Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ISSN 1851-149X
Cursos y
seminarios de
matemtica
Serie B
Pedro E. Zadunaisky
Sistemas Dinmicos,
Teoras y Mtodos Numricos
Computacionales
Departamento de Matemtica
Facultad de Ciencias Exactas y Naturales
!
!
!"#!!$%&
' (
)*++% - .
/0
1
2 /
3
(
4 5
'-88999
8:1;#$!!$#<=>>>#
1
Universidad de Buenos Aires
Facultad de Ciencias Exactas y Naturales
Departamento de Matematicas
Sistemas Din
amicos,
Teoras y M
etodos
Num
ericos
Computacionales
PEDRO E.ZADUNAISKY
Contents
1 Prefacio
1.1 Sistemas Din
amicos, Teoras y Metodos Numericos Computacionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1 Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Notas Historicas . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Matem
aticas puras y aplicadas en la antig
uedad . . . . .
1.2.2 Siglos XVII a XIX . . . . . . . . . . . . . . . . . . . . . .
1.3 Conceptos Preliminares . . . . . . . . . . . . . . . . . . . . . . .
2 M
etodos num
ericos computacionales
2.1 Metodos y Sistemas para el tratamiento de
ciales ordinarias . . . . . . . . . . . . . . . .
2.2 Deniciones . . . . . . . . . . . . . . . . . .
2.3 Metodo de la F
ormula de Taylor . . . . . .
2.4 Metodos de Runge-Kutta . . . . . . . . . .
2.5 Ejercicios . . . . . . . . . . . . . . . . . . .
2.5.1 Ejercicio Preliminar . . . . . . . . .
2.5.2 Ejercicio N 1 . . . . . . . . . . . . .
2.6 Metodos de Runge-Kutta-Fehlberg . . . . .
2.7 Metodos de paso m
ultiple . . . . . . . . . .
2.8 Ecuaciones Especiales de Segundo Orden . .
2.9 Metodos de extrapolaci
on al lmite . . . . .
2.10 Estimacion de errores globales . . . . . . . .
2.11 Algunas consideraciones generales . . . . . .
2.12 Ecuaci
on rgida (sti equation) . . . . . . .
9
ecuaciones diferen. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
9
10
11
13
16
16
17
18
20
25
27
30
34
35
3 Problemas Din
amicos Directos e Inversos
3.1 Introducci
on . . . . . . . . . . . . . . . . .
3.2 Oscilador arm
onico perturbado . . . . . .
3.3 Pendulo y giroscopo de Foucault . . . . .
3.3.1 Movimientos del Pendulo . . . . .
3.3.2 Movimientos del Gir
oscopo . . . .
3.3.3 Movimientos del Girocomp
as . . .
3.4 El problema inverso . . . . . . . . . . . .
.
.
.
.
.
.
.
37
37
37
40
41
42
42
43
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5
5
6
6
6
7
CONTENTS
4
3.4.1
3.5
una Perturbaci
on
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
48
49
50
51
54
4 El Problema Inverso
57
4.1 El Problema Inverso para Ecuaciones Diferenciales Ordinarias de
Primer Orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.1.1 Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.1.2 Teora y Ejemplos . . . . . . . . . . . . . . . . . . . . . . 57
4.1.3 Ejemplo 3: Problema de dos ecuaciones rgidas tratadas
por metodos de Bulirsch y Stoer y de Extrapolaci
on al
lmite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.2 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5 M
etodos de Euler y Lagrange
5.1 Deniciones y conceptos fundamentales . . . . . . .
5.2 Caracteres de los sistemas dinamicos . . . . . . . . .
5.2.1 Sistemas Holonomicos y No Holonomicos . .
5.2.2 Nota sobre restricciones o vnculos . . . . . .
5.2.3 Espacios de Riemann . . . . . . . . . . . . . .
5.2.4 Curvas extremales . . . . . . . . . . . . . . .
5.3 Metodos de Lagrange . . . . . . . . . . . . . . . . . .
5.3.1 Ejemplo . . . . . . . . . . . . . . . . . . . . .
5.4 Ejemplo: Problema de la curva Brachistochrona . . .
5.5 Denici
on del Principio de Hamilton . . . . . . . . .
5.6 Deniciones de Ciclos Lmites . . . . . . . . . . . . .
5.6.1 Teorema 1: L.S.Pontryagin (1962) . . . . . .
5.6.2 Teorema 2: Poincare (1882), Bendixson(1901)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
65
65
66
66
67
67
68
69
71
72
74
77
77
77
6 Precisi
on y estabilidad
6.1 Sobre integraci
on numerica de ecuaciones diferenciales ordinarias.
6.1.1 Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.2 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.3 Ejemplo 1: Funciones Elpticas de Jacobi . . . . . . . . .
6.1.4 Ejemplo 2: Una soluci
on peri
odica del problema restringido
de los tres cuerpos . . . . . . . . . . . . . . . . . . . . . .
6.1.5 Ejemplo 3: Ecuaciones Linealizadas del Problema Restringido de los Tres Cuerpos . . . . . . . . . . . . . . . .
79
79
80
82
82
7 Figuras
91
84
86
Captulo 1
Prefacio
1.1
1.1.1
Sistemas Din
amicos, Teoras y M
etodos Num
ericos
Computacionales
Introducci
on
En su acepci
on corriente un Sistema din
amico consiste en un conjunto de
magnitudes medibles que evolucionan con el tiempo.
En nuestro caso se trata del an
alisis y resolucion de Problemas Din
amicos
relativos a la variaci
on de las magnitudes que evolucionan.
En las aplicaciones cientcas los diversos metodos comienzan por simular
el Sistema Din
amico por un modelo de ecuaciones diferenciales ordinarias o
parciales o por ecuaciones integrales; dos casos pueden presentarse:
1. En el Problema Directo el modelo matematico de simulacion se aplica
para prop
ositos de prediccion, apreciaci
on de resultados y/o programaci
on
de un sistema de control del proceso evolutivo.
2. En el Problema Inverso el modelo matematico contiene, ademas de las
magnitudes que evolucionan, par
ametros (o funciones parametrizables) ,
que se determinan para que los resultados del modelo y datos medidos de
la evoluci
on (o datos de una evoluci
on deseable) dieran mnimamante.
Estos procedimientos se aplican en numerosos campos tales como Qumica,
Biologa molecular, Fsica, Geofsica, Astronoma, Cosmologa, ElectroCardiologa, Tomografa Computada, Servosistemas Controlados, etc.
La publicaci
on presente contiene copias de varios trabajos del autor en los
que se ha puesto un enfasis especial en obtener la mayor precision posible en
los resultados de las aplicaciones computacionales. Tambien se incluyen copias
de otros trabajos de temas similares del autor y/o de otros autores en forma de
resumenes (abstracts) y la correspondiente informaci
on bibliogr
aca.
Conviene advertir que en esta obra nos restringiremos a modelos matematicos
consistentes en sistemas de ecuaciones diferenciales ordinarias. El caso de
5
CAPITULO 1. PREFACIO
1.2
1.2.1
Notas Hist
oricas
Matem
aticas puras y aplicadas en la antig
uedad
1.2.2
En el a
no 1686 se public
o la primera edici
on de la magna obra de Isaac Newton, The Mathematical Principles of Natural Philosophy, usualmente
denominada por la voz latina Principia.
Esta obra fue el resultado de la aplicaci
on del metodo axiom
atico para explicar matematicamente la evolucion din
amica de los planetas que componen el
Sistema Solar. Los conceptos conocidos a priori fueron:
1. La teora de Copernico del movimiento heliocentrico de los planetas,
2. La teora, observaciones y experimentos de Galileo,
1.3
Conceptos Preliminares
(1.1)
CAPITULO 1. PREFACIO
yn+1 = yn + hf (yn , tn ) , tn = nh
(1.2)
a t b , < y < +
(B) Existe una constante L tal que para t [a, b] y para dos valores
cualesquiera de y, y es
(1.3)
f (y, t) f (y, t) = ((
y , t)/y)(y y)
cuando y y y de donde se deduce la condici
on de Lipschitz.
(1.4)
Captulo 2
M
etodos num
ericos
computacionales
2.1
M
etodos y Sistemas para el tratamiento de
ecuaciones diferenciales ordinarias
y1
y2
y3
donde r =
y1
r3
= 3 y2
r
= 3 y3 ,
r
=
y12 + y22 + y32 y es una constante gravitatoria.
Este sistema de ecuaciones de segundo orden puede reemplazarse por otro sistema equivalente de ecuaciones de primer orden con doble n
umero de inc
ognitas
de la forma.
9
10
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
y 1
= y4
y 2
= y5
y 3
= y6
y 4
y 5
y 6
y1
r3
= 3 y2
r
= 3 y3
r
(2.1)
con la condici
on inicial y(x0 ) = y0 . Esta f
ormula representa indistintamente una
ecuacion u
nica o bien un sistema. En este segundo caso siendo y y f funciones
vectoriales, los procedimientos de integracion numerica que describiremos a continuaci
on deber
an aplicarse cclicamente a todos los componentes del sistema.
Nos limitaremos aqu a dar las ideas b
asicas y describir algunos de los metodos
clasicos para el tratamiento numerico de ecuaciones diferenciales ordinarias. La
bibliografa existente es inmensa pero tambien nos limitaremos a recomendar
ciertos libros y revistas al nal del captulo.
2.2
Deniciones
(2.2)
donde n = 0, 1, 2, . . . y xn = x0 + nh.
En los metodos de paso m
ultiple que consideraremos mas adelante la
funci
on puede depender no solo de de los valores de xn e yn , sino tambien de
valores precedentes tales como xn1 , yn1 , xn2 , yn2 , etc.
La funci
on se denomina funci
on incremental y en el denominado m
etodo de Euler es = f . Este metodo es poco usado en las aplicaciones numericas
debido a su escasa precision. En cambio tiene importancia en especulaciones
teoricas respecto de la propagacion de errores sistematicos y sobre todo constituye la base de las condiciones para la existencia y unicidad de la soluci
on en
ecuaciones diferenciales ordinarias.
Se dene como incremento relativo exacto la funci
on
2.3. METODO
DE LA FORMULA
DE TAYLOR
(x, y; h) =
y(x+h)y(x)
,
h
f (x, y)
(h = 0)
(h = 0)
11
(2.3)
Aplicando la f
ormula de Taylor resulta
(x, y; h) = f (x, y) +
h
hp1 p1
f (x, y) + +
f
(x, y) + O(hp ).
2
p!
(2.4)
(2.5)
2.3
(2.6)
M
etodo de la F
ormula de Taylor
(x, y; h) = f (x, y) +
h
hp1 p1
f (x, y) + +
f
(x, y).
2
p!
(2.7)
(2.8)
donde la funci
on (x, y) se denomina funci
on del error principal. En este
caso
(x, y) =
1
fp (x, y).
(p + 1)!
(2.9)
(2.10)
12
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
(2.11)
(2.12)
(2.13)
con la condici
on inicial e(0) = 0 y g(x) = fy (x, y(x)). Se demuestra que el error
global satisface la f
ormula
en = hp e(xn ) + O(hp+1 ),
(2.14)
con la conclusi
on de que en un metodo de orden p el error global es del orden
O(hp ). Veremos mas adelante una aplicaci
on de esta f
ormula en los llamados
m
etodos de extrapolaci
on al lmite.
El metodo de la f
ormula de Taylor puede ser conveniente en ciertos casos
particulares, pero en general tiene el defecto de que si la funci
on f (x, y) es
complicada el calculo de las sucesivas derivadas se torna muy complejo e ineciente. En cambio se puede recurrir a un proceso recursivo que ilustraremos en
el siguiente problema sencillo:
y (x, y) = x + y
y(x0 ) = y0 ,
cuya soluci
on analtica es
y(x) = exx0 (x0 + y0 + 1) x 1.
(2.15)
y(x) =
i=0
ai (x x0 )i ,
(2.16)
2.4. METODOS
DE RUNGE-KUTTA
13
(2.17)
resulta
iai (x x0 )i1 = (x x0 )
i=1
ai (x x0 )i + x0
(2.18)
i=1
= y0 + x0
1 + y0 + x0
. . . (k > 1).
=
k!
Resulta nalmente
(x x0 )k
k=2
k!
(2.19)
2.4
M
etodos de Runge-Kutta
(2.20)
(x, y; h) = f (x, y) +
h
[f (x, y) + fy (x, y)f (x, y)] + O(h2 ).
2 x
(2.22)
14
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
a1 + a2
a2 b1
a2 b2
1
1
=
2
1
.
=
2
Estas son 3 ecuaciones con 4 incognitas por lo que una de ellas es arbitraria,
y de las maneras como se elija resultaran distintos metodos todos de orden 2.
1
Por ejemplo, poniendo a1 = 1 resulta a2 = y b1 = b2 = 2
, y resulta
(x, y; h) = (1 )f (x, y) + f
Adoptando =
1
2
x+
h
h
,y +
f (x, y) .
2
2
(2.23)
resulta el llamado M
etodo de Heun.
1
yn+1 = yn + h[f (xn , yn ) + f (xn + h, yn + hf (xn , yn ))],
2
(2.24)
y an
alogamente con = 1 resulta el M
etodo de Euler Modicado
1
1
1
yn+1 = yn + h f xn + h, yn + hf (xn , yn ) .
2
2
2
(2.25)
f0
f1
f2
f3
= f (x0 , y0 )
1
1
= f x0 + h, y0 + hf0
2
2
1
1
= f x0 + h, y0 + hf1
2
2
= f (x0 + h, y + hf2 )
y1 = y 0 + h
1
2
2
1
f0 + f1 + f2 + f3 .
6
6
6
6
(2.26)
(2.27)
2.4. METODOS
DE RUNGE-KUTTA
15
F
ormula General para un M
etodo de Runge-Kutta
(2.28)
Ponemos ahora
f0
f
= f (x0 , y0 )
= f
x0 + a h, y0 + h
1
(2.29)
(2.30)
=0
con = 1, 2, . . . , R y = 1, 2 . . . , R 1 y se requiere
y(x0 + h) = y0 +
R
c f + O(hp+1 ),
(2.31)
=0
donde los coecientes c y el valor de R son los que corresponden para que el
orden del metodo sea p. Despreciando en (2.31) el error de truncamiento local
O(hp+1 ) se obtiene el valor aproximado y1 que reemplaza a y0 en (2.28) para
calcular el paso siguiente. Cuando se trate de resolver el sistema de ecuaciones
obviamente se debera repetir el proceso para cada una de las inc
ognitas.
El metodo que hemos descripto se presenta usualmente en la forma compacta
siguiente:
16
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
10
20
21
..
.
..
.
..
.
R0
R1
...
R,R1
c0
c1
...
cR
EJEMPLO
El metodo de Runge-Kutta de orden 4 que ya hemos descripto se puede
escribir en la forma:
2.5
2.5.1
1
2
1
2
1
2
1
2
1
6
2
6
2
6
1
6
Ejercicios
Ejercicio Preliminar
2.5. EJERCICIOS
17
X(j + 1)
y(j + 1)
y(j + 1
2.5.2
= x(j) + h
= y(j) + h(1 y 2 (j)) 2
1
= sen(x(j + 1))
Ejercicio N 1
y = (y sen2x) + 2cos2x
(2.32)
cuya soluci
on exacta es
y = sen2x + Kex
(2.33)
xn +
h
h
, yn + f (xN , yn )
2
2
(2.34)
yn+1 = yn +
h
[f (xn , yn ) + f (xn+1 , yn+1 )]
2
(2.35)
18
2.6
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
M
etodos de Runge-Kutta-Fehlberg
[28]
La idea esencial de estos metodos, analizada y desarrollada por E. Fehlberg
y otros autores, consiste en agregar a la f
ormula (2.31) otra similar
y(x0 + h) = y0 + h
R
c f + O(hp+1
),
(2.36)
=0
(2.37)
dar
a una estimacion aproximada del error local de truncamiento de la f
ormula
(2.31). Este dato permitir
a como veremos controlar el paso h de la integraci
on
numerica. A continuaci
on describiremos en detalle un ejemplo de este metodo
para los ordenes 7(8).
Las f
ormulas del metodo son:
f0
f
= f (x0 , y0 )
= f
x0 + h, y0 + h
1
(2.38)
(2.39)
=0
= y0 + h
10
c f + O h8
(2.40)
c f + O h9
(2.41)
=0
y = y0 + h
12
=0
TE =
41
(f0 + f10 f11 f12 )h.
840
(2.42)
T OL
TE
18
(2.43)
2.6. METODOS
DE RUNGE-KUTTA-FEHLBERG
19
2
27
2
27
1
9
1
36
1
12
1
6
1
24
1
8
5
12
5
12
25
16
25
16
1
2
1
20
1
4
1
5
5
6
25
108
125
108
65
27
125
54
1
6
31
100
61
225
29
13
900
2
3
53
6
704
45
107
9
67
90
1
3
91
108
23
108
976
135
311
54
19
60
17
6
1
12
2383
4100
341
164
496
1025
301
82
2133
4100
45
82
45
164
18
41
3
205
6
41
3
205
3
41
3
41
6
41
1777
4100
341
164
4496
1025
289
82
2193
4100
51
82
33
164
12
41
41
840
{0
34
105
9
35
9
35
9
280
9
280
41
840
{0
34
105
9
35
9
35
9
280
9
280
41
840
41
840
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
20
2.7
M
etodos de paso m
ultiple
(2.44)
Una soluci
on exacta de esta ecuacion satisface la identidad
x+k
y(x + k) y(x) =
f (t, y(t))dt
(2.45)
(2.46)
(2.47)
P (x) = fp + (x xp )
1 fp
q fp
+ + (x xp )(x xp1 ) . . . (x xpq+1 )
h
q!hq
(2.48)
P (x) =
q
m
= (1)
m=0
s
m
m fp ,
(2.49)
con
s=
x xp
h
(2.50)
2.7. METODOS
DE PASO MULTIPLE
21
s
. Obviamente este poliel coeciente binomial s(s1)...(sm+1)
m!
m
nomio de grado q representa la funci
on f (x, y(x)) con mayor exactitud en los
puntos x que en los intervalos intermedios. Si se substituye el polinomio en el
integrado de (2.45) se obtiene una relaci
on de la forma
y siendo
y(x + k) y(x) = h
q
m m fp ,
(2.51)
m=0
m = (1)m
1
h
x+k
s
m
dx,
(2.52)
y(x + k) y(x) = h
q
qr fpr ,
(2.53)
r=0
donde los coecientes qr se obtienen en base a las m mediante simples transformaciones algebraicas basadas en la f
ormula
fp =
m
n
r
(1)
r=0
s
m
fpr
(2.54)
Con q > 0 la f
ormula (2.53) dene un metodo de paso m
ultiple; estos metodos
se distinguen por la posici
on de los puntos x y x + k relativa a los puntos de
interpolaci
on x , como se observa en las formulas siguientes:
M
etodo de Adams-Bashforth
x = xp , . . . , x + k = xp+1
q
yp+1 yp = h
qr fpr ;
(2.55)
r=0
M
etodo de Adams-Moulton
x = xp1 , . . . x + k = xp
q
yp yp1 = h
qr fpr .
r=0
(2.56)
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
22
m = (1)
s
m
ds.
(2.57)
G(t) =
m tm ,
(2.58)
m=0
de donde resulta
G(t) =
1
(t)m
0 m=0
s
m
ds.
(2.59)
=
0
(1 t)s ds
t
.
(1 t) log(1 t)
1
1
1 + t + t2 + . . .
2
3
0 + 1 t + 2 t2 + . . . = 1 + t + t2 + . . . ,
(2.60)
m +
m2
m1
+
2
3
0
0
1 +
2
0
1
2 +
+
2
3
0
+ +
m+1
(2.61)
2.7. METODOS
DE PASO MULTIPLE
23
1
2
5
12
3
8
251
720
95
288
19087
60480
0r
21r
-1
122r
23
-16
243r
55
-59
37
-9
7204r
1901
-2774
2616
-1274
251
14405r
4277
-7923
9982
-7298
2877
-475
r
r
r +
r+1
r
r+1 + +
q
r
q
(2.62)
24
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
B(0, j) = 1
B(j, j) = 1
B(i, j) = 0, (i > j)
B(i, j) = B(i, j 1) + B(i 1, j 1), (i < j).
Estos elementos cumplen la igualdad
B(i, j)
j
i
(2.63)
yn = yn1 + h
q1
j j fn ,
(2.64)
j=0
1
2
1
12
1
24
19
720
3
160
863
60480
0r
21r
122r
-1
243r
19
-5
7204r
251
646
-264
106
-19
14405r
475
1427
-798
482
-173
25
27
2.8
(2.65)
x+k
(2.66)
x+k
26
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
q
m m fp ,
(2.68)
m=0
10
1
12
1
12
19
240
3
40
863
12096
(2.69)
1
indica una suma parcial de la serie arm
onica y 0 = 1.
donde hm = 1+ 12 + + m
De esta manera se obtienen los valores que se dan en la tabla correspondiente.
Este metodo es explcito y se aplica de manera similar al de Adams-Bashforth.
Para los casos particulares en que q = 0 o bien q = 1 el metodo se reduce a la
f
ormula sencilla
(2.70)
qr = (1)
r
r
r +
r+1
r
r+1 + +
q
r
q .
(2.71)
AL LIMITE
2.9. METODOS
DE EXTRAPOLACION
27
M
etodo de Cowell
En este metodo es x = xp1 , x + k = xp y q 2 y se obtiene la relacion
yp 2yp1 + yp2 = h2
q
m
m fp ,
(2.72)
m=0
-1
1
12
1
240
1
240
221
60480
2
2
2
hm+1 0 ,
h3 m2
= h2 m1
m
3
4
m+2
(2.73)
yp 2yp1 + yp2 =
1 2
h (fp + 10fp1 + fp2 ).
12
(2.74)
se obtienen aplicando la f
ormula, similar a (2.62),
cientes qr
qr
2.9
r
= (1)
r
r
+
r+1
r
r+1
+ +
q
r
.
(2.75)
M
etodos de extrapolaci
on al lmite
La idea fundamental de estos metodos fue instaurada por primera vez por
L.F.Richardson en 1927 y puede describirse de una manera algo m
as general
que la originial del siguiente modo. En la secci
on dedicada a los metodos de
paso simple denidos por la f
ormula
yn+1 = yn + h(xn , yn ),
(2.76)
28
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
en = hp e(xn ) + O(hp+1 ),
(2.77)
(2.78)
An
alogamente para la misma operacion realizada con el paso qh siendo q un
n
umero entero, tendremos
(2.79)
y(x) =
(2.80)
yn+1
yn+1
yn1
yn+1
(2.81)
AL LIMITE
2.9. METODOS
DE EXTRAPOLACION
z0
z1
zm+1
yn
29
= y(x)
= z0 + hf (x, z0 )
= zm1 + 2hf (x + mh, zm )
1
[zn + zn1 + hf (x + H, zn )]
=
2
(2.82)
(2.83)
donde m = 1, 2, . . . , n 1.
El valor de yn es aproximadamente el de y(x+H). En 1965 W.Gragg, en una
famosa tesis doctoral, en la Universidad de California (Los Angeles), demostr
o
que en un proceso de integraci
on como el indicado el error global despues de n
pasos obedece a la formula
yn y(x + H) =
i h2i ,
(2.84)
y(x + H) =
4y2n yn
+ O(h4 ),
3
(2.85)
(2.86)
(2.87)
Con estas secuencias se calculan N valores sucesivos del paso con los cuales se
obtienen otros tantos valores de la soluci
on que corresponden al punto x + H.
Luego se detemina por un proceso de interpolaci
on un polinomio de la forma
P (h) = C0 + C1 h + C2 h2 + + CN 1 hN 1 ,
(2.88)
30
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
2.10
Estimaci
on de errores globales
(2.89)
(2.90)
(2.91)
n y(xn )
= y
= (
yn yn ) + (yn y(xn )).
(2.92)
El primer parentesis del segundo miembro corresponde a los errores acumulados por los redondeos ocasionados porque el n
umero de cifras signicativas
con que se opera es nito y tambien por el posible c
alculo aproximado de las
funciones involucradas en el problema que no son enteras o fraccionarias (por
ejemplo, las funciones circulares o elpticas). El segundo parentesis corresponde
a los errores acumulados por truncamiento en la representacion de las
ecuaciones diferenciales por f
ormulas aproximadas en diferencias nitas.
En las aplicaciones cientcas y tecnicas corrientes se asume empricamente
que efectuar los calculos con un n
umero adecuado de cifras signicativas (por
ejemplo en doble precisi
on), es suciente para que los errores de redondeo propagados sean despreciables comparados con los de truncamiento. Sin embargo existen teoras que permiten obtener resultados justicables basados en la hip
otesis
DE ERRORES GLOBALES
2.10. ESTIMACION
31
de que los errores locales de redondeo obedecen a una ley determinada de distribuci
on probabilstica [38]; dichos resultados son adem
as corroborados en los
experimentos computacionales. Existe todava el problema abierto del comportamiento de los errores de redondeo cuando el intervalo cubierto por la integraci
on numerica es muy largo; tal cosa ocurre en el estudio de la evolucion
din
amica del sistma solar en que dicho intervalo se cuenta por millones de a
nos.
El an
alisis del comportamiento de los errores propagados de truncamiento
esta sustentado, a diferencia del de los errores de redondeo, por teoras completas
y profundas desarrolladas por numerosos autores desde hace mucho tiempo.
El objetivo fundamental aqu es obtener una buena estimaci
on de en y
dar un criterio que asegure la validez de dicha estimaci
on. Subrayamos aqu
la palabra estimaci
on porque no sera difcil obtener una acotaci
on superior
del valor absoluto de dichos errores; sin embargo, esas acotaciones suelen ser
demasiado altas y de poco valor en las aplicaciones.
Describiremos en lo que sigue dos metodos que permiten obtener tales estimaciones con justicaciones razonables. Para simplicar nuestra exposici
on nos
limitaremos al caso de un sistema de ecuaciones de primer orden
y = f(x, y)
y(x0 ) = y0 ,
(2.93)
(2.94)
yn+1 = yn + h(xn , yn ),
(2.95)
(2.96)
32
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
con h h0 .
Hip
otesis 2
on de vectores que satisface
Sea yn una sucesi
y0
yn+1
=
= yn + h[(xn , yn ; h) + hq Kn ],
(2.97)
(2.98)
eLx 1
L
(2.99)
(2.100)
(2.101)
DE ERRORES GLOBALES
2.10. ESTIMACION
33
problema vecino puede integrarse por el mismo proceso usado para el problema
original obteniendose una soluci
on numerica zn , cuyos errores globales valen
exactamente
wn = zn z(xn )
(2.102)
Si la soluci
on del problema vecino sigue a cada paso de cerca la solucion
numerica del problema original, se puede esperar que los errores globales en
ambos casos tengan un comportamiento muy similar, caso en el cual sera ilcito
on de en . Este es un razonamiento
adoptar wn como una buena aproximaci
heurstico pero daremos enseguida un criterio que permite asegurar la validez
de la aproximaci
on en = wn .
El problema vecino puede construirse de la siguiente manera, que no es
la u
nica. Despues de aplicar el proceso numerico de integracion por N pasos
de un sistema de M ecuaciones se obtienen las soluciones numericas yin (i =
1, 2, . . . , M ; n = 0, 1, 2, . . . , N ), que son las componentes de los vectores yn .
Es posible hallar un conjunto de funciones empricas Pi (x) que pueden ser polinomios u otras funciones simples ajustadas para interpolar los valores numericos
acil obtener las derivadas Pi (x) y se las puede considerar, junto a Pi (x),
yin .. Es f
como las componentes de los vectores de M dimensiones P(x) y P (x) respectivamente.
Ponemos ahora
z
F(x, z(x))
= P(x)
(2.103)
(2.104)
donde
D(x) = P (x) f(x, P(x)),
(2.105)
(2.106)
(2.107)
cuya soluci
on exacta es evidentemente (2.103). En consecuencia la formula
(2.102) para estimar los errores se transforma en
wn = zn P(xn ).
Condiciones de validez de la estimaci
on de los errores
(2.108)
34
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
dxp O(h ), ( 1)
(2.109)
(2.110)
o bien
Esta u
ltima condici
on es la mas facil de aplicar y signica que en todos los
pasos la funci
on D(x) coincida hasta el orden hp con el error de truncamiento
local hp (xn , yn ).
En el caso de que los errores globales se estimen correctamente, surge naturalmente la idea de corregir la soluci
on numerica sustrayendole el error estimado.
Este proceso ha recibido el nombre de Correcci
on por Defecto (o sea, en
ingles, Defect Correction).
Sobre este metodo se ha originado una profusa literatura que se puede consultar en R y tambien en [38].
2.11
35
2.12
Ecuaci
on rgida (sti equation)
[23]
Consideremos la ecuacion diferencial ordinaria:
y = (y(x) F (x)) + F (x)
(2.111)
(2.112)
(2.113)
donde, si la ecuaci
on general es
y = f (x, y)
(2.114)
yn = f (xn , yn ).
(2.115)
entonces
(2.116)
y su soluci
on debe tender asint
oticamente a cero. En la aplicacion numerica,
debe ser
yn + 1 = yn + h(yn ) = yn (1 h)
(2.117)
CAPITULO 2. METODOS
NUMERICOS
COMPUTACIONALES
36
(2.118)
(2.119)
o sea
(2.120)
(2.121)
o sea
Luego, el error local de truncamiento sera tanto menor cuanto mejor sea la
aproximaci
on
1 h
= eh
(2.122)
Si h > 2 resulta |yn+1 | > |yn |, es decir que los resultados numericos crecen
en valor absoluto en lugar de disminuir, y por lo tanto se alejan r
apidamente
de la soluci
on exacta. La situacion mejora si 0 < h < 2, pero es inestable
gracamente. 1
La situaci
on mejora usando el m
etodo de Euler implcito (backwards
Euler method), denido por la f
ormula
yn+1 = yn + hyn+1
= yn hyn+1
(2.123)
y(xn+1 ) = yn
1
1 + h
(2.124)
Captulo 3
Problemas Din
amicos
Directos e Inversos
3.1
Introducci
on
y = f (y, y,
t) + P (t)
En los problemas directos las funciones f y P son conocidas y se trata de
determinar y analizar las soluciones y(t). En los problemas inversos las funciones f son conocidas y las y(t) son datos y(tn ), con n = 1, 2, 3, . . . de valores
prejados o bien obtenidos por mediciones; en este caso se trata de determinar
on de magnitud
valores de P (tn ) considerada generalmente como una perturbaci
menor.
En los ejemplos que siguen se tratan en detalle ambos tipos de problemas.
3.2
Oscilador arm
onico perturbado
(3.1)
(3.2)
38
(3.3)
1. Soluciones peri
odicas
Se verica que, si se cumple la condici
on
T =
2n
m
wo
2m
=
osea ,
=
=q
wo
w
n
w
(3.4)
donde las curvas representativas son cerradas (ver Figuras 7.1 y 7.2).
2. Soluciones casi peri
odicas
En el caso de que la relacion entre wo y w sea un n
umero real, es decir no
representable por una relaci
on fraccionaria como m/n el movimiento pasa
a ser casi peri
odico. Nos proponemos determinar el casi peri
odico o
sea el tiempo necesario para pasar de una posici
on inicial (x, x)
a otra
en el entorno (x + dx, x + dx).
Ese tiempo depender
a de las magnitudes
(dx, x).
(ver Figura 7.2)
Ponemos en ese caso:
r
cos(w(t + ) + k2)
(3.5)
w2
rw
x + dx = [rwosen(wo(t + ) + k1) +
sen(w(t + )) + k2](3.6)
wo2 w2
x + dx
= r cos(wo(t + ) + k1) +
wo2
(3.7)
x = F sen(wo ) y x = Gsen(w )
2
2
donde F y G son funciones de argumentos trigonometricos de las formas
(3.8)
3.2. OSCILADOR ARMONICO
PERTURBADO
sen(wo(t +
)), sen(w(t + ))
2
2
39
(3.9)
y por tanto son funciones acotadas y para lo que sigue las reemplazaremos por
una cota superior M y poniendo dmin
resulta:
M < (dx, dx)
dmin
sen(wo ), sen(w ) <
M
M
M
(3.10)
que dene las condiciones que debe cumplir el intervalo para que se alcance
el entorno dmin.
Por simplicidad pondremos:
sen(2) <
dmin
M
(3.11)
donde sea un n
umero sucientemente peque
no.
Para que se cumpla esa condici
on demostraremos que bastara con que se
cumplan las desigualdades:
wo
w
(P
Q
) <
4
4
(3.12)
(3.13)
Pn
donde Q
es la reducida enesima del desarrollo.
n
Substituyendo el valor de por el cociente wo/w resulta
Pn
1
Qn
wo
w woQn
(3.14)
a
Se sabe que los n
umeros Qn tienden a con n y por tanto se encontrar
un n tal que
CAPITULO 3. PROBLEMAS DINAMICOS
DIRECTOS E INVERSOS
40
1
<( , )
woQn
wo w
(3.15)
wo w < ( wo , w )
(3.16)
=
4
2 wo w
(3.17)
P
Q
= 2
wo w
(3.18)
resulta nalmente:
que es el valor del casi perodo que asegura las condiciones (3.12) o bien (3.12).
Ejemplos
Caso peri
odico
Datos: wo = 3, w = 1, m = 3, n = 1
Perodo T =
2m
wo
2n
w
= 2
(Figura 7.1)
Caso casi peri
odico
Datos: wo = , w = 1 Fracci
on continua: P = 13, Q = 4,
P
wo < 0.11,
Q
P
wo Q = 0.13
3.3
P
endulo y giroscopo de Foucault
Estos dos instrumentos fueron utilizados en el siglo XIX por Lion Foucault para
probar experimentalmente la rotaci
on de la Tierra alrededor de su eje. [11]
3.3. PENDULO
Y GIROSCOPO DE FOUCAULT
3.3.1
41
Movimientos del P
endulo
y
x
= 2ysen
x, y = 2xsen
l
l
(3.19)
2
donde = 86400seg
es la velocidad angular de la rotaci
on terrestre, es la
latitud geogr
aca del lugar, g es la aceleracion geocentrica de la gravedad y l la
longitud (67 m) del pendulo.
Estas mismas ecuaciones estan demostradas en los tratados cl
asicos de la
Mecanica Racional en base a la teora din
amica de Lagrange.
Estas ecuaciones pueden integrarse analticamente por los metodos usuales
para sistemas de ecuaciones diferenciales ordinarias lineales. As , de una manera algo laboriosa, se puede demostrar que el movimiento de la proyecci
on del
pendulo sobre el plano horizontal queda denido por el par de ecuaciones.
x1 = r1 cos(
g
+ k1 ), y1 = r2 cos(
l
g
+ k2 )
l
(3.20)
42
que denen a cada instante una trayectoria elptica denida por la ecuaci
on
gy 2
x21
+ 2 12 = 1
2
1 l
Se nota que los semiejes de la elipse son y 1 a gl siendo el segundo muy
peque
no respecto al primero; se trata pues de una elipse muy alargada que puede
llegar a asimilarse a un segmento del eje x1 .
En conclusi
on el pendulo a partir de un cierto instante cualquiera recorre
aproximadamente y durantealgunas oscilaciones una elipse osculadora. Por otra
parte el desplazamiento giratorio de la elipse por hora en una latitud es igual
a 2sen()/24; por ejemplo para una latitud = /4 resulta aproximadamente
de 10 .
Otra observaci
on importante es la de que los resultados expuestos son te
oricos
en el sentido de haber reemplazado la esfera en que se mueve el pendulo por un
plano horizontal y por otra parte se ha ignorado de detalles de la materializaci
on
del experimento, por ejemplo la parte mec
anica de la uni
on material de la parte
superior del pendulo que se supone jo. Estos seran elementos que pueden
producir en la trayectoria pendular peque
nas perturbaciones que han sido en su
momento objeto de numerosos estudios por varios autores. Este mismo problema
se podra tratar de otra manera en base a una teora denominada El problema
inverso que describiremos y aplicaremos m
as adelante a problemas similares.
3.3.2
3.3.3
[15]
El Girocomp
as es un instrumento m
as sosticado donde el eje de simetra
del cuerpo rotante puede quedar limitado a moverse en un plano horizontal.
Debido a la rotaci
on de la Tierra el plano horizontal combia constantemente
de direccion en relaci
on a un sistema inercial de referencia; en consecuencia los
soportes del montaje reaccionan sobre el cuerpo rotante en la forma de un par
de fuerzas que originan un movimiento de precesi
on; mediante un contrapeso
43
3.4
El problema inverso
En relaci
on con los temas de la secciones subsiguientes conviene detenernos en
la descripci
on del metodo, desarrollado por el autor, para resolver el problema
siguiente.
Consideremos un sistema dinamico representado por una ecuaci
on diferencial
ordinaria de segundo orden de la forma
y = f (y, y,
t) + P (t)
(3.21)
j) +
y(tk ) = y(tj ) + (tk tj )y(t
[f (y, y,
u) + P (u)](tk u)du
(3.22)
(3.23)
= y(tj )
= y(t
j)
y (t)
(3.24)
de donde resulta
y j (tk ) = y j (tj ) + hy j (tj ) +
tk
f (y j , y j , u)(tk u)du
tj
(3.25)
44
y(tk ) y (tk ) =
j
tk
[f (y, y,
u) f (y j , y j , u) + P (u)](tk u)du
(3.26)
tj
y(tk )
y j (tk )
= yk
= yjk
Rjk = yk yjk
P (tj ) = Pj
(3.27)
(3.28)
tk
Rjk =
j (u)(tk u)du
(3.29)
tj
(3.30)
45
a = j1
1
[3j1 4j2 + j3 ]
b =
2h
1
c =
[j1 2j2 + j3 ]
2h2
(3.31)
(3.32)
(3.33)
jk = Rjk
R
h2
(3.34)
on (3.32) se
Obviamente fjk = 0 para j = k y en virtud de (3.28) la ecuaci
reduce a la forma
21 + 1 f23 1 f21 I = 1 P1 + 5 P2 1 P3
R
24
8
h2
8
12
24
(3.35)
j
j
j
j
=2
=1
=3
=2
k
k
k
k
=1
=2
=2
=3
(3.36)
46
1
1
5
1
R2 1 18 f21 + 24
f23 hI2
24
8
12
P1
7
1
1
1 2 7 f12 + 1 f13 I2
4
24
24
24
h
24
P2 =
(3.37)
1
7
1
R
3 2 + 1 f31 7 f32 I2
24
24 4
24
24
h
P3
5
1
1
1
1
I
24
R2 3 + f21 + f23 2
12
8
24
(3.38)
(3.39)
M+
0.9
= 1.5
2.1
3.7
0.5
1.3
1.3 2.1
0.5 1.5
3.7 0.9
(3.40)
y tenemos entonces
P = M +R
(3.41)
47
(3.42)
(3.43)
P2 =
1
[R21 + R32 + R12 + R23 6(f21 + f23 ) + 2(f12 + f32 ) (f31 + f13 )]
(3.44)
24
donde
Rjk =
12
(yk yjk )
h2
(3.45)
y
fjk = f (yk , tk ) f (yjk , tjk )
(3.46)
Ademas es posible probar que una cota superior del error en P2 debido a los
errores de medicion resulta ser
(2)
P2
|P2 | < + h2
h
6
(3.47)
48
3.4.1
(3.48)
donde es un par
ametro constante de peque
na magnitud y = 0 .
La solucion analtica del problema es
y(t) = y0 cos(w0 )t +
y0
sin(w0 t) + 2
sin(wt)
w0
w0 w2
(3.49)
y resulta
y(t)
= y0 w0 sin(w0 t) + y 0 cos(w0 t) +
w
cos(wt)
w2
w02
(3.50)
(3.51)
(3.52)
y n+1
sin(w0 t) , T = t tn+1
w0
(3.53)
y n
sin(w0 t) , T = t tn
w0
(3.54)
49
d(yest)/dt = ypest
d(ypest)/dt = yest + P est
(equivalente al sistema original 3.48) y que integramos en doble presici
on por
el metodo de Runge Kutta-Fehlberg de orden 8 para obtener las dos u
ltimas
columnas de la Tabla 1.
DATOS
t (n)
0.0
2.0
4.0
6.0
8.0
10.0
12.0
13.0
ymed (n)
1.00000
0.50440
-1.39832
0.68827
0.83377
-1.39589
0.30354
1.33049
ypmed (n)
1.00667
-1.32187
0.10038
1.2330
-1.13921
-0.29315
1.38685
0.49380
P (n) 100
0.000
0.841
0.909
0.141
-0.756
-0.958
-0.279
0.215
ESTIMACIONES
P (n)
0.000
0.840
0.910
0.1
-0.756
-0.96
-0.28
0.2
y (n)
1.00000
0.5044
-1.4
0.068827
0.843
-1.39589
0.3035
1.3305
3.4.2
Ejemplo 2 : Ecuaci
on de Van der Pol
(3.56)
donde es un par
ametro constante y la ecuacionpuede reemplazarse por el
sistema siguiente
y 1 = y2
y 2 = w02 y1 + (1 y12 )y2
(3.57)
yp (n)
1.00667
-1.3219
0.1004
1.2330
-1.1392
-0.293
1.313
1.313
50
(3.58)
Para obtener las estimaciones de P (t) hemos usado procedimientos enteramnete similares a los del ejemplo 1. Para simular las mediciones de y(n) y de yp(n)
hemos resuelto numericamente con alta presicion el sistema 3.57 sumandole errores de medicion al azar como en el ejemplo 1. Para este ejemplo adoptamos
los par
ametros
w0 = 1.0 , = 0.1 , h = 0.25 , y0 = 1.0 , y 0 = 0.0 , = 105
(3.59)
ymed (n)
1.00001
-0.47421
-0.72749
1.19382
-0.21938
-1.12833
1.25439
1.31833
ypmed (n)
0.00003
-0.99432
0.85618
0.33547
-1.30286
0.74653
0.77385
0.63630
P (n) 100
0.000
-0.770
0.403
-0.143
-0.124
-0.020
-0.444
0.470
ESTIMACIONES
P (n)
0.800
-0.77
0.40
-0.14
-0.124
-0.020
-0.44
0.47
y (n)
1.00001
0.474
-0.7275
1.1938
-0.2194
-1.128
1.254
1.318
3.5
Experimentos num
ericos
yp (n)
0.00003
0.9943
0.8562
0.3355
-1.3029
0.7465
0.774
0.6363
3.5. EXPERIMENTOS NUMERICOS
51
3.5.1
Movimientos planetarios
1. Descubrimiento de Neptuno
En el siglo XIX se observaron algunas irregularidades en el movimiento del
planeta Urano con respecto a las predicciones calculadas en base a la ley de
gravitaci
on. Dichas irregularidades tenan una magnitud mayor que los posibles
errores de medicion de donde surgi
o la hip
otesis de la existencia de un planeta
hasta entonces desconocido cuyas atracciones gravitatorias podran explicar las
irregularidades observadas en Urano.
Dos astronomos, J.C. Adams en Inglaterra y U.J.J. Le Verrir en Francia,
trabajando independientemente, condujeron sus investigaciones, basadas estrictamente en la ley gravitatoria. En ambos casos el metodo consistio en establecer,
por intuici
on, una orbita del planeta desconocido que luego fueron ajustando
hasta reducir a un mnimo la magnitud de las irregularidades observadas en el
movimiento de Urano. Finalmente el planeta Neptuno fue encontrado, con error
de aproximadamente 1 grado sexagesimal con respecto a una posicion predicha
por Le Verrier en el a
no 1864.
Este descubrimiento fue considerado uno de los hitos m
as importantes en la
historia de la Mec
anica Celeste.
Aspectos fundamentales de los procedimiendos de Le Verrier se encuentran
detallados en la cl
asica obra de F. Tisserand Traite de Mecanique Celeste, vol.
1, ch. XXIII.
Sin embargo, un siglo despues, con calculos y metodos mas precisos de observacion, se ha podido demostrar que las orbitas y masas atribuidas a Neptuno
por Adams y Le Verrier eran solo parcialmente correctas. De hecho, debido
a uina combinaci
on afortunada de las condiciones din
amicas y geometricas en
aquel momento, el efecto de los errores en la orbita y en la masa de Neptuno
adoptadas por Le Verrier fue considerablemente reducido en la posici
on calculada que condujo al descubrimiento. [9]
Sigue ahora el proceso de simulaci
on matematica del descubrimiento de
Neptuno como ejemplos del metodo del Problema Inverso que hemos desarrollado.
En este experimento introducimos la simplicaci
on de considerar la interaccion gravitatoria entre Urano y Neptuno omitiendo la presencia de los dem
as
planetas del sistema solar, como lo hicieron Adams y Le Verrier; esto marca una
diferencia con el caso real que escencialmente no es signicativa. Las ecuaciones
del movimiento de Urano son entonces
y1
+ Py(1.2)
r13
0 ) = y 10
y1 (t0 ) = y10 , y(t
y1 = k 2 (1 + m1 )
(3.60)
52
donde esta ecuacion responde a la forma general (3.21) de la teora del problema inverso. En ella k 2 es la constante de gravitacion. Debe entenderse que
el smbolo y es un vector de componentes cartesianas x, y, z. Los ndices 1 y 2
corresponden a los planetas Urano y Neptuno respectivamente.
La inc
ognita del problema es la perturbaci
on de Neptuno sobre Urano que,
teoricamente, tiene la forma
Py(1.2) = k 2 m2 (
y2
y1 y2
+ 3)
31,2
r2
(3.61)
con
21,2
r22
x22
y22
(3.62)
z22
(3.63)
3.5. EXPERIMENTOS NUMERICOS
53
tan =
; tan =
2
( + 2 )
(3.64)
ERROR =
((cos.)2 + ()2 )
(3.65)
54
0 0
0 5
1 0
0.50
0 82
0 87
0 91
1.00
Errores
0 34
0 40
0 45
2.00
0 32
0 31
0 30
Pert. simuladas
4.9 x 1011
7.6 x 1011
10.6 x 1011
12.0 x 1011
10.8 x 1011
8.1 x 1011
Pert. estimadas
5.3 x 1011
7.4 x 1011
9.7 x 1011
10.9 x 1011
10.0 x 1011
8.0 x 1011
Errores
4 18
2 72
1 20
0 31
0 28
0 32
3.5.2
Otras aplicaciones
y = f (y, y,
t) + P (t)
(3.66)
donde la funci
on perturbadora tiene la forma
P (t) = (1 y 2 )y
(3.67)
0 ) = y 0 .
y las condiciones iniciales son y(t0 ) = y0 , y(t
La propiedad fundamental es que dependiendo de P (t) y de las condiciones
iniciales la soluci
on tiende a un ciclo lmite peri
odico. Las aplicaciones
importantes son las de regular matematicamente el funcionamiento de
sistemas electricos o dinamicos (ver g.2).
En [10] se resuelve el problema de simular matematicamente el problema
para en base a un ciclo lmite prejado determinar numericamente la
funci
on perturbadora y las posiciones y velocidades resultantes.
[8] son varias las perturba2. En el funcionamiento de un GIROCOMPAS
ciones que afectan a su funcionamiento. En el presente caso [11] hemos
hecho un detallado estudio de las perturbaciones m
as importantes que son
debidas a la posible asimetra de la masa giratoria y la posible exibilidad
o falta de rigidez del eje giratorio.
3.5. EXPERIMENTOS NUMERICOS
55
3. En el caso del movimiento geocentrico de los satelites articiales esta aplicacion [13] consiste en determinar las perturbaciones ocasionadas por el
frenado atmosferico y a la forma asimetrica (no esferica) del geoide terrestre.
56
Captulo 4
El Problema Inverso
4.1
4.1.1
(4.1)
4.1.2
(4.2)
Teora y Ejemplos
(4.3)
adoptando para ambas ecuaciones (4.1) y (4.3) las mismas condiciones iniciales
en el punto tj
y(tj ) = y (j) (tj ) = yj .
57
(4.4)
58
Aplicando en (4.1) la f
ormula de Taylor con solo un termino mas el resto en
forma integral resulta
ti
y(ti ) = y(ti1 ) +
(4.5)
ti1
(4.6)
ti
Ji (g(u)) =
g(u)du
(4.7)
ti1
on del problema
En lo que sigue denotaremos con yi,i1 el valor de la soluci
on inicial tiene el valor medido yi1 en la forma
en ti cuando la condici
yi,i1 = yi1 + Ji (f (u, y i1 (u))).
(4.8)
(4.9)
(4.10)
donde
Asumiremos que todos los puntos ti son equidistantes con paso h. Esta condici
on
no es estrictamente necesaria pero simplicara las explicaciones. Las integrales
Ji (g(u)) se pueden aproximar por sumatorias directas como
Ji (g(u)) = h(
Ak gk + T )
(4.11)
(4.12)
(4.13)
Rij = (
yi yij )/h
(4.14)
Denimos tambien
y
Fi =
Ak fk,i1 .
(4.15)
Ak Pk = Ri,i.1 Fi +
(4.16)
con
= (yi yi,i1 )/h T
Ak fk
(4.17)
Ak Pk = Ri,i1 Fi
(4.18)
Ak Pk =
(4.19)
no n
umero
Para determinar los valores de Pk podemos seleccionar un peque
umero
de instantes t1 , . . . , tn (digamos n = 3 o bien n = 5) y establecer un n
N > n de ecuaciones como (4.18) correspondientes a diferentes instantes tk y
usando diversas f
ormulas como (4.11). De ese modo se puede establecer una
variedad de esquemas basados en sistemas de ecuaciones lineales no singulares
o no mal condicionadas y que tiendan a disminuir y a
un eliminar los efectos de
errores de aproximaci
on.
En el caso presente hemos usado para la integracion numerica de ecuaciones
diferenciales ordinarias de primer orden conocidas f
ormulas del tipo AdamsMoulton como:
60
F
omula de orden 2 (Regla Trapezoidal):
Ji (g(t)) = h(gk + gk1 )/2; (i = k)
(4.20)
F
ormula de orden 3:
Ji (g(t)) = h(5gk + 8gk1 gk2 )/12; (i = k)
(4.21)
ormula (4.21)
Consideremos tres puntos sucesivos t1 , t2 , t3 : aplicando la f
para i = 3 y teniendo en cuenta la ecuaci
on diferencial propuesta se obtiene
(P1 + 8P2 + 5P3 )/12 = R32 + (f12 5f32 )/12
(4.22)
(4.23)
donde
1 8
0 6
M = (1/12)
5 8
6
6
5
6
1
0
(4.24)
(4.25)
R23 + f23 /2
D=
R12 (f32 5f12 )/12
R21 f21 /2
(4.26)
(4.27)
/2-h
/2
/2+h
exact
0.009957
0.010158
0.010364
h = 2.0
Perturbations
estimated ( = 0)
0.009955
0.010159
0.010362
estimated ( = 105 )
0.009943
0.010131
0.010319
Tabla 4.1: The inverse problem for the equation y (t) = cost + K(y(t) sint).
donde M + = (M T M )1 M T es la inversa generalizada de M (con M T es la
matriz transpuesta de M) que para este caso resulta ser numericamente
M+
(4.28)
62
K = 0,01
t
k
1
2
3
/2-h
/2
/2+h
exact
-0.00801
-0.01000
-0.01199
h = 0.2
Perturbations
estimated ( = 0)
-0.00776
-0.01010
-0.01137
estimated ( = 105 )
-0.00750
-0.01090
-0.01170
Tabla 4.2: The inverse problem for y (t) = y(t)/sint + K(cost 1).
La ecuacion diferencial es
y (t) = y(t)/ sin t + K[cos(t) 1]
cuya soluci
on general es
y(t) = C tan(t/2) + K sin t.
Ademas, el valor exacto de la perturbaci
on es P (t) = k(cos(t) 1).
Aqu tomamos el valor de la constante c = 1. La ecuacion diferencial tiene
singularidades en los puntos t = 0 o bien t = . Entre dichos lmites la correspondiente constante de Lipschitz puede alcanzar valores altos y provocar resultados erroneos en las aproximaciones numericas, lo que requiere la utilizaci
on
de valores peque
nos del paso h. En los c
alculos usamos esquemas similares a los
del Ejemplo 1.
4.1.3
Ecuaciones:
dy(x)1
= 2ex (cosx + senx)
dx
dy(x)2
= 2ex (cosx senx)
dx
Soluciones:
y(x)1 = 2ex cosx
y(x)2 = 2ex senx
Datos para iniciar el programa: htotarc = .2617993877991494radianes =
longituddelpaso htotarcgrad = 15grados
H
H/2
H/4
H/8
H/16
H/32
H/64
H/128
H/256
H/512
z (in, 1)
-1.491417051182184
-1.488016330866393
-1.487163789062534
-1.4869505063686
-1.486897176498158
-1.486883843455826
-1.486880510159325
-1.486879676832955
-1.486879468501221
-1.48687941641828
z(in, 2)
.398499721996547
.398499721996547
.398499721996547
.398499721996547
.398499721996547
.398499721996547
.398499721996547
.398499721996547
.398499721996547
.398499721996547
B: METODO
INTERPOLATORIO DE AITKEN para las variables z(in, 1)
y z(in, 2). Por ese metodo se pueden obtener dos ecpresiones polin
omicas de la
forma
donde los coecientes C1 (j) y C2 (j) con j = 1, 2, ..., 9 son constantes que interpolan respectivamente los resultados de A.
AL LIMITE h = 0 variable(1) = C1 (0) = 1.486879399057303
C: EXTRAPOLACION
, error = .666D 15 variable(2) = C2 (0) = .398408134219879 , error =
.483D 14
64
4.2
Conclusiones
Captulo 5
M
etodos de Euler y
Lagrange
Estos metodos equivalen esencialmente a las leyes de Newton y tienen mayores
aplicaciones en campos avanzados de los Sistemas Dinamicos.
Este captulo contiene deniciones y conceptos fundamentales y ejemplos
ilustrativos.
5.1
= xv (q1 , q2 , . . . , qn , t)
zv
= zv (q1 , q2 , . . . , qn , t)
= yv (q1 , q2 , . . . , qn , t)
(5.1)
= rv (q1 , q2 , . . . , qn , t)
65
(5.2)
CAPITULO 5. METODOS
DE EULER Y LAGRANGE
66
5.2
5.2.1
Caract
eres de los sistemas din
amicos
Sistemas Holonomicos y No Holonomicos
f (r1 , r2 , . . . , N ) = 0
(5.3)
(5.4)
(5.5)
en cuya situaci
on la partcula puede caer por accion gravitatoria y no cumplir
la condici
on (5.4).
1. Un sistema din
amico se titula Reon
omico cuando las condiciones (5.1) y
(5.2) dependen explcitamente del tiempo t y Escleron
omico en el caso
contrario.
2. Un sistema es Conservativo si las fuerzas aplicadas Fv a las partculas
on potencial V (o energa potencial)
de masa mv se derivan de una funci
y No Conservativo en el caso contrario.
3. Energa cinetica total de un sistema
1
mv rv2
2 v=1
N
T =
(5.6)
5.2. CARACTERES
DE LOS SISTEMAS DINAMICOS
67
dW =
N
dq
(5.7)
rv
q
(5.8)
=1
donde
N
v=1
5.2.2
Fv .
5.2.3
Espacios de Riemann
Los espacios en que se da una ley para medir la distancia entre dos puntos de
on, la longitud de una curva
coordenadas xi , xi + dxi y por tanto, por integraci
cualquiera, se llaman espacios metricos. La expresion para esta distancia puede
ser muy general, pero el caso mas estudiado y m
as importante en las aplicaciones
es el que supone que la distancia elemental ds entre dichos puntos est
a dada a
por una expresi
on de la forma
ds2 = gij dxi dxj
(5.9)
68
CAPITULO 5. METODOS
DE EULER Y LAGRANGE
donde las gij son funciones de las coordenadas xi que se supone admiten derivadas
parciales contnuas hasta cierto orden llamado clase del espacio (en general igual
o mayor que 4)
Def 1: Los espacios metricos en los cuales la distancia elemental se dene por
una expresi
on de la forma (2.111) con el determinante |gij | de los coecientes
distintos de cero se llaman espacios de Riemann
A veces se exige la condicion de que la dsitancia entre dos puntos reales
sea siempre real, es decir, que la forma cuadratica gij dxi dxj sea siempre positiva. Sin embargo, en las aplicaciones de la teora de la relatividad general esta
condici
on no se cumple; y como, por otra parte, la diferencia entra ambos casos
aparece u
nicamente en algunos detalles secundarios, en todo lo que digamos a
continuaci
on se puede prescindir de esa condici
on.
El plano y el espacio ordinarios , con las metricas usuales ds2 = dx21 + dx22
y ds2 = dx21 + dx22 + dx23 son los ejemplos mas simples de espacios de Riemann
de 2 y 3 dimensiones respectivamente.
5.2.4
Curvas extremales
xi = xi (t)
(i = 1, 2, 3 . . . , n)
(5.10)
las ecuaciones parametricas de una curva que los une. Supongamos que a t = t0
corresponde el punto A y a t = t1 el punto B.
on de las variables xi y de sus derivadas xi = dxi /dt.
Sea F (xi , xi ) una funci
Consideremos la integral
t1
I=
(5.11)
t0
(i = 1, 2, . . . , n)
(5.12)
donde es una constante y las hi son funciones cualesquiera (derivables) con las
condiciones
hi (t0 ) = hi (t1 ) = 0
(5.13)
5.3. METODOS
DE LAGRANGE
t1
I1 =
69
(5.14)
t0
t1
I1 = I +
t0
F
F
hi + hi dt + 2 (. . . )
xi
xi
(5.15)
t1
t0
F
h dt =
xi i
t1
hi
t0
d
dt
F
xi
dt
(5.16)
con lo cual el termino del desarrollo (5.15) que contiene a la primera potencia
y que se representa por I se puede escribir
t1
I =
t0
F
d
xi
dt
F
xi
hi dt
(5.17)
xi
dt
F
xi
=0
(i = 1, 2, . . . , n))
(5.18)
5.3
[11]
M
etodos de Lagrange
CAPITULO 5. METODOS
DE EULER Y LAGRANGE
70
d
dt
T
qj
T
= Qj
qj
(5.19)
que son v
alidas solo cuando el sistema din
amnico es holonomico. Este sistema
suele denominarse con el nombre de ecuaciones de Lagrange pero es mas com
un
para designar casos en que el sistema es conservativo, es decir cuando las fuerzas
on e independiente
dependen de una funci
on potencial V (r1 , r2 , ..., rn ) de posici
del tiempo t y se expresan por la ecuacion en derivadas parciales de q1
Fi = i V
(5.20)
Qj =
Fi
ri
ri
=
i V
qj
q
j
i
(5.21)
o sea
Qj =
V
qj
(5.22)
T
qj
(T V )
=0
qj
(5.23)
Siendo la funci
on potencial de posici
on e independiente de las velocidades
puede incluirse un termino adicional en el primer termino de (5.24)
d
dt
(T V )
qj
(T V )
qj
(5.24)
(5.25)
L
qj
L
=0
qj
(5.26)
5.3. METODOS
DE LAGRANGE
5.3.1
71
Ejemplo
T =
1
1
2 = 1 ml2 2
mv 2 = m(l)
2
2
2
(5.27)
V = mg(OA OC)
= mg(l lcos)
= mgl(1 cos)
(5.28)
As la lagrangiana es
L=T V =
1 2 2
ml mgl(1 cos)
2
(5.29)
2. La ecuacion de Lagrange es
d
dt
L
=0
(5.30)
de (5.29)
L
L
= mglsen ,
= ml2
(5.31)
(5.32)
CAPITULO 5. METODOS
DE EULER Y LAGRANGE
72
5.4
Este problema consiste en encontrar la curva entre dos puntos sobre la cual una
particula de masa m cae a partir del reposo por accion gravitatoria desde el
punto O = (0, 0) mas alto a otro A = (x0 , y0 ) mas bajo en tiempo mnimo
Si v es la velocidad a lo largo de la curva entonces para el tiempo necesario
para recorrer una parte ds de la mimsa el problema consiste en minimizar la
integral
t=
0
ds
=
v
dt
(5.33)
y0
1 + (y )2
dx
(5.34)
Poniendo
F =
1 + (y )2 /y
(5.35)
la condici
on de que t sea un tiempo extremal mnimo es que F verique la
ecuacion de Euler
F
d F
( )
=0
dx y
y
(5.36)
F
1
F
= (1 + y 2 )1/2 y 3/2
= (1 + y 2 )1/2 y y 1/2 ,
y
y
2
(5.37)
(5.38)
73
du dy
du
du
du
=
=
y =u
dx
dy dx
dy
dy
2udu
du
dy
=0o
=0
+
2
dy
1+u
y
Integrando obtenemos
ln(1 + u2 ) + ln(y) = ln(b) o (1 + u2 )y = b
donde b es una constante. Entonces
dy
=
u=y =
dx
by
y
by
dy + c
y
bsen2
2bsencosd + c
bcos2
1
2b sen2 d + c = b (1 cos2 d) + c = b(2 sen2) + c
2
x=
1
1
b(2 sen2) + c , y = bsen2 = b(1 cos2)
2
2
= 2 , a =
1
b
2
CAPITULO 5. METODOS
DE EULER Y LAGRANGE
74
(5.39)
5.5
Denici
on del Principio de Hamilton
[39]
La formulaci
on elemental de las leyes mecanicas de Newton involucra el concepto esencial de Fuerza. El principio de Fuerza de Hamilton invoca en cambio
el concepto de Energa aunque resulta equivalente al de fuerza, pero en casos
mas complicados en las aplicaciones puede resultar ventajoso. El principio de
Hamilton asume conocimiento de la Energa Cinetica T del sistema mecanico
como funci
on de las coordenadas y posiblemente del tiempo. De la forma funcional de ellas el principio permite la deducci
on de las coordenadas en funci
on
del tiempo.
El principio postula que la integral
t2
(T V )dt
(5.40)
t1
T =
1
m(x2t + yt2 + zt2 )
2
(5.41)
y
V = V (x, y, z)
(5.42)
de manera que
L=
1
m(x2t + yt2 + zt2 ) V
2
(5.43)
En este caso, de acuerdo a las leyes de Newton, las formulas del movimiento
son
d
d
V
V
V
d
(mxt ) =
,
(myt ) =
,
(mzt ) =
dt
x dt
y
dt
z
75
(5.44)
La aplicaci
on del principio de Hamilton es ventajosa por ejemplo en el caso
de una partcula moviendose en un campo de fuerzas centrales. En ese caso las
leyes de Newton requieren la transformaci
on de las coordenadas de las fuerzas
a nuevas coordenadas. En cambio en este caso usando coordenadas polares
tenemos
T =
m 2
(r + r2 2t ) , V = V (r)
2 t
(5.45)
(5.46)
d
(mr2 t ) = 0
dt
(5.47)
t2
(5.48)
t1
=
, i = 1, 2, . . . , n
qi
dt qi
qi
(5.49)
(5.50)
76
CAPITULO 5. METODOS
DE EULER Y LAGRANGE
q
d2 q
=0
+
2
dt
C
(5.51)
Ia = f (Us )
(5.52)
donde la funci
on f se denomina la caracterstica del triodo que se representa en
la gura (7.7). Adem
as, por hip
otesis,
lim
Us
f (Us ) = 0 ,
lim
Us +
f (Us ) = IN
(5.53)
77
LJ + RJ + J/C = (1/C)f (M J)
(5.54)
De un extensivo an
alisis se deduce que las posibles soluciones constituyen un
Ciclo Lmite compuesto por una solucion peri
odica estable y otras soluciones
que tienden todas innitamente a la tangencia con la soluci
on peri
odica.
An
alogos resultados que se generan a partir de las soluciones de la ecuacion
de Van Der Pol de que se trata en el captulo sobre problemas cclicos libres.
5.6
(5.55)
5.6.1
La curva cerrada K separa al plano en dos dominios, uno interior y otro exterior,
y las trayectorias distintas que no sean K seran interiores o exteriores; si en
ambos casos tienden asintoticamente a K el ciclo lmite se considera estable. Si
las trayectorias exteriores divergen de K el ciclo lmite es inestable. [46]
5.6.2
Teorema 2: Poincar
e (1882), Bendixson(1901)
Cada soluci
on aproximada de un sistema bidimensional como (5.55) debe alternativamente
CAPITULO 5. METODOS
DE EULER Y LAGRANGE
78
1. tender asint
oticamente a un punto crtico donde f1 = f2 = 0, o bien
2. ser peri
odica, o bien
[47] [48]
Captulo 6
Precisi
on y estabilidad
6.1
Sobre integraci
on num
erica de ecuaciones
diferenciales ordinarias.
En una publicaci
on anterior (Proceedings of the Symposium N 25 of the Inernacional Astronomical Union, Sal
onica, 1966) el autor present
o un metodo para
la determinaci
on de errores propagados en los procesos de integraci
on numerica
de sistemas de ecuaciones diferenciales ordinarias. Dicho metodo se basa en la
teora asint
otica de la propagaci
on de errores (es decir cuando el paso de integraci
on tiende a cero). EN el presente trabajo se puntualizan las dicultades
que puede presentar la aplicaci
on de este metodo especialmente en relacion a los
fen
omenos de inestabilidad inherente de las ecuaciones. Se describen algunos
ejemplos concretos detallando especialmente las tecnicas de aproximaci
on de
funciones usadas y de la programaci
on para su ejecuci
on en computadora.
79
Y ESTABILIDAD
CAPITULO 6. PRECISION
80
6.1.1
Introducci
on
Todo sistema de ecuaciones diferenciales ordinarias, de orden N y con condiciones iniciales dadas en un punto t = a puede reducirse a la forma general
x
x(a)
= f (t, x)
= x0
(6.1)
j xn+j = h
t=0
k
j f (tn+j , xn+j )
(6.2)
j=0
(6.3)
(6.4)
La primera diferencia es el error acumulado de truncamiento que indicaremos con Tn y la segunda diferencia es el error acumulado de redondeo que
indicaremos con Rn
Una vez realizada la integraci
on numerica del sistema (2.111) por el metodo
(6.2) se puede determinar un vector P (t) de funciones empricas P1 (t), P2 (t), . . . , Pn (t)
que pueden ser, por ejemplo, polinomios u otras funciones simples ajustadas en
modo de representar del mejor modo posible las respectivas componentes de x
n .
Ahora se puede establecer un nuevo sistema de ecuaciones, que hemos denominado el Problema Vecino de la forma siguente.
z
z(a)
(6.5)
Evidentemente la soluci
on de este problema es el vector z = P (t). Si integramos numericamente el sistema (6.5) por el mismo metodo (6.2) obtendremos
de nuevo vectores de n
umeros zn y el error acumulado despues de n pasos sera,
exactamente,
NUMERICA
(6.6)
#
= O(h2 )
(6.7)
(p+1)
T (t) = C
d(p+1) x
dt(p+1)
(6.8)
(6.9)
(6.10)
Y ESTABILIDAD
CAPITULO 6. PRECISION
82
[m(tn ) + Ohlogh]
E {Rn } =
Kh
(6.11)
6.1.2
Ejemplos
6.1.3
= x2 x3 , x1 (0) = 0
x3
= x1 x3 , x2 (0) = 1
1
= x1 x2 , x3 (0) = 1
2
x2
NUMERICA
x1 = sn(t, k)
x2 = cn(t, k)
x3 = dn(t, k)
para el m
odulo k igual a 12 . Estas funciones se encuentran tabuladas en numerosas publicaciones o bien pueden calcularse mediante series con toda la exactitud que se desee. [44],[45]
Para la integraci
on numerica del problema hemos utilizado en este caso el
metodo de Runge-Kutta, cuyo error de truncamiento local es T = O(hs ), realizando los c
alculos con 16 cifras signicativas. Substrayendo los resultados
numericos de los valores correspondientes calculados por series representati(0)
vas de las funciones elpticas obtuvimos los errores reales acumulados (E1 )n ,
(0)
(0)
(E2 )n , (E3 )n .
Para aplicar nuestro metodo de estimacion de errores usamos primero la
f
ormula de interpolaci
on de Bessel para hallar tres polinomios P1 (t), P2 (t) y
1 , x
2 y x
3 respectivaP3 (t) de 14 que representaban los resultados numericos x
mente en 15 puntos equidistantes en el intervalo total de integraci
on que fue de
NUMERO pasos. Con dichos polinomios formamos el Problema Vecino
z1
z2
z3
Aplicando de nuevo el metodo de Runge-Kutta integramos este sistema obteniendo resultados numericos z1 , z2 y z3 obteniendose entonces como estimacion
de los errores acumulados en el problema original las diferencias
(0)
(1)
zi )n
= (Ei )n = Pi (tn ) (
i
= 1, 2, 3
(Ei )n
Y ESTABILIDAD
CAPITULO 6. PRECISION
84
N de Pasos
18
45
84
dn(t,k)
error est.
error real
.585x1010
.586
.425x1010
.428
+.5383x109
+.5379
cn (t,k)
error est.
error real
.2969x109
.2963
.1125x108
.1126
.1861x108
.1862
sn(t,k)
error est.
error real
+.949x109
+.950
+.1125x108
+.1126
+.1940x109
+.1948
6.1.4
NUMERICA
86
Y ESTABILIDAD
CAPITULO 6. PRECISION
6.1.5
NUMERICA
N de Pasos
Tiempo
20
1.00
60
3.00
99
4.95
124
5.20
139
5.35
154
5.50
x1 (p)
error est.
error real
+.2740x107
+.2742
.93x108
.92
+.147x106
+.146
+.9x109
+.4
+.1x105
+.2
+.7x103
+.3
x2 (q)
error est.
error real
+.1803x107
+.1805
.87x108
.86
+.231x106
+.230
+.8x108
+.6
+.100x104
+.004
+.15x102
+.02
x3 (p)
error est.
error real
+.486x107
+.488
+.919x108
+.922
+.797x106
+.795
+.1x107
+.2
+.3x104
+.9
+.23x102
+.08
x4 (q)
error est.
error real
.288x107
.287
+.50x108
+.48
.1036x105
.1035
.07x106
.14
+.169x104
+.004
+.17x101
+.03
Y ESTABILIDAD
CAPITULO 6. PRECISION
88
El proceso de integraci
on numerica es altamente inestable porque despues
que empiezan a acumularse los primieros errores de los resultados numericos ya
no corresponden a la soluci
on particular y los terminos exponenciales crecientes
de la soluci
on general comienzan a afectar dr
asticamente los resultados.
El proceso numerico se efectuo sobre el sistema equivalente
x1 = x2
x2 = x3
x3 = x4
x4 = 4x1
con las condiciones iniciales
x1 (0) = 0 , x2 (0) = 1 , x3 (0) = 2 , x4 (0) = 2
estando relacionadas las nuevas variables a las anteriores por las expresiones
x1 =
x2 =
1
y , x3 = x
2
1
y , x4 = x
2
Para la integraci
on numerica hemos usado tres metodos diferentes para comparar su ecacia y tambien para comprobar la inuencia relativa de los errores
de truncamiento y redondeo.
M
etodo I : Series de Taylor (metodo de Steensen) con 12 terminos (T =
O(h12 )) operando con 8 cifras signicativas (R = O(108 )).
M
etodo II : Runge-Kutta (T = O(h5 )) operando con 9 cifras signicativas
(R = O(109 )).
M
etodo III : Series de Taylor (metodo de Steensen) con 8 terminos (T =
O(h8 )) operando con 16 cifras signicativas (R = O(1016 )).
Como funciones de interpolaci
on usamos en todos los casos polinomios de
colocacion o sea polinomios que representan exactamente los resultados de la
integraci
on numerica en varios puntos consecutivos. En nuestro caso usamos
polinomios de 5 grado que representaban grupos de 6 puntos consecutivos; los
coecientes de dichos polinomios los calculamos por un procedimiento especial
basado en la f
ormula de Newton de diferencias divididas.
En la Tabla III resumimos nuestros resultados, que revelan en primer lugar
que la soluci
on numerica de este problema esta afectada principalmente por la
acumulaci
on de errores de redondeo. En efecto, los resultados obtenidos con
el Metodo II, que tiene un error de truncamiento mucho m
as grande que el del
Metodo I pero que fue aplicado con una cifra signicativa m
as, son considerablemente mejores. A
un mejores son los resultados del Metodo III donde el error
NUMERICA
Y ESTABILIDAD
CAPITULO 6. PRECISION
90
N de Pasos
Tiempo
Metodo
80
4.0
II
III
200
10.0
II
III
320
16.0
III
360
18.0
III
x1 (y/2)
error est.
error real
+.10x103
+.13
.33x107
.89
+.33x1013
+.39
+.41x101
+.55
.28x104
.44
+.13x1010
+.23
+.49x108
+.82
+.08x108
+.33
x2 (y /2)
error est.
error real
+.09x103
+.11
+.85x107
.29
+.29x1013
+.52
+.48x101
+.60
+.21x104
.22
+.15x1010
+.27
+.07x107
+.12
.39x107
.65
x3 (x)
error est.
error real
.23x104
.48
+.31x106
+.31
.08x1013
+.24
+.14x101
+.11
+.98x104
+.44
+.43x1011
+.89
+.47x108
+.84
.08x106
.14
x4 (x )
error est.
error real
.23x103
.32
+.26x106
+.30
.07x1012
.19
+.68x101
.98
+.18x103
+.13
.23x1011
.45
.50x108
.79
.08x106
.14
INT. JACOBI
.69x104
.37x104
Tabla 6.3: Ecuaciones linealizadas del problema restringido de los tres cuerpos.
Errores acumulados estimados y reales.
Captulo 7
Figuras
91
CAPITULO 7. FIGURAS
92
Figura 7.1: A
93
Figura 7.2: B
Figura 7.3: C
CAPITULO 7. FIGURAS
94
Figura 7.4: D
Figura 7.5: E
95
Figura 7.6: F
Figura 7.7: G
96
CAPITULO 7. FIGURAS
Bibliography
[1] Henrici. Discrete Variable Methods in Ordinary Dierential Equations.
Wiley, London, 1962.
[2] Henrici,P. Error Propagation for Dierence Methods, Wiley, London,
1963.
[3] Zadunaisky,P.E. A Method for the Estimacion of Errors Propagated en
the Numerical Solution of a System of Ordinary Dierential Equations,
Proceedings of the Symposium N 25, International Astronomical Union,
Sal
onica, 1966. pp.281-287.
[4] Rabe,E. Astronomical Journal Vol.66, 1961.
[5] Goodrich,E. Astronomical Journal Vol. 71, 1966.
[6] Deprit,A. , Palmore,J. Astronomical Journal Vol. 71, 1966.
[7] Szebehely,V., Theory of Orbits, Academic Press, 1967.
[8] Stoer,J., Bulirsch,R., Introduction to Numerical Analysis, Springer Verlag, 1980.
[9] Brookes, C.J. On the prediction of Neptune. Celestial Mechanics, 3,
pp. 67-80
[10] Brunini, A. Estimaciones numericas de perturbaciones en Mecanica Celeste (1988). Tesis Doctoral en Astronoma, Facultad de Ciencias Astron
omicas y Geofsicas, Univ. Nac. de La Plata, Argentina.
[11] Goldstein, H. Classical Mechanics, Addison-Wesley, Publishing, Co.
(1957)
[12] Kantorovich, L.V., Krilov, V.I. Approximate methods of higher analysis,
ch. II New York: Interscience Publishers, (1964)
[13] Lequain, Y. Aproximaci
on de un n
umero real por n
umeros racionales.
Instituto de Matem
atica Pura y Aplicada, Rio de Janeiro, 2001
97
98
BIBLIOGRAPHY
[14] Rodrguez, R., Zadunaisky, P.E., A stable method to estimate perturbations in dierential equations. Comp. Math. with Applications (128)
(1986)
[15] Wrigley, W., Hollister, W., Denhard, W., G. Gyroscopic Theory Design
and Instrumentation. The M.I.T. Press, Cambridge Massachusetts, and
London (1969)
[16] Zadunaisky, P.E. A method for the estimation of small perturbations. S.
Ferraz-Mello and P. Nacozy (Eds): The Motion of Planets and Natural
and Artitial Satellites, Universidad de Sao Paulo (1983)
[17] Zadunaisky, P.E. On the estimation of small perturbations in ordinary differential equations. P. Deuhard and E. Hairer (Eds). Numerical Treatment of Inverse Problems In Dierential and Integral Equations, Proceedings of an International Workshop in Heidelberg University, Germany;
Boston, Birkhauser (1982)
[18] Zadunaisky, P.E. S
anchez Pe
na, R.S. Estimation of small perturbations
in an inertial sensor. AIAA Journal of Guidance, Control and Dynamics
(11) (1988)
[19] Zadunaisky, P.E. The inverse problem in ordinary dierential equations.
Proceedings of a Conference on Computational Ordinary Dierential Equations, University of London, Oxford; Clarendon Press, (1989)
[20] Zadunaisky, P.E. Small Perturbations on Articial Satellites as an Inverse
Problem. IEEE Transactions on Aerospace and Electronics Systems. Vol.
39, N 4 (2003) (pp. 1270/1276)
[21] Lothar Collatz, The Numerical Treatment od Dierential Equations,
Springler-Verlag, Berlin, 1960
[22] L.S.Pontryagin, Ordinary Dierential Equations, Addison Wesley,
Pub.Co. Inc. 1960
[23] G.William Gear, Numerical Initial Value Problems in Ordinary Dierential Equations, Prentice-Hall, Inc., Englewood Clifts, N.J., 1971
[24] E.Hairer, S.P.Norsett, G.Waner, Non Sti Problems, Springler-Verlagm
Berlin, 1980
[25] P.Deuhard, E.Hairer, editors. Numerical Treatment of Inverse Problems
in Dierential and Integral Equations, Proceedings on an International
Workshop, Heidelberg, Germany, 1982
[26] J.R.Cash, I.Gladwell, editors. Conference on Computational Ordinary Differential Equations, Proceedings from the Institute of Mathematics, Imperial College, London University, 1989.
BIBLIOGRAPHY
99
100
BIBLIOGRAPHY