Métodos Numéricos

Índice de Unidad VI Solución de Ecuaciones Diferenciales

Introducción..................................................................................................................................1
6.1 Métodos de un paso................................................................................................................2
6.1.1 Método de Euler....................................................................................................................2
6.1.1.1 Análisis de Error para El método de Euler......................................................................5
6.1.1.2 Método de Euler Mejorado............................................................................................6
6.1.2 Método Para la Serie de Taylor de Orden Superior...............................................................7
6.1.3 Método del punto medio (o del polígono mejorado)............................................................8
6.1.4 Método de Runge – Kutta.....................................................................................................9
6.1.4.1 Métodos Runge-Kutta de segundo orden.....................................................................11
6.2 Métodos de Pasos Múltiples..................................................................................................16
6.2.1 Método de Heun de No Auto inició.....................................................................................17
6.2.2 Métodos Multi paso de orden superior...............................................................................18
6.2.3 Método de Milne.................................................................................................................19

6.2.4 Método de Adams de cuarto orden.....................................................................................19

6.3 Sistemas de Ecuaciones Diferenciales Ordinarias...................................................................20

6.3.1 Método de Euler..................................................................................................................20

6.4 Aplicaciones...........................................................................................................................24
Apéndices
Apéndice A “Métodos Investigados”...............................................................................32

Apéndice B “Ejemplos”...................................................................................................33

Conclusión........................................................................................................................................46

Bibliografía.......................................................................................................................................47
 Unidad VI “Solución de Ecuaciones Diferenciales”

Introducción

Los métodos numéricos nos vuelven aptos para entender esquemas

numéricos a fin de resolver problemas matemáticos, de ingeniería y
científicos en una computadora, reducir esquemas numéricos básicos,
escribir programas y resolverlos en una computadora y usar correctamente el
software existente para dichos métodos y no solo aumenta nuestra habilidad
para el uso de computadoras sino que también amplia la pericia matemática
y la comprensión de los principios científicos básicos.

Pero en esta vez aplicaremos lo métodos numéricos para ecuaciones

diferenciales y sus métodos para la solución de problemas mediante los
métodos de un paso; así como también mediante los métodos de Pasos
Múltiples.

Portillo Contreras Misael ISC Grupo 1 Página 1

 6.1 Métodos de un Paso

Todos los métodos de un paso se pueden expresar en esta forma general,

que sólo va a diferir en la manera en la cual se estima la pendiente. Como en
el problema del paracaidista en caída, el procedimiento más simple es usar la
ecuación diferencial para estimar la pendiente derivada en xi al inicio del
intervalo. En otras palabras, la pendiente al inicio del intervalo es tomada
como una aproximación de la pendiente promedio sobre todo el intervalo.
Este procedimiento, llamado método de Euler.

6.1.1 Método de Euler

La primera derivada proporciona una estimación directa de la pendiente en

xi

  f (xi , yi ) Donde f (xi , yi ) es la ecuación diferencial evaluada en xi y yi

podrá sustituirse en la ecuación yi 1  yi  h en donde nos resultara la
siguiente ecuación:
yi 1  yi  f x , y h
i i

Esta fórmula es conocida como el método de Euler (o de Euler-Cauchy o de

punto medio). Se predice un nuevo valor de y por medio de la pendiente
(igual a la primera derivada en el valor original de x ) que habrá de
extrapolarse en forma lineal sobre el tamaño del paso h
Enunciado del problema. (Ejemplo)
Use el método de Euler para integrar numéricamente la ecuación

dy
 2x3  12x 2  20x  8.5
dx

Desde x  0 x  con un tamaño de paso 0.5. La condición inicial en

hasta 4
x  0 es y  1. Recuerde que la solución exacta la da la ecuación

y  0.5x4  4x 3  8.5x 1
10x2

Solución. Se puede usar la ecuación yi 1  yi  f xi , yi h para implementar

el método de Euler:
y0.5  y0 f 0,10.5

Dond
y0  1y la pendiente estimada en x  0 es
e
f 0,1  20 120  200  8.5  8.5
3 2


y0.5  1.0  8.50.5  5.25

La solución real en x  0.5 es

y  0.50.54  40.53 100.52  8.50.51  3.21875

Así, el error es:

Et = verdadero - aproximado = 3.21875 - 5.25 = -2.03125 o

Expresada como error relativo porcentual, et  .63.1% Para el segundo paso,
y1  y0.5 f 0.5,5.250.5


 5.25   20.5  120.5  200.5  8.5 0.5  5.875
3 2

6.1.1.1 Análisis de error para el método de Euler

La solución numérica de los EDO involucra dos tipos de error (recuerde los
capítulos 3 y 4):
1. Errores de truncamiento, o desratización, causados por la naturaleza de las
técnicas empleadas para aproximar los valores de y.
2. Errores de redondeo, que son el resultado del número límite de cifras
significativas que puede retener una computadora.

Los errores de truncamiento se componen de dos partes. La primera es un error de

Truncamiento local que resulta de una aplicación del método en cuestión sobre un
paso sencillo. La segunda es un error de truncamiento propagado que resulta de las
aproximaciones producidas durante los pasos previos. La suma de los dos és el
total, o error de truncamiento global.

Se puede obtener cierto conocimiento acerca de la magnitud y propiedades del

error de truncamiento al derivar el método de Euler directamente de la expansión
de la serie de Taylor. Para ello, observe que la ecuación diferencial sujeta a
integración será de la forma
General: y f (x, y)
´

Donde dy
y´ ,yxyy son las variables independientes y dependientes,
dx
respectivamente. Si la solución (es decir, la función que describe el
comportamiento de y) tiene derivadas continuas, puede representarse por una
expansión de la serie de Taylor con respecto a los valores de inicio xi , yi  como en
y ´´ (n)
y  1  y  y ´h  i
h 2  y i h n  R
i i i
n
2! n!
Don de: h  xi1  xi yRn
 término definido como (n  1)!
remanente, Rn  y (n1) ( )
hn1
Donde  está en algún lugar en el intervalo de x i a xi 1

6.1.1.2 Método de Euler Mejorado

Este método se basa en la misma idea del método Euler simple, pero hace un
refinamiento en la aproximación, tomando un promedio entre las pendientes
de las rectas tangentes halladas.

Así, en la gráfica vemos que la pendiente promedio m corresponde a la

pendiente de la recta bisectriz de la recta tangente a la curva en el punto
de la condición inicial y la recta tangente a la curva en el punto x1 ,
y1  ,
donde y1 es la aproximación obtenida con la primera fórmula de Euler.
Finalmente, esta recta bisectriz se traslada paralelamente hasta el punto de
la condición inicial, y se considera el valor de esta recta en el
punto x  x1 como la aproximación de Euler mejorada.
La aproximación en cada paso queda determinada entonces por la fórmula:

yi  1  yi

f xi , yi   f xi  1, y 0  h Siendo: 1 yn  h f , yn 
 1 2 yn   xn
6.1.2 Método para la serie de Taylor de orden superior

Una manera para reducir el error del método de Euler podría ser la inclusión de
términos de orden superior en la expansión de la serie de Taylor para su solución.
Por ejemplo, con la inclusión del término de segundo orden según la siguiente
ecuación:

yi  1  yi  f
, h f ´(xi , yi ) 2
h
 xi yi  2!

Un Error de truncamiento local

Ea  f ´´(x , y )
i i 3
6 h
Aunque la incorporación de términos de orden superior es lo suficientemente
simple para implementarse en los polinomios, su inclusión no es tan trivial cuando
la EDO es más complicada. En particular, las EDO que son una función tanto de la
variable dependiente como de la independiente, requieren diferenciación por la
regla de la cadena. Por ejemplo, la primera derivada f (x, y) es
de

f ´x , y
f x, y f x, y dy
 
i i
x y dx

La segunda Derivada es:

f  f  dy f  f  dy 

     
f  y dx x
x
  
y dx

f ´x , y       dy


  
i i
x
y dx
Las derivadas de orden superior se hacen mucho más complicadas. En
consecuencia, como se describe en las siguientes secciones, se han desarrollado
métodos alternativos de un paso, Esos esquemas son comparables en desempeño
con los procedimientos de la serio de Taylor de orden superior, pero requieren sólo
del cálculo de las primeras derivadas.

6.1.3 Método del punto medio (o del polígono mejorado)

Otra modificación simple del método de Euler. Conocido como método del punto
medio (o del polígono mejorado o el modificado de Euler), esta técnica usa el
método de Euler para predecir un valor de y en el punto medio del intervalo (véase
la figura siguiente)
 y y h
 f (x , y )
i 1 i i i
2 2
Después, este valor predicho se usa para calcular una pendiente en el punto medio:
y  f  x , y 
1 1 1
i 2
 i 2 i 2

el cual se toma para representar una aproximación válida de la pendiente
promedio para todo el intervalo. Dicha pendiente es usada después para
extrapolar
linealmente desde xi hasta xi1

yi  1 
yi f  x , y  h
1 1
  i
2
i
2

Como en la sección anterior, esto procedimiento podrá también conectarse con las
fórmulas de integración de Newton-Cotes

6.1.4 Método de Runge – Kutta

El objetivo de los métodos numéricos de Runge-Kutta, es el análisis y solución de

los problemas de valor inicial de ecuaciones diferenciales ordinarias (EDO), estos
son una extensión del método de Euler para resolver las (EDO’S), pero con un
orden de exactitud más alto que este.
Los métodos de Runge-Kutta (RK) logran la exactitud del procedimiento de una
serie de Taylor sin requerir el cálculo de derivadas superiores. Existen muchas
variaciones pero todas se pueden denotar en la forma generalizada de la ecuación

yi1
 y i    xi , y i , h  h

Donde xi , yi , h es conocida como función incremento, la cual puede

interpretarse como una pendiente representativa sobre el intervalo. La función
incremento se escribe por lo general como:

  a1k1  a2 k2  ankn

Donde las a son constantes y las k son:

Observe que las k son relaciones de recurrencia. Esto es, k1 aparece en la

ecuación para k 2 , la cual aparece en la ecuación para k3 , etc. Como cada k es una
evaluación funcional, esta recurrencia hace que los métodos sean eficientes
para cálculos en computadora.
Es posible concebir varios tipos de métodos Runge-Kutta al emplear diferentes
números de términos en la función incremento como la especificada por n.
Observe que el método Rungue-Kutta (RK) de primer orden con n  1 es, de hecho,
el método de Euler.

Una vez que se elige n, se evalúan las a, p y q al igualar la ecuación 25.28 a los
términos en la serie de expansión de Taylor. Así, al menos para las versiones de
orden inferior, el número de términos n con frecuencia representa el orden de la
aproximación. Por ejemplo, los métodos RK de segundo orden usan la función
incremento con dos términos Esos métodos de segundo orden serán
exactos si la solución de la ecuación diferencial es cuadrática. Además, como los
términos con h3 y mayores son eliminados durante la derivación, el error de
truncamiento local es y el global es . En secciones subsecuentes
desarrollaremos métodos RK de tercer y cuarto orden Para esos casos,
los errores de truncamiento global son y , respectivamente.

6.1.4.1 Métodos Runge-Kutta de segundo orden.

La versión de segundo orden de la ecuación anterior es:

yi1
 yi  a1k1  a2 k 2 h

Donde:

k1  f xi  yi 
k2  f  x  p h  y  q k h 
i 1 i 11 1

Al usar la ecuación debemos determinar los valores para las constantes a1, a2, p1
y p11. Para ello, recordamos que la serie de Taylor de segundo orden para yi1 en

términos de yt y f (xi , yi esta escrita como:

)

yi1
 yi  f  x i , h f ´(xi , yi ) 2
h ecu. 1
2!
yi 
Donde debe determinarse por diferencias usando las reglas de la cadena
 f ´ x , y
f x, y f x, y dy
 
i i
x y ecu. 2

dx

Si sustituimos la ecuación ecu. 2 en la ecuación ecu. 1 se tiene1

 f x, y  f x, y  dy  h 2
yi  1  yi  f xi , yi h     
 x y dx  2!

La estrategia básica que habrá de resaltarse en los métodos Runge- Kutta es el uso
de manipulaciones algebraicas para resolver los valores de , lo cual
provoca que las ecuaciones

yi1
 yi  a1k1  a2 k 2 h
y la anterior sean equivalentes. Para ello, primero usamos una serie de Taylor para
expandir la ecuación. k 2  f xi  p1h  yi q11k1h La serie de Taylor para una
función de dos variables se define como:

g g
ex  r  y  s  gx, y   r  s 
x y

Si se aplica este método para expandir la

ecuación yi1  yi  a1k1  a2 k 2 h tiene

f x
f
 p h  y  q k h f x ,  p h  q f
kh
 
 O h2
 y
i 1 i 11 1 i i 1
x 11 1
y
 Este resultado podrá sustituirse junto con la
ecuación k  f x , y  y yi1  y  a k  a k h
i 1 1 2 2
1 i i

para dar
y 
y  a hf x ,  hf x , y 2 f  a h 2 f  x ,   O h3
f
 
y a a ph q y
i1 i 1 i i 2 i i 2 1 2 11
i i
y
x

O, al agrupar términos,

 f f 
y  y  a f x , y   f x , y h  a p  a q f x , y  h2  Oh3 
a
i1 i 1 i
 2 1 2 11

y 
2 i i i i
i
x
Ahora si comparamos términos comunes en las ecuaciones anteriores
determinamos que para hacer equivalentes a las dos ecuaciones, se debe cumplir
lo siguiente:

a1  a2  1
1
a1 p2 
2
1
aq 
1 11
2

Las anteriores tres ecuaciones simultaneas contienen las cuatro constantes

desconocidas. Como hay una incógnita más que el número de ecuaciones, no existe
un conjunto único de constantes que satisfagan las ecuaciones. Sin embargo, al
suponer un valor para una de las constantes, podemos determinar las otras tres. En
consecuencia, existe una familia de métodos de segundo orden más que una sola
versión.

Como tenemos tres ecuaciones con cuatro incógnitas, debemos suponer el valor de
una de estas incógnitas para determinar las otras tres. Suponga que especificamos
un valor para a2. Entonces se puede resolver de manera simultánea las ecuaciones
25.31 a 25.33 para obtener:
Debido a que podemos elegir un número finito de valores para a2, hay un número
interminable de métodos RK de segundo orden. Cada versión podría dar
exactamente los mismos resultados si la solución de la EDO fuera cuadrática, lineal
o una constante. Sin embargo, se obtienen diferentes resultados cuando la
solución es más complicada. A continuación presentamos tres de las versiones más
comúnmente y usadas y preferidas:

Método de Heun con solo corrector (a2 = ½). Si suponemos que a2 es 1/2 , las
ecuaciones (25.34) y (25.35) podrían resolverse para a1 = ½ y p1 = qI 1= 1. Estos
parámetros, al ser sustituidos en la ecuación (25.30), dan

Donde

Observe que k1 es la pendiente al inicio del intervalo y k2 es la del final. En

consecuencia, este método Runge-Kutta de segundo orden es de hecho la técnica
de Heun sin iteración.

El método de punto medio (a2 = 1). Si suponemos que a2 es 1,

entonces , y la ecuación es ahora
 Donde

Este es el método del punto medio.

Método Ralston ( ). Ralston y Rabinowitz determinaron que al
seleccionar se obtiene un límite mínimo sobre el error de
truncamiento para los algoritmos de RK de segundo orden. Para esta
versión,

Donde
 6.2 Métodos de Pasos Múltiples

Los métodos de un paso descritos en las secciones anteriores utilizan información

en un solo punto xi para predecir un valor de la variable dependiente yi+1 en un
punto futuro xi+1. Procedimientos alternativos, llamados métodos multi paso, se
basan en el conocimiento de que una vez empezado el cálculo, se tiene
información valiosa de los puntos anteriores y esta a nuestra disposición. La
curvatura de las líneas que conectan esos valores previos proporciona información
con respecto a la trayectoria de la solución. Los métodos multi paso que
exploraremos aprovechan esta información para resolver las EDO. Antes de
describir las versiones de orden superior, presentaremos un método simple de
segundo orden que sirve para demostrar las características generales de los
procedimientos multi paso.

Ilustración gráfica de la diferencia fundamental entre los métodos para

resolver EDO a) de un paso y b) de
Multi pasos.
6.2.1 Método de Heun de No Auto inició

Recordemos que el procedimiento de Heun usa el método de Euler como un

predictor:
0
y yi1  yi´ f (xi, yi)h
Y la regla trapezoidal como un corrector:

f (x  y )  f (x  y0 )
yi1  y i i i1 i 1
h ec.1
i 2

Así, el predictor y el corrector tienen errores de truncamiento local

de y , respectivamente. Esto sugiere que el predictor es el enlace débil
en el método, pues tiene el error más grande. Esta debilidad es significativa debido
a que la eficiencia del paso corrector iterativo depende de la exactitud de la
predicción inicial. En consecuencia, una forma para mejorar el método de Heun es
mediante el desarrollo de un predictor que tenga un error local de . Esto se
puede cumplir al usar el método de Euler y la pendiente en , y una información
extra del punto anterior como en:

0
yi1  yi1  f   2h ec.2
(xi yi

Observe la ecuación ec. 2 alcanza ) a expensas de emplear un tamaño de

paso mas grande, 2h. Además, observe que la ecuación ec. 1 no es de auto inicio,
ya que involucra un valor previo de la variable dependiente yi-1. Tal valor podría no
estar disponible en un problema común de valor inicial. A causa de ello, las
ecuaciones son llamadas método de Heun de no auto inició. La derivada estimada
de la ecuación se localiza ahora en el punto medio más que al inicio del intervalo
sobre el cual se hace la predicción. Como se demostrara después, esta ubicación
centrada mejora el error del predictor a Sin embargo, antes de proceder a
una deducción formal del método de Heun de no auto inicio, resumiremos el
método y lo expresaremos usando una nomenclatura ligeramente modificada:
Predictor:
 Corrector:

Donde los superíndices se agregaron para denotar que el corrector se aplica

iterativamente de j a m para obtener soluciones refinadas. Observe
1

que mi 1
y m & y son los resultados finales de las iteraciones del corrector en
i

los pasos de tiempo anteriores. Las iteraciones son terminadas en cualquier paso
de tiempo con base en el criterio de paro:

i1
y y
Ea  i1´ i 1
i
100% ec. 3
y i1

Cuando Ea es menor que una tolerancia de error Es prestablecida, se terminan las

iteraciones. En este jm
punto

6.2.2 Métodos Multi paso de orden superior

Ahora que ya desarrollamos de manera formal las fórmulas de integración de

Newton-. Cotes y Adams, podemos usarlas para deducir métodos multipaso de
orden superior. Como ocurrió con el método de Heun de no auto inició, las
fórmulas de integración se aplican en serie como métodos predictor-corrector.
Además, si las fórmulas abiertas y cerradas tienen errores de truncamiento local
del mismo orden, es posible incorporar modificadores del tipo listado. Para mejorar
la exactitud y permitir el control del tamaño de paso. Proporciona ecuaciones
generales para esos modificadores. En la siguiente sección presentamos dos de los
procedimientos multi paso de orden superior más comunes: el método de Milne y
el método de Adams de cuarto orden.
Método de Milne.

El método de Milne es el más común de los métodos multipaso basado en las

fórmulas de integración do Ncwton-Cotes. Usa la fórmula de Newton-Cotes de tres
puntos como un predictor:

y la fórmula cerrada de Newton-Cotes de tres puntos (regla de Simpson 1/3) como

un corrector:

Método de Adams de cuarto orden:

Un método popular de multi paso basado en las fórmulas de integración de Adams

usa la fórmula de Adams-Bashforth de cuarto orden (véase la tabla 26.1) como el
predictor:

y la fórmula de Adams-Moulton de cuarto orden como el corrector:

Los modificadores predictor y corrector para el método de Adams de cuarto orden
Podrán desarrollarse a partir de las fórmulas y los coeficientes de error.

6.3 Sistemas de Ecuaciones Diferenciales Ordinarias

Muchos problemas prácticos de ingeniería y ciencia requieren la solución de un

sistema de ecuaciones diferenciales ordinarias simultáneas más que una sola
ecuación. Tales sistemas pueden representarse por lo general como:

dy1
dx  f1 (x   y2  yn
y1
dy2
 f (x   y2  yn
dx 2
y1

dy
n
 y2  yn
 f (x 
dx n
y1
La solución de tal sistema requiere que se conozcan las n condiciones
iniciales en el valor inicial de x.
Método de Euler.

Los métodos analizados anteriormente para simples ecuaciones pueden

extenderse al sistema que se mostro antes. Aplicaciones en la ingeniería pueden
involucrar miles de ecuaciones simultáneas. En este caso, el procedimiento para
resolver un sistema de ecuaciones simplemente involucra aplicar la técnica de un
paso para cada ecuación en cada paso antes de proceder con el siguiente. Esto se
ilustra mejor con el siguiente ejemplo para el método de Euler simple.
Ejemplo

Resolución de sistemas de EDO mediante el método de Euler Enunciado: Resuelva

el siguiente conjunto de ecuaciones diferenciales usando el método de Euler,
suponiendo que , y . Integre para con un tamaño de paso
de 0.5.

Solución: Se implemente el método de Euler para cada variable.

Observe que, se usa en la segunda ecuación mas que

la calculada con la primera ecuación. Al proceder de manera similar se
tiene:
Nota.- Los metodos usados para la resoluciones de estos sistemas de ecuaciones son los
utilizados en las secciones anteriores, por tanto pasaremos a ajustar el tamaño del paso
directamente, claro esta despues de haber resuelto el sistema mediante uno de los metodos
vistos anteriormente
Control de tamaño de paso.

Ahora que desarrollamos formas para estimar el error de truncamiento local, se

puede usar para ajustar el tamaño de paso. En general, la estrategia es incrementar
el tamaño de paso si el error es demasiado pequeño y disminuirlo si es muy
grande. Press y Cols. (1992) han sugerido el siguiente criterio para cumplir con lo
anterior:

Donde h-actual y h-nuevo = tamaño de paso actual y nuevo, ∆actual=

exactitud actual calculada, ∆nuevo= exactitud deseada, y a= exponente
constante que es igual a 0.2 cuando aumenta el tamaño de paso y 0.25 disminuye
el tamaño de paso.

El parámetro clave en la ecuación 25.47 es obviamente ∆nuevo ya que es

su vehículo para especificar la exactitud deseada. Una manera para realizarlo sería
relacionar ∆ nuevo con un nivel relativo de error. Aunque esto funciona bien
solo cuando ocurren valores positivos, puede causar problemas para soluciones
que pasan por cero. Por ejemplo, usted podría estar simulando una función
oscilatoria que repetidamente pasa por cero, pero está limitada por valores
máximos absolutos. Para tal caso, podría necesitar estos valores máximos para
figurar en la exactitud deseada.

Una manera más general de manejar esos casos es determinar ∆ nuevo como:
Donde E=nivel de tolerancia global. Su elección de y-escala determinara entonces
como se ha escalado el error. Por ejemplo, si y-escala = y, la exactitud será
manejada en términos del error relativo fraccional. Si usted trata ahora con un caso
donde desee errores relativos constantes a un limite máximo prestablecido, existe
ya una y-escala igual a ese límite. Un truco sugerido por Press y cols. Para obtener
los errores relativos constantes excepto aquellos que cruzan muy cerca de cero, es:
 6.4 Aplicaciones

Método de Euler y de Euler modificado un circuito eléctrico contiene una

impedancia, una resistencia y una capacidad, la ecuación que rige este problema
“LRC” cuando el sistema no esta sometido a ningún potencial es de tipo:

Se tomará con características del circuito una reactancia L de .4H, R= 300Ω y una
capacidad de .001 F. En el tiempo inicial (t=0), la intensidad es de 3A y su derivada
(es decir la carga eléctrica) de .5A/s. °C Solución Primero se debe transformar este
problema en un conjunto de ecuaciones de primer orden. Se tomara Q igual a la
derivada de la intensidad de corriente.

Si se utiliza el método de Euler tradicional se tiene que resolver dichas ecuaciones

empleando las formulas:
La tabla de resultados obtenida con un paso de .0005 es:

Si ahora se utiliza el de Euler modificado las formula son:

Cabe recalcar que el problema se toma muy inestable si ese utilizan valores mas
altos para L.

Método de Butcher: implícito de segundo orden

Sea el siguiente PVI:

Y|= .3y+et =f(t , y)
Y(0) = 1
Resuelva este problema utilizando el método de Runge-Kutta de 2do orden
construido a partir de la matriz de Butcher siguiente:

Solución:
Cabe señalar que el esquema anterior es implícito al ser una matriz A densa.
Aplicando las formulas genéricas de Runge-Kutta de segundo orden al arreglo de
Butcher anterior queda:
Sustituyendo en la función f por la expresión del ejemplo, queda el siguiente
algoritmo de cálculo:

Nótese que ahora es necesario resolver un sistema de ecuaciones en K1 y K2 para

cada paso de tiempo.

Se empiezan los cálculos con i=0, t=0, y0=1, es decir el valor inicial y se supone un
valor del paso temporal h=0,1. La secuencia de los cálculos consiguientes se
resumen en la tabla a continuación.
Sistema de ecuaciones rígidas y estabilidad (SisRigid)

Sea el siguiente sistema acoplado de ecuaciones diferenciales de primer orden:

Coya escritura en forma matricial conduce a:

Solución:
Para hallar una solución analítica del problema es necesario diagonalisar la matriz A
o desacoplar el sistema de ecuaciones mediante una transformación similar. Para
esto, se requiere calcular los auto valores y los auto vectores de la matriz A. los
auto valores vienen dado al hace el determínate de |A-λI| igual a cero, lo que
resulta en la siguiente ecuación cuadrática:

Y el matiz de los auto vectores correspondientes es:

Por lo tanto, mediante el siguiente cambio de variables:

Se transforma el sistema anterior de uno desacoplado:

Y la solución analítica es ahora inmediata:

Que al sustituir las variables originales y las condicionales iniciales, queda
finalmente:

Si se grafica y1 vs. t, se observan dos escalas de tiempo, t1 y t11 en donde el

primero termino de la solución, e-11.1t, permanece prácticamente constante a la
largo de t1 y decae luego lentamente en un intervalo de tiempo 0<t11<40.

Se dice que el sistema de EDO es rígido, cuando existe una auto valor en la matriz
del sistema que no contribuye casi nada en la solución sobre todo el dominio de
integración. Se define un índice de rigidez de la siguiente forma:
Donde |Re|λ|| representa el modulo de la parte del auto valor. En efecto sea el
método genérico dado por la siguiente ecuación en diferencias, aplicado a f(t ,
y)=ky=y|:

Donde µ(hλ) representa el polinomio característico de la ecuación en

diferencias, entonces se dice que el método es estable si cumple con las
condición, |µ(hλ)|≤1 para todos lo valores de hλ.
Apéndice A “Métodos Investigados”
 Apéndice B “Ejemplos”

Métodos de Un paso

Método de Euler

1. Use el método de Euler para integrar numéricamente la ecuación

dy
 2x3  12x 2  20x  8.5
dx

Desde x  0 x  con un tamaño de paso 0.5. La condición inicial en

hasta 4
x  0 es y  1. Recuerde que la solución exacta la da la ecuación

y  0.5x4  4x 3  8.5x 1
10x2

Solución. Se puede usar la ecuación yi 1  yi  f xi , yi h para implementar

el método de Euler:
y0.5  y0 f 0,10.5

Dond
y0  1y la pendiente estimada en x  0 es
e
f 0,1  20 120  200  8.5  8.5
3 2


y0.5  1.0  8.50.5  5.25

La solución real en x  0.5 es

y  0.50.54  40.53 100.52  8.50.51  3.21875

 Método de Heun

2. Use el método de Heun para Integrar Numéricamente la Siguiente Ecuación

Diferencial
dy
 4e0.8x  0.5y
dc

Desde x=0 hasta x=4, con un tamaño de paso h=1.Con la condición inicial de que
Cuando x=0 entonces y=2. Obtenga la solución exacta integrando
analíticamente Y compare los resultados con los obtenidos por el método de
Heun.

Solución analítica de la ecuación diferencial:

y´ 4e0.8x  0.5y
Condiciones iniciales:
x  0, y  2
La ecuación diferencial y´ 4e0.8x  0.5y es de la forma
en
y´ay  g(x)
La solución probada para la ecuación diferencial es:
y  ceax
ax
En y  ce , c es arbitraria, es la solución representa una infinidad de
soluciones de acuerdo al valor c.

Comparando
y  ceaxcon y´ 4e0.8x  se encuentra que a  0.5
0.5y en
Se reordena la y´ 4e0.8x  de acuerdo ay , después se multiplica el
ecuación 0.5y
resultado
ax
Por el término x e0.5x de lo y  ce para simplificar el primer miembro:
solución
y´ 4e0.8x  0.5y
Solución. Antes de resolver el problema de manera numérica, podemos usar
cálculo para determinar la siguiente solución analítica
 Método de Runge Kutta

Use el método RK de cuarto orden para resolver las EDO

Solución. Primero, debemos resolver para todas las pendientes al inicio del
intervalo:
Ki1  f (0,4,6)  0.5(4)  2
Ki 2  f (0,4,6)  4  0.3(6)  0.1(4)  1.8

Donde K es el i-ésimo valor de k para la j-ésima variable dependiente. Después,

ij

debemos calcular los primeros valores de yx y y2 en el punto medio:

y1  k1 1 h  4  (2) 0.5  3.5

2 2
y2  k1  2  6  (1.8) 0.5  6.45
h 2
2
Los cuales se usarán para calcular el primer conjunto de pendientes de punto
medio,

K2.1  f (0,25,3.5,6.45)  1.75

K2.2  f (0,25,3.5,6.45)  1.715
Éstos se usan para determinar el segundo conjunto de predicciones de punto
medio,
h 0.5
y k  4  1.75  3.5625
1 2.1
2h 2
0.5
y k  6  1.715  3.5625
2 2.2
2 2
el cual será utilizado para calcular el segundo conjunto de pendientes de punto
medio,
k3.2  f 0.25,3.5625,6.42875  1.78125
k3.2  f 0.25,3.5625,6.42875  1.715125
 Éstos se utilizarán para determinar las predicciones al final del intervalo
y1  k3.1h  4  1.781250.5  3.109375
y2  k3.2 h  6  1.7151250.5  6.857563
Los cuales serán usados para calcular las pendientes al final del intervalo,

k4.1 
f 0.5,3.109375,857563  1.554688
k4.2 
f 0.5,3.109375,857563  1.631749
1
y (0.5)  4   2  21.75 1.781251.5546880.5  3.115234
1
61
y (0.5)  6  1.8  21.75 1.781251.6317940.5  6.857670
2
6
Al proceder en forma similar para los pasos restantes, se obtiene
 Método de Runge Kutta Segundo Orden

Comparación de varios esquemas RK de segundo orden.

Enunciado: Use el método de punto medio y el método de Ralston para integrar
numéricamente la ecuación:

Desde hasta usando un tamaño de paso de 0.5. La condición inicial

en Compare los resultados con los valores obtenidos con otro
algoritmo RK de segundo orden: el método de Heun sin corrector de iteración.

Solución: El primer paso en el método de punto medio es el uso de la ecuación para

calcular:

Sin embargo, como la EDO es una función solo de x, tal resultado carece de
relevancia sobre el segundo paso para calcular:

Observe que tal estimación de la pendiente es mucho más cercana al valor

promedio para el intervalo (4.4375) que la pendiente al inicio del intervalo (8.5)
que podría haber sido usada por el procedimiento de Euler. La pendiente en el
punto medio puede entonces sustituirse en la ecuación 25.37 para predecir.

El cálculo se repite, y los resultados se resumen en la figura 25.14 y la tabla 25.3.

Por medio del método de Ralston, k1 para el primer intervalo es también igual a 8.5
y:

La pendiente promedio se calcula por

La cual se usara para predecir

Observe que todos los metodos RK se segundo orden son superiores al metodo de
Euler
Métodos de Multi Paso

Método de Heun de Auto Inicio

Use el método de Heun de no autoinicio para realizar los mismos cálculos igual que
en el ejemplo 25.5 mediante el método de Heun. Es decir, integrar
de usando un tamaño de paso de 1.
Como en el ejemplo 25.5, la condición inicial en . Sin embargo,
como aquí tratamos con un método de multipaso, requerimos la información
adicional de que .

Solución: El predictor se usa para extrapolar linealmente de

El corrector es entonces usado para calcular el valor:

La cual representa un error relativo porcentual de -5.73%. Este error es algo mas
pequeño que el valor de -8.18% incurrido en el Heun de autoinicio.
Ahora, la ecuación del predictor se puede aplicar de manera iterativa para mejorar
la solución:
Que representa un Et de -1.92%. Puede determinarse un estimado de error
aproximado usando la ecuación ec. 3:

La ecuación se puede aplicar de manera iterativa hasta que Ea esté por debajo de
un valor pre especificado de Es. Como fue el caso con el método de Heun, las
iteraciones convergen sobre un valor de 6.360865. Sin embargo, como el valor del
predictor inicial es más exacto, el método de multipaso converge una razón algo
más rápida.

Para el segundo paso, el predictor es:

Que es superior a la predicción de 12.08260 que fue calculada con el método de

Heun original. El primer corrector da 15.76693 e iteraciones subsecuentes
convergen sobre el mismo resultado como se obtuvo con el método de Heun de
autoinicio: 15.30224. Como con el paso anterior, la razón de convergencia del
corrector ha sido mejorada debido a la mejor predicción inicial.
Deducción y análisis del error de las formulas del predictor-corrector. Ya
empleamos conceptos gráficos para deducir el Heun de no autoinicio. Ahora
mostraremos como las mismas ecuaciones se pueden deducir matemáticamente.
Esta deducción es en particular interesante porque vincula las ideas del ajuste de
curva, de la integración numéricas y de las EDO. El ejercicio también es útil porque
proporciona un procedimiento simple para desarrollar métodos de multipaso de
orden superior y estima sus errores.

La deducción se basa en resolver la EDO general:

Esta ecuación se puede resolver al multiplicar ambos lados por integrando entre
los límites :

El lado izquierdo se puede integrar y evaluar mediante el teorema fundamental:

ec. 4

La ecuación representa una solución a la EDO si la integral puede ser evaluada. Es

decir, proporciona un medio para calcular un nuevo valor de la variable
dependiente con base en un valor previo de y la ecuación diferencial.
Las formulas de integración numérica proporcionan una manera de hacer esta
evaluación. Por ejemplo, la regla trapezoidal se puede usar para evaluar la integral,
como en:

ec. 5

Donde es el tamaño de paso. Al sustituir la ecuación ec.5 en la

ecuación ec.4 se tiene:
La cual es la ecuación corrector para el método de Heun. Como esta se basa en la
regla trapezoidal, el error de truncamiento puede tomarse directamente de la tabla
2:

ec.6

Un procedimiento similar puede ser usado para deducir al predictor. Para

este caso, los límites de integración van de :

Que se puede integrar y re arreglar para obtener:

ec.7

Ahora, más que usar la formula cerrada de la tabla 2, la primera formula en

integración abierta de Newton-Cotes se puede usar para evaluar la integral como
en:
 ec. 8

La cual es llamada método de punto medio. Sustituyendo la ecuación ec. 8 en la

ecuación ec.7 se obtiene:

ec.9

El cual es el predictor para el Heun de no autoinicio. Como con el corrector, el error

de truncamiento local se puede tomar directamente:

ec.10

Donde el subíndice p designa que este es el error dele predictor.

Así, el predictor y el corrector para el método de Heun de no autoinicio tiene
errores de truncamiento del mismo orden. Además de actualizar la exactitud del
predictor, este hecho tiene beneficios adicionales relacionados con el análisis del
error, como se elaborara en la siguiente sección.
Estimación de errores: Si el predictor y el corrector de un método multipaso son
del mismo orden, el error de truncamiento local puede estimarse durante el curso
de un cálculo. Esto es una tremenda ventaja, ya que establece un criterio para el
ajuste del tamaño de paso.

El error de truncamiento local para el predictor se estima con la ecuación ec.9.

Dicho error estimado se puede combinar con el estimado de del paso predictor
para dar:
 ec.11

Mediante un procedimiento similar, el error estimado para el corrector se

puede combinar con el resultado del corrector para dar:

La ecuación ec.10 puede ser restada de la ecuación ec.11 para dar:

Donde E esta ahora entre y . Ahora, si se divide la ecuación entre 5 y

se rearregla el resultado se tiene:

ec.12

Observe que el lado derecho de las ecuaciones ec. 6 y ec.12 son idénticos, con la
excepción del argumento de la tercera derivada. Si no hay una variación apreciable
sobre el intervalo en cuestión, podemos suponer que el lado derecho son iguales
y, por tanto, los lados izquierdos deberían ser equivalentes, como en:

ec.13
Así, llegamos a una relación que puede ser usada para estimar el error de
truncamiento por paso con base en dos cantidades, que son de rutina
subproductos del cálculo.
Solución. En =1, el predictor de 5.607005 y el corrector da 6.360865. Estos
valores se pueden sustituir en la ecuación ec.13 para dar:

La cual se compara bien con el error exacto:

En =2, el predictor da 13.44346 y la trayectoria da 15.30224, la cual se

usa para calcular:

Que también se compara favorablemente con el error

exacto,
 Conclusión

Mediantes los métodos anteriores vistos comprendo que son de gran ayuda
en la aplicación de diferentes áreas como la electrónica la bacteriología a si
como lo que es la probabilidad entre otras. Por el cual podemos decir que.
Métodos numéricos y sus aplicaciones en sus diferentes métodos son de gran
ayuda en la vida del ingeniero así como también del licenciado.
Bibliografía
Métodos Numéricos para ingenieros; Chapra Steven C. y Canalé
Raymond 5a Ed.

Información de los: Capítulos 25, 26, 28

Paginas: 713 a 846