INSTITUTO

TECNOLÓGICO DE
MATAMOROS
desarrollo tema vi
Ecuaciones Diferenciales Ordinarias

Maestro: Julián Eri Méndez Reyes.

Materia: Métodos Numéricos
Tema: Ecuaciones Diferenciales
Ordinarias
Horario: 9:00 a.m. a 10:00 a.m.

Alumno: Uziel Bautista Gutiérrez

- 6.- Ecuaciones diferenciales ordinarias

Objetivo: Utilizar los métodos numéricos para resolver ecuaciones diferenciales ordinarias
básicas.

6.1. Fundamentos de Ecuaciones Diferenciales.

Una ecuación diferencial es una ecuación en la que intervienen derivadas de una o más
funciones desconocidas. Dependiendo del número de variables independientes respecto
de las que se deriva, las ecuaciones diferenciales se dividen en

- Ecuaciones diferenciales ordinarias: aquellas que contienen derivadas respecto a una

sola variable independiente.

- Ecuaciones en derivadas parciales: aquellas que contienen derivadas respecto a dos o

más variables.
- Una ecuación diferencial es una ecuación que incluye expresiones o términos que
involucran a una función matemática incógnita y sus derivadas. Algunos ejemplos de
ecuaciones diferenciales son:

- Es una ecuación diferencial ordinaria, donde representa una función no especificada

de la variable independiente , es decir,

,
es la derivada de con respecto a .
La expresión

es una ecuación en derivadas parciales.

A la variable dependiente también se le llama función incógnita (desconocida). La
resolución de ecuaciones diferenciales es un tipo de problema matemático que consiste
en buscar una función que cumpla una determinada ecuación diferencial. Se puede llevar
a cabo mediante un método específico para la ecuación diferencial en cuestión o mediante
una transformada.

6.2 Métodos de un paso: Método de Euler, Método de Euler mejorado y

Método de Runge-Kutta.
El método de Euler
El método de Euler, llamado así en honor de Leonhard Euler, es un procedimiento
de integración numérica para resolver ecuaciones diferenciales ordinarias a partir de un
valor inicial dado.
El método de Euler es el más simple de los métodos numéricos resolver un problema del
siguiente tipo:

Consiste en multiplicar los intervalos que va de a en subintervalos de ancho ;

osea:

de manera que se obtiene un conjunto discreto de puntos: del

intervalo de interes . Para cualquiera de estos puntos se cumlple que:

La condición inicial , representa el punto por donde pasa la

curva solución de la ecuación de el planteamiento inicial, la cual se denotará
como .

Ya teniendo el punto se puede evaluar la primera derivada de en ese punto; por

lo tanto:
Grafica A.

Con esta información se traza una recta, aquella que pasa por y de
pendiente . Esta recta aproxima en una vecinidad de . Tómese la recta
como reemplazo de y localícese en ella (la recta) el valor de y correspondiente a .
Entonces, podemos deducir segun la Gráfica A:

Se resuelve para :

Es evidente que la ordenada calculada de esta manera no es igual a , pues

existe un pequeño error. Sin embargo, el valor sirve para que se aproxime en el
punto y repetir el procedimiento anterior a fin de generar la sucesión de
aproximaciones siguiente:
Ejemplo 1:
Ejemplo 2
Método de Euler Mejorado
Este método se basa en la misma idea del método anterior, pero hace un refinamiento en
la aproximación, tomando un promedio entre ciertas pendientes.
La fórmula es la siguiente:

Donde

Para entender esta fórmula, analicemos el primer paso de la aproximación, con base en la
siguiente gráfica:

En la gráfica, vemos que la

pendiente promedio 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 donde 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 como la aproximación de
Euler mejorada.
Ejemplo 1
Ejemplo 2.
Método de Runge-Kutta
El método de Runge-Kutta es un método genérico de resolución numérica de ecuaciones
diferenciales. Este conjunto de métodos fue inicialmente desarrollado alrededor del
año 1900 por los matemáticos C. Runge y M. W. Kutta.
Los métodos de Runge-Kutta (RK) son un conjuntos de métodos iterativos (implícitos y
explícitos) para la aproximación de soluciones de ecuaciones diferenciales ordinarias,
concretamente, delproblema de valor inicial.
Sea

una ecuación diferencial ordinaria, con donde es un conjunto

abierto, junto con la condición de que el valor inicial de ƒ sea

Entonces el método RK (de orden s) tiene la siguiente expresión, en su forma más

general:

donde h es el paso por iteración, o lo que es lo mismo, el incremento entre los

sucesivos puntos y . Los coeficientes son términos de aproximación intermedios,
evaluados en ƒ de manera local

con coeficientes propios del esquema numérico elegido, dependiente de la regla

de cuadratura utilizada. Los esquemas Runge-Kutta pueden ser explícitos o implícitos
dependiendo de las constantes del esquema. Si esta matriz es triangular inferior con
todos los elementos de la diagonal principal iguales a cero; es decir,
para , los esquemas son explícitos.

Ejemplo 1.
Ejemplo 2
6.3. 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 multipaso, se basan en el
conocimiento de que una vez empezado el cálculo, se tiene información valiosa de los
puntos anteriores y está 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 multipaso 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 multipaso.

El método de Heun de no autoinicio

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

Y la regla trapezoidal como un corrector:

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

respectivamente. Esto sugiere que el predictor es el enlace debil 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:

ec.2

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 autoinicio,
ya que involucra un valor previo de la variable dependiente yi-1. Tal valor podria
no estar disponible en un problema común de valor inicial. A causa de ello, las
ecuaciones 26.11 y 26.12 son llamadas método de Heun de no autoinició.
Como se ilustra en la figura 26.4, la derivada estimada de la ecuación 26.12 se
localiza ahora en el punto medio mas 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 autoinicio, 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=1 a m para obtener soluciones refinadas. Observe que
son los resultados finales de las iteraciones del corrector en
los pasos de tiempo anteriores. Las iteraciones son terminadas en cualquier paso de
tiempo con base en el criterio de paro:

ec. 3
Cuando es menor que una tolerancia de error Es preestablecida, se terminan
las iteraciones. En este punto
 Predictor:

Corrector:

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

iterativamente de j=1 a m para obtener soluciones refinadas. Observe que
son los resultados finales de las iteraciones del
corrector en los pasos de tiempo anteriores. Las iteraciones son terminadas en
cualquier paso de tiempo con base en el criterio de paro:

ec. 3

Cuando es menor que una tolerancia de error Es preestablecida, se

terminan las iteraciones. En este punto

Ejemplo
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,

6.4. Aplicaciones
Las ecuaciones diferenciales son muy utilizadas en todas las ramas de
la ingeniería para el modelado de fenómenos físicos. Su uso es común tanto
en ciencias aplicadas, como en ciencias fundamentales (física, química, biología)
o matemáticas, como en economía.

 En dinámica estructural, la ecuación diferencial que define el

movimiento de una estructura es:

Donde M es la matriz que describe la masa de la estructura, C es la matriz que

describe el amortiguamiento de la estructura, K es la matriz de rigidez que
describe la rigidez de la estructura, xes vector de desplazamientos [nodales] de la
estructura, P es el vector de fuerzas (nodales equivalentes), y t indica tiempo. Esta
es una ecuación de segundo orden debido a que se tiene el desplazamiento x y su
primera y segunda derivada con respecto al tiempo.

 La vibración de una cuerda está descrita por la siguiente ecuación

diferencial en derivadas parciales de segundo orden:

donde es el tiempo y es la coordenada del punto sobre la cuerda. A esta

ecuación se le llama ecuación de onda.

Ejemplo 1.

Una solución de salmuera de sal fluye a razón constante de 6L/min. hacia el

interior de un depósito que inicialmente contiene 50L de solución de salmuera en
la cual se disolvieron 5kg de sal. La solución contenida en el depósito se mantiene
bien agitada y fluye hacia el exterior con la misma rapidez. Si la concentración de
sal en la salmuera que entra en el depósito es de 0.5kg/L, determinar la cantidad
de sal presente en el depósito al cabo de t minutos. ¿Cuándo alcanzará la
concentración de sal en el depósito el valor de 0.3kg/L?
Ejemplo 2.

Una alberca cuyo volumen es de 10.000L contiene agua con el 0.01% de cloro.
Empezando en t = 0, desde la ciudad se bombea agua que contiene 0.001% de
cloro, hacia el interior de la alberca a razón de 5L/min., y el agua de la alberca
fluye hacia el exterior a la misma velocidad. ¿Cuál es el porcentaje de cloro en la
alberca al cabo de 1 hora? ¿Cuándo tendrá el agua de la alberca 0.002% de
cloro?