METODOS NUMERICOS

EDSON HERNEY CONTRERAS PULIDO

Código 79728911
LUIS ANDRES URREA AVELLANEDA
Código. 80742299
HECTOR WILLIAM BOHORQUEZ BUITRAGO
Código. 80310655
ANDRES LEONARDO BELTRAN
Código. 80849670
ARMANDO ESTRELLA PIÑEROS
Código. 79958127

TRABAJO COLABORATIVO 3
Grupo: 100401_2

MARTÍN GÓMEZ ORDUZ

Tutor Curso

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERÍA
INGENIERIA DE SISTEMAS
BOGOTA D.C.
Julio de 2016
 INTRODUCCIÓN

Los métodos de integración y diferenciación numérica son una alternativa en el

cálculo de integrales y derivadas cuya resolución analítica es difícil, aunque no
conseguimos una solución exacta, su aproximación la podemos medir a través del
margen de error, estos métodos son ampliamente utilizados por herramientas de
computo, que mediante algoritmos recursivos obtienen la solución a este tipo de
problemas matemáticos, entre estos métodos encontramos la diferenciación e
integración numéricas, las reglas del trapecio y Simpson, y la integración de
Romberg

Por el lado de las ecuaciones diferenciales, también es posible hacer uso de

algoritmos numéricos para hallar las soluciones correspondientes, entre ellos
encontramos los métodos de Euler y Runge Kutta.
DESARROLLO DE LA ACTIVIDAD.

1. Plantee y solucione dos ejercicios sobre Diferenciación Numérica

explicando paso a paso el procedimiento utilizado.

a) Sea 𝑓(𝑥) = ln⁡(𝑥) aproxime la derivada en el intervalo [1, 1.1] usando un

paso de 0.01 y compare cada resultado con el valor de la derivada exacta
en ese punto.

Tenemos antes que nada la siguiente tabla de valores:

Usaremos la fórmula de tres puntos y en los puntos interiores la centrada para

tener el mínimo error.

1
𝑓´(1) ≈ [−3(0) + 4(0.009950331) − 0.019802627] ≈ 0.99993485
2(0.01)

1
𝑓´(1.1) ≈ [−3(0.09531018) + 4(0.086177696) − 0.076961041]
2(−0.01)
≈ 0.90903985

Se da un solo ejemplo para la centrada:

1
𝑓´(1.05) ≈ [0.058268908 − 0.039220713] ≈ 0.95240975
2(0.01)

Para comparar los valores tenemos en cuenta que la derivada exacta está dada
por
 1
𝑓(𝑥) = 𝑥,
Por lo cual comparamos los valores exactos y aproximados en la siguiente tabla.
Además, se muestra la distancia entre ambos valores en la columna de error.

b) Aceleración de una partícula

Considere la tabla adjunta, en la misma se muestra la posición para determinado

tiempo de una partícula moviéndose en el espacio, calcule de ser posible la
aceleración de la misma. Si la partícula describe un movimiento parabólico dado
por 𝑓(𝑡) = 𝑡 2 , calcular el error de la aceleración aproximada.

La segunda derivada en su forma aproximada es solo aplicable a puntos interiores

de los dados, es decir que podremos calcular la aceleración en 𝑡 =
0.01, 0.02, 0.03⁡𝑦⁡0.04.

1
𝑓´´(0.01) ≈ [0.0004 − 2(0.001) + 0] ≈ 2
0.012
1
𝑓´´(0.02) ≈ [0.0009 − 2(0.0004) + 0.0001] ≈ 2
0.012
1
𝑓´´(0.03) ≈ [0.0016 − 2(0.0009) + 0.0004] ≈ 2
0.012
 1
𝑓´´(0.04) ≈ [0.0025 − 2(0.0016) + 0.0009] ≈ 2
0.012
La segunda derivada de 𝑓 es obviamente igual a 2 en todo el intervalo por lo que
en este ejercicio tuvimos un error de cero.

2. Solucione el siguiente ejercicio utilizando la Regla del Trapecio, la Regla

de Simpson 1/3 y la Regla de Simpson 3/8 Compare los resultados y haga
un pequeño análisis. (Dividiendo en 5 intervalos).

1 4
𝑥 3
∫ 𝑑𝑥⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡ ∫ √𝑥𝑒 𝑥 𝑑𝑥
0 2𝑥 + 1 0

1) POR REGLA DEL TRAPECIO:

n=5

𝑏−𝑎
∆𝑥 =
𝑛
1−0
∆𝑋 = = 0.2
5

n 0 1 2 3 4 5

xn 0 0.2 0.4 0.6 0.8 1

F(xn) 0 0.142 0.22 0.27 0.3 0.33

𝑏 𝑏−𝑎
I=∫𝑎 𝑓(𝑥)𝑑𝑥 = 2(𝑛)= [f(x0) +2f(x1) +2f(x3) +……2f (xn-1) +f (xn)]

Aplicamos y reemplazamos los valores encontrados en la tabla quedándonos:

 1 𝑋 𝑏−𝑎
I=∫0 𝑑𝑥 ≈ = [𝑓(𝑥0) + 2𝑓(𝑥1) + 2𝑓(𝑥2) + 2(𝑓3) + 2(𝑓4) + 𝑓(1)]
2𝑋+1 2𝑛

1
I=∫0 𝑥 1−0
≈ 2(5) = [0 + 2𝑓(0.2) + 2𝑓(0.4) + 2(0.6) + 2𝑓(0.8) + 𝐹(1)]
2𝑥+1

1 𝑋 1−0
I=∫0 ≈ 2(5) = [0 + 2(0.142) + 2(0.22) + 2(0.27) + 2(0.3) + 0.33]
2𝑋+1

1 𝑋 1
I=∫0 ≈ 10 = [0 + 0.284 + 0.44 + 0.54 + 0.60 + 0.33]
2𝑋+1

1 𝑋 1
I=∫0 ≈ 10 [2.194]
2𝑋+1

1 𝑋 2.194
i=∫0 ≈[ ]
2𝑋+1 10

Dándonos la respuesta:

1 𝑋
i=∫0 ≈ 0.2194
2𝑋+1

Ahora lo desarrollamos por la regla de SIMPSON 1/3

Aplicamos la fórmula:

Quedándonos:

1 𝑋 1−0 0+1
i=∫0 ≅ = [f (0)+4f ( ) + 𝑓(1)]
2𝑋+1 6 2
 1 𝑥 1
i=∫0 ≅ 6 [0 + 4(0.25) + 0.33]
2𝑥+1

1 𝑥 1
i=∫0 ≅ 6 [1.33]
2𝑥+1

Dándonos la respuesta:

1 𝑋
i=∫0 ≅ 0.2217
2𝑋+1

Ahora aplicamos la regla de SIMPSON 3/8

Aplicamos la fórmula:

𝑏 𝑏−𝑎 2𝑎+𝑏 𝑎+2𝑏

i=∫𝑎 𝑓(𝑥)𝑑𝑥 ≅ [𝑓(𝑎) + 3𝑓 ( ) + 3𝑓 ( ) + 𝑓(𝑏)]
8 3 3

Quedándonos:

1 𝑋 1−0 2(0)+1 0+2(1)

i=∫0 𝑑𝑥 ≅ [𝑓(0) + 3𝑓 ( ) + 3𝑓 ( ) + 𝑓(1)
2𝑋+1 8 3 3

1 𝑋 1 1 1
i=∫0 𝑑𝑥 ≅ 8 [𝑓(0) + 3𝑓 (3) + 3𝑓 (3) + 𝑓(1)]
2𝑋+1

1 𝑋 1
i=∫0 𝑑𝑥 ≅ 8 [0 + 3(0.2) + 3(0.29) + 0.33]
2𝑋+1

1 𝑋 1
i=∫0 𝑑𝑥 ≅ 8 [1.79]
2𝑋+1

Quedándonos la respuesta:
 1
𝑋
𝑖=∫ 𝑑𝑥 = 0.22375
0 2𝑋 + 1

3. Solucione el siguiente ejercicio utilizando la Integración de Romberg.

Usando segmentos de longitud 1, ½, ¼ y 1/8.
2
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥
1

En el método de Romberg:

𝑎 = 𝐿𝑖𝑚⁡𝑖𝑛𝑓 = 1

𝑏 = 𝐿𝑖𝑚⁡𝑠𝑢𝑝 = 2

𝐿𝑖𝑚 sup −⁡𝐿𝑖𝑚⁡𝑖𝑛𝑓 2 − 1 1

ℎ= = =
𝑛 𝑛 𝑛

Para n=1:

ℎ
[𝑓(𝑎) + 𝑓(𝑏)]
2

Para n = 2, 3…

𝑛−1
ℎ
[𝑓(𝑎) + 𝑓(𝑏) + 2 ∑ 𝑓(𝑎 + 𝑗ℎ)]
2
𝑗=1

Con el primer segmento, 1:

ℎ = 1,⁡⁡⁡𝑛 = 1

1
𝑙1 = [𝑒 1 ln(1) + 𝑒 2 ln(2)] = 2.5609
2
1
Con el segmento h = 2 , n = 2:

𝑛−1 2−1 1
1
∑ 𝑓(𝑎 + 𝑗ℎ) = ∑ 𝑓 (1 + ) = ∑ 𝑓(1.5) = 𝑓(1.5)
2
𝑗=1 𝑗=1 𝑗=1

1
𝑙2 = [𝑒 1 ln(1) + 𝑒 2 ln(2) + 2(𝑒 1.5 ln(1.5))] = 2.189
4
1
Con el segmento h = 4 ,⁡⁡⁡n = 4:
 𝑛−1 3

∑ 𝑓(𝑎 + 𝑗ℎ) = ∑ 𝑓(𝑎 + 𝑗ℎ) = 𝑓(𝑎 + ℎ) + 𝑓(𝑎 + 2ℎ) + 𝑓(𝑎 + 3ℎ) =

𝑗=1 𝑗=1

∑ 𝑓(𝑎 + 𝑗ℎ) = 𝑓(1.25) + 𝑓(1.5) + 𝑓(1.75) =

𝑗=1

∑ 𝑓(𝑎 + 𝑗ℎ) = 𝑒 1.25 log(1.25) + 𝑒 1.5 log(1.5) + 𝑒 1.75 log(1.75) = 5.8164

𝑗=1

1
𝑙3 = [𝑒 1 ln(1) + 𝑒 2 ln(2) + 2 ∗ 5.8164] = 2.0943
8
1
Con el segmento ℎ = ,⁡⁡⁡𝑛 = 8:
8

𝑛−1 7
𝑗
∑ 𝑓(𝑎 + 𝑗ℎ) = ∑ 𝑓 (1 + ) = 14.0033
8
𝑗=1 𝑗=1

1 1
𝑙4 = [𝑒 ln(1) + 𝑒 2 ln(2) + 2 ∗ 14.0033] = 2.0705
16

Para los siguientes niveles, los coeficientes en cada límite son hallados de la siguiente manera:

4𝑘−1 1
𝑙𝑚 − 𝑘−1 𝑙 ,⁡⁡⁡⁡⁡⁡⁡⁡⁡donde⁡k = nivel
4 𝑘−1 −1 4 −1 𝑡

El resultado es:
2
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥 = 2.0625474
1
4. Usar el Método de Euler mejorado para aproximar 𝒚(𝟐, 𝟑) tomando 𝒉⁡ =
⁡𝟎. 𝟏⁡

dada la ecuación diferencial: 𝑦′ = ⁡2𝑥⁡ + 𝑦⁡ − ⁡3⁡

𝑦(2) ⁡ = ⁡1; 𝑥0 = 2⁡;⁡⁡𝑦0 = 1; ⁡ℎ = 0.1

Partiendo de la solución de Euler Mejorada:

𝑓(𝑥𝑛 , 𝑦𝑛 ) + 𝑓(𝑥𝑛+1 ,∗ 𝑦𝑛+1 )

𝑦𝑛+1 = 𝑦𝑛 + ℎ [ ] ⁡𝐷𝑜𝑛𝑑𝑒 ∗ 𝑦𝑖+1 = 𝑦𝑖 + ℎ𝑓(𝑥𝑖 , 𝑦𝑖 )
2

𝑥1 = 𝑥0 + ℎ⁡−> ⁡ 𝑥1 = 2 + 0.1⁡ = ⁡2.1

∗ 𝑦1 = ⁡ 𝑦0 + ℎ𝑓(𝑥0 , 𝑦0 ) = 1 + (0.1)(2(2) + 1 − 3) = ⁡1 + 0.2 = 1.2

𝑓(𝑥0 , 𝑦0 ) + 𝑓(𝑥1 ,∗ 𝑦1 ) (2(2) + 1 − 3) + (2(2.1) + 1.2 − 3)

𝑦1 = 𝑦0 + ℎ [ ] = 1 + (0.1) [ ] = 1.22⁡
2 2

𝑥2 = 𝑥1 + ℎ⁡−> ⁡ 𝑥2 = 2.1 + 0.1⁡ = ⁡2.2

∗ 𝑦2 = ⁡ 𝑦1 + ℎ𝑓(𝑥1 , 𝑦1 ) = 1.22 + (0.1)(2(2.1) + 1.22 − 3) = 1.462

𝑓(𝑥1 , 𝑦1 ) + 𝑓(𝑥2 ,∗ 𝑦2 ) (2(2.1) + 1.22 − 3) + (2(2.2) + 1.462 − 3)

𝑦2 = 𝑦1 + ℎ [ ] = 1.22 + (0.1) [ ] = 1.4841⁡
2 2

𝑥3 = 𝑥2 + ℎ⁡ → ⁡ 𝑥3 = 2.2 + 0.1⁡ = ⁡2.3

∗ 𝑦3 = ⁡ 𝑦2 + ℎ𝑓(𝑥2 , 𝑦2 ) = 1.4841 + (0.1)(2(2.2) + 1.4841 − 3) = 1.77251

𝑓(𝑥2 ,𝑦2 )+𝑓(𝑥3 ,∗𝑦3 ) (2(2.2)+1.4841−3)+(2(2.3)+1.77251−3)
𝑦3 = 𝑦2 + ℎ [ ] = 1.4841 + (0.1) [ ] = 1.79693⁡
2 2

n X Yn+1 Y
0 2 1
1 2,1 1,2 1,22
2 2,2 1,462 1,4841
3 2,3 1,77251 1,79693

𝑦⁡(2,3) = 1.79693⁡
5. Utilizar el Método de Runge-Kutta para aproximar 𝒚⁡(𝟎. 𝟓) dada la siguiente
ecuación diferencial:

𝑦 ′ = 2𝑥𝑦

𝑦⁡(0) = 1

Solución:

Identificación

𝑥0⁡=⁡ 0

𝑦0⁡=⁡ 1

ℎ = 0.1

𝑓(𝑥, 𝑦) = 2𝑥𝑦

Generamos valores de 𝑘1, 𝑘2, 𝑘3, 𝑘4,

𝑘1= ℎ⁡. 𝑓⁡(𝑥0 , 𝑦0 ) = 0

1 1
𝑘2= ℎ⁡. 𝑓⁡ (𝑥0 + ℎ, 𝑦0 + 𝑘1 ) = 0.1[2(0.05)(1)] = 0.01
2 2
1 1
𝑘3= ℎ⁡. 𝑓⁡ (𝑥0 + ℎ, 𝑦0 + 𝑘2 ) = 0.1[2(0.05)(1.005)] = 0.01005
2 2

𝑘4= ℎ⁡. 𝑓⁡(𝑥0 + ℎ, 𝑦0 + 𝑘3 ) = 0.1[2(0.1)(1.01005)] = 0.020201

1
𝑦1= ⁡𝑦0 + [0 + 2(0.01) + 2(0.01005) + 0.020201] = 1.01005
6

Continuamos

𝑥2 = 𝑥1 + ℎ = 0.2

𝑘1 = ℎ. 𝑓(𝑥1 , 𝑦1 ) = 0.1[2(0.1)(1.01005)] = 0.020201

1 1
𝑘2 = ℎ. 𝑓 (𝑥1 + ℎ, 𝑦1 + 𝑘1 ) = 0.1[2(0.15)(1.02010)] = 0.03060
2 2
 1 1
𝑘3 = ℎ. 𝑓 (𝑥1 + ℎ, 𝑦1 + 𝑘2 ) = 0.1[2(0.15)(1.02535)] = 0.03076
2 2

𝑘4 = ℎ. 𝑓(𝑥1 + ℎ, 𝑦1 + 𝑘3 ) = 0.1[2(0.2)(1.04081)] = 0.04163

1
𝑦2 = ⁡ 𝑦1 + ⁡ [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ] = 1.04081
6

Repetimos hasta obtener la tabla

n 𝑥𝑛 𝑦𝑛

0 0 1

1 0.1 1.01005

2 0.2 1.04081

3 0.3 1.09417

4 0.4 1.17351

5 0.5 1.28403

Mediante el método Runge – Kutta obtenemos la aproximación del valor de:

𝑦⁡(0.5) = 1.28403

6. Hallar la solución aproximada que proporciona el Método de Adams –

Bashforth de segundo, tercer y cuarto orden para la ecuación.

(4 − 2𝑥)
𝑦′ = ⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑦(1) = 1⁡⁡⁡⁡⁡⁡⁡ℎ = 0.1⁡⁡⁡⁡⁡⁡⁡𝑥[1,2]
𝑦2

𝑦 ′ = 𝑓(𝑥, 𝑦)
 (4 − 2𝑥)
𝑦′ =
𝑦2

lim 𝑠𝑢𝑝 − lim⁡𝑖𝑛𝑓 2 − 1

ℎ= = = 0.1
𝑝𝑎𝑠𝑜𝑠 𝑝𝑎𝑠𝑜𝑠

𝑝𝑎𝑠𝑜𝑠 = 10

Orden 2:

Pasos h x y f(x,y)

0 0.1 1 1 2

1 1.1 1.1 1.48760331

2 1.2 1.2231405 1.06946676

3 1.3 1.30918035 0.81682511

4 1.4 1.37823077 0.63173852

5 1.5 1.4321503 0.48755409

6 1.6 1.47369648 0.36836121

7 1.7 1.50457296 0.26504813

8 1.8 1.52591212 0.17179121

9 1.9 1.5384284 0.08450364

10 2 1.54251438 -7.4657E-16

𝑦 = 1.5425

Donde la formula utilizada para orden 2 es la siguiente:

ℎ
𝑦𝑛+1 = 𝑦𝑛 + (3𝑓𝑛 − 𝑓𝑛−1 )
2
La cual corresponde al cuadro mostrado anteriormente. Continuando con la misma regla en los
siguietes ordenes se tienen los siguientes resultados.

Orden 3:

Pasos h x y f(x,y)

0 0.1 1 1 2

1 1.1 1.1 1.48760331

2 1.2 1.2231405 1.06946676

3 1.3 1.31310785 0.81194617

4 1.4 1.38811877 0.62277044

5 1.5 1.44378473 0.47972805

6 1.6 1.48652764 0.36202954

7 1.7 1.51790166 0.26041379

8 1.8 1.53953237 0.16876498

9 1.9 1.55224172 0.08300635

10 2 1.55649984 -7.3322E-16
Orden 4:

Pasos h x y f(x,y)

0 0.1 1 1 2

1 1.1 1.1 1.48760331

2 1.2 1.2231405 1.06946676

3 1.3 1.31310785 0.81194617

4 1.4 1.39060711 0.62054367

5 1.5 1.44230261 0.4807145

6 1.6 1.48498606 0.36278159

7 1.7 1.51516702 0.26135465

8 1.8 1.53671676 0.16938398

9 1.9 1.54918627 0.08333409

10 2 1.5533313 -7.3621E-16
 CONCLUSIONES

En los métodos de solución de ecuaciones diferenciales por análisis numérico,

encontramos que en cuanto más pequeño sea el valor del espaciado (h) es más
pequeño el error de aproximación a la solución exacta.
 BIBLIOGRAFÍA

Academatica. (5 de Enero de 2013). Regla de Simpson. Obtenido de

https://youtu.be/4Wzv0e5S6Pc

Alfa Teorema. (14 de Noviembre de 2012). Método de Euler. Obtenido de https://youtu.be/F-

dxL9Dnxc0

Cetremo. (14 de Febrero de 2014). Integración Numérica - Regla de Simpson. Obtenido de

https://youtu.be/jJdp1n4vaGg

Chavez, I. V. (19 de Junio de 2013). Metodo de Romberg. Obtenido de

https://youtu.be/l44hSGuXYK8

Cuello, N. (3 de Noviembre de 2015). Diferenciacion Numerica. Obtenido de

https://www.youtube.com/watch?v=Xe5avvdHL4Q&feature=youtu.be

Gonzalez, C. (29 de Junio de 2014). Integración aproximada: Regla del Trapecio. Obtenido de
https://youtu.be/PFQmwU17_Ho

Perú Softwares. (7 de Septiembre de 2014). Diferenciación Numérica. Obtenido de

https://youtu.be/ixqYBtFLj-g

Runge-Kutta de orden 2. (14 de Noviembre de 2012). Obtenido de Alfa Teorema:

https://youtu.be/pOTwV3kCxdw

Bucheli, C UNAD - Metodos Numericos. (Enero de 2013). Recuperado de:

http://datateca.unad.edu.co/contenidos/100401/Modulo_Unidad3.pdf