ii

ndice
Introduccin ..................................................................................................................... iii
Desarrollo: Ecuaciones diferenciales ordinarias .............................................................. 4
1.- Fundamentos de ecuaciones diferenciales ............................................................. 4
1.1.- Qu es una ecuacin diferencial? .................................................................. 4
1.2- La Solucin de una Ecuacin Diferencial .......................................................... 6
2.- Mtodos de un paso ............................................................................................... 8
2.1.-Mtodo de Euler ................................................................................................ 8
2.2.- Mtodo de Euler mejorado ............................................................................... 9
2.3.- Mtodos de Runge-Kutta ............................................................................... 10
Conclusin ..................................................................................................................... 14









iii


Introduccin
En este trabajo se hablara sobre los mtodos numricos aplicados a resolver
ecuaciones diferenciales, que en muchos de los casos nos facilitara la tarea que
a veces nos cuesta resolver las mismas por los mtodos enseados en el curso
de matemticas 5: ecuaciones diferenciales.

La finalidad de saber utilizar estos mtodos es poderlos programar y poder
reducir tiempo para encontrar la respuesta, ya que si aplicas ecuaciones
diferenciales para un caso especfico, ya sea en tu trabajo o para resolver algn
problema en concreto, estos mtodos nos dan las ventajas de poder utilizar la
tecnologa actual y ahorrar un tiempo que puede ser utilizado en otras
actividades.

4

Desarrollo: Ecuaciones diferenciales ordinarias
1.- Fundamentos de ecuaciones diferenciales
1.1.- Qu es una ecuacin diferencial?

Las ecuaciones diferenciales son algo nuevo para nosotros. Sin embargo ya
estamos familiarizados con el problema de resolver ecuaciones y sistemas de
ecuaciones algebraicas, y tambin tenemos una idea clara de lo que es una
solucin aun cuando en muchos casos no podemos encontrarla, como es el caso
de las ecuaciones de alto grado o que involucran funciones trascendentes. En las
ecuaciones que ya conocemos pueden aparecer una o ms variables.
Las primeras pueden definirse como expresiones del tipo
F(x) = 0
donde x representa la variable en cuestin y F una funcin real de variable real
cuya regla de correspondencia est dada en trminos de sumas, productos, o
potencias de funciones familiares como la idntica, el logaritmo, las funciones
trigonomtricas o las inversas de stas. Si la ecuacin tiene ms de una variable,
digamos x1, x2,..., x
n entonces quedara definida como una expresin del tipo
F(x1 , x2,..., xn) = 0
siendo F una funcin de R
n
en R
m
. En este caso la ecuacin es vectorial y
constituye lo que conocemos como un sistema de ecuaciones. Si el sistema tiene
tantas ecuaciones como incgnitas es de la forma siguiente:

Aqu el problema consiste en resolver simultneamente varias ecuaciones y
conocemos mtodos aplicables cuando F es una funcin lineal.

Ejemplos de los tipos de ecuaciones mencionadas anteriormente son:
i) x + 2 = 0
ii) x
2
+ 3x + 2 = 0
5

iii) sen
2
x+ cos
2
x 1 = 0
iv) 2x + y + 3 = 0
v)
Utilizando el lenguaje del clculo diferencial podemos escribir ecuaciones donde
aparezca una funcin f : R R , su variable x, y derivadas de diferentes rdenes
de f como por ejemplo:
i) f
'
(x) 5 = 0
ii) 8f(x) + 6f
0
(x) + 3f(x) + 2 =0
iii) f
(vi)
(x) + f(x) = 0
iv) (f

(x))
3
+ 2xf(x) + senx = 0
que son ecuaciones del tipo
F (x, f(x), f(x),..., f
(n)
(x)) = 0
y son llamadas ecuaciones diferenciales ordinarias. El orden de la mayor derivada
que aparezca es entendido como el orden de la ecuacin diferencial. Podemos
tambin escribir sistemas de ecuaciones deferenciales donde aparezcan dos o
ms funciones de una misma variable como por ejemplo:

Constituye un sistema de ecuaciones ordinarias, los cuales en general son de la
forma:
el orden de la mayor derivada que aparece se define como el orden del sistema de
ecuaciones diferenciales. El sistema que se dio en el ejemplo anterior es entonces
uno de primer orden. Hay otros tipos de ecuaciones que pueden ser considerados
como por ejemplo aquel donde aparece una funcin f de R
n
en R, sus variables y
derivadas parciales de diferentes rdenes:
i) Si f : R
3
R , f = f(x, y, z)

6

ii) Si f : R
2
R , f = f(x, y)

iii) Si f : R
4
R , f = f(x, y, z, t)


Estas ecuaciones son llamadas ecuaciones diferenciales parciales y tambin en
este caso el orden de la ecuacin se define como el orden de la mayor derivada
que aparezca. Todas estas son ecuaciones funcionales pues las incgnitas no son
nmeros sino funciones. Existen otros tipos de ecuaciones funcionales como las
ecuaciones integrales y las integro-diferenciales pero por el momento estamos
interesados en las ecuaciones diferenciales y de estas especialmente en las
ordinarias.
1.2- La Solucin de una Ecuacin Diferencial

Hemos visto que es posible, utilizando el lenguaje del Clculo, escribir un nuevo
tipo de ecuaciones: Las ecuaciones diferenciales. Junto con ellas surge tambin
un problema, el de resolverlas. Pero, qu significa resolver una ecuacin
diferencial? Antes de responder a esta pregunta regresemos a aquellas
ecuaciones para las cuales estamos familiarizados con el problema de obtener
soluciones. Consideremos el caso de una ecuacin del tipo
F(x) = 0
por ejemplo
x
2
4x + 3 = 0 (1)
Cuando nos planteamos el problema de encontrar soluciones de esta ecuacin
estamos suponiendo que existe un conjunto X donde la variable x puede tomar
valores. En general la ecuacin no es vlida para toda x X y el problema de
resolver la ecuacin consiste en encontrar S X tal que F
(
x) = 0 si y slo si x S. S
conforma el conjunto de soluciones y los elementos de S son llamados soluciones
de la ecuacin. Para la ecuacin (1), sabemos que
S = {1, 3}
y por lo tanto decimos que 1, 3 son soluciones.
Ejemplos:
7

i) x + 2 =0, en R tiene como solucin al nmero -2.
ii) x + 2 = 0, en R
+
= {x R | x > 0} no tiene solucin.
iii) x
2
3x + 2 = 0, en [0, 1] tiene una nica solucin, x =1.
iv) x
2
12x + 35 = 0, en R tiene a 7 y 5 como nicas soluciones.
v) x
2
+x + 1 = 0, en R no tiene solucin alguna.
vi) 1+ senx = 0, en R tiene una infinidad de soluciones.
De forma anloga a los ejemplos anteriormente considerados, al escribir una
ecuacin del tipo
F(x, f(x), f(x), ,f
(n)
(x)) = 0
se est pensando que existe un cierto conjunto de funciones X donde la ecuacin
(1) est bien definida. En este caso X necesariamente tendr que ser un
subconjunto del conjunto de funciones que tienen derivadas hasta de orden n en
algn subconjunto de R, que para simplificar vamos a considerar que es un
intervalo I
X = nf : I R |i = 1, ,n f
(i)
(x) x I.
La ecuacin no es vlida para toda f X y resolverla es encontrar el subconjunto
.
Los elementos de S son llamados soluciones de la ecuacin diferencial.
Ejemplo: La funcin (x) = senkx x R elemento de
X = {f : R R |f0(x),f00(x)x R }
es una solucin de la ecuacin diferencial:
y

(x) + k
2
y(x) = 0
ya que
(x) = kcoskx
(x) = k
2
senkx = k
2
(x)
o lo que es lo mismo
(x) + k
2
(x) = 0 x R .
Ejemplo:
f :
(0
,) R tal que es una solucin de la ecuacin
8

en (0,) pues
2.- Mtodos de un paso
2.1.-Mtodo de Euler
El Mtodo de Euler o de las Tangentes constituye el primer y ms sencillo ejemplo
de mtodo numrico para la resolucin de un problema de valor inicial:
y

=f(x, y), y(x0) = y0
donde suponemos adems que se verifican las hiptesis del Teorema de Picard
1
,
y en consecuencia existe solucin nica para el problema.
Interpretando la e.d.o. y

= f(x, y) como un campo de direcciones en el plano x y y
la condicin inicial y(x0) = y0 como un punto (x0, y0) de dicho plano, podemos
aproximar la funcin solucin y(x) por medio de la recta tangente a la misma que
pasa por ese punto:
) ( , ) (
0 0 0 0
x x y x f y x y
donde se ha utilizado que la pendiente de dicha tangente es: m = y

(x0) y, en
consecuencia: m = f(x0, y0).
Calculamos as de manera aproximada el valor de la solucin y en el punto de
abscisa x1 como:
) )( , ( ) (
0 1 0 0 0 1 1
x x y x f y y x y
y con este punto (aproximado) ya calculado, podemos repetir el mtodo para
obtener otro punto aproximado (x2,y2) de la forma:
) )( , ( ) (
1 2 1 1 1 2 2
x x y x f y y x y
y as sucesivamente.
Es habitual en este mtodo tomar abscisas equiespaciadas, es decir, calcular la
solucin aproximada en puntos de la forma: xn = xn1 + h = x0 + nh, siendo h el paso
del mtodo. De esta forma se obtienen las frmulas que nos determinan la
solucin aproximada en la forma:


9

xn = xn1 + h; yn = yn1 + f(xn1,yn1)h
Desde el punto de vista geomtrico, tenemos en definitiva que el Mtodo de Euler
aproxima a la funcin solucin por medio de una lnea poligonal, la aproximacin
ser tanto peor cuanto mayor sea en nmero de pasos, es decir, cuanto ms
lejos nos encontremos del punto inicial (x0, y0). Por otro lado, el error ser
evidentemente tanto mayor cuanto ms grande sea el paso del mtodo, h.
Ejemplo: Resolveremos el problema de valor inicial

por el mtodo de Euler con h = 0.1 para los puntos x = 1.1,1.2, 1.3, 1.4 y 1.5.
En este problema tenemos h = 0.1, (x0, y0) = (1,4) y la funcin f(x, y) es: f(x, y) = x y. Por tanto:

h y x y y
n n n n 1 1 1

Dado que el problema se puede resolver tambin de forma exacta, presentamos en la tabla y
grafica siguientes los resultados:



2.2.- Mtodo de Euler mejorado
Veremos a continuacin una variante del Mtodo de Euler, llamado habitualmente
Mtodo de Euler Modificado. Se trata de un mtodo ms preciso que el de Euler y
adems ms estable.
La idea fundamental del mtodo modificado es usar el mtodo de los trapecios
para integrar la ecuacin y

= f(x,y). Tomaremos as, en el intervalo [x0, x 1]:

Repitiendo el razonamiento, tendremos

i xi yi Sol.
Exacta
0 1 4 4
1 1.1 4.2 4.21276
2 1.2 4.42543 4.45210
3 1.3 4.67787 4.71976
4 1.4 4.95904 5.01760
5 1.5 5.27081 5.34766
1.1 1.2 1.3 1.4 1.5
4.2
4.4
4.6
4.8
5
5.2
10

si la funcin f es lineal en la variable y, entonces es posible despejar fcilmente
yn+1 en la ecuacin anterior. Si no es lineal, entonces necesitamos un mtodo
numrico para calcular la correspondiente yn+1, tpicamente se utiliza el mtodo de
las sustituciones sucesivas.
Veamos un par de ejemplos para aclarar estas ideas:
Ejemplo 1: Si consideramos la ecuacin lineal:
y
'
= ay + cosx
Entonces:


Ejemplo 2: Tomemos ahora el siguiente problema de valor inicial basado en una ecuacin no
lineal:
+ 1 ; y(0) = 10
El mtodo requerir ahora la resolucin de:

2.3.- Mtodos de Runge-Kutta
La idea general de los Mtodos de Runge-Kutta es sustituir el Problema de Valor
Inicial:

Por la ecuacin integral equivalente:

para proceder a aproximar esta ltima integral mediante un mtodo numrico
adecuado (recordemos que y(x) es desconocida). Si nuevamente planteamos el
problema paso a paso tendremos:

2.3.1 Mtodo de Runge-Kutta de segundo orden
La primera opcin que podemos aplicar es integrar mediante el mtodo de los
trapecios, es decir tomando:


11

al ser desconocida y
n+1
en la expresin anterior, lo aproximaremos por y
n+1
,
donde y
n+1
es la estimacin de y
n+1
que resultara aplicando el mtodo de Euler.
Tendremos as:

con
) , (
1 n n n n
y x hf y y

y llegaremos a la expresin del mtodo:

lo normal es presentar el mtodo con las expresiones siguientes:
) , (
1 n n
y x hf k ; ) , (
1 1 2
k y x hf k
n n




Comparando este mtodo con el mtodo de Taylor de segundo orden, es posible
demostrar que el error local es tambin proporcional a h
3
y, por tanto, el global lo
es a h
2
.
2.3.2 Mtodo de Runge-Kutta de tercer orden
Se trata de la misma idea pero integrando por el Mtodo de Simpson, entonces:

donde
1 n
y e
2
1
n
y son estimaciones, puesto que no son conocidos.
La estimacin de
2
1
n
y se hace por el mtodo de Euler:

mientras que la estimacin de
1 n
y se pueden considerar varias opciones, por
ejemplo:
) , (
1 n n n n
y x hf y y

es decir el Mtodo de Euler de nuevo, o por ejemplo:

12

que consiste en variar el Mtodo de Euler tomando la pendiente de la recta
tangente en el punto medio en vez de la tangente en el punto propiamente dicha.
Finalmente, lo ms usual es tomar una combinacin de las dos opciones
2
:

podemos entonces resumir el Mtodo de Runge-Kutta de tercer
orden en la forma:

Finalmente, aadir que el error local en el Mtodo de tercer orden es proporcional
a h
4
y en consecuencia el global lo es a h
3
.
2.3.3 Mtodo de Runge-Kutta de cuarto orden
Los Mtodos de Runge-Kutta de cuarto orden se deducen de una manera similar a
la expuesta en la seccin anterior para el caso de tercer orden. Ahora se introduce
un nuevo paso intermedio en la evaluacin de la derivada. Una vez ms se
presentan varias opciones en la evaluacin y es posible ajustar de tal manera que
se garantice el error local de manera proporcional a h
5
(es decir garantizando
exactitud en el cuarto orden en el polinomio de Taylor), lo cual lleva a un error
global proporcional a h
4
. El Mtodo de cuarto orden ms habitual es el
determinado por las formulas siguientes:

que al igual que el mtodo de tercer orden est basado en el mtodo de
interaccin de Simpson. Los errores local y global son en este caso proporcionales
a h
5
y h
4
respectivamente.




13

Ejemplo: Resolver por un mtodo de Runge-Kutta de cuarto orden el problema de valor inicial:
y
'
= x
2
3y ; y(0) = 1
en el intervalo 0 x 0.4, con h = 0.1.
Tenemos que x
0
= 0, y
0
= 1, y f(x,y) = x
2
3y. Para x
1
= 0.1 l ordenada correspondiente ser:

con

y as: y
1
= 0.741148
de manera anloga se determinan los puntos:
(x
2
, y
2
) = (0.2, 0.551151); (x
3
, y
3
) = (0.3, 0.413894); (x
4
, y
4
) = (0.4, 0.317435)
La solucin exacta es:

De manera que: y (0.1) = 0.741127; y (0.2) = 0.551121; y (0.3) = 0.413860; y (0.4) = 0.317402

14

Conclusin
Podemos ver que gracias a la tecnologa actual y a algunos conocimientos
que nos dejaron nuestros antecesores conjuntamente tenemos
herramientas muy poderosas que nos permiten resolver situaciones de una
manera rpida y sencilla, utilizando alguno de los mtodos que en este
trabajo se vieron.

Los mtodos numricos aqu descritos si nos facilitan la resolucin de
ecuaciones diferenciales pero el verdadero potenciales en estos es utilizar
las computadoras para programar estos mtodos y de esta forma minimizar
al mximo el tiempo para la resolucin de los mismos.