You are on page 1of 22

UNIVERSIDAD LAICA ELOY ALFARO

DE MANABI
FACULTAD:

INGENIERIA

CARRERA:

ING. MECÁNICA NAVAL

TRABAJO PRIMER PARCIAL

TEMA:
EL MÉTODO DE RUNGE - KUTTA

MATERIA:
MATEMATICA III

DOCENTE:
ING. FRANCISCO PAREDES

INTEGRANTES:
OCHOA ZAMBRANO TIRONE RODRIGO
PICO SORNOZA JUAN CARLOS
RAMIREZ CELORIO HAROLD
VERA GARCIA IVAN JOSE

2019 (1)
INDICE

1. INTRODUCCIÓN ................................................................................................................... 3

2. OBJETIVOS ............................................................................................................................ 4

2.1. OBJETIVO GENERAL ........................................................................................................... 4


2.2. OBJETIVOS ESPECÍFICOS .................................................................................................. 4

3. DESARROLLO ....................................................................................................................... 5

3.1. HISTORIA ............................................................................................................................... 5

3.2. MÉTODOS DE RUNGE KUTTA ........................................................................................... 6

3.2.1. RUNGE-KUTTA DE PRIMER ORDEN........................................................................................ 7


3.2.2. RUNGE-KUTTA DE SEGUNDO ORDEN ..................................................................................... 8
3.2.3. RUNGE-KUTTA DE CUARTO ORDEN ..................................................................................... 10

3.3. VARIANTES ......................................................................................................................... 11

3.4. VENTAJAS ............................................................................................................................ 11

3.5. DESVENTAJAS .................................................................................................................... 11

4. EJERCICIOS ......................................................................................................................... 12

5. APLICACIONES ................................................................................................................... 19

6. CONCLUSIONES ................................................................................................................. 21

7. RECOMENDACIÓN ............................................................................................................. 21

BIBLIOGRAFÍA ................................................................................................................................ 22
1. INTRODUCCIÓN

En el siguiente informe se manifiesta los conceptos básicos que se obtuvieron a partir de


una exhaustiva investigación en el cual se explica todo lo referido al método de Rurge-
Kutta, por el cual esta regla es un conjunto de métodos genéricos iterativos, explícitos e
implícitos, de resolución numérica de ecuaciones diferenciales.

Por tanto, consiste en aproximar la integral sustituyendo el integrado por una parábola,
además este método es la mejora del método de Euler, en donde fue desarrollado
alrededor del año 1900 por los matemáticos C. Runge y M. W. Kutta.

Posteriormente, el método de Runge-Kutta es la solución de un problema de valores de


una ecuación diferencial en donde se obtiene cada uno de los intervalos (k1, k2, k3, k4)
y así mismo se obtiene el error total acumulado.
2. OBJETIVOS
2.1.OBJETIVO GENERAL
 Desarrollar ejercicios sobre el método de Runge-Kutta.

2.2. OBJETIVOS ESPECÍFICOS


 Estudiar cada uno de los ejercicios y dar solución.
 Instruir criterios sobre el método de Runge-Kutta a los estudiantes
 Desarrollar las ecuaciones diferenciales sobre el método de Runge-Kutta y
explicar a los estudiantes de una manera fácil y entendible.
3. DESARROLLO

3.1.HISTORIA
La búsqueda de soluciones aproximadas a problemas matemáticos en general, es un
proceso antiguo. Se puede citar como ejemplo los polinomios de Taylor que aproximan a
una función, o los polinomios interpoladores obtenidos por Newton y Lagrange para
ajustar una función polinómica a una tabla de n valores, o el método de Newton para
hallar una solución aproximada de una ecuación, o por último, el método de Euler para el
cálculo de una solución aproximada de una ecuación diferencial.

El método de Euler, que data de 1768, está aún “vivo”, no sólo porque juega un papel
excepcional en la enseñanza como base metodológica para explicar métodos más
complicados, sino que incluso se sigue utilizando en la actualidad para obtener una
primera aproximación en la resolución de ecuaciones.

El mismo Euler en los ejercicios propone métodos de orden superior que son los que hoy
se conocen como métodos de Taylor, donde la idea geométrica la proporciona el calcular
la derivada segunda, en lugar de utilizar para aproximar la solución por la tangente se
hace mediante la parábola que más se aproxima, o en general por el polinomio de grado
n que más se aproxima.

Los siguientes métodos se deben a John C. Adams (1819 – 1892). Analizando anomalías
en la órbita de Saturno, Adams conjeturó en 1846 la existencia de otro planeta, siendo
observado Neptuno en 1846. Fue catedrático en Escocia en St. Andrews, en 1858, y en
Cambridge en 1859, siendo nombrado director del Observatorio de Cambridge en 1 861.
Los métodos que llevan su nombre, Adams no los publicó (quizás no los considerara
suficientemente serios). Aparecen publicados por primera vez por Bashford, en 1883, en
un trabajo sobre problemas de capilaridad, tensión superficial, la forma de una gota...,
aunque dijo que ya los conocía de Adams desde 1855.

Con el polinomio interpolador más sencillo, una constante, se recupera el método de


Euler. Si se usa una recta se obtiene un método de segundo orden, y con esta forma de
razonar, aumentando el grado del polinomio y el número de puntos de partida, es posible
obtener métodos del orden que se quiera. De esta forma se obtienen los métodos explícitos
que se conocen con el nombre de métodos de Adams-Bashford . La cantidad de trabajo
en cada paso es la misma que en el método de Euler, pues, aunque cada valor se usa varias
veces, en cada paso sólo se evalúa una vez la función. Adams construyó otros métodos,
los implícitos, que en la bibliografía se conocen como métodos de Adams-Moulton.

Carl David Tolmé Runge nació en 1856 en Brena. Vivió en La Habana. Estudió hacia 1
876 en Munich y Berlín con Kronecker y Weierstrass, donde se ocupó del estudio de la
variable compleja. En 1886 se trasladó a Hannover a la Escuela Técnica Superior donde
conoció a Plank, que investigaba en espectroscopia, centrándose en trabajos de
matemática aplicada. En 1905 fue llamado a Göttingen por Félix Klein, donde fue
nombrado como el primer catedrático de Matemática Aplicada. En 1895 apareció
publicado su trabajo en la revista “Mathematische Annalenn”.

Wilhelm Martin Kutta en 1901 utilizó este formato general y describió varios métodos de
orden cuatro con cuatro etapas. Uno de ellos es el que ha pasado a los libros
como el método de Runge-Kutta, lo cual es inexacto, pues no lo descubrió Runge ,
sino Kutta , y es uno entre varios, y no precisamente del que se muestra más orgulloso.
Aunque bien es cierto que Runge lo mencionó en un libro sobre Matemática Aplicada.

El primer estudio riguroso de la teoría matemática encerrada en la resolución numérica


de ecuaciones diferenciales se debe a Dahlquist que escribió su tesis, ya mayor, en el año
1956, siendo publicada en 1959. Es el primero en escribir una teoría que explique
conceptos como estabilidad o el orden alcanzable. Sólo escribió seis o siete artículos, pero
que son de una importancia excepcional. (Métodos numéricos para la resolución de
ecuaciones diferenciales, 2019)

3.2.MÉTODOS DE RUNGE KUTTA


Los métodos de Taylor tienen la propiedad de un error local de truncamiento de orden
superior, pero la desventaja de requerir el cálculo y la evaluación de las derivadas de f(t,
y). Esto resulta algo lento y complicado, en la mayoría de los problemas, razón por la
cual, en la práctica casi no se utilizan. El método de Euler, lamentablemente requiere de
un paso muy pequeño para una precisión razonable.

Los métodos de Runge kutta tienen el error local de truncamiento del mismo orden que
los métodos de Taylor, pero prescinden del cálculo y evaluación de las derivadas de la
función f (t, y).

Se presenta de nuevo el problema de valor inicial cuya solución se intenta aproximar:


Como en los métodos anteriores, se determina primero la malla {t0, t1, ... , tN} de paso
h, donde t0 = a y tN = b. En estos puntos es donde se va a obtener la aproximación de la
solución.

En esencia, los métodos de Runge-Kutta son generalizaciones de la fórmula básica de


Euler yi+1 = yi + h f(ti, yi) en los que el valor de la función f se reemplaza por un
promedio ponderado de valores de f en el intervalo ti ≤ t ≤ ti+1, es decir,

En esta expresión las ponderaciones wi, i = 1, ..., m son constantes para las que en general
se pide que su suma sea igual a 1, es decir, w1 + w2 + ... + wm = 1, y cada kj es la función
f evaluada en un punto seleccionado (t, y) para el cual ti ≤ t ≤ ti+1. Se mostrará que los
kj se definen en forma recursiva.

Se define como orden del método al número m, es decir, a la cantidad de términos que se
usan en el promedio ponderado.

3.2.1. Runge-Kutta de primer orden


Si m = 1, entonces se toma w1 = 1 y la fórmula (2) resulta

Igualando esta fórmula al desarrollo de Taylor de orden 1 de la función y(t), alrededor del
punto ti, y calculado en el punto ti+1:

y teniendo en cuenta que yi @ y(ti), resulta k1= f(ti, yi), obteniendo así la fórmula de
Euler yi+1 = yi + h f(ti, yi). Por lo tanto, se dice también que el método de Euler es un
método de Runge Kutta de primer orden.
3.2.2. Runge-Kutta de segundo orden
Ahora se plantea, con m = 2, una fórmula del tipo:

donde

y las constantes a, b, a, b se deben determinar, de manera que la expresión (5) coincida


con el desarrollo de Taylor de y de orden más alto posible.

Para ello, utilizando un desarrollo de Taylor para funciones de dos variables, tenemos
que:

donde el subíndice i indica que todas las derivadas están evaluadas en el punto (ti, yi).

Reemplazando k1 y teniendo en cuenta la expresión de k2, usando (7) tenemos que:

agrupando los términos de (8) por las potencias de h, y reemplazando en la expresión (5)
el valor de k1 y k2, resulta

Reacomodando términos en (9), resulta:

Por otro lado, se hace un desarrollo de Taylor de orden 3 de la función y(t), calculado en
el punto ti+1, obteniendo:
Aplicando regla de la cadena para las derivadas de f, se tiene:

Comparando las expresiones (10) y (12), e igualando los coeficientes de h y h2, se tiene:

Sucede que se tienen cuatro incógnitas, pero tres ecuaciones, con lo que queda un grado
de libertad en la solución del sistema dado en (13). Se trata de usar este grado de libertad
para hacer que los coeficientes de h3 en las expresiones (10) y (12) coincidan. Esto
obviamente no se logra para cualquier f.

Hay muchas soluciones para el sistema (13), una de ellas es

obteniendo así la siguiente fórmula, del método de Runge Kutta de orden 2:

para i desde 0 hasta N-1, tomando un mallado {ti, i = 0, .., N}

Este método tiene un error local de O(h3), y global de O(h2).

Mejora entonces el método de Euler, por lo que se espera poder usar con este método un
paso mayor. El precio que debe pagarse en este caso, es el de evaluar dos veces la función
en cada iteración.
De la misma manera que se realizó arriba, se pueden derivar fórmulas de Runge-Kutta de
cualquier orden, pero estas deducciones resultan excesivamente complicadas. Una de las
más populares, y más utilizada por su alta precisión, es la de orden 4, que se presenta a
continuación.

3.2.3. Runge-Kutta de cuarto orden


Si ahora m = 4, se obtiene, con un desarrollo del tipo del anterior, la siguiente fórmula,
para i desde 0 hasta N-1:

Si bien con facilidad se pueden deducir otras fórmulas, el algoritmo expresado en (16) se
denomina método de Runge-Kutta de cuarto orden, o método clásico de Runge-Kutta,
abreviado como RK4. Este algoritmo es de uso extendido, y reconocido como una valiosa
herramienta de cálculo, por la buena aproximación que produce.

Esta fórmula tiene un error de truncamiento local de O(h5), y un error global de


O(h4). De nuevo, el precio que se debe pagar por la mejora en el error, es una mayor
cantidad de evaluaciones de la función, resultando en un mayor tiempo de cálculo si la
función es complicada. Tiene la ventaja, sobre el método de Taylor de orden 4 (cuyo error
global es también O(h4), que no requiere el cálculo de las derivadas de f.

Implementación del método RK4

Se presenta a continuación el pseudocódigo del método RK4, para ser implementado en


cualquier lenguaje de programación, o software simbólico. (Métodos de Runge Kutta,
2019)
3.3.VARIANTES
Existen variantes del método de Runge-Kutta clásico, también llamado Runge-Kutta
explícito, tales como la versión implícita del procedimiento o las parejas de métodos
Runge-Kutta (o métodos Runge-Kutta-Fehlberg).

Este último consiste en ir aproximando la solución de la ecuación mediante dos


algoritmos Runge-Kutta de órdenes diferentes, para así mantener el error acotado y hacer
una buena elección de paso. (wikipedia, 2018)

3.4.VENTAJAS
 Solo requiere de la función f(x,y)y con ello es que se trabaja.
 Suele usarse para mayorexactitud.
 Es fácil para su programación.

3.5.DESVENTAJAS
 El lado derecho de la ecuación diferencial debe evaluarse muchas veces en cada
etapa.
 El consumo de tiempo y costo es mayor que otros métodos. (scribd, 2019)
4. EJERCICIOS
Este ejercicio se evaluará en los siguientes valores (X0=2), (Y0=1) y (h=0,1)

X0= 2
y0= 1
h= 0,1
Para esto se debe tener en cuenta las siguientes formulas en donde permite sacar los
valores de las interacciones.

𝒚
𝒚′ =2-
𝒙

Luego se empieza a representar los valores en la siguiente tabla:

Iteración X K1 K2 K3 K4 Y

0 2 1

5
Así mismo se comienza a sacar los valores de X tanto para la iteración 0 hasta la iteración
5.
X0+(iteración 1*h)
2+(1*0,1) = 2,1
X0+(iteración 2*h)
2+(2*0,1) = 2,2
X0+(iteración3*h)
2+(3*0,1) = 2,3
X0+(iteración 4*h)
2+(4*0,1) = 2,4
X0+(iteración 5*h)
2+(5*0,1) = 2,5

Iteracion X K1 K2 K3 K4 Y
0 2 1

1 2,1
2 2,2
3 2,3
4 2,4
5 2,5
Ahora para obtener los valores de k1, k2, k3 y k4 se debe tener en cuenta las siguientes
formulas:
Iteración 1

K1

h*(2-(y0/x0)

0,1*(2-(1/2)) = 0,15

K2

h*(2-((y0+(k1/2)) / X0+(h/2)))

0,1*(2-((1+(0,15/2)) / 2+(0,1/2))) = 0,14125


K3

h*(2-((y+(k2/2)) / (X0+(h/2)))

0,1*(2-((1+(0,14125/2)) / (2+(0,1/2))) = 0,14777439


K4

h*(2-((y+k3) / (X0+h)))

0,1*(2-((1+0,14777439) / (2+0,1))) = 0,145344077


Y

y+((1/6) * ((k1+2*(k2) + 2* (k3) +k4)))

1+((1/6) * ((0,15+2*(0,14125) + 2 * (0,14777439) + 0,145344077))) = 1,145565476

Iteracion X K1 K2 K3 K4 Y
0 2 1

1 2,1 0,15 0,14125 0,14777439 0,145344077 1,145565476


2 2,2
3 2,3
4 2,4
5 2,5
Iteración 2

K1

h*(2-(y1/x1))

0,1*(2-( 1,145565476/2,1)) = 0,145449263


K2

h*(2-((y1+k1/2)) / x1+(h/2)))

0,1*(2-((1,145565476+0,145449263/2)) / 2,1+(0,1/2))) = 0,136986185


K3

h*(2-((y1+( k2/2)) / (X1+(h/2)))

0,1*(2-((1,145565476+(0,136986185/2)) / (2,1+(0,1/2))) = 0,14353216


K4

h*(2-((y1+k3) / (X1+h)))

0,1*(2-((1,145565476+ 0,14353216) / (2,1 +0,1))) = 0,141404653


Y

Y1+((1/6) * ((k1+2*(k2) + 2* (k3) +k4)))

1,145565476+((1/6) * ((0,145449263+2(0,136986185) + 2 * (0,14353216) +


0,141404653))) = 1,286880577

Iteracion X K1 K2 K3 K4 Y
0 2 1

1 2,1 0,15 0,14125 0,14777439 0,145344077 1,145565476


2 2,2 0,145449263 0,136986185 0,14353216 0,141404653 1,286880577
3 2,3
4 2,4
5 2,5
Iteración 3

K1

h*(2-(y2/x2))

0,1*(2-( 1,286880577/2,2)) = 0,141505428


K2

h*(2-((y2+(k2/2)) / x2+(h/2)))

0,1*(2-((1,286880577+(0,141505428/2)) / 2,2+(0,1/2))) = 0,133289396


K3

h*(2-((y2+k2/2)) / (X2+(h/2)))

0,1*(2-((1,286880577+0,133289396/ 2)) / (2,2+(0,1/2))) = 0,139843321


K4

h*(2-((y2+k3) / (X2+h)))

0,1*(2-((1,286880577+ 0,139843321) / (2,2 +0,1))) = 0,137968526


Y

Y2+((1/6) * ((k1+2*(k2) + 2* (k3) +k4)))

1,286880577+((1/6) * ((0,141505428+2 (0,133289396) + 2 * (0,139843321) +


0,137968526))) = 1,424503809

1 X K1 K2 K3 K4 Y
0 2 1

1 2,1 0,15 0,14125 0,14777439 0,145344077 1,145565476


2 2,2 0,145449263 0,136986185 0,14353216 0,141404653 1,286880577
3 2,3 0,141505428 0,133289396 0,139843321 0,137968526 1,424503809
4 2,4
5 2,5
El proceso se repite y finalmente queda de la siguiente manera

Iteracion X K1 K2 K3 K4 Y
0 2 1
1 2,1 0,15 0,14125 0,14777439 0,145344077 1,145565476
2 2,2 0,145449263 0,136986185 0,14353216 0,141404653 1,286880577
3 2,3 0,141505428 0,133289396 0,139843321 0,137968526 1,424503809
4 2,4 0,138065052 0,130063638 0,136615505 0,134953362 1,558899925
5 2,5 0,135045836 0,127232382 0,133774852 0,132293009 1,690458811

Además, se debe sacar la solución exacta y error porcentual de cada iteración.


Iteración 1

x1-(1/x1)

2,1- (1/2,1) = 1,623809524


%Error
ABS(soluciónexacta1-y1) / soluciónexacta1) * 100
ABS (1,623809524-1,145565476) / 1,623809524*100=29,45197947
Iteración 2

x2-(1/x2)

2,2- (1/2,2) = 1,745454545


%Error
ABS (soluciónexacta2 - y2) / soluciónexacta2) * 100
ABS (1,745454545- 1,286880577) / 1,745454545* 100=26,27246693
Iteración 3

x3-(1/x3)

2,3- (1/2,3) = 1,865217391


%Error
ABS (soluciónexacta3 – y3) / soluciónexacta3) * 100
ABS (1,865217391- 1,424503809) / 1,865217391* 100=23,62800094
Solucion Exacta %Error

1,623809524 29,45197947

1,745454545 26,27246693

1,865217391 23,62800094

1,983333333 21,40000377

2,1 19,5019614

Finalmente, los valores son representado en la tabla y se muestra de la siguiente manera:


5. APLICACIONES
Para la ingeniería esta nos sirve para resolver modelos analíticamente complejos de
ecuaciones diferenciales, por ejemplo, en ingeniería mecánica, se utilizan para resolver
de forma aproximada casos o aplicaciones especiales de las ecuaciones de Navier-Stokes,
aplicando técnicas numéricas y posteriormente resolviéndolas en una computadora.

Muchos de los problemas resultantes de la Física, la Ingeniería y muchas otras ramas del
saber humano conducen de forma natural a ecuaciones diferenciales: problemas de la
Mecánica, problemas dinámicos, problemas de Estructuras, problemas de circuitos
eléctricos y electromagnetismo, etc.

Algunos campos de la ciencia en donde se aplican estos métodos para modelización y


simulación con ecuaciones diferenciales son:

Circuitos eléctricos, sistemas mecánicos, desintegración radioactiva, movimiento


descendente de cuerpos, movimiento pendular, velocidad de proyectiles y cohetes,
enfriamiento de cuerpos, interés compuesto, movimiento en un plano inclinado, modelos
de poblaciones (personas, peces, bacterias ), mezclas y disoluciones, salida de líquidos
por orificios, comportamiento de gases confinados y en movimiento, absorción de la luz,
espesor de capas de sólidos en formación o destrucción, crecimiento de gotas, flotación
de barcos, movimiento en fluidos viscosos, resistencia de materiales, problemas
epidemiológicos, detección de falsificaciones de obras de arte, comportamiento de alas
de aviones, difusión en medios porosos, electromagnetismo, dispersión de contaminantes
en la atmósfera y en medios submarinos, etc.

Otro ejemplo que tenemos enfocado a la realidad:

Si se quiere analizar la corriente y velocidad, como función del tiempo para un motor de
corriente continua. La alimentación del campo se supone constante, mientras que la
alimentación de la armadura se realiza por medio de rectificadores controlados. El
programa está escrito en lenguaje BASIC para implementarlo en un computador acto para
la simulación. El programa calcula los valores de corriente de armadura, la velocidad,
tanto en forma gráfica como numérica, el valor medio de la corriente y el torque
desarrolladlo por el motor. El desarrollo del programa se fundamenta en la resolución
numérica de lasw ecuaciones diferenciales que describen el comportamiento del motor,
las que han sido integradas utilizando el método de Runge Kutta de cuarto orden.

Entonces vemos que estos métodos nos sirven para el desarrollo cotidiano del ser humano,
para así poder hacer pruebas a inventos científicos, para el mejor desarrollo de la
tecnología y la ciencia. (Métodos Númericos, 2019)
6. CONCLUSIONES
 Con el análisis de la investigación se obtuvo conocimientos sobre el método que
se planteó.

 Se logró explicar el método de Runge-Kutta de una manera fácil y se adquirió


buenos resultados.

 Además, se impartió a los estudiantes de la carrera Mecánica Naval en donde se


obtuvieron excelentes resultados acerca del tema planteado.

7. RECOMENDACIÓN

 Buscar y analizar la información sobre el método Runge-Kutta el cual ayude a


solucionar cada uno de los ejercicios que se plantean y así resolverlo de una
manera fácil.
BIBLIOGRAFÍA
Métodos de Runge Kutta. (27 de Mayo de 2019). Obtenido de Métodos de Runge Kutta:
http://www.frsn.utn.edu.ar/gie/an/mnedo/34_RK.html

Métodos numéricos para la resolución de ecuaciones diferenciales. (27 de Mayo de


2019). Obtenido de Métodos numéricos para la resolución de ecuaciones
diferenciales:
http://www2.caminos.upm.es/Departamentos/matematicas/Fdistancia/PIE/metnu
m/hist.htm

scribd. (27 de MAYO de 2019). Obtenido de scribd:


https://es.scribd.com/document/359863999/ventajas-y-desventajas-metodos-
docx

wikipedia. (13 de Noviembre de 2018). Obtenido de wikipedia:


https://es.wikipedia.org/wiki/M%C3%A9todo_de_Runge-
Kutta#M%C3%A9todos_de_Runge-Kutta