Professional Documents
Culture Documents
1.5. Aplicaciones.
1
Resolución numérica de ecuaciones diferenciales 3
Interés:
2
Resolución numérica de ecuaciones diferenciales 5
3
Resolución numérica de ecuaciones diferenciales 7
y A ( y 0 A)e kt
En la Figura se muestran dos soluciones del problema: Para y0 6 y para y0 2
y0 6
y(t) y0 6
Cuando t crece, la temperatura
del cuerpo se aproxima a la
temperatura ambiente.
A=2
Si y 0 < A, el cuerpo se calienta,
si y 0 > A, el cuerpo se enfría. t
y0 2
4
Resolución numérica de ecuaciones diferenciales 9
• Ejemplo 1. y y x 2 1, 0 x 2
y (0) 0,5
• Ejemplo 2.
y 1 xsen( xy ), 0 x 2
y (0) 0
5
Resolución numérica de ecuaciones diferenciales 11
• Si la función f y
f , son continuas en dicho intervalo a, b para todo y.
y
• Menos exigente que esta hipótesis es que se verifique la condición de Lipschitz
L 0, f ( x, y ) f ( x, y*) L y y *
• Ej. 1: f ( x, y ) y x 2 1, f y ( x, y ) 1,
Por tanto ambos son problemas bien planteados (existe una única solución)
Sino:
• los valores de la solución para un conjunto continuo de valores del
intervalo de la variable independiente (solución analítica)
o
• los valores aproximados de la solución para un conjunto discreto de
valores del intervalo de la variable independiente (solución numérica)
6
Resolución numérica de ecuaciones diferenciales 13
Ejemplo 1.
2 1 x
y( x ) := x 2 x 1 e
2
Ejemplo 2.
7
Resolución numérica de ecuaciones diferenciales 15
Métodos Numéricos
8
Resolución numérica de ecuaciones diferenciales 17
y(a) ya
h
x
a b
x0 x1 x2 ... xn ... xN 1 xN
Aunque por sencillez trabajaremos con tamaño de paso fijo, las técnicas más
eficientes adaptan continuamente el tamaño del paso al comportamiento de la solución:
• disminuyendo el paso si la solución varía rápidamente (lo que supone hacer más
operaciones y estar sujetos a errores de redondeo), o
• aumentándolo si la solución varía poco (obteniendo buenas aproximaciones ahorrando
costes computacionales y evitando errores de redondeo innecesarios).
9
Resolución numérica de ecuaciones diferenciales 19
dy
k ( y A)
dt
y (0) y0
10
Resolución numérica de ecuaciones diferenciales 21
y( x)
y0
h
x0 x1 x
11
Resolución numérica de ecuaciones diferenciales 23
y1
y ( x1 )
y0
h
x0 x1 x
y ( x1 )
y0
h
x0 x1 x
12
Resolución numérica de ecuaciones diferenciales 25
y1 y ( x1 )
h
x0 x1 x
13
Resolución numérica de ecuaciones diferenciales. 27
Métodos de Taylor
Método de Euler.
Método de Euler dy
f ( x, y ), para a x b
Sea el PVI : dx
y ( x0 ) y0
14
Resolución numérica de ecuaciones diferenciales. 29
Método de Euler dy
f ( x, y ), para a x b
Sea el PVI : dx
y ( x0 ) y0
Como y(x) es la solución de la ecuación diferencial, verifica que y(x) f (x, y(x)),
y particularizando para x x1 x0 h , el desarrollo de Taylor permite obtener y(x1)
a partir de y( x0 )
h2 x0 , x1
y( x1 ) y( x0 h) y( x0 ) hf ( x0 , y( x0 )) y( ), para algún
2
Método de Euler dy
f ( x, y ), para a x b
Sea el PVI : dx
y ( x0 ) y0
15
Resolución numérica de ecuaciones diferenciales. 31
y0 y ( x0 )
yn 1 yn hf ( xn , yn ), para n 0,1, 2,...., N 1
u1
u0
x0 x1 x
h2
n 1 y ( xn 1 ) yn hf ( xn , y ( xn )) y( n ),
2
h2 y( n )
n 1 2 1
lim 2
lim 2
y ( n ) K , cte 0
h 0 h h 0 h 2
o sea, un infinitésimo O( h 2), así que el error local es de orden 2.
16
Resolución numérica de ecuaciones diferenciales. 33
en y ( xn ) yn , n 0,1, 2,.....N
en y ( xn ) yn , n 0,1, 2,.....N
Si fuera éste el único que se comete en cada paso, al llegar al extremo superior del
intervalo (dar N pasos) el error acumulado sería
N
h2 h2 (b a ) h
n 1 2
y( n ) N
2
y( n )
2
y ( n ) ( h)
Podría haber otros errores, pero esta estimación del error global es la que predomina.
17
Resolución numérica de ecuaciones diferenciales. 35
en y ( xn ) yn , n 0,1, 2,.....N
Si fuera éste el único que se comete en cada paso, al llegar al extremo superior del
intervalo (dar N pasos) el error acumulado sería
N
h2 h2 (b a ) h
n 1 2
y( n ) N
2
y( n )
2
y ( n ) ( h)
Podría haber otros errores, pero esta estimación del error global es la que predomina.
hM L ( xn a )
y( xn ) yn (e 1).
2L
18
Resolución numérica de ecuaciones diferenciales. 37
y ' y x 2 1, 0 x 2
y (0) 0,5
suponiendo que N=10.
20
Si N=10, entonces h 0.2, xn a nh 0 0.2n 0.2n
10
y
y(0) 0.5
h
x
0 2
x0 x1 x2 ... xn ... xN 1 xN
19
Resolución numérica de ecuaciones diferenciales. 39
20
Resolución numérica de ecuaciones diferenciales. 41
y ' y x 2 1, 0 x 2
y (0) 0,5
21
Resolución numérica de ecuaciones diferenciales. 43
0 0 0 0
0.2000 0.0293 0.0153 0.0078
0.4000 0.0621 0.0325 0.0167
0.6000 0.0985 0.0519 0.0267
1 kh1 h / 2 1
0.8000 0.1387 0.0734 0.0378
1.0000 0.1827 0.0971 0.0502 kh h 2
1.2000 0.2301 0.1230 0.0637 2 kh2 h / 4 1
1.4000 0.2806 0.1509 0.0785
1.6000 0.3334
kh h 4
0.1805 0.0942
1.8000 0.3870 0.2111 0.1107
2.0000 0.4397 0.2420 0.1275
22
Resolución numérica de ecuaciones diferenciales. 45
y ' y x 2 1, 0 x 2
y (0) 0.5
23
Resolución numérica de ecuaciones diferenciales. 47
y por tanto
y ( x) 0.5e 2 2, para 0 x 2 M 0.5e 2 2
hM L ( xn a )
y ( xn ) yn (e 1).
2L
En nuestro caso con h=0.2, L=1 y M=0.5e2-2, obtenemos como cota del error
y ( xn ) yn 0.1(0.5e2 2)(e xn 1)
24
Resolución numérica de ecuaciones diferenciales. 49
En la tabla se registran los errores de hecho del ejemplo, junto a las correspondientes
cotas del error.
0 0.5000 0.5000 0 0
0.2000 0.8293 0.8000 0.0293 0.0375
0.4000 1.2141 1.1520 0.0621 0.0833
0.6000 1.6489 1.5504 0.0985 0.1393
0.8000 2.1272 1.9885 0.1387 0.2076
1.0000 2.6409 2.4582 0.1827 0.2912
1.2000 3.1799 2.9498 0.2301 0.3931
1.4000 3.7324 3.4518 0.2806 0.5177
1.6000 4.2835 3.9501 0.3334 0.6698
1.8000 4.8152 4.4282 0.3870 0.8556
2.0000 5.3055 4.8658 0.4397 1.0826
Hagamos notar que la cota del error excede con mucho el error verdadero de la
aproximación, en particular para los valores más grandes de xn.
Puesto que hemos construido el método de Euler a partir del desarrollo de Taylor
con k = 1, nuestro primer intento para hallar métodos que mejoren la precisión del
método de Euler consistirá en extender esta técnica de construcción para valores
mayores de k.
25
Resolución numérica de ecuaciones diferenciales. 51
Puesto que hemos construido el método de Euler a partir del desarrollo de Taylor
con k = 1, nuestro primer intento para hallar métodos que mejoren la precisión del
método de Euler consistirá en extender esta técnica de construcción para valores
mayores de k.
Supongamos que la solución y(x) del problema de valor inicial tiene k + 1 derivadas
continuas.
y ' f ( x, y ), a x b
y (a )
Si expresamos la solución y(x) en términos de su k-ésimo polinomio de Taylor
alrededor de xn , obtenemos
( x xn ) 2
y ( x) y ( xn ) ( x xn ) y '( xn ) y ''( xn ) ...
2
( x xn ) k ( k ) ( x xn ) k 1 ( k 1)
y ( xn ) y ( n ), para algun n [ xn , xn1 ]
k! (k 1)!
Puesto que hemos construido el método de Euler a partir del Teorema de Taylor
con k = 1, nuestro primer intento para hallar métodos que mejoren la precisión del
método de Euler consistirá en extender esta técnica de construcción para valores
mayores de k.
Supongamos que la solución y(x) del problema de valor inicial tiene k + 1 derivadas
continuas.
y ' f ( x, y ), a x b
y(a)
Si expresamos la solución y(x) en términos de su k-ésimo polinomio de Taylor
alrededor de xn , obtenemos
( x xn ) 2
?
y ( x) y ( xn ) ( x xn ) y '( xn ) y ''( xn ) ...
2
?
( x xn ) k ( k ) ( x xn ) k 1 ( k 1)
y ( xn ) y ( n ), para algun n [ xn , xn1 ]
k! (k 1)!
26
Resolución numérica de ecuaciones diferenciales. 53
y0
yn1 yn hT ( k )( xn , yn ), para cada n 1,2,...,N - 1.
donde h h k 1 ( k 1)
T ( k ) ( xn , yn ) f ( xn , yn ) f ´( xn , yn ) ... f ( xn , yn )
2 k!
h k 1 ( k 1)
El error local es y (n ), para algún n [ xn , xn1 ].
k!
Si se dan suficientes condiciones de derivabilidad, entonces el método de
Taylor de orden k tendrá un error local de orden O(hk+1) y un error global
de orden O(hk).
27
Resolución numérica de ecuaciones diferenciales. 55
d
f '( x, y ( x)) ( y x 2 1) y ' 2 x y x 2 2 x 1
dx
Por tanto
h h
T (2) ( xn , yn ) f ( xn , yn ) f ´( xn , yn ) yn xn 2 1 ( yn xn 2 2 xn 1)
2 2
h
(1 )( yn xn 2 1) hxn
2
y0 0.5
h
yn1 yn h [(1 )( yn xn 2 1) hxn ]
2
y0 0.5
0.2
yn 1 yn 0.2[(1 )( yn (0.2n) 2 1) 0.04n]
2
1.22 yn 0.00088n 2 0.008n 0.22
28
Resolución numérica de ecuaciones diferenciales. 57
Para determinar el esquema del método de Taylor orden 4, debemos hallar ahora
h h2 h3
T (4) ( xn , yn ) f ( xn , yn ) f ´( xn , yn ) f ''( xn , yn ) f '''( xn , yn )
2 3! 4!
y calcular hasta la derivada tercera de f ( x, y ( x)) y ( x ) x 2 1 respecto a la
variable x:
d
f ''( x, y ( x)) ( y x 2 1 2 x) y ' 2 x 2 y x 2 1 2 x 2 y x 2 2 x 1
dx
d
f '''( x, y ( x)) ( y x 2 2 x 1) y ' 2 x 2 y x 2 1 2 x 2 y x 2 2 x 1
dx
con lo cual
h h2 h3
T (4) ( xn , yn ) f ( xn , yn )
f ´( xn , yn ) f ''( xn , yn ) f '''( xn , yn )
2 3! 4!
h h2 h3
yn xn 2 1 ( yn xn 2 2 xn 1) ( yn xn 2 2 xn 1) ( yn xn 2 2 xn 1)
2 6 24
h h 2 h3 h h 2
h h 2 h3
(1 )( yn xn 2 ) (1 )hxn 1
2 6 24 3 12 2 6 24
y0 0.5
h h 2 h3 h h2 h h 2 h3
yn1 yn h[(1 )( yn xn 2 ) (1 )hxn 1 ]
2 6 24 3 12 2 6 24
Con el mismo tamaño h = 0.2, el método de cuarto orden viene dado por
y0 0.5
0.2 0.22 0.23 0.2 0.22
yn1 yn 0.2[(1 )( yn (0.2n)2 ) (1 )(0.2n)
2 6 24 3 12
0.2 0.22 0.23
1 ]
2 6 24
0.2 0.04 0.008 0.2 0.04
yn 0.2[(1 )( yn 0.04n 2 ) (1 )(0.04n)
2 6 24 3 12
0.2 0.04 0.008
1 ]
2 6 24
1.2214 yn 0.008856n 2 0.00856n 0.2186
29
Resolución numérica de ecuaciones diferenciales. 59
puesto que el valor exacto es y(1.25) = 3.3173285, esta aproximación tiene un error
de 0.0007625, que es casi 30 veces la media de los errores de las aproximaciones
en 1.2 y 1.4.
30
Resolución numérica de ecuaciones diferenciales. 61
Para ello necesitamos aproximaciones de los valores y´(1.2) e y´(1.4),así como las
aproximaciones de y (l.2) e y (1.4).
Donde los coeficientes son las Diferencias divididas del polinomio cúbico de Hermite:
z0 x0 f [z0] f (x0)
f [z0, z1] f '(x0)
f [z1, z2] f [z0, z1]
z1 x0 f [z1] f (x0 ) f [z0, z1, z2]
z2 z0
f [z2] f [z1] f [z1, z2, z3] f [z0, z1, z2]
f [z1, z2] f [z0, z1, z2, z3]
z2 z1 z3 z0
f [z2, z3] f [z1, z2]
z2 x1 f [z2] f (x1) f [z1, z2, z3]
z3 z1
f [z2, z3] f '(x1)
z3 x1 f [z3] f (x1)
31
Resolución numérica de ecuaciones diferenciales. 63
1.2. Métodos de Taylor de mayor orden
Diferencias divididas del polinomio cúbico de Hermite
1.2 3.179964
2.7399640(C)
D C
1.2 3.179964(A) 0.1118825(F)
1.4 1.2
BA
2.7623405(D) GF
1.4 1.2 0.3071225
1.4 1.2
ED
1.4 3.7324321(B) 0.0504580(G)
1.4 1.2
2.7724321(E)
1.4 3.7324321
y(1.25) 3.1799640 2.7399640(1.25 -1.2) 0.1118825(1.25 -1.2)2 - 0.3071225(1.25 1.2)2 (1.25 -1.4)
3.1799640 + 0.1369982 + 0.0002797 - 0.0001152 = 3.3173571
Resultado con un error menor que el doble del error medio en los puntos
1.2 y 1.4, o bien un 4% del error que se comete interpolando linealmente.
32