UNIVERSIDAD DE SAN CARLOS DE GUATEMALA
FACULTAD DE INGENIERÍA
ESCUELA DE CIENCIAS
DEPARTAMENTO DE MATEMÁTICA
MATEMÁTICA INTERMEDIA 3 F
PROYECTO 1
DESCRIPCIÓN DE CALIFICACIÓN
Presentación
Ejercicios resueltos
Ejercicio(s) calificado(s)
CALIFICACIÓN TOTAL
INTEGRANTES
No CARNÉ NOMBRE
1 201901404 ISAMIR ALESSANDRO ARMAS CANO
2 201809713 MARÍA PETRONILA MEDRANO HERRERA
3 201602527 VIDALIA AMARILIS URIZAR GÁMEZ
ING. JOSE ALFREDO GONZALEZ DIAZ
AUX. MITCHEL ANDREA CANO MARROQUÍN
FECHA DE ENTREGA: 02/11/2020
Introducción
El análisis numérico es de ayuda para problemas que tengan una solución analítica
complicada ya que se basa en aritmética simple y algebra elemental para poder
resolver un problema que puede llegar a complicarse demasiado si se trabaja
directamente, el uso del análisis numérico también es menos preciso que un método
directo ya que este es con base a iteraciones de tal manera que se pueda aproximar
a la respuesta esperada, teniendo en cuenta esto es importante también poder
manejar el error de cada método.
Marco Teórico
Método de Euler y análisis de error
Método de Euler
El método de Euler es la técnica de aproximación más sencilla para resolver problemas con
valores iniciales. Aunque rara vez se emplea en la práctica, la simplicidad de su deducción
sirve para ejemplificar las técnicas con que se desarrollan algunos métodos más avanzados,
sin el álgebra tan engorrosa que acompaña a tales desarrollos.
Este método tiene por objetivo obtener una aproximación de un problema bien planteado
con valores iniciales
𝑑𝑦
= 𝑓 (𝑥, 𝑦), 𝑎 ≤ 𝑡 ≤ 𝑏, 𝑦 (𝑎 ) = 𝛼
𝑑𝑡
Puede ser que no se obtenga una aproximación continua a la solución 𝑦(𝑡); por el contrario,
se generarán aproximaciones a 𝑦 en varios valores, llamados puntos de red, en el intervalo
[𝑎, 𝑏]. Una vez obtenida la solución aproximada en los puntos, podemos obtener por
interpolación la solución aproximada en otros puntos del intervalo. En primer lugar,
estipulamos que los puntos de red tienen una distribución uniforme en todo el intervalo
[𝑎, 𝑏]. Garantizamos esta condición al seleccionar un entero positivo N y los puntos de red
𝑡𝑖 = 𝑎 + 𝑖ℎ, 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑖 = 0,1,2, … , 𝑁
La distancia común entre los puntos ℎ = (𝑏 − 𝑎)/𝑁 = 𝑡𝑖+1 − 𝑡𝑖 , recibe el nombre de
tamaño de paso
𝑦𝑛+1 = 𝑦𝑛 + ℎ ∗ 𝑓(𝑥𝑛 , 𝑦𝑛 ) Método de Euler
Método de Euler mejorado
Este método se basa en la misma idea del método anterior, pero hace un refinamiento en
la aproximación, tomando un promedio entre ciertas pendientes.
Este método que recibe el nombre de método mejorado de Euler o método de Heun,
primero predice y luego corrige una aproximación de 𝑦𝑗
1
𝑦𝑛+1 = ℎ ∗ ( ) ∗ [𝑓 (𝑥𝑛 , 𝑦𝑛 ) + 𝑓(𝑥𝑛+1 , 𝑢𝑛+1 )]
2
𝑢𝑛+1 = 𝑦𝑛 + ℎ ∗ 𝑓(𝑥𝑛 , 𝑦𝑛 )
Donde:
𝑦𝑛 : valor de ‘y’ anterior.
𝑥𝑛 : valor de ‘x’ anterior
ℎ: tamaño de paso
𝑓(𝑥, 𝑦): 𝑑𝑦/𝑑𝑥.
Errores de en los métodos numéricos
La noción de error es fundamental en cualquier técnica numérica. Asociado al hecho de
hacer muchas operaciones si es grande, está el problema del error de redondeo Los
números reales no pueden representarse exactamente en un ordenador y se han de
redondear. Eso quiere decir que, cada vez que se hace una operación, es posible que se
pierdan dígitos del resultado, y en principio, cuantas más operaciones más información se
va perdiendo. Además, el método de Euler introduce por sí mismo un error, que se llama
error de truncamiento. Los dos tipos de errores se mezclan, y, de hecho, el error total se
puede amplificar. Analicemos a continuación el error que se comete al aproximar aplicando
el método de Euler
El error de truncamiento local en el n-ésimo paso se define como
𝜖 = 𝑦(𝑥𝑛 ) − 𝑦𝑛
Donde:
𝑦(𝑥𝑛 ): Es el valor exacto en la 𝑥𝑛 de la ecuación diferencial
𝑦𝑛 : Es la aproximación de Euler.
Método de Runge-Kutta
Método de Runge-Kutta de primer orden
La idea general de los Métodos de Runge-Kutta es sustituir el Problema de Valor Inicial:
𝑦 ′ = 𝑓(𝑥, 𝑦)
𝑦(𝑥0 ) = 𝑦𝑜
Por la ecuación integral equivalente
𝑦 𝑥 𝑥
∫ 𝑑𝑦 = ∫ 𝑓(𝑥, 𝑦(𝑥 ))𝑑𝑥 ⇒ 𝑦 = 𝑦0 + ∫ 𝑓(𝑥, 𝑦(𝑥 ))𝑑𝑥
𝑦0 𝑥0 𝑥0
para proceder a aproximar esta última integral mediante un método numérico adecuado
(recordemos que 𝑦(𝑥) es desconocida). Si nuevamente planteamos el problema “paso a
paso” tendremos:
𝑥𝑛+1
𝑦𝑛+1 = 𝑦𝑛 + ∫ 𝑓(𝑥, 𝑦(𝑥))𝑑𝑥
𝑥𝑛
Método de Runge-Kutta de segundo orden
La primera opción que podemos aplicar es integrar mediante el método de los trapecios, es
decir tomando:
𝑥𝑛+1
1
∫ 𝑓(𝑥, 𝑦(𝑥))𝑑𝑥 ≅ ℎ(𝑓(𝑥𝑛 , 𝑦𝑛 ) + 𝑓(𝑥𝑛+1 , 𝑦𝑛+1 ))
𝑥𝑛 2
Al ser desconocida 𝑦𝑛+1 en la expresión anterior, lo aproximaremos por 𝑦̅𝑛+1 , donde
𝑦̅𝑛+1 es la estimación de 𝑦𝑛+1 que resultaría aplicando el método de Euler. Tendremos así:
𝑥𝑛+1
1
∫ 𝑓(𝑥, 𝑦(𝑥))𝑑𝑥 ≅ ℎ(𝑓(𝑥𝑛 , 𝑦𝑛 ) + 𝑓(𝑥𝑛+1 , 𝑦̅𝑛+1 ))
𝑥𝑛 2
Con
𝑦̅𝑛+1 = 𝑦𝑛 + ℎ ∗ 𝑓(𝑥𝑛 , 𝑦𝑛 )
Y llegaríamos a la expresión del método:
ℎ
𝑦𝑛+1 = 𝑦𝑛 + (𝑓 (𝑥𝑛 , 𝑦𝑛 ) + 𝑓(𝑥𝑛+1 , 𝑦̅𝑛+1 ))
2
Lo normal es presentar el método con las expresiones siguientes
ℎ
𝑦𝑛+1 = 𝑦𝑛 + (𝑘1 + 𝑘2 )
2
Donde:
𝑘1 = ℎ ∗ 𝑓(𝑥𝑛 , 𝑦𝑛 )
𝑘2 = ℎ ∗ 𝑓(𝑥𝑛+1 , 𝑦𝑛 + 𝑘1 )
Método de Runge-Kutta de cuarto orden
Los Métodos de Runge-Kutta de cuarto orden se deducen de una manera similar a la
anterior para el caso de tercer orden. Ahora se introduce un nuevo paso intermedio en la
evaluación de la derivada. Una vez más se presentan varias opciones en la evaluación y es
posible ajustar de tal manera que se garantice el error local de manera proporcional a ℎ5
(es decir garantizando exactitud en el cuarto orden en el polinomio de Taylor), lo cual lleva
a un error global proporcional a ℎ4 . El Método de cuarto orden más habitual es el
determinado por las fórmulas siguientes.
1
𝑦𝑛+1 = 𝑦𝑛 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
Donde:
𝑘1 = ℎ ∗ 𝑓 (𝑥𝑛 , 𝑦𝑛 )
ℎ 𝑘1
𝑘2 = ℎ ∗ 𝑓(𝑥𝑛 + , 𝑦𝑛 + )
2 2
ℎ 𝑘2
𝑘3 = ℎ ∗ 𝑓(𝑥𝑛 + , 𝑦𝑛 + )
2 2
𝑘4 = ℎ ∗ 𝑓(𝑥𝑛 + ℎ, 𝑦𝑛 + 𝑘3 )
Desarrollo
Para h = 0.05
Bibliografía
Edwards, C. H., & Penny, D. E. (2014). Ecuaciones diferenciales con
problemas con valores en la frontera. México: CENGAGE.
Snider, A., Saff, E., & Nagle, K. (2005). Ecuaciones diferenciales y problemas
con valores en la frontera. México: PEARSON.
Zill, D. G. (2013). Ecuaciones Diferenciales con problemas con valores en la
frontera . México: CENGAGE.
