Beruflich Dokumente
Kultur Dokumente
“Minería en Ayacucho”
Docente : Ing. ALARCON MEDINA, Cesar
Ayacucho, 14 de Julio de 18
Resumen
Índice
Resumen........................................................................................................................................ 2
Índice ............................................................................................................................................. 3
Objetivos ....................................................................................................................................... 4
Calculo Numérico .......................................................................................................................... 4
Teorema de Taylor ........................................................................................................................ 4
CONVERGENCIA..................................................................................................................... 5
Calculo del intervalo de convergencia: “prueba de la razón” ............................................... 6
Aproximación y acotación del error ...................................................................................... 6
Derivación Numérica ................................................................................................................. 8
Aproximación a la primera derivada con diferencia hacia atrás ........................................... 8
Aproximación a la primera derivada con diferencia hacia adelante................................... 10
Aproximación a la primera derivada con diferencia centradas .......................................... 10
Formas de derivación con alta exactitud ............................................................................ 13
Extrapolación de Richardson ............................................................................................... 17
INTEGRACIÓN NUMÉRICA ....................................................................................................... 20
Teorema Fundamental del Cálculo ..................................................................................... 20
FÓRMULAS DE INTEGRACIÓN DE NEWTON-COTES ............................................................ 20
REGLA DEL TRAPECIO .......................................................................................................... 20
Regla Trapecial Compuesta. ................................................................................................ 21
REGLAS DE SIMPSON ............................................................................................................... 23
Regla de Simpson 1/3 .......................................................................................................... 23
Error de la fórmula de Simpson .......................................................................................... 24
La regla de Simpson 1/3 de aplicación múltiple.................................................................. 24
Regla de Simpson 3/8 .......................................................................................................... 25
METODO DE RUNGE-KUTTA .................................................................................................... 26
MÉTODOS DE RUNGE-KUTTA DE SEGUNDO ORDEN .......................................................... 27
MÉTODOS DE RUNGE-KUTTA DE TERCER ORDEN ............................................................. 29
MÉTODOS DE RUNGE-KUTTA DE CUARTO ORDEN ............................................................. 29
MÉTODOS DE RUNGE-KUTTA DE ORDEN SUPERIOR........................................................... 30
MÉTODO DE HEUN .............................................................................................................. 31
MÉTODO DEL PUNTO MEDIO (O DEL POLÍGONO MEJORADO) .......................................... 32
Objetivos
Buscamos obtener una aproximación de 𝑓 ′ en un punto 𝑥0 en una función de
valores de 𝑓 en un número finito de puntos cercanos a 𝑥0
Calculo Numérico
Teorema de Taylor
Una serie de Taylor es una aproximación de funciones mediante una serie de potencias o
suma de potencias enteras de polinomios como (𝑥 − 𝑎)𝑛 llamados términos de la serie,
dicha suma se calcula a partir de las derivadas de la función para un determinado valor o
punto a suficientemente derivable sobre la función y un entorno sobre el cual converja la
serie.
Sea f una función cuyas “n” derivadas existen en un intervalo I, y estas no tienen un
tamaño desmesurados es decir están acotadas:
|𝑓 𝑛 (𝑥)| ≤ 𝑘 𝑥∈𝐼
Donde:
n! es el factorial de n
𝑓 𝑛 (𝑎) denota la n-ésima derivada de f para el valor 𝑎 de la variable respecto de la cual se
deriva.
𝑥
𝑥 𝑥2 𝑥3 𝑥4 𝑥5 𝑥𝑛
𝑒 = 1 + + + + + …+ …
1! 2! 3! 4! 5! 𝑛!
De forma más simple:
∞
𝑥
𝑥𝑛
𝑒 =∑
𝑛!
𝑛=0
CONVERGENCIA
La aproximación con series de Taylor es mejor para cualquier grado de desarrollo
mientras más cerca este el número del punto de prueba (𝑎). Es decir, hay un intervalo de
convergencia centrado en “𝑎", con un radio de convergencia “r” (que pertenece al
intervalo I); para el cual la serie converge.
Teorema
Sea ∑∞ 𝑛
𝑛=0(𝑥 − 𝑎) una serie cualquiera; entonces se cumple una de las condiciones:
Derivación Numérica
Para empezar, ¿porque se hace esto?
2𝑓 (3) (𝑥𝑖 ) 3
𝑓(𝑥𝑖+1 ) = 𝑓(𝑥𝑖−1 ) + 2𝑓 ′ (𝑥𝑖 )ℎ + ℎ + ….
3!
De donde se despeja
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 )
𝑓 ′ (𝑥𝑖 ) = − 𝑂(ℎ2 )
2ℎ
Ejercicio 3. Calcular la derivada de la función
diferencia centrada
x(i) h f(xi) f'(xi)calculado f'(x) real Error%
0 0.5 1.2 -0.25
0.5 0.5 0.925 -1 -0.9125 9.5890411
1 0.5 0.2 -2.2375 -2.1 6.54761905
1.5 0.5 -1.3125 -4.3 -4.1125 4.55927052
2 0.5 -4.1 -7.4875 -7.25 3.27586207
2.5 0.5 -8.8 -12.1 -11.8125 2.43386243
3 0.5 -16.2 -18.4375 -18.1 1.86464088
3.5 0.5 -27.2375 -26.8 -26.4125 1.46710838
4 0.5 -43 -37.4875 -37.05 1.18083671
4.5 0.5 -64.725 -50.8 -50.3125 0.9689441
5 0.5 -93.8 -67.0375 -66.5 0.80827068
5.5 0.5 -131.7625 -86.5 -85.9125 0.6838353
6 0.5 -180.3 -109.4875 -108.85 0.58566835
6.5 0.5 -241.25 -136.3 -135.6125 0.50695917
7 0.5 -316.6 -167.2375 -166.5 0.44294294
7.5 0.5 -408.4875 -202.6 -201.8125 0.39021369
8 0.5 -519.2 -242.6875 -241.85 0.34628902
8.5 0.5 -651.175 -287.8 -286.9125 0.30932776
9 0.5 -807 -338.2375 -337.3 0.27794248
9.5 0.5 -989.4125 -394.3 -393.3125 0.25107262
10 0.5 -1201.3 989.4125 -455.25 317.333882
Diferencia centrada
Formas de derivación con alta exactitud
Se explico en la anterior sección que la exactitud del método se aplica en 𝑂(ℎ) y en el
exponente que lleva ℎ asciendo más exacto su aproximación dependiendo, imaginemos
si aumentamos el exponente de ℎ teniendo en cuenta algunos parámetros.
Dada la ecuación:
𝑓 ′ ′(𝑥𝑖 ) 2
𝑓(𝑥𝑖+1 ) = 𝑓(𝑥𝑖 ) + 𝑓 ′ (𝑥𝑖 )ℎ + ℎ + ….
2!
De lo que se despeja:
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑓 ′′ (𝑥𝑖 )
𝑓 ′ (𝑥𝑖 ) = − ℎ + 𝑂(ℎ2 )
ℎ 2
En la anterior sección truncamos este resultado al excluir los términos de la segunda
derivada en adelante y nos quedamos con el resultado final
𝑓(𝑥𝑖 ) − 𝑓(𝑥𝑖−1 )
𝑓 ′ (𝑥𝑖 ) = + 𝑂(ℎ)
ℎ
Ahora retendremos, en cambio, el término de la segunda derivada sustituyendo la
siguiente aproximación de la segunda derivada
𝑓(𝑥𝑖+2 ) − 2𝑓(𝑥𝑖+1 ) + 𝑓(𝑥𝑖 )
𝑓 ′ ′(𝑥𝑖 ) = + 𝑂(ℎ)
ℎ2
En la segunda ecuación que se tiene en este párrafo para dar
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑓(𝑥𝑖+2 ) − 2𝑓(𝑥𝑖+1 ) + 𝑓(𝑥𝑖 )
𝑓 ′ (𝑥𝑖 ) = − + 𝑂(ℎ2 )
ℎ 2ℎ
O al agrupar términos
−𝑓(𝑥𝑖+2 ) + 4𝑓(𝑥𝑖+1 ) − 3𝑓(𝑥𝑖 )
𝑓 ′ (𝑥𝑖 ) = + 𝑂(ℎ2 )
2ℎ
Observe que al concluir el término de la segunda derivada mejora la exactitud a 𝑂(ℎ2 ).
Es posible desarrollar versiones similares mejoradas para las fórmulas hacia adelante y
centradas, así como las aproximaciones de derivadas de orden superior. Las fórmulas
resumen en el siguiente esquema.
Ejemplo 4. Se dará el mismo ejemplo que en las anteriores formas intentando ver el error cometido
en las iteraciones
hacia adelante
x(i) h f(xi) f'(xi)calculado f'(x) real Error%
0 0.5 1.2 -0.536328125 -0.25 114.53125
0.5 0.25 0.925 -0.859375 -0.9125 5.82191781
0.75 0.25 0.63632813 -1.35625 -1.421875 4.61538462
1 0.25 0.2 -2.021875 -2.1 3.7202381
1.25 0.25 -0.43085938 -2.89375 -2.984375 3.03664921
1.5 0.25 -1.3125 -4.009375 -4.1125 2.50759878
1.75 0.25 -2.51054688 -5.40625 -5.521875 2.09394454
2 0.25 -4.1 29.753125 -7.25 510.387931
2.25 1.25 -6.16523438 25.6575 -9.334375 374.871108
3.5 2.25 -27.2375 60.07118056 -26.4125 327.434664
5.75 3.25 -154.598047 116.4365385 -96.921875 220.134426
9 4.25 -807 138.1913603 -337.3 140.969867
13.25 5.25 -3521.04336 -64.70297619 -1022.98438 93.6750768
18.5 6.25 -12837.8 -930.380375 -2705.4125 65.610406
24.75 7.25 -40108.6887 -3295.176724 -6365.02188 48.229923
32 8.25 -110291.6 -8579.658996 -13600.25 36.9154317
40.25 9.25 -273060.271 -89731.1803 -26852.5344 234.162798
49.5 10.25 -619801.913 90702.7189 -49667.3125 282.620549
hacia atrás
x(i) h f(xi) f'(xi)calcualdo f'(x) real Error%
0 0.5 1.2 -0.25
0.5 0.25 0.925 -0.9125
0.75 0.25 0.63632813 -1.18203125 -1.421875 16.8681319
1 0.25 0.2 -2.040625 -2.1 2.82738095
1.25 0.25 -0.43085938 -2.9125 -2.984375 2.40837696
1.5 0.25 -1.3125 -4.028125 -4.1125 2.05167173
1.75 0.25 -2.51054688 -5.425 -5.521875 1.75438596
2 0.25 -4.1 -7.140625 -7.25 1.50862069
2.25 0.25 -6.16523438 -9.2125 -9.334375 1.30565785
2.5 2.25 -8.8 -1.297569444 -11.8125 89.0152851
4.75 2.25 -78.2511719 -45.71527778 -58.021875 21.2102715
7 2.25 -316.6 -143.465625 -166.5 13.8344595
9.25 2.25 -894.705859 -332.4375 -364.584375 8.81740338
11.5 2.25 -2044.9375 -638.353125 -679.6125 6.07101473
13.75 2.25 -4061.17305 -1088.55 -1138.92188 4.42276824
16 2.25 -7298.8 -1710.365625 -1769.85 3.36098398
18.25 2.25 -12174.7152 -2531.1375 -2599.73438 2.63861092
20.5 2.25 -19167.325 -3578.203125 -3655.9125 2.12558082
Diferencia media
x(i) h f(xi) f'(xi)calcualdo f'(x) real Error%
0 0.5 1.2 -0.25
0.5 0.25 0.925 -0.9125
0.75 0.25 0.63632813 -1.389713542 -1.421875 2.261904762
1 0.25 0.2 -2.1 -2.1 0
1.25 0.25 -0.43085938 -2.984375 -2.984375 1.48805E-14
1.5 0.25 -1.3125 -4.1125 -4.1125 2.1597E-14
1.75 0.25 -2.51054688 -5.521875 -5.521875 4.82542E-14
2 0.25 -4.1 -7.25 -7.25 3.67522E-14
2.25 0.25 -6.16523438 -9.334375 -9.334375 1.90303E-14
2.5 0.25 -8.8 -11.8125 -11.8125 4.51138E-14
2.75 0.25 -12.1074219 -14.721875 -14.721875 2.41322E-14
3 0.25 -16.2 -18.1 -18.1 3.92565E-14
3.25 0.25 -21.1996094 -21.984375 -21.984375 4.84805E-14
3.5 0.25 -27.2375 -26.4125 -26.4125 4.03526E-14
3.75 0.25 -34.4542969 -31.421875 -31.421875 0
4 0.25 -43 -37.05 -37.05 0
4.25 0.25 -53.0339844 -69.41809896 -43.334375 60.19176222
4.5 0.25 -64.725 127.090625 -50.3125 352.6024845
Extrapolación de Richardson
Hay que recordar que este método también es utilizado en la estimación de la integración
numérica.
Hasta aquí hemos visto dos formas de para mejorar la estimación obtenida al emplear
diferencias divididas finitas: 1. Disminuir el tamaño de paso o 2, usar una fórmula de
grado superior que emplee más puntos. Un tercer procedimiento, basado en la
extrapolación de Richardson, utiliza dos estimaciones de la derivada para calcular una
tercera aproximación más exacta.
1
𝐼 ≅ 𝐼(ℎ2 ) + [𝐼(ℎ2 ) − 𝐼(ℎ1 )]
ℎ 2
( 1) − 1
ℎ2
Donde las 𝐼1 y 𝐼2 son las estimaciones de la integral obtenidas usando los tamaños de
paso, ℎ1 y ℎ2 . Debido a su conveniencia cuando se expresa como un algoritmo
computacional, esta formula usando se escribe para el caso en que ℎ2 = ℎ1 /2, como:
4 1
𝐼 ≅ 𝐼(ℎ2 ) − 𝐼(ℎ1 )
3 3
De manera similar, la ecuación anterior se escribirá para las derivadas como:
4 1
𝐷≅ 𝐷(ℎ2 ) − 𝐷(ℎ1 )
3 3
Para aproximaciones por diferencia centrada con 𝑂(ℎ2 ), la aplicación de esta formula
dara una nueva estimación de la derivada de 𝑂(ℎ4 ).
Ejemplo 5. Para un análisis mejor se analizará la misma función de los ejemplos anteriores
Hacia adelante
x(i) h f(xi) f'(xi)calculado f'(x) real Error%
0 0.5 1.2 -0.1 -0.25 60
0.5 0.5 0.925 -0.6625 -0.9125 27.3972603
1 0.5 0.2 -1.75 -2.1 16.6666667
1.5 0.5 -1.3125 -3.6625 -4.1125 10.9422492
2 0.5 -4.1 -6.7 -7.25 7.5862069
2.5 0.5 -8.8 -11.1625 -11.8125 5.5026455
3 0.5 -16.2 -17.35 -18.1 4.14364641
3.5 0.5 -27.2375 -25.5625 -26.4125 3.21817321
4 0.5 -43 -36.1 -37.05 2.56410256
4.5 0.5 -64.725 -49.4125 -50.3125 1.78881988
5 0.5 -93.8 -65.5 -66.5 1.5037594
5.5 0.5 -131.7625 -84.8125 -85.9125 1.28037247
6 0.5 -180.3 -107.65 -108.85 1.10243454
6.5 0.5 -241.25 -134.3125 -135.6125 0.9586137
7 0.5 -316.6 -165.1 -166.5 0.84084084
7.5 0.5 -408.4875 -200.3125 -201.8125 0.74326417
8 0.5 -519.2 -240.25 -241.85 0.66156709
8.5 0.5 -651.175 -285.2125 -286.9125 0.59251514
9 0.5 -807 -335.5 -337.3 0.53364957
9.5 0.5 -989.4125 -391.4125 -393.3125 0.48307643
hacia atrás
x(i) h f(xi) f'(xi)calculado f'(x) real Error%
0 0.5 1.2 -0.25
0.5 0.5 0.925 -0.9125
1 0.5 0.2 -1.9 -2.1 9.52380952
1.5 0.5 -1.3125 -3.8125 -4.1125 7.29483283
2 0.5 -4.1 -6.85 -7.25 5.51724138
2.5 0.5 -8.8 -11.3125 -11.8125 4.23280423
3 0.5 -16.2 -17.5 -18.1 3.31491713
3.5 0.5 -27.2375 -25.7125 -26.4125 2.65026029
4 0.5 -43 -36.25 -37.05 2.15924426
4.5 0.5 -64.725 -49.4125 -50.3125 1.78881988
5 0.5 -93.8 -65.5 -66.5 1.5037594
5.5 0.5 -131.7625 -84.8125 -85.9125 1.28037247
6 0.5 -180.3 -107.65 -108.85 1.10243454
6.5 0.5 -241.25 -134.3125 -135.6125 0.9586137
7 0.5 -316.6 -165.1 -166.5 0.84084084
7.5 0.5 -408.4875 -200.3125 -201.8125 0.74326417
8 0.5 -519.2 -240.25 -241.85 0.66156709
8.5 0.5 -651.175 -285.2125 -286.9125 0.59251514
9 0.5 -807 -335.5 -337.3 0.53364957
9.5 0.5 -989.4125 -391.4125 -393.3125 0.48307643
diferencia centrada
x(i) h f(xi) f'(xi)calcualdo f'(x) real Error%
0 0.5 1.2 -0.25
0.5 0.5 0.925 -0.9125
1 0.5 0.2 -2.1 -2.1 0
1.5 0.5 -1.3125 -4.1125 -4.1125 2.1597E-14
2 0.5 -4.1 -7.25 -7.25 0
2.5 0.5 -8.8 -11.8125 -11.8125 0
3 0.5 -16.2 -18.1 -18.1 1.9628E-14
3.5 0.5 -27.2375 -26.4125 -26.4125 1.3451E-14
4 0.5 -43 -37.05 -37.05 3.8356E-14
4.5 0.5 -64.725 -50.3125 -50.3125 1.4123E-14
5 0.5 -93.8 -66.5 -66.5 6.4109E-14
5.5 0.5 -131.7625 -85.9125 -85.9125 3.3082E-14
6 0.5 -180.3 -108.85 -108.85 2.6111E-14
6.5 0.5 -241.25 -135.6125 -135.6125 2.0958E-14
7 0.5 -316.6 -166.5 -166.5 6.828E-14
7.5 0.5 -408.4875 -201.8125 -201.8125 0
8 0.5 -519.2 -241.85 -241.85 4.7007E-14
8.5 0.5 -651.175 -451.8145833 -286.9125 57.4746947
9 0.5 -807 781.7 -337.3 331.752149
INTEGRACIÓN NUMÉRICA
En los cursos de Análisis Matemático (Cálculo Integral), nos enseñan como calcular una
integral definida de una función continua mediante la aplicación del Teorema
Fundamental del Cálculo:
Teorema Fundamental del Cálculo
Sea una función continua y definida en el intervalo [a, b] y sea una F(x) función primitiva
de f(x), entonces:
𝑏
I=∫𝑎 𝑓(𝑥)𝑑𝑥 =𝐹(𝑏) − 𝐹(𝑎)
Así tendremos:
𝑏 𝑏
I=∫𝑎 𝑓(𝑥)𝑑𝑥 ≈ ∫𝑎 𝑃1 (𝑥)𝑑𝑥 =
𝑏
𝑓(𝑎) + 𝑓(𝑏)
∫ (𝒂𝟎 + 𝒂𝟏 𝑥)𝑑𝑥 = (𝑏 − 𝑎)( )
𝑎 2
conocida como Regla del Trapecio.
Es de apreciar que el error que se llega a cometer con esta forma de aplicación puede ser
significativo. Una mejor aproximación se obtiene dividiendo el intervalo de integración
en subintervalos y aplicando en cada uno de ellos la regla trapecial. A este procedimiento
se lo conoce como Regla Trapecial Compuesta.
Este nombre se debe a la interpretación geométrica que le podemos dar a la fórmula. El
polinomio de interpolación para una tabla que contiene dos datos, es una línea recta. La
integral, corresponde al área bajo la línea recta en el intervalo, que es precisamente el área
del trapecio que se forma.
Ahora bien, ya que todos los subniveles tienen la misma longitud h, tenemos que :
Esta es la regla del trapecio para n subintervalos. Cuantos más subintervalos se usen,
mejor será la aproximación a la integral, hasta que la importancia de los errores por
redondeo comience a tomar relevancia.
Ejercicios: con trapecio simple trapecio compuesto
𝟏 𝟐 𝟏 𝟐
𝟏) ∫𝟎 𝒆𝒙 𝒅(𝒙) : 𝟐) ∫𝟎 𝒆𝒙 𝒅(𝒙) : solución
n=1 En este caso, identificamos n=5 y la partición generada es:
Solución: h=(b-a) /n…remplazando h= 0.2 la partición P= {0,0.2,0.4,0.6,0.8,1}
𝑏 𝒇(𝒂)+𝒇(𝒃)
formula: ∫𝑎 (𝑏 − 𝑎)( )
𝟐
𝟐
f(x)=𝒆𝒙 , b=1 , a=0
= (1−0)(𝑓(0)+𝑓(1)
2
) =(1+e) /2
=1.85914
= 1.48065
REGLAS DE SIMPSON
la fórmula de Simpson para integrar una función en un intervalo, equivale a sustituir, dentro de la
integral, la función a integrar por el polinomio de interpolación de grado dos, que pasa por los
puntos de la función de los extremos y el punto medio del intervalo. Es decir, sustituimos la
función por una parábola e integramos:
otra forma de obtener una estimación más exacta de una integral consiste en usar polinomios de
grado superior para unir los puntos. Por ejemplo, si hay otro punto a la mitad entre f(a) y f(b), los
tres puntos se pueden unir con una parábola (figura 1 a). Si hay dos puntos igualmente espaciados
entre f(a) y f(b), los cuatro puntos se pueden unir mediante un polinomio de tercer grado (figura
1b). Las fórmulas que resultan de tomar las integrales bajo esos polinomios se conocen como
reglas de Simpson.
FIGURA 1 a) Descripción gráfica de la regla de Simpson 1/3, que consiste en tomar el área bajo una parábola que
une tres puntos. b) Descripción gráfica de la regla de Simpson 3/8, que consiste en tomar el área bajo una ecuación
cúbica que une cuatro puntos.
FIGURA 2 Representación gráfica de la regla de Simpson 1/3 de aplicación múltiple. Observe que el método se puede
emplear sólo si el número de segmentos es par.
(𝑏 − 𝑎)5 (4)
𝐸𝑎 = − 𝑓̅
180𝑛4
donde 𝑓 ̅ (4) es el promedio de la cuarta derivada en el intervalo.
De manera similar a la obtención de la regla del trapecio y Simpson 1/3, es posible ajustar un
polinomio de Lagrange de tercer grado a cuatro puntos e integrarlo:
𝑏 𝑥2
𝐼 = ∫ 𝑓(𝑥) 𝑑𝑥 ≅ ∫ 𝑝3 (𝑥) 𝑑𝑥
𝑎 𝑥0
para obtener
3ℎ
𝐼≅ [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3𝑓(𝑥2 ) + 𝑓(𝑥3 )]
8
donde h = (b – a) /3. Esta ecuación se llama regla de Simpson 3/8 debido a que h se multiplica
por 3/8.
La regla 3/8 se expresa también en la forma:
𝑓(𝑥0) + 3𝑓(𝑥1) + 3𝑓(𝑥2) + 𝑓(𝑥3)
𝐼 ≅ (𝑏 − 𝑎)
8
Así los dos puntos interiores tienen pesos de tres octavos, mientras que los puntos extremos tienen
un peso de un octavo. La regla de Simpson 3/8 tiene un error de
3 5 (4)
𝐸𝑡 = − ℎ 𝑓 ( 𝜉)
80
o, como h = (b – a) /3,
(𝑏 − 𝑎)5 (4)
𝐸𝑡 = − 𝑓 ( 𝜉)
6480
la regla 3/8 es más exacta que la regla 1/3. Por lo común, se prefiere la regla de Simpson 1/3, ya
que alcanza una exactitud de tercer orden con tres puntos en lugar de los cuatro puntos requeridos
en la versión 3/8. No obstante, la regla de 3/8 es útil cuando el número de segmentos es impar.
Quizá esto no sea recomendable, sin embargo, debido al gran error de truncamiento asociado con
dicho método. Una alternativa sería
FIGURA 3 Ilustración de cómo se utilizan en conjunto las reglas de Simpson 1/3 y 3/8 para manejar aplicaciones
múltiples con números impares de intervalos.
aplicar la regla de Simpson 1/3 a los dos primeros segmentos y la regla de Simpson 3/8 a los
últimos tres (figura 3). De esta forma, podríamos obtener un estimado con una exactitud de tercer
orden durante todo el intervalo.
METODO DE RUNGE-KUTTA
Los métodos de Runge-Kutta (RK) utilizan indirectamente el algoritmo de Taylor. En
general estos métodos evalúan f(x, y) en más de un punto en la proximidad de (𝑥𝑛, 𝑦𝑛 )
en lugar de evaluar derivadas de f(x, y), las cuales se necesitarían para el uso directo del
algoritmo por series de Taylor. la derivada de estos métodos se acompaña de la suposición
de un algoritmo particular con ciertos coeficientes indeterminados. Los valores de estos
términos constantes se encuentran igualando a la fórmula de Runge-Kutta.
Los métodos de Runge-Kutta (RK) logran la exactitud del procedimiento de la serie de
Taylor sin necesitar el cálculo de derivadas de orden superior. Existen muchas variantes,
pero todas tienen la forma generalizada de la ecuación.
𝑦𝑖+1 = 𝑦𝑖 + f (𝑥𝑖 , 𝑦𝑖 , h) h
Donde: (f(𝑥𝑖 , 𝑦𝑖 , h)h) se conoce como función incremento, la cual puede interpretarse
como una pendiente representativa en el intervalo. La función incremento se escribe en
forma general como:
f = 𝑎1 𝑘1 + 𝑎2 𝑘2 + 𝑎3 𝑘3 +· · · + 𝑎𝑛 𝑘𝑛
Donde las (p) y las (q) son constantes. y los valores las k son relaciones de recurrencia.
K1 aparece en la ecuación K2, la cual aparece en la ecuación K3, etcétera. Como cada k
es una evaluación funcional, esta recurrencia vuelve eficientes a los métodos RK para
cálculos en computadora.
Es posible tener varios tipos de métodos de Runge-Kutta empleando diferentes
números de términos en la función incremento especificada por n. Observe que el método
de Runge-Kutta (RK)
primer orden con (n = 1)
segundo orden (n = 2)
Tercer orden (n=3)
Cuarto orden (n=4)
𝑦𝑖+1 = 𝑦𝑖 + (𝑎1 𝑘1 + 𝑎2 𝑘2 )h
donde:
k1= ƒ(𝑥𝑖 , 𝑦𝑖 )
k2 = ƒ(𝑥𝑖 + 𝑝1h, 𝑦𝑖 + 𝑞11 𝑘1 h)
donde los valore a1, a2, p1 y q11 se evaluará la ecuación general con la expansión de la
serie de Taylor hasta el termino ce segundo orden. Al hacerlo desarrollamos tres
ecuaciones para evaluar cuatro constantes desconocidas.
Las tres ecuaciones son:
𝑎1 + 𝑎2 =1
1
𝑎2 𝑝1 =2
1
𝑎2 𝑞11 =2
Como tenemos tres ecuaciones con cuatro incógnitas, debemos dar el valor de una de
estas incógnitas para determinar las otras tres. Suponga que damos un valor para a2.
𝑎1 =1-𝑎2
1
𝑝1=𝑞11 =2𝑎2
Debido a que podemos elegir un número infinito de valores para 𝑎2 , hay un número
infinito de métodos RK de segundo orden. Cada versión daría exactamente los mismos
resultados si la solución de la EDO fuera cuadrática, lineal o una constante. Sin embargo,
se obtienen diferentes resultados cuando (como típicamente es el caso) la solución es más
complicada.
1
𝑦𝑖+1 = 𝑦𝑖 +2(k1 + k2)h
Donde
k1= ƒ(𝑥𝑖 , 𝑦𝑖 )
1 1
k2 = ƒ(𝑥𝑖 + 2h, 𝑦𝑖 + 2 𝑘1 h)
Ejemplo:
ejemplo:
Encontrar un valor aproximado de y(1), por el método de Runga-Kutta de segundo orden,
del siguiente problema de valores iniciales.
h = 0:2
y(0.2).=2
𝑦 ′ = ƒ(𝑥𝑖 , 𝑦𝑖 )= x-y
Solución.
I) En primer lugar, debemos encontrar las constantes
k1= ƒ(𝑥𝑖 , 𝑦𝑖 ) = ƒ(0, 2) = 0-2 =-2
1 1 0.2 0.2(−2)
k2 = ƒ(𝑥𝑖 + 2h, 𝑦𝑖 + 2 𝑘1 h) = ƒ(0+ 2 , 2 + 2 ) = -1.7
𝑦2 =y(0.4)=1.26
𝑦3 =y(0.6)= 0.89
𝑦4 =y(0.8)=0.52
se observe que, si la EDO está en función sólo de x, este método de tercer orden se reduce
a la regla de Simpson 1/3. Ralston (1962) y Ralston y Rabinowitz (1978) desarrollaron
una versión alternativa que proporciona un mínimo para el error de truncamiento. En
cualquier caso, los métodos RK de tercer orden tienen errores local y global de O(h4) y
O(h3), respectivamente, y dan resultados exactos cuando la solución es una cúbica.
Donde:
k1= ƒ(𝑥𝑖 , 𝑦𝑖 )
1 1
k2 = ƒ(𝑥𝑖 + 2h, 𝑦𝑖 + 2 𝑘1 h)
1 1
k3 = ƒ(𝑥𝑖 + 2h, 𝑦𝑖 + 2 𝑘2 h)
k4 = ƒ(𝑥𝑖 +h, 𝑦𝑖 + 𝑘3 h)
ejemplo:
Encontrar un valor aproximado de y(1), por el método de Runga-Kutta de cuarto orden,
del siguiente problema de valores iniciales.
h = 0:2
y(0.2).=2
𝑦 ′ = ƒ(𝑥𝑖 , 𝑦𝑖 )= x-y
Solución.
I) En primer lugar, debemos encontrar las constantes
k1= ƒ(𝑥𝑖 , 𝑦𝑖 ) = ƒ(0, 2) = 0-2 =-2
1 1 0.2 0.2(−2)
k2 = ƒ(𝑥𝑖 + 2h, 𝑦𝑖 + 2 𝑘1 h) = ƒ(0+ 2 , 2 + 2 ) = -1.7
1 1 0.2 0.2(−1.7)
k3 = ƒ(𝑥𝑖 + 2h, 𝑦𝑖 + 2 𝑘2 h) = ƒ(0+ 2 , 2 + ) = -1.73
2
1
k4 = ƒ(𝑥𝑖 +h, 𝑦𝑖 + 2 𝑘3 h) = ƒ(0+0.2, 0.2(-1.73)) = -1.454
𝑦2 =y(0.4)=1.47097
𝑦3 =y(0.6)= 1.24645
𝑦4 =y(0.8)=1.14801
𝑦5 = y(1.0)=1.10366
Donde:
k1= ƒ(𝑥𝑖 , 𝑦𝑖 )
1 1
k2 = ƒ(𝑥𝑖 + 4h, 𝑦𝑖 + 4 𝑘1 h)
1 1 1
k3 = ƒ(𝑥𝑖 + 4h, 𝑦𝑖 + 8 𝑘1 h+8 𝑘2 h)
1 1
k4 = ƒ(𝑥𝑖 +2h, 𝑦𝑖 - 2 𝑘2 h+𝑘3 h)
3 3 9
k5 = ƒ(𝑥𝑖 + 4h, 𝑦𝑖 + 16 𝑘1 h+16 𝑘4 h)
3 2 12 12 8
k6 = ƒ(𝑥𝑖 +h, 𝑦𝑖 - 7 𝑘1 h+7 𝑘2 h+ 7 𝑘3 h- 𝑘4 h+7 𝑘5 h)
7
Donde:
k1= ƒ(𝑥𝑖 , 𝑦𝑖 )
1 1
k2 = ƒ(𝑥𝑖 + 5h, 𝑦𝑖 + 5 𝑘1 h)
3 3 9
k3 = ƒ(𝑥𝑖 + 10h, 𝑦𝑖 + 40 𝑘1 h+40 𝑘2 h)
3 3 9 6
k4 = ƒ(𝑥𝑖 +5h, 𝑦𝑖 + 10 𝑘1 h- 10 k2h+5 k3ℎ)
11 5 70 35
k5 = ƒ(𝑥𝑖 + h, 𝑦𝑖 − 54 k1ℎ + 2 k2h- 27 k3ℎ + 27 k4ℎ )
7 1631 175 575 44275 253
k6 = ƒ(𝑥𝑖 +8h, 𝑦𝑖 +55296 k1h+512 k2h+ 13824 k3h+110592 k4h+4096 k5ℎ)
MÉTODO DE HEUN
Un método para mejorar la estimación de la pendiente emplea la determinación de dos
derivadas en el intervalo (una en el punto inicial y otra en el final). Las dos derivadas se
promedian después con la finalidad de obtener una mejor estimación de la pendiente en
todo el intervalo.
Que tiene las formulas
𝑦𝑖′ = ƒ(𝑥𝑖 , 𝑦𝑖 )
′
se utiliza para extrapolar linealmente a 𝑦𝑖+1 :
𝑦𝑖+1 = 𝑦𝑖 + ƒ(𝑥𝑖 , 𝑦𝑖 )h
0
0
el método de Heun la 𝑦𝑖+1 calculada no es la respuesta final, sino una predicción
intermedia. Por consiguiente, la distinguimos con un superíndice 0. La ecuación se llama
ecuación predictora o simplemente predictora. Da una estimación de 𝑦𝑖+1 que permite el
cálculo de una estimación de la pendiente al final del intervalo:
𝑦𝑖+1
′ 0
= ƒ(𝑥𝑖+1 , 𝑦𝑖+1 )
se combinan las dos pendientes para obtener una pendiente promedio en el intervalo:
𝑦𝑖′ +𝑦𝑖+1
′ 0
ƒ(𝑥𝑖 ,𝑦𝑖 )+ƒ(𝑥𝑖+1 ,𝑦𝑖+1 )
𝑦̅ ′ = 2
= 2
ℎ
Este pendiente promedio se utiliza después para extrapolar linealmente desde 𝑦𝑖 hasta
𝑦𝑖+1 con el método de Euler:
0
ƒ(𝑥𝑖 ,𝑦𝑖 )+ƒ(𝑥𝑖+1 ,𝑦𝑖+1 )
𝑦𝑖+1 = +𝑦𝑖 + ℎ
2
𝑗 𝑗−1
𝑦𝑖+1 −𝑦𝑖+1
|𝜀𝑎|=| 𝑗 |100%
𝑦𝑖+1
Donde
𝑗
𝑦𝑖+1 : es iteración actual
𝑗−1
𝑦𝑖+1 : es iteración anterior
h
𝑦𝑖+1 = 𝑦𝑖 +ƒ(𝑥𝑖 , 𝑦𝑖 ) 2
2
′
𝑦𝑖+1 = ƒ(𝑥𝑖+1 , 𝑦𝑖+1 )
2 2
Observe que como 𝑦𝑖+1 no está en los dos lados, el corrector no puede aplicarse de manera
iterativa para mejorar la solución. Como en la sección anterior, este procedimiento
también se relaciona con las fórmulas de integración de Newton-Cotes. Con la fórmula
más simple de integración abierta de Newton-Cotes, la cual se denomina el método del
punto medio, se puede representar como:
𝑏
∫𝑎 𝑓(𝑥)𝑑𝑥 ≅ (𝑏 − 𝑎)𝑓(𝑥1 )
donde 𝑥1 , es el punto medio del intervalo (a, b). Usando la nomenclatura del caso actual,
lo anterior se expresa como:
𝑥𝑖+1
∫𝑥 𝑓(𝑥)𝑑𝑥 ≅ ℎ𝑓(𝑥𝑖+1 )
𝑖 2
El método del punto medio es mejor que el método de Euler debido a que utiliza
una estimación de la pendiente en el punto medio del intervalo de predicción. las
diferencias divididas finitas centradas son mejores aproximaciones de las derivadas, que
las versiones hacia adelante o hacia atrás.