You are on page 1of 14

INTRODUCCIÓN

El principal objetivo de nuestro trabajo es dar a conocer los
conceptos de los diferentes métodos matemáticos aplicados en el
programa Matlab, su funcionamiento, su aplicación en las ramas de
la ingeniería, su ayuda en la solución de los cálculos matemáticos.
Al inicio de nuestra vida universitaria encontramos conceptos
interesantes sobre este programa (Matlab), pero estos
conocimientos no solamente quedan ahí, como todo conocimiento
que llega abarcar amplios campos de la ingeniería, el cálculo
avanzo progresivamente hasta no solamente tener una teoría, sino
varias.
Al estudiar los diferentes métodos aplicados en el programa
(Matlab) encontramos diferentes algoritmos, comandos, que nos
ayudó a programar en Matlab que nos servirán mas adelante en
nuestra vida profesional. En este trabajo, hablaremos de los
diferentes métodos como: trapecios, Romberg, Simpson 1/3,
Simpson 3/8, Funciones de cuadratura, Euler, Euler modificado,
ruge Kutta, Funciones Ode, Solución de ecuaciones diferenciales de
orden superior.

CÁLCULO DE ÁREAS
Uno de los problemas matemáticos más frecuentes en el cálculo del
área que se forma entre una función f(x), el eje x y los límites de
a y b. por ejemplo, se necesita calcular el área de A que aparece en
la fig. 1, reiterando que dicha área está por debajo de la función f(x)
entre los límites de a y b

En este tipo de problemas se puede obtener dos tipos de soluciones:  Soluciones algebraicas: se obtiene una formula precisa y exacta para el área solicitada. porque son exactas. a se considera como el límite inferior y b se considera como límite superior.  Soluciones numéricas: se calcula numéricamente una estimación del área. MÉTODO DE SIMPSON 1/3 b Sea ∫ f (x)dx a donde f(x) es la función. .Partiendo del hecho que la función f(x) y los valores de a y b son conocidos. la complejidad de las funciones hace imposible (o difícil) obtener la solución algebraica. Pero a veces. n= par. Desde luego. por lo que una solución numérica permite ahorrar tiempo. las soluciones algebraicas son mejores que las numéricas. entonces: i+ 1+ ¿+2 y i +2+ 4 y i +3+ …+ y n yi + 4 y ¿ h AT = ¿ 3 Una forma de obtener una aproximación adecuada de una integral es usar polinomios de grado superior para unir los puntos y aproximar la función real. El valor del área se puede b−a determinar aproximadamente donde h= n .

Figura 2 Descripción de la gráfica de la regla de Simpson 1/3 Ejemplo. por lo que se verá más adelante que esta integral se resuelve con regla de Simpson 1/3. entonces por esos cuatro puntos se podrá ajustar una curva de grado tres. se trata de ajustar una curva de orden superior en lugar de una línea recta como en la Regla Trapezoidal. Note que hay tres puntos y dos segmentos. y así sucesivamente. En la figura. Por lo tanto las fórmulas que resultan de tomar integrales bajo estos polinomios se conocen como regla de Simpson. En este caso se calcula el área o la integral bajo la parábola que une los tres puntos. Sea una función f(x).El método de Simpson. si existe dos puntos entre f (a) y f(b). entonces será posible ajustar por ellos una parábola. intenta no incurrir en un mayor número de subdivisiones. a diferencia de la Regla trapezoidal. en la misma forma. . 2. si entre f(a) y f(b) existe un tercer punto. se muestra la función que es una parábola que aproxima a la función real.

2 0. donde n=6 Solución.1605 8 0.2307 6 0.6423 2 0.5 4 4. Sabemos que la fórmula de Simpson es: i+ 1+ ¿+2 y i +2+ 4 y i +3+ …+ y n yi + 4 y ¿ .4 0.5 5 5.37166 → A T= 0.6 Se la integral ∫ 4 +x x 2 dx 3 .2307 6 0.37166) 3 2 A T =0.15 k 1 4 2 4 2 4 1 K*f(x) 0.2153 8 0.56194 u EN MATLAB .5 n 6 f ( x )= x 2 4+x x 3 3.1855 6 0.15 Donde tenemos ∑ k∗f ( x )=3.5 6 f(x) 0.5 (3.1724 1 0.3448 2 0.8615 2 0. donde h AT = ¿ 3 h= b−a 6−3 →h= → h=0.7422 4 0.

(suma de los f (x2 j) ) 4. Haciendo A x= b−a n 3. n. Haciendo S= 3 (S 0+2 S 2+4 S 1) 6. n(número par de intervalos) 2. existe u ∈[a .b−a 4 Sea f ∈ ∁ ( [ a . . Si tomamos SO= f(a)+f(b) S1= 0. tome S1= S1+f(x) Fin-desde h 5.…. 1. b=input('limite superior:').b ] tal que la regla compuesta de Simpson para n intervalos con su término de error es: b ∫ f ( x ) dx= h3 a [ n 2 n ] f ( a ) +2 ∑ f ( x 2 j ) + 4 ∑ f ( x 2 j−1 ) +f ( b ) − j=1 j=1 ( b−a ) 4 ( 4 ) h f (u) 180 El algoritmo de la regla de Simpson compuesta para calcular b ∫ f (x)dx a 1. tome S2= S2 +f(x) c) Sino si i es impar. clc. f=input('introduce la funcion:'. Ingresar [a. (suma de los f (x2 j−1) ) S2= 0. a=input('lime inferior:').'s').b]. b ] ) . h= n y x j=a+ jh para j= 0.n par . Desde i=1 hasta n-1 a) Haciendo x = a +ih b) Si i es par. fprintf('Calculo de la integral por el metodo de Simpson de 1/3\n\n'). Mostrar S Ejemplo en Matlab clear.

end ** %***************************************************************** %** En la siguiente seccion se realiza la sumatoria ** %** de cada una de las evaluaciones pares de la funcion ** %***************************************************************** zz=0. if (-1)^i==1 k=eval(f). %***************************************************************** %** En la siguiente seccion se realiza la sumatoria ** %** de cada una de las evaluaciones impares de la funcion %***************************************************************** z=0. zz=zz+k.c=input('numero de segmentos a dividir (numero par):'). end x=h*i. for i=2:c. h=(b-a)/c. for i=1:c. end x=h*i. if x==a d=eval(f). if (-1)^i==-1 k=eval(f). z=z+k. end %***************************************************************** %** En la siguiente seccion se realiza la evaluacion de ** %** el primero y el ultimo valor a evaluar en la funcion ** %***************************************************************** x=a. x=a. end . x=a.

15f\n\n'. end f1=0. f=f+eval(funcion). Ejemplo de metodo de simpson compuesto clc. for k=1:n-1 x=a+h*(2*k). z=z*(b-a) fprintf('Resultado '). b=input('ingrese el limite superior de la integral\n'). fprintf('el valor aproximado de la integral es: %10. f1=f1+eval(funcion). if x==b e=eval(f). v=zz*2. z=z+v+d+e.'s'). f=f+eval(funcion). a=input('ingrese el limite inferior de la integral\n'). for k=1:n x=a+h*(2*k-1). ** %***************************************************************** z=z*4.x=b. fprintf('\t\tFORMULA DE SIMPSON COMPUESTO\n') funcion=input('ingrese la funcion \n f(x)='. x=a. z=z/(3*c). n=input('ingrese el numero de intervalos\n'). f=0. x=b. f=(h/3)*f. end f=2*f+4*f1. end %***************************************************************** %** una vez que se tienen los datos de areas bajo la curva ** %** se realizan las operaciones directamente en la formula de ** %** integracion por el metodo de simpson de 1/3. h=(b-a)/(2*n).f) . f=f+eval(funcion). clear.

El método de Runge Kutta es un método numérico de resolución de ecuaciones diferenciales que surge como una mejora del método de Euler. Pasos para la resolución del método de Runge Kutta. éste método logra la exactitud de una serie de Taylor pero sin requerir el cálculo de derivadas superiores. Los Runge-Kutta no es sólo un método sino una importante familia de métodos iterativos tanto implícitos como explícitos para aproximar las soluciones de ecuaciones diferenciales ordinarias (E. el cual se puede considerar como un método de Runge Kutta de primer orden.MÉTODO DE RUNGE KUTTA. estas técnicas fueron desarrolladas alrededor de 1900 por los matemáticos alemanes Carl David Tolmé Runge y Martin Wilhelm Kutta. Definamos un problema de valor inicial como: Entonces el método RK4 para este problema está dado por la siguiente ecuación: Donde .O´s).D.

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: k1 es la pendiente al principio del intervalo.Así. 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: . 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.

Existen variantes del método de Runge-Kutta clásico. también llamado Runge-Kutta explícito. para así mantener el error acotado y hacer una buena elección de paso. y son evaluados al igualar el término de segundo orden de la ecuación dada con la expansión de . tales como la versión implícita del procedimiento o las parejas de métodos Runge-Kutta (o métodos Runge-Kutta-Fehlberg). es un método de cuarto orden lo cual significa que el error por paso es del orden de O(h5). Este último consiste en ir aproximando la solución de la ecuación mediante dos algoritmos Runge-Kutta de órdenes diferentes. Versión en Segundo orden del método Runge-kutta es la siguiente: La versión de segundo ecuación orden de la es Donde Los valores de .Esta forma del método de Runge-Kutta. mientras que el error total acumulado tiene el orden O(h4).

lineal o una constante. Suponiendo que se especificó un valor para a2. Cada versión podría dar exactamente los mismos resultados si la solución de la EDO fuera cuadrática. Se desarrollan tres ecuaciones para evaluar cuatro constantes desconocidas. hay un número infinito de métodos Runge-Kutta de segundo orden. Las tres ecuaciones son: Como se tienen tres ecuaciones con cuatro incógnitas se tiene que suponer el valor de una de ellas.la serie de Taylor. Aplicación de Método del punto medio (Runge-Kutta de Segundo orden): Donde Versión en tercer orden del método Runge Kutta: . se puede resolver de manera simultánea el sistema de ecuaciones obtenido: Como se puede elegir un número infinito de valores para .

y1(i)=y1(i-1)+(((1/2)*k1)+((1/2)*k2))*h. for i=2:L1 k11=subs(f. y0=input('Ingrese la condicion inicial de y(0)= '). x1=input('Ingrese el valor inicial de x= '). k1=subs(k11. k2=subs(k22. . L1=length(x).(y1(i-1)+(h*k1))). y1(1)=y0.y = '). k22=subs(f. por lo tanto se deben suponer dos valores con antelación para poder desarrollar el sistema de ecuaciones.y1(i-1)).x(i-1)).'x'.'y'. Una versión ampliamente usada es: Donde Ejemplo de 2 orden de Runge-kutta Existen deferentes métodos como: Metodo de Heun clear all clc disp('METODO DE HEUN') char x y f=input('Ingrese la funcion en terminos de x.'y'.'x'.Para el resultado son seis ecuaciones con ocho incógnitas. x2=input('Ingrese el valor final de x= '). x=[x1:h:x2].(x(i-1)+h)). h=input('Ingrese h(separacion entre valores de x)= ').

(y1(i-1))+((1/2)*k1*h)). k1=subs(k11. for i=2:L1 k11=subs(f.x(i-1)+((1/2)*h)) k33=subs(f. x=[x1:h:x2].y1(i-1)).(x(i-1)+h)) y1(i)=y1(i-1)+((1/6)*(k1+(4*k2)+k3)*h) end TERCERORDEN=[y1] .'x'.x(i-1)) k22=subs(f. x1=input('Ingrese el valor inicial de x= ').y1(i-1)-(k1*h)+((2*k2*h))).end HEUN=[y1] Ejercicio de 3er orden Runge-Kutta Algoritmo para Matlab: clear all clc disp('METODO RUNGE-KUTTA TERCER ORDEN') char x y f=input('Ingrese la funcion en terminos de x.'x'.'y'. y0=input('Ingrese la condicion inicial de y(0)= '). y1(1)=y0. k2=subs(k22.'x'. x2=input('Ingrese el valor final de x= '). L1=length(x). k3=subs(k33.'y'.'y'.y = '). h=input('Ingrese h(separacion entre valores de x)= ').