República Bolivariana de

Venezuela
Ministerio del Poder Popular
para la Defensa
Universidad Experimental
Politécnica de la Fuerza
Armada Nacional Bolivariana
UNEFA-San Tomé

 Resolución numérica de
ecuaciones diferenciales
 m.e.f
Unidad (6y7)

Facilitador: Bachiller:
09/02/2025
José Luis Natanael Macuare
Rodríguez CI: 30620983
 INDICE
INTRODUCCION........................................(1)

DESARROLLO............(4,5,6...................20)
........Resolución numérica de ecuaciones diferenciales
.......................................método de Runge Kutta
.............................................método multi-paso
..................................Método de Adams-Bashforth
.................................Método de elementos finitos
...............................................Sistema discretor
..........Funciones de sustitución y integración reducida

Conclusión ....................................(21)
 Introducción
En el ámbito de las matemáticas y sus aplicaciones, las
ecuaciones y los elementos finitos son herramientas
fundamentales que permiten modelar y analizar fenómenos en
múltiples dimensiones. Estas áreas del conocimiento son
esenciales no solo en matemáticas puras, sino también en
campos como la física, la ingeniería, la economía y la
informática.

La comprensión de estas funciones matemáticas y del cálculo

es vital para abordar problemas multidimensionales en
diversas disciplinas. En física, por ejemplo, se utilizan para
describir fuerzas, movimientos y campos; en ingeniería, son
esenciales para el diseño y análisis de estructuras; mientras
que en economía pueden modelar interacciones complejas
entre variables.
 Desarrollo

Resolución numérica de ecuaciones diferenciales ,

coseno de 0:

La resolución numérica de ecuaciones diferenciales es

un tema amplio y se puede abordar mediante diversos
métodos, como el método de Euler, el método de
Runge-Kutta, entre otros. Si tienes una ecuación
diferencial específica en mente, por favor proporciónala
para que pueda ayudarte con su resolución.

En cuanto al coseno de 0, se puede calcular fácilmente:

cos(0) = 1

Método de runge kutta

El método de Runge-Kutta es una familia de métodos
utilizados para resolver ecuaciones diferenciales
ordinarias (EDOs) de forma numérica. Uno de los
métodos más populares y ampliamente utilizados es el
método de Runge-Kutta de cuarto orden (RK4). A
continuación, te explico cómo funciona este método y
cómo se aplica.

Método de runge kutta:

Supongamos que tenemos una EDO de la forma:

dy / dt = f(t, y)

con una condición inicial y(t₀) = y₀. Queremos aproximar

la solución en un intervalo t₀ a tₙ con un paso h.
Pasos del Método RK4

1. Definir los parámetros:

• tₙ = t₀ + nh donde n es el número de pasos y h es el
tamaño del paso.
• yₙ es la aproximación de y(tₙ).

2. Calcular los coeficientes:

Para cada paso n, calcular:

• k₁ = h f(tₙ, yₙ)

• k₂ = h f((tₙ + h/2, yₙ + k₁/2))

• k₃ = h f((tₙ + h/2, yₙ + k₂/2))

• k₄ = h f(tₙ + h, yₙ + k₃)

3. Actualizar la solución:
La nueva aproximación se calcula como:
yₙ₊₁ = yₙ + 1 / 6(k₁ + 2k₂ + 2k₃ + k₄)

4. Repetir:
Repetir los pasos 2 y 3 para n = 0, 1, 2, …, N-1 donde N
es el número total de pasos.

Ejemplo
Consideremos la EDO:
dy / dt = t + y

con la condición inicial y(0) = 1, y queremos resolverla

en el intervalo t ∈ [0, 2] con un tamaño de paso h = 0.2.
1. Inicialización:
• t₀ = 0, y₀ = 1, h = 0.2

2. Iteraciones:
Para cada paso, calculamos k₁, k₂, k₃, y k₄ usando la
fórmula anterior.

Primer paso (n=0):

• t₀ = 0, y₀ = 1
• Calcular:
• k₁ = 0.2 ⋅ f(0, 1) = 0.2 ⋅ (0 + 1) = 0.2
• k₂ = 0.2 ⋅ f(0.1, 1 + 0.1) = 0.2 ⋅ (0.1 + 1.1) = 0.24
• k₃ = 0.2 ⋅ f(0.1, 1 + 0.12) = 0.2 ⋅ (0.1 + 1.12) = 0.224
• k₄ = 0.2 ⋅ f(0.2, 1 + 0.224) = 0.2 ⋅ (0.2 + 1.224) = 0.2448

• Actualizar:
y₁ = y₀ + 1 / 6(k₁ + 2k₂ + 2k₃ + k₄) = 1 + 1 / 6(0.2 + 2 ⋅
0.24 + 2 ⋅ 0.224 + 0.2448)

Realizando los cálculos, puedes continuar este proceso

hasta alcanzar el valor deseado de tₙ.

Métodos de Múltiples Pasos:

Los métodos de múltiples pasos son una clase de

métodos numéricos que utilizan información de varios
puntos anteriores para calcular el valor en el siguiente
paso. A diferencia de los métodos de un solo paso (como
Runge-Kutta), que solo utilizan el valor en el punto
actual para predecir el siguiente, los métodos de
múltiples pasos pueden ser más eficientes y precisos en
ciertos casos.
Método Adams-Bashforth

Uno de los métodos de múltiples pasos más conocidos es

el método de Adams-Bashforth, que es un método
explícito. Aquí se presenta el método de Adams-
Bashforth de dos pasos:

1. Definición:
Supongamos que queremos resolver la EDO:
dy / dt = f(t, y)
con la condición inicial y(t₀) = y₀.

2. Cálculo:
• Se requiere un paso inicial (por ejemplo, usando un
método de Runge-Kutta).
• Una vez que se tiene y₀ y y₁, se puede calcular yₙ₊₁
como:
yₙ₊₁ = yₙ + h / 2 (( f(tₙ, yₙ) + f(tₙ₋₁, yₙ₋₁) ))

3. Iteración:
Este proceso se repite, utilizando los valores anteriores
para predecir el siguiente.

Métodos Predictor-Corrector

Los métodos predictor-corrector son una combinación de

un método predictor (que estima el valor de la solución
en el siguiente paso) y un método corrector (que ajusta
esa estimación utilizando información adicional). Este
enfoque puede mejorar la precisión del resultado.
Ejemplo: Método de Adams-Bashforth-Moulton

Un ejemplo común de un método predictor-corrector es

el método de Adams-Bashforth-Moulton.

1. Predictor:
Usamos un método explícito, como Adams-Bashforth,
para predecir el siguiente valor:
yₙ₊₁⁽ᵖ⁾ = yₙ + h f(tₙ, yₙ)

2. Corrector:
Luego, usamos un método implícito, como Adams-
Moulton, para corregir la predicción:
yₙ₊₁ = yₙ + h / 2 (( f(tₙ₊₁, yₙ₊₁⁽ᵖ⁾) + f(tₙ, yₙ) ))

3. Iteración:
Este proceso puede repetirse varias veces para
mejorar la precisión del valor corregido.

Ventajas y Desventajas
• Métodos de Múltiples Pasos:
• Ventajas: Pueden ser más eficientes en términos de
computación si se dispone de muchos puntos
anteriores.
• Desventajas: Pueden ser menos estables y requerir
más cuidado en la selección del tamaño del paso.
• Métodos Predictor-Corrector:
• Ventajas: Combinan la rapidez del predictor con la
precisión del corrector, lo que puede resultar en
mejores estimaciones.
• Desventajas: La implementación puede ser más
compleja debido a la necesidad de resolver ecuaciones
implícitas en el corrector.
Introducción al Método de Elementos Finitos
(MEF):

El Método de Elementos Finitos (MEF) es una técnica

numérica ampliamente utilizada para resolver
problemas de ingeniería y física que se describen
mediante ecuaciones diferenciales parciales (EDP).
Este método es especialmente eficaz en el análisis
estructural, la mecánica de fluidos, la transferencia
de calor y otros campos de la ciencia e ingeniería.

Conceptos Básicos

1. Dominio del Problema: El primer paso en el MEF

es definir el dominio del problema, que puede ser un
objeto físico o un sistema que se desea analizar. Este
dominio se puede representar como una región en el
espacio (2D o 3D).

2. Discretización: El dominio continuo se divide en

un conjunto de subregiones más pequeñas llamadas
elementos. Cada elemento tiene una forma
geométrica simple (triángulos, cuadrados,
tetraedros, etc.). La colección de estos elementos se
denomina malla.

3. Funciones de Forma: En cada elemento, se

utilizan funciones matemáticas llamadas funciones
de forma para aproximar la solución del problema.
Estas funciones permiten interpolar los valores de la
solución en los nodos del elemento.
4. Sistema de Ecuaciones: Al aplicar las leyes físicas y las
condiciones de contorno a cada elemento, se generan un
conjunto de ecuaciones algebraicas que representan el
comportamiento del sistema completo. Estas ecuaciones
suelen ser lineales o no lineales y se resuelven para
encontrar la solución aproximada del problema.

5. Resolución y Post-procesamiento:
Una vez que se han formulado y ensamblado las
ecuaciones del sistema, se resuelven utilizando métodos
numéricos. Posteriormente, se realiza un post-
procesamiento para interpretar los resultados, como la
visualización de deformaciones, tensiones o flujos.

Sistema Discretor:
El término sistema discretor se refiere a la
representación de un sistema continuo mediante un
número finito de puntos o nodos. En el contexto del MEF,
esto implica que las variables del sistema (como
desplazamientos, temperaturas, presiones, etc.) se
evalúan en nodos específicos en lugar de en todos los
puntos del dominio.

Pasos en el Sistema Discretor:

1. Definición de Nodos: Se establecen puntos (nodos) en
el dominio donde se calcularán las variables del sistema.
La elección de los nodos y su distribución afecta la
precisión y la eficiencia del análisis.

2. Formulación de Elementos: Cada elemento está

definido por sus nodos y se describe mediante funciones
de forma que relacionan las variables nodales con las
variables dentro del elemento.
Desventajas:
• Costo Computacional: La creación y resolución de
grandes sistemas de ecuaciones pueden requerir mucho
tiempo y recursos computacionales.
• Dependencia de la Malla: La calidad de la solución
depende en gran medida de la calidad de la malla; una
mala discretización puede llevar a resultados inexactos.
• Complejidad en Problemas No Lineales:
Los problemas no lineales pueden ser difíciles de
resolver y requieren técnicas avanzadas.

Funciones de sustitución, Integración reducida

Las funciones de sustitución y la integración reducida
son técnicas fundamentales en el cálculo integral que
permiten simplificar el proceso de integración. A
continuación, se explican ambas técnicas en detalle.

Funciones de Sustitución
La técnica de sustitución se utiliza para transformar una
integral complicada en una más sencilla mediante un
cambio de variable. Este método es particularmente útil
cuando la integral contiene una función compuesta o
cuando es difícil integrar directamente.

Pasos para la Sustitución:

1. Elegir una Sustitución: Identifica una parte de la
integral que se pueda simplificar. Normalmente, se elige
u como una función de x que simplifique la integral.
Por ejemplo, si tienes ∫f(g(x)) g'(x) dx , puedes elegir
u = g(x) .
2. Derivar la Sustitución: Calcula du en términos de dx
. Esto implica derivar u con respecto a x :
du = g'(x)dx
3. Reescribir la Integral: Sustituye u y du en la
integral original:
∫f(g(x)) g'(x)dx = ∫f(u)du
4. Integrar: Resuelve la integral en términos de u .
5. Volver a la Variable Original: Sustituye u de nuevo
por la expresión original en términos de x .

Ejemplo de Sustitución:

Calculemos la integral:
∫2x e^(x²)dx
1. Sustitución: Tomamos u = x² , entonces du = 2x dx
2. Reescribir la Integral:
∫2x e^(x²)dx = ∫eᵘdu
3. Integrar:
∫eᵘdu = eᵘ + C
4. Volver a la Variable Original:
e^(x²) + C

Integración Reducida
La integración reducida es una técnica utilizada para
integrar funciones que pueden ser expresadas en
términos de integrales más simples. Se basa en la idea
de relacionar una integral con otra integral de menor
grado o complejidad.

Fórmula General
Para funciones polinómicas o trigonométricas, la
integración reducida puede ser útil. Un ejemplo clásico
es el caso de las potencias de x :
∫xⁿdx = xⁿ⁺¹ / n+1 + C
También se puede usar para funciones trigonométricas,
como:
∫sinⁿ(x)dx
o
∫cosⁿ(x)dx

Ejemplo de Integración Reducida:

Calculemos I = ∫xⁿ dx usando integración reducida.

1. Usar la relación:
• Sabemos que:
Iₙ = ∫xⁿdx = xⁿ⁺¹ / n+1 + C
• Si tomamos Iₙ₋₁ = ∫xⁿ⁻¹ dx = xⁿ/n + C' , podemos
relacionar estas integrales.
2. Relación entre las integrales:
• Usando integración por partes o propiedades de la
integral, podemos establecer relaciones que nos
permitan expresar Iₙ en términos de Iₙ₋₁ .

Relación del método de los elementos finitos con los

procedimientos basados en la solución del entorno:

El método de los elementos finitos (MEF) y los

procedimientos basados en la solución del entorno (como
los métodos de soluciones de contorno, o Boundary
Element Methods, BEM) son dos enfoques numéricos
utilizados para resolver problemas en ingeniería y
matemáticas aplicadas, especialmente en mecánica de
sólidos, transferencia de calor, dinámica de fluidos y
otros campos. Ambos métodos tienen sus propias
características, pero también comparten ciertas
similitudes y conexiones.
▎Método de los Elementos Finitos (MEF)

El MEF es una técnica de discretización que divide un

dominio continuo en un número finito de elementos
simples (como triángulos, cuadrados, tetraedros, etc.).
Cada elemento se describe mediante funciones de forma
y se asocia con un conjunto de ecuaciones que
representan el comportamiento físico del sistema. Los
pasos generales del MEF son:

1. Discretización del Dominio: Se divide el dominio del

problema en elementos finitos.

2. Formulación del Problema: Se derivan las ecuaciones

que describen el comportamiento del sistema dentro de
cada elemento.

3. Ensamblaje: Se ensamblan las ecuaciones de todos los

elementos para formar un sistema global.

4. Condiciones de Contorno: Se aplican las condiciones de

contorno necesarias.

5. Resolución: Se resuelve el sistema de ecuaciones

resultante.

Métodos Basados en la Solución del Entorno (BEM):

Los métodos basados en la solución del entorno,
particularmente el Método de Elementos de Contorno
(BEM), son utilizados para problemas donde es más
eficiente trabajar con las fronteras del dominio en lugar
de todo el volumen. Este método tiene varias
características:
1. Reducción Dimensional: En muchos casos, BEM reduce
el problema a una dimensión menos (por ejemplo, un
problema 3D se convierte en uno 2D en la frontera).

2. Uso de Ecuaciones Integrales: Se basa en

formulaciones integrales que relacionan las variables en
la frontera con las del dominio.

3. Menor Número de Elementos: Al trabajar solo con la

frontera, a menudo se requiere menos discretización en
comparación con el MEF.

Relación entre MEF y BEM

1. Fundamentos Matemáticos: Ambos métodos se

fundamentan en principios matemáticos similares, como
el uso de ecuaciones diferenciales y formulaciones
variacionales. En particular, ambos pueden derivarse a
partir del mismo principio variacional o utilizando el
principio de superposición.

2. Condiciones de Contorno: Tanto el MEF como el BEM

requieren la especificación de condiciones de contorno.
Sin embargo, mientras que el MEF puede requerir
condiciones en toda la superficie del dominio, el BEM se
enfoca exclusivamente en las condiciones en la frontera.

3. Interacción entre Métodos: En algunos casos, se

pueden combinar ambos métodos para aprovechar sus
ventajas. Por ejemplo, se puede usar MEF para resolver
problemas en dominios complejos y BEM para modelar
problemas donde las condiciones en la frontera son
críticas o donde la reducción dimensional es ventajosa.
4. Soluciones Numéricas: Ambos métodos utilizan
técnicas numéricas para resolver sistemas de
ecuaciones resultantes. Sin embargo, el enfoque
numérico puede diferir debido a la naturaleza
diferente de los problemas que abordan.

5. Aplicaciones Complementarias: En algunos problemas

prácticos, como la mecánica estructural o la dinámica
de fluidos, el MEF puede ser más adecuado para
modelar el comportamiento dentro del dominio,
mientras que el BEM puede ser más eficiente para
estudiar fenómenos relacionados con las fronteras o
interfaces.

El método de los elementos finitos y los métodos

basados en la solución del entorno son herramientas
poderosas y complementarias en la resolución numérica
de problemas ingenieriles. La elección entre uno u otro
depende de la naturaleza del problema, las condiciones
del dominio y los objetivos específicos del análisis.
Además, la combinación de ambos enfoques puede
ofrecer soluciones más eficientes y precisas en ciertos
contextos.

Dominios infinitos

El concepto de “dominios infinitos” puede referirse a

diferentes contextos dependiendo del área de estudio.
Aquí hay algunas interpretaciones:
Matemáticas: En álgebra, un dominio es un conjunto en
el que se pueden realizar operaciones de suma y
multiplicación. Un “dominio infinito” podría referirse a
un conjunto que tiene una cantidad infinita de
elementos, como los números enteros o los números
reales.

Teoría de conjuntos: Un dominio infinito puede referirse

a un conjunto que no tiene un número finito de
elementos, como el conjunto de todos los números
naturales.

Informática: En el contexto de bases de datos o

programación, un dominio puede referirse a un conjunto
de valores posibles que una variable puede tomar. Un
dominio infinito podría implicar que hay un número
ilimitado de posibles valores.

Física y filosofía: El término podría usarse para describir

conceptos que no tienen límites definidos, como el
universo o el tiempo.

Método de computación para el análisis de elementos

finitos.
El método de elementos finitos (MEF) es una técnica
numérica utilizada para encontrar soluciones
aproximadas a problemas de ingeniería y matemáticas,
especialmente en el análisis estructural, transferencia
de calor, dinámica de fluidos y otros campos
relacionados. A continuación, se describen los aspectos
clave del MEF:
.
Concepto Básico

El MEF divide un dominio complejo en partes más simples,

llamadas elementos finitos. Estos elementos se conectan
en puntos llamados nodos. Al resolver el problema en
cada elemento y luego ensamblar las soluciones, se
obtiene una aproximación de la solución en todo el
dominio.

Pasos del Método de Elementos Finitos

Discretización del Dominio:

• Se divide el dominio del problema en una malla de

elementos finitos. La calidad de la malla (tamaño y forma
de los elementos) puede afectar la precisión del
resultado.

Selección de Funciones de Forma

• Se eligen funciones de forma para interpolar las
variables dentro de cada elemento. Estas funciones
relacionan los valores en los nodos con los puntos dentro
del elemento.

Formulación de Elementos

• Se derivan las ecuaciones que describen el

comportamiento del elemento en función de las leyes
físicas aplicables (como la elasticidad, la conducción del
calor, etc.). Esto puede incluir la formulación de matrices
de rigidez y de carga.
Ensamblaje del Sistema Global
• Las ecuaciones de todos los elementos se ensamblan
para formar un sistema global que representa todo el
dominio. Esto implica sumar las contribuciones de todos
los elementos en los nodos compartidos.

Aplicación de Condiciones de Contorno

• Se aplican las condiciones de contorno necesarias para
el problema, que pueden ser condiciones de carga,
desplazamiento o temperatura.

Resolución del Sistema de Ecuaciones

• Se resuelve el sistema de ecuaciones resultante, que
generalmente es un sistema lineal o no lineal. Existen
varios métodos numéricos para resolver estos sistemas,
como el método de eliminación de Gauss o métodos
iterativos.
• Se analizan los resultados obtenidos, que pueden incluir
desplazamientos, tensiones, temperaturas, etc. Se
pueden generar gráficos y visualizaciones para interpretar
mejor los resultados.

Aplicaciones del MEF

• Ingeniería Estructural: Análisis de tensiones y
deformaciones en estructuras como puentes, edificios y
componentes mecánicos.
• Mecánica de Fluidos: Estudio del flujo de fluidos en
diversas aplicaciones, incluyendo aerodinámica.
• Transferencia de Calor: Análisis térmico en sistemas
donde se requiere entender la distribución de
temperatura.
• Electromagnetismo: Solución de problemas relacionados
con campos eléctricos y magnéticos.
 Conclusión

El Método de Elementos Finitos (MEF) es una

herramienta poderosa y versátil en el análisis
numérico que ha revolucionado la forma en que los
ingenieros abordan problemas complejos en diversas
disciplinas. Su capacidad para descomponer un
problema complicado en elementos más manejables
permite obtener soluciones aproximadas con un nivel
de precisión que puede ser ajustado según las
necesidades del proyecto.

A pesar de sus ventajas, como la flexibilidad y la

capacidad para abordar geometrías complejas, el
MEF también presenta desafíos. La necesidad de una
malla adecuada y la complejidad en la formulación y
resolución del sistema requieren un conocimiento
profundo y experiencia práctica. Por lo tanto, es
esencial que los ingenieros y científicos que utilizan
el MEF estén bien capacitados y familiarizados con
las herramientas y técnicas asociadas.
En conclusión, el MEF no solo es fundamental en la
ingeniería moderna, sino que también sigue siendo
un área activa de investigación. Su evolución
continúa mejorando la precisión y eficiencia en la
resolución de problemas complejos, lo que lo
convierte en una técnica indispensable en el análisis
estructural, mecánico y térmico, entre otros campos.