Está en la página 1de 23

Captulo 3

El problema de valor inicial: metodos lineales


multipaso
3.1. Introducci on
Nota. Para facilitar la exposici on, a lo largo de todo este captulo considerare-
mos tan s olo mallas equiespaciadas, x
n
= a+nh, n = 0, . . . , N, h = (b a)/N.
Seg un hemos visto, el metodo de Euler se puede obtener partiendo de la
aproximaci on de la derivada y

(x) por el cociente incremental


y

(x)
y(x + h) y(x)
h
.
Esta aproximaci on es de orden 1. Una idea para obtener un metodo mejor es
usar una aproximaci on de la derivada m as precisa, por ejemplo, la f ormula de
diferencias centradas
y

(x)
y(x + h) y(x h)
2h
,
que es una aproximaci on de orden 2. Aplic andola en x = x
n+1
se tiene que
f(x
n+1
, y(x
n+1
)) = y

(x
n+1
)
y(x
n+2
) y(x
n
)
2h
,
65
lo que da lugar a la iteraci on
y
n+2
= y
n
+ 2hf(x
n+1
, y
n+1
), (3.1)
que se conoce como metodo leap-frog. Como vemos, para calcular y
n+2
se utili-
zan dos valores anteriores, y
n
e y
n+1
, y no uno s olo, como en los metodos vistos
hasta ahora. Diremos que es un metodo de dos pasos.
Este metodo se puede obtener tambien a partir de una f ormula de cuadra-
tura. Para ello observamos que
y(x
n+2
) y(x
n
) =
_
x
n+2
x
n
y

(x) dx, (3.2)


y usamos la regla del punto medio para aproximar la integral, obteniendo que
y(x
n+2
) y(x
n
) 2hy

(x
n+1
),
lo que da lugar al metodo (3.1), que tambien se conoce como regla del punto
medio.
Si aproximamos la integral (3.2) usando la regla de Simpson obtenemos que
y(x
n+2
) y(x
n
)
h
3
(y

(x
n
) + 4y

(x
n+1
) + y

(x
n+2
)).
Esta aproximaci on conduce al metodo numerico,
y
n+2
y
n
=
h
3
(f(x
n
, y
n
) + 4f(x
n+1
, y
n+1
) + f(x
n+2
, y
n+2
)),
conocido como regla de Simpson, que tambien es un metodo de dos pasos.
Tanto la regla del punto medio como la regla de Simpson son metodos li-
neales de dos pasos. En general, un metodo lineal de k-pasos obtiene las aproxi-
maciones y
n
a la soluci on del problema de valor inicial como soluci on de la
recurrencia
k

j=0

j
y
n+j
= h
k

j=0

j
f(x
n+j
, y
n+j
), n = 0, . . . , N k. (3.3)
66
Las constantes
j
y
j
son los coecientes del metodo y satisfacen

k
= 1, |
0
| +|
0
| = 0.
El metodo se dice lineal porque y
n+k
es una combinaci on lineal de y
n+j
y
f(x
n+j
, y
n+j
); y se dice de k pasos porque se necesitan k valores anteriores
y
n
, . . . , y
n+k1
para calcular y
n+k
.
La condici on
k
= 1 elimina la arbitrariedad que surge del hecho de que
podemos multiplicar ambos lados de (3.3) por un mismo n umero distinto de
cero sin cambiar el metodo. La condici on |
0
| +|
0
| = 0 elimina la posibilidad
de que
0
y
0
sean ambas cero, excluyendo as metodos como por ejemplo
y
n+2
y
n+1
= hf(x
n+1
, y
n+1
)
que es esencialmente de 1 paso, y no de 2, y que se puede escribir como
y
n+1
y
n
= hf(x
n
, y
n
).
Notacion. Para abreviar se suele escribir f
n
= f(x
n
, y
n
).
Una forma alternativa de especicar un metodo lineal multipaso es dando
su primer y segundo polinomio caractersticos, y , que se denen mediante
() =
k

j=0

j
, () =
k

j=0

j
,
donde C es una variable muda.
Si
k
= 0, el metodo se dice explcito. En este caso se puede despejar
explcitamente cada y
n+k
en terminos de los k valores anteriores y
n
, . . . , y
n+k1
.
Si se han almacenado los valores f
n
, f
n+1
, . . . , f
n+k2
, entonces una unica eva-
luaci on de funci on, f
n+k1
, producir a y
n+k
.
Si
k
= 0, el metodo es implcito. Para obtener y
n+k
en cada paso tendremos
que resolver la ecuaci on no lineal
y
n+k
= h
k
f(x
n+k
, y
n+k
) + g, (3.4)
67
donde g es una funci on conocida de los valores ya calculados,
g =
k1

j=0
(h
j
f(x
n+j
, y
n+j
)
j
y
n+j
).
Si el lado derecho de la igualdad (3.4) tiene una constante de Lipschitz M con
respecto a y
n+k
tal que M < 1, entonces este sistema de ecuaciones tiene una
unica soluci on y
n+k
, que se puede aproximar tanto como se desee por medio
de la iteraci on
y
[+1]
n+k
= h
k
f(x
n+k
, y
[]
n+k
) + g, y
[0]
n+k
arbitrario. (3.5)
Por el Teorema de la Aplicaci on Contractiva se cumple que
lm

y
[]
n+k
= y
n+k
.
N otese que siempre que f sea Lipschitz podemos forzar que se cumpla la con-
dici on M < 1 tomando un valor de h sucientemente peque no. Si este fuera
inaceptable se debera optar por otro metodo iterativo, como el de Newton.
Los metodos lineales multipaso presentan una dicultad computacional.
Para aplicarlos es necesario disponer de los k valores de arranque y
0
, . . . , y
k1
, y
sin embargo el problema de valor inicial s olo proporciona y
0
. Si k 2 habr a que
obtener los k 1 valores de arranque restantes por alg un otro procedimiento,
como puede ser por desarrollo de Taylor, utilizando un metodo de Runge-
Kutta, etc. Estos valores de arranque no coinciden por tanto en general con los
valores de la soluci on te orica; tendr an un cierto error, y no hay por que esperar
que un metodo converja si no son sucientemente precisos.
Como ahora hay k valores de arranque, tenemos que modicar la denici on
de convergencia que se introdujo para metodos de un paso.
Denici on 3.1. Un metodo lineal de k pasos se dice convergente (respecti-
vamente convergente de orden p) si para todo problema de valor inicial con
soluci on sucientemente regular se tiene que
lm
h0
+
m ax
knN
y(x
n
) y
n
= 0, si lm
h0
+
m ax
0nk1
y(x
n
) y
n
= 0,
68
(respectivamente
m ax
knN
y(x
n
) y
n
= O(h
p
), si m ax
0nk1
y(x
n
) y
n
= O(h
p
)
cuando h 0
+
).
Observacion. La condici on lm
h0
+
m ax
0nk1
y(x
n
) y
n
= 0 sobre los valores de
arranque es equivalente a pedir que lm
h0
+
y
n
= y(x
0
) para n = 0, . . . , k 1.
Que condiciones deben satisfacer los coecientes de un metodo lineal mul-
tipaso (3.3) para que este converja? Si converge, con que orden lo hace? In-
tentaremos responder a estas preguntas en las siguientes secciones.
3.2. Consistencia
Queremos proceder como lo hacamos en el caso de los metodos de un
paso. La situaci on ideal sera que la soluci on y del problema de valor inicial
satisciese las ecuaciones del metodo (3.3), pero en general esto no ser a as, y
habr a un residuo
R
n
=
k

j=0
(
j
y(x
n+j
) h
j
f(x
n+j
, y(x
n+j
))
=
k

j=0
(
j
y(x
n+j
) h
j
y

(x
n+j
)), n = 0, . . . , N k,
que, como en el caso de metodos de un paso, es lo que le falta a la soluci on
te orica para satisfacer la ecuaci on del metodo.
Denici on 3.2. Un metodo lineal de k pasos se dice consistente (respecti-
vamente consistente de orden p) si para todo problema de valor inicial con
soluci on sucientemente regular se tiene que lm
h0
+
m ax
0nNk
R
n
/h = 0, (res-
pectivamente m ax
0nNk
R
n
/h = O(h
p
) cuando h 0
+
).
Determinar las condiciones de orden es mucho m as sencillo para un metodo
lineal multipaso que para un metodo de Runge-Kutta. En efecto, si tomamos
69
desarrollos de Taylor para y(x
n+j
) = y(x
n
+ jh) e y

(x
n+j
) = y

(x
n
+ jh)
alrededor del punto x = x
n
,
y(x
n+j
) = y(x
n
) + y

(x
n
)jh + +
y
(p+1)
(x
n
)(jh)
p+1
(p + 1)!
+ O(h
p+2
),
y

(x
n+j
) = y

(x
n
) + y

(x
n
)jh + +
y
(p+1)
(x
n
)(jh)
p
p!
+ O(h
p+1
),
obtenemos que
R
n
= C
0
y(x
n
) + C
1
y

(x
n
)h + + C
p+1
y
(p+1)
(x
n
)h
p+1
+ O(h
p+2
),
donde
C
0
=
k

j=0

j
,
C
1
=
k

j=0

j
j
k

j=0

j
,
.
.
.
C
q
=
1
q!
_
k

j=0

j
j
q
q
k

j=0

j
j
q1
_
, q > 1.
As pues, un metodo lineal multipaso ser a consistente de orden p si y s olo si
C
j
= 0, j = 0, . . . , p. El valor C
p+1
recibe el nombre de constante de error.
Ejemplo. El metodo
y
n+2
+ y
n+1
2y
n
=
h
4
(f
n+2
+ 8f
n+1
+ 3f
n
)
es un metodo lineal de dos pasos con

0
= 2,
1
= 1,
2
= 1,
0
= 3/4,
1
= 8/4,
2
= 1/4.
Un sencillo c alculo muestra que C
0
= C
1
= C
2
= C
3
= 0 y que C
4
= 1/4!.
As pues, el metodo es consistente de orden 3 y la constante de error es C
4
=
1/4!.
No es necesario efectuar el desarrollo de Taylor en x = x
n
. Se puede (y se
debe) efectuar en otro punto si hay posibilidad de aprovechar simetras.
70
Ejemplo. Consideramos la regla de Simpson,
y
n+2
y
n
=
h
3
(f
n
+ 4f
n+1
+ f
n+2
).
Si desarrollamos el residuo alrededor del punto medio, x = x
n+1
, queda un
desarrollo en potencias impares de h,
R
n
= y(x
n+2
) y(x
n
)
h
3
(y

(x
n
) + 4y

(x
n+1
) + y

(x
n+2
)) =
= (2y

(x
n+1
)h +
1
3
y

(x
n+1
)h
3
+
2
5!
y
(v)
(x
n+1
)h
5
+ )

h
3
(6y

(x
n+1
) + y

(x
n+1
)h
2
+
2
4!
y
(v)
(x
n+1
)h
4
+ ).
Concluimos que R
n
= O(h
5
), y el metodo es por tanto consistente de orden 4.
Ejemplo. Consideramos la regla del trapecio
y
n+1
y
n
=
h
2
(f
n+1
+ f
n
).
Si desarrollamos alrededor del punto medio x = x
n+
1
2
:= x
n
+
h
2
, de nuevo
queda un desarrollo en potencias impares de h,
R
n
= y(x
n+1
) y(x
n
)
h
2
(y

(x
n
) + y

(x
n+1
)) =
= (y

(x
n+
1
2
)h +
1
24
y

(x
n+
1
2
)h
3
+ )

h
2
(2y

(x
n+
1
2
) +
1
4
y

(x
n+
1
2
)h
2
+ ).
Concluimos que R
n
= O(h
3
), y el metodo es por tanto consistente de orden 2.
Lo que tienen en com un los dos ejemplos anteriores es que ambos metodos
son simetricos, en el sentido de que

j
=
kj
,
j
=
kj
.
Es f acil comprobar, desarrollando alrededor del punto medio, que los metodos
simetricos tienen orden par. As pues, si un metodo es simetrico s olo ser a ne-
cesario considerar las condiciones de orden impar, pues las de orden par se
cumplen necesariamente.
Como en el caso de los metodos de Runge-Kutta, la consistencia de orden 1
es necesaria para la convergencia.
71
Teorema 3.3. Si un metodo lineal multipaso es convergente, entonces es con-
sistente de orden al menos 1.
Prueba. Si es convergente, en particular lo es para el problema
y

(x) = 0, y(0) = 1,
cuya soluci on es y(x) = 1. El metodo lineal multipaso (3.3) aplicado a este
problema produce la ecuaci on en diferencias
k

j=0

j
y
n+j
= 0, n = 0, . . . , N k. (3.6)
Si tomamos valores de arranque y
n
= 1, n = 0, . . . , k 1, se tiene que
m ax
0nk1
y(x
n
) y
n
= 0. La convergencia del metodo nos da entonces que
lm
h0
+
y
n
= 1, n = k, . . . , N. As pues, pasando al lmite h 0
+
en (3.6)
obtenemos que
k

j=0

j
= 0,
o lo que es lo mismo, C
0
= 0.
Para ver que C
1
tambien es cero consideramos el problema
y

(x) = 1, y(0) = 0,
cuya soluci on es y(x) = x. El metodo, aplicado a este problema, se reduce a
k

j=0

j
y
n+j
= h
k

j=0

j
,
que es una ecuaci on en diferencias no homogenea. Es f acil ver que una soluci on
de esta ecuaci on es la sucesi on y
n
= nhM, n = 0, 1, . . . , donde
M =
k

j=0

j
k

j=0
j
j
72
(veremos en breve que para un metodo convergente
k

j=0
j
j
= 0, de manera que
M est a bien denido). Los valores de arranque y
n
(h) = nhM, n = 0, . . . , k 1,
son admisibles, ya que lm
h0
+
m ax
0nk1
y(x
n
) y
n
= lm
h0
+
(k 1)h|1 M| = 0,
y producen la sucesi on y
n
= nhM = x
n
M. Por tanto,
y(x
n
) y
n
= x
n
x
n
M = x
n
(1 M),
y para que haya convergencia se tiene que tener que M = 1, es decir
k

j=0

j
=
k

j=0
j
j
,
o lo que es lo mismo, C
1
= 0.
Observacion. En terminos del primer y segundo polinomio caracterstico la
condici on de consistencia de orden al menos 1 se escribe
(1) = 0,

(1) = (1).
3.3. 0-estabilidad
La consistencia de orden 1 es necesaria para la convergencia. Es tambien
suciente? Veamos que no con un ejemplo.
Consideramos el metodo
y
n+2
+ y
n+1
2y
n
= h(5f
n+1
2f
n
),
que es consistente de orden 1. Se lo aplicamos al problema m as simple que uno
pueda imaginar,
y

= 0, y(0) = 0,
cuya soluci on es y(x) = 0. El metodo en este caso queda
y
n+2
+ y
n+1
2y
n
= 0.
73
La soluci on general de esta ecuaci on en diferencias se puede hallar f acilmente.
Se buscan soluciones de la forma y
n
=
n
, y se tiene que debe vericar que

2
+ 2 = 0. As debe ser 1 o 2, lo que da lugar a las soluciones y
n
= 1,
y
n
= (2)
n
. La soluci on general del problema ser a una combinaci on lineal de
estas dos soluciones:
y
n
= c
1
+ c
2
(2)
n
.
Consideramos la soluci on
y
n
= h(2)
n
.
Observese que los valores de arranque son admisibles, pues
y(x
0
) y
0
= h 0, y(x
1
) y
1
= 2h 0 cuando h 0
+
.
Sin embargo,
m ax
knN
y(x
n
) y
n
= h2
N
=
b a
N
2
N
.
As pues, al contrario de lo que sucede para metodos de un paso, en el caso
de metodos multipaso la consistencia de un metodo no garantiza su conver-
gencia.
La divergencia se debe a la inestabilidad del metodo numerico, es decir,
de la ecuaci on en diferencias. La soluci on numerica con datos de arranque
y
0
= y
1
= 0 coincide con la te orica; sin embargo, una peque na perturbaci on
en los datos hace que la soluci on numerica explote.
Para que un metodo numerico sea de alguna utilidad debera ser estable,
imitando la estabilidad del problema de valor inicial al cual intenta aproximar
(recordemos que, bajo las condiciones del teorema de existencia y unicidad,
las soluciones del problema de valor inicial dependen de forma continua de los
datos).
Denici on 3.4. Un metodo lineal multipaso se dice 0-estable si para cada
problema de valor inicial con f continua y Lipschitz con respecto a su segunda
74
variable, y para cada dos sucesiones {u
n
}
N
n=0
y {v
n
}
N
n=0
satisfaciendo
k

j=0

j
u
n+j
h
k

j=0

j
f(x
n+j
, u
n+j
) = h
n
,
k

j=0

j
v
n+j
h
k

j=0

j
f(x
n+j
, v
n+j
) = h
n
,
0 n N k,
se tiene que
m ax
knN
u
n
v
n
= O
_
m ax
0nk1
u
n
v
n
+ m ax
0nNk

_
.
La 0-estabilidad es la versi on discreta de la dependencia continua de los
datos.
Teorema 3.5. Si un metodo lineal multipaso es consistente de orden p y 0-
estable, entonces es convergente de orden p.
Prueba. Por un lado tenemos que
k

j=0

j
y
n+j
= h
k

j=0

j
f(x
n+j
, y
n+j
),
y por otro que
k

j=0

j
y(x
n+j
) = h
k

j=0

j
f(x
n+j
, y(x
n+j
)) + h
n
,
donde
n
= R
n
/h. Pero el metodo es 0-estable, as que
m ax
knN
y(x
n
) y
n
= O
_
m ax
0nk1
y(x
n
) y
n
+ m ax
0nNk

_
cuando h 0
+
. Como el metodo es consistente de orden p, se tiene que

n
= O(h
p
). Concluimos que
m ax
knN
y(x
n
) y
n
= O(h
p
) si m ax
0nk1
y(x
n
) y
n
= O(h
p
);
es decir, el metodo es convergente de orden p.
Nos preguntamos ahora que condiciones debe satisfacer un metodo lineal
multipaso para ser 0-estable.
75
Denici on 3.6. Se dice que un metodo lineal multipaso satisface la condici on
de la raz si todas las races del primer polinomio caracterstico tienen modulo
menor o igual que 1, y aquellas que tienen modulo 1 son simples.
Observacion. Si un metodo es consistente, una de las races de () debe ser
1.

Esta es la raz principal, a la que se etiqueta como
1
. Las restantes races,

i
, i = 2, . . . , k, son las llamadas races espurias; surgen porque decidimos
representar un sistema diferencial de primer orden por un sistema en diferencias
de orden k. Obviamente, los metodos lineales multipaso con k = 1 no tienen
races espurias, y satisfacen por tanto la condici on de la raz.
Teorema 3.7. Un metodo lineal multipaso es 0-estable si y solo si satisface la
condicion de la raz.
Prueba. Consideramos el problema de valor inicial con f = 0 y tomamos dos
soluciones u
n
y v
n
de la ecuaci on en diferencias sin perturbar
k

j=0

j
u
n+j
= 0. (3.7)
Si el metodo es 0-estable, existe una constante C tal que
m ax
knN
u
n
v
n
C m ax
0nk1
u
n
v
n
.
Veamos que esto es imposible si no se satisface la condici on de la raz.
(i) Supongamos que existe tal que || > 1 y () = 0. Las sucesiones
u
n
= 0 y v
n
= h
n
son soluci on de la ecuaci on en diferencias (3.7). Tenemos
que
m ax
knN
u
n
v
n
= h||
N
=
b a
N
||
N
,
mientras que,
m ax
0nk1
u
n
v
n
= m ax
0nk1
h||
n

b a
N
||
k1
.
As pues, el metodo no es 0-estable.
76
(ii) Supongamos que existe tal que || = 1, () = 0 =

(). Las suce-


siones u
n
= 0 y v
n
=

hn
n
son soluci on de la ecuaci on en diferencias (3.7)
(n otese que es raz doble). Entonces
m ax
knN
u
n
v
n
=

hN||
N
=

b a

N ,
mientras que
m ax
0nk1
u
n
v
n
= m ax
0nk1

hn||
n

b a

N
(k 1),
y el metodo no es 0-estable.
Veamos ahora que si el metodo cumple la condici on de la raz, entonces es
0-estable. Damos la prueba (que se puede omitir en una primera lectura) en el
caso escalar. El caso vectorial es an alogo.
La idea es escribir el metodo como metodo de un paso. Para ello denotamos
Y
n
= (y
n+k1
, . . . , y
n
)
T
, n = 0, . . . , N k + 1,
F(Y
n
) = (

k
j=0

j
f
n+j
, 0, . . . , 0)
T
, n = 0, . . . , N k + 1.
N otese que estamos diciendo que
=
k

j=0

j
f(x
n+j
, y
n+j
)
es funci on s olo de y
n
, . . . , y
n+k1
, y no de y
n+k
(los valores x
n
se consideran
jos). Para verlo observamos que
=
k1

j=0

j
f(x
n+j
, y
n+j
) +
k
f
_
x
n+k
, h
k1

j=0

j
y
n+j
_
,
ecuaci on implcita que dene a como funci on de y
n
, . . . , y
n+k1
.
Con esta notaci on podemos escribir el metodo como
Y
n+1
= AY
n
+ hF(Y
n
), n = 0, . . . , N k,
77
donde A es la matriz compa nera del primer polinomio caracterstico () =

0
+
1
+ +
k1

k1
+
k
,
A =
_

k1

k2
. . .
1

0
1 0 . . . 0
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 0 1 0
_

_
.
Iterando el proceso tenemos que
Y
n
= A
n
Y
0
+ h
n1

l=0
A
n1l
F(Y
l
).
Para las u
n
y v
n
de la denici on de estabilidad, llamando
R
n
= (
n

n
, 0, . . . , 0)
T
, n = 0, . . . , N k,
y restando tendremos que
U
n
V
n
= A
n
(U
0
V
0
) + h
n1

l=0
A
n1l
(F(U
l
) F(V
l
)) + h
n1

l=0
A
n1l
R
l
.
Si las potencias de A est an todas ellas acotadas, esto es, si
A
n
M, n = 0, 1, . . . ,
tomando normas y utilizando que f es Lipschitz con constante L tenemos que
U
n
V
n
MU
0
V
0
+hLMB
n1

l=0
U
l
V
l
+(b a)M m ax
0lNk

l
,
siendo B es una cota de los m odulos de los
j
, desigualdad que se puede escribir
como

n
A + hLMB
n1

l=0

l
,
78
deniendo
n
y A de la manera obvia.
Sea
n
= A + hLMB
n1

l=0

l
. Se tiene que

n+1

n
= hLMB
n
hLMB
n
,
de donde concluimos que

n

n
(1 + hLMB)
n1

1
e
(n1)hLMB
(A +U
0
V
0
),
y de aqu la 0-estabilidad.
Para que las potencias de A esten todas acotadas es necesario y suciente
que las races del polinomio sean de m odulo menor que la unidad, y aquellas
que sean de m odulo 1 sean simples, es decir, que se cumpla el criterio de la
raz. Para ver esto no hay m as que observar que los autovalores de A son las
races de .
Finalmente nos preguntamos si es cierto el recproco del Teorema 3.5.
Teorema 3.8 (Teorema de equivalencia de Dahlquist). Un metodo lineal
multipaso es convergente si y solo si es consistente de orden al menos 1 y 0-
estable.
Prueba. Por los teoremas 3.3, 3.5 y 3.7, basta con probar que
convergencia criterio de la raz.
Supongamos que no se satisface el criterio de la raz. Consideramos el problema
y

= 0, y(0) = 0,
cuya soluci on es y(x) = 0.
(i) Supongamos que existe tal que || > 1 y () = 0. La sucesi on y
n
=
h
n
, n = 0, 1, . . . , es soluci on de la ecuaci on en diferencias y tiene condiciones
de arranque y
n
= h
n
, n = 0, . . . , k 1; por tanto
m ax
0nk1
y(x
n
) y
n
= h||
k
0.
79
Sin embargo,
m ax
knN
y(x
n
) y
n
= h||
N
=
b a
N
||
N
cuando h 0
+
,
y por tanto el metodo no es convergente.
(ii) Supongamos que existe tal que || = 1, () = 0 =

(). La sucesi on
y
n
=

hn
n
, n = 0, 1, . . . , es soluci on de la ecuaci on en diferencias y tiene
condiciones de arranque y
n
=

hn
n
, n = 0, . . . , k 1; por tanto
m ax
0nk1
y(x
n
) y
n
=

h(k 1)||
k1
0.
Sin embargo,
m ax
knN
y(x
n
) y
n
=

hN||
N
=

b a

N cuando h 0
+
,
y el metodo no es convergente.
Observacion. Si un metodo es convergente, = 1 tiene que ser raz del primer
polinomio caracterstico. Sin embargo, no puede ser raz doble, pues el metodo
no sera 0-estable. Por consiguiente,
k

j=0
j
j
=

(1) = 0.
Cu al es el mejor orden que podemos conseguir para un metodo, para
un n umero de pasos k dado? Puesto que un metodo lineal de k pasos viene
determinado por 2k +1 coecientes, y las condiciones de orden de consistencia
son relaciones lineales de estos coecientes, existen metodos lineales de k pasos
con orden de consistencia p = 2k; reciben el nombre de maximales. Sin embargo
no sirven para nada, puesto que no son convergentes.
Teorema 3.9 (Primera barrera de Dahlquist (1956)). El orden de con-
vergencia p de un metodo lineal de k pasos 0-estable satisface:
p k + 2 si k es par;
p k + 1 si k es impar;
p k si
k
0 (en particular si es explcito).
80
Veremos en la pr oxima secci on que los metodos con p = k + 2, llamados
optimales, tampoco funcionan bien en la pr actica. As pues, el mejor orden que
se puede alcanzar con un metodo de k pasos que sirva para algo es p = k + 1.
3.4. Estabilidad lineal de metodos lineales multipaso
Queremos aplicar el metodo lineal multipaso
k

j=0

j
y
n+j
= h
k

j=0

j
f
n+j
(3.8)
al problema escalar
y

= y, C, y(0) = 1. (3.9)
Observacion. Los valores de arranque y
1
, . . . , y
k1
no vienen dados por la
condici on inicial. Al estudiar la estabilidad lineal pediremos que lm
n
y
n
= 0
para cualquier elecci on posible de los valores de arranque.
El resultado de aplicar (3.8) a (3.9) es
k

j=0
(
j
h
j
)y
n+j
= 0. (3.10)

Esta es una ecuaci on en diferencias lineal, homogenea y con coecientes cons-


tantes. Para resolverla consideramos el polinomio caracterstico de la ecuaci on
en diferencias. Haciendo z = h, viene dado por
(r, z) =
k

j=0
(
j
z
j
)r
j
, z C.
En terminos del primer y segundo polinomios caractersticos del metodo se
escribe
(r, z) = (r) z(r),
y recibe el nombre de polinomio de estabilidad del metodo lineal multipaso.
81
Lema 3.10. Supongamos que los ceros (como funcion de r) de (r, z) son
r
1
(z), r
2
(z), . . . , r
q(z)
(z), con multiplicidades m
1
(z), m
2
(z), . . . , m
q(z)
(z) res-
pectivamente (
q(z)

i=1
m
i
(z) = k). Entonces
D = {z C : |r
i
(z)| < 1, i = 1, . . . , q(z)}.
Prueba. La soluci on general de (3.10) es
y
n
=
q(z)

i=1
_
_
m
i
(z)1

j=0
c
ij
n
j
_
_
(r
i
(z))
n
, n = 0, 1, . . . .
Las k constantes c
ij
quedan determinadas de manera unica por los k valores
de arranque y
0
, . . . , y
k1
, y no dependen de n. As, el comportamiento de y
n
est a determinado por la magnitud de los n umeros r
i
(z), i = 1, . . . , q(z). Si
todos est an en el interior del disco unidad del plano complejo, entonces sus
potencias decaen m as aprisa que cualquier polinomio en n, y lm
n
y
n
= 0.
Por otro lado, sea |r
i
(z)| 1; existen valores de arranque tales que c
i0
= 0,
y para dichos valores es imposible que lm
n
y
n
= 0.
Ejemplo. El metodo de Euler implcito es un metodo lineal multipaso con
(r) = r 1 y (r) = r. El polinomio de estabilidad lineal (r, z) = r 1 zr
tiene un unico cero, r = 1/(1 z), que tiene m odulo menor que 1 si y s olo si
|1 z| > 1. As pues, D = {z C : |z 1| > 1}, y el metodo es A-estable.
La determinaci on del dominio de estabilidad lineal de un metodo lineal
multipaso mediante la aplicaci on directa del lema 3.10 presenta dos dicul-
tades: (i) hay que hallar las races del polinomio caracterstico; (ii) hay que
determinar los valores de z para los que dichas races tienen m odulo menor
que 1. As que intentaremos aplicar otra tecnica.
Las races de un polinomio son funciones continuas de sus coecientes. Por
consiguiente, Fr (D) F, donde
F := {z C : una raz de (r, z) de m odulo 1}.
82
En general se tiene la inclusi on y no la igualdad; puede haber valores z C tales
que el polinomio (r, z) tenga una raz de m odulo 1, alguna raz de m odulo
menor que 1 y alguna raz de m odulo mayor que 1. Dicho z no pertenece a
Fr (D). N otese por otra parte que D F = .
Si z F, existe [0, 2] tal que
(e
i
, z) = (e
i
) z(e
i
) = 0;
es decir,
z =
(e
i
)
(e
i
)
, 0 2.
Tenemos por tanto que Fr (D) est a contenida en un conjunto, F, que es la
imagen de una curva cerrada que divide al plano complejo en regiones. Cada
una de estas regiones tiene que estar, bien contenida en D, bien contenida en
C\ D; para ver cu al de los dos casos se da, bastar a por tanto con estudiar un
unico punto.
Ejemplo. Consideramos el metodo lineal multipaso y
n+2
y
n
= 2hf
n+1
; es
decir,
(r) = r
2
1, (r) = 2r.
El conjunto F viene dado por la imagen de la curva
z =
e
2i
1
2e
i
= i sen , [0, 2].
La curva tiene por imagen el segmento [i, i]. Consideramos un punto, por
ejemplo z = 1, de la unica regi on que se obtiene en este caso. Para este valor
de z las races del polinomio de estabilidad lineal, (r, 1) = r
2
1 2r, son
r = 1

2. Una de ellas tiene m odulo mayor que 1, y por tanto z = 1 D.


Concluimos que el dominio de estabilidad lineal es vaco.
Llegados a este punto puede ser util el siguiente resultado.
Lema 3.11. La region de estabilidad absoluta de un metodo lineal multipaso
convergente no puede contener el eje real positivo en un entorno del origen.
83
Prueba. La convergencia del metodo garantiza que r = 1 es raz simple del
primer polinomio caracterstico, (r). Ahora bien, las races de un polinomio
son funciones continuas de los coecientes del mismo. Por consiguiente, dado
que (r, 0) = (r), hay una unica raz r
1
(z) de (r, z) con la propiedad de que
r
1
(z) 1 cuando z 0. Como veremos, si z R
+
, entonces
r
1
(z) = 1 + z + O(z
2
) cuando z 0, (3.11)
de donde se deduce inmediatamente el resultado.
Para demostrar (3.11), consideramos R
+
. La soluci on del proble-
ma (3.9) es y(x) = e
x
. Dado que el metodo es convergente, tiene orden de
consistencia al menos uno. Por consiguiente, el residuo satisface
R
n
=
k

j=0
{
j
e
(x
n
+jh)
h
j
e
(x
n
+jh)
} = O(h
2
) cuando h 0
+
.
Dividiendo por e
x
n
obtenemos
k

j=0
{
j
(exp(z))
j
z
j
(exp(z))
j
} = O(z
2
) cuando z 0, z R
+
,
es decir, (exp(z), z) = O(z
2
). Por otro lado,
(r, z) = (1 z
k
)(r r
1
)(r r
2
) (r r
k
),
donde alguna de las races pueden ser iguales. Por tanto,
(e
z
r
1
)(e
z
r
2
) (e
z
r
k
) = O(z
2
).
El primer factor del primer miembro tiende a 0 cuando z 0, y ninguno de
los dem as factores lo hace. Concluimos que
r
1
(z) = e
z
+ O(z
2
).
84
Ejemplo. El metodo de Euler es un metodo lineal de un paso con (r) =
r 1, (r) = 1. Por tanto F = {z C : z = e
i
1, [0, 2]}, que
es la circunferencia de radio 1 centrada en z = 1. As pues, el dominio de
estabilidad lineal D puede ser:
(i) el interior del disco unidad centrado en z = 1;
(ii) el exterior de dicho disco;
(iii) todo el plano menos la frontera del disco;
(iv) el conjunto vaco.
Las opciones (ii) y (iii) son imposibles, pues D no puede contener el eje real
positivo en un entorno del origen.
Para decidir si se da (i) o (iv) estudiamos la races para un valor concreto
de z en el interior del disco, por ejemplo z = 1. Dado que (r, z) = r 1z,
tenemos que (r, 1) = r, y el unico cero es r
1
= 0. Por tanto z = 1 D y
por tanto podemos excluir que D = . Concluimos que
D = {z C : |z + 1| < 1}.
Ejemplo. La regla del trapecio es un metodo lineal de un paso con (r) = r1,
(r) = (r + 1)/2. Por tanto,
F = {z C : z = 2
e
i
1
e
i
+ 1
= 2i
sen /2
cos /2
, [0, 2]}.
La imagen de esta curva es el eje imaginario, para (0, ) la parte positiva,
y para (, 2) la parte negativa. S olo hay pues dos posibilidades: D = o
bien D = C

. Observando que (r, 1) = (3r 1)/2 concluimos que la unica


raz del polinomio caracterstico para z = 1 viene dada por r
1
(1) = 1/3.
Por tanto z = 1 D y concluimos que D = C

.
Ejemplo. La regla de Simpson es un metodo lineal de dos pasos con (r) =
r
2
1, (r) =
1
3
(r
2
+ 4r + 1). Por lo tanto,
F = {z C : z =
3 sen
cos + 2
i, [0, 2]}.
85
Puesto que la funci on 3 sen /(cos + 2) vara entre

3 y

3, concluimos
que F es el segmento [

3i,

3i]. Por consiguiente D = .


Observacion. La regla de Simpson tiene orden p = k + 2, el mayor obtenible
para un metodo 0-estable (primera barrera de Dahlquist). Sin embargo no es
util, pues D = . Los metodos 0-estables con orden de convergencia p = k +2,
como la regla de Simpson, se llaman optimales, En general todos ellos tienen
regiones de estabilidad que son o bien vacas, o bien esencialmente in utiles por
no contener el eje real negativo en un entorno del origen.
Hay metodos lineales multipaso A-estables? Explcitos, no, pues se tiene
el siguiente resultado.
Teorema 3.12. Todo metodo lineal multipaso explcito convergente tiene re-
gion de estabilidad absoluta acotada.
Prueba. Como el metodo es explcito,
k
= 0, y se tiene que
(r, z) = r
k
+
k1

j=0
(
j
z
j
)r
j
.
Por otra parte,
(r, z) = (r r
1
(z)) . . . (r r
k
(z)) = r
k
+
k1

j=0
s
j
(z)r
j
,
donde
s
j
(z) = (1)
kj

i
1
<i
2
<<i
kj
r
i
1
(z) r
i
kj
(z).
Comparando ambas expresiones tenemos que s
j
(z) =
j
z
j
. Como el metodo
converge (con orden al menos 1), 0 =

(1) =
k

j=0
j
j
=
k

j=0

j
y por tanto existe
alg un j {0, . . . , k 1} tal que
j
= 0. As, s
j
(z) cuando z , de
modo que existe una raz r
i
(z) tal que lm
z
r
i
(z) = .
86
Tenemos mejor suerte con los implcitos? S: hay ejemplos de metodos
lineales multipaso implcitos A-estables de ordenes 1 (el metodo de Euler im-
plcito) y 2 (la regla del trapecio). Sin embargo, no se puede conseguir nada
mejor.
Teorema 3.13 (Segunda barrera de Dahlquist, 1957). El mayor orden
de consistencia de un metodo lineal multipaso A-estable es p = 2.
Los metodos de Runge-Kutta implcitos A-estables no tienen esta restric-
ci on sobre el orden. Recordemos por ejemplo que el metodo de Gauss-Legendre
de dos etapas tiene orden de consistencia 4 y sin embargo es A-estable. As que
se podra pensar que los metodos lineales multipaso son inferiores a los de
Runge-Kutta en lo concerniente a la estabilidad lineal. Esto no es completa-
mente cierto. Hay metodo lineales multipaso que, a pesar de no ser A-estables,
son A()-estables: existe un (0, ] tal que la cu na innita

:= {e
i
: > 0, | | < }
est a contenida en D. En otras palabras, si todos los autovalores est an en

,
aunque esten muy lejos del origen el metodo no obliga a disminuir el paso por
motivos de estabilidad.
87