1.

INTRODUCCIN:

Ecuaciones Diferenciales Numricas:

Las ecuaciones diferenciales aparecen naturalmente al modelar situaciones
fsicas en las ciencias naturales, ingeniera, y otras disciplinas, donde hay
envueltas razones de cambio de una varias funciones desconocidas con respecto
a una varias variables independientes. Estos modelos varan entre los ms
sencillos que envuelven una sola ecuacin diferencial para una funcin
desconocida, hasta otros ms complejos que envuelven sistemas de ecuaciones
diferenciales acopladas para varias funciones desconocidas. Por ejemplo, la ley
de enfriamiento de Newton y las leyes mecnicas que rigen el movimiento de los
cuerpos, al ponerse en trminos matemticos dan lugar a ecuaciones
diferenciales. Usualmente estas ecuaciones estn acompaadas de una condicin
adicional que especifica el estado del sistema en un tiempo o posicin inicial.
Esto se conoce como la condicin inicial y junto con la ecuacin diferencial
forman lo que se conoce como el problema de valor inicial. Por lo general, la
solucin exacta de un problema de valor inicial es imposible difcil de obtener
en forma analtica. Por tal razn los mtodos numricos se utilizan para
aproximar dichas soluciones.

Mtodo de Euler:
La idea del mtodo de Euler es muy sencilla y est basada en el significado
geomtrico de la derivada de una funcin en un punto dado.
Supongamos que tuviramos la curva solucin de la ecuacin diferencial y
trazamos la recta tangente a la curva en el punto dado por la condicin inicial.

Debido a que la recta tangente aproxima a la curva en valores cercanos al

punto de tangencia, podemos tomar el valor de la recta tangente en el punto
como una aproximacin al valor deseado

As, calculemos la ecuacin de la recta tangente a la curva solucin de la

ecuacin diferencial dada en el punto (x0 , y0) . De los cursos de Geometra
Analtica, sabemos que la ecuacin de la recta es:

donde m es la pendiente. En este caso, sabemos que la pendiente de la recta

tangente se calcula con la derivada:

Por lo tanto, la ecuacin de la recta tangente es :

Ahora bien, suponemos que x1 es un punto cercano a x0 , y por lo tanto

estar dado como x1 = x0 + h . De esta forma, tenemos la siguiente
aproximacin:

De aqu, tenemos nuestra frmula de aproximacin:

Esta aproximacin puede ser suficientemente buena, si el valor de h es

realmente pequeo, digamos de una dcima menos. Pero si el valor de h es ms
grande, entonces podemos cometer mucho error al aplicar dicha frmula. Una
forma de reducir el error y obtener de hecho un mtodo iterativo, es dividir la
distancia
en n partes iguales (procurando que estas partes sean de
longitud suficientemente pequea) y obtener entonces la aproximacin en n
pasos, aplicando la frmula anterior n veces de un paso a otro, con la nueva h
igual a
.

En una grfica, tenemos lo siguiente:

Ahora bien, sabemos que:

Para obtener
nicamente hay que pensar que ahora el papel de lo
,
toma el punto ,
y por lo tanto, si sustitumos los datos
adecuadamente, obtendremos que:

De aqu se ve claramente que la frmula recursiva general, est dada por:

Esta es la conocida frmula de Euler que se usa para aproximar el valor de

y(x1) aplicndola sucesivamente desde x0 hasta x1 en pasos de longitud h.

Mtodo de Euler Mejorado o de Heun:

Este mtodo se basa en la misma idea del mtodo anterior, pero hace un
refinamiento en la aproximacin, tomando un promedio entre ciertas pendientes.
La frmula es la siguiente:

donde:

Para entender esta frmula, analicemos el primer paso de la aproximacin,

con base en la siguiente grfica:

En la grfica, 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
condicin inicial y la recta tangente a la curva en el punto (x 1 , y1), donde y1
es la aproximacin obtenida con la primera frmula de Euler. Finalmente, esta
recta bisectriz se traslada paralelamente hasta el punto de la condicin inicial, y
se considera el valor de esta recta en el punto x = x 1 como la aproximacin de
Euler mejorada.

Mtodo de Runge Kutta:

Es la resolucin de ecuaciones diferenciales de la forma

[1]
utilizando un mtodo numrico se puede resolver una ecuacin [1] como :

o en trminos matemticos como :

[2]

De acuerdo con esta ecuacin, la pendiente estimada f se usa para

extrapolar desde un valor anterior Yi a un nuevo valor Yi+1 en una distancia h
(ver grfico N1). Esta frmula se puede aplicar paso a paso para calcular el
valor en el futuro y, por tanto, trazar la trayectoria de la solucin.

Todos los mtodos de un paso se pueden expresar en esta forma general, que
slo va a diferir en la manera en la cual se estima la pendiente. El procedimiento
ms simple es usar la ecuacin 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 aproximacin de la pendiente promedio sobre todo el intervalo.
Este procedimiento se llama mtodo de Euler. Existen otros mtodos de un paso
que cumplen estimaciones de pendiente en forma alterna y cuyas resultantes
sern predicciones mas exactas. Todas estas tcnicas se conocen por lo general
como mtodos de Runge-Kutta.
Los mtodos de Runge-Kutta (RK) logran la exactitud del procedimiento de
una serie de Taylor sin requerir el clculo de derivadas superiores. Existen
muchas variaciones, pero todas se pueden denotar en la forma generalizada de la
ecuacin:

[3]

donde (xi,yi,h) es conocida como funcin incremento, al cual puede

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

[4]

donde a son constantes y las k son :

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

ecuacin para k2, la cual aparece para k3,etc. Como cada k es una luacin
funcional, esta recurrencia hace de los mtodos RK sean eficientes para clculos
con computador.
Es posible concebir varios tipos de mtodos de Runge-Kutta al emplear
diferentes nmeros de trminos en la funcin incremento como la especificada por
n. Observe que el mtodo de Runge-Kutta (RK) de primer orden con n=1 es, de
hecho, el mtodo de Euler.
Una vez que se elige n, se evalan las a,p y q al igualar la ecuacin [10] a
los termino de la serie de expansin de Taylor .As al menos para las versiones de
orden inferior, el numero de trminos n con frecuencia representa el orden de la
aproximacin.
Mtodo de Runge-Kutta de segundo Orden
La versin de segundo orden de la ecuacin [10]

[5]
Los valores para a1,a2,p1 y q11 son evaluados al igualar el termino se
segundo orden de la ecuacin Yi+1 en [12] con la expansin de la serie de Taylor.
Para realizar esto, desarrollamos tres ecuaciones para evaluar las cuatro
constantes desconocidas. Las tres ecuaciones son :

Mtodo de Runge-Kutta de tercer Orden

Para n=3, se puede hacer desarrollo similar al mtodo de segundo orden. El
resultado de dicho desarrollo es de seis ecuaciones con ocho incgnitas. Por
tanto, se debe especificar con antelacin los valores para las dos incgnitas con
el fin de establecer los parmetros restantes. Una versin comn que resulta es :

Mtodo de Runge-Kutta de Orden Superior

Donde se requiere resultados ms exactos, es recomendable el mtodo de
Butcher (1964) y el mtodo RK de quinto orden :

2.-

EJERCICIO:
Resolver mediante 4 mtodos diferentes la siguiente Ecuacin Diferencial
Ordinaria, considerando y(1) = 2 :
dy
1 y2

dx (1 x 2 ) xy
Evaluar la ecuacin para x = 2 .

3.-

DESARROLLO MANUAL DE LOS MTODOS:

1er. Mtodo - Mtodo Analtico:
dy
1 y2

dx (1 x 2 ) xy
(1 x 2 ) xydy (1 y 2 ) dx
(1 y 2 ) dx x (1 x 2 ) ydy 0

dx
ydy

0
2
x (1 x ) (1 y 2 )

=Integrando:
dx

x(1 x

ydy

(1 y

dx
xdx
ydy

C
2
x
(1 x )
(1 y 2 )

Ln( x )

1
1
Ln(1 x 2 ) Ln(1 y 2 ) C
2
2

Ln (1 x 2 )(1 y 2 ) 2 Ln( x) 2C
Ln(1 x 2 )(1 y 2 ) Ln( x 2 ) LnC
Ln (1 x 2 )(1 y 2 ) LnC ( x 2 )
(1 x 2 )(1 y 2 ) C ( x 2 )

Cx 2
1
(1 x 2 )

= Condiciones iniciales y(1) = 2 ; Pi = (xi , yi) = ( 1 , 2 ):

C (1) 2
1
(1 12 )

10 x 2
1
(1 x 2 )

C 10

= Evaluamos para x = 2 ; y = ?:
y

10( 2) 2
1
(1 2 2 )

y( 2 ) 2.64575

2do. Mtodo - Mtodo de Euler:

y'

1 y2
(1 x 2 ) xy

y ' f ( x, y )

1 y2
(1 x 2 ) xy

*) Para : x = 1 ; y = 2
H = 0.1
y* y 0.1*

1 y2
(1 x 2 ) xy

*) Construimos la siguiente tabla:

i
0
1
2
3
4
5
6
7
8
9
10

x
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0

y
2.00000
2.12500
2.23177
2.32330
2.40204
2.47005
2.52902
2.58036
2.62524
2.66463
2.69934

y( 2 ) 2.69934

3er. Mtodo - Mtodo de Heun:

y*
2.12500
2.23177
2.32330
2.40204
2.47005
2.52902
2.58036
2.62524
2.66463
2.69934

y'

1 y2
(1 x 2 ) xy

y ' f ( x, y )

1 y2
(1 x 2 ) xy

*) Para : x = 1 ; y = 2
H = 0.1
2

y P ( i ) y *(i 1)
yC (i ) yi

1 yi
yi 0.1*
2
(1 xi ) xi yi

0.1
f ( xi , yi ) f ( xi 1 , y P (i ) )
2

*) Construimos la siguiente tabla:

i
0
1
2
3
4
5
6
7
8
9
10

xi
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0

yi
2.00000
2.11589
2.21476
2.29946
2.37232
2.43525
2.48985
2.53742
2.57903
2.61560
2.64785

yp
2.12500
2.22236
2.30582
2.37765
2.43974
2.49363
2.54061
2.58175
2.61791
2.64982

y( 2 ) 2.64785

4to. Mtodo - Mtodo de Runge - Kutta:

y'

1 y2
(1 x 2 ) xy

*) Para : x = 1 ; y = 2
H = 0.1

y (i ) y 0

*) Donde:

1
( K1 4 K 3 K 4 )
6

K1 H * f ( x0 , y 0 )

yc
2.11589
2.21476
2.29946
2.37232
2.43525
2.48985
2.53742
2.57903
2.61560
2.64785

K 2 H * f ( x0

K
H
, y0 1 )
2
2

K 3 H * f ( x0

K
K
H
, y0 1 2 )
2
4
4

K 4 H * f ( x0 H , y 0 K 2 2 K 3 )

*) Construimos la siguiente tabla:

i
0
1
2
3
4
5
6
7
8
9
10

xi
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0

yi
2.00000
2.11545
2.21397
2.29838
2.37100
2.43374
2.48817
2.53561
2.57711
2.61358
2.64575

k1
0.12500
0.10646
0.09104
0.07817
0.06739
0.05835
0.05074
0.04431
0.03885
0.03421

k2
0.11539
0.09846
0.08436
0.07257
0.06270
0.05440
0.04740
0.04148
0.03644
0.03215

k3
0.11531
0.09840
0.08432
0.07254
0.06268
0.05438
0.04739
0.04147
0.03644
0.03215

k4
0.10646
0.09103
0.07816
0.06739
0.05835
0.05074
0.04431
0.03885
0.03421
0.03024

y( 2 ) 2.64575

4.-

5.-

RESULTADOS:
o

Mtodo Analtico

y(2) = 2.64575

Mtodo de Euler

y(2) = 2.69934

Mtodo de Heun

y(2) = 2.64785

Mtodo de Runge-Kutta :

y(2) = 2.64575

CONCLUSIONES Y RECOMENDACIONES:
Conclusin:
El mtodo de Heun se basa en la misma idea del mtodo de Euler, pero
hace un refinamiento en la aproximacin, tomando un promedio entre ciertas
pendientes, de all toma el nombre de mtodo de Euler mejorado.
De los resultados obtenidos el ms preciso es el del mtodo analtico,
seguido por el del mtodo de Runge Kutta y por ltimo los mtodos de Heun
y de Euler respectivamente.