Unidad II.

SEMANA 2
Clase 11: Resolución Numérica de un PVI de
Orden Superior

Prof: María Angélica Vega Urquieta

Indicadores de desempeño

1. Reduce el orden de una ecuación diferencial de orden superior.

2. Aplica los métodos estudiados, tanto los que provienen de un
desarrollo de Taylor, como los métodos de Runge-Kutta en la
resolución numérica de un PVI de orden superior.
11.1. Resolución Numérica de un PVI.

Introducción
Para resolver un PVI de Orden Superior, aplicaremos los métodos estudiados para la
Resolución de un PVI de Primer Orden. El procedimiento consiste en reducir el
orden n, de la ecuación diferencial del PVI, transformándola en una ecuación
diferencial vectorial con n componentes, obteniéndose un PVI Vectorial de Primer
Orden, Veamos en qué consiste.
Procedimiento:

1. Mediante un cambio de Variables, efectuamos la reducción de orden. Definimos,

una nueva variable vectorial, que denotaremos −
→
u o u, de modo que.

     (0)   
u1 (t) y (t) u1 y (0)
u2 (t)  y 0 (t)
  (0) 
u2   y 0 (0)

u= .  = ,
.. u(0) = = ..
     
 .. 

 .. 

 .  .   .
n−1 (0) (n−1)
un (t) y (t) un y (0)
(1)
2. Derivamos la función vectorial, es decir, componente a componente, obteniendo:
 (0) 
u10 (t)
 0 
u1 y (0)
   
y (t)
0
u2 (t) y 00 (t)  (0)  0
 y (0) 
u2 
u0 =  .  =  .  = F(t, u), con u(0) =
 ..  =  ..
      
 ..   .. 

 .   . 
un0 (t) y n (t) (0)
un y (n−1)
(0)
(2)
3. Escribimos la ecuación diferencial en (??) en términos de las componentes
de la función vectorial u0 y obtenemos el PVI vectorial de primer Orden:
−
→ −
→ →
u 0 = F (t, −
(
u)
−
→
u (0) = −
→u
(0)

4. Ahora, podemos aplicar cualquier método numérico estudiado

anteriormente, para aproximar la solución de un PVI de Primer Orden a
un PVI Vectorial de Primer Orden. Esto implica reescribir los Métodos
Numéricos en forma vectorial. Veamos un ejemplo concreto.
Ejemplo Ilustrativo 11.1

Aproximar la solución del PVI:

y 00 − 4y 0 + 8y = t 3

y (0) = 2, y 0 (0) = 4

en t = 0.2, usando RK-3 con h = 0.2

Solución:

1. El método en cuestión lo define el algoritmo siguiente:

1
yi+1 = yi + (K1 + 4K2 + K3 ), donde
6

K1 = hf (t
i , yi ) 
h K1
K2 = hf ti + , yi +
2 2
K3 = hf (ti + h, yi − K1 + 2K2 )
2. Reducción del orden. Sea:
!
    (0)  
u1 (t) y (t) (0) u1 2
u= = 0 , u = (0) = (3)
u2 (t) y (t) u2 4

3. Observemos que, escribimos la ecuación diferencial en forma explícita:

y 00 (t) − 4y 0 (t) + 8y (t) = t 3 , en la forma y 00 (t) = 4y 0 (t) − 8y + t 3 (4)

4. Derivamos u y expresamos u0 en términos de t y u

 0   0   
u1 (t) y (t) u2
u0 = = = = F(t, u) (5)
u20 (t) y 00 (t) 4u2 − 8u1 + t 3

5. Luego, el PVI de Primer Orden Vectorial es:

 0
 u = F(t,
 u)
(0) 2
 u =
4
6. Aplicamos RK-3, en forma vectorial:

−
→ 1 −
→ −
→ −
→
=−
→
(i+1) (i)
u u + ( K 1 + 4 K 2 + K 3 ), donde
6

Iteracción 1: i = 0
    
−
→ −
→ −
→ 2 4
K 1 = h F t0 , −
→

(0)
u = 0.2 F 0, = 0.2
    4 16 − 16 + 03
4 0.8
= 0.2 =
0 0
−
→ !     
−
→ −
→ h −→(0) K1 −
→ 2 0.4
K 2 = h F t0 + , u + = 0.2 F 0.1, +
2 2 4 0
      
−
→ 2.4 4 4
= 0.2 F 0.1, = 0.2 = 0.2
4 16 − 8(2.4) + (0.1)3 −3.199
 
0.8
=
−0.6398
−
→ −
→ −
→ −
→ 
K 3 = h F t0 + h, −
→ (0)
u − K 1 + 2K 2 =
      
−
→ 2 0.8 0.8
= 0.2 F 0.2, − +2
4 0 −0.6398
    
−
→ 2.8 2.7204
= 0.2 F 0.2, = 0.2
2.7204 4(2.7204) − 8(2.8) + (0.2)3
   
2.7204 0.54408
= 0.2 = luego,
−11.5104 −2.30208
       
−
→ (1) 2 1 0.8 0.8 0.54408
u = + +4 +
4 6 0 −0.6398 −2.30208
         
2 1 4.54408 2 0.757347 2.757347
= + = + =
4 6 −4.86128 4 −0.810213 3.189787
7. Conclusión:
Deducimos de aquí, dos resultados:

I La aproximación del método numérico para la solución en

t = 0.2 es:
y1 ≈ y (0.2) ≈ 2.757347
I La aproximación de la derivada de la solución en t = 0.2 es:

y10 ≈ y 0 (0.2) ≈ 3.189787

lo que indica que la solución es una función creciente.

8. Error del Método: Si consideramos que la solución analítica es:

3 2t 3 3 2 t3
y (t) = 2e 2t cos(2t) − e sin (2t) + t+ t + y
64 32 16 8

y (0.2) = 2.755214, entonces

EA = |y (0.2) − y1 | = |2.757347 − 2.755214| = 0.002133

Este resultado muestra una exactitud o precisión hasta el segundo decimal, un
decimal menos de lo que garantiza el teorema de Taylor que predice un error a
partir del cuarto decimal, ya que el error pesa a partir del término que contiene
h4 . En todo caso 0.002 es un error pequeño.
Ejemplo Ilustrativo 11.2
Aproxime la solución del PVI, en t = 0.5
 000
y + 2y 00 − y 0 − 2y = 0
y (0) = 0 = y 0 (0), y 00 (0) = 1.
Use RK-4 clásico, con h=0.25. Determine el error cometido en la
aproximación comparando con el valor que entrega la solución analítica.
Recordemos que el Método RK-4 clásico, se define por:
1
yi+1 = yi + (K1 + 2K2 + 2K3 + K4 ), donde
6
K1 = hf (ti , yi )
 
h K1
K2 = hf t i + , yi +
2 2
 
h K2
K3 = hf t i + , yi +
2 2

K4 = hf (ti + h, yi + K3 )
Solución:
1. Reducción del orden. Definimos:
 (0) 
    u1  
u1 (t) y (t)   0
u = u2 (t) =  y 0 (t)  , u(0)
 
(0) 
u2  = 0
= (6)
 
u3 (t) y 00 (t)   1
u30
2. Observemos que, escribimos la ecuación diferencial en forma explícita:
y 000 (t)+2y 00 (t)−y 0 (t)−2y (t) = 0, en la forma
y 000 (t) = 2y (t)+y 0 (t)−2y 00 (t)
(7)
3. Derivamos u y expresamos u0 en términos de t y u
 0   0
u1 (t) y (t) u2
  
     
u0 = u20 (t) =  y 00 (t)  =  u3  = F(t, u) (8)
     
     
u30 (t) y 000 (t) 2u1 + u2 − 2u3
4. Luego, el PVI de Primer Orden Vectorial es:
 0

 u = F(t, u)
0

(0)
u =  0


1

6. Aplicamos RK-4 en forma vectorial:

→
− 1 →
− →
− →
− →
−
=→
−
(i+1) (i)
u u + ( K 1 + 2 K 2 + 2 K 3 + K 4 ), donde
6

Iteracción 1: i = 0, t0 = 0

    
→
− →
−  →
− 0 0
K 1 = h F t0 , →−

u (0) = 0.25 F 0, 0 = 0.25  1 
    1 2·0+0−2·1
0 0
= 0.25  1  =  0.25 
−2 −0.5

→
− !    
0 0

→
− →
− h K1 →
−
, →
− (0)
K2 = hF t0 + u + = 0.25 F 0.125, 0 +  0.125 
2 2 1 −0.25
    
→
− 0 0.125
= 0.25 F 0.1, 0.125 = 0.25  0.75 
0.75 2 · 0 + 0.125 − 2 · 0.75
   
0.125 0.03125
= 0.25  0.75  =  0.1875 
−1.375 −0.34375
 →
− !    
0 0.015625

→
− →
− h K2 →
−
, →
− (0)
K3 = hF t0 + u + = 0.25 F 0.125, 0 +  0.09375 
2 2 1 −0.171875
    
→
− 0.015625 0.09375
= 0.25 F 0.125,  0.09375  = 0.25  0.828125 
0.828125 −1.53125
 
0.02344
=  0.20703 
−0.38281

    
→
− →
−  →
− 0 0.02344
K 4 = h F t0 + h, →
−

u (0) + K3 = 0.25 F 0.25, 0 +  0.20703 
1 −0.38281
    
→
− 0.02344 0.20703
= 0.25 F 0.25, 0.20703 = 0.25  0.61719 
0.61719 −0.98047
 
0.051758
=  0.154298 
−0.245118
         
0 1 0 0.03125 0.02344 0.051758
→
−
u
(1)
= 0 +  0.25  + 2  0.1875  + 2  0.20703  +  0.154298 
1 6 −0.5 −0.34375 −0.38281 −0.245118
     
0 1 0.161138 0.026856
= 0 +  1.193358  = 0.198893
1 6 −2.198238 0.633627
Iteracción 2:

i = 1, t1 = 0.25, h = 0.25

→
− 1 →
− →
− →
− →
−
=→
−
(2) (1)
u u + ( K 1 + 2 K 2 + 2 K 3 + K 4 ), donde
6

    
→
− →
−  →
− 0.026856 0.198893
K 1 = h F t1 , →
−

u (1) = 0.25 F 0.25, 0.198893 = 0.25  0.633627 
  0.633627 −1.014649
0.049723
=  0.158407 
−0.253662

→
− !  
0.0517175

→
− →
− h K1 →
−
, →
− (1)
K2 = hF t1 + u + = 0.25 F 0.375, 0.2780965
2 2 0.506796
   
0.2780965 0.069524
= 0.25  0.506796  =  0.126699 
−0.6320605 −0.158015
 →
− !  
0.061618

→
− →
− h K2 →
−
, →
− (1)
K3 = hF t1 + u + = 0.25 F 0.375, 0.2622425
2 2 0.5546195
   
0.2622425 0.065560
= 0.25  0.5546195  =  0.1386548 
−0.7237605 −0.1809401

  
→
− →
−  →
− 0.092416
K 4 = h F t1 + h, →
−

u (1) + K3 = 0.25 F 0.5, 0.337548
0.452687
 
0.337548
= 0.25  0.452687 
−0.382994
 
0.084387
=  0.113172 
−0.095749
         
0.026856 1 0.049723 0.069524 0.065560 0.084387
→
−
u
(2)
= 0.198893 +  0.158407  + 2  0.126699  + 2  0.1386548  +  0.113172 
0.633627 6 −0.253662 −0.158015 −0.1809401 −0.095749
     
0.026856 1 0.404278 0.094236
= 0.198893 +  0.802287  = 0.332608
0.633627 6 −1.027321 0.462407

De aquí, deducimos que y (0.5) ≈ 0.094236

Error Absoluto

I Comprobar que la solución analítica del PVI es:

1 t 1 1
y (t) = e − e −t + e −2t
6 2 3

Evaluando:

1 0.5 1 1
y (0.5) = e − e −0.5 + e −2(0.5) ≈ 0.094148
6 2 3

I Error absoluto

EA (y2 ) = |y2 − y (0.5)| = |0.094236 − 0.094148| ≈ 0.000088

Observemos que la aproximación tiene una precición de 4 dígitos decimales. Tal como
garantiza el teorema de Taylor, el error pesa a partir del término de orden O(h5 ).