UNIVERSIDAD DE SAN CARLOS DE GUATEMALA MI3_D

FACULTAD DE INGENIERÍA

ESCUELA DE CIENCIAS

DEPARTAMENTO DE MATEMÁTICA

PROYECTO
DESCRIPCIÓN DE LA CALIFICACIÓN
Presentación

Desarrollo del problema

Análisis de resultados

CALIFICACION TOTAL

Janice Michelle Villatoro Nájera 201807408

Juan José Rodríguez Pérez 201809776
Oscar Guillermo Lemus Mazariegos 201807107
 CONTENIDO
Métodos de Euler y análisis de error..................................................................................................................................... 3
Método de Euler ............................................................................................................................................................... 3
Método de Euler Mejorado ............................................................................................................................................... 4
Ejemplo: ....................................................................................................................................................................... 4
ERRORES EN LOS MÉTODOS NÚMERICOS ................................................................................................................ 4
METODO DE RUNGE KUTTA ............................................................................................................................................. 5
METODO DE RUNGE KUTTA DE PRIMER ORDEN ...................................................................................................... 5
METODO DE RUNGE KUTTA DE SEGUNDO ORDEN .................................................................................................. 6
Ejemplo: ....................................................................................................................................................................... 6
METODO DE RUNGE KUTTA DE CUARTO ORDEN ..................................................................................................... 7
Ejemplo: ....................................................................................................................................................................... 7
LINK ESPOSICION EN DRIVE ............................................................................................................................................. 7
 MÉTODOS DE EULER Y ANÁLISIS DE ERROR
MÉTODO DE EULER

Este método básicamente es un procedimiento de integración numérica que nos va a permitir resolver ecuaciones
diferenciales ordinarias con una condición inicial, tenemos una ecuación diferencial con su condición inicial se le conoce
como problemas de valor inicial pues una estrategia muy sencilla en un método más sencillo de integración de ecuaciones
diferenciales es el método de Euler.

Este método, escrito por Leonard Euler, sirve para construir métodos más complejos, es un método de primer orden, por
lo cual podemos considerar que el error local es proporcional al cuadrado del tamaño del paso, y el global es proporcional
a dicho tamaño.

EJEMPLO:

𝑑𝑦 √𝑦
= , 𝑦 (0 ) = 4
𝑑𝑥 2𝑥 + 1
ln(2𝑥+1) ln(𝐿)
Solución Analítica: 𝑦(𝑥 ) = ( 4
+ 2)2 → 𝑦(0) = ( 4
+ 2)2 = 4 → 𝑦 (0) =
ln(𝐿)
( + 2)2 = 4
4

1 2 1 1
→ 𝑦′(𝑥 ) = 2( ) (4 ∗ 2𝑥+1) = 4 → √𝑦 ∗ 2𝑥+1 → √𝑦 ∗ 2𝑥+1

Solución Numérica: h = 0.5, 𝑋0 = 0 𝑦 𝑌0 = 4

𝑥1 = 𝑋0 + ℎ = 0 + 0.5 = 0.5

𝑦1 = 𝑦0 + ℎ𝑓(𝑥0, 𝑦0) = 4 + 0.5𝑓 (0, 4) = 4 + 0.5(2) = 5

𝑥2 = 𝑋1 + ℎ = 0.5 + 0.5 = 1.0

𝑦2 = 𝑦1 + ℎ𝑓(𝑥1, 𝑦1) = 5 + 0.5𝑓 (0.5, 5.0) = 5 + 0.5(1.118034) = 5.559017

𝑥3 = 𝑋2 + ℎ = 1 + 0.5 = 1.5

𝑦3 = 𝑦2 + ℎ𝑓(𝑥2, 𝑦2) = 5.559017 + 0.5𝑓(1.0, 5.559017) = 5.559017 + 0.5(0.7859189) = 5.9519765

Y (1.5) ≈ 5.95

H = 0.5 H = 0.25
X Yt Ya Et Ya Et
0.00 4.000 4.000 4.000
0.25 4.416 4.500 -1.9%
0.50 4.723 5.00 -5.9% 4.854 -2.8%
0.75 4.969 5.129 -3.2%
1.00 5.174 5.559 -7.4% 5.355 -3.5%
1.25 5.351 5.548 -3.7%
1.50 5.506 5.952 -8.1% 5.717 -3.8%
 1.75 5.645 5.866 -3.9%
2.00 5.771 6.257 -0.4% 6.000 -4.0%

MÉTODO DE EULER MEJORADO

El método de Euler mejorado, se le dice así por hacer un

refinamiento en la aproximación, con un promedio en las
pendientes, teniendo la misma idea del anterior método.

EJEMPLO:
𝑦′
Use el método de Euler mejorado con h = 0.1 para obtener una aproximación de y (1.5) para la solución de = 2𝑥, 𝑦(1) =
𝑦
1 → 𝑦 ′ = 2𝑥𝑦

X0: 1 y0: 1 h: 0.1 xf: 1.5 f (x, y) =2xy

N Xn Yn (Yn +1) * XN+1 Yn+1 (PUNTO MEDIO)

𝑃𝑖
0 1 1 1.2 1.1 1.232
= 𝑦𝑖 + ℎ𝑓 (𝑥𝑖, 𝑦𝑖 )
1
ℎ
1 1.1 1.232 1.50304 1.2 1.5478848 𝑦𝑖 + 1 = 𝑦𝑖 + (𝑓 (𝑥𝑖, 𝑦𝑖 ) + 𝑓(𝑥𝑖 + 1, 𝑃𝑖 + 1))
2
Xo = 1 Yo=1
2 1.2 1.5478848 1.91937715 1.3 1.93315001
Xn=1.5 f (x, y) = axy
3 1.3 1.98315001 2.49876701 1.4 2.59078717
h= 0.1

4 1.4 2.59078717 3.31620757 1.5 3.45092851 Yn = 3.45092850714312

5 1.5 3.45092851 4.48620706 1.6 4.68636091

ERRORES EN LOS MÉTODOS NÚMERICOS

Los métodos numéricos proporcionan una forma de resolver el problema, por lo que siempre es necesario medir el error
del resultado para comprender su distancia a la solución.

Este método es responsable de aproximar una curva a través de una serie de segmentos de línea recta.

Dado que no es preciso aproximar una curva con una línea recta, se genera un error derivado de este método. Este error
se denomina error de truncamiento. Este error se puede reducir disminuyendo el valor, pero obtendrá más cálculos y, por
lo tanto, el error de redondeo será mayor.

Donde:

r: Resultado exacto. r*: Resultado aproximado.

Precisión: es la cantidad de cifras que se utilizan para representar un número.

Exactitud: Es una medida de que tanto se acerca un resultado a la solución.

ERROR ABSOLUTO: Si R* es una aproximación al resultado R, se define el error absoluto como el valor absoluto de la
diferencia:

𝐸𝑟𝑟𝑜𝑟 𝐴𝑏𝑠𝑜𝑙𝑢𝑡𝑜 = |𝑟 − 𝑟 ∗ |

ERROR RELATIVO: Se define como:

|𝑟 − 𝑟 ∗ |
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 =
𝑟

con r diferente de cero.

ERROR RELATIVO PORCENTUAL: Se define como:

|𝑟 − 𝑟 ∗ |
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙 = ∗ 100%
𝑟

Por lo general, interesa el error absoluto y no el error relativo, pero cuando el valor exacto de una cantidad es muy pequeño
o muy grande, los errores relativos son una mejor medida del error.

Hay varios tipos de errores para los métodos numéricos.

• Error del método (Error de Truncamiento Local y Global): Esto se debe a que, dado que no es preciso
aproximar la curva por una línea recta, se generará un error adecuado para este método. En este caso, el error es
de primer orden -O (h1) –
o Error Local: Ésta es la diferencia entre el valor real de la función y la aproximación a través de la tangente,
en lugar de movernos a lo largo de la curva, asumiendo que partimos del punto aquí, la curva real y la línea
que se aproxima a la intersección, sin ningún error.
o Propagado: Acumulación de errores debido a la aproximación producida en el paso de acumulación
anterior. En otras palabras, ya no se asume que nuestro punto de partida (la intersección de la curva real
y la línea que se aproxima a la curva) no tiene error, sino que el error existe y se extiende gradualmente.
En el peor de los casos, esta difusión es lineal.

La suma de los dos es el error global.

• Redondeo/truncamiento: El resultado de limitar el número de cifras válidas que puede contener la computadora.
Dado que el número de dígitos utilizados para realizar los cálculos es limitado, el número representado puede no
serlo (es decir, un número con un número ilimitado de dígitos). Al limitar los números con dígitos infinitos (mediante
truncamiento o redondeo) a números con dígitos finitos, cometimos un error adicional.

METODO DE RUNGE KUTTA

METODO DE RUNGE KUTTA DE PRIMER ORDEN

Esencialmente, el método de Runge-Kutta es una extensión de la fórmula básica de Euler, en la que la función de
pendiente f se reemplaza por el promedio ponderado de las pendientes en el intervalo xn <x <xn-1. En otras palabras:

𝑦𝑛+1 = 𝑦𝑛 + ℎ(𝑤1 𝑘1 + 𝑤1 𝑘1 + ⋯ + 𝑤𝑛 𝑘𝑛 )

Wi, i = 1, 2, . . ., m,

Son constantes que satisfacen w1 + W2 + . . . + wn = 1, y cada Ki, i = 1, 2, . . ., m.

¿Se evalúa la función f en el punto seleccionado (x, y) donde xn <X <Xn + 1?

Veremos que Ki se define de forma recursiva. El número m se llama orden del método. Tenga en cuenta que tomando m
= 1, W1 = 1 y K1 = f (Xn, Yn), obtenemos la famosa fórmula de Euler Yn + 1 = Yn + h * f (Xn, Yn). Por lo tanto, el método
de Euler se denomina método de Runge-Kutta de primer orden.

METODO DE RUNGE KUTTA DE SEGUNDO ORDEN

Ahora considere como un proceso de Runge-Kutta de segundo orden. Esto incluye buscar las constantes o parámetros
W1, W2, a y β para que la fórmula.

𝑌𝑛+1 = 𝑌𝑛 + ℎ(𝑊1 𝐾1 + 𝑊2 𝐾2 )
Donde:

K1 = f (Xn, Yn)

K2= f (Xn + αh, Yn+ βhK1)

De acuerdo con el polinomio de Taylor de segundo orden y satisfaga las siguientes condiciones.

1 1
𝑊1 + 𝑊2 = 1 𝛼𝑊2 = 2 𝑊2 𝛽 = 2

EJEMPLO:
𝑑𝑦
= 𝑓 (𝑦 + 1)(𝑥 + 1)cos (𝑥 2 + 2𝑥), 𝑦 (0) = 4
𝑑𝑥
1 2 +2𝑥)
Solución Analítica: 𝑦(𝑥 ) = 5𝑒 2𝑠𝑒𝑛(𝑥 +1

2
Ralston, 𝑎2 = 3

1 2
𝑦𝑖 + 1 = 𝑦𝑖 + ( 𝑘1 + 𝑘2) ℎ
3 3
3 3
Donde: 𝑘1 = 𝑓(𝑥𝑖, 𝑦𝑖 ) y 𝑘2 = 𝑓 (𝑥𝑖 + 4 ℎ, 𝑦𝑖 + 4 𝑘1ℎ) en h = 0.5

1 𝑘1 = 𝑓(0,4) = 5 → 𝑘2 = 𝑓 (0 + 34 0.5,4 + 34 ∗ 5 ∗ 0.5) = 𝑓(0.375,5.875) = 5.945

𝑥1 = +0.5 = 0.5 → 1 2
𝑦𝑖 = 4 + (3 ∗ 5 + 3 ∗ 5.945) ∗ 0.5 = 6.815

7.036 − 6.815
ɛ𝑡 = = 3.1%
7.036

2 𝑘1 = 𝑓 (0.5,6.815) = 3.696 → 3 3
𝑘2 = 𝑓 (0.5 + 4 0.5,6.815 + 4 ∗ 3.696 ∗

0.5) = 𝑓(0.875,8.201) = −13.98

𝑥1 = 0.5 + 0.5 = 0.5 → 1 2

𝑦𝑖 = 6.815 + (3 ∗ 3.696 + 3 ∗ −13.98) ∗ 0.5 =
2.771

4.366−2.771
ɛ𝑡 = = 57%
2.771
 METODO DE RUNGE KUTTA DE CUARTO ORDEN

El método de Runge-Kutta de cuarto orden se denomina método clásico de Runge-Kutta. Además, algunos autores lo
denominan "método RK4". Hay diferentes órdenes del método de Runge-Kutta, el orden del método depende del número
de veces que se necesita evaluar la ecuación diferencial.

EJEMPLO:
𝑑𝑦
= (𝑦 + 1)(𝑥 + 1)cos (𝑥 2 + 2𝑥), 𝑦(0) = 4
𝑑𝑥
1 2 +2𝑥)
Solución Analítica: 𝑦(𝑥 ) = 5𝑒 2𝑠𝑒𝑛(𝑥 +1

1 𝑘1 = 𝑓(0,4) = 5 → 𝑘2 = 𝑓 (0 + 12 0.5,4 + 12 ∗ 5 ∗ 0.5) = 6.609

→ 𝑘3 = 𝑓 (0 + 12 0.5,4 + 12 ∗ 6.609 ∗ 0.5) = 7.034

→ 𝑘4 = 𝑓(0 + 0.5,4 + 7.034 ∗ 0.5) = 4.028

𝑥1 = 0 + 0.5 = 0.5 → 1
𝑦𝑖 = 4 + 6 ∗ (5 + 2 ∗ 6.609 + 2 ∗ 7.034 + 4.028) ∗ 0.5 = 7.026

7.036 − 7.026
ɛ𝑡 = = 0.1%
7.036

2 𝑘1 = 𝑓(0.5,7.026) = 3.796 → 𝑘2 = 𝑓 (0.5 + 12 0.5,7.026 + 12 ∗ 3.796 ∗ 0.5) = −7.415

→ 𝑘3 = 𝑓 (0.5 + 12 0.5,7.026 + 12 ∗ −7.415 ∗ 0.5) = −5.1

→ 𝑘4 = 𝑓(0.5 + 0.5,7.026 + (−5.1) ∗ 0.5) = −10.84

𝑥1 = 0.5 + 0.5 = → 1
𝑦𝑖 = 7.026 + ∗ (3.796 + 2 ∗ (−7.415) + 2 ∗ (−5.1) + (−10.84)) ∗ 0.5 = 4.353
6

4.366 − 4.353
ɛ𝑡 = = 0.3%
4.366

LINK ESPOSICION EN DRIVE

https://drive.google.com/file/d/1tZ4gmbtc-WgK2dX44RofA97gazltIOBz/view?usp=sharing