TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE TUXTEPEC

INGENIERÍA CIVIL

METODOS NUMERICOS UNIDAD 5 Y 6

4 SEMESTRE GRUPO "C"

DOCENTE: ING. MIGUEL LIBREROS LANDA

EQUIPO:
ANDRADE RICO MIGUEL ALEXIS N° Control: 18350725
GARCIA PEREZ RICARDO N° Control: 18350158
SANTIAGO LOPEZ CRISTIAN ISRAEL N° Control: 18350203

San Juan Bautista Tuxtepec, Oaxaca

 Método de Euler

Procedimiento de integración numérica para resolver ecuaciones

diferenciales ordinarias

Consiste en

Se obtiene

Pasa Por finalmente

Dividir intervalos que
van de Xo a Xf en n
subintervalos de
ancho H; ósea
un conjunto discreto de n+1 puntos
Xo,X1,X2…..Xn del intervalo de interés
(Xo,Xf) para cualquiera de estos puntos
se cumple que
Po y de pendiente F (Xo, Yo) esta
recta aproxima F(x} en una
vecindad de Xo. Tómese la recta
como reemplazo de F(x) y localice
en ella la recta el valor de Y1 y X1
En el punto P=(X1,X2) y repetir
el procedimiento anterior a fin
de generar la sucesión de
aproximaciones siguiente:

Y1-Y2 = F (Xo, Yo) Y1=Yo+hf (Xo, Yo)

X1-X2 Y2=Y1+hf (X1, Y1)

Se representa

Po= (Xo, Yo) por donde la curva solución de la ecuación

del planteamiento inicial, la cual se denota como F(x)=Y
ya teniendo el punto Po se puede evaluar la primera
derivada F(x) por lo tanto;
 MÉTODO DE RUNGE KUTTA

Proporciona un pequeño margen de error con respecto a la solución

real del problema y es fácilmente programable en un software para
realizar las iteraciones necesarias.

Casos en los que la solución no puede

Útil para hallarse por los métodos convencionales
(como separación de variables).
Se utiliza

Donde
Resolver ecuaciones
diferenciales de la forma O Explicita
explícita:
Para i=0, …, n-1. La solución se da a lo
largo del intervalo (xo, xo+hn)

Así, siguiente valor (yi+1) es determinado por el

presente valor, más el producto del tamaño del
intervalo (h) por una pendiente estimada.

La pendiente un promedio ponderado de pendientes:

Finalmente
 k1 es la pendiente al principio del intervalo.
 k2 es la pendiente en el punto medio del intervalo, usando
k1 para determinar el valor de y en el punto xi + h/2.
 METODO DE GAUUS SEIDEL

En análisis numérico el método de Gauss-Seidel es un método

iterativo utilizado para resolver sistemas de ecuaciones lineales.

Es un método iterativo, lo que significa que se Buscamos la solución a un sistema de

parte de una aproximación inicial y se repite el Con esto buscamos ecuaciones lineales, en notación matricial:
proceso hasta llegar a una solución con un
margen de error tan pequeño como se quiera. AX= b,

donde

Nos sirve
El método de iteración Gauss-Seidel se computa, para

la iteración (k+1)

donde
definimos
A=N-P Entonces podemos escribir la fórmula de
iteración del método
 NEWTON - RAPHSON

Este método es uno de los más utilizados

Pendiente de una
para localizar raíces ya que en general es
recta:
muy eficiente y siempre converge para una
función polinomial.

Se requiere

que las funciones sean diferenciables, y, por

tanto, continuas, para poder aplicar este
método.

entonces

La fórmula de Newton-Raphson se deduce

a partir de la fórmula de la pendiente de una
recta.

El valor absoluto de la diferencia de la X i+1 – Xi debe ser menor que la tolerancia o

el resultado de alguna fórmula de error debe ser menor que la tolerancia dada.
 MÉTODO DE GAUSS-SEIDEL
El método de eliminación para resolver ecuaciones simultáneas suministra soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. El
número exacto depende de las ecuaciones de que se trate, del número de dígitos que se conservan en el resultado de las operaciones aritméticas,
y del procedimiento de redondeo. Utilizando ecuaciones de error, el número de ecuaciones que se pueden manejar se puede incrementar
considerablemente a más de 15 o 20, pero este método también es impráctico cuando se presentan, por ejemplo, cientos de ecuaciones que se
deben resolver simultáneamente. El método de inversión de matrices tiene limitaciones similares cuando se trabaja con números muy grandes de
ecuaciones simultáneas.

Sin embargo, existen varias técnicas que se pueden utilizar, para resolver grandes números de ecuaciones simultáneas. Una de las técnicas más
útiles es el método de Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el método de Gauss-Seidel tiene la
desventaja de que no siempre converge a una solución o de que a veces converge muy lentamente. Sin embargo, este método convergirá siempre
a una solución cuando la magnitud del coeficiente de una incógnita diferente en cada ecuación del conjunto, sea suficientemente dominante con
respecto a las magnitudes de los otros coeficientes de esa ecuación.

Un sistema diagonal es condición suficiente para asegurar la convergencia, pero no es condición necesaria. Afortunadamente, las ecuaciones
simultáneas lineales que se derivan de muchos problemas de ingeniería, son del tipo en el cual existen siempre coeficientes dominantes.

La secuencia de pasos que constituyen el método de Gauss-Seidel es la siguiente:

1. Asignar un valor inicial a cada incógnita que aparezca en el conjunto. Si es posible hacer una hipótesis razonable de éstos valores, hacerla. Si no,
se pueden asignar valores seleccionados arbitrariamente. Los valores iniciales utilizados no afectarán la convergencia como tal, pero afectarán el
número de iteraciones requeridas para dicha convergencia.

2. Partiendo de la primera ecuación, determinar un nuevo valor para la incógnita que tiene el coeficiente más grande en esa ecuación, utilizando
para las otras incógnitas los valores supuestos.

3. Pasar a la segunda ecuación y determinar en ella el valor de la incógnita que tiene el coeficiente más grande en esa ecuación, utilizando el valor
calculado para la incógnita del paso 2 y los valores supuestos para las incógnitas restantes.

4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de la incógnita que tiene el coeficiente más grande en cada
ecuación particular, y utilizando siempre los últimos valores calculados para las otras incógnitas de la ecuación. (Durante la primera iteración, se
deben utilizar los valores supuestos para las incógnitas hasta que se obtenga un valor calculado). Cuando la ecuación final ha sido resuelta,
proporcionando un valor para la única incógnita, se dice que se ha completado una iteración.

5. Continuar iterando hasta que el valor de cada incógnita, determinado en una iteración particular, difiera del valor obtenido en la iteración previa,

en una cantidad menor que cierto seleccionado arbitrariamente. El procedimiento queda entonces completo.

Refiriéndonos al paso 5, mientras menor sea la magnitud del seleccionado, mayor será la precisión de la solución. Sin embargo, la magnitud de
la épsilon no especifica el error que puede existir en los valores obtenidos para las incógnitas, ya que ésta es una función de la velocidad de

convergencia. Mientras mayor sea la velocidad de convergencia, mayor será la precisión obtenida en los valores de las incógnitas para un dado.

EJEMPLO

Resolver el siguiente sistema de ecuación por el método Gauss-Seidel utilizando un = 0.001.

0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
SOLUCIÓN:
Primero ordenamos las ecuaciones, de modo que en la diagonal principal estén los coeficientes mayores para asegurar la convergencia.

3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85

0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30
0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40
Despejamos cada una de las variables sobre la diagonal:
Suponemos los valores iniciales X2 = 0 y X3 = 0 y calculamos X1

Este valor junto con el de X3 se puede utilizar para obtener X2

La primera iteración se completa sustituyendo los valores de X1 y X2 calculados obteniendo:

En la segunda iteración, se repite el mismo procedimiento:

Comparando los valores calculados entre la primera y la segunda iteración

Como podemos observar, no se cumple la condición

Entonces tomamos los valores calculados en la última iteración y se toman como supuestos para la siguiente iteración. Se repite entonces el proceso:

Comparando de nuevo los valores obtenidos

Como se observa todavía no se cumple la condición

Así que hacemos otra iteración

Comparando los valores obtenidos

Dado que se cumple la condición, el resultado es:

X1 = 3.0

X2 = -2.5

X3 = 7.0
 METODO DE NEWTON-RAPHSON

El método de Newton-Raphson, permite hallar una raíz de una ecuación no-lineal siempre y cuando se parta de una buena estimación
inicial de la misma.
El esquema iterativo de Newton puede derivarse del desarrollo de Taylor de la función alrededor de la estimación inicial.

Ahora bien, la recta tangente a la función, que pasa por el punto [x0 , f(x0)], se encuentra definida por la siguiente expresión:

Si denominamos x1 a la intersección de g(x) con el eje x (es decir, la raíz de g(x)), resolviendo dicha ecuación obtenemos, la siguiente
expresión:

y generalizando este esquema de aproximaciones sucesivas a la raíz, obtenemos:

Para que el método de Newton-Raphson converja deben cumplirse ciertas condiciones de convergencia. En la siguiente figura podemos
apreciar, como aun partiendo de un punto cercano a la raíz buscada, en un caso el método converge y en otro caso no.
 Condiciones de convergencia
Las condiciones de convergencia del método de Newton-Raphson pueden resumirse de la siguiente manera:

Existencia de la Raíz.
Dado un cierto intervalo de trabajo [a,b], dentro del mismo debe cumplirse que f(a)*f(b)<0.

Unicidad de la Raíz.
Dentro del intervalo de trabajo [a,b], la derivada de f(x) debe ser diferente de cero.

Concavidad.
La gráfica de la función f(x) dentro del intervalo de trabajo [a,b], debe ser cóncava, hacia arriba o hacia abajo. Para ello debe
verificarse que:
f ''(x) <= 0 ó f ''(x) >= 0 para todo x que pertenezca a [a,b]

Intersección de la Tangente a f(x), dentro de [a,b]

Se debe asegurar que la tangente a la curva en el EXTREMO del intervalo [a,b] en el cual f'(x) sea mínima, intersecte al eje x dentro del
intervalo [a,b].
De esta manera aseguramos que la sucesión de valores de xi caigan dentro de [a,b].
Ejemplo de su utilización
Hallar la raíz de la función cuya expresión simbólica se aprecia en el siguiente gráfico, que se encuentra en el intervalo [0, 1]

Como podemos apreciar en la siguiente tabla de valores, la convergencia de los valores obtenidos hacia el valor de la raíz es sumamente
veloz.
Número de Iteración Xn | Xn- Xn -1 | | f( Xn) |

0 0.5 - 2.214713387

1 0.8609558089 0.3609558089 6.087811019

2 0.7883655604 0.0725902485 2.101104791

3 0.7298583635 0.0585071969 0.03400407874

4 0.7087809795 0.021077384 0.0002150014501

5 0.7069681095 0.00181287 8.436889116x10-9

6 0.7069565007 1.16088x10-5 0

Por los valores obtenidos es evidente que el método converge hacia la solución, sin embargo, es conveniente analizar las condiciones
de convergencia previamente. Analice qué sucedería si el intervalo fuera [0.1, 1]
Método de Euler

En matemática y computación, el método de Euler, llamado así en honor a Leonhard Euler, es un

procedimiento de integración numérica para resolver ecuaciones diferenciales ordinarias (EDO) a
partir de un valor inicial dado. El método de Euler es el más simple de los métodos numéricos para
resolver un problema de valor inicial, y el más simple de los Métodos de Runge-Kutta. El método de
Euler es nombrado por Leonhard Euler, quien lo trató en su libro Institutionum calculi
integralis (publicado en 1768-1770).

El método de Euler es un método de primer orden, lo que significa que el error local es proporcional
al cuadrado del tamaño del paso, y el error global es proporcional al tamaño del paso. El método de
Euler regularmente sirve como base para construir métodos más complejos.

Descripción informal
Considere el problema de calcular la pendiente de una curva desconocida que comienza en un punto dado y satisface una cierta ecuación
diferencial dada. Se puede pensar en la ecuación diferencial como una fórmula que nos permite calcular la pendiente de la recta
tangente a la curva en cualquier punto de la curva, una vez que el punto ha sido calculado.

La idea es que a pesar de que la curva es desconocida en un principio, su punto de comienzo, al cual denotamos por A0, es conocido.
Entonces, de la ecuación diferencial se puede calcular la pendiente de la curva en el punto A0 y por lo tanto la recta tangente a la curva.

Ahora, dando un pequeño paso sobre dicha recta, podemos tomarnos un nuevo punto A1 y suponer que dicho punto pertenece a la
curva, entonces seguimos el mismo razonamiento aplicado anteriormente y volvemos a calcular la pendiente de la recta tangente a la
curva en el punto A1. Luego de varios pasos tendremos formada una curva poligonal A0A1A2A3... En general esta curva que obtenemos
al aplicar el método no diverge lejos de la curva original, además el error entre ambas curvas se puede minimizar si se dan pasos muy
pequeños al avanzar sobre la recta tangente a la curva y además el intervalo sobre el que trabajamos es finito (aunque las cosas son
más complicadas para ecuaciones inestables, como se discute más abajo) ...
Procedimiento
Consiste en dividir los intervalos que va de subintervalo de ancho h ; o sea:

de manera que se obtiene un conjunto discreto de N+1 puntos x0, x1, x2, °°°, xn del intervalo de interés [x0, xf]. para cualquiera de
estos puntos se cumple que:

La condición inicial y(x0)=y0 , representa el punto P0=(y0,x0) por donde pasa la curva solución de la ecuación del planteamiento inicial, la cual se
denotará como F(x)= y . Ya teniendo el punto P0 se puede evaluar la primera derivada de F(x) en ese punto; por lo tanto:

Con esta información se traza una recta, aquella que pasa por P0 y de pendiente f(x0,y0). Esta recta aproxima F(x) en una vecindad
de X0. Tómese la recta como reemplazo de F(X) y localícese en ella (la recta) el valor de Y correspondiente a X1. Entonces, podemos
deducir según la Gráfica A:

Se resuelve para Y1
Es evidente que la ordenada Y1 calculada de esta manera no es igual a F(X1), pues existe un pequeño error. Sin embargo, el
valor Y1 sirve para que se aproxime F’(X) en el punto P= (X1,Y1) y repetir el procedimiento anterior a fin de generar la sucesión
de aproximaciones siguiente:

EJEMPLO

En primer lugar se calcula el valor de h tomando en cuenta que el número de pasos n es 4; por lo tanto quedaría así:

Antes de aplicar el método, veamos un esquema de cómo trabajaría el método en este caso concreto:

Los valores iniciales de X y y vienen dados por:

Teniendo dichos valores se comienza con el método. Se harán aproximaciones de hasta ocho decimales. La función seno se evaluará
en radianes.

Por lo que el resultado obtenido es: Y4=0.33258138. Conociendo el valor exacto de la ecuación en ese punto, Y=0.3325459, se puede
calcular el error relativo cometido por el método:

Análisis de error para el método de Euler

La solución de las ecuaciones diferenciales por medio de métodos numéricos involucra varios tipos de
errores:

Error del método (Error de Truncamiento Local y Global): este se debe a que, cómo la
aproximación de una curva mediante una línea recta no es exacta, se comete un error propio del método.
En este caso, el error es de primer orden - O(h1) -

Local: Es la diferencia que se produce entre el valor real de la función 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: Acumulación 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 tenía error, sino que asumimos que dicho error existe y que se propaga de paso en paso.
Dicha propagación es, en el peor de los casos, lineal.

La suma de los dos es el error global.

Redondeo/truncamiento: Resultado del número límite de cifras significativas que puede retener una computadora. Ya que el número de dígitos utilizados para
hacer los cálculos es finito y los números representados puede que no lo sean (es decir, números con infinita cantidad de dígitos). Al limitar los números con
infinita cantidad de dígitos -mediante truncamiento o redondeo- a números con finita cantidad de dígitos estamos cometiendo un error extra.

Como se muestra en la Gráfica B, básicamente el método se encarga de aproximar la curva Y=F(X) por medio de una serie de segmentos en recta.

Debido a que la aproximación de una curva por medio de una línea recta no es exacta, se comete un error derivado del método. A este error se le conoce
como error de truncamiento. Este error se puede disminuir reduciendo el valor de h, pero se obtendrá un mayor número de cálculos y, por consiguiente,
un error de redondeo mucho más alto.

Método de Runge-Kutta
En análisis numérico, los métodos de Runge-Kutta son un conjunto de métodos genéricos iterativos, explícitos e implícitos, de resolución numérica
de ecuaciones diferenciales. Este conjunto de métodos fue inicialmente desarrollado alrededor del año 1900 por los matemáticos C. Runge y M. W. Kutta.

Descripción
Los métodos de Runge-Kutta (RK) son un conjunto de métodos iterativos (implícitos y explícitos) para la aproximación de soluciones
de ecuaciones diferenciales ordinarias, concretamente, del problema de valor inicial.
Sean:

una ecuación diferencial ordinaria, con F=Ωʗ R X R” – R” donde Ω es un conjunto abierto, junto con la condición de que el valor inicial de ƒ sea
Y(T)=F(T,Y(T))
Entonces el método RK (de orden s) tiene la siguiente expresión, en su forma más general:

donde h es el paso por iteración, o lo que es lo mismo, el incremento ∆Tn entre los sucesivos puntos tn y tn + 1. Los coeficientes ki son términos de
aproximación intermedios, evaluados en ƒ de manera local

con aij,bi,ci coeficientes propios del esquema numérico elegido, dependiente de la regla de cuadratura utilizada. Los esquemas Runge-Kutta pueden ser
explícitos o implícitos dependiendo de las constantes aij del esquema. Si esta matriz es triangular inferior con todos los elementos de la diagonal principal
iguales a cero; es decir, aij = 0 para ,j=i,…,s, los esquemas son explícitos.

Ejemplo
Esquema Runge-Kutta de dos etapas, una en T=Tn y otra en t=tn + ∆tn. ƒ(t,y(t)) en la primera etapa es:

Para estimar ƒ(t,y) en se usa en t=tn + ∆tn un esquema Euler

Con estos valores de ƒ, se sustituyen en la ecuación

de manera que se obtiene la expresión:

Los coeficientes propios de este esquema son: b1 = b2 = 1/2, a21 = 1; c2 = 1

Variantes
Existen variantes del método de Runge-Kutta clásico, también llamado Runge-Kutta explícito, tales como la versión implícita del procedimiento o
las parejas de métodos Runge-Kutta (o métodos Runge-Kutta-Fehlberg).
Este último consiste en ir aproximando la solución de la ecuación mediante dos algoritmos Runge-Kutta de órdenes diferentes, para así mantener
el error acotado y hacer una buena elección de paso.
Métodos de Runge-Kutta
El método de Runge-Kutta no es sólo un único método, sino una importante familia de métodos iterativos, tanto implícitos como explícitos, para aproximar las
soluciones de ecuaciones diferenciales ordinarias (E.D.O´s); estas técnicas fueron desarrolladas alrededor de 1900 por los matemáticos alemanes Carl David
Tolmé Runge y Martin Wilhelm Kutta.

Métodos de Runge-Kutta de cuarto orden

Un miembro de la familia de los métodos Runge-Kutta usado ampliamente es el de cuarto orden. Es usado tanto que a menudo es referenciado como
«RK4» o como «el método Runge-Kutta».
Definiendo un problema de valor inicial como:

Entonces el método RK4 para este problema está dado por la siguiente ecuación:

Donde:
Así, el siguiente valor (yn+1) es determinado por el presente valor (yn) más el producto del tamaño del intervalo (h) por una pendiente
estimada. La pendiente es un promedio ponderado de pendientes, donde k1 es la pendiente al principio del intervalo, k2 es la pendiente
en el punto medio del intervalo, usando k1 para determinar el valor de y en el punto usando el método de Euler. k3 es otra vez la
pendiente del punto medio, pero ahora usando k2 para determinar el valor de y; k4 es la pendiente al final del intervalo, con el valor
de y determinado por k3. Promediando las cuatro pendientes, se le asigna mayor peso a las pendientes en el punto medio:

Esta forma del método de Runge-Kutta, es un método de cuarto orden lo cual significa que el error por paso es del orden de o(H)5, mientras que el error
total acumulado tiene el orden O(H)4. Por lo tanto, la convergencia del método es del orden de O(H)4, razón por la cual es usado en los métodos
computacionales.