“Año del Fortalecimiento de la Soberanía Nacional”
UNIVERSIDAD NACIONAL DEL CALLAO
FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICA
ESCUELA PROFESIONAL DE MATEMÁTICA
TRABAJO : INVESTIGACIÓN FORMATIVA
ASIGNATURA : MÉTODOS NUMÉRICOS I
TEMA : MÉTODO DE RUNGE-KUTTA
SEMESTRE : 2022A
PROFESOR : NUÑEZ VILLA JULIO CESAR
GRUPO : N° 3
INTEGRANTES : CUBA CALLA, JORGE LUIS
HUARANGA AGUILAR, JEDIDIAS ANTHONY
CHINEN SORIANO, KELVIN ANDERSON
HURTADO CRUZ, RENNE ALIPIO
PERÚ-17/07/2022
MÉTODOS DE RUNGE-KUTTA
CARL RUNGE
Carl David Tolmé Runge (alemán; 30 de agosto de 1856 - 3 de enero de 1927) fue un
matemático, físico y espectroscopista alemán. Fue co-desarrollador y co- epónimo del
método Runge-Kutta, en el campo de lo que hoy se conoce como análisis numérico.
Runge pasó los primeros años de su vida en La Habana, donde su padre Julius Runge
era el cónsul danés. Su madre fue Fanny Schwartz Tolmé. Más tarde, la familia se
mudó a Bremen, donde su padre murió temprano (en 1864).
En 1880, recibió su PhD. en matemáticas en Berlín, donde estudió con Karl
Weierstrass. En 1886, se convirtió en profesor en la Technische Hochschule Hannover
en Hannover, Alemania.
Sus intereses incluían las matemáticas, la espectroscopia, la geodesia y la astrofísica.
Además de matemáticas puras, realizó trabajos experimentales estudiando líneas
espectrales de varios elementos (junto con Heinrich Kayser), y estaba muy interesado
en la aplicación de este trabajo a la espectroscopia astronómica.
En 1904, por iniciativa de Felix Klein recibió una convocatoria de la Universidad de
Göttingen, que aceptó. Allí permaneció hasta su jubilación en 1925.
Método numérico de Runge-Kutta para las soluciones aproximadas de ecuaciones
diferenciales ordinarias
Fenómeno de Runge
Método de Runge para ecuaciones diofánticas.
Vector de Laplace-Runge-Lenz
Teorema de Runge
MARTIN WILHELM KUTTA
Kutta nació en Pitschen, Alta Silesia (en la actualidad pertenece a Polonia). Asistió a la
Universidad de Breslau de 1885 a 1890. Continúo sus estudios en la Universidad de
Múnich hasta 1894. Entre 1894 y 1897 fue asistente del Prof. Walther von Dyck,
eminente matemático alemán, en la Universidad Técnica de Múnich. En 1898 pasó
medio año en la Universidad de Cambridge. Entre 1899 y 1909 fue de nuevo asistente
de Walther von Dyck en la Universidad Técnica de Múnich.
Entre 1909 y 1910 Kutta se convirtió en profesor en la Universidad de Jena. De 1910 a
1912 fue profesor en la Universidad Técnica de Aquisgrán. En 1912 se convirtió en
profesor de la Universidad de Stuttgart, plaza que ocupó hasta su retiro en 1935.
En 1901 desarrolló, en colaboración con Carle David Tolmé Runge, el método de
Runge-Kutta para resolver ecuaciones diferenciales ordinarias. Será recordado también
por el teorema de Zhukovsky-Kutta, así como por la condición de Kutta, ambas
fundamentales en la aerodinámico potencial.
Kutta murió en Fürstenfeldbruck, Alemania.
Método de Runge-Kutta
Teorema de Kutta-Yukovski
Transformación de Joukowski
INTRODUCCIÓN:
Son una familia de métodos desarrollados a partir del trabajo de los alemanes Carl
David Tolmé Runge, 1856-1927, y Martin Wilhelm Kutta, 1867-1944.
Consiguen la precisión del método de Taylor sin necesidad de calcular derivadas de
orden elevado. El avance se realiza mediante una expresión general
Considere la forma genérica de una ecuación diferencial ordinaria de primer orden
ⅆ𝑦
𝑦 ′ = 𝑓 (𝑥, 𝑦) =
ⅆ𝑥
Cabe mencionar que una EDO de primer orden siempre se puede llevar a esta forma
mediante manipulaciones algebraicas, es decir, despejando a 𝑦 ′ . para estudiar los
métodos de Runge-kutta, tomamos las estructuras de los métodos de Euler y de Euler-
Gauss:
𝑦𝑖+1 = 𝑦𝑖 + ℎ ⋅ 𝑓 (𝑥𝑖 , 𝑦𝑖 ) … . 𝑒𝑢𝑙𝑒𝑟
𝑥𝑖+1 = 𝑥𝑖 + ℎ
{
ℎ
𝑦𝑖+1 = 𝑦𝑖 + ⋅ [𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓(𝑥𝑖+1 , 𝑦𝑖+1 )] … 𝑒𝑢𝑙𝑒𝑟 − 𝑔𝑎𝑢𝑠𝑠
2
Ambos pueden escribirse como:
𝑦𝑖+1 = 𝑦𝑖 + ℎ ⋅ 𝜙(𝑥, 𝑥)
Donde en el método de Euler,
𝜙(𝑥, 𝑦) = 𝑓(𝑥, 𝑦)
Y en el de Euler-Gauss
1
𝜙(𝑥, 𝑦) = ⋅ [𝑓 (𝑥, 𝑦) + 𝑓(𝑥 + ℎ, 𝑦 + ℎ𝑦 ′ )]
2
Los métodos de Runge-Kutta consisten en obtener una ecuación similar a la expresión
(2), considerando la siguiente forma genérica de aproximar el valor de yi+1:
𝑦𝑖+1 = 𝑦𝑖 +𝑤1 𝑘1 + ⋯ + 𝑤𝑛 𝑘𝑛
Donde
𝑘1 = ℎ𝑓 (𝑥𝑖 , 𝑦𝑖 )
𝑘2 = ℎ𝑓 (𝑥𝑖 + 𝛼2 ℎ, 𝑦𝑖 + 𝛽2,1 𝑘1 )
𝑘3 = ℎ𝑓 (𝑥𝑖 + 𝛼3 ℎ, 𝑦𝑖 + 𝛽3,1 𝑘1 + 𝛽3,2 𝑘2 )
𝑘𝑛 = ℎ𝑓 (𝑥𝑖 + 𝛼𝑛 ℎ, 𝑦𝑖 + 𝛽𝑛,1 𝑘1 + ⋯ + 𝛽𝑛,𝑛−1 𝑘𝑛−1 )
Además 𝑤1 , . . . 𝑤𝑛 , 𝛼1 , . . . , 𝛼𝑛 , 𝛽1 , . . . , 𝛽𝑛 son contantes que deben determinarse, de
tal forma que proporcionen la mayor exactitud posible a la solución de la ecuación
diferencial.
. el número de constantes k que se tengan determinan el orden del método.
. Los métodos de Runge- Kutta de orden superior tienen un error menor que los de
Euler y Euler-Gauss.
. Con respecto a la aproximación de los polinomios de Taylor, tienen la ventaja de que
no requieren valuar ninguna derivada, sino únicamente la función f(x,y).
RK1(RUNGE-KUTTA DE PRIMER ORDEN)
Este método es el de Euler y se expresa como:
𝑦𝑖+1 = 𝑦𝑖 + 𝑘1
𝑘1 = ℎ𝑓 (𝑥𝑖 , 𝑦𝑖 )
Es la técnica de aproximación más básica para resolver PVI. A pesar que su uso es raro,
la simplicidad de su derivación se pude para ilustrar las técnicas relacionadas con la
construcción de resultados más avanzados.
El objetivo es obtener soluciones para el PVI bien planteado
ⅆ𝑦
𝑦 ′ = 𝑓(𝑥, 𝑦) = 𝑎 ≤ 𝑥 ≤ 𝑏, 𝑦(𝑎) = 𝛼 . . .6
ⅆ𝑥
No se obtendrá una aproximación continua a la solución y(t); en su lugar, las
aproximaciones para y se generarán en varios valores, llamados PUNTOS DE MALLA, en
el intervalo [𝑎, 𝑏].
Una vez se tiene la solución aproximada en los puntos, la solución aproximada en otros
puntos se puede encontrar por interpolación
Primero, los puntos de malla están igual de espaciados a lo largo del intervalo [a, b] .
esta condicioón se garantiza al elegir un entero positivo N, al establecer h=(b-a)/N; y
seleccionar los puntos de malla
𝑡𝑖 = 𝑎 + 𝑖ℎ para cada i=0,1,…,N.
La distancia común entre los puntos ℎ = 𝑡𝑖+1 − 𝑡𝑖 es llamado tamaño de paso
Usaremos el teorema de Taylor para deducir el método de Euler.
Suponiendo que y(t), la única solución para 6, tiene dos derivadas continuas en [𝑎, 𝑏] ,
de tal forma que cada i=0,1,…,N-1.
(𝑡𝑖+1 − 𝑡𝑖 )2 ′′
𝑦(𝑡𝑖+1 ) = 𝑦(𝑡𝑖 ) + (𝑡𝑖+1 − 𝑡𝑖 )𝑦 ′ (𝑡𝑖 ) + 𝑓(𝑥, 𝑦) − 𝑦 (𝜉𝑖 )
2
y ya que y(t) cumple la ecuación 6
ℎ2 ′′
𝑦(𝑡𝑖+1 ) = 𝑦(𝑡𝑖 ) + ℎ𝑓(𝑡𝑖 , 𝑦(𝑡𝑖 )) + 𝑦 (𝜉𝑖 ) … 7
2
El método de Euler construye 𝑤𝑖 ≈ 𝑦(𝑡𝑖 ), para cada i=1,…N, al borrar el término
restante. Por lo tanto, el método de Euler es
𝑤0 = 𝛼
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓(𝑡𝑖 , 𝑤𝑖 ) . . .8 , para i=0, 1, …,N-1.
Algoritmo del método de Euler
Para aproximar la solución del PVI
𝑦 ′ = 𝑓(𝑥, 𝑦), 𝑎 ≤ 𝑥 ≤ 𝑏, 𝑦(𝑎) = 𝛼 . . .6
En (N+1) números igualmente espaciados en el intervalo cerrado [𝑎, 𝑏]:
ENTRADA extremos a, b; entero N; condición inicial α.
SALIDA aproximación w para y en los valores (N + 1) de t.
Paso 1 Determine h=(b-a)/N;
t=a;
w=α;
SALIDA (t, w).
Paso 2 Para i = 1, 2,... , N haga los pasos 3–4.
Paso 3 Determine
𝑤 = 𝑤 + ℎ𝑓(𝑡, 𝑤) (calcule 𝑤𝑖 )
t = a + ih. (calcule 𝑡𝑖 )
Paso 4 SALIDA (𝑡, 𝑤)
Paso 5 PARO
Para interpretar el método de Euler de manera geométrica, observe que cuando 𝑤𝑖 es
una aproximación cercana para 𝑦(𝑡𝑖 ) , la suposición de que el problema está bien
planteado implica que
𝑓(𝑡𝑖 , 𝑤𝑖 ) ≈ 𝑦 ′ (𝑡𝑖 ) = 𝑓(𝑡𝑖 , 𝑦(𝑡𝑖 )).
La gráfica de la función que resalta 𝑦(𝑡𝑖 ) se muestra en la figura 5.2, un paso en el
método de Euler 5.3 y varios pasos en el 5.4.
EJERCICIO:
RK2(RUNGE-KUTTA DE SEGUNDO GRADO) (hay una familia completa de esto)
Este método es equivalente al de Euler Gauss y se expresa como (versión estándar)
muy usada pero también hay otra que se suele manipular mucho)
1
𝑦𝑖+1 = 𝑦𝑖 + (𝑘1 + 𝑘2 )
2
𝑘1 = ℎ ⋅ 𝑓(𝑥𝑖 , 𝑦𝑖 )
𝑘2 = ℎ ⋅ 𝑓(𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘1 )
Pero también hay otra que se suele manipular mucho, la cual presentaremos como
surge:
El primer paso para deducirlo es hallar los valores para 𝑎1 , 𝛼1 𝑦 𝛽1 con la propiedad
que
𝑓(𝑥 + 𝛼2 ℎ, 𝑦 + 𝛽1 )se aproxima a
ℎ
𝑇 (2) (𝑡, 𝑦) = 𝑓(𝑡, 𝑦) + 𝑓 ′ (𝑡, 𝑦)
2
Con error no mayor a 𝑂(ℎ2 ) , que es igual al orden del error de truncamiento local
para ell método de Taylor de orden 2. pues
𝜕𝑓 𝜕𝑓
𝑓 ′ (𝑡, 𝑦) = (𝑡, 𝑦) + (𝑡, 𝑦)𝑦 ′ (𝑡) 𝑦 ′ (𝑡) = 𝑓(𝑡, 𝑦)
𝜕𝑡 𝜕𝑦
Tenemos
ℎ 𝜕𝑓 ℎ 𝜕𝑓
𝑇 (2) (𝑡, 𝑦) = 𝑓(𝑡, 𝑦) + (𝑡, 𝑦) + (𝑡, 𝑦)𝑓 (𝑡, 𝑦) 18
2 𝜕𝑡 2 𝜕𝑦
Al expandir 𝑓(𝑡 + 𝛼1 , 𝑦 + 𝛽1 ) en su polinomio de Taylor de grado 1, cerca de (t, y)
obtenemos
𝑎1 𝑓(𝑡 + 𝛼1 ℎ, 𝑦 + 𝛽1 )
ℎ 𝜕𝑓 𝜕𝑓
= 𝑎1 𝑓(𝑡, 𝑦) + 𝑎1 𝛼1 (𝑡, 𝑦) + 𝑎1 𝛽1 (𝑡, 𝑦)
2 𝜕𝑡 𝜕𝑦
+ 𝑎1 𝑅1 (𝑡 + 𝛼1 ℎ, 𝑦 + 𝛽1 ) 19
Donde
𝛼1 2 𝜕 2 𝑓 𝜕2𝑓 𝛽1 2 𝜕 2 𝑓
𝑅1 (𝑡 + 𝛼1 , 𝑦 + 𝛽1 ) = (𝜉, 𝜇) + 𝑎1 𝛽1 (𝜉, 𝜇) + (𝜉, 𝜇) … 20
2 𝜕𝑡 2 𝜕𝑡𝜕𝑥 2 𝜕𝑦 2
Para algunas 𝜉 entre 𝑡 y 𝑡 + 𝛼1 y 𝜇 entre 𝑦 𝑦 y 𝑦 + 𝛽1
Al ajustar los coeficientes de f y sus derivadas en las ecuaciones 18 y 19 obtenemos
𝜕𝑓 ℎ 𝜕𝑓 ℎ
𝑓(𝑡, 𝑦): 𝑎1 = 1 (𝑡, 𝑦): 𝑎1 𝛼1 = y (𝑡, 𝑦): 𝑎1 𝛽1 = 𝑓(𝑡, 𝑦)
𝜕𝑡 2 𝜕𝑦 2
Los parámetros 𝑎1 , 𝛼1 𝑦 𝛽1 son, por lo tanto
ℎ ℎ
𝑎1 = 1 , 𝛼1 = 𝑦 𝛽1 = 𝑓(𝑡, 𝑦)
2 2
Por lo que
ℎ ℎ ℎ ℎ
𝑇 (2) (𝑡, 𝑦) = 𝑓 (𝑡 + , 𝑦 + 𝑓(𝑡, 𝑦) ) − 𝑅1 (𝑡 + , 𝑦 + 𝑓(𝑡, 𝑦) )
2 2 2 2
Y a partir de la ecuación 20
ℎ ℎ
𝑅1 (𝑡 + , 𝑦 + 𝑓(𝑡, 𝑦) )
2 2
ℎ2 𝜕 2 𝑓 ℎ2 𝜕2𝑓 ℎ2 2
𝜕2𝑓
= (𝜉, 𝜇) + 𝑓(𝑡, 𝑦) (𝜉, 𝜇) + (𝑓(𝑡, 𝑦)) (𝜉, 𝜇)
8 𝜕𝑡 2 4 𝜕𝑡𝜕𝑥 8 𝜕𝑦 2
Si todas las derivadas parciales de segundo orden de f están acotadas, entonces
ℎ ℎ
𝑅1 (𝑡 + , 𝑦 + 𝑓(𝑡, 𝑦) )
2 2
es O(h2). En consecuencia:
El orden de error para este nuevo método es igual al método de Taylor de orden 2.
El método de error de diferencia que resulta de reemplazar 𝑇 (2) (𝑡, 𝑦) en el método de
ℎ ℎ
Taylor de orden 2 por 𝑓 (𝑡 + , 𝑦 + 𝑓(𝑡, 𝑦)) es un método de Runge Kutta específico,
2 2
conocido como punto medio.
MÉTODO DE PUNTO MEDIO
𝑤0 = 𝛼
ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 + , 𝑦 + 𝑓(𝑡𝑖 , 𝑤𝑖 )) , para i=0, 1, …,N-1.
2 2
ℎ ℎ
Solamente se encuentran tres parámetros en 𝑎1 𝑓 (𝑡 + , 𝑦 + 𝑓(𝑡, 𝑦)) , y todos son
2 2
(2)
necesarios para ajustar 𝑇 . Por lo que se requiere una forma más complicada para
satisfacer las condiciones para cualquiera de los métodos de Taylor de orden superior.
La forma de cuatro parámetros más adecuada para aproximar
ℎ ℎ2
𝑇 (2) (𝑡, 𝑦) = 𝑓(𝑡, 𝑦) + 𝑓 ′ (𝑡, 𝑦) + 𝑓 ′ ′(𝑡, 𝑦)
2 6
Es 𝑎1 𝑓(𝑡, 𝑦) + 𝑓(𝑡 + 𝛼2 , 𝑦 + 𝛿2 𝑓(𝑡, 𝑦)) . . .21
E incluso con esto, no hay suficiente flexibilidad para ajustar el término
2
ℎ2 𝜕𝑓
[ (𝑡, 𝑦)] 𝑓(𝑡, 𝑦)
6 𝜕𝑦
ℎ2
Lo cual resulta en la expansión de 𝑓 ′ ′(𝑡, 𝑦). Así, lo mejor que se puede tener al usar
6
21 son métodos con error de truncamiento local O(h2).
Sin embargo, el hecho de que 21 tenga 4 parámetros, proporciona una flexibilidad en
su elección, Por lo que se puede derivar una serie de métodos O(h2). Uno los más
importantes es el método modificado de Euler, que corresponde a seleccionar 𝑎1 =
𝑎2 = 1 , 𝛼2 = 𝛿2 = ℎ.
Éste tiene la siguiente forma de ecuación diferencia.
Método Modificado de Euler
𝑤0 = 𝛼
ℎ
𝑤𝑖+1 = 𝑤𝑖 + [𝑓(𝑡𝑖 , 𝑤𝑖 ) + 𝑓(𝑡𝑖+1 , 𝑤𝑖 + ℎ𝑓 (𝑡𝑖 , 𝑤𝑖 ))] , para i=0,1,…,N-1.
2
RK3(RUNGE-KUTTA DE TERCER ORDEN)
Este método se expresa como (versión estándar):
1
𝑦𝑖+1 = 𝑦𝑖 + (𝑘1 + 4𝑘2 + 𝑘3 )
6
𝑘1 = ℎ ⋅ 𝑓(𝑥𝑖 , 𝑦𝑖 )
1 1
𝑘2 = ℎ ⋅ 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘1 )
2 2
𝑘3 = ℎ ⋅ 𝑓(𝑥𝑖 + ℎ, 𝑦𝑖 − 𝑘1 − 2𝑘2 )
Métodos de RUNGE-KUTTA DE ORDEN SUPERIOR (para cada orden hay una familia de
métodos de Runge-kutta que depende de los valores alfa y beta cte.)
El término 𝑇 (3) (𝑡, 𝑦) se puede aproximar con error O(h3) mediante una expresión de la
forma
𝑓 (𝑡 + 𝛼1 , 𝑦 + 𝛿1 𝑓(𝑡 + 𝛼2 , 𝑦 + 𝛿2 𝑓(𝑡, 𝑦)))
Relacionada con cuatro parámetros y el algebra implicada en la determinación de
𝛼1 , 𝛿1 , 𝛼2 𝑦 𝛿2 es bastante tediosa. El método O(h3) más común es el de Heun, dado
por
𝑤0 = 𝛼
ℎ 2ℎ 2ℎ ℎ ℎ
𝑤𝑖+1 = 𝑤𝑖 + [𝑓 (𝑡𝑖 , 𝑤𝑖 ) + 3(𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑓 (𝑡𝑖 + , 𝑤𝑖 + 𝑓(𝑡𝑖 , 𝑤𝑖 ))))] ,
4 3 3 3 3
para i=0,1,…,N-1.
Ejercicio
En general los métodos de RUNGE-KUTTA de orden 3 no se usan . El método RUNGE-
KUTTA que se usa comúnmente es el de orden 4
RK4(RUNGE-KUTTA DE CURTO ORDEN)
Este método se expresa como:
1
𝑦𝑖+1 = 𝑦𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑘1 = ℎ𝑓(𝑥𝑖 , 𝑦𝑖 )
1 1
𝑘2 = ℎ𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘1 )
2 2
1 1
𝑘3 = ℎ𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 − 𝑘2 )
2 2
𝑘4 = ℎ𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘3 )
𝑤0 = 𝛼
𝑘1 = ℎ𝑓(𝑥𝑖 , 𝑤𝑖 )
1 1
𝑘2 = ℎ𝑓 (𝑡𝑖 + ℎ, 𝑤𝑖 + 𝑘1 )
2 2
1 1
𝑘3 = ℎ𝑓 (𝑡𝑖 + ℎ, 𝑤𝑖 + 𝑘2 )
2 2
𝑘4 = ℎ𝑓 (𝑡𝑖 +1 , 𝑤𝑖 + 𝑘3 )
1
𝑤𝑖+1 = 𝑤𝑖 + [𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ]
6
Para cada i=0,1,…,N-1. Este método tiene error de truncamiento local O(h4), siempre y
cuando la solución y(t) tenga cinco derivadas continuas. Introducimos en el método la
notación 𝑘1 , 𝑘2 , 𝑘3 𝑦 𝑘4 para eliminar la necesidad de anidado sucesivo en la segunda
variable de f (t, y). El ejerc. 32 muestra qué tan complicado se vuelve este anidado.
ALGORITMO RK4
Para aproximar la solución del PVI
𝑦 ′ = 𝑓(𝑥, 𝑦) 𝑎 < 𝑥 < 𝑏, 𝑦(𝑎) = 𝛼
En (N+1) números igualmente espaciados en el intervalo cerrado [𝑎, 𝑏]:
ENTRADA extremos a, b; entero N; condición inicial α; tolerancia TOL; número máximo
de iteraciones M en cualquier paso uno.
SALIDA aproximación w para y en los valores (N + 1) de t o un mensaje de falla.
Paso 1 Determine h=(b-a)/N;
T=a;
W=α;
SALIDA (t, w).
Paso 2 Para i = 1, 2,... , N haga los pasos 3–4.
Paso 2 Para i = 1, 2,... , N haga los pasos 3–5.
Paso 3 Determine
K1 = hf (t, w);
K2 = hf (t + h/2, w + K1/2);
K3 = hf (t + h/2, w + K2/2);
K4 = hf (t + h, w + K3).
Paso 4 Determine w = w + (K1 + 2K2 + 2K3 + K4)/6; (calcule wi.)
t = a + ih. (Calcule ti.)
Paso 5 SALIDA (t, w).
Paso 6 PARE.
Comparaciones computacionales
El principal esfuerzo computacional al aplicar los métodos de RK es valuar f. En los
métodos de segundo orden, el error de truncamiento local es O(h2), y el costo es dos
evaluaciones de función de paso. RK4 requiere de valuar 4 veces por paso, y el error de
truncamiento local es O(h4). El Matemático Butcher ha establecido una relación entre
el número de evaluaciones por paso y el orden de error de truncamiento local que se
mostrará en la tabla 5.9. Esta tabla muestra el porqué los métodos de orden menor a
cinco con tamaño de paso más pequeño se usan preferentemente para los métodos de
orden superior por medio de un tamaño de paso más grande
Otra forma de verlo es:
Mientras el método RK4 necesita valuar 4 veces por paso el de RK1 solo uno. Así el RK4
va ser superior, debería proporcionarse respuestas más precisas que le RK1 con la
cuarta parte del tamaño de paso, análogamente si el RK4 va ser superior a los métodos
de RK2 que requieren obviamente valuar dos veces por paso, debería proporcionar
mayor precisión con un tamaño de paso h que un método de segundo orden con un
tamaño de paso h/2.
Veremos como el método de RK4 es superior en el ejemplo que estamos manipulando.
EJERCICO: Elaboración del hidróxido de potasio para su uso comercial e industrial:
La reacción química irreversible en la cual dos moléculas de dicromato sólido de
potasio (𝐾2 𝐶𝑟2 𝑂7 ), dos moléculas de agua (𝐻2 𝑂) y tres átomos de azufre sólido (𝑆) se
combinan para producir tres moléculas de dióxido gaseoso de azufre (𝑆𝑂2 ), cuatro
moléculas de hidróxido sólido de potasio (𝐾𝑂𝐻) y dos moléculas de óxido sólido de
cromo (𝐶𝑟2 𝑂3 ), puede representarse simbólicamente por la ecuación estequiométrica:
𝐾2 𝐶𝑟2 07 + 2𝐻2 0 + 3𝑆 → 4𝐾𝑂𝐻+2𝐶𝑟2 𝑂3 + 3𝑆𝑂2
Si originalmente se dispone de 𝑛1 moléculas de 𝐾2 𝐶𝑟2 07 , 𝑛2 moléculas de 𝐻2 0 y 𝑛3
moléculas de 𝑆, la siguiente ecuación diferencial describe la cantidad 𝑥(𝑡) de 𝐾𝑂𝐻
después del tiempo 𝑡:
ⅆ𝑥 𝑥 𝑥 3𝑥
= 𝑘(𝑛1 − )2 (𝑛2 − )2 (𝑛1 − )3
ⅆ𝑡 2 2 4
donde 𝑘 es la constante de velocidad de la reacción. Si 𝑘 = 6.22𝑥10−19 , 𝑛1 = 𝑛2 =
2𝑥103 y 𝑛3 = 3𝑥103 , ¿Cuántas unidades de hidróxido de potasio se formarán después
de 0.2 𝑠 si 𝑥(0) = 0 y ℎ = 0.01𝑠?
Solución:
En este caso, tenemos los siguientes datos:
𝑡0 = 0
𝑡𝑓 = 0.2
𝑦0 = 0
ℎ = 0.01
Hallamos el número de pasos 𝑁 a seguir:
𝑡𝑓 − 𝑡0
𝑁=
ℎ
0.2 − 0
𝑁=
0.01
𝑁 = 20
Ahora calculamos los 𝑘1 , 𝑘2 , 𝑘3 , 𝑘4 :
𝑘1 = ℎ𝑓(𝑡0 , 𝑦0 ) = (0,01). 𝑓(0,0) = 2687.04
1 1
𝑘2 = ℎ𝑓 (𝑡0 + ℎ, 𝑦0 + 𝑘1 )
2 2
1 1
= (0.01)𝑓 (0 + (0.01), 0 + (2687.04))
2 2
= 153.1876
1 1
𝑘3 = ℎ𝑓 (𝑡0 + ℎ, 𝑦0 + 𝑘2 )
2 2
1 1
= (0.01)(𝑓(0 + (0.01), 0 + (153.1876))
2 2
= 2347.07871
𝑘4 = ℎ𝑓 (𝑡0 + ℎ, 𝑦0 + 𝑘3 )
= (0,01)𝑓 (0 + 0.01, 0 + 2347.7871)
= (0.01)𝑓 (0.01,2347.7871)
= 5.52865
Una vez hecho los respectivos cálculos en 𝑘1 , 𝑘2 , 𝑘3 , 𝑘4 , calculamos 𝑦1 :
1
𝑦1 = 𝑦0 + (𝑘1 + 2 𝑘2 + 2 𝑘3 + 𝑘4 )
6
1
𝑦1 = 0 + (2687.04 + 2(153.1876) + 2(2347.07871) + 5.52865)
6
𝑦1 = 1282.15727
Luego calculamos 𝑡1 de la siguiente manera:
𝑡1 = 𝑡0 + ℎ
𝑡1 = 0 + 0.01
𝑡1 = 0.01
y repetimos el mismo proceso hasta llegar a 𝑡20 = 0.2𝑠 que es el valor deseado para
𝑦(0.2), tal como se muestra en la siguiente tabla:
Tabla 3:
Tabla de resultados.
𝑘 𝑡𝑘 𝑦𝑘
0 0 0
1 0.01 1282.15727
2 0.02 1429.34605
3 0.03 1534.23925
4 0.04 1614.99886
5 0.05 1680.25474
6 0.06 1734.75993
7 0.07 1781.39977
8 0.08 1822.05169
9 0.09 1858.00274
10 0.10 1890.17194
11 0.11 1919.23732
12 0.12 1945.71277
13 0.13 1969.99662
14 0.14 1992.40354
15 0.15 2013.18630
16 0.16 2032.55078
17 0.17 2050.66683
18 0.18 2067.67614
19 0.19 2083.69803
20 0.20 2098.83393
Nota: Los valores de 𝑦𝑘 se han redondeado a 5
decimales.
∴ En 0.2 segundos se formarán aproximadamente 2099 unidades de hidróxido de
potasio.
APLICACIÓN DEL MODELO PREDADOR – PRESA
ZORRO RUN RUN
En el Perú el tráfico ilegal de animales es un problema inmenso que cada vez se
normaliza y según el periodista Gino Alva Olivera del diario El Comercio, el 80% de
trafico de fauna silvestre se concentra en los mercados de Lima, Tumbes, Loreto y
Ucayali. En la capital el mercado Central, el mercado Huamantanga y gamarra son los
lugares donde más se comercializa a los animales uno de estos casos es del zorro Run
Run, que fue comprado como perro, pero era un zorro, noticia de que se hizo
tendencia pues mostrando que, en las zonas alejadas como asentamientos humanos,
se aprecia que las personas compran estos animales.
El zorro Run Run fue motivo de noticias pues hubo quejas de los vecinos que criaban
animales de granja como pollo, gallinas, cuyes, conejos los cuales eran comidos por
Run Run.
Acotamos que ahora plantearemos un problema ficticio.
El zorro Run Run 2.0
En el distrito de san juan de Miraflores, por el sector de Pamplona Alta – La nueva
Rinconada se presenta una población de 1000 zorros los cuales devoran a los animales
que crían los pamploneros, cabe resaltar que la zona de pamplona alta es usada para
fin agropecuario, aun así, hubo invasiones desde el año 2000, al parecer hubo vecinos
que compraron animales que habían sido traficados en este caso zorros, creyendo que
en un inicio eran perros, esto conllevo al triste final de abandonar a su suerte a estos
animales, con ello su población creció y surgió la problemática de que estos animales
necesitaban alimentarse como en la imagen.
resolveremos este problema de su población mediante el modelo de depredador –
presa al plantear el sistema como:
𝑥̇ = 𝑎𝑥 − 𝑏𝑥𝑦 , 𝑏, 𝑎 > 0 𝑦 𝑥(0) = 𝑥0
𝑦̇ = −𝑐𝑦 + ⅆ𝑥𝑦 , 𝑐, ⅆ > 0 𝑦 𝑦(0) = 𝑦0
donde: 𝑎 = 0,5 , 𝑏 = 0,7 , 𝑐 = 0,35 𝑦 ⅆ = 0,35
en esta oportunidad usaremos el método de Runge Kutta que se ve en el curso de
métodos numéricos, esto nos ayudara a aproximar las la solución del sistema
Método de Runge Kutta de segundo orden
1
𝑦𝑖+1 = 𝑦𝑖 + ⋅ (𝑘1 + 𝑘2 )
2
𝑘1 = ℎ ⋅ 𝑓 (𝑥𝑖 , 𝑦𝑖 )
𝑘2 = ℎ ⋅ 𝑓 (𝑥𝑖 + 𝑘1 , 𝑦𝑖 + 𝑘1 )
✓ Iteración 1:
Me doy un h=0.5 y para cálculos prácticos 𝑥(0) = 𝑥0 =2(2000) y 𝑦(0) = 𝑦0 =1(1000),
ahora empecemos
𝑘1 𝑥 = ℎ𝑓 (𝑡𝑖 , 𝑥𝑖 , 𝑦𝑖 )
𝑘1 𝑦 = ℎ𝑔(𝑡𝑖 , 𝑥𝑖 , 𝑦𝑖 )
𝑥̇ = 𝑎𝑥 − 𝑏𝑥𝑦 = 𝑓 (𝑡𝑖 , 𝑥𝑖 , 𝑦𝑖 )
𝑦̇ = −𝑐𝑦 + ⅆ𝑥𝑦 = 𝑔(𝑡𝑖 , 𝑥𝑖 , 𝑦𝑖 )
reemplazamos todos los datos en 𝑘1 y 𝑘2
𝑘1 𝑥 = ℎ𝑓(𝑡0 , 𝑥0 , 𝑦0 ) = (0.5)[(0.5)(2) − (0.7)(1)(2)] = −0.2
𝑘1 𝑦 = ℎ𝑔(𝑡0 , 𝑥0 , 𝑦0 ) = (0.5)[(−0.35)(1) + (0.35)(1)(2)] = 0.175
Ahora estos valores los reemplazamos en la siguiente expresión
𝑘2 𝑥 = ℎ𝑓 (𝑡0 + ℎ, 𝑥0 + 𝑘1 𝑥, 𝑦0 + 𝑘1 𝑦)
𝑘1 𝑦 = ℎ𝑔(𝑡0 + ℎ, 𝑥0 + 𝑘1 𝑥, 𝑦0 + 𝑘1 𝑦)
𝑘2 𝑥 = (0.5)[[(0.5)(2 − 0.2) − (0.7)(1 + 0.175)(2 − 0.2)]] = −0.29
𝑘2 𝑦 = (0.5)[(−0.35)(1 + 0.175) + (0.35)(1 + 0.175)(2 − 0.2)]
= 0.164
por último, reemplazamos estos valores en:
(𝑘1 𝑥 + 𝑘2 𝑥)
𝑥1= 𝑥0 + = 1.75
2
(𝑘1 𝑦 + 𝑘2 𝑦)
𝑦1= 𝑦0 + = 1.16
2
𝑡1= 𝑡0 + ℎ = 0.5
En este caso el tiempo lo mediremos en años y el 0.5 se interpretará que han pasado 6
meses.
✓ Iteración 2:
Partimos de 𝑥1= 1.75 y 𝑦1= 1.16, además el 𝑡1= 0.5 = 𝑡0 + ℎ y hacemos la misma rutina
anterior
𝑘1 𝑥 = ℎ𝑓(𝑡1 , 𝑥1 , 𝑦1 ) = −0.273
𝑘1 𝑦 = ℎ𝑔(𝑡1 , 𝑥1 , 𝑦1 ) = 0.152
luego reemplazamos estos valores en la siguiente expresión
𝑘2 𝑥 = (0.5)[[(0.5)(1.75 − 0.273) − (0.7)(1.16 + 0.152)(1.75 − 0.273)]] = −0.309
𝑘2 𝑦 = (0.5)[(−0.35)(1.16 + 0.152) + (0.35)(1.16 + 0.152)(1.75 − 0.273)]
= 0.109
así obtenemos:
(𝑘1 𝑥 + 𝑘2 𝑥 )
𝑥2= 𝑥1 + = 1.459
2
(𝑘1 𝑦 + 𝑘2 𝑦)
𝑦2= 𝑦1 + = 1.29
2
✓ Iteración 3:
Análogamente partimos de 𝑥2= 1.459 y 𝑦2= 1.29, además el 𝑡2= 0.5
𝑘1 𝑥 = ℎ𝑓(𝑡2 , 𝑥2 , 𝑦2 ) = −0.294
𝑘1 𝑦 = ℎ𝑔(𝑡2 , 𝑥2 , 𝑦2 ) = 0.103
Ahora reemplazamos en
𝑘2 𝑥 = (0.5)[[(0.5)(1.459 − 0.294) − (0.7)(1.29 + 0.103)(1.459 − 0.294)]]
= −0.276
𝑘2 𝑦 = (0.5)[(−0.35)(1.29 + 0.103) + (0.35)(1.29 + 0.103)(1.459 − 0.294)]
= 0.04
luego tenemos
(𝑘1 𝑥 + 𝑘2 𝑥)
𝑥3= 𝑥2 + = 1.174
2
(𝑘1 𝑦 + 𝑘2 𝑦)
𝑦3= 𝑦2 + = 1.361
2
con estas iteraciones nosotros podemos ver que los valores de x (población de cuyes)
crecen y los valores de y (población de zorros) decrecen conforme transcurre el tiempo
( 𝑡𝑖= 0.5 , 𝑐𝑎ⅆ𝑎 6 𝑚𝑒𝑠𝑒𝑠) fig. 3 provocando fluctuaciones como en la fig. .4
fig. 3
Podemos ver el crecimiento
y decrecimiento de las
variables cuando el tiempo
no está en reposo, cabe
acotar que las iteraciones
hechas por el método de
Runge Kutta resuelve la EDO
obteniendo valores en los
cuales considere tres
decimales, pero en la figura
se usó PYTHON,
básicamente calculo
computacional mucho
fig.5
fig.4
En la fig. 4 las poblaciones forman
curvas que se repiten en un
determinado periodo y en la fig. 5 una
familia de curvas que se repiten,
formando ciclos. que se repiten.
Con el método de Runge kutta se resolvimos la EDO y concluimos con los valores
obtenidos en la fig. 3 que la población de cuyes disminuye a la par que los zorros
aumentan, debido al encuentro entre ellos, donde la presa no sale beneficiada, esta
situación sigue su curso hasta que al haber pocas presas los zorros terminan muriendo
y los cuyes que decrecían en población llegan a un límite donde la curva ya no puede
caer más, para este momento surge un incremento de presas como se ve en la fig. 4
aún más , al presentarse esta situación que se vuelve favorable para los zorros , esta
población de depredadores crecen e increíblemente regresamos al inicio (ciclo) como
la fig.5.
Ahora, sabemos que el caso es ficticio y que su solución depende de las condiciones
iniciales y del t que describimos y sobre todo que hay suficiente comida para las
presas, no obstante, es una forma de comenzar a modelar situaciones que ocurren en
la vida diaria, en cierto sentido un caso real con llevaría a emplear varias variables,
parámetros, coeficientes y tantas otras que conllevarían a que el problema sea super
complejo (pero no imposible). Es increíble ver como esta esta relación natural entre
depredadores(zorros) y presas(cuyes) se vuelve un ciclo continuo donde algunas veces
hay una bonanza para una especie y lo contrario para otra.
OBS.:
➢ Los métodos de RUNGE KUTTA es en realidad una familia de métodos para
resolver EDOs, se suele usar métodos de RG de primer orden hasta de orden
10, los más conocido es hasta el RG de orden 4 y en este trabajo de
investigación se usó de orden 2. Se le asigna tal orden producto de los
parámetros y los valores a la que se asigna la formula original de RUNGE KUTTA
(que por cierto es una forma de demasiados parámetros).
➢ Las ecuaciones de LOKTA- VOLTERRA es un método que proviene de los
métodos de competencias y que suelen ser más aplicados a la vida real, en este
caso su uso a la economía es basta.
➢ La forma en que se solucionó este sistema no es única, se pueden usar, como
los hechos en clase y hasta convertir el sistema en una ecuación logística
normalizada.
BIBLIOGRAFIA :
• https://www.academia.edu/40157817/AN%C3%81LISIS_NUM%C3%89RICO_Richard_Burd
en_10ma_edici%C3%B3n pag 194- 224
• https://www.youtube.com/watch?v=AON5BE0evwM
• https://repositorio.unal.edu.co/handle/unal/8260 pdf 20 archivos runge kutta
