas propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Materiales y Métodos 59
Resultados 60
Discusión 62
7. Bibliografı́a 64
ii
Índice de figuras
iii
Resumen
Las ecuaciones diferenciales ordinarias que modelan una realidad especı́fica, aumentan
su complejidad en la medida que se aproximen cada vez más al comportamiento del
objeto o fenómeno en estudio, razón por la cual en la mayoria de los casos hallar su solu-
ción por métodos analı́ticos es imposible lo que nos lleva a utilizar los métodos numéricos.
iv
Introducción
En ingenierı́a hay procesos que son modelados con ecuaciones diferenciales ordinarias,
cuya solución es imposible determinar por métodos analı́ticos es allı́ la utilidad de los
métodos numéricos que calcúla una solución aproximada por medio de un número finito
de iteraciones que mejora su eficiencia de manera rápida, al utilizar un software adecuado.
v
Parte teórica o marco teórico 1
Capı́tulo 1
Método de Euler
supongamos que tiene una solución única φ(x) en un algún intervalo con centro en x0 .
Sea h > 0 y consideremos puntos igualmente espaciados
xn = x0 + nh n = 0, 1, 2, ...
Los valores de la solución φ(xn ) se pueden aproximar con yn , donde los valores de yn se
obtienen como sigue [KEN 92]:
dy
En el punto (x0 , y0 ) la pendiente de la solución de (1.1) es dx
= f (x0 , y0 ). Por lo tanto,
la recta tangente a la curva solución en el punto (x0 , y0 ) es
y = y0 + (x − x0 )f (x0 , y0 ) (1.2)
φ(x1 ) ≈ y1 = y0 + hf (x0 , y0 )
φ(x2 ) ≈ y2 = y1 + hf (x1 , y1 )
φ(x3 ) ≈ y3 = y2 + hf (x2 , y2 )
5
(x2,y2)
pendiente
4.5 f(x2,y2)
pendiente
f(x1,y1)
(x3,y3)
4 (x1,y1)
pendiente
3.5
f(x3,y3)
pendiente
3 f(xo,yo)
2.5
2
2 3 4 5 6 7 8 9 10
2
xn+1 = xn + h
yn+1 = yn + hf (xn , yn )
Salida xn+1 , yn+1
3. Parar
function y=euler(n,a,b,h)
format long
x=a:h:n*h;
y=zeros(n,1);
y(1)=b;
for k=1:n
f=fe(x(k),y(k));
y(k+1)=y(k)+h*f;
end
function f=fe(x,y)
f=-y+x+2;%es la función del ejemplo 1
Ejemplo 1
Sea la ecuación diferencial y ′ = −y + x + 2 con la condición inicial y(0) = 2, usando el
método de Euler con h = 0.1, h = 0.05 y h = 0.01, aproximar y(1).
Solución
Al usar el programa euler.m necesitamos hallar el valor de n, que lo podemos obtener de
x N − x0
n=
h
donde para nuestro problema x0 = 0 y xN = 1 pues y(1) = y(xN )
1−0
Para h = 0.1, tenemos n = = 10. Se digitó >>euler(10, 0, 1, 0.1)
0.1
3
1−0
Para h = 0.05 tenemos n = = 20. Se digitó >>euler(20, 0, 1, 0.05)
0.05
1−0
Para h = 0.01 tenemos n = = 100. Se digitó >>euler(10, 0, 1, 0.01)
0.01
Se obtuvo los siguientes valores
xn yn
h=0.1 h=0.05 h=0.01
0.0 2.000000000000000 2.000000000000000 2.000000000000000
0.1 2.000000000000000 2.002500000000000 2.004382075008805
0.2 2.010000000000000 2.014506250000000 2.017906937597231
0.3 2.029000000000000 2.035091890625000 2.039700373388280
0.4 2.056100000000000 2.063420431289063 2.068971758569680
0.5 2.090490000000000 2.098736939238379 2.105006067137536
0.6 2.131441000000000 2.140360087662637 2.147156642390761
0.7 2.178296900000000 2.187674979115530 2.194838659600207
0.8 2.230467210000001 2.240126668651766 2.247523213763810
0.9 2.287420489000001 2.297214318458219 2.304731972678324
1.0 2.348678440100001 2.358485922408543 2.366032341273229
xn y = e−x + x + 1
0.0 2.000000000000000
0.1 2.004837418035960
0.2 2.018730753077982
0.3 2.040818220681718
0.4 2.070320046035640
0.5 2.106530659712633
0.6 2.148811636094027
0.7 2.196585303791410
0.8 2.249328964117222
0.9 2.306569659740599
1.0 2.367879441171442
4
se reduce el error que se comete.
2.4
2.35
2.3
2.25
2.2
2.15
2.1
solución exacta
h=0.1
2.05 h=0.05
h=0.01
2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Ejemplo 2
Un paracaidista de masa M kg salta desde un avión en t = 0. Consideremos que la
velocidad vertical inicial del paracaidista es cero en t = 0 y que la caı́da es vertical. Si
el arrastre aerodinámico está dado por Faire = cv 2 , donde c es una constante y v es la
velocidad vertical(positiva hacia abajo), asuma M = 70kg, c = 0.27kg/m y h = 0.1.
Halle la velocidad del paracaidista para t ≤ 20s
Solución
Por la primera ley de Newton, el equilibrio de fuerzas satisface
dv(t)
M = −Faire + gM (1.5)
dt
donde v es la velocidad del paracaidista en m/s(positiva hacia abajo) y g es la aceleración
debida a la gravedad, 9.8m/s2 . La ecuación (1.5) puede escribirse como:
5
dv(t) c
= − 2 v 2 + g, v(0) = 0 (1.6)
dt M
que es lo mismo a,
v ′ = f (t, v), v(0) = 0
function [x y]=euler1(n,a,b,h)
%Resuelve el problema de paracaidista
format long
x=a:h:n*h;
y=zeros(n,1);
y(1)=b;
for k=1:n
f=fe1(x(k),y(k));
y(k+1)=y(k)+h*f;
end
plot(x,y)
grid
xlabel(’tiempo(s)’);
ylabel(’velocidad(m/s)’);
Programa fe1.m
function y1=fe1(x,y)
y1=(-0.27/70)*y^2+9.8;
ti (s) vi (m/s)
0 0
0.1 9.80000000e-001
6
0.2 1.95962956e+000
0.3 2.93814836e+000
0.4 3.91481860e+000
0.5 4.88890722e+000
.. ..
. .
19.5 5.03604023e+001
19.6 5.03621653e+001
19.6 5.03638597e+001
19.8 5.03654884e+001
19.9 5.03670537e+001
20.0 5.03685582e+001
60
50
40
velocidad(m/s)
30
20
10
0
0 2 4 6 8 10 12 14 16 18 20
tiempo(s)
Definición 1.2.1. Se dice que una función f (t, y) satisface la condicion de Lipschitz en
7
la variable y en un conjunto D ⊂ R2 si existe una constante L > 0 con la propiedad
Ejemplo
Si D = {(t, y)/ − 1 ≤ t ≤ 10, −6 ≤ y ≤ 20} y f (t, y) = ycos(t) entonces para cada par de
puntos (t, y1 ), (t, y2 ) ∈ D tenemos
Teorema 1.1. Sea f (t, y) está definida en un conjunto convexo D ⊂ R2 . Si existe una
constante L > 0 con ¯ ¯
¯ ∂f ¯
¯ (t, y)¯ ≤ L, ∀(t, y) ∈ D
¯ ∂y ¯
entonces f satisface la condición de Lipschitz en D en la variable y con la constante L
de Lipschitz
Ejemplo
La función f (t, y) = ycos(t) satisface
¯ ¯
¯ ∂f ¯
¯ (t, y)¯ = |cos(t)| ≤ 1 ∀(t, y) ∈ D = {(t, y)/ − 1 ≤ t ≤ 10, −6 ≤ y ≤ 20}
¯ ∂y ¯
observemos que L = 1
8
Ejemplo
Sea el problema de valor inicial
y ′ = −y + x + 2, 0 ≤ x ≤ 1, y(0) = 2
a) y ′ + ty = 1, y(0) = 1
b) y ′ + 3y = e−t , y(0) = 1
c) y ′ = (t2 − y), y(0) = 0.5
d ) y ′ + y|y| = 0, y(0) = 1
e) y ′ + y|y|1/2 = sen(t), y(0) = 1
2. Use el método de Euler con h=0.1 para aproximar la solución del problema de valor
inicial
1 y
y′ = 2
− − y2, y(1) = −1
x x
en el intervalo 1 ≤ x ≤ 2
9
4. La velocidad de un cuerpo en caida se modelo mediante el problema de valor inicial
dv
m = mg − kv v(0) = v0
dt
de acuerdo con la hipótesis de que la fuerza debida a la resistencia del aire es
−kv. sin embargo, en ciertos caso la fuerza originada por la resistencia del aire se
comporta más como −kv r , donde r > 1 es alguna constante. Esto da el modelo
dv
m = mg − kv r v(0) = v0 (1.8)
dt
Para estudiar el efecto de cambiar el parámetro r en (1.8), m = 1, g = 9.81,
k = 2 y v0 = 0. Ahora utilice el método de Euler con h=0.2 para aproximar la
solución de (1.8) en el intervalo 0 ≤ t ≤ 5 para r = 1, 1.5 y 2
di d2 E 1 dE 1
=C 2 + + E
dt dt R dt L
Supongamos que C=0.3 faradios, R=1.4 ohms, L=1.7 henrios y que el voltage esta
dado por
E(t) = e−0.06t sen(2t − π)
6. Un tanque cónico contiene agua hasta una altura de 0.5m desde el fondo. El tanque
tiene un agujero de 0.02m de radio en el fondo. El radio del está dado por r = 0.25y,
donde r es el radio e y es la altura medida desde el fondo. La velocidad del agua
que sale por el agujero está dada por v 2 = 2gy, donde g = 9.8 m/s2 . Con h=0.001,
utilice el método de Euler para averiguar cuántos minutos tardará el tanque en
vaciarse.
10
8. Una pieza metálica con una masa de 0.1kg y 25o C se calienta internamente de
forma eléctrica a razón de q=3000W. La ecuación diferencial de la temperatura
que se obtiene es:
dT
= 20 − t2 , si T (0) = 298
dt
Calcule T (1) empleando el método de Euler con h=0.01
dT
= K[M (t) − T (t)]
dt
1
donde K es una constante. Sea K = 1 min y supóngase que la temperatura del medio
es constante. M (t) = 70o . Si el cuerpo está inicialmente a 100o , use el método de
Euler con h=0.1 para aproximar la temperatura del cuerpo al cabo de
a) 1 minuto
b) 2 minutos
11
Capı́tulo 2
supongamos que tiene solución única φ(x) en un algún intervalo con centro en x0 . Sea
h > 0 y consideremos puntos igualmente espaciados
xn = x0 + nh n = 0, 1, 2, ...
h2 ′
φ(xn+1 ) = φ(xn ) + hf (xn , φ(xn )) + f (xn , φ(xn ))
2
hn hn+1 (n)
+ · · · f (n−1) (xn , φ(xn )) + f (ǫn , φ(ǫn )) (2.2)
n! (n + 1)!
12
haciendo φ(x0 ) = y0
h2 ′ hn
φ(x1 ) ≈ y1 = y0 + hf (x0 , y0 ) + f (x0 , y0 ) + · · · + f (n−1) (x0 , y0 )
2 n!
h2 ′ hn
φ(x2 ) ≈ y2 = y1 + hf (x1 , y1 ) + f (x1 , y1 ) + · · · + f (n−1) (x1 , y1 )
2 n!
h2 ′ hn
f (x2 , y2 ) + · · · + f (n−1) (x2 , y2 ),
φ(x3 ) ≈ y3 = y2 + hf (x2 , y2 ) +
2 n!
Este procedimiento se llama Método de Taylor de orden p y se resume mediante
las siguientes fórmulas recursivas
xn+1 = xn + h (2.3)
h2 ′ hp
yn+1 = yn + hf (xn , yn ) + f (xn , yn ) + · · · + f (p−1) (xn , yn ) n = 0, 1, 2, . . . (2.4)
2 p!
Si p = 1, el método de taylor de orden 1 es el método de Euler
yn+1 = yn + hf (xn , yn ), n = 0, 1, 2, . . .
h2 ′
yn+1 = yn + hf (xn , yn ) + f (xn , yn ) n = 0, 1, 2, . . .
2
Si p = 3, el método de taylor de orden 3 es
h2 ′ h3
yn+1 = yn + hf (xn , yn ) + f (xn , yn ) + f (2) (x2 , y2 ) n = 0, 1, 2, . . . , etc
2 3!
La fórmula (2.4)tambien se puede escribir como
donde
h2 ′ hp
T (p) (xn , yn ) = f (xn , yn ) + f (xn , yn ) + · · · + f (p−1) (xn , yn ) (2.6)
2 p!
13
2.1. Algoritmo de Taylor de orden n
Este algoritmo calcula la solución del problema de valor inicial (1.1) en puntos
equidistantes x1 = x0 + h, x2 = x0 + 2h, x3 = x0 + 3h, · · · , xN = x0 + N h, aquı́ f es
tal que (1.1) tiene una solución única en [x0 , xN ].
xn+1 = xn + h
φ′ (xn ) = f (xn , φ(xn ))
φ′′ (xn ) = f ′ (xn , φ(xn ))
..
.
φ(n) (xn ) = f (n−1) (xn , φ(xn ))
yn+1 = yn + h φ′ (xn ) + h2 φ′′ (xn ) + h3 φ′′′ (xn ) · · · nh φ(n) (xn ) · · ·
¡ ¡ ¡ ¡ ¢ ¢¢¢
3. Parar
Ejemplos
1. Determine las fórmulas recursivas del método de Taylor de orden 2 para el problema
de valor inicial
y ′ = exy y(0) = 1
Solución
h2
yn+1 = yn + hy ′ (xn ) + y ′′ (xn )
2!
2
· ¸
h ∂f ∂f
yn+1 = yn + hf (xn , yn ) + (xn , yn ) + (xn , yn )f (xn , yn )
2! ∂x ∂y
observar que
f (x, y) = exy
x0 = 0 y0 = 1
fórmulas recursivas
xn+1 = xn + h
h2 £ (xn ,yn )
yn+1 = yn + he(xn ,yn ) + + xn e(xn ,yn ) e(xn ,yn )
¤
yn e
2!
14
2. Aproximar y(0) de y ′ = cosx − seny + x2 , y(−1) = 3, usando el método de
Taylor de orden 4 con h = 0.1
Solución
function y=taylor(n,a,b,h)
format long
x=a:h:n*h;
y=zeros(n,1);
y(1)=b;
for k=1:n
y1=fe(x(k),y(k));
y2=-sin(x(k))-cos(y(k))*y1+2*x(k);
y3=-cos(x(k))+(sin(y(k)))*(y2)^2-(cos(y(k)))*y1+2;
y4=sin(x(k))+(y1^3-y3)*cos(y(k));
y(k+1)=y(k)+h*(y1+(h/2)*(y2+(h/3)*(y3+(h/4)*(y4))));
end
Program fe.m
function y1=fe(x,y)
y1=cos(x)-sin(y)+x^2;
Ejecutamos el programa
>> taylor(10,-1,3,0.1)
xn yn
-1.0 3.000000000000000
15
-0.9 3.141523798815666
-0.8 3.287216794698704
-0.7 3.438764055326533
-0.6 3.597569817751085
-0.5 3.764637981583152
-0.4 3.940425688412236
-0.3 4.124693336379560
-0.2 4.316391269699142
-0.1 4.513637715380874
0.0 4.713841791853081
function y=taylor3(n,a,b,h)
16
format long
x=a:h:n*h;
y=zeros(n,1);
y(1)=b;
for k=1:n
y1=fl(x(k),y(k));
r1=(((0.06^2)*(pi^2)/2.1)-4/2.1);
r2=4*(-0.06*pi/2.1);
r3=(-1/(2.1*1.1));
y2=r1*exp(-0.06*pi*x(k)).*sin(2*x(k)-pi)+...
r2*exp(-0.06*pi*x(k)).*cos(2*x(k)-pi)+r3*y1;
y3=(-0.06*pi*r1-2*r2)*exp(-0.06*pi*x(k)).*sin(2*x(k)-pi)+...
(2*r1-0.06*pi*r2)*exp(-0.06*pi*x(k)).*cos(2*x(k)-pi)+r3*y2;
y(k+1)=y(k)+h*(y1+(h/2)*(y2+(h/3)*(y3)));
end
Programa fl.m
function y1=fl(x,y)
y1=(-y/(2.1*1.1))+(-0.06*pi/2.1)*exp(-0.06*pi*x)*sin(2*x-pi)+...
(2/2.1)*exp(-0.06*pi*x)*cos(2*x-pi);
Ejecutamos el programa
>> taylor3(10,0,1,0.2)
ans =
tn In
0 1.000000000000000
0.2 0.746508916487780
0.4 0.552980151519051
0.6 0.431802748271490
0.8 0.384440494683400
1.0 0.401911779693576
1.2 0.466844369290315
17
1.4 0.556674895401674
1.6 0.647418540098737
1.8 0.717388697783574
2.0 0.750299158260995
a) y ′ = cos(x + y) y(0) = π
b) y ′ = xy − y 2 y(0) = −1
2. use los métodos de Taylor de orden 2 y 4 con h=0.25 para aproximar la solución
al problema de valor inicial en x=1, compare estas aproximaciones con la solución
verdadera
y ′ = 1 + x cos(xy), 0 ≤ t ≤ 2, y(0) = 0
18
b) Use las respuestas obtenidas en el inciso a) para aproximar y en los siguientes
valores y comparelos con los valores reales de y.
i) y(0.66)
ii) y(0.82)
iii) y(0.94)
mv ′ = −mg − kv|v|
8. En el estudio del campo electrónico inducido por dos lineas de transmisión cercanas,
surge una ecuación de la forma
dz
+ g(x)z 2 = f (x)
dx
Sean f (x) = 5x + 2, g(x) = x2 y z(0) = 1, aproximar z(1).
19
9. Halle y(1) para la siguiente ecuación empleando el método de Taylor de orden dos
con h = 0.5:
y
y′ = −
x + y2
10. Un sistema de resorte tiene una resistencia al movimiento proporcional al cuadrado
de la velocidad, y su movimiento está descrito por
µ ¶2
d2 x dx
2
+ 0.1 + 0.6x = 0
dt dt
Si el resorte se suelta desde un punto que está a una unidad de distancia por arriba
de su punto de equilibrio,x(0), x′ (0) = 0. Determine x(2) empleando el método de
Taylor de orden tres con h = 0.1
20
Capı́tulo 3
Métodos de Runge-Kutta
En la sección anterior vimos los métodos de Taylor que tienen un error de truncamiento
de orden alto, pero tienen la desventaja de requerir el cálculo y evaluación de las derivadas
de f (x, y), este es un procedimiento lento y complicado motivo por el cual rara vez se
emplean. Los métodos de Runge1 Kutta2 tienen error de truncamiento alto, pero permiten
prescindir del cálculo y evaluación de las derivadas.
El primer paso para derivar el Método de Runge-Kutta ([BUR 02]), es determinar los
valores a,b y c con la propiedad de que af (x + b, y + c) aproxima a (2.6) para p = 2
h
T (2) (x, y) = f (x, y) + f ′ (x, y)
2
h ∂f h ∂f
T (2) (x, y) = f (x, y) + (x, y) + (x, y).f (x, y) (3.1)
2 ∂x 2 ∂y
Al desarrollar f (x + b, y + c) en su polinomio de Taylor grado uno alrededor de (x,y) se
obtiene
∂f ∂f
af (x + b, y + c) = af (x, y) + ab (x, y) + ac (x, y).f (x, y) + aR1 (x + b, y + c) (3.2)
∂x ∂y
donde
b2 ∂ 2 f ∂2f c2 ∂ 2 f
R1 (x + b, y + c) = (ǫ, µ) + bc (ǫ, µ) + (ǫ, µ)
2 ∂x2 ∂x∂y 2 ∂y 2
para ǫ entre x y x + b, µ entre y y y + c
h
Al igualar los coeficientes de las ecuaciones (3.1) y (3.2) obtenemos a = 1 b = 2
y
1
Carle David Tolmé Runge(30 de agosto de 1856-3 de enero de 1927) fue un matemático, fı́sico y
espectroscopista alemán
2
Martin Wilhelm Kutta (3 de noviembre de 1867 - 25 de diciembre de 1944) fue un fı́sico y matemático
alemán.
21
c = h2 f (x, y)
En consecuencia
µ ¶ µ ¶
(2) h h h h
T (x, y) = f x + , y + f (x, y) − R1 x + , y + f (x, y)
2 2 2 2
donde
h h h2 ∂ 2 f h2 ∂2f h2 2
2 ∂ f
R1 (x + , y + f (x, y)) = (ǫ, µ) + f (x, y) (ǫ, µ) + (f (x, y)) (ǫ, µ)
2 2 8 ∂x2 4 ∂x∂y 8 ∂y 2
El método que resulta de sustituir T (2) (x, y) por f x + h2 , y + h2 f (x, y) en el método de
¡ ¢
h h
yn+1 = yn + hf (xn + , yn + f (xn , yn )) (3.3)
2 2
n = 0, 1, 2, . . . (3.4)
Solo tres parámetros se encuentran en af (x+b, y +c) y los tres se requieren en la igualdad
con T (2) ,necesitamos una forma mas compleja para cumplir las condiciones que requiere
cualquiera de los métodos de Taylor de orden superior.
La forma más apropiada de cuatro parámetros con que se aproxima
h h2
T (3) (x, y) = f (x, y) + f ′ (x, y) + f ′′ (x, y)
2 6
es
af (x, y) + bf (x + c, y + df (x, y)) (3.5)
y ni siquiera con esto se tiene la suficiente flexibilidad para igualar el término
¸2
h2 ∂f
·
(x, y) f (x, y)
6 ∂y
h2 ′′
resultante de la expansión de f (x, y)
6
Por lo tanto, lo mejor que podemos lograr utilizando son métodos con el error local
de truncamiento O(h2 ), sin embargo el hecho que tenga cuatro parámetros, da cierta
flexibilidad en su elección para derivar varios métodos O(h2 ). Uno de los más importantes
1
es el método modificado de Euler, que corresponde a seleccionar a = b = 2
yc=d=h
y se representa de la siguiente forma.
22
3.2. Método Modificado de Euler
1
yn+1 = yn + h [f (xn , yn ) + f (xn + h, yn + hf (xn , yn ))] (3.6)
2
n = 0, 1, 2, . . .
· ¸
1 2 2
yn+1 = yn + h f (xn , yn ) + 3f (xn + h, yn + hf (xn , yn )) (3.7)
4 3 3
n = 0, 1, 2, . . .
Ambos son métodos de Runge Kutta de orden dos, que es el orden de su error local de
truncamiento.
Aunque podemos aproximar T (3) (x, y) con el error O(h3 ) mediante una expresión de la
forma
f (x + a, y + df (x + b, y + cf (x, y)))
contiene cuatro parámetros, determinar los valores de a b c y d es complicada, de hecho
el método de Runge Kutta de orden tres que resulta de esta expresión no se emplea. El
método de Runge Kutta de mayor uso es el de cuarto orden
1
yn+1 = yn + (k1 + 2k2 + 2k3 + k4 ) , n = 0, 1, 2, . . . (3.8)
6
donde
k1 = hf (xn , yn )
1 1
k2 = hf (xn + h, yn + k1 )
2 2
1 1
k3 = hf (xn + h, yn + k2 )
2 2
k4 = hf (xn + h, yn + k3 )
23
3.4.1. Algoritmo del Método de Runge-Kutta de Cuarto Orden
Este algoritmo calcula la solución del problema de valor inicial (1.1) en puntos
equidistantes x1 = x0 + h ,x2 = x0 + 2h, x3 = x0 + 3h, · · · , xN = x0 + N h, aquı́ f es
tal que (1.1) tiene una solución única en [x0 , xN ].
k1 = hf (xn , yn )
k2 = hf (xn + 12 h, yn + 21 k1 )
k3 = hf (xn + 12 h, yn + 21 k2 )
k4 = hf (xn + h, yn + k3 )
yn+1 = yn + 16 (k1 + 2k2 + 2k3 + k4 )
Salida xn+1 , yn+1
3. Parar
function y1=fe(x,y)
y1=x*exp(3*x)-2*y;
24
Ejemplo
Método
Valor exacto Runge-Kutta Error
xn y(xn ) yn |y(xn ) − yn |
1.0e-003 *
0.0 0 0 0
0.1 0.005752053971599 0.005754631311524 0.002577339924445
0.2 0.026812801841426 0.026818770596771 0.005968755345566
0.3 0.071144527666900 0.071155164515354 0.010636848453718
0.4 0.150777835474151 0.150795060680180 0.017225206029203
0.5 0.283616521867142 0.283643159044116 0.026637176974542
0.6 0.496019565629524 0.496059711486905 0.040145857380935
0.7 0.826480869814429 0.826540417642342 0.059547827913398
0.8 1.330857026396779 1.330944404473756 0.087378076976341
0.9 2.089774397011061 2.089901607341672 0.127210330611138
1.0 3.219099319039492 3.219283395463391 0.184076423899171
observamos que y(1) ≈ 3.219283395463391.
25
Si comparamos con el método de Euler
xi Euler h=0.1 euler h=0.025 Runge kutta solución exacta
4to orden
0 2.000000000000000 2.000000000000000 2.0000000000000000 2.0000000000000000
0.1 2.000000000000000 2.003687890625000 2.0048374999999998 2.0048374180359598
0.2 2.010000000000000 2.016651803662262 2.0187309014062498 2.0187307530779819
0.3 2.029000000000000 2.037998345826651 2.0408184220011774 2.0408182206817180
0.4 2.056100000000000 2.066920168424825 2.0703202889174905 2.0703200460356395
0.5 2.090490000000000 2.102687680219100 2.1065309344233798 2.1065306597126332
0.6 2.131441000000000 2.144641558442873 2.1488119343763148 2.1488116360940266
0.7 2.178296900000000 2.192185981095952 2.1965856186712287 2.1965853037914096
0.8 2.230467210000001 2.244782511051797 2.2493292897344279 2.2493289641172218
0.9 2.287420489000001 2.301944569199290 2.3065699912000754 2.3065696597405991
1.0 2.348678440100001 2.363232439887880 2.3678797744124984 2.3678794411714423
26
se resuelve utilizando el método de Runge-Kutta
1
yn+1 = yn + (k1 + 2k2 + 2k3 + k4 ) (3.12)
6
donde
k1 = hf (xn , yn )
1 1
k2 = hf (xn + h, yn + k1 )
2 2
1 1
k3 = hf (xn + h, yn + k2 )
2 2
k4 = hf (xn + h, yn + k3 )
Para cada i = 1, 2, . . . , m
1
yi,j+1 = yi,j + (k1,j + k2,j + k3,j + k4,j )
6
donde
Para cada i = 1, 2, . . . , m
Para cada i = 1, 2, . . . , m
1 1 1 1
k2,j = hfi (xj + h, y1,j + k1,1 , y2,j + k1,2 , . . . , ym,j + k1,m )
2 2 2 2
27
Para cada i = 1, 2, . . . , m
1 1 1 1
k3,j = hfi (xj + h, y1,j + k2,1 , y2,j + k2,2 , . . . , ym,j + k2,m )
2 2 2 2
Para cada i = 1, 2, . . . , m
a. Para j = 1, 2, . . . , m hacer
b. Para j = 1, 2, . . . , m hacer
1 1 1 1
k2,j = hfi (xj + h, y1,j + k1,1 , y2,j + k1,2 , . . . , ym,j + k1,m )
2 2 2 2
c. Para j = 1, 2, . . . , m hacer
1 1 1 1
k3,j = hfi (xj + h, y1,j + k2,1 , y2,j + k2,2 , . . . , ym,j + k2,m )
2 2 2 2
d. Para j = 1, 2, . . . , m hacer
28
e. Para j = 1, 2, . . . , m hacer
1
yi,j+1 = yi,j + (k1,j + k2,j + k3,j + k4,j )
6
f. Para j = 1, 2, . . . , m hacer
g. x1 = a + ih.
5. Parar.
y
x
n F1 mg
M F
k F2
N
v0
F = µN [1 − bv + cv 3 ]
F = µN [1 − b(v0 − x′ ) + c(v0 − x′ )3 ]
F1 = kx
29
F2 = nx′
N = mg
mx′′ = F − F1 − F2
mx′′ = F − kx − nx′
x1 = x
x2 = x′
x′1 = x2 (3.13)
3
k n µN [1 − b(v0 − x2 ) + c(v0 − x2 ) ]
x′2 = − x1 − x2 + (3.14)
m m m
Los datos del problema son b = 0.3, c = 0.1, m = 1kg,g = 9.8m/s2 , u = 0.6,
k = 1600N/m, n = 0.1kg/s
Programa banda.m
function y=banda(r)
%Programa que determina el desplazamiento de una banda transportadora
clc;global v0;v0=r;
format long
a=0;
b=8;
m=2; %numero de ecuaciones
N=1000; %numero de subintervalos
c(1)=0;%condiciones iniciales
c(2)=0;
h=(b-a)/N;
t=a;
for j=1:m,
30
w(j)=c(j)
end
T=[t];
y=[w];
for i=1:N,
for j=1:m,
k1(j)=h*fs(t,w(1),w(2),j);
end
for j=1:m,
k2(j)=h*fs(t+h/2,w(1)+(1/2)*k1(1),w(2)+(1/2)*k1(2),j);
end
for j=1:m,
k3(j)=h*fs(t+h/2,w(1)+(1/2)*k2(1),w(2)+(1/2)*k2(2),j);
end
for j=1:m,
k4(j)=h*fs(t+h,w(1)+k3(1),w(2)+k3(2),j);
end
for j=1:m,
w(j)=w(j)+(k1(j)+2*k2(j)+2*k3(j)+k4(j))/6
end
t=a+i*h;
T=[T;t];
y=[y;w]
input(’pulse’)
fprintf(’%4.4f ’,T(i+1));
fprintf(’%12.6i ’,w(1));fprintf(’%12.6i\n’,w(2));
end
plot(T,y(:,1))
xlabel(’tiempo (s)’);
ylabel(’posicion (m)’);
grid
Programa fs.m
function y1=fs(t,x1,x2,j)
31
b=0.3;c=0.1;m=1;g=9.8;k=1600;n=0.1;u=0.6;N=m*g;v0=0.5;
if j==1,
y1=x2;
end
if j==2,
y1=(-k/m)*x1-(n/m)*x2+(u*N)*(1-b*(v0-x2)+c*(v0-x2)^3)/m;
end
Se realiza tres simulaciones para v0 = 0.5m/s y v0 = 1m/s tenemos las figuras (3.2) y
(3.3) donde el sistema es inestable, para v0 = 1.5m/s el sistema es estable según la figura
(3.4).
0.05
0.04
0.03
0.02
posicion (m)
0.01
−0.01
−0.02
−0.03
velocidad v0=0.5 m/s
−0.04
0 1 2 3 4 5 6 7 8
tiempo (s)
32
−3
x 10
6
velocidad v0=1 m/s
4
posicion (m)
0
0 1 2 3 4 5 6 7 8
tiempo (s)
Y ′ = f (x, Y ) (3.15)
donde
u1 f1
u2 f2
Y = , f =
.. ..
.
.
un fn
entonces las iteraciones para el Método de Runge-Kutta de cuarto orden para sistemas
es:
K1 = hf (xn , Yn )
1 1
K2 = hf (xn + h, Yn + K1 )
2 2
1 1
K3 = hf (xn + h, Yn + K2 )
2 2
K4 = hf (xn + h, Yn + K3 )
1
Yn+1 = Yn + (K1 + 2K2 + 2K3 + K4 ) (3.16)
6
Si es posible escribir la ecuación (3.9) en forma lineal como
Y ′ = MY + F
33
−3
x 10
7
velocidad v0=1.5 m/s
posicion (m) 5
0
0 1 2 3 4 5 6 7 8
tiempo (s)
K1 = h [M Yn + F ]
· ¸
K1
K2 = h M (Yn + )+F
2
· ¸
K2
K3 = h M (Yn + )+F
2
K4 = h [M (Yn + K3 ) + F ]
1
Yn+1 = Yn + (K1 + 2K2 + 2K3 + K4 ) (3.17)
6
Para este caso desarrollamos el siguiente algoritmo
34
2. Para n=0,...,N-1, hacer
K1 = h [M Yn + F ]
K2 = h M (Yn + K21 ) + F
£ ¤
K3 = h M (Yn + K22 ) + F
£ ¤
K4 = h [M (Yn + K3 ) + F ]
Yn+1 = Yn + 16 (K1 + 2K2 + 2K3 + K4 )
Salida xn+1 , Yn+1
3. Parar
35
Figura 3.6: Diagrama de cuerpo libre de M3
M2 ẍ2 = B12 (ẋ1 − ẋ2 ) + k12 (x1 − x2 ) − B23 (ẋ2 − ẋ3 ) − k23 (x2 − x3 )
−B2 ẋ2 (3.19)
se puede llevar a la forma
k12 B12 (k12 + k23 ) (B23 + B12 + B2 ) k23 B23
ẍ2 = x1 + ẋ1 − x2 − ẋ2 + x3 + ẋ3
M2 M2 M2 M2 M2 M2
De la figura 3.8, el desplazamiento de la masa M1 satisface
36
Figura 3.8: Diagrama de cuerpo libre de M1
Y ′ = AY + F (3.28)
37
donde
ẏ 0 1 0 0 0 0
1
ẏ − k12 − (B12 +B1 ) k12 B12
0 0
2 M1 M1 M1 M1
′
ż1 0 0 0 1 0 0
Y = ż
M =
k12 B12 (k12 +k23 ) (B23 +B12 +B2 ) k23 B23
2 M2 M2
− M2
− M2 M2 M2
u̇1 0 0 0 0 0 1
k23 B23 k23 (B23 +B3 )
u̇2 0 0 M3 M3
− M3 − M3
y 0
1 û(t)
y
2 M1
z1 0
Y =
z
F =
0
2
u1 0
u2 0
Asumimos los siguientes valores para los parámetros
M2 = M3 = 2M1 = 2600kg
N −s
k23 = k12 = 100, 000
m
N −s
B23 = B12 = 500
m
N −s
B2 = B3 = 2B1 = 10000
m
û(t) = 1300N
38
B2=10000;B3=10000;B1=5000;
B23=500;B12=500;
M=[0 1 0 0 0 0;
-K12/M1 -(B12+B1)/M1 K12/M1 B12/M1 0 0;
0 0 0 1 0 0;
K12/M2 B12/M2 -(K12+K23)/M2 -(B23+B12+B2)/M2 K23/M2 B23/M2;
0 0 0 0 0 1;
0 0 K23/M3 B23/M3 -K23/M3 -(B23+B3)/M3];
Y(:,1)=[0;0;0;0;0;0];
h=0.1;n=1;t(1)=0;U=1300;F=[0;U/M1;0;0;0;0];
while t(n)<3
k1=h*F4(Y(:,n),M,F);
k2=h*F4(Y(:,n)+k1/2,M,F);
k3=h*F4(Y(:,n)+k2/2,M,F);
k4=h*F4(Y(:,n)+k3,M,F);
Y(:,n+1)=Y(:,n)+(1/6)*(k1+2*k2+2*k3+k4);
t(n+1)=n*h;
n=n+1;
F=[0;U/M1;0;0;0;0];
end
subplot(2,1,1)
plot(t,Y(1:2:6,:));
legend(’posicion M1’,’posicion M2’,’posicion M3’)
text(t(3),Y(1,3),’x1’);
text(t(5),Y(3,5),’x2’);
text(t(7),Y(5,7),’x3’);
xlabel(’tiempo (s)’);
ylabel(’desplazamientos x1,x2,x3 (m)’);
grid;
subplot(2,1,2);
plot(t,Y(2:2:6,:));
legend(’velocidad M1’,’velocidad M2’,’velocidad M3’)
text(t(3),Y(2,3),’v1’);
text(t(3),Y(4,3),’v2’);
text(t(3),Y(6,3),’v3’);
39
xlabel(’tiempo (s)’);
ylabel(’velocidades(m/s)’);
grid;
for i=1:1:length(Y)
fprintf(’%i ’,i-1);fprintf(’%4.1f ’,t(i));
fprintf(’%8.4i ’,Y(1,i));fprintf(’%8.4i ’,Y(3,i));
fprintf(’%8.4i\n’,Y(5,i));
end
for i=1:1:length(Y)
fprintf(’%i ’,i-1);fprintf(’%4.1f ’,t(i));
fprintf(’%8.4i ’,Y(2,i));fprintf(’%8.4i ’,Y(4,i));
fprintf(’%8.4i\n’,Y(6,i));
end
40
19 1.9 9.5572e-002 8.5217e-002 8.0219e-002
20 2.0 1.0085e-001 9.0446e-002 8.5342e-002
21 2.1 1.0611e-001 9.5694e-002 9.0463e-002
22 2.2 1.1134e-001 1.0092e-001 9.5620e-002
23 2.3 1.1654e-001 1.0611e-001 1.0082e-001
24 2.4 1.2173e-001 1.1129e-001 1.0605e-001
25 2.5 1.2690e-001 1.1647e-001 1.1128e-001
26 2.6 1.3206e-001 1.2167e-001 1.1650e-001
27 2.7 1.3725e-001 1.2687e-001 1.2170e-001
28 2.8 1.4245e-001 1.3208e-001 1.2690e-001
29 2.9 1.4767e-001 1.3728e-001 1.3209e-001
30 3.0 1.5289e-001 1.4248e-001 1.3728e-001
41
20 2.0 5.2687e-002 5.2464e-002 5.1133e-002
21 2.1 5.2382e-002 5.2424e-002 5.1345e-002
22 2.2 5.2170e-002 5.2088e-002 5.1799e-002
23 2.3 5.1968e-002 5.1812e-002 5.2185e-002
24 2.4 5.1754e-002 5.1777e-002 5.2334e-002
25 2.5 5.1642e-002 5.1900e-002 5.2270e-002
26 2.6 5.1726e-002 5.2014e-002 5.2118e-002
27 2.7 5.1945e-002 5.2041e-002 5.1982e-002
28 2.8 5.2141e-002 5.2019e-002 5.1907e-002
29 2.9 5.2199e-002 5.2007e-002 5.1891e-002
30 3.0 5.2127e-002 5.2018e-002 5.1917e-00
desplazamientos x1,x2,x3 (m)
0.2
0.15
0.1
posicion M1
0.05 posicion M2
x1 x2 x3 posicion M3
0
0 0.5 1 1.5 2 2.5 3
tiempo (s)
0.1
v1
velocidades(m/s)
0.08
0.06
0.04 velocidad M1
v2 velocidad M2
0.02
velocidad M3
0 v3
0 0.5 1 1.5 2 2.5 3
tiempo (s)
Se observa de la (3.9) que los desplazamientos de las masas es creciente mientras que sus
velocidades tienden a estabilizarse, es decir a tener una velocidad constante a partir de
t = 2s.
42
3.5.6. Instrumento sı́smico
En la figura (3.10) se muestra un modelo general utilizado para la medición de
vibraciones[SET 70]. La base se sujeta al cuerpo, el cual tiene una vibracion
q desconocida
k
a sin wt, considere m = 120kg, w = 5.81778, A = 0.1, k = 400, wn = m
,y c = wn m.
Para hallar el movimiento y la velocidad relativa del sistema durante 15 segundos,
hacemos el diagrama de cuerpo libre de la masa m.
Las fuerzas que actuán sobre la masa son la fuerza del resorte k( 12 + 21 )(x1 − x2 ) y
la fuerza de amortiguamiento c(x′1 − x′2 ), suponiendo que x1 es mayor x2 , la ecuación de
movimiento es:
−k(x1 − x2 ) − c(x′1 − x′2 ) = mx′′1
d2 x dx
m 2
+ c + kx = mAw2 sin wt
dt dt
haciendo cambio de variable
x1 = x
x2 = x′
formamos el sistema
x1′ = x′ = x2
c k
x2′ = x′′ = − x2 − x1 + Aw2 sin(wt)
m m
que se puede expresar en forma matricial
à ! à ! à !
x1′ 0 1 0
= k
+
x2′ −m − mc Aw2 sin(wt)
43
m
x1
1 1
2
k c 2
k
Base x2
Program vibracion.m
44
grid;
subplot(2,1,2);
plot(t,Y(2,:));
grid;
Programa F4.m
function f=F4(Y,M,F);
f=M*Y+F;
0.3
0.2
0.1
altura
−0.1
−0.2
0 5 10 15
tiempo
0.5
velocidad
−0.5
−1
0 5 10 15
tiempo
45
3.6. Problemas propuestos
1. Use el método de Runge-Kutta de cuarto orden con h=0.1 para aproximar la
solución de
y ′ = 3cos(y − 5x), y(0) = 0
en los puntos x =0, 0.1, 0.2, . . .,4.0. Utilice sus respuestas para trazar una gráfica
aproximada de la solución en [0, 4].
46
b) Resuelva por el método de Runge-Kutta el PVI descrito, halle la cantidad de
radio que quedarı́a en la muestra al cabo de 1500 años.
6. En el estudio del campo eléctrico inducido por dos lı́neas de transmisión cercanas,
surge una ecuación de la forma
dz
+ g(x)z 2 = f (x)
dx
Sean f (x) = 5x + 2 y g(x) = z 2 . Si z(0) = 1, use el algoritmo de Runge-Kutta de
cuarto orden para aproximar z(1), con una tolerancia ǫ=0.0001.
x′ = y
y ′ = −x − 2et + 1
z ′ = −x − et + 1
47
Sujeto a las siguientes condiciones y1 (0) = y2 (0) = 0, y1′ (0) = 1, y2′ (0) = −1
y1
y2
48
resuelva el PVI con el método de Runge-Kutta, encontrando la posición del
satélite respecto a la Tierra 24 horas desde su lanzamiento.
Utilice los distintos métodos de resolución para obtener las soluciones aproximadas
con h = 0.1
TS1 = 100o
TS
TB0 = 20o TB TB0 =?
TS
TS0 =?
49
Capı́tulo 4
w0 = α
wi+1 = wi + hφ(xi+1 , wi , h), para i > 0
w̄0 = α
w̄i+1 = w̄i + hφ̄(xi+1 , w̄i , h), para i > 0
50
las aproximaciones wi+1 y w̄i+1 a y(xi+1 ).Entonces
y(xi+1 ) − y(xi )
τi+1 (h) = − φ(xi , y(xi ), h)
h
y(xi+1 ) − wi
= − φ(xi , wi , h)
h
y(xi+1 ) − [wi + hφ(xi , wi , h)]
=
h
1
= (y(xi+1 ) − wi+1 )
h
De manera similar
1
τ̄i+1 (h) = (y(xi+1 ) − w̄i+1 )
h
En consecuencia
1
τi+1 (h) = (y(xi+1 ) − wi+1 )
h
1
= [(y(xi+1 ) − w̄i+1 ) + (w̄i+1 − wi+1 )]
h
1
= τ̄i+1 (h) + (w̄i+1 − wi+1 )
h
donde τi+1 (h) es O(hn ) y τ̄i+1 es O(hn+1 ), por lo tanto la parte significativa proviene de
1
(w̄i+1 − wi+1 )
h
Esto nos da una aproximación del error local de truncamiento del método O(hn ):
1
τi+1 (h) ≈ (w̄i+1 − wi+1 )
h
El objetivo no es solo estimar el error local del truncamiento, sino ajustar además el
tamaño de paso para mantenerlo dentro de una cota especificada. Para hacerlo, ahora se
supone que como τi+1 es O(hn ), existe un número K independiente de h
qn
τi+1 (qh) ≈ K(qh)n = q n (Khn ) ≈ q n τi+1 (h) ≈ (w̄i+1 − wi+1 )
h
Para establecer la cota de τi+1 (qh) por ǫ, escogemos q tal que
qn
|w̄i+1 − wi+1 | ≈ |τi+1 (qh)| ≤ ǫ
h
51
µ ¶1/n
ǫh
q≤
|w̄i+1 − wi+1 |
Un método que usa esta desigualdad para controlar el error es el método de Runge-
Kutta-Fehlberg.Este consiste en emplear el método de Runge-Kutta con error local de
truncamiento de quinto orden
16 6656 28561 9 2
w̄i+1 = wi + k1 + k3 + k4 − k5 + k6
135 12825 56430 50 55
para estimar el error local en un método de Runge-Kutta de cuarto orden dado por
25 1408 2197 1
wi+1 = wi + k1 + k3 + k4 − k5
216 2565 4104 5
donde
k1 = hf (xi , wi )
h 1
k2 = hf (xi + , wi + k1 )
4 4
3 3 9
k3 = hf (xi + h, wi + k1 + k2 )
8 32 32
12 1932 7200 7296
k4 = hf (xi + h, wi + k1 − k2 + k3 )
13 2197 2197 2197
439 3680 845
k5 = hf (xi + h, wi + k1 − 8k2 + k3 − k4 )
216 513 4104
1 8 3544 1859 11
k6 = hf (xi + h, wi − k1 + 2k2 − k3 + k4 − k5 )
2 27 2565 4104 40
La ventaja de este método se da en que solo se requiere seis evaluaciones de f por paso. Los
métodos arbitrarios de Runge Kutta de cuarto y quinto orden usados de manera conjunta
requieren cuatro y seis evaluaciones de f, respectivamente, lo cual da diez evaluaciones
de f.
En el control del error, un valor inicial de h en el i-ésimo paso se usó para obtener los
primeros valores de wi+1 y wi+1 , que nos permitieron determinar q en ese paso y luego se
repitieron los cálculos. Este procedimiento requiere el doble de evaluaciones de funciones
por paso, sin control de error. En la práctica, el valor de q a usar se selecciona de manera
un poco diferente, a fin de que valga la pena el aumento de evaluaciones de funciones. El
valor de q determinado en el i-ésimo paso cumple dos propósitos:
52
si se repiten los pasos, q se elige de manera conservadora, en el método de Runge-
Kutta-Fehlberg con n=4, la eleccion común es
µ ¶1/4 µ ¶1/4
ǫh ǫh
q= = 0.84
2 |wi+1 − wi | |wi+1 − wi |
2. Hacer
x=a
w=α
h = hmax
BD = 1
SALIDA (x, w)
53
3.1 Hacer
k1 = hf (xi , wi )
h 1
k2 = hf (xi + , wi + k1 )
4 4
3 3 9
k3 = hf (xi + h, wi + k1 + k2 )
8 32 32
12 1932 7200 7296
k4 = hf (xi + h, wi + k1 − k2 + k3 )
13 2197 2197 2197
439 3680 845
k5 = hf (xi + h, wi + k1 − 8k2 + k3 − k4 )
216 513 4104
1 8 3544 1859 11
k6 = hf (xi + h, wi − k1 + 2k2 − k3 + k4 − k5 )
2 27 2565 4104 40
3.2 Tome R = h1 | 360
1
k1 − 128
k
4275 3
− 2197
k
75240 4
+ 1
k
50 5
+ 2
k|
55 6
1
(R = |w̄i+1 − wi+1 |)
h
3.3 Si R ≤ T OL entonces hacer
3.3.1 Hacer x = x + h
25 1408 2197 1
w=w+ k1 + k3 + k4 − k5
216 2565 4104 5
3.3.2 SALIDA (x, w, h)
3.4 Tome δ = 0.84(T OL/R)1/4
3.5 Si δ ≤ 0.1 entonces tome h=0.1h o si ≥ 0.4 entonces tome h = 4h de otro
modo tome h = hδ
3.6 Si h > hmax entonces h = hmax
3.7 Si t ≥ b entonces tome BD = 0 de otro modo si x + h > b entonces tome
h = b−x de otro modo si h < hmin entonces tome BD = 0; SALIDA(rebasado
h mı́nimo)
4. Parar
54
los parámetros en forma adecuada.
La función sol guarda la solución exacta de la ecuación diferencial.
Programa rungkufeh2.m
a=1;b=4;yo=1;
tol=10^(-6);
hmax=0.5;
hmin=0.02;
x=a;
w=yo;
h=hmax;
band=1;
fprintf(’ xi’);
fprintf(’ yi=y(xi)’);
fprintf(’ wi’);
fprintf(’ hi’);
fprintf(’ |yi-wi|’);
fprintf(’ wi’);
fprintf(’ |yi-wii|\n’);
fprintf(’%12.3f’,x);
fprintf(’%12.3f’,sol(x));
fprintf(’%12.3f’,w);
fprintf(’ ’);
fprintf(’%12.3f\n’,sol(x)-w);
while band==1
k1=h*ff(x,w);
k2=h*ff(x+(1/4)*h,w+(1/4)*k1);
k3=h*ff(x+(3/8)*h,w+(3/32)*k1+(9/32)*k2);
k4=h*ff(x+(12/13)*h,w+(1932/2197)*k1-(7200/2197)*k2+(7296/2197)*k3);
k5=h*ff(x+h,w+(439/216)*k1-8*k2+(3680/513)*k3-(845/4104)*k4);
k6=h*ff(x+(1/2)*h,w-(8/27)*k1+2*k2-(3544/2565)*k3+(1859/4104)*k4-(11/40)*k5);
R=(1/h)*abs((1/360)*k1-(128/4275)*k3-(2197/75240)*k4+(1/50)*k5+(2/55)*k6);
if R<=tol
x=x+h;
wi=w+(16/135)*k1+(6656/12825)*k3+(28561/56430)*k4-(9/50)*k5+(2/55)*k6;
55
w=w+(25/216)*k1+(1408/2565)*k3+(2197/4104)*k4-(1/5)*k5;
fprintf(’%12.7f’,x);
fprintf(’%12.7f’,sol(x));
fprintf(’%12.7f’,w);
fprintf(’%12.7f’,h)
fprintf(’ %12.7e’,abs(sol(x)-w));
fprintf(’%12.7f’,wi);
fprintf(’ %12.7e\n’,abs(sol(x)-wi));
end
delt=0.84*(tol/R)^(1/4);
if delt<=0.1
h=0.1*h;
elseif delt>=4
h=4*h;
else h=delt*h;
end
if h>hmax
h=hmax;
end
if x>=b
band=0;
elseif (x+h)>b
h=b-x;
elseif h<hmin
band=0;
end
end
function y2=sol(x)
y2=x/(1+log(x));
Ejemplo
56
La entrada al algoritmo es la tolerancia T OL = 10−6 , un tamaño máximo de paso
hmax = 0.5 y un tamaño mı́nimo de paso hmin = 0.02
>>rungkufeh2
xi yi=y(xi) wi hi |yi-wi| wii |yi-wii|
1.000 1.000 1.000 0.000
1.1101946 1.0051237 1.0051237 0.1101946 5.0083437e-008 1.0051237 7.3572313e-009
1.2191314 1.0175211 1.0175212 0.1089368 6.3878024e-008 1.0175212 4.2901327e-008
1.3572694 1.0396749 1.0396749 0.1381381 8.0686697e-008 1.0396749 5.1900760e-008
1.5290112 1.0732756 1.0732757 0.1717417 9.6474346e-008 1.0732756 6.3566870e-008
1.7470584 1.1213947 1.1213948 0.2180472 1.1067125e-007 1.1213948 7.1637317e-008
2.0286416 1.1881700 1.1881702 0.2815832 1.2109483e-007 1.1881701 7.4469349e-008
2.3994350 1.2795395 1.2795396 0.3707934 1.2387333e-007 1.2795395 6.7626636e-008
2.8985147 1.4041842 1.4041843 0.4990798 1.1211799e-007 1.4041842 4.4005706e-008
3.3985147 1.5285638 1.5285639 0.5000000 1.1162287e-007 1.5285639 9.1614480e-008
3.8985147 1.6514962 1.6514963 0.5000000 1.1352301e-007 1.6514963 1.0649609e-007
4.0000000 1.6762391 1.6762393 0.1014853 1.1398408e-007 1.6762393 1.1398268e-007
Las dos últimas columnas de la tabla contienen los resultados del método de quinto
orden. Con valores pequeños de xi , el error es menor que el de cuarto orden, pero es
mayor cuando xi aumenta.
57
3. Aplique el método de Runge-Kutta-Fehlberg con la tolerarancia T OL = 104 ,
hmax = 0.25 y hmin = 0.05 para aproximar las soluciones de los siguientes problemas
de valor inicial. Despues compare los resultados con los valores reales.
1
a) y ′ = cos2x + sin 3x, 0 ≤ x ≤ 1, y(0) = 1; solucion real y(x) = 2
sen 2x −
1 4
3
cos3x + 3
58
Materiales y Métodos
El texto se digitó totalmente en Latex, que es uno de los procesadores de textos más
poténtes a la hora de elaborar complicadas fórmulas matemáticas y con una gran calidad
de impresión final.
59
Resultados
60
a mantenerse constante a partir del t=1.5s y el instrumento sismico se observa que
sistema se tiene desplazamiento y velocidad oscilatorio.
61
Discusión
En ingenierı́a hay diferentes procesos que son modelados por ecuaciones diferenciales
lineales y no lineales, determinar su solución mediante métodos analı́ticos es muchas
veces implosible, pero utilizando una técnica numérica y un software adecuado es fácil
conseguir una solución aproximada a la solución real.
Los métodos de Runge Kutta logran la exactitud del procedimiento de una serie de
Taylor, en sus fórmulas no aparecen derivadas, lo cual facilita su implementación en
un programa de Matlab. El método de Runge Kutta de cuarto orden es el más usado,
pues en la tabla dada en el apendice C diseñada por Butcher J.C. se indica por qué los
métodos de de orden menor que cinco con un tamaño menor de paso se prefieren a los
de orden superior con un tamaño mayor de paso. Como el método de Runge-Kutta de
cuarto orden requiere realizar cuatro evaluaciones por paso, tiene respuestas más exactas
que el resto de los métodos presentados.
62
iteraciones con h = 0.1.
En conclusión:
63
Bibliografı́a
[BAE 06] BAEZ LOPEZ, DAVID. Matlab con aplicaciones a la Ingenirı́a, Fı́sica y
Finanzas,México:Alfomega, Primera edición, 2006
[COR 06] CORDERO B., ALICIA; HUESO P., JOSE L.; MARTINEZ M., EULALIA
Y TORREGOSA S.,JUAN RAMON. Problemas resueltos de Métodos
Numéricos, España: Thomson, Primera edición,2006.
[INF 08] INFANTE DEL RIO, J,A.; REY C.,JOSE M.. Métodos Numéricos teorı́a,
problemas y prácticas con Matlab, España: Piramide, tercera edición, 2008.
[MOO 07] MOORE, HOLLY. Matlab para ingenieros, México: Pretince-Hall, Primera
edición, 2007.
64
[KEN 92] KEN NAGLE,R..Fundamentos de Ecuaciones Diferenciales, U.S.A:
Addison-Wesley Iberoamericana, Segunda edición,1992
65
Apéndice A:
Introducción al programa Matlab
A =
4 9 -10 22
>>b=10:2:30
b =
10 12 14 16 18 20 22 24 26 28 30
Las matrices se escriben como vectores, separando las filas mediante un punto y coma,
por ejemplo:
c =
1 2 3
5 9 2
4 5 6
66
>> x=-pi:0.1:pi;
>> y=x.*cos(x);
>> plot(x,y);
>>grid
−1
−2
−3
−4
−3 −2 −1 0 1 2 3
A.3 Programación
1. Calcule la suma de los n primeros términos de la sucesión x, 2x2 , 3x3 ,· · · nxn para
un valor de x,
Programa sumas.m
67
suma=suma+i*x^i;
end
disp(’el valor pedido es’)
fprintf(’suma= %4.2f\n ’,suma);
Es conveniente que el fichero que contenga la función se llame como ella; asi, la
función anterior deberı́a guardarse como fun.m
Calcule Z 10
(x2 + 1)dx
0
Vamos a crear dos funciones
Programa fun21.m
function y=fun21(x)
y=x.^2+1;
end
Programa integra.m
function y=integra(f,ini,fin)
p=(fin-ini)/1000;
y=0;x=ini;
while x<=fin
y=y+p*feval(f,x);
x=x+p;
end
end
>>integra(’fun21’,0,10)
ans =
3.438434999999901e+002
68
Apéndice B:Unicidad de la solución
en un S.E.Diferenciales
∀ (t, u1 , u2 , . . . , um ) y (t, z1 , z2 , . . . , zm ) en D
69
Apéndice C:Orden del Método de
Runge Kutta
Butcher J.C.1 estableció la relación entre la cantidad de evaluaciones por paso y el orden
del error local de truncamiento que aparece en la tabla. En ésta se indica por qué los
métodos de orden menor que cinco con un tamaño menor de paso se prefieren a los de
orden superior con un tamaño mayor de paso.
Definición. sean las funciones G y F que verifican lı́m G(h) = 0 y lı́m F (h) = L.
h→0 h→0
Si existe una constante positiva K tal que |F (h) − L| ≤ K |G(h)|, para h suficientemente
pequeña entonces escribimos F (h) = L + O(G(h)).
Por lo común, las funciones que usamos para la comparación tiene la forma G(h) = hp ,
donde p > 0. Nos interesa el mayor valor de p para el que F (h) = L + O(hp )
1
profesor de matemáticas en la Universidad de Auckland desde 1966 a 1998
70