Numerical Analysis 9th (262-322) .En - Es

244 CAPÍTULO 4 La diferenciación numérica e Integración
Etapa 4 por j = 1, 2,. . . , norte hacer
conjunto y = k 1 r n, j + k 2;
Q = f ( X, y); JX = JX + c Nueva
Jersey Q.
Paso 5 Conjunto J = J + c mi k 1 JX.
Paso 6 Conjunto J = h 1 J.
Paso 7 SALIDA ( J);

DETENER.
Ilustración El volumen del sólido en la figura 4.22 se aproxima mediante la aplicación doble de Simpson
Algoritmo integral con n = m = 10 a
∫ 0.5 ∫ X2
mi y / x dx dy.
0.1 X3
Esto requiere 121 evaluaciones de la función f ( X, y) = e y / x y produce el valor

0.0333054, que se aproxima al volumen del sólido se muestra en la Figura 4.22 a cerca de siete cifras decimales.
Aplicando el algoritmo de Gauss en cuadratura con n = m = 5 requiere sólo 25 evaluaciones de la función y da la
aproximación ,03330556611, que tiene una precisión de 11 cifras decimales.
Figura 4.22
z
1 (0,1, 0,01, mi 0.1) (0,5, 0,25, mi 0.5)
(0,1, 0,001, mi 0.01)
(0,5, 0,125, mi 0.25)

0.25
0,125
0.1
R (0,5, 0,25, 0)
(0,5, 0,125, 0)
0.5
X
4.8 integrales múltiples 245
Aproximación Integral Triple
integrales triples de la forma
∫ segundo∫ d (x) ∫ β ( x, y)
El cálculo reducido hace que sea casi

f ( X, Y, z) dx dy dz
una c (x) α ( x, y)
siempre vale la pena a aplicar en cuadratura
de Gauss en lugar de la técnica de un

(Véase la Figura 4.23) se aproximan de una manera similar. Debido al gran número de cálculos involucrados,
Simpson al aproximar las integrales triples o
cuadratura de Gauss es el método de elección. Algoritmo 4.6 implementa este procedimiento.
superiores.
Figura 4.23
z
z α ( X, y)
una
xz β ( X, y)
y
segundo y c (x)
R km (x)
ALGORITMO GaussianTriple Integral

4.6
Para aproximar la integral
∫ segundo∫ d (x) ∫ β ( x, y)
f ( X, Y, z) dx dz dy:
una c (x) α ( x, y)
ENTRADA criterios de valoración a, b; enteros positivos metro, norte, pag.
( La raíz r i, j y Coef coe fi c i, j deben estar disponibles para i = max { norte, m, p} y para 1 ≤ j ≤ yo.)
SALIDA aproximación J a YO.
Paso 1 Conjunto h 1 = ( segundo - una)/ 2;
h 2 = ( b + una)/ 2;
J = 0.
Paso 2 por i = 1, 2,. . . , metro Realice los pasos 3-8.

Paso 3 Conjunto = JX 0;
x = h 1 r m, i + h 2;
re 1 = d (x); do 1 = c (x); k 1
=( re 1 - do 1) / 2;
k 2 = ( re 1 + do 1) / 2.
Etapa 4 por j = 1, 2,. . . , norte Realice los pasos 5-7.
Paso 5 Conjunto JY = 0;
y = k 1 r n, j + k 2;
β 1 = β ( X, y);
α 1 = α ( X, y); l 1 = ( β 1 - α 1) / 2;
l 2 = ( β 1 + α 1) / 2.
Paso 6 por k = 1, 2,. . . , pag hacer

conjunto z = l 1 r p, k + l 2;
Q = f ( X, Y, z); JY = JY
+ c p, k Q.
Paso 7 Conjunto JX = JX + c n, j l 1 JY.
Paso 8 Conjunto J = J + c mi k 1 JX.
Paso 9 Conjunto J = h 1 J.
Paso 10 SALIDA ( J);

DETENER.
El siguiente ejemplo se requiere la evaluación de las integrales cuatro triples.
Ilustración El centro de una masa de una región sólida re con función de densidad σ se produce a
)
( X, Y, z) = (M yz ,
M, M xzM, M xyMETRO
dónde
METRO yz = ∫∫∫ X σ ( X, Y, z) dV, M xz = ∫∫∫ y σ ( X, Y, z) dV

re re
METRO xy = ∫∫∫ z σ ( X, Y, z) dV
re
son los momentos con respecto a los planos de coordenadas y la masa de re es
M = ∫∫∫ σ ( X, Y, z) DV.
re
El sólido se muestra en la Figura 4.24 está delimitada por la lámina vertiente superior del cono z 2 = X 2 + y 2 y el plano z = 2. Supongamos
que este sólido tiene la función de densidad dada por
σ ( X, Y, z) = √ X 2 + y 2.
Figura 4.24
12
1
2
1
X
2
Aplicando el algoritmo de Gauss Triple Integral 4.6 con n = m = p = 5 requiere 125 evaluaciones de la función por
integral y da las siguientes aproximaciones:
∫ √4-X2 ∫2
√ X 2 + y 2 dx dy dz
M=∫2 √ X 2+ y 2
-2 - √4-X2
∫2 ∫ √4-X2 ∫2
√ X 2 + y 2 dx dy dz ≈ 8.37504476,
=4 √ X 2+ y 2
0 0
∫ √4-X2 ∫2
METRO yz = ∫ 2 √ X 2+ y 2 X √ X 2 + y 2 dx dy dz ≈ - 5.55111512 × 10 - 17,

-2 - √4-X2
∫ √4-X2 ∫2
METRO xz = ∫ 2 √ X 2+ y 2 y √ X 2 + y 2 dx dy dz ≈ - 8.01513675 × 10 - 17,

-2 - √4-X2
∫ √4-X2 ∫2
METRO xy = ∫ 2 √ X 2+ y 2 z √ X 2 + y 2 dx dy dz ≈ 13,40038156.
-2 - √4-X2
Esto implica que la ubicación aproximada del centro de masa es
( X, Y, z) = ( 0, 0, 1.60003701).
Estas integrales son bastante fáciles de evaluar directamente. Si lo hace, tendrá que hallar el centro exacto de la masa se produce
en (0, 0, 1,6).
Integrales múltiples pueden ser evaluados en Maple utilizando el MultInt comando en el MultivariateCalculus subpaquete
de la Estudiante paquete. Por ejemplo, para evaluar la integral múltiple
∫4 ∫ x+6 ∫ 4+ y 2
X 2 + y 2 + z dz dy dx
2 X-1 -2
Primero se cargamos el paquete y definen la función con
con (Student [MultivariateCalculus]): f: = ( X, Y, z) → X 2 + y 2 + z
A continuación, emita el comando
MultiInt ( f ( X, Y, z), z = - 2..4 + y 2, y = x - 1 .. x + 6, x = 2..4) que produce el resultado
1,995885970
EXE RC 4.8 ISESET
1. Utilizar el algoritmo 4.4 con n = m = 4 para aproximar las siguientes integrales dobles, y comparar la
Resultados Para las respuestas exactas.
∫ 2.5 ∫ 1.4 ∫ 0.5 ∫ 0.5

a. xy 2 dx dy segundo. mi y - X dx dy
2.1 1.2 0 0
∫ 2.2 ∫ 2X ∫ 1.5 ∫X
do. ( X 2 + y 3) dx dy re. ( X 2 + √ y) dx dy
2 X 1 0
2. Encontrar los valores más pequeños para n = m de modo que el algoritmo 4.4 se puede utilizar para aproximar las integrales en el ejercicio 1 a dentro
de 10 - 6 del valor real.
3. El uso del algoritmo 4.4 con (i) n = 4, m = 8, (ii) n = 8, m = 4, y (iii) n = m = 6 para aproximar la
tras integrales dobles, y comparar los resultados con las respuestas exactas.
∫ π/4 ∫ cos X ∫ mi ∫X
a. ( 2 y pecado x + cos 2 x) dx dy segundo. En xy dx dy

0 pecado X 1 1
∫1 ∫ 2X ∫1 ∫ 2X
do. ( X 2 + y 3) dx dy re. ( y 2 + X 3) dx dy
0 X 0 X
∫π ∫X ∫π ∫X
mi. cos x dx dy F. cos y dy dx

0 0 0 0
∫ π/4 ∫ pecado X ∫ 3π/2 ∫ 2π
1
sol. √ 1 - y 2 dx dy h. ( y pecado x + x cos y) dx dy
0 0 -π 0
4. Encontrar los valores más pequeños para n = m de modo que el algoritmo 4.4 se puede utilizar para aproximar las integrales en el ejercicio 3 a dentro
de 10 - 6 del valor real.
5. Utilizar el algoritmo 4.5 con n = m = 2 para aproximar las integrales en el ejercicio 1, y comparar el
resultados con los obtenidos en el ejercicio 1.
6. Encontrar los valores más pequeños de n = m de modo que el algoritmo 4.5 se puede utilizar para aproximar las integrales en el ejercicio 1 a
dentro de 10 - 6. No continúe más allá n = m = 5. Comparar el número de evaluaciones funcionales necesarios para el número requerido en el
ejercicio 2.
7. Uso Algoritmo 4,5 con (i) n = m = 3, (ii) n = 3, m = 4, (iii) n = 4, m = 3, y (iv) n = m = 4 a

aproximar las integrales en el ejercicio 3.
8. Utilizar el algoritmo 4.5 con n = m = 5 para aproximar las integrales en el ejercicio 3. Comparar el número
de las evaluaciones funcionales necesarios para el número requerido en el ejercicio 4.
9. Utilizar el algoritmo 4.4 con n = m = 14 y Algoritmo 4.5 con n = m = 4 para aproximar
∫∫
mi - ( x + y) dA,
para la región R en el plano delimitado por las curvas y = x 2 y y = √ X.

10. Usar el algoritmo 4.4 para aproximar

∫∫
√ xy + y 2 dA,
dónde R es la región en el plano delimitado por las líneas x + y = 6, 3 y - x = 2 y 3 X - y = 2. Primera partición R en dos regiones R 1 y R
2 en el que el algoritmo 4.4 se puede aplicar. Utilizar n = m = 6 en tanto R 1 y R 2.
11. Una lámina plano es una lámina delgada de masa distribuida continuamente. Si σ está describiendo una función de la
densidad de una lámina que tiene la forma de una región R en el xy avión, entonces el centro de la masa de la lámina ( X, y) es
∫∫ ∫∫
X σ ( X, y) dA y σ ( X, y) dA
R R
x̄ = ∫∫ ȳ = ∫∫
σ ( X, y) dA, σ ( X, y) dA.
R R
Utilizar el algoritmo 4.4 con n = m = 14 Para hallar el centro de masa de la lámina descrita por R =
{( X, y) | 0 ≤ X ≤ 1, 0 ≤ y ≤ √ 1 - X 2} con la función de densidad σ ( X, y) = e - ( X 2+ y 2). Compare la aproximación al resultado exacto.
12. Repetir el ejercicio 11 utilizando el algoritmo 4.5 con n = m = 5.
13. El área de la superficie descrita por z = f ( X, y) para ( X, y) en R es dado por

∫∫ √ [ F X( X, y)] 2 + [ F y ( X, y)] 2 + 1 dA.
Utilizar el algoritmo 4.4 con n = m = 8 de encontrar una aproximación a la zona de la superficie en el hemisferio X 2 + y 2 + z 2 = 9, z ≥ 0 que
se encuentra encima de la región en el plano descrito por R = {(x, y) |
0 ≤ X ≤ 1, 0 ≤ y ≤ 1}.
14. Repita el ejercicio 13 usando el algoritmo 4.5 con n = m = 4.
15. Utilizar el algoritmo 4.6 con n = m = p = 2 para aproximar las siguientes integrales triples, y comparar
los resultados a las respuestas exactas.
∫1 ∫2 ∫ 0.5 ∫1 ∫1 ∫y
a. mi x + y + z dx dy dz segundo. y 2 z dz dy dx
0 1 0 0 X 0
∫1 ∫X ∫ x+y ∫1 ∫X ∫ x+y
do. y dx dy dz re. z dz dy dx
0 X2 X-y 0 X2 X-y
∫π ∫X ∫ xy ∫1 ∫1 ∫ xy
1
mi. F. mi X 2+ y 2 dx dy dz
0 0 0 y pecado y
z dx dy dz 0 0 - xy
dieciséis. Repita el ejercicio 15 usando n = m = p = 3.
17. Repita el ejercicio 15 usando n = m = p = 4 y n = m = p = 5.
18. Utilizar el algoritmo 4.6 con n = m = p = 4 para aproximar

∫∫∫
xy pecado( yz) dV,
dónde S está el sólido limitado por los planos de coordenadas y los planos x = π, y = π / 2, z = π / 3. Compare esta aproximación al
resultado exacto.
19. Utilizar el algoritmo 4.6 con n = m = p = 5 para aproximar

∫∫∫
√ xyz dV,
dónde S es la región en el primer octante limitado por el cilindro X 2+ y 2 = 4, la esfera X 2+ y 2+ z 2 = 4, y el plano x + y + z = 8. Se

requieren Cuántos evaluaciones funcionales para la aproximación?
4.9 Integrales impropias
Integrales impropias resultan cuando la noción de integración se extiende ya sea para un intervalo de integración en el
que la función no está acotada o a un intervalo con uno o más de los puntos finales finitas. En cualquier circunstancia,
las reglas normales de aproximación integral deben ser modi fi.
Izquierda Punto Singularidad
Vamos a considerar primero la situación cuando el integrando es ilimitada en el extremo izquierdo del intervalo de integración,
como se muestra en la Figura 4.25. En este caso decimos que F tiene un
singularidad en el punto final a. a continuación, vamos a mostrar cómo otras integrales impropias puede reducirse a problemas de
esta forma.
Figura 4.25
y
y f (x)
una segundo X
Se muestra en el cálculo de que la integral impropia con una singularidad en el extremo izquierdo,
∫ segundo
dx
una ( X - una) pag ,
converge si y sólo si 0 < p < 1, y en este caso, definimos
∫ segundo |||| x = b
1 ( X - una) 1 - pag
= ( segundo - una) 1 - pag.
una ( X - una) pag dx = lim METRO → a + 1 - pag
x=M
1 - pag
∫1 ∫1
1 1
Ejemplo 1 Demostrar que la integral impropia √ x dx converge, pero
0 0 X 2 dx diverge.
Solución Para el primer integrante tenemos
∫1 ∫1
1
√ x dx = lim X - 1/2 dx = lim
METRO → 0+ METRO → 0+ 2 X 1/2 || x = 1
x=M= 2 - 0 = 2,
0 METRO
pero la segunda integral
∫1 ∫1
1
X - 2 dx = lim
x=M
0 X 2 dx = limMETRO → 0+ METRO METRO → 0+ - X - 1 || x = 1
es ilimitada.
4.9 Integrales impropias 251
Si F es una función que se puede escribir en la forma
f ( x) = g (x)
( X - una) pag ,
donde 0 < p < 1 y sol es continua en [ a, b], entonces la integral impropia

∫ segundo
f ( x) dx
una
También existe. Vamos a aproximar esta integral usando la regla compuesta de Simpson, siempre y cuando sol ∈ do 5 [ a, b]. En ese
caso, podemos construir el cuarto polinomio de Taylor, PAG 4 ( X), para sol
acerca de una,
PAG 4 ( x) = g (a) + g '( hacha - una) + g '' ( una) ( X - una) 4,

2! ( X - una) 2 + sol '' '( una) 3! ( X - una) 3 + sol( 4) ( una) 4!
y escribe
∫ segundo
g (x) - PAG 4 ( X) PAG 4 ( X)
f ( x) dx = ∫ segundo dx + ∫ segundo (4,44)
una una ( X - una) pag una ( X - una) pag dx.
Porque P (x) es un polinomio, podemos determinar con exactitud el valor de
∫ segundo ∫ segundo
PAG 4 ( X) Σ sol( k) ( a) k! Σ sol( k) ( una)
( X - una) k - pag dx = 4
una ( X - una) pag dx = 4 una k! (k + 1 - p) (b - una) k + 1 - pag. ( 4.45)
k=0 k=0
Esto es generalmente la parte dominante de la aproximación, especialmente cuando el polinomio de Taylor PAG 4 ( X) está de acuerdo en
estrecha colaboración con g (x) en todo el intervalo [ a, b].
Para aproximar la integral de f, hay que sumar a este valor a la aproximación de

∫ segundo
g (x) - PAG 4 ( X)
dx.
una ( X - una) pag
Para determinar esto, Primero se definen
Si a <x ≤ segundo,
G (x) = { g (x) - PAG( X4 (-X)a) p,
0, Si x = a.
Esto nos da una función continua en [ a, b]. De hecho, 0 < p < 1 y PAG( k) 4( una) está de acuerdo con
sol( k) ( una) para cada k = 0, 1, 2, 3, 4, por lo que tenemos sol ∈ do 4 [ a, b]. Esto implica que la regla compuesta de Simpson se
puede aplicar para aproximar la integral de sol en [ a, b]. La adición de esta aproximación al valor en la ecuación. (4.45) da
una aproximación de la integral impropia de
F en [ a, b], dentro de la precisión de la aproximación regla compuesta de Simpson.
Ejemplo 2 La regla de Simpson con el uso de material compuesto h = 0.25 para aproximar el valor de la inadecuada
integral
∫1
mi X
√ x dx.
0
Solución El cuarto polinomio de Taylor de mi X acerca de x = 0 es
PAG 4 ( x) = 1 + x + x 2
2 + X 3 6 + X 4 24,
∫1
mi X
por lo que la parte dominante de la aproximación a √ x dx es
0
∫1 ( )
PAG 4 ( X)
√ x dx = ∫ 1 X - 1/2 + X 1/2 + 1 dx
0 0 2 X 3/2 + 1 6 X 5/2 + 1 24 X 7/2
[ ]1
= lim 2 X 1/2 + 2
METRO → 0+ 3 X 3/2 + 1 5 X 5/2 + 1 21 X 7/2 + 1 108 X 9/2 METRO
=2+2
3 + 1 5 + 1 21 + 1 108 ≈ 2,9235450.
∫1
mi X
Para la segunda parte de la aproximación a √ x dx tenemos que aproximar
0
∫1
G (x) dx, dónde

0
••• 1
√ x (e X - PAG 4 ( X)), si 0 < X ≤ 1,

G (x) =
0, Si x = 0.
Tabla 4.13 La Tabla 4.13 muestra los valores necesarios para la regla compuesta de Simpson para esta aproximación.
El uso de estos datos y la regla compuesta de Simpson da
X G (x)
∫1
0.00 0
0.25 0.0000170 G (x) dx ≈ 0.25
0 3 [0 + 4 (0,0000170) + 2 (0.0004013) + 4 (0.0026026) + 0.0099485]
0.50 0.0004013
0.75 0.0026026 = 0,0017691.
1.00 0.0099485
Por lo tanto
∫1
mi X
√ x dx ≈ 2.9235450 + 0.0017691 = 2,9253141.
0
Este resultado es exacto towithin la exactitud de la aproximación regla de Simpson theComposite para la función SOL. debido
| SOL( 4) ( x) | < 1 en [0, 1], el error está limitada por
1 - 0 180 (0.25) 4 = 0,0000217.
Extremo derecho Singularidad
Para aproximar la integral impropia con una singularidad en el extremo derecho, se podría desarrollar una técnica similar, pero
en términos de ampliar el punto final derecho segundo en lugar del extremo izquierdo a. Alternativamente, podemos hacer la
sustitución
z = - X, dz = - dx
para cambiar la integral impropia en una de las formas
∫ segundo
f ( x) dx = ∫ - una f ( - z) dz, (4,46)

una - segundo
que tiene su singularidad en el extremo izquierdo. Entonces podemos aplicar la técnica de punto final singularidad izquierda ya
hemos desarrollado. (Véase la Figura 4.26).
Figura 4.26
y por z X y
y f (x) y f ( z)
una segundoX segundo una z
Una integral impropia con una singularidad en do, dónde a <c < segundo, se trata como la suma de las integrales impropias con las
singularidades de punto final, ya
∫ segundo
f ( x) dx = ∫ do f ( x) dx + ∫ segundo f ( X) dx.
una una do
In fi nita Singularidad
El otro tipo de integral impropia implica en los límites finitos de la integración. La integral básica de este tipo tiene la
forma
∫∞
1
una X pag dx,
para p> 1. Esto se convierte en una sola pieza con la singularidad de punto final a la izquierda en 0 al hacer la sustitución integración
t = x - 1, dt = - X - 2 dx, asi que dx = - X 2 dt = - t - 2 dt.
Entonces
∫∞
1 1
- t pag
una X pag dx = ∫ 0 1 / una
t 2 dt = ∫ 1 / una 0 t 2 - pag dt.
De una manera similar, el cambio de variable t = x - 1 convierte la integral impropia

∫∞
una f ( x) dx en uno que tiene una singularidad extremo izquierdo en cero:
∫∞ (1 )
f ( x) dx = ∫ 1 / una t-2 F dt. (4,47)
una 0 t
Ahora se puede aproximar mediante una fórmula de cuadratura del tipo descrito anteriormente.
Ejemplo 3 Aproximar el valor de la integral impropia
I=∫∞ X - 3/2 pecado 1

1 x dx.
Solución Primero se hacen el cambio de variable t = x - 1, que convierte la en fi singularidad noche en uno con una singularidad punto
final izquierdo. Entonces
dt = - X - 2 dx, asi que dx = - X 2 dt = - 1

t 2 dt,
(1 ) - 3/2 (-1 )
I = ∫ x=∞ X - 3/2 pecado 1 pecado t =∫1 t - 1/2 pecado t dt.
x=1 x dx = ∫ t = 0t = 1 t t 2 dt 0
El cuarto polinomio de Taylor, PAG 4 ( t), por el pecado t aproximadamente 0 es
PAG 4 ( t) = t - 1
6 t 3,
asi que
••••• pecado t - t + 1
6t3
, Si 0 < t ≤ 1
G (t) = t 1/2
0, Si t = 0
es en do 4 [ 0, 1], y tenemos
( )
pecado t - t + dieciséis t 3
I=∫1 t - 1/2 t-1 dt + ∫ 1 dt
0 6 t3 0 t 1/2
]1 ∫1
=[2 + dt
3 t 3/2 - 1 21 t 7/2 0 0 t 1/2
= 0.61904761 + ∫ 1 dt.
0 t 1/2
El resultado de la regla compuesta de Simpson con n = 16 para los restantes integral es

0,0014890097. Esto da una aproximación final de
I = 0,0014890097 + 0.61904761 = 0.62053661,
que es una precisión de 4,0 × 10 - 8.
EXE RC ISESET 4,9
1. Utilice regla compuesta de Simpson y los valores dados de norte para aproximar la siguiente inadecuada
integrales.
∫1 ∫1
mi 2 X
a. X - 1/4 pecado x dx, n=4 segundo. √5 X 2 dx, n=6
0 0
∫2 ∫1
En X 2 cos xx 1/3 dx,
do. n=8 re. n=6
1 ( X - 1) 1/5 dx, 0
2. Utilice la regla y los valores dados de compuesta de Simpson norte para aproximar la siguiente inadecuada
integrales.
∫1 ∫2
mi - X xe X
a. √ 1 - x dx, n=6 segundo. √ ( X - 1) 2 dx, n=8
3
0 0
3. Utilice la transformación t = x - 1 y luego la regla compuesta de Simpson y los valores dados de norte a
aproximar las siguientes integrales impropias.
∫∞ ∫∞
1 1 1 + X 4 dx,
a. n=4 segundo. n=4
X 2 + 9 dx,
∫ 1∞ ∫ 1∞
cos xx 3 dx, n = 6
do. re. X - 4 pecado x dx, n=6
1 1
4. La integral impropia ∫ ∞ 0 f ( x) dx no puede ser convertido en una integral con límites finitos usando el
sustitución t = 1 / X porque el límite en cero se convierte en infinito. El problema se resuelve por primera escritura ∫ ∞
0 f ( x) dx = ∫ 1 0 f ( x) dx + ∫ ∞ 1 f ( X) dx. Aplicar esta técnica para aproximar la siguiente

integrales impropias a menos de 10 - 6.
∫∞ ∫∞
1 1 + X 4 dx 1
a. segundo.
0 0 ( 1 + X 2) 3 dx
5. Supongamos que un cuerpo de masa metro viaja verticalmente hacia arriba a partir de la superficie de la tierra. Si se descuida toda resistencia
excepto la gravedad, la velocidad de escape v es dado por
∫∞
v 2 = 2 gramo z - 2 dz, dónde z = x
1 R,
R = 3960 millas es el radio de la tierra, y g = 0.00609 mi / s 2 es la fuerza de la gravedad en la superficie de la tierra. Calcule la
velocidad de escape v.
6. Los polinomios de Laguerre { L 0 ( x), L 1 ( X) . . .} formar un conjunto ortogonal en [0, ∞) y satisfacer

∫∞
0 mi - X L yo( SG j ( x) dx = 0, por i = j. ( Ver Sección 8.2.) El polinomio L norte( X) tiene norte ceros distintos X 1, X 2, . . . , X norte en [0, ∞). Dejar
Πnorte X - X j
do n, i = ∫ ∞ mi - X dx.
0 X yo - X j
j=1
j=i
Demostrar que la fórmula de cuadratura ∫ ∞
Σ
f ( x) e - X dx = norte do n, i f ( X yo)
0
i=1
tiene grado de precisión 2 norte - 1. (Sugerencia: Siga los pasos de la demostración del Teorema 4.7.)
7. Los polinomios de Laguerre L 0 ( x) = 1, L 1 ( x) = 1 - x, L 2 ( x) = x 2 - 4 x + 2, y L 3 ( x) = - X 3 +

9 X 2 - 18 x + 6 se derivan en el ejercicio 11 de la sección 8.2. Como se muestra en el ejercicio 6, estos polinomios son útiles en la aproximación
de integrales de la forma
∫∞
mi - X f ( x) dx = 0.
0
a. Deducir la fórmula de cuadratura utilizando n = 2 y los ceros de L 2 ( X).
segundo. Deducir la fórmula de cuadratura utilizando n = 3 y los ceros de L 3 ( X).
8. Usa los fórmulas de cuadratura derivados en el ejercicio 7 para aproximar la integral

∫∞
√ xe - X dx.
9. Usa los fórmulas de cuadratura derivados en el ejercicio 7 para aproximar la integral

∫ ∞ -∞
1 1 + X 2 dx.
4.10 Reseña de métodos y software
En este capítulo hemos considerado aproximar integrales de funciones de uno, dos o tres variables, y
aproximando las derivadas de una función de una sola variable real.
La regla del punto medio, regla trapezoidal, y la regla de Simpson se estudiaron para introducir las técnicas y análisis
de errores de los métodos de cuadratura. La regla de Simpson compuesta es fácil de usar y produce aproximaciones
precisas menos que la función oscila en un subintervalo del intervalo de integración. cuadratura adaptativa se puede usar si
la función es sospechoso de comportamiento oscilatorio. Para minimizar el número de nodos mientras se mantiene la
precisión, se utilizó en cuadratura de Gauss. la integración de Romberg fue introducido para tomar ventaja de la fácil
aplicación regla compuesta del trapecio y la extrapolación.
La mayoría del software para la integración de una función de una sola variable real se basa tanto en el enfoque de adaptación o
fórmulas de Gauss extremadamente precisos. integración Romberg prudente es una técnica adaptativa que incluye una comprobación
para asegurarse de que el integrando se comportó suavemente sobre subintervalos de la integral de la integración. Este método ha sido
utilizado con éxito en las bibliotecas de software. Integrales múltiples son generalmente aproximarse mediante la extensión de buenos
métodos de adaptación para dimensiones superiores. También se recomienda de tipo gaussiano de cuadratura para disminuir el número
de evaluaciones de la función.
Los principales rutinas, tanto en el IMSL y NAG bibliotecas se basan en QUADPACK: Un paquete de
subrutinas de Integración automática por R. Piessens, E. de Doncker-Kapenga,
CW Uberhuber, y DK Kahaner publicado por Springer-Verlag en 1983 [PDUK]. La Biblioteca IMSL contiene un esquema
de integración adaptativa basada en la regla de 21 puntos de Gauss-Kronrod usando la regla de Gauss de 10 puntos
para la estimación de error. La regla de Gauss utiliza los diez puntos X 1, . . . , X 10 y pesos w 1, . . . , w 10 para dar la fórmula de
cuadratura
Σ 10
i = 1 w yo f ( X yo) para aproximar ∫ segundo una f ( X) dx. Los puntos adicionales X 11, . . . , X 21, y el nuevo
pesos v 1, . . . , v 21, se utilizan a continuación en la fórmula Kronrod Σ 21 i = 1 v yo f ( X yo). Los resultados de la
dos fórmulas se comparan para eliminar el error. La ventaja en el uso de X 1, . . . , X 10 en cada fórmula es que F necesita ser
evaluado sólo a 21 puntos. Si se utilizan reglas de Gauss independientes de 10 y 21 puntos, se necesitarían 31
evaluaciones de la función. Este procedimiento permite singularidades de punto final en el integrando.
Otros subrutinas IMSL permiten singularidades de punto final, singularidades fi ED-específico del usuario, y en intervalos
finitos de la integración. Además, hay rutinas para aplicar reglas GaussKronrod de integrar una función de dos variables, y una
rutina para usar en cuadratura de Gauss para integrar una función de norte variables a lo largo norte intervalos de la forma [ una yo, segundo
yo].
La biblioteca de Nag incluye una rutina para calcular la integral de F durante el intervalo de
[ a, b] utilizando un método adaptativo basado en Gaussian cuadratura utilizando Gauss de 10 puntos y reglas de 21 puntos
Kronrod. También tiene una rutina para aproximar una integral usando una familia de fórmulas de tipo gaussiano basado en
1, 3, 5, 7, 15, 31, 63, 127, y 255 nodos. Estas reglas de alta precisión de entrelazado se deben a Patterson [Pat] y se utilizan
de una manera adaptativa. NAG incluye muchas otras subrutinas para aproximar integrales.
MATLAB tiene una rutina para aproximarse a una infinita de integración utilizando la regla de Simpson una adaptación, y otro para
aproximar la integral de fi nida mediante una regla de NewtonCotes de ocho paneles de adaptación.
Aunque la diferenciación numérica es inestable, se necesitan fórmulas de aproximación derivados para resolver
ecuaciones diferenciales. La biblioteca de Nag incluye un subprograma para la diferenciación numérica de una función de
una variable real con la diferenciación en el derivado XIV siendo posible. IMSL tiene una función que utiliza un cambio
adaptativo en tamaño de paso de las diferencias finitas para aproximar la primera, segunda, o tercera, derivado de F a X dentro
de una tolerancia dada. IMSL también incluye una subrutina para calcular las derivadas de una función definido en un
conjunto de puntos usando la interpolación cuadrática. Ambos paquetes permiten al
4.10 Reseña de métodos y software 257
la diferenciación y la integración de splines cúbicos interpolatory construidos por las subrutinas mencionadas en la Sección
3.5.
Para leer más sobre la integración numérica recomendamos los libros de Engels [E] y por Davis y Rabinowitz
[DR]. Para obtener más información sobre la cuadratura de Gauss ver Stroud y Secrest [SAS]. Libros sobre las
integrales múltiples incluyen los de Stroud [Stro] y por Sloan y Joe [SJ].
CAPÍTULO
5 Problemas de valor inicial

para ecuaciones diferenciales ordinarias
Introducción
El movimiento de un péndulo oscilante bajo ciertas suposiciones de simplificación se describe por la ecuación diferencial
de segundo orden
re 2 θ
dt 2 + sol L pecado θ = 0,
dónde L es la longitud del péndulo, sol ≈ 32.17 ft / s 2 es la constante gravitacional de la tierra, y θ es el ángulo
del péndulo con la vertical. Si, además, se especifica la posición del péndulo cuando empieza el movimiento, θ ( t 0)
= θ 0, y su velocidad en ese punto, θ '( t 0) = θ '
0, tenemos lo que se llama una Problema de valor inicial.

Para valores pequeños de θ, la aproximación θ ≈ pecado θ se puede utilizar para simplificar este problema al problema de valor
inicial lineal
re 2 θ
θ ( t 0) = θ 0, θ '( t 0) = θ ' 0.
dt 2 + sol L θ = 0,
Este problema puede resolverse mediante una técnica diferencial-ecuación estándar. Para valores grandes de θ, el supuesto de
que θ = pecado θ No se deben utilizar métodos tan aproximación razonable. Un problema de este tipo se considera en el
ejercicio 8 de la Sección 5.9.
Cualquier libro de texto sobre ecuaciones diferenciales ordinarias detalla un número de métodos para explícitamente hallazgo
soluciones a FI problemas de valor inicial de primer orden. En la práctica, sin embargo, algunos de los problemas se originan a partir del
estudio de los fenómenos físicos se pueden resolver con exactitud.
259
260 CAPÍTULO 5 Problemas de valor inicial para ecuaciones diferenciales ordinarias
La primera parte de este capítulo se refiere a la aproximación de la solución y (t) a un problema de la forma
dy dt = f ( t, y),
para una ≤ t ≤ segundo,
sujeto a una condición inicial y (a) = α. Más adelante en el capítulo nos ocupamos de la extensión de estos métodos a un sistema
de ecuaciones diferenciales de primer orden en la forma
dy 1
dt = F 1 ( t, y 1, y 2, . . . , y norte),
dy 2
dt = F 2 ( t, y 1, y 2, . . . , y norte),
.
.
.
dy norte
dt = F norte( t, y 1, y 2, . . . , y norte),
para una ≤ t ≤ segundo, sujeto a las condiciones iniciales
y 1 ( a) = α 1, y 2 ( a) = α 2, ..., y norte( a) = α norte.
También examinamos la relación de un sistema de este tipo a lo general norte th-orden problema InitialValue de la
forma
y ( n) = f ( t, y, y ', y '', . . . , y ( norte - 1)),
para una ≤ t ≤ segundo, sujeto a las condiciones iniciales
y (a) = α 1, y '( a) = α 2, ..., y norte - 1 ( a) = α norte.
5.1 La teoría elemental de problemas de valor inicial
Las ecuaciones diferenciales se utilizan para modelar problemas en la ciencia e ingeniería que implican el cambio de una
variable con respecto a otro. La mayoría de estos problemas requieren la solución de una Problema de valor inicial, es
decir, la solución de una ecuación diferencial que satisface una condición inicial dada.
En situaciones de la vida real comunes, la ecuación diferencial que modela el problema es demasiado complicado
para resolver con exactitud, y uno de los dos enfoques se toma para aproximar la solución. El primer enfoque es modificar
el problema mediante la simplificación de la ecuación diferencial a uno que puede ser resuelto exactamente y luego usar
la solución de la ecuación simplificada para aproximar la solución al problema original. El otro enfoque, que examinaremos
en este capítulo, utiliza métodos para aproximar la solución del problema original. Este es el enfoque que se da con mayor
frecuencia debido a que los métodos de aproximación proporcionan resultados más precisos e información de error
realista.
Los métodos que consideramos en este capítulo no producen una aproximación continua a la solución del problema
de valor inicial. Más bien, aproximaciones se encuentran en cierta fi cado, y, a menudo igualmente espaciados, puntos.
Algunos método de interpolación, comúnmente Hermite, se utiliza si se necesitan valores intermedios.
Necesitamos algunas de fi niciones y los resultados de la teoría de ecuaciones diferenciales ordinarias antes de
considerar métodos para aproximar las soluciones a los problemas de valor inicial.
5.1 La teoría elemental de problemas de valor inicial 261
De fi nición 5.1 Una función f ( t, y) se dice que satisfacer una condición de Lipschitz en la variable y en un conjunto re ⊂ R 2
Si una constante L> 0 existe con
| f ( t, y 1) - f ( t, y 2, ) | ≤ L | y 1 - y 2 |,
siempre que ( t, y 1) y ( t, y 2) se encuentran en RE. El constante L que se llama una constante de Lipschitz para f.
Ejemplo 1 Muestra esa f ( t, y) = T | y | satisface una condición de Lipschitz en el intervalo D = {(t, y) | 1 ≤

t ≤ 2 y - 3 ≤ y ≤ 4}.
Solución Para cada par de puntos ( t, y 1) y ( t, y 2) en re tenemos
| f ( t, y 1) - f ( t, y 2) | = | t | y 1 | - t | y 2 ‖ = | t | ‖ y 1 | - | y 2 ‖ ≤ 2 | y 1 - y 2 |.
Así F satisface una condición de Lipschitz en re en la variable y con constante de Lipschitz 2. El menor valor posible
para la constante de Lipschitz para este problema es L = 2, porque, por ejemplo,
| f ( 2, 1) - f ( 2, 0) | = | 2 - 0 | = 2 | 1 - 0 |.
De fi nición 5.2 Un conjunto re ⊂ R 2 se ha dicho convexo Si cada vez que ( t 1, y 1) y ( t 2, y 2) pertenece a RE, entonces
(( 1 - λ) t 1 + λ t 2, ( 1 - λ) y 1 + λ y 2) También pertenece a re para cada λ en [0, 1].
En términos geométricos, De fi nición 5.2 estados que un conjunto se proporciona convexa que siempre que dos puntos
pertenecen al conjunto, todo el segmento de línea recta entre los puntos también pertenece al conjunto. (Ver Figura 5.1.) Los conjuntos
que consideramos en este capítulo son generalmente de la forma
D = {(t, y) | una ≤ t ≤ segundo y -∞ < y < ∞} para algunas constantes una y segundo. Es fácil comprobar (ver ejercicio 7) que estos conjuntos
son convexos.
Figura 5.1
( t 2, y 2)
( t 2, y 2) ( t 1, y 1)
( t 1, y 1)
Convexo no es convexa
teorema 5.3 Suponer f ( t, y) se define en un conjunto convexo re ⊂ R 2. Si una constante L> 0 existe con
|||| ∂f ∂ y (t, y)|||| ≤ L,
Rudolf Lipschitz (1832-1903) trabajó en para todos ( t, y) ∈ RE, (5,1)

muchas ramas de las matemáticas,
incluyendo la teoría de números, series de

entonces F satisface una condición de Lipschitz en re en la variable y con constante de Lipschitz L.
Fourier, ecuaciones diferenciales, la
mecánica analítica, y la teoría potencial. Él
es mejor conocido por esta generalización de La prueba del Teorema 5.3 se discute en el ejercicio 6; es similar a la prueba del resultado correspondiente para
la obra de Augustin-Louis Cauchy funciones de una variable discutidos en el ejercicio 27 de la sección 1.1.
(1789-1857) y Giuseppe Peano (1856-1932). A medida que el teorema que mostrará, a menudo de interés significativo es determinar si la función involucrado en un
problema de valor inicial satisface una condición de Lipschitz en su segunda
variable y la condición (5.1) es generalmente más fácil de aplicar que la definición. Debemos tener en cuenta, sin
embargo, que el Teorema 5.3 da sólo suf condiciones fi cientes para una condición de Lipschitz de sujetar. La función en
el Ejemplo 1, por ejemplo, satisface una condición de Lipschitz, pero la derivada parcial respecto a y no existe cuando y = 0.
El siguiente teorema es una versión de la existencia fundamental y teorema de unicidad de primer orden
ecuaciones diferenciales ordinarias. Aunque el teorema se puede demostrar con la hipótesis reducido un poco, esta
forma del teorema es su fi ciente para nuestros propósitos. (La prueba del teorema, en aproximadamente esta
forma, se puede encontrar en [BIR], pp. 142-155.)
teorema 5.4 Suponer que D = {(t, y) | una ≤ t ≤ segundo y -∞ < y < ∞} y eso f ( t, y) es continua en
RE. Si F satisface una condición de Lipschitz en re en la variable Y, entonces el problema de valor inicial
y '( t) = f ( t, y), una ≤ t ≤ segundo, y (a) = α,
tiene una solución única y (t) para una ≤ t ≤ segundo.
Ejemplo 2 Utilice el teorema 5.4 para demostrar que existe una solución única al problema de valor inicial
y '= 1 + t pecado( ty), 0 ≤ t ≤ 2, y ( 0) = 0.
Solución Participación t constante y aplicando el teorema del valor medio de la función
f ( t, y) = 1 + t pecado( ty),
se encuentra que cuando y 1 < y 2, un número ξ en ( y 1, y 2) existe con
f ( t, y 2) - f ( t, y 1)
=∂
y2- y1 ∂ y f ( t, ξ) = t 2 cos ( ξ t).
Así
| f ( t, y 2) - f ( t, y 1) | = | y 2 - y 1 || t 2 cos ( ξ t) | ≤ 4 | y 2 - y 1 |,
y F satisface una condición de Lipschitz en la variable y con constante de Lipschitz L = 4. Además, f ( t, y) es continua
cuando 0 ≤ t ≤ 2 y -∞ < y < ∞, por lo que el teorema 5.4 implica que existe una solución única a este problema de valor
inicial.
Si ha completado un curso de ecuaciones diferenciales podría tratar de hallar la solución exacta a este
problema.
Los problemas planteados bien
Ahora que hemos, en cierta medida, encargado de la cuestión de cuándo problemas de valor inicial tienen soluciones únicas,
podemos pasar a la segunda consideración importante cuando se aproxima la solución a un problema de valor inicial.
problemas de valor inicial obtenidos mediante la observación de los fenómenos físicos en general, sólo se aproximan a la
situación real, por lo que necesitan saber si los pequeños cambios en el planteamiento del problema introducen
correspondientemente pequeños cambios en la solución. Esto también es importante debido a la introducción de errores de
redondeo cuando se utilizan métodos numéricos. Es decir,
• Pregunta: ¿Cómo podemos determinar si un problema particular tiene la propiedad de que pequeños cambios o
perturbaciones, en la declaración del problema introducen correspondientemente pequeños cambios en la solución?
Como de costumbre, primero hay que dar una de fi nición viable para expresar este concepto.
De fi nición 5.5 El problema de valor inicial
dy dt = f ( t, y),
una ≤ t ≤ segundo, y (a) = α, (5,2)
se dice que es una problema bien definido Si:
• Una solución única, y (t), que el problema existe, y
• Existen constantes ε 0> 0 y k> 0 tal que para cualquier ε, con ε 0> ε> 0, siempre que sea δ ( t) se continúa con | δ ( t)
| < ε para todos t en [ a, b], y cuando | δ 0 | < ε, el problema de valor inicial
dz dt = f ( t, z) + δ ( t),
una ≤ t ≤ segundo, z (a) = α + δ 0, (5,3)
tiene una solución única z (t) que satisface
| z (t) - y (t) | <k ε para todos t en [ a, b].
El problema especi fi cada por (5.3) se llama una problema perturbado asociado con el problema original
(5,2). Se asume que el possibilityof un error que se introdujo en el estado de la ecuación diferencial, así como un
error δ 0 estando presente en la condición inicial.
Numericalmethodswill siempre concernedwith resolver un problembecause perturbado cualquier error de redondeo
introducido en la representación perturba el problema original. A menos que el problema original está bien planteado,
hay pocas razones para esperar que la solución numérica a un problema perturbado se aproximará con precisión la
solución al problema original.
condiciones El siguiente teorema especificidad es que aseguran que un problema de valor inicial se bien planteado. La
prueba de este teorema se puede encontrar en [BIR], pp. 142-147.
teorema 5.6 Suponer D = {(t, y) | una ≤ t ≤ segundo y -∞ < y < ∞}. Si F es continua y satisface una
condición de Lipschitz en la variable y En el set RE, entonces el problema de valor inicial
dy dt = f ( t, y),
una ≤ t ≤ segundo, y (a) = α
es bien planteada.
Ejemplo 3 Demostrar que el problema de valor inicial
dy dt = y - t 2 + 1,
0 ≤ t ≤ 2, y ( 0) = 0.5. (5,4)
está bien planteado en D = {(t, y) | 0 ≤ t ≤ 2 y -∞ < y < ∞}.
Solución Porque
|||| ∂ ( y - t 2 + 1) |||| = | 1 | = 1,
∂y
Teorema 5.3 implica que f ( t, y) = y - t 2 + 1 satisface una condición de Lipschitz en y en re con constante de Lipschitz 1. Desde F
es continua en RE, Teorema 5.6 implica que el problema está bien planteado.
A modo de ejemplo, considere la solución al problema perturbado
dz dt = z - t 2 + 1 + δ,
0 ≤ t ≤ 2, z ( 0) = 0,5 + δ 0, (5,5)
dónde δ y δ 0 son constantes. Las soluciones a las ecuaciones. (5.4) y (5.5) son
y (t) = (t + 1) 2 - 0.5 mi t y z (t) = (t + 1) 2 + ( δ + δ 0 - 0.5) mi t - δ,
respectivamente.
Suponer que ε es un número positivo. Si | δ | <ε y | δ 0 | < ε, entonces
| y (t) - z (t) | = | ( δ + δ 0) mi t - δ | ≤ | δ + δ 0 | mi 2 + | δ | ≤ ( 2 mi 2 + 1) ε,
para todos t. Esto implica que el problema (5.4) está bien planteado con k ( ε) = 2 mi 2 + 1 para todos ε> 0.
Arce se puede utilizar para resolver muchos problemas de valor inicial. Considere el problema
dy dt = y - t 2 + 1,
0 ≤ t ≤ 2, y ( 0) = 0.5.
Arce se reserva la letra re para

Para definir la ecuación diferencial y la condición inicial, introduzca
representar la diferenciación.
DEQ: = D (y) (t) = y (t) - t 2 + 1; init: = y ( 0) = 0.5
Los nombres DEQ y en eso han sido elegidos por el usuario. El comando para resolver los problemas de valor inicial es
deqsol: = dsolve ({DEQ, init}, y (t))
y responde con arce
y (t) = 1 + t 2 + 2 t - 1
2 mi t
Para utilizar la solución para obtener un valor c especificidad, tal como y ( 1.5), entramos
q: = rhs (deqsol): evalf (subs (t = 1.5, q))
lo que da
4,009155465
La función RHS ( para r vuelo h y s ide) se utiliza para asignar la solución del problema de valor inicial para la función
de q, que luego evaluamos en t = 1.5. La función dsolve puede fallar si una solución explícita al problema de valor inicial
no se puede encontrar. Por ejemplo, para el problema de valor inicial dado en el Ejemplo 2, el comando
deqsol2: = dsolve ({D (y) (t) = 1 + t · pecado( t · y (t)), y ( 0) = 0}, y (t))
no tiene éxito debido a una solución explícita no se puede encontrar. En este caso se debe utilizar un método numérico.
EXE RC 5.1 ISESET
1. Utilice Teorema 5.4 para mostrar que cada uno de los siguientes problemas de valor inicial tiene una solución única, y
hallar la solución.
a. y '= y cos t, 0 ≤ t ≤ 1, y ( 0) = 1.
y '=
segundo. 2 1 ≤ t ≤ 2, y ( 1) = 0.
ty + t 2 mi t,
do. y '= - 2 1 ≤ t ≤ 2, y ( 1) = √ 2 mi.

ty + t 2 mi t,
re. y '= 4 t 3 y 0 ≤ t ≤ 1, y ( 0) = 1.
1 + t 4,
2. Demostrar que cada uno de los siguientes problemas de valor inicial tiene una solución única y encontrar la solución. Teorema 5.4 puede ser
aplicado en cada caso?
a. y '= mi t - Y, 0 ≤ t ≤ 1, y ( 0) = 1.
y '= t - 2 (
segundo. sen 2 t - 2 ty), 1 ≤ t ≤ 2, y ( 1) = 2.
do. y '= - y + ty 1/2, 2 ≤ t ≤ 3, y ( 2) = 2.
re. y '= ty + y 2 ≤ t ≤ 4, y ( 2) = 4.
ty + t,
3. Para cada elección de f ( t, y) dados en partes (a) - (d):
yo. Hace F satisfacer una condición de Lipschitz en D = {(t, y) | 0 ≤ t ≤ 1, -∞ < y < ∞}?
ii. Teorema 5.6 puede ser utilizado para mostrar que el problema de valor inicial
y '= f ( t, y), 0 ≤ t ≤ 1, y ( 0) = 1,
está bien planteada?
a. f ( t, y) = t 2 y + 1 segundo. f ( t, y) = ty do. f ( t, y) = 1 - y re. f ( t, y) = - ty + 4 t

y
4. Para cada elección de f ( t, y) dados en partes (a) - (d):
yo. Hace F satisfacer una condición de Lipschitz en D = {(t, y) | 0 ≤ t ≤ 1, -∞ < y < ∞}?
ii. Teorema 5.6 puede ser utilizado para mostrar que el problema de valor inicial
y '= f ( t, y), 0 ≤ t ≤ 1, y ( 0) = 1,
está bien planteada?
a. f ( t, y) = e t - y f(
segundo. t, y) = 1 + y do. f ( t, y) = cos ( yt) re. f ( t, y) = y 2
1+t 1+t
5. Para los siguientes problemas de valor inicial, muestran que la ecuación dada implícitamente define un solución. Aproximado y ( 2) usando el
método de Newton.
a. y '= - y 3 + y 1 ≤ t ≤ 2, y ( 1) = 1; y 3 t + yt = 2
( 3 y 2 + 1) t,
y '=
segundo. - y cos t + 2 Te y y ( 1) = 0; y pecado t + t 2 mi y + 2 y = 1
pecado t + t 2 mi y + 2, 1 ≤ t ≤ 2,
6. Demostrar el teorema 5.3, aplicando el teorema del valor medio de 1,8 f ( t, y), participación t fi ja.
7. Demostrar que, para cualquier constante una y segundo, el conjunto D = {(t, y) | una ≤ t ≤ segundo, -∞ < y < ∞} es convexa.
8. Supongamos que la perturbación δ ( t) es proporcional a t, es decir, δ ( t) = δ t para alguna constante δ. Muestran directamente que los siguientes problemas de
valor inicial son bien planteado.
a. y '= 1 - Y, 0 ≤ t ≤ 2, y ( 0) = 0
y '=
segundo. t + Y, 0 ≤ t ≤ 2, y ( 0) = - 1
do. y '= 2
ty + t 2 mi t, 1 ≤ t ≤ 2, y ( 1) = 0
re. y '= - 2
ty + t 2 mi t, 1 ≤ t ≤ 2, y ( 1) = √ 2 mi
9. método de Picard para resolver el problema de valor inicial
y '= f ( t, y), una ≤ t ≤ segundo, y (a) = α,
se describe como sigue: Sea y 0 ( t) = α para cada t en [ a, b]. De fi ne una secuencia { y k ( t)} de funciones por
y k ( t) = α + ∫ t f (τ, y k - 1 ( τ)) re τ, k = 1, 2,. . . .

una
a. Integrar y '= f ( t, y (t)), y usar la condición inicial para derivar el método de Picard.
segundo. Generar y 0 ( t), y 1 ( t), y 2 ( t), y y 3 ( t) para el problema de valor inicial
y '= - y + t + 1, 0 ≤ t ≤ 1, y ( 0) = 1.
do. Comparar el resultado de la parte (b) a la serie de Maclaurin de la solución actual y (t) = t + e - t.
5.2 Método de Euler
el método de Euler es la técnica de aproximación más elemental para resolver problemas de valor inicial. A pesar de
que rara vez se utiliza en la práctica, la simplicidad de su derivación se puede utilizar para ilustrar las técnicas
involucradas en la construcción de algunas de las técnicas más avanzadas, sin el álgebra engorroso que acompaña
a estas construcciones.
El objeto del método de Euler es obtener aproximaciones al problema de valor inicial bien planteado
dy dt = f ( t, y),
una ≤ t ≤ segundo, y (a) = α. (5,6)
Una aproximación continua a la solución y (t) no se obtendrá; en cambio, las aproximaciones a y será generada
a diversos valores, llamado puntos de malla, en el intervalo [ a, b].
Una vez obtenida la solución aproximada en los puntos, la solución aproximada en otros puntos en el intervalo se
puede encontrar por interpolación.
Primero se hará la estipulación de que los puntos de malla se distribuyen de manera uniforme en el intervalo [ a, b]. Esta condición
es asegurada por la elección de un número entero positivo norte y la selección de los puntos de malla
t i = a + ih, para cada i = 0, 1, 2,. . . , NORTE.
La distancia común entre los puntos h = (b - a) / N = t i + 1 - t yo que se llama el Numero de pie.

El uso de métodos de diferencias Vamos a utilizar el teorema de Taylor para derivar el método de Euler. Suponer que y (t), la solución única a (5.6), tiene
elementales para aproximar la solución a las dos derivados continua en [ a, b], de manera que para cada i = 0, 1, 2,. . . ,
ecuaciones diferenciales fue uno de los norte - 1,
numerosos temas de matemáticas que fue
primero presentado al público por el
matemático más prolífico de los y (t i + 1) = y (t yo) + ( t i + 1 - t yo) y '( t yo) + ( t i + 1 - t yo) 2 y '' ( ξ yo),
2
matemáticos, Leonhard Euler (1707-1783).
para algún número ξ yo en ( t yo, t i + 1). Porque h = t i + 1 - t yo, tenemos
y (t i + 1) = y (t yo) + HY '( t yo) + h 2

2 y '' ( ξ yo),
y porqué y (t) satisface la ecuación diferencial (5.6),
y (t i + 1) = y (t yo) + h f ( t yo, y (t yo)) + h 2 (5,7)

2 y '' ( ξ yo).
construcciones método de Euler w yo ≈ y (t yo), para cada i = 1, 2,. . . , NORTE, suprimiendo el término resto. Por lo tanto el método de
Euler es
w 0 = α,
w i + 1 = w i + h f ( t yo, w yo), para cada i = 0, 1,. . . , norte - 1. (5,8)
Ilustración En el Ejemplo 1 vamos a utilizar un algoritmo para el método de Euler para aproximar la solución a
y '= y - t 2 + 1, 0 ≤ t ≤ 2, y ( 0) = 0,5,
a t = 2. Aquí nos limitaremos a ilustrar los pasos de la técnica cuando tenemos h = 0.5.
5.2 Método de Euler 267
Para este problema f ( t, y) = y - t 2 + 1, por lo
w 0 = y ( 0) = 0,5;
w 1 = w 0 + 0.5 ( w 0 - ( 0.0) 2 + 1) = 0,5 + 0,5 (1,5) = 1,25;
w 2 = w 1 + 0.5 ( w 1 - ( 0.5) 2 + 1) = 1,25 + 0,5 (2,0) = 2,25;
w 3 = w 2 + 0.5 ( w 2 - ( 1.0) 2 + 1) = 2,25 + 0,5 (2,25) = 3,375;
y ( 2) ≈ w 4 = w 3 + 0.5 ( w 3 - ( 1.5) 2 + 1) = 3.375 + 0,5 (2.125) = 4,4375.
La ecuación (5.8) se denomina ecuación diferencial asociado con el método de Euler. Como veremos más adelante en
este capítulo, la teoría y la solución de ecuaciones diferencia en paralelo, en muchos aspectos, la teoría y la solución de las
ecuaciones diferenciales. Algoritmo 5.1 implementa el método de Euler.
ALGORITMO Euler
5.1
Para aproximar la solución del problema de valor inicial
a ( N + 1) números igualmente espaciados en el intervalo [ a, b]:
ENTRADA criterios de valoración a, b; entero NORTE; condición inicial α.
SALIDA aproximación w a y en el ( N + 1) Los valores de t.
Paso 1 Conjunto h = (b - un;

t = a;
w = α;
SALIDA ( t, w).
Paso 2 por i = 1, 2,. . . , norte hacer pasos 3, 4.
Paso 3 Conjunto w = w + h f ( t, w); ( Calcular w yo.)

t = a + ih. ( Calcular t yo.)
Etapa 4 SALIDA ( t, w).
Paso 5 DETENER.
Para interpretar el método de Euler geométricamente, tenga en cuenta que cuando w yo es una aproximación cercana a y (t yo), el
supuesto de que el problema está bien planteado implica que
f ( t yo, w yo) ≈ y '( t i) = f ( t yo, y (t yo)).

La gráfica de la función de resaltado y (t yo) se muestra en la Figura 5.2. Un paso en el método de Euler aparece en la
Figura 5.3, y una serie de pasos aparece en la Figura 5.4.
Figura 5.2
yy
(t NORTE) y (b) y f (t, y),

y (a) α
. . .
y (t 2)
y (t 1)
y (t 0) α
t0 una t1 t2 . . . t norte segundot
Figura 5.3 y Figura 5.4 y

y f (t, y),
y f (t, y), y (b) y (a) α
y (a) α w norte
Cuesta abajo y (a) f (a, α) w2

w1 w1
α α
t0 a1 t2 . . . t norte segundo t t0 a1 t2 . . . t norte segundo t
Ejemplo 1 el método de Euler se utilizó en la primera ilustración con h = 0.5 para aproximar la solución
al problema de valor inicial
y '= y - t 2 + 1, 0 ≤ t ≤ 2, y ( 0) = 0.5.
Utilizar el algoritmo 5.1 con N = 10 para determinar aproximaciones, y compararlos con los valores exactos dados por y
(t) = (t + 1) 2 - 0.5 mi t.
Solución Con N = 10 tenemos h = 0,2, t i = 0.2 yo, w 0 = 0,5, y
w i + 1 = w i + h ( w yo - t 2 i+ 1) = w i + 0,2 [ w yo - 0.04 yo 2 + 1] = 1.2 w yo - 0,008 yo 2 + 0,2,
para i = 0, 1,. . . , 9. Así
w 1 = 1,2 (0,5) - 0.008 (0) 2 + 0,2 = 0,8; w 2 = 1,2 (0,8) - 0,008 (1) 2 + 0,2 = 1.152;
y así. Tabla 5.1 muestra la comparación entre los valores aproximados en t yo y los valores reales.
Tabla 5.1
t yo w yo y i = y (t yo) | y yo - w i |
0.0 0.5000000 0.5000000 0.0000000

0.2 0.8000000 0.8292986 0.0292986
0.4 1.1520000 1.2140877 0.0620877
0.6 1.5504000 1.6489406 0.0985406
0.8 1.9884800 2.1272295 0.1387495
1.0 2.4581760 2.6408591 0.1826831
1.2 2.9498112 3.1799415 0.2301303
1.4 3.4517734 3.7324000 0.2806266
1.6 3.9501281 4.2834838 0.3333557
1.8 4.4281538 4.8151763 0.3870225
2.0 4.8657845 5.3054720 0.4396874
Tenga en cuenta que el error crece ligeramente a medida que el valor de t aumenta. Este crecimiento controlado de error es
una consecuencia de la estabilidad del método de Euler, lo que implica que se espera que el error de crecer no es peor que en una
forma lineal.
Arce ha puesto en práctica el método de Euler como una opción con el comando Problema de valor inicial dentro
de Análisis numérico subpaquete de la Estudiante paquete. Para utilizarlo para el problema en el Ejemplo 1 primero
cargar el paquete y la ecuación diferencial.
con (Student [NumericalAnalysis]): DEQ: = diff (y (t), t) = y (t) - t 2 + 1 A continuación, emita el
comando
C: = InitialValueProblem (DEQ, y ( 0) = 0,5, t = 2, method = Euler, numsteps = 10,

salida = información, dígitos = 8) Arce
produce
•••• 1. . 12 × 1. . 4 Formación ••••
Tipo de datos:
Almacenamiento nada: Solicitar
rectangular: Fortran_order
Haciendo doble clic en la salida aparece una tabla que muestra los valores de t yo, valores de solución reales y (t yo), las
aproximaciones de Euler w yo, y los errores absolutos | y (t yo) - w i |. Estos están de acuerdo con los valores de la Tabla 5.1.
Para imprimir la tabla de arce podemos emitir los comandos
para k desde 1 a 12 hacer
impresión (C [k, 1], C [k, 2], C [k, 3], C [k, 4])

final hacer
Las opciones dentro de la Problema de valor inicial comando son el catión específico de la ecuación diferencial de primer
orden fi a resolver, la condición inicial, el valor final de la variable independiente, la elección del método, el número de
pasos utilizado para determinar que h = ( 2 - 0) /
( numsteps), la especificación de la forma de la salida, y el número de dígitos de redondeo para ser utilizados en los
cálculos. Otras opciones de salida puede especificar un valor particular de t o un gráfico de la solución.
Error límites para el método de Euler
AlthoughEuler'smethod no es lo suficientemente precisa towarrant su inPractice uso, es su fi cientemente elemental para

analizar el error que se produce a partir de su aplicación. El análisis de error para
los métodos más precisos que consideramos en las secciones subsiguientes sigue el mismo patrón, pero es más
complicado.
Para derivar un límite de error para el método de Euler, necesitamos dos lemas computacional.
lema 5.7 Para todos X ≥ - 1 y cualquier positivo metro, tenemos 0 ≤ ( 1 + X) metro ≤ mi mx.
Prueba Aplicando el teorema de Taylor con f ( x) = e X, X 0 = 0, y n = 1 da
mi x = 1 + x + 1
2 X 2 mi ξ,
dónde ξ está entre X y cero. Así
0≤1+X≤1+x+1
2 X 2 mi ξ = mi X,
y, debido a 1 + X ≥ 0, tenemos
0 ≤ ( 1 + X) metro ≤ ( mi x) m = mi mx.
lema 5.8 Si s y t son números reales positivos, { una i} ki = 0 es una secuencia que satisface una 0 ≥ - t / s, y
una i + 1 ≤ ( 1 + s) una i + t, para cada i = 0, 1, 2,. . . , k - 1, (5,9)
entonces
( )
una i + 1 ≤ mi( i + 1) s una 0 + t -t
s s.
Prueba Para un entero fijo yo, La desigualdad (5.9) implica que
una i + 1 ≤ ( 1 + s) una i + t
≤ ( 1 + s) [( 1 + s) una yo - 1 + t] + T = ( 1 + s) 2 una yo - 1 + [ 1 + (1 + S t
≤ ( 1 + s) 3 una yo - 2 + [ 1 + (1 + s) + ( 1 + s) 2] t
.
.
.
≤ ( 1 + s) i + 1 una 0 + [ 1 + (1 + s) + ( 1 + s) 2 + · · · + ( 1 + s) yo] t.
Pero
Σ
1 + (1 + s) + ( 1 + s) 2 + · · · + ( 1 + s) i = i ( 1 + s) j
j=0
es una serie geométrica con relación (1 + s) que resume a
1 - ( 1 + s) i + 1
1 - ( 1 + s) = 1 s [( 1 + s) i + 1 - 1].
Así
( )
una i + 1 ≤ ( 1 + s) i + 1 una 0 + ( 1 + s) i + 1 - 1 t = ( 1 + s) i + 1 una 0 + t -t
s s s,
y usando el Lema 5.7 con x = 1 + s da

( )
una i + 1 ≤ mi( i + 1) s una 0 + t -t
s s.
teorema 5.9 Suponer F es continua y satisface una condición de Lipschitz con constante L en
D = {(t, y) | una ≤ t ≤ segundo y -∞ < y < ∞}
y que una constante METRO existe con
| y '' ( t) | ≤ METRO, para todos t ∈ [ a, b],
dónde y (t) denota la solución única al problema de valor inicial
y '= f ( t, y), una ≤ t ≤ segundo, y (a) = α.
Dejar w 0, w 1, . . . , w norte ser las aproximaciones generados por el método de Euler para algún entero positivo NORTE. Luego, para cada i = 0,
1, 2,. . . , NORTE,
[ mi L (ti - una) - 1] .
| y (t yo) - w i | ≤ hM (5,10)
2L
Prueba Cuando i = 0 el resultado es claramente cierto, ya y (t 0) = w 0 = α.
A partir de la ecuación. (5.7), tenemos
y (t i + 1) = y (t yo) + h f ( t yo, y (t yo)) + h 2

2 y '' ( ξ yo),
para i = 0, 1,. . . , norte - 1, y a partir de las ecuaciones en (5.8),
w i + 1 = w i + h f ( t yo, w yo).
Utilizando la notación y i = y (t yo) y y i + 1 = y (t i + 1), restamos estas dos ecuaciones para obtener
y i + 1 - w i + 1 = y yo - w i + h [ f ( t yo, y yo) - f ( t yo, w yo)] + h 2

2 y '' ( ξ yo)
Por lo tanto
| y i + 1 - w i + 1 | ≤ | y yo - w i | + h | f ( t yo, y yo) - f ( t yo, w i) | + h 2

2 | y '' ( ξ i) |.
Ahora F satisface una condición de Lipschitz en la segunda variable con constante L, y

| y '' ( t) | ≤ METRO, asi que
| y i + 1 - w i + 1 | ≤ ( 1 + hL) | y yo - w i | + h 2 METRO
2.
Haciendo referencia a la Lemma 5,8 y alquiler s = hL, t = h 2 METRO/ 2, y una j = | y j - w j |, para cada
j = 0, 1,. . . , NORTE, vemos eso
(| y 0 - w 0 | + h 2 METRO )
| y i + 1 - w i + 1 | ≤ mi( i + 1) hL - h 2 METRO
2 hL 2 hL.
debido | y 0 - w 0 | = 0 y ( i + 1) h = t i + 1 - t 0 = t i + 1 - una, esto implica que
| y i + 1 - w i + 1 | ≤ hM
2 C (E ( Ti + 1 - Alabama - 1),
para cada i = 0, 1,. . . , norte - 1.

La debilidad del Teorema 5.9 mentiras en el requisito de que un salto ser conocido para la segunda derivada de la
solución. Aunque esta condición a menudo nos prohíbe la obtención de un error realista obligado, cabe señalar que si ∂f /
∂ t y ∂f / ∂ y ambos existen, la regla de la cadena para la diferenciación parcial implica que
y '' ( t) = dy '
dt (t) = d F dt (t, y (t)) = ∂f ∂ t (t, y (t)) + ∂f ∂ y (t, y (t)) · f ( t, y (t)).
Por lo tanto, a veces es posible obtener un límite de error de y '' ( t) sin conocer explícitamente y (t).
Ejemplo 2 La solución al problema de valor inicial
y '= y - t 2 + 1, 0 ≤ t ≤ 2, y ( 0) = 0,5,
se aproximó en el Ejemplo 1 usando el método de Euler con h = 0.2. Usar la desigualdad en el teorema 5.9 para encontrar
una grada de los errores de aproximación, y compararlas con los errores reales.
Solución Porque f ( t, y) = y - t 2 + 1, tenemos ∂f ( t, y) / ∂ y = 1 para todos Y, asi que L = 1. Para este problema, la solución es exacta
y (t) = (t + 1) 2 - 0.5 mi t, asi que y '' ( t) = 2 - 0.5 mi t y
| y '' ( t) | ≤ 0.5 mi 2 - 2, para todos t ∈ [ 0, 2].
Usando la desigualdad en la cota de error para el método de Euler con h = 0,2, L = 1, y

M = 0.5 mi 2 - 2 da
| y yo - w i | ≤ 0,1 (0,5 mi 2 - 2) ( mi TI - 1).
Por lo tanto
| y ( 0.2) - w 1 | ≤ 0,1 (0,5 mi 2 - 2) ( mi 0.2 - 1) = 0,03752;
| y ( 0.4) - w 2 | ≤ 0,1 (0,5 mi 2 - 2) ( mi 0.4 - 1) = 0,08334;
y así. Tabla 5.2 se enumeran el error real encontrado en el Ejemplo 1, junto con obligado este error. Tenga en cuenta que a
pesar de que se utilizó el verdadero destino a la segunda derivada de la solución, la cota de error es considerablemente
mayor que el error real, especialmente para valores crecientes de t.
Tabla 5.2
t yo 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
error real 0.02930 0.06209 0.09854 0.13875 0.18268 0.23013 0.28063 0.33336 0.38702 0.43969
cota de error 0.03752 0.08334 0.13931 0.20767 0.29117 0.39315 0.51771 0.66985 0.85568 1.08264
La importancia principal de la fórmula error unido dado en el Teorema 5.9 es que el límite depende linealmente del
tamaño de paso h. Por consiguiente, disminuyendo el tamaño de paso debe dar correspondientemente mayor exactitud a
las aproximaciones.
Descuidado en el resultado del teorema 5.9 es el efecto que juega error de redondeo en la elección del tamaño de paso.
Como h se hace más pequeño, más cálculos son necesarios y se espera que el error de redondeo más. En realidad entonces, la
forma de diferencia-ecuación
w 0 = α,
w i + 1 = w i + h f ( t yo, w yo), para cada i = 0, 1,. . . , norte - 1,

No se utiliza para calcular la aproximación a la solución y yo en un punto de malla t yo. Utilizamos su lugar una ecuación de la forma
u 0 = α + δ 0,
u i + 1 = u i + h f ( t yo, u yo) + δ i + 1, para cada i = 0, 1,. . . , norte - 1, (5,11)
dónde δ yo denota el error de redondeo asociado con u yo. Utilizando métodos similares a los de la prueba de Theorem5.9, podemos
producir un límite de error para las aproximaciones infinito dígitos a y yo determinado por el método de Euler.
teorema 5.10 Dejar y (t) denotar la solución única al problema de valor inicial
y '= f ( t, y), una ≤ t ≤ segundo, y (a) = α (5,12)
y u 0, u 1, . . . , u norte ser las aproximaciones obtenidas usando (5.11). Si | δ i | < δ para cada
i = 0, 1,. . . , norte y las hipótesis del Teorema 5.9 asimiento para (5.12), entonces
( hM )
| y (t yo) - u i | ≤ 1 [ mi L (ti - una) - 1] + | δ 0 | mi L (ti - una), (5,13)
L 2+δ h
para cada i = 0, 1,. . . , NORTE.
La cota de error (5,13) ya no es lineal en h. De hecho, desde

( hM )
lim = ∞,
h→0 2+δ h
se esperaría que el error de convertirse en grande para su fi cientemente pequeños valores de h. Cálculo se puede utilizar para determinar
un límite inferior para el tamaño de paso h. dejando E (h) = (HM / 2) + ( δ / h)
implica que mi '( h) = (M / 2) - ( δ / h 2).

√ 2 δ / METRO, entonces mi '( h) < 0 y E (h) está disminuyendo.
Si h <
√ 2 δ / METRO, entonces mi '( h) > 0 y E (h) esta incrementando.
Si h>
El valor mínimo de E (h) ocurre cuando
h=√2δ (5,14)
M.
Decreciente h más allá de este valor tiende a aumentar el error total en la aproximación. Normalmente, sin embargo, el valor
de δ es su fi cientemente pequeña que este límite inferior para h no afecta el funcionamiento del método de Euler.
EXE RC 5.2 ISESET
1. Utilice el método de Euler para aproximar las soluciones para cada uno de los siguientes problemas de valor inicial.
a. y '= Te 3 t - 2 Y, 0 ≤ t ≤ 1, y ( 0) = 0, con h = 0.5

y '=
segundo. 1 + ( t - y) 2, 2 ≤ t ≤ 3, y ( 2) = 1, con h = 0.5
do. y '= 1 + Y / T, 1 ≤ t ≤ 2, y ( 1) = 2, con h = 0.25
re. y '= 2 cos t + sin 3 t, 0 ≤ t ≤ 1, y ( 0) = 1, con h = 0.25
a. y '= mi t - Y, 0 ≤ t ≤ 1, y ( 0) = 1, con h = 0.5
y '=
segundo. 1+t 1 ≤ t ≤ 2, y ( 1) = 2, con h = 0.5
1 + Y,
do. y '= - y + ty 1/2, 2 ≤ t ≤ 3, y ( 2) = 2, con h = 0.25
re. y '= t - 2 ( sen 2 t - 2 ty), 1 ≤ t ≤ 2, y ( 1) = 2, con h = 0.25
3. Las soluciones reales a los problemas de valor inicial en el ejercicio 1 se dan aquí. Comparar el error real en cada paso a la
cota de error.
a. y (t) = 1 y
segundo. (t) = t + 1
5 Te 3 t - 1 25 mi 3 t + 1 25 mi - 2 t 1-t
do. y (t) = t En t + 2 t re. y (t) = 1
2 sen 2 t - 1 3 cos 3 t + 4 3
4. Las soluciones reales a los problemas de valor inicial en el ejercicio 2 se dan aquí. Calcular el error real y comparar esto con la
cota de error si el Teorema 5.9 se puede aplicar.
a. y (t) = ln ( mi t + mi - 1) y
segundo. (t) = √ t 2 + 2 t + 6 - 1
do. y (t) = ( t - 2 + √ 2 ee - t / 2) 2 re. y (t) = 4 + cos 2 - 2 cos t

2 t2
a. y '= Y / T - ( y / t) 2, 1 ≤ t ≤ 2, y ( 1) = 1, con h = 0.1
y '=
segundo. 1 + Y / T + (y / t) 2, 1 ≤ t ≤ 3, y ( 1) = 0, con h = 0.2
do. y '= - ( y + 1) ( y + 3), 0 ≤ t ≤ 2, y ( 0) = - 2, con h = 0.2
re. y '= - 5 y + 5 t 2 + 2 t, 0 ≤ t ≤ 1, y ( 0) = 1 3, con h = 0.1

a. y '= 2 - 2 ty y ( 0) = 1, con h = 0.1

t 2 + 1, 0 ≤ t ≤ 1,
y '=
segundo. y2 1 ≤ t ≤ 2, y ( 1) = - ( ln 2) - 1, con h = 0.1
1 + t,
do. y '= ( y 2 + y) / t, 1 ≤ t ≤ 3, y ( 1) = - 2, con h = 0.2
re. y '= - ty + 4 ty - 1, 0 ≤ t ≤ 1, y ( 0) = 1, con h = 0.1
7. Las soluciones reales a los problemas de valor inicial en el ejercicio 5 se dan aquí. Calcular el error real en las aproximaciones
del ejercicio 5.
t
a. y (t) = y
segundo. (t) = t tan (ln t)
1 + ln t
do. y (t) = - 3 + 2 re. y (t) = t 2 + 1

1 + mi - 2 t 3 mi - 5 t
8. Las soluciones reales a los problemas de valor inicial en el ejercicio 6 se dan aquí. Calcular el error real en las aproximaciones
del ejercicio 6.
a. y (t) = 2 t + 1 y
segundo. (t) = - 1
t2+ 1 ln ( t + 1)
do. y (t) = 2 t re. y (t) = √ 4 - 3 mi - t 2

1-2t
9. Dado el problema de valor inicial
y '= 2 1 ≤ t ≤ 2, y ( 1) = 0,
ty + t 2 mi t,
con solución exacta y (t) = t 2 ( mi t - e):
a. Utilice el método de Euler con h = 0.1 para aproximar la solución, y compararla con los valores reales de y.
segundo. Utilice las respuestas generadas en la parte (a) y la interpolación lineal para aproximar los siguientes valores
de Y, y compararlos con los valores reales.

yo. y ( 1.04) ii. y ( 1.55) iii. y ( 1.97)
do. Calcular el valor de h necesaria para | y (t yo) - w i | ≤ 0,1, usando la Ec. (5,10).
y '= 1 1 ≤ t ≤ 2, y ( 1) = - 1,
t2- y t - y 2,
con solución exacta y (t) = - 1 / t:

a. Utilice el método de Euler con h = 0.05 para aproximar la solución, y compararla con los valores reales de y.

yo. y ( 1,052) ii. y ( 1,555) iii. y ( 1.978)
do. Calcular el valor de h necesaria para | y (t yo) - w i | ≤ 0,05 usando la Ec. (5,10).
y '= - y + t + 1, 0 ≤ t ≤ 5, y ( 0) = 1,
con solución exacta y (t) = e - t + t:

a. Aproximado y ( 5) usando el método de Euler con h = 0,2, h = 0,1, y h = 0.05.
segundo. Determinar el valor óptimo de h a utilizar en la informática y ( 5), suponiendo δ = 10 - 6 y que la ecuación. (5,14)
es válida.
12. Considere el problema de valor inicial
y '= - 10 Y, 0 ≤ t ≤ 2, y ( 0) = 1,
que tiene solución y (t) = e - 10 t. ¿Qué pasa cuando se aplica el método de Euler a este problema
h = 0,1? ¿Este comportamiento viola el teorema 5.9?
13. Utilizar los resultados de Ejercicio 5 y la interpolación lineal para aproximar los siguientes valores de y (t).
Comparación de las aproximaciones obtenidas con los valores reales obtenidos utilizando las funciones dadas en el ejercicio 7.
a. y ( 1.25) y y ( 1.93) y
segundo. ( 2.1) y y ( 2.75)
do. y ( 1.3) y y ( 1.93) re. y ( 0.54) y y ( 0,94)
14. Utilizar los resultados de ejercicio 6 y la interpolación lineal para aproximar los siguientes valores de y (t).
Comparación de las aproximaciones obtenidas con los valores reales obtenidos utilizando las funciones dadas en el ejercicio 8.
a. y ( 0.25) y y ( 0.93) y
segundo. ( 1.25) y y ( 1.93)
do. y ( 2.10) y y ( 2.75) re. y ( 0.54) y y ( 0,94)
15. Dejar E (h) = hM

2+δ h.
a. Para el problema de valor inicial
y '= - y + 1, 0 ≤ t ≤ 1, y ( 0) = 0,
calcular el valor de h minimizar E (h). Asumir δ = 5 × 10 - ( n + 1) si se va a utilizar norte- aritmética dígitos en la parte (c).
Para la óptima
segundo. h calculado en la parte (a), utilizar la ecuación. (5.13) para calcular obtenible el error mínimo.
do. Comparar el error real obtenida usando h = 0,1 y h = 0,01 para el error mínimo en la parte (b). ¿Puede explicar los resultados?
dieciséis. En un circuito con tensión aplicada mi que tiene resistencia R, inductancia L, y la capacitancia do en paralelo, la corriente yo satisface la
ecuación diferencial
di dt = C d 2 mi
dt 2 + 1 dt
R d mi +1 L MI.
Suponer C = 0,3 faradios, R = 1,4 ohmios, L = 1,7 henrios, y la tensión viene dada por
MI( t) = e - 0.06 π t sen (2 t - π).
Si yo( 0) = 0, encuentre la corriente yo para los valores t = 0.1 j, dónde j = 0, 1,. . . , 100.
17. En un libro titulado En cuanto a la historia a través de las matemáticas, Rashevsky [Ra], pp. 103-110, considera un modelo para un problema que
involucra la producción de los no conformistas en la sociedad. Supongamos que una sociedad tiene una población de x (t) individuos en el momento t, en
años, y que todos los no conformistas que se aparean con otros inconformes tienen descendencia que también son conformistas, mientras que una
proporción fi jos r de todos los otros descendientes son también inconformista. Si las tasas de natalidad y mortalidad para todos los individuos se
supone que son las constantes segundo y re, respectivamente, y si conformistas y no conformistas aparean al azar, el problema puede ser expresado
por las ecuaciones diferenciales
dx (t) dt = (b - d) x (t) y dx norte( t)

dt = (b - d) x norte( t) + Rb (x (t) - X norte( t)),
dónde X norte( t) denota el número de los no conformistas en la población en el tiempo t.
a. Supongamos que la variable P (t) = x norte( TXT) se introduce para representar la proporción de los no conformistas en la sociedad en el
momento t. Muestran que estas ecuaciones se pueden combinar y simplifica ed a la única ecuación diferencial
dp (t) dt = rb ( 1 - p (t)).
segundo. Asumiendo que pag( 0) = 0.01, b = 0,02, d = 0.015, y r = 0,1, aproximar la solución p (t)
desde t = 0 a t = 50 cuando el tamaño del paso es h = 1 año.
do. Resolver la ecuación diferencial para p (t) exactamente, y comparar su resultado en la parte (b) cuando t = 50 con el valor exacto en ese
momento.
5.3 Métodos de orden superior Taylor
Puesto que el objeto de un técnicas numéricas es determinar aproximaciones precisas con el mínimo esfuerzo, necesitamos
un medio para comparar la e fi ciencia de los diversos métodos de aproximación. El primer dispositivo que consideramos se
llama de error de truncamiento local del método.
El error de truncamiento local en un paso específicas medidas fi cados la cantidad en que la solución exacta de la
ecuación diferencial no satisface la ecuación de diferencia se utiliza para la aproximación en ese paso. Esto podría
parecer una manera poco probable que comparar el error de varios métodos. Tenemos muchas ganas de saber qué tan
bien las aproximaciones generadas por los métodos satisfacen la ecuación diferencial, y no al revés. Sin embargo, no
sabemos la solución exacta por lo que no podemos determinar lo general esto, y el truncamiento local servirá muy bien
para determinar no sólo el error local de un método, pero el error de aproximación real.
Considere el problema de valor inicial
y '= f ( t, y), una ≤ t ≤ segundo, y (a) = α.
De fi nición 5,11 El método de la diferencia
w0= α
w i + 1 = w i + h φ ( t yo, w yo), para cada i = 0, 1,. . . , norte - 1,
tiene de error de truncamiento local
τ i + 1 ( h) = y i + 1 - ( y i + h φ ( t yo, y yo)) = y i + 1 - y yo
h h - φ ( t yo, y yo),
5.3 Métodos de orden superior Taylor 277
para cada i = 0, 1,. . . , norte - 1, donde y yo y y i + 1 denotar la solución a t yo y t i + 1,

respectivamente.
Por ejemplo, el método de Euler tiene error de truncamiento local en el yo º paso
τ i + 1 ( h) = y i + 1 - y yo para cada i = 0, 1,. . . , norte - 1.

h - f ( t yo, y yo),
Este error es una error local porque mide la exactitud del método en una etapa específica, suponiendo que el
método era exacta en el paso anterior. Como tal, que depende de la ecuación diferencial, el tamaño de paso, y el
paso en particular en la aproximación.
Al tener en cuenta la ecuación. (5.7) en la sección anterior, vemos que el método de Euler tiene
τ i + 1 ( h) = h para algunos ξ yo en ( t yo, t i + 1).

2 y '' ( ξ yo),
Cuando y '' ( t) se sabe que está limitada por una constante METRO en [ a, b], esto implica
| τ i + 1 ( h) | ≤ h
2 METRO,
por lo que el error de truncamiento local en el método de Euler es Oh).
Una forma de seleccionar los métodos de diferencia de ecuaciones para resolver ecuaciones diferenciales ordinarias es de tal
manera que sus errores de truncamiento local Oh pag) para tan grande un valor de pag como sea posible, mientras se mantiene el
número y la complejidad de los cálculos de los métodos dentro de un límite razonable.
SinceEuler'smethodwas derivedbyusingTaylor'sTheoremwith n = 1 para aproximar la solución de la ecuación

diferencial, nuestro primer intento a FI métodos ND para mejorar las propiedades de convergencia de métodos de
diferencias es extender esta técnica de derivación para valores más grandes de norte.
Los métodos en esta sección utilizan Supongamos que la solución y (t) al problema de valor inicial
polinomios de Taylor y el conocimiento de
la derivada en un nodo para aproximar el y '= f ( t, y), una ≤ t ≤ segundo, y (a) = α,

valor de la función en un nuevo nodo.
tiene ( n + 1) derivados continuas. Si ampliamos la solución, y (t), en términos de su norte º Taylor sobre polinomio t yo y
evaluar en t i + 1, obtenemos
y (t i + 1) = y (t yo) + HY '( t yo) + h 2 (5,15)

2 y '' ( t yo) + · · · + h norte ¡norte! y ( norte)( t yo) + h( nn+ 1+ 1)! y ( n + 1) ( ξ yo),
para algunos ξ yo en ( t yo, t i + 1).
diferenciación sucesiva de la solución, y (t), da
y '( t) = f ( t, y (t)), y '' ( t) = F '( t, y (t)), y, en general, y ( k) ( t) = f ( k - 1) ( t, y (t)).
Sustituyendo estos resultados en la ecuación. (5.15) da
y (t i + 1) = y (t yo) + h f ( t yo, y (t yo)) + h 2 (5,16)

2 F '( t yo, y (t yo)) + · · ·
h norte
+
¡norte! f ( norte - 1) ( t yo, y (t yo)) + h n +( 1n + 1)! f ( norte)( ξ yo, y ( ξ yo)).
El método de diferencias ecuación correspondiente a la ecuación. (5.16) se obtiene mediante la supresión de la expresión resto
que implica ξ yo.

método de Taylor de orden norte
w 0 = α,
w i + 1 = w i + hT ( norte)( t yo, w yo), para cada i = 0, 1,. . . , norte - 1, (5,17)
dónde
T ( norte)( t yo, w i) = f ( t yo, w yo) + h

2 F '( t yo, w yo) + · · · + h norte - 1 ¡norte! f ( norte - 1) ( t yo, w yo).
el método de Euler es un método de orden uno de Taylor.
Ejemplo 1 Aplicar el método de Taylor de órdenes ( una) dos y ( segundo) cuatro con N = 10 a la de valor inicial
problema
y '= y - t 2 + 1, 0 ≤ t ≤ 2, y ( 0) = 0.5.
Solución ( una) Para el método de orden dos necesitamos la primera derivada de f ( t, y (t)) = y (t) - t 2 + 1 con
respecto a la variable t. Porque y '= y - t 2 + 1 tenemos
F '( t, y (t)) = d
dt (Y - t 2 + 1) = y ' - 2 t = y - t 2 + 1 - 2 t,
asi que
T ( 2) ( t yo, w i) = f ( t yo, w yo) + h i+ 1+h i+ 1 - 2 t yo)

2 F '( t yo, w i) = w yo - t 2 2 ( w yo - t 2
)
=( 1+h (w yo - t 2 i+ 1) - ht yo
2
Porque N = 10 tenemos h = 0,2, y t i = 0.2 yo para cada i = 1, 2,. . . , 10. Así, el método de segundo orden se convierte
w 0 = 0,5,
[( ) ( w yo - t 2 ]
wi+1= wi+ h 1+h i+ 1) - ht yo
2
[( ) ]
= w i + 0.2 1 + 0.2 2 (w yo - 0.04 yo 2 + 1) - 0.04 yo
Tabla 5.3 = 1.22 w yo - 0,0088 yo 2 - 0,008 i + 0.22.

Taylor
Los primeros dos pasos dan las aproximaciones
Orden de 2 Error
t yo w yo | y (t yo) - w i |
y ( 0.2) ≈ w 1 = 1,22 (0,5) - 0.0088 (0) 2 - 0.008 (0) + 0,22 = 0,83;
0.0 0.500000 0
0,2 0,830000 0.000701
y ( 0.4) ≈ w 2 = 1,22 (0,83) - 0,0088 (0,2) 2 - 0.008 (0,2) + 0,22 = 1.2158
0,4 1,215800 0.001712
Todas las aproximaciones y sus errores se muestran en la Tabla 5.3
0,6 1,652076 0.003135
(segundo) Para el método de orden cuatro de Taylor necesitamos los tres primeros derivados de f ( t, y (t))
0,8 2,132333 0.005103
con respecto a t. usando de nuevo y '= y - t 2 + 1 tenemos
1,0 2,648646 0.007787
1.2 3.191348 0.011407
F '( t, y (t)) = y - t 2 + 1 - 2 t,
1.4 3.748645 0.016245
1.6 4.306146 0.022663
F '' ( t, y (t)) = d
1.8 4.846299 0.031122 dt (Y - t 2 + 1 - 2 t) = y ' - 2 t - 2
2,0 5,347684 0.042212
= y - t 2 + 1 - 2 t - 2 = y - t 2 - 2 t - 1,
F '' '( t, y (t)) = d

dt (Y - t 2 - 2 t - 1) = y ' - 2 t - 2 = y - t 2 - 2 t - 1,
asi que
T ( 4) ( t yo, w i) = f ( t yo, w yo) + h

2 F '( t yo, w yo) + h 2 6 F '' ( t yo, w yo) + h 3 24 F '' '( t yo, w yo)
= w yo - t 2 i+ 1+h i+ 1 - 2 t yo) + h 2 yo - 2 t yo - 1)
2 ( w yo - t 2 6 ( w yo - t 2
h3
+ yo - 2 t yo - 1)
24 ( w yo - t 2
) )
=( 1+h (w yo - t 2 yo ) -( 1+h ( ht yo)
2 + h 2 6 + h 3 24 3 + h 212
+ 1+h
2 - h 2 6 - h 3 24.
Por lo tanto el método de la orden de Taylor cuatro es
w 0 = 0,5,
[( ) )
wi+1= wi+ h 1+h (w yo - t 2 yo ) -( 1+h ht yo
2 + h 2 6 + h 3 24 3 + h 212
]
+ 1+h ,
2 - h 2 6 - h 3 24
para i = 0, 1,. . . , norte - 1. Porque N = 10 y h = 0.2 el método se convierte
[( )
w i + 1 = w i + 0.2 1 + 0,2 2 + 0.04 6 + 0.008 24 (w yo - 0.04 yo 2)
) ]
-( 1 + 0,2 3 + 0.04 12 ( 0.04 yo) + 1 + 0.2
2 - 0.04 6 - 0.008 24
= 1.2214 w yo - 0.008856 yo 2 - 0.00856 i + 0,2186,
Tabla 5.4 para cada i = 0, 1,. . . , 9. Los dos primeros pasos dan las aproximaciones
Taylor
y ( 0.2) ≈ w 1 = 1,2214 (0,5) - 0.008856 (0) 2 - 0,00856 (0) + 0,2186 = 0,8293;
Orden de 4 Error
t yo w yo | y (t yo) - w i | y ( 0.4) ≈ w 2 = 1,2214 (0,8293) - 0.008856 (0,2) 2 - 0,00856 (0,2) + 0,2186 = 1.214091
0,0 0,500000 0
Todas las aproximaciones y sus errores se muestran en la Tabla 5.4.
0,2 0,829300 0.000001
0,4 1,214091 0.000003 Comparar estos resultados con los del método de orden 2 de Taylor en la Tabla 5.4 y se verá que los resultados
0,6 1,648947 0.000006 de cuarto orden son muy superiores.

0,8 2,127240 0.000010 Los resultados de la Tabla 5.4 indican método de la orden del Taylor 4 resultados son bastante precisa en los
1,0 2,640874 0.000015 nodos 0,2, 0,4, etc. Pero supongamos que necesitamos para determinar una aproximación a un punto intermedio en la
1.2 3.179964 0.000023 tabla, por ejemplo, a t = 1.25. Si usamos interpolación lineal en el método de Taylor de orden cuatro aproximaciones al t = 1.2
1.4 3.732432 0.000032 y t = 1.4, tenemos
1.6 4.283529 0.000045
) )
1.8 4.815238 0.000062
2,0 5,305555 0.000083
y ( 1.25) ≈ ( 1.25 - 1.4 3.1799640 + (1,25 - 1.2 3.7324321 = 3,3180810.
1.2 - 1.4 1.4 - 1.2
interpolación Hermite requiere tanto el valor El verdadero valor es y ( 1,25) = 3.3173285, por lo que esta aproximación tiene un error de 0,0007525, que es casi 30
de la función y su derivada en cada nodo. veces la media de los errores de aproximación en 1.2 y 1.4.
Esto hace que sea un método de Podemos forma significativa generando mejorar la aproximación mediante la interpolación de Hermite cúbico. Para
interpolación natural para aproximar
determinar esta aproximación para y ( 1.25) requiere aproximaciones a y '( 1.2) y y '( 1.4), así como aproximaciones a y ( 1.2) y y ( 1.4).
ecuaciones diferenciales ya están
Sin embargo, las aproximaciones para y ( 1.2) y
disponibles estos datos.
y ( 1.4) están en la mesa, y las aproximaciones derivados están disponibles a partir de la ecuación diferencial, porque y '( t) = f
( t, y (t)). En nuestro ejemplo y '( t) = y (t) - t 2 + 1, por lo
y '( 1.2) = y ( 1.2) - ( 1.2) 2 + 1 ≈ 3.1799640 - 1,44 + 1 = 2.7399640
y '( 1.4) = y ( 1.4) - ( 1.4) 2 + 1 ≈ 3.7324327 - 1,96 + 1 = 2,7724321.
El procedimiento diferencia dividida en la Sección 3.4 da la información de la Tabla 5.5. Las entradas subrayadas
proceden de los datos, y las otras entradas utilizan las fórmulas de diferencia dividida.
Tabla 5.5 1.2

3.1799640
2.7399640
1.2 3.1799640 0.1118825
2.7623405 - 0.3071225
1.4 3.7324321 0.0504580
2.7724321
1.4 3.7324321
El polinomio de Hermite es cúbica
y (t) ≈ 3.1799640 + ( t - 1.2) 2,7399640 + ( t - 1.2) 2 0.1118825
+ ( t - 1.2) 2 ( t - 1.4) ( - 0.3071225),
asi que
y ( 1.25) ≈ 3.1799640 + 0.1369982 + 0.0002797 + 0.0001152 = 3.3173571,
un resultado que tiene una precisión de 0,0000286. Esto se trata de la media de los errores en 1,2 y en 1,4, y sólo
el 4% del error obtenido usando interpolación lineal. Esta mejora en la precisión sin duda justifica es el cálculo de
valor añadido para el método de Hermite.
teorema 5.12 Si el método de orden de Taylor norte se utiliza para aproximar la solución
y '( t) = f ( t, y (t)), una ≤ t ≤ segundo, y (a) = α,
con tamaño de paso h y si y ∈ do n + 1 [ a, b], a continuación, el error de truncamiento local es Oh norte).
Prueba Tenga en cuenta que la ecuación. (5.16) en la página 277 puede reescribirse
y i + 1 - y yo - h f ( t yo, y yo) - h 2
2 F '( t yo, y yo) - · · · - h norte ¡norte! f ( norte - 1) ( t yo, y i) = h n +( 1n + 1)! f ( norte)( ξ yo, y ( ξ yo)),
para algunos ξ yo en ( t yo, t i + 1). Por lo que el error de truncamiento local es
τ i + 1 ( h) = y i + 1 - y yo
h - T ( norte)( t yo, y i) = h norte ( n + 1)! f ( norte)( ξ yo, y ( ξ yo)),
para cada i = 0, 1,. . . , norte - 1. Desde y ∈ do n + 1 [ a, b], tenemos y ( n + 1) ( t) = f ( norte)( t, y (t)) acotada en [ a, b] y τ yo( h) = O (h norte), para cada i
= 1, 2,. . . , NORTE.
los métodos de Taylor son opciones dentro de la orden de arce Problema de valor inicial. La forma y de salida para los
métodos de Taylor son los mismos como las disponibles bajo el método de Euler, como se discute en la Sección 5.1. Para obtener
método de orden 2 de Taylor para el problema en el Ejemplo 1, primero cargar el paquete y la ecuación diferencial.
con (Student [NumericalAnalysis]): DEQ: = diff (y (t), t) = y (t) - t 2 + 1 Entonces tema
C: = InitialValueProblem (DEQ, y ( 0) = 0,5, t = 2, method = taylor, orden = 2,

numsteps = 10, salida = información, dígitos = 8)
Arce responde con una matriz de datos similar a la producida con el método de Euler. Haciendo doble clic en la salida se
abre una tabla que muestra los valores de t yo, valores de solución reales
y (t yo), las aproximaciones de Taylor w yo, y los errores absolutos | y (t yo) - w i |. Estos están de acuerdo con los valores de la Tabla 5.3.
Para imprimir la edición de la mesa de los comandos
para k desde 1 a 12 hacer
impresión (C [k, 1], C [k, 2], C [k, 3], C [k, 4])

final hacer
EXE RC ISESET 5,3
1. Utilice el método de orden dos de Taylor para aproximar las soluciones para cada uno de los siguientes de valor inicial
problemas.
a. y '= Te 3 t - 2 Y, 0 ≤ t ≤ 1, y ( 0) = 0, con h = 0.5

y '=
segundo. 1 + ( t - y) 2, 2 ≤ t ≤ 3, y ( 2) = 1, con h = 0.5
do. y '= 1 + Y / T, 1 ≤ t ≤ 2, y ( 1) = 2, con h = 0.25
re. y '= 2 cos t + sin 3 t, 0 ≤ t ≤ 1, y ( 0) = 1, con h = 0.25
2. Utilice el método de orden dos de Taylor para aproximar las soluciones para cada uno de los siguientes de valor inicial
problemas.
a. y '= mi t - Y, 0 ≤ t ≤ 1, y ( 0) = 1, con h = 0.5
y '=
segundo. 1+t 1 ≤ t ≤ 2, y ( 1) = 2, con h = 0.5
1 + Y,
do. y '= - y + ty 1/2, 2 ≤ t ≤ 3, y ( 2) = 2, con h = 0.25
re. y '= t - 2 ( sen 2 t - 2 ty), 1 ≤ t ≤ 2, y ( 1) = 2, con h = 0.25
3. Repita el ejercicio 1 utilizando el método de Taylor de orden cuatro.
4. Repita el ejercicio 2, utilizando el método de Taylor de orden cuatro.
5. Utilice el método de orden dos de Taylor para aproximar la solución para cada uno de los siguientes de valor inicial
problemas.
a. y '= Y / T - ( y / t) 2, 1 ≤ t ≤ 1.2, y ( 1) = 1, con h = 0.1

y '=
segundo. pecado t + e - t, 0 ≤ t ≤ 1, y ( 0) = 0, con h = 0.5
do. y '= ( y 2 + y) / t, 1 ≤ t ≤ 3, y ( 1) = - 2, con h = 0.5
re. y '= - ty + 4 ty - 1, 0 ≤ t ≤ 1, y ( 0) = 1, con h = 0.25
6. Utilice el método de orden dos de Taylor para aproximar la solución para cada uno de los siguientes de valor inicial
problemas.
a. y '= 2 - 2 ty y ( 0) = 1, con h = 0.1

t 2 + 1, 0 ≤ t ≤ 1,
y '=
segundo. y2 1 ≤ t ≤ 2, y ( 1) = - ( ln 2) - 1, con h = 0.1
1 + t,
do. y '= ( y 2 + y) / t, 1 ≤ t ≤ 3, y ( 1) = - 2, con h = 0.2

re. y '= - ty + 4 t / y, 0 ≤ t ≤ 1, y ( 0) = 1, con h = 0.1
7. Repita el ejercicio 5 usando el método de Taylor de orden cuatro.
8. Repita el ejercicio 6, utilizando el método de Taylor de orden cuatro.
y '= 2 1 ≤ t ≤ 2, y ( 1) = 0,
ty + t 2 mi t,
con solución exacta y (t) = t 2 ( mi t - mi):
a. Utilizar el método de Taylor de orden dos con h = 0.1 para aproximar la solución, y compararla con los valores reales de y.
segundo. Utilice las respuestas generadas en la parte (a) y la interpolación lineal para aproximar y en el siguiente
los valores, y los comparan con los valores reales de y.

yo. y ( 1.04) ii. y ( 1.55) iii. y ( 1.97)
do. Utilizar el método de Taylor de orden cuatro con h = 0.1 para aproximar la solución, y compararla con los valores reales de y.
re. Utilice las respuestas generadas en la parte (c) y trozos de interpolación Hermite cúbico para aproximar
y en los siguientes valores, y compararlos con los valores reales de y.
yo. y ( 1.04) ii. y ( 1.55) iii. y ( 1.97)
y '= 1 1 ≤ t ≤ 2, y ( 1) = - 1,
t2- y t - y 2,
con solución exacta y (t) = - 1 / t:

a. Utilizar el método de Taylor de orden dos con h = 0.05 para aproximar la solución, y compararla con los valores reales de y.

yo. y ( 1,052) ii. y ( 1,555) iii. y ( 1.978)
do. Utilizar el método de Taylor de orden cuatro con h = 0.05 para aproximar la solución, y compararla con los valores reales de y.
re. Utilice las respuestas generadas en la parte (c) y trozos de interpolación Hermite cúbico para aproximar
los siguientes valores de Y, y compararlos con los valores reales.
yo. y ( 1,052) ii. y ( 1,555) iii. y ( 1.978)
11. Un proyectil de masa m = 0.11 kg tomadas verticalmente hacia arriba con velocidad inicial v ( 0) = 8 m / s se ralentiza
debido a la fuerza de la gravedad, F g = - mg, y debido a la resistencia del aire, F r = - k v | v |, dónde g = 9.8 m / s 2
y k = 0,002 kg / m. La ecuación diferencial para la velocidad v es dado por
metro v '= - mg - k v | v |.
a. Encontrar la velocidad después de 0,1, 0,2,. . . , 1.0 s.
En
segundo. décimas de segundo, determinar cuando el proyectil alcanza su altura máxima y comienza cayendo.
12. Utilice el método de Taylor de orden dos con h = 0.1 para aproximar la solución a
y '= 1 + t pecado( ty), 0 ≤ t ≤ 2, y ( 0) = 0.
5.4 Métodos de Runge-Kutta
Los métodos de Taylor esbozadas en la sección anterior tienen la propiedad deseable de highorder error de truncamiento local,
pero la desventaja de requerir el cálculo y la evaluación de los derivados de f ( t, y). Este es un procedimiento complicado y
requiere mucho tiempo para la mayoría de los problemas, por lo que los métodos de Taylor rara vez se utilizan en la práctica.
5.4 Métodos de Runge-Kutta 283
En los años 1800 posteriores, Carl Runge Runge-Kuttamethods tener el mayor orden error de truncamiento local del theTaylormethods pero eliminar la
(1856-1927) utilizó métodos similares a los de necesidad de calcular y evaluar los derivados de f ( t, y). Antes de presentar las ideas detrás de su derivación, debemos tener
esta sección para derivar numerosas fórmulas en cuenta el teorema de Taylor en dos variables. La prueba de este resultado se puede encontrar en cualquier libro
para aproximar la solución a los problemas de
estándar en cálculo avanzado (véase, por ejemplo, [Fu], p. 331).
valor inicial.
teorema 5.13 Suponer que f ( t, y) y todas sus derivadas parciales de orden inferior o igual a n + 1 son
en continuo D = {(t, y) | una ≤ t ≤ antes de Cristo ≤ y ≤ re}, y deja ( t 0, y 0) ∈ RE. Para cada
( t, y) ∈ RE, existe ξ Entre t y t 0 y μ Entre y y y 0 con
f ( t, y) = P norte( t, y) + R norte( t, y),
En 1901, Martin Wilhelm Kutta (1867-1944)

dónde
generalizó los métodos que Runge desarrolló
]
en 1895 para incorporar sistemas de
ecuaciones diferenciales de primer orden. PAG norte( t, y) = f ( t 0, y 0) + [ ( t - t 0) ∂f

∂ t (t 0, y 0) + ( y - y 0) ∂f ∂ y (t 0, y 0)
Estas técnicas difieren ligeramente de los que
[( t - t 0) 2
actualmente llamamos métodos de ∂ 2 f ∂ t 2 ( t 0, y 0) + ( t - t 0) ( y - y 0) ∂ 2 F
Runge-Kutta.
+
2 ∂ t ∂ y (t 0, y 0)
]+···
( y - y 0) 2 ∂ 2 f ∂ y 2 ( t 0, y 0)
+
2
•• 1 ••
)
( norte
Σ norte ∂ norte f ∂ t norte - j ∂ y j ( t 0, y 0)
+ ( t - t 0) norte - j ( y - y 0) j
¡norte! j
j=0
(n+1 )
Σn + 1 ∂ n + 1 f ∂ t n + 1 - j ∂ y j ( ξ, μ).
R norte( t, y) = 1 ( t - t 0) n + 1 - j ( y - y 0) j
( n + 1)! j
j=0
La función PAG norte( t, y) que se llama el norte º polinomio de Taylor en dos variables para la función F acerca de ( t 0,
y 0), y R norte( t, y) se asocia el término resto con PAG norte( t, y).
Ejemplo 1 Arce utilizar para determinar PAG 2 ( t, y), el segundo polinomio de Taylor sobre (2, 3) para la función
[ - ( t - 2) 2 ]
f ( t, y) = exp cos (2 t + y - 7)
4 - ( y - 3) 2 4
Solución Para determinar PAG 2 ( t, y) necesitamos los valores de F y sus primera y segunda derivadas parciales en (2, 3). La
evaluación de la función es fácil
( - 02/4 - 02/4)
f ( 2, 3) = mi cos (4 + 3 - 7) = 1,
pero los cálculos participeen las derivadas parciales son bastante tedioso. Sin embargo, polinomios de Taylor de
dimensiones superiores están disponibles en el MultivariateCalculus subpaquete de la Estudiante paquete, al que se
accede con el comando
con (Student [MultivariateCalculus])
La primera opción de la TaylorApproximation es la función de comando, la segunda especificidad es el punto ( t 0, y 0) donde

el polinomio está centrada, y la tercera fi especi ca el grado del polinomio. Así que emita el comando
( )
TaylorApproximation mi - ( t - 2) 2 4 - ( y - 3)42cos (2 t + y - 7), [ t, y] = [ 2, 3], 2
La respuesta de este comando de arce es el polinomio
1-9
4 ( t - 2) 2 - 2 ( t - 2) ( y - 3) - 3 4 ( y - 3) 2
Una opción trama también está disponible mediante la adición de una cuarta opción para el TaylorApproximation
mando en la forma salida = trama. La parcela en la forma por defecto es bastante crudo, sin embargo, porque no hay
muchos puntos marcados de la función y el polinomio. AMejor ilustración se ve en la Figura 5.5.
Figura 5.5
94 34
PAG 2 ( t, y) 1 (t 2) 2 2(t 2) ( y 3) ( y 3) 2
t
f (t, y)
pie, y) exp {( t 2) 2 / 4 ( y 3) 2 / 4} cos (2 t y 7) y
El parámetro final de este comando indica que queremos el segundo polinomio de Taylor multivariado, es decir, el
polinomio de segundo grado. Si este parámetro es 2, obtenemos el polinomio de segundo grado, y si es 0 ó 1,
obtenemos el polinomio constante 1, porque no hay términos lineales. Cuando se omite este parámetro, el valor
predeterminado es 6 y da el sexto polinomio de Taylor.
Métodos de Runge-Kutta de OrderTwo
El primer paso en la obtención de un método de Runge-Kutta es determinar valores para una 1, α 1, y β 1

con la propiedad de que una 1 f ( t + α 1, y + β 1) se aproxima
T ( 2) ( t, y) = f ( t, y) + h
2 F '( t, y),
con error no mayor de Oh 2), que es mismo que el orden del error de truncamiento local para el método de Taylor de
orden dos. Ya que
F '( t, y) = d F y y '( t) = f ( t, y),

dt (t, y) = ∂f ∂ t (t, y) + ∂f ∂ y (t, y) · y '( t)
tenemos
∂f ∂ t (t, y) + h ∂f ∂ y (t, y) · f ( t, y).

T ( 2) ( t, y) = f ( t, y) + h (5,18)
2 2
En expansión f ( t + α 1, y + β 1) en su polinomio de Taylor de grado uno sobre ( t, y) da
∂f ∂ t (t, y)
una 1 f ( t + α 1, y + β 1) = una 1 f ( t, y) + a 1 α 1
∂f ∂ y (t, y) + a 1 · R 1 ( t + α 1, y + β 1),
+ una 1 β 1 (5,19)
dónde
1
∂ 2 f ∂ t 2 ( ξ, μ) + α 1 β 1 ∂ 2 f ∂ t ∂ y ( ξ, μ) + β1 2∂ 2 f ∂ y 2 ( ξ, μ),
R 1 ( t + α 1, y + β 1) = α 2 (5,20)
2 2
para algunos ξ Entre t y t + α 1 y μ Entre y y y + β 1.

Coincidencia de los coeficientes de F y sus derivados en las Ecs. (5.18) y (5.19) da las tres ecuaciones
∂f ∂ t (t, y): una 1 α 1 = h

f ( t, y): una 1 = 1; y ∂f
2; ∂ y (t, y): una 1 β 1 = h 2 f ( t, y).
Los parametros una 1, α 1, y β 1 son, por tanto,
una 1 = 1, α 1 = h
2, y β 1 = h 2 f ( t, y),
asi que
( ) ( )
T ( 2) ( t, y) = F t+h - R1 t+h ,
2, y + h 2 f ( t, y) 2, y + h 2 f ( t, y)
ya partir de la ecuación. (5.20),
( )
∂ 2 f ∂ t 2 ( ξ, μ) + h 2
R1 t+h = h2
2, y + h 2 f ( t, y) 8 4 f ( t, y) ∂ 2∂Ft ∂ y ( ξ, μ)
h2
+
8 ( f ( t, y)) 2 ∂ 2 F
∂ y 2 ( ξ, μ).
Si todas las derivadas parciales de segundo orden de F están delimitadas, a continuación,
( )
R1 t+h
2, y + h 2 f ( t, y)
es Oh 2). Como consecuencia:
• El orden de error para este nuevo método es el mismo que el del método de Taylor de orden dos.
El método de diferencias ecuación resultante de la sustitución de T ( 2) ( t, y) en el método de Taylor de orden dos por f ( t + (h / 2), y +
(h / 2) f ( t, y)) es una especificación c método de Runge-Kutta conocido como el método del punto medio.
método del punto medio
w 0 = α,
( )
wi+1= wi+ h F ti+ h , para i = 0, 1,. . . , norte - 1.
2, w i + h 2 f ( t yo, w yo)
Sólo tres parámetros están presentes en una 1 f ( t + α 1, y + β 1) y todos son necesarios en el torneo de T ( 2). Por lo que una forma más
complicada se requiere para satisfacer las condiciones para cualquiera de los métodos de Taylor de orden superior.
La forma de cuatro parámetros más apropiado para aproximar
T ( 3) ( t, y) = f ( t, y) + h
2 F '( t, y) + h 2 6 F '' ( t, y)
es
una 1 f ( t, y) + a 2 f ( t + α 2, y + δ 2 f ( t, y)); (5,21)
y aun con esto, no es insu fi ciente fl exibilidad para que coincida con el término
[ ∂f ∂ y (t, y) ] 2
h2
f ( t, y),
6
resultante de la expansión de ( h 2 / 6) F '' ( t, y). En consecuencia, el mejor que se puede obtener de su uso (5,21) son
métodos con Oh 2) error de truncamiento local.
El hecho de que (5.21) tiene cuatro parámetros, sin embargo, da una flexibilidad en su elección, por lo que un número de Oh
2) métodos se pueden derivar. Uno de los más importantes es el Modi fi ed método de Euler, lo que corresponde a la elección una 1
= una 2 = 1
2y α 2 = δ 2 = h. Tiene la
siguiente forma de diferencia-ecuación.
Modi fi ed método de Euler
w 0 = α,
wi+1= wi+ h para i = 0, 1,. . . , norte - 1.

2 [ f ( t yo, w yo) + f ( t i + 1, w i + h f ( t yo, w yo))],
Ejemplo 2 Utilice el método del punto medio y el método de Euler Modi fi ed con N = 10, h = 0,2, t i = 0.2 yo,
y w 0 = 0.5 para aproximar la solución a nuestro ejemplo habitual,
y '= y - t 2 + 1, 0 ≤ t ≤ 2, y ( 0) = 0.5.
Solución Las ecuaciones de diferencia producidos a partir de las diversas fórmulas son
método del punto medio: w i + 1 = 1.22 w yo - 0,0088 yo 2 - 0,008 i + 0,218;
Modi fi ed método de Euler: w i + 1 = 1.22 w yo - 0,0088 yo 2 - 0,008 i + 0,216,
para cada i = 0, 1,. . . , 9. Los dos primeros pasos de estos métodos dan
método del punto medio: w 1 = 1,22 (0,5) - 0.0088 (0) 2 - 0.008 (0) + 0,218 = 0,828;
Modi fi ed método de Euler: w 1 = 1,22 (0,5) - 0.0088 (0) 2 - 0.008 (0) + 0,216 = 0,826,
método del punto medio: w 2 = 1,22 (0,828) - 0,0088 (0,2) 2 - 0.008 (0,2) + 0,218
= 1,21136;
Modi fi ed método de Euler: w 2 = 1,22 (0,826) - 0,0088 (0,2) 2 - 0.008 (0,2) + 0,216
= 1.20692,
La Tabla 5.6 enumera todos los resultados de los cálculos. Para este problema, el método del punto medio es superior al
método Modi fi ed Euler.
Tabla 5.6
Punto medio Modi fi ed Euler
t yo y (t yo) Método Error Método Error
0.0 0.5000000 0.5000000 0 0.5000000 0

0.2 0.8292986 0.8280000 0.0012986 0.8260000 0.0032986
0.4 1.2140877 1.2113600 0.0027277 1.2069200 0.0071677
0.6 1.6489406 1.6446592 0.0042814 1.6372424 0.0116982
0.8 2.1272295 2.1212842 0.0059453 2.1102357 0.0169938
1.0 2.6408591 2.6331668 0.0076923 2.6176876 0.0231715
1.2 3.1799415 3.1704634 0.0094781 3.1495789 0.0303627
1.4 3.7324000 3.7211654 0.0112346 3.6936862 0.0387138
1.6 4.2834838 4.2706218 0.0128620 4.2350972 0.0483866
1.8 4.8151763 4.8009586 0.0142177 4.7556185 0.0595577
2.0 5.3054720 5.2903695 0.0151025 5.2330546 0.0724173
Runge-Kuttamethods se alsooptionswithin theMaple comando Problema de valor inicial.

La forma y de salida para los métodos de Runge-Kutta son los mismos como las disponibles bajo los métodos de Euler y Taylor,
como se discutió en las secciones 5.1 y 5.2.
-Orden superior de Runge-Kutta Métodos
El termino T ( 3) ( t, y) se puede aproximar con error Oh 3) por una expresión de la forma
f ( t + α 1, y + δ 1 f ( t + α 2, y + δ 2 f ( t, y))),
que afecta a cuatro parámetros, el álgebra involucrada en la determinación de α 1, δ 1, α 2, y δ 2 es un poco complicado. Los más
Karl Heun (1859-1929) fue un profesor comunes Oh 3) es el método de Heun, dada por
de la Universidad Técnica de Karlsruhe.
Se introdujo esta técnica en un artículo w0= α
publicado en 1900. [Heu] ( f ( t yo, w yo) + 3 f ( t i + 2 h
wi+1= wi+h4 3, wi+2h 3f ( t i + h 3, w i + h 3 f ( t yo, w yo)))) ,
para i = 0, 1,. . . , norte - 1.
Ilustración Aplicando el método de Heun con N = 10, h = 0,2, t i = 0.2 yo, y w 0 = 0.5 para aproximar
la solución a nuestro ejemplo habitual,
y '= y - t 2 + 1, 0 ≤ t ≤ 2, y ( 0) = 0.5.
da los valores de la Tabla 5.7.Note el error disminuido en todo el rango sobre el theMidpoint y modificados con
aproximaciones de Euler.
Tabla 5.7
heun de
t yo y (t yo) Método Error
0.0 0.5000000 0.5000000 0

0.2 0.8292986 0.8292444 0.0000542
0.4 1.2140877 1.2139750 0.0001127
0.6 1.6489406 1.6487659 0.0001747
0.8 2.1272295 2.1269905 0.0002390
1.0 2.6408591 2.6405555 0.0003035
1.2 3.1799415 3.1795763 0.0003653
1.4 3.7324000 3.7319803 0.0004197
1.6 4.2834838 4.2830230 0.0004608
1.8 4.8151763 4.8146966 0.0004797
2.0 5.3054720 5.3050072 0.0004648
generalmente no se utilizan métodos de Runge-Kutta de orden tres. El método RungeKutta más común en uso es
de orden cuatro en forma de diferencia-ecuación, está dada por la siguiente.
De Runge-Kutta orden cuatro
w 0 = α,
k 1 = h f ( t yo, w yo),
( )
k2= h F ti+ h ,
2, w i + 1 2 k1
( )
k3= h F ti+ h ,
2, w i + 1 2 k2
k 4 = h f ( t i + 1, w i + k 3),
wi+1= wi+ 1
6 ( k 1 + 2 k 2 + 2 k 3 + k 4),
para cada i = 0, 1,. . . , norte - 1. Este método tiene el error de truncamiento local Oh 4), siempre que la solución y (t) tiene
cinco derivadas continuas. Introducimos la notación k 1, k 2, k 3, k 4 en el método es eliminar la necesidad de anidación
sucesiva en la segunda variable de f ( t, y).
El ejercicio 32 muestra lo complicado que se vuelve anidación.
Algoritmo 5.2 implementa el método de Runge-Kutta de orden cuatro.
ALGORITMO De Runge-Kutta (Orden de Cuatro)
5.2
a ( N + 1) números igualmente espaciados en el intervalo [ a, b]:
ENTRADA criterios de valoración a, b; entero NORTE; condición inicial α.
SALIDA aproximación w a y en el ( N + 1) Los valores de t.

Paso 1 Conjunto h = (b - un;

t = a;
w = α;
SALIDA ( t, w).
Paso 2 por i = 1, 2,. . . , norte Realice los pasos 3-5.
Paso 3 Conjunto K 1 = h f ( t, w);

K 2 = h f ( t + h / 2, w + K 1 / 2);
K 3 = h f ( t + h / 2, w + K 2 / 2);
K 4 = h f ( t + h, w + K 3).
Etapa 4 Conjunto w = w + ( K 1 + 2 K 2 + 2 K 3 + K 4) / 6; ( Calcular w yo.)

t = a + ih. (Compute t yo.)
Paso 5 SALIDA ( t, w).
Paso 6 DETENER.
Ejemplo 3 Utilice el método de Runge-Kutta de cuarto orden con h = 0,2, N = 10, y t i = 0.2 yo para obtener
aproximaciones a la solución del problema de valor inicial
y '= y - t 2 + 1, 0 ≤ t ≤ 2, y ( 0) = 0.5.
Solución La aproximación a y ( 0.2) se obtiene por
w 0 = 0.5
k 1 = 0.2 f ( 0, 0.5) = 0,2 (1,5) = 0.3
k 2 = 0.2 f ( 0,1, 0,65) = 0,328
k 3 = 0.2 f ( 0,1, 0,664) = 0.3308
k 4 = 0.2 f ( 0,2, 0,8308) = 0.35816
w 1 = 0,5 + 1
6 (0,3 + 2 (0.328) + 2 (0,3308) + 0,35816) = 0,8292933.
Los resultados restantes y sus errores se listan en la Tabla 5.8.
Tabla 5.8
De Runge-Kutta
Exacto Cuatro orden Error

t yo y i = y (t yo) w yo | y yo - w i |
0.0 0.5000000 0.5000000 0

0.2 0.8292986 0.8292933 0.0000053
0.4 1.2140877 1.2140762 0.0000114
0.6 1.6489406 1.6489220 0.0000186
0.8 2.1272295 2.1272027 0.0000269
1.0 2.6408591 2.6408227 0.0000364
1.2 3.1799415 3.1798942 0.0000474
1.4 3.7324000 3.7323401 0.0000599
1.6 4.2834838 4.2834095 0.0000743
1.8 4.8151763 4.8150857 0.0000906
2.0 5.3054720 5.3053630 0.0001089
Para obtener Runge-Kutta orden 4 resultados del método con Problema de valor inicial utilizar la opción
method = rungekutta, Submethod = RK4. Los resultados producidos a partir de la siguiente llamada a cabo problema de ejemplo
estándar de acuerdo con los de la Tabla 5.6.
C: = InitialValueProblem (DEQ, y ( 0) = 0,5, t = 2, method = rungekutta, Submethod = RK4, numsteps = 10, salida =
información, dígitos = 8)
Las comparaciones computacionales
El principal esfuerzo de cálculo en la aplicación de los métodos de Runge-Kutta es la evaluación de f.

En los métodos de segundo orden, el error de truncamiento local es Oh 2), y el costo es dos evaluaciones de la función por paso.
El método de Runge-Kutta de orden cuatro requiere 4 evaluaciones por paso, y el error de truncamiento local es Oh 4). Butcher (ver
[Pero] para un resumen) ha establecido la relación entre el número de evaluaciones por paso y el orden del error de
truncamiento local se muestra en la Tabla 5.9. Esta tabla indica por qué los métodos de la orden menos de cinco con un tamaño
más pequeño paso se utilizan con preferencia a los métodos de orden superior utilizando un tamaño mayor paso.
Tabla 5.9 Las evaluaciones por paso

2 3 4 5 ≤ norte ≤ 7 8 ≤ norte ≤ 9 10 ≤ norte
El mejor local de posible

Oh 2) Oh 3) Oh 4) Oh norte - 1) Oh norte - 2) Oh norte - 3)
error de truncamiento
Una medida de la comparación de los de orden inferior métodos Runge-Kutta se describe como sigue:
• El Runge-Kuttamethod de orden cuatro requiere cuatro evaluaciones por paso, mientras que el método de Euler requiere sólo
una evaluación. Por tanto, si el método de Runge-Kutta de cuarto orden es para ser superior debe dar respuestas más precisas
que el método de Euler con una cuarta parte del tamaño de paso. Del mismo modo, si el método de Runge-Kutta de orden
cuatro es ser superior a los de segundo orden métodos Runge-Kutta, que requieren dos evaluaciones por paso, se debe dar una
mayor precisión con el tamaño de paso h que un método de segundo orden con tamaño de paso h / 2.
El siguiente ejemplo ilustra la superioridad del método de cuarto orden de Runge-Kutta por esta medida para el
problema de valor inicial que hemos estado considerando.
Ilustración Para el problema
y '= y - t 2 + 1, 0 ≤ t ≤ 2, y ( 0) = 0,5,
el método de Euler con h = 0.025, el método del punto medio con h = 0,05, y el método de cuarto orden RungeKutta con h
= 0.1 se comparan en los puntos de malla comunes de estos métodos 0.1, 0.2, 0.3, 0.4, y 0.5. Cada una de estas técnicas
requiere 20 evaluaciones de la función para determinar los valores listados en la Tabla 5.10 para aproximar y ( 0.5). En
este ejemplo, el método de cuarto orden es claramente superior.
Tabla 5.10
Modi fi ed De Runge-Kutta
Euler Euler Cuatro orden
t yo Exacto h = 0,025 h = 0.05 h = 0.1
0.0 0.5000000 0.5000000 0.5000000 0.5000000

0.1 0.6574145 0.6554982 0.6573085 0.6574144
0.2 0.8292986 0.8253385 0.8290778 0.8292983
0.3 1.0150706 1.0089334 1.0147254 1.0150701
0.4 1.2140877 1.2056345 1.2136079 1.2140869
0.5 1.4256394 1.4147264 1.4250141 1.4256384
EXE RC 5.4 ISESET
1. Utilice la Modi fi método ed Euler para aproximar las soluciones a cada uno de los siguientes de valor inicial
problemas, y comparar los resultados con los valores reales.
a. y '= Te 3 t - 2 Y, 0 ≤ t ≤ 1, y ( 0) = 0, con h = 0,5; solución real y (t) = 1 5 Te 3 t - 1 25 mi 3 t +

1 25 mi - 2 t.
y '=
segundo. 1 + ( t - y) 2, 2 ≤ t ≤ 3, y ( 2) = 1, con h = 0,5; solución real y (t) = t + 1 1 - t.
do. y '= 1 + Y / T, 1 ≤ t ≤ 2, y ( 1) = 2, con h = 0,25; solución real y (t) = t En t + 2 t.

re. y '= 2 cos t + sin 3 t, 0 ≤ t ≤ 1, y ( 0) = 1, con h = 0,25; solución real y (t) =
12 sen 2 t - 1
3 cos 3 t + 4 3.
a. y '= mi t - Y, 0 ≤ t ≤ 1, y ( 0) = 1, con h = 0,5; solución real y (t) = ln ( mi t + mi - 1).
y '=
segundo. 1+t 1 ≤ t ≤ 2, y ( 1) = 2, con h = 0,5; solución real y (t) = √ t 2 + 2 t + 6 - 1.
1 + Y,
do. y '= - y + ty 1/2, 2 ≤ t ≤ 3, y ( 2) = 2, con h = 0,25; solución real y (t) =
(
t - 2 + √ 2 ee - t / 2) 2.
re. y '= t - 2 ( sen 2 t - 2 ty), 1 ≤ t ≤ 2, y ( 1) = 2, con h = 0,25; solución real y (t) =

1 2 t - 2 ( 4 + cos 2 - 2 cos t).
a. y '= Y / T - ( y / t) 2, 1 ≤ t ≤ 2, y ( 1) = 1, con h = 0,1; solución real y (t) = t / ( 1 + ln t).
y '=
segundo. 1+ Y / T + (y / t) 2, 1 ≤ t ≤ 3, y ( 1) = 0, con h = 0,2; solución real y (t) = t tan (ln t).
do. y '= - ( y + 1) ( y + 3), 0 ≤ t ≤ 2, y ( 0) = - 2, con h = 0,2; solución real y (t) =

- 3 + 2 (1 + mi - 2 t) - 1.
re. y '= - 5 y + 5 t 2 + 2 t, 0 ≤ t ≤ 1, y ( 0) = 1 3, con h = 0,1; solución real y (t) = t 2 + 1 3 mi - 5 t.

a. y '= 2 - 2 ty y ( 0) = 1, con h = 0,1; solución real y (t) = 2 t + 1

t 2 + 1, 0 ≤ t ≤ 1, t 2 + 1.
y '=
segundo. y2 1 ≤ t ≤ 2, y ( 1) = - ( ln 2) - 1, con h = 0,1; solución real y (t) = - 1
1 + t, ln ( t + 1) .
do. y '= ( y 2 + y) / t, 1 ≤ t ≤ 3, y ( 1) = - 2, con h = 0,2; solución real y (t) = 2 t

1 - 2 t.
re. y '= - ty + 4 t / y, 0 ≤ t ≤ 1, y ( 0) = 1, con h = 0,1; solución real y (t) = √ 4 - 3 mi - t 2.

5. Repetir el ejercicio 1 utilizando el método del punto medio.
6. Repetir el ejercicio 2 usando el método del punto medio.
7. Repetir el ejercicio 3 usando el método del punto medio.
8. Repita el ejercicio 4 utilizando el método del punto medio.
9. Repita el ejercicio 1 utilizando el método de Heun.
11. Repita el ejercicio 3 usando el método de Heun.
13. Repetir el ejercicio 1 utilizando el método de Runge-Kutta de cuarto orden.
14. Repetir el ejercicio 2, utilizando el método de Runge-Kutta de cuarto orden.
15. Repita el ejercicio 3 usando el método de Runge-Kutta de cuarto orden.
dieciséis. Repita el ejercicio 4 utilizando el método de Runge-Kutta de cuarto orden.
17. Usa los resultados del ejercicio 3 y la interpolación lineal para valores aproximados de y (t), y comparar la
Resultados Para los valores reales.
a. y ( 1.25) y y ( 1.93) y
segundo. ( 2.1) y y ( 2.75)
do. y ( 1.3) y y ( 1.93) re. y ( 0.54) y y ( 0,94)
18. Utilizar los resultados de Ejercicio 4 y la interpolación lineal para valores aproximados de y (t), y comparar la
Resultados Para los valores reales.
a. y ( 0.54) y y ( 0,94) y
segundo. ( 1.25) y y ( 1.93)
do. y ( 1.3) y y ( 2.93) re. y ( 0.54) y y ( 0,94)
19. Repita el ejercicio 17 usando los resultados del ejercicio 7.
20. Repetir el ejercicio 18 usando los resultados del ejercicio 8.
25. Utilizar los resultados del ejercicio 15 y la interpolación de Hermite cúbico a valores aproximados de y (t), y
comparar las aproximaciones a los valores reales.
a. y ( 1.25) y y ( 1.93) y
segundo. ( 2.1) y y ( 2.75)
do. y ( 1.3) y y ( 1.93) re. y ( 0.54) y y ( 0,94)
26. Utilizar los resultados del ejercicio 16 y la interpolación de Hermite cúbico a valores aproximados de y (t), y
comparar las aproximaciones a los valores reales.
a. y ( 0.54) y y ( 0,94) y
segundo. ( 1.25) y y ( 1.93)
do. y ( 1.3) y y ( 2.93) re. y ( 0.54) y y ( 0,94)
27. Muestran que el método del punto medio y el fi ed método de Euler Modi dan las mismas aproximaciones al problema de valor inicial
y '= - y + t + 1, 0 ≤ t ≤ 1, y ( 0) = 1,
para cualquier elección de h. ¿Por qué es esto cierto?
28. El agua fluye desde un tanque cónica invertida con ori circular fi ce a la tasa
√xA
dx dt = - 0.6 π r 2 √ 2 sol
(x) ,
dónde r es el radio de la ce ori fi, X es la altura del nivel de líquido desde el vértice del cono, y Hacha) es el área de la sección
transversal del tanque X unidades por encima de la ce fi ori. Suponer r = 0.1 ft,
g = 32.1 pies / s 2, y el tanque tiene un nivel de agua inicial de 8 pies y el volumen inicial de 512 ( π / 3) ft 3. Utilice el método de Runge-Kutta de
cuarto orden de encontrar lo siguiente.
a. El nivel de agua después de 10 min con h = 20 s
segundo. Cuando el depósito se vacía, a dentro de 1 min.

5.5 Error Control y la Kutta Fehlberg Runge--Método 293
29. La reacción química irreversible en la que dos moléculas de dicromato de potasio sólido (K 2 cr 2 O 7),
dos moléculas de agua (H 2 O), y tres átomos de azufre sólido (S) se combinan para dar tres moléculas de dióxido de azufre gas (SO 2),
cuatro moléculas de hidróxido de potasio sólido (KOH), y dos moléculas de óxido crómico (Cr sólida 2 O 3) puede ser representada
simbólicamente por la ecuación estequiométrica:
2K 2 cr 2 O 7 + 2H 2 O + 3S - → 4KOH + 2Cr 2 O 3 + 3SO 2.
Si norte 1 moléculas de K 2 cr 2 O 7, norte 2 moléculas de H 2 O, y norte 3 moléculas de S son originalmente disponible, la siguiente ecuación diferencial
describe la cantidad x (t) de KOH después de la hora t:
( ) 2( ) 2( ) 3
dx dt = k
norte 1 - X norte 2 - X norte 3 - 3 X ,
2 2 4
dónde k es la constante de velocidad de la reacción. Si k = 6.22 × 10 - 19, norte 1 = norte 2 = 2 × 10 3, y

norte 3 = 3 × 10 3, utilizar el método de Runge-Kutta de orden cuatro para determinar el número de unidades de hidróxido de potasio se han
formado después de 0,2 s?
30. Demostrar que el método de la diferencia
w 0 = α,
w i + 1 = w i + una 1 f ( t yo , w yo) + una 2 f ( t i + α 2, w 1 + δ 2 f ( t yo , w yo)),
para cada i = 0, 1,. . . , norte - 1, no puede tener error de truncamiento local Oh 3) para cualquier elección de las constantes
una 1, una 2, α 2, y δ 2.
31. Mostrar que el método de Heun se puede expresar en forma de diferencia, similar a la del método de Runge-Kutta de orden cuatro, como
w 0 = α,
k 1 = h f ( t yo , w yo),
( )
k2= h F ti+ h ,
3, w i + 1 3 k1
( )
k3= h F ti+ 2 h ,
3, w i + 2 3 k2
wi+1= wi+ 1
4 ( k 1 + 3 k 3),
para cada i = 0, 1,. . . , norte - 1.
32. El método de Runge-Kutta de orden cuatro se puede escribir en la forma
w 0 = α,
wi+1= wi+ h
6 f ( t yo , w yo) + h 3 f ( t i + α 1 h, w i + δ 1 h f ( t yo , w yo))
h
+
3 f ( t i + α 2 h, w i + δ 2 h f ( t i + γ 2 h, w i + γ 3 h f ( t yo , w yo)))
h
+
6 f ( t i + α 3 h, w i + δ 3 h f ( t i + γ 4 h, w i + γ 5 h f ( t i + γ 6 h, w i + γ 7 h f ( t yo , w yo)))).
Encontrar los valores de las constantes
α 1, α 2, α 3, δ 1, δ 2, δ 3, γ 2, γ 3, γ 4, γ 5, γ 6, y γ 7.
5.5 Error Control y la Kutta Fehlberg Runge--Método
En la Sección 4.6 vimos que el uso apropiado de los diferentes tamaños de paso para aproximaciones integrales producidos
métodos e fi ciente. En sí mismo, thismight no sea su fi ciente para favorecer thesemethods debido a la mayor complicación de
su aplicación. Sin embargo, tienen otra característica
lo que hace que valga la pena. Incorporan en el procedimiento de paso de tamaño una estimación del error de truncamiento que
Es posible que desee revisar el material

no requiere la aproximación de las derivadas de orden superior de la función. Estos métodos se denominan adaptado porque se
cuadratura adaptativa en la Sección 4.6 adaptan el número y posición de los nodos utilizados en la aproximación para asegurarse de que el error de truncamiento se
antes de considerar este material. mantiene dentro de un ed especificidad unido.
Existe una estrecha conexión entre el problema de que se aproxima el valor de una de fi nite integral y la de la
aproximación de la solución a un problema de valor inicial. No es sorprendente, entonces, que hay métodos de
adaptación para la aproximación de las soluciones a los problemas de valor inicial y que estos métodos no son
solamente e fi ciente, pero también incorporan el control de error.
Cualquier método de una etapa para la aproximación de la solución, y (t), del problema de valor inicial
y '= f ( t, y), para una ≤ t ≤ segundo, con y (a) = α
se puede expresar en la forma
w i + 1 = w i + h yo φ ( t yo, w yo, h yo), para i = 0, 1,. . . , norte - 1,
para alguna función φ.

Un método de diferencias ecuación ideales
w i + 1 = w i + h yo φ ( t yo, w yo, h yo), i = 0, 1,. . . , norte - 1,
para aproximar la solución, y (t), al problema de valor inicial
tendría la propiedad de que, dada una tolerancia ε> 0, un número mínimo de puntos de malla se podría utilizar para
asegurar que el error global, | y (t yo) - w i |, no exceda ε para cualquier i =
0, 1,. . . , NORTE. Tener un número mínimo de puntos de malla y también controlar el error global de un método de diferencia es, no
sorprendentemente, incompatibles con los puntos que se igualmente espaciados en el intervalo. En este sectionwe examinar
técnicas utilizadas para controlar el error de un método differenceequation de una manera fi ciente por la elección apropiada de los
puntos de malla.
A pesar de que en general no pueden determinar el error global de un método, vamos a ver en la Sección 5.10 de que
existe una estrecha relación entre el error de truncamiento local y el error global. Mediante el uso de métodos de fin podemos
predecir el error de truncamiento local diferente y, usando esta predicción, seleccione un tamaño de paso que lo mantendrá y
el error global en cheque.
Para ilustrar la técnica, supongamos que tenemos dos técnicas de aproximación. El primero se obtiene de una norte
th-orden método de Taylor de la forma
y (t i + 1) = y (t yo) + h φ ( t yo, y (t yo), h) + O (h n + 1),
y produce aproximaciones con error de truncamiento local τ i + 1 ( h) = O (h norte). Viene dada por
w0= α
w i + 1 = w i + h φ ( t yo, w yo, h), para i> 0.
En general, el método se genera mediante la aplicación de un Runge-Kutta modi fi cación con el método de Taylor, pero el
específico derivación no es importante.
El segundo método es similar, pero de un orden superior; se trata de una ( n + 1) st-fin
método de Taylor de la forma
y (t i + 1) = y (t yo) + h ~ φ ( t yo, y (t yo), h) + O (h n + 2),

y produce aproximaciones con error de truncamiento local ~ τ i + 1 ( h) = O (h n + 1). Viene dada por
w~ 0 = α
w~ i + 1 = ~ w i + h ~ φ ( t yo, ~w yo, h), para i> 0.
Primero se hará el supuesto de que w yo ≈ y (t yo) ≈ ~ w yo y elija un tamaño fijada paso h a

generar las aproximaciones w i + 1 y ~ w i + 1 a y (t i + 1). Entonces
τ i + 1 ( h) = y (t i + 1) - y (t yo) - φ ( t yo, y (t yo), h)

h
= y (t i + 1) - w yo - φ ( t yo, w yo, h)
h
= y (t i + 1) - [ w i + h φ ( t yo, w yo, h)]

h
=1
h (y (t i + 1) - w i + 1).
De manera similar, tenemos
τ~i + 1 ( h) = 1 w i + 1).
h (y (t i + 1) - ~
Como consecuencia, tenemos
τ i + 1 ( h) = 1
h (y (t i + 1) - w i + 1)
=1 w i + 1) + ( ~ w i + 1 - w i + 1)]
h [(y (t i + 1) - ~
= ~τ i + 1 ( h) + 1 w i + 1 - w i + 1).
h(~
Pero τ i + 1 ( h) es Oh norte) y ~ τ i + 1 ( h) es Oh n + 1), por lo que la porción significativa fi de τ i + 1 ( h) debes venir

desde
1
w i + 1 - w i + 1) .
h(~
Esto nos da una aproximación fácilmente calculada para el error de truncamiento local del Oh norte)
método:
τ i + 1 ( h) ≈ 1 w i + 1 - w i + 1) .
h(~
El objeto, sin embargo, no es simplemente para estimar el error de truncamiento local, pero para ajustar el tamaño de paso para
mantenerlo dentro de un ed especificidad unido. Para ello suponemos ahora que desde τ i + 1 ( h)
es Oh norte), un número K, independiente de h, existe con
τ i + 1 ( h) ≈ kh norte.
Entonces el error de truncamiento local producido por la aplicación de la norte método th-orden con un nuevo tamaño de paso QH puede
estimarse usando las aproximaciones originales w i + 1 y ~ w i + 1:
τ i + 1 ( QH) ≈ K (qh) n = q norte( kh norte) ≈ q norte τ i + 1 ( h) ≈ q norte w i + 1 - w i + 1).

h(~
Al límite τ i + 1 ( QH) por ε, nosotros elegimos q así que eso
q norte
w i + 1 - w i + 1 | ≈ | τ i + 1 ( QH) | ≤ ε;
h|~
es decir, de manera que
) 1 / norte
εh
q≤( . (5,22)
|w
~ i+1- wi+1|
De Runge-Kutta-Fehlberg Método
Erwin Fehlberg desarrolló esta y otras técnicas Una técnica popular que utiliza la Desigualdad (5.22) para el control de errores es la método de Runge-KuttaFehlberg. ( Ver
de control de errores, mientras trabajaba para [Fe]). Esta técnica utiliza un método de Runge-Kutta con el error de truncamiento local de orden cinco,
la instalación de la NASA en Huntsville,
Alabama, durante la década de 1960. Recibió
la Medalla de Logro Excepcional Cientí fi co de

w~i + 1 = w i + dieciséis
la NASA en 1969. 135 k 1 + 6656
12825 k 3 + 28561
56430 k 4 - 9 50 k 5 + 2 55 k 6,
para estimar el error local en un método de Runge-Kutta de orden cuatro dada por
w i + 1 = w i + 25
216 k 1 + 1408
2565 k 3 + 2197
4104 k 4 - 1 5 k 5,
donde las ecuaciones son coeficiente
k 1 = h f ( t yo, w yo),
( )
k2= h F ti+ h ,
4, w i + 1 4 k1
( )
k3= h F ti+ 3 h ,
8, w i + 3 32 k 1 + 9 32 k 2
( )
k4= h F t i + 12 h ,
13, w i + 19322197
19322197 k 1 - 7200
2197 k 2 + 7296
2197 2197 k 3
( )
k5= h F t i + h, w i + 439 ,
216 k 1 - 8 k 2 + 3680 513 k 3 - 845 4104 k 4
( )
k6= h F ti+ h .
2, w yo - 8 27 k 1 + 2 k 2 - 35442565
35442565 k 3 + 1859
4104 k 4 - 11 40 k 5
Una ventaja de este método es que sólo seis de las evaluaciones F son requeridos por paso. Arbitrarias métodos Runge-Kutta de
órdenes de cuatro y cinco se utilizan juntos (véase la Tabla 5.9 en la página 290) requieren al menos cuatro evaluaciones de F para
el método de cuarto orden y un adicional de seis para el método de quinto orden, para un total de al menos diez evaluaciones de la
función. Así el método de Runge-KuttaFehlberg tiene al menos una disminución del 40% en el número de evaluaciones de la función
sobre el uso de un par de cuarto arbitrarias y métodos quinto orden.
En la teoría de control de errores, un valor inicial de h en el yo º paso se utiliza para hallar los valores primeros de w i + 1 y ~
w i + 1, lo que conduce a la determinación de q para ese paso, y después se repitieron los cálculos. Este
procedimiento requiere dos veces el número de evaluaciones de la función por paso ya que sin el control de errores. En
la práctica, el valor de q para ser utilizado se elige de manera algo diferente a fin de que el aumento del costo
función-evaluación de mérito. El valor de q determinado en el yo º paso se utiliza para dos fines:
• Cuando q < 1: Para rechazar la elección inicial de h en el yo ésimo paso y repetir los cálculos usando QH, y
• Cuando q ≥ 1: Para aceptar el valor calculado en el yo ésimo paso utilizando el tamaño de paso h, pero cambiar el tamaño de paso para QH Para
el ( i + 1) el paso ST.
Debido a la pena en términos de evaluaciones de la función que se deben pagar si se repiten los pasos, q tiende a ser elegido
de forma conservadora. De hecho, para el método de Runge-Kutta-Fehlberg con n = 4, una opción común es
) 1/4 = 0.84 ( ) 1/4

εh εh
q=( .
2 | ~w i + 1 - wi+1| |w
~ i+1- wi+1|
En el algoritmo 5.3 para el método de Runge-Kutta-Fehlberg, se añade Paso 9 para eliminar cationes fi largemodi en tamaño de
paso. Esto se hace para evitar el gasto toomuch Tiempo librecon pequeños tamaños de paso en las regiones con irregularidades en los
derivados de Y, y para evitar grandes tamaños de paso, que puede resultar en saltarse regiones sensibles entre los pasos. El
procedimiento de aumento de tamaño de paso se puede omitir completamente del algoritmo, y la etapa de tamaño procedimiento
disminución utiliza sólo cuando sea necesario para llevar el error bajo control.
ALGORITMO De Runge-Kutta-Fehlberg
5.3
con error de truncamiento local dentro de una tolerancia dada:
ENTRADA criterios de valoración a, b; condición inicial α; tolerancia TOL; tamaño de paso máximo Hmax;
tamaño de paso mínimo hmín.
SALIDA t, w, h dónde w se aproxima y (t) y el tamaño de paso h se utilizó, o un mensaje que se ha superado el tamaño
mínimo de paso.
Paso 1 Conjunto t = a;
w = α;
h = Hmax;
BANDERA = 1;
SALIDA ( t, w).
Paso 2 Mientras ( BANDERA = 1) Realice los pasos 3-11.
Paso 3 Conjunto K 1 = h f ( t, w);

)
K2= h f ( t +1 4 h, w + 1 4 K1 ;
)
K 3 = h f ( t + 38 h, w + 3 32 K1+9 32 K2 ;
)
K 4 = h f ( t + 12 13 h, w + 19322197
19322197 K 1 - 7200 2197 K 2 + 7296 2197 K 3
;
)
K 5 = h f ( t + h, w + 439 216 K 1 - 8 K 2 + 3680 513 K 3 - 845 4104 K4 ;
)
K6= h f ( t +1 2 h, w - 8 27 K 1 + 2 K 2 - 3544 2565 K 3 + 1859 4104 K 4 - 11 40 K5 .
Etapa 4 Conjunto R = 1
h | 1360
1360 K 1 - 128 4275 K 3 - 2197 75240 K 4 + 1 50 K5+2 55 K 6 |.
( Nota: R = 1 h|
w i + 1 - w i + 1 |).
~
Paso 5 Si R ≤ TOL luego hacer los pasos 6 y 7.
Paso 6 Conjunto t = t + h; ( Aproximación aceptada).
w = w + 25 216 K 1 + 1,4082565
1,4082565 K 3 + 2197 4104 K 4 - 15 K 5.
Paso 7 SALIDA ( t, w, h).

Paso 8 Conjunto δ = 0.84 ( TOL / R) 1/4.
Paso 9 Si δ ≤ 0.1 establecer entonces h = 0.1 h
else if δ ≥ 4 a continuación, establecer h = 4 h
conjunto demás h = δ h. ( Calcular nuevo h.)
Paso 10 Si h> Hmax a continuación, establecer h = Hmax.
paso 11 Si t ≥ segundo a continuación, establecer BANDERA = 0
else if t + h> b a continuación, establecer h = b - t
else if h <hmin entonces
conjunto BANDERA = 0;
SALIDA (' h mínimos superaron '). ( Procedimiento

terminado sin éxito.)
Paso 12 ( El procedimiento está completo.)

DETENER.
Ejemplo 1 Utilice el método de Runge-Kutta-Fehlberg con una tolerancia TOL = 10 - 5, un tamaño de paso máximo
Hmax = 0,25, y un tamaño de paso mínimo hmín = 0.01 para aproximar la solución al problema de valor inicial
y '= y - t 2 + 1, 0 ≤ t ≤ 2, y ( 0) = 0,5,
y comparar los resultados con la solución exacta y (t) = (t + 1) 2 - 0.5 mi t.
Solución Vamos a trabajar a través de la primera etapa de los cálculos y luego aplicar el algoritmo
5,3 para determinar el resto de los resultados. La condición inicial da t 0 = 0 y w 0 = 0.5. Para determinar w 1 utilizando h = 0,25,
el tamaño de paso máximo permisible, calculamos
k 1 = h f ( t 0, w 0) = 0,25 (0,5 - 0 2 + 1) = 0,375;

( ) (1 )
k2= h F t0+ 1 = 0.25 = 0.3974609;
4 h, w 0 + 1 4 k 1 40,25, 0,5 + 1 40.375
( )
k3= h F t0+ 3
8 h, w 0 + 3 32 k 1 + 9 32 k 2
( )
= 0.25 0.09375, 0,5 + 3 = 0.4095383;
320.375 + 9 320.3974609
( )
k4= h F t 0 + 12
13 h, w 0 + 1932
2197 k 1 - 7200
2197 2197 k 2 + 7296
2197 2197 k 3
( )
= 0.25 0.2307692, 0,5 + 1,932
21970.375 - 720021970.3974609
7200 + 7296 21970.4095383
= 0.4584971;
( )
k5= h F t 0 + h, w 0 + 439
216 k 1 - 8 k 2 + 3680 513 k 3 - 845 4104 k 4
( )
= 0.25 0,25, 0,5 + 439
2160.375 - 8 (0.3974609) + 3680 513 0.4095383 - 845 41040.4584971
= 0.4658452;
( )
k6= h F t0+ 1
2 h, w 0 - 8 27 k 1 + 2 k 2 - 35442565
35442565 k 3 + 1859
4104 k 4 - 11 40 k 5
(
= 0.25 0,125, 0,5 - 8
270.375 + 2 (0,3974609) - 3544 25650.4095383
)
1859
+
41040.4584971 - 11 400.4658452
= 0,4204789.
Las dos aproximaciones a y ( 0.25) se encuentran a continuación, para ser
w~1 = w 0 + dieciséis
135 k 1 + 6656
12825 k 3 + 28561
56430 k 4 - 9 50 k 5 + 2 55 k 6
= 0,5 + 16
1350.375 + 6656128250.4095383 + 28561564300.4584971
564300.4584971 - 9 500.4658452
2
+
550.4204789
= 0.9204870,
w 1 = w 0 + 25
216 k 1 + 1408
2565 k 3 + 2197
4104 k 4 - 1 5 k5
= 0,5 + 25
2160.375 + 140825650.4095383 + 2197 41040.4584971 - 1 50.4658452
= 0,9204886.
Esto también implica que

|||| 1 360 k 1 - 128 ||||
R=1
0.25 4275 k 3 - 2197
75240 k 4 + 1
75240 50 k 5 + 2 55 k 6
|||| 1 ||||
=4
3600.375 - 128 42750.4095383 - 2197 752400.4584971+ 1 500.4658452+ 2 550.4204789
= ,00000621388,
) ( 0,00001 ) 1/4 = 0,9461033291.

1/4 = 0.84
q = 0.84 ( ε
R ,00000621388
Ya que q < 1 podemos aceptar la aproximación de 0,9204886 y ( 0,25), pero hay que ajustar el tamaño de paso para la
siguiente iteración de h = 0,9461033291 (0.25) ≈ 0,2365258. Sin embargo, se espera que sólo los líderes 5 dígitos de este
resultado ser exacto, porque R tiene sólo alrededor de 5 dígitos de precisión. Debido a que estamos restando eficacia los
números casi iguales
w yo y ~ w yo cuando calculamos R, hay una buena probabilidad de error de redondeo. Esta es una razón
adicional para ser conservador al calcular q.
Los resultados del algoritmo se muestran en la Tabla 5.11. Mayor precisión se ha utilizado para garantizar que los
cálculos son exactos a todos los lugares mencionados. Las dos últimas columnas de la Tabla 5.11 muestran los resultados del
método de quinto orden. Para valores pequeños de t, el error es menor que el error en el método de cuarto orden, pero el error
supera la del método de cuarto orden cuando t aumenta.
Tabla 5.11
RKF-4 RKF-5
t yo y i = y (t yo) w yo h yo R yo | y yo - w i | wˆyo | y yo - w i |
0 0.5 0.5 0.5

0.2500000 0.9204873 0.9204886 0.2500000 6.2 × 10 - 6 1.3 × 10 - 6 0.9204870 2,424 × 10 - 7
0.4865522 1.3964884 1.3964910 0.2365522 4.5 × 10 - 6 2.6 × 10 - 6 1.3964900 1.510 × 10 - 6
0.7293332 1.9537446 1.9537488 0.2427810 4.3 × 10 - 6 4.2 × 10 - 6 1.9537477 3.136 × 10 - 6
0.9793332 2.5864198 2.5864260 0.2500000 3.8 × 10 - 6 6.2 × 10 - 6 2.5864251 5.242 × 10 - 6
1.2293332 3.2604520 3.2604605 0.2500000 2.4 × 10 - 6 8.5 × 10 - 6 3.2604599 7.895 × 10 - 6
1.4793332 3.9520844 3.9520955 0.2500000 7 × 10 - 7 1.11 × 10 - 5 3.9520954 1,096 × 10 - 5
1.7293332 4.6308127 4.6308268 0.2500000 1.5 × 10 - 6 1.41 × 10 - 5 4.6308272 1,446 × 10 - 5
1.9793332 5.2574687 5.2574861 0.2500000 4.3 × 10 - 6 1.73 × 10 - 5 5.2574871 1,839 × 10 - 5
2.0000000 5.3054720 5.3054896 0.0206668 1.77 × 10 - 5 5.3054896 1,768 × 10 - 5
Una implementación del método de Runge-Kutta-Fehlberg también está disponible en arce con el Problema de
valor inicial mando. Sin embargo, se diferencia de nuestra presentación, ya que no requiere la especificación de una
tolerancia para la solución. Para nuestro ejemplo problema se le llama con
C: = InitialValueProblem (DEQ, y ( 0) = 0,5, t = 2, method = rungekutta, Submethod = rkf, numsteps = 10, salida =
información, dígitos = 8)
Como de costumbre, la información se coloca en una tabla que se accede haciendo doble clic en la salida. Los resultados se
pueden imprimir en el método descrito en las secciones preciosos.
EXE RC 5.5 ISESET
1. Utilice el método de Runge-Kutta-Fehlberg con tolerancia TOL = 10 - 4, Hmax = 0,25, y hmín = 0.05 para aproximar las soluciones a los
siguientes problemas de valor inicial. Comparar los resultados con los valores reales.
a. y '= Te 3 t - 2 Y, 0 ≤ t ≤ 1, y ( 0) = 0; solución real y (t) = 1 5 Te 3 t - 1 25 mi 3 t + 1 25 mi - 2 t.

y '=
segundo. 1 + ( t - y) 2, 2 ≤ t ≤ 3, y ( 2) = 1; solución real y (t) = t + 1 / (1 - t).
do. y '= 1 + Y / T, 1 ≤ t ≤ 2, y ( 1) = 2; solución real y (t) = t En t + 2 t.
re. y '= 2 cos t + sin 3 t, 0 ≤ t ≤ 1, y ( 0) = 1; solución real y (t) = 1 2 sen 2 t - 1 3 cos 3 t + 4 3.
2. Utilice el Runge-Kutta Fehlberg Algoritmo con la tolerancia TOL = 10 - 4 para aproximar la solución a
los siguientes problemas de valor inicial.
a. y '= ( y / t) 2 + Y / T, 1 ≤ t ≤ 1.2, y ( 1) = 1, con Hmax = 0,05 y hmín = 0.02.
y '=
segundo. pecado t + e - t, 0 ≤ t ≤ 1, y ( 0) = 0, con Hmax = 0,25 y hmín = 0.02.
do. y '= ( y 2 + y) / t, 1 ≤ t ≤ 3, y ( 1) = - 2, con Hmax = 0.5 y hmín = 0.02.
re. y '= t 2, 0 ≤ t ≤ 2, y ( 0) = 0, con Hmax = 0.5 y hmín = 0.02.
3. Utilice el método de Runge-Kutta-Fehlberg con tolerancia TOL = 10 - 6, Hmax = 0,5, y hmín = 0.05 para aproximar las soluciones a los
siguientes problemas de valor inicial. Comparar los resultados con los valores reales.
a. y '= Y / T - ( y / t) 2, 1 ≤ t ≤ 4, y ( 1) = 1; solución real y (t) = t / ( 1 + ln t).
y '=
segundo. 1 + Y / T + (y / t) 2, 1 ≤ t ≤ 3, y ( 1) = 0; solución real y (t) = t tan (ln t).
do. y '= - ( y + 1) ( y + 3), 0 ≤ t ≤ 3, y ( 0) = - 2; solución real y (t) = - 3 + 2 (1 + mi - 2 t) - 1.
re. y '= ( t + 2 t 3) y 3 - ty, 0 ≤ t ≤ 2, y ( 0) = 1 3; solución real y (t) = ( 3 + 2 t 2 + 6 mi t 2) - 1/2.

4. El método de Runge-Kutta-Verner (ver [Ve]) se basa en las fórmulas
w i + 1 = w i + 13
160 k 1 + 2375
5984 k 3 + 5
5984 85
dieciséis k 4 + 12 k 5 + 3 44 k 6 y
w~ i + 1 = w i + 3
40 k 1 + 8752244 k 3 + 23 72 k 4 + 2641955 k 5 + 12511592
125 11592 k 7 + 43 616 k 8,
dónde
k 1 = h f ( t yo , w yo),
( )
k2= h F ti+ h ,
6, w i + 1 6 k1
( )
k3= h F ti+ 4 h ,
15 , w i + 4 75
75 k 1 + dieciséis k2
( )
k4= h F ti+ 2 h ,
3, w i + 5 6 k1- 8 3 k2+ 5 2 k3
( )
k5= h F ti+ 5 h ,
6, w yo - 165 64 k 1 + 55 6 k 2 - 425 64 k 3 + 85 96 k 4
( )
k6= h F t i + h, w i + 12 ,
5 k 1 - 8 k 2 + 4015 612 k 3 - 11 36 k 4 + 88 255 k 5
( )
k7= h F ti+ h ,
15000 k 1 + 124 75 k 2 - 643 680 k 3 - 81 250 k 4 + 2484
15000
15 , w yo - 8263 10625 k 5
10625
( )
k8= h F t i + h, w i + 3501 .
1720 k 1 - 300 43 k 2 + 297275
52632 k 3 - 319 2322 k 4 + 24068
84065 k 5 + 385026703 k 7
El método de sexto orden ~ w i + 1 se utiliza para estimar el error en el método de quinto orden w i + 1. Construir
un algoritmo similar al de Runge-Kutta-Fehlberg algoritmo, y repetir el ejercicio 3 usando este nuevo método.
5. En la teoría de la propagación de enfermedades contagiosas (ver [Ba1] o [Ba2]), una ecuación diferencial relativamente elemental se puede
utilizar para predecir el número de individuos infecciosos en la población en cualquier momento, siempre y supuestos fi cación simplificados
apropiados están hechos. En particular, vamos a suponer que todos los individuos de una población fija tienen una misma probabilidad
posibilidad de resultar infectado y una vez infectados permanecer en ese estado. Suponer x (t) denota el número de individuos susceptibles a la
hora t y y (t)
denota el número de infectivos. Es razonable suponer que la velocidad a la que el número de Infectives cambios es proporcional al
producto de x (t) y y (t) porque la tasa depende tanto del número de infectivos y el número de personas susceptibles presentes en ese
momento. Si la población es lo suficientemente grande como para suponer que x (t) y y (t) son variables continuas, el problema se
puede expresar
y '( t) = kx(t)y(t),
where k is a constant and x(t) + y(t) = m, the total population. This equation can be rewritten involving only y(t) as
y ′( t) = k(m − y(t))y(t).
a. Assuming that m = 100,000, y( 0) = 1000, k = 2 × 10 − 6, and that time is measured in days,

find an approximation to the number of infective individuals at the end of 30 days.
b. The differential equation in part (a) is called a Bernoulli equation and it can be transformed into a linear differential
equation in u(t) = (y(t)) − 1. Use this technique to find the exact solution to the equation, under the same assumptions as in
part (a), and compare the true value of y(t) to the approximation given there. What is lim t →∞ y(t) ? Does this agree with your
intuition?
6. In the previous exercise, all infected individuals remained in the population to spread the disease. A more realistic proposal is
to introduce a third variable z(t) to represent the number of individuals
302 CHAPTER5 Initial-Value Problems for Ordinary Differential Equations
who are removed from the affected population at a given time t by isolation, recovery and consequent immunity, or death. This
quite naturally complicates the problem, but it can be shown (see [Ba2]) that an approximate solution can be given in the form
x(t) = x( 0) e −( k 1/ k 2) z(t) and y(t) = m − x(t) − z(t),
where k 1 is the infective rate, k 2 is the removal rate, and z(t) is determined from the differential equation
( m − z(t) − x( 0) e −( k 1/ k 2) z(t)) .
z ′( t) = k 2
The authors are not aware of any technique for solving this problemdirectly, so a numerical procedure must be applied. Find an
approximation to z( 30), y( 30), and x( 30), assuming that m = 100,000,
x( 0) = 99,000, k 1 = 2 × 10 − 6, and k 2 = 10 − 4.
5.6 Multistep Methods
The methods discussed to this point in the chapter are called one-stepmethods because the approximation for
the mesh point t i+ 1 involves information from only one of the previous mesh points, t i. Although thesemethods might
use function evaluation information at points between t i and t i+ 1, theydonot retain that information for direct use in
future approximations. All the information used by these methods is obtained within the subinterval over which the
solution is being approximated.
The approximate solution is available at each of the mesh points t 0, t 1, . . . , t i before the approximation at t i+ 1 is
obtained, and because the error | w j − y(t j)| tends to increase with j,
so it seems reasonable to develop methods that use these more accurate previous data when approximating the
solution at t i+ 1.
Methods using the approximation at more than one previous mesh point to determine the approximation at
the next point are called multistep methods. The precise definition of these methods follows, together with the
definition of the two types of multistep methods.
Definition 5.14 An m- step multistep method for solving the initial-value problem
y ′ = f ( t, y), a ≤ t ≤ b, y(a) = α, (5.23)
has a difference equation for finding the approximation w i+ 1 at the mesh point t i+ 1 representado por la siguiente ecuación,
donde metro es un número entero mayor que 1:
w i + 1 = una metro - 1 w i + una metro - 2 w yo - 1 + · · · + una 0 w i + 1 - metro
+ media pensión metro f ( t i + 1, w i + 1) + segundo metro - 1 f ( t yo, w yo)
+ ··· + segundo 0 f ( t i + 1 - metro, w i + 1 - metro)], (5,24)
para i = m - 1, metro, . . . , N - 1, donde h = (b - un, la una 0, una 1, . . . , una metro - 1 y segundo 0, segundo 1, . . . , segundo metro
son constantes, y los valores de partida
w 0 = α, w 1 = α 1, w 2 = α 2, ..., w metro - 1 = α metro - 1
son especi fi.
Cuando segundo m = 0 se llama al método explícito, o abierto, debido a la Ec. (5.24) da a continuación,
w i + 1 explícitamente en términos de valores determinados previamente. Cuando segundo m = 0 se llama al método

5.6 Métodos de varios pasos 303
implícito, o cerrado, porque w i + 1 se produce en ambos lados de la ecuación. (5.243), por lo w i + 1 es fi especificados sólo de forma implícita.
Por ejemplo, las ecuaciones
w 0 = α, w 1 = α 1, w 2 = α 2, w 3 = α 3,
Las técnicas de Adams-Bashforth se deben a

wi+1= wi+ h
John Couch Adams (1819-1892), que hizo el 24 [55 f ( t yo, w yo) - 59 f ( t yo - 1, w yo - 1) + 37 f ( t yo - 2, w yo - 2) - 9 f ( t yo - 3, w yo - 3)],
trabajo signi fi cativa en las matemáticas y la (5,25)
astronomía. Desarrolló estas técnicas
numéricas para aproximar la solución de un fl

para cada i = 3, 4,. . . , norte - 1, definen una explícito método de cuatro pasos conocido como el de cuarto orden técnica
uid- flujo problema planteado por Bashforth.
Adams-Bashforth. las ecuaciones
w 0 = α, w 1 = α 1, w 2 = α 2,
wi+1= wi+ h
24 [9 f ( t i + 1, w i + 1) + 19 f ( t yo, w yo) - 5 f ( t yo - 1, w yo - 1) + f ( t yo - 2, w yo - 2)], ( 5.26)
para cada i = 2, 3,. . . , norte - 1, definen una implícito three-stepmethod known as the fourth-order Adams-Moulton
Forest Ray Moulton (1872–1952) was in technique.
charge of ballistics at the Aberdeen Proving The starting values in either (5.25) or (5.26) must be specified, generally by assuming
Grounds in Maryland during World War I. w 0 = α and generating the remaining values by either a Runge-Kutta or Taylor method. We will see that the implicit
He was a prolific author, writing numerous
methods are generally more accurate then the explicit methods, but to apply an implicit method such as (5.25)
books in mathematics and astronomy, and
directly, we must solve the implicit equation for w i+ 1. This is not always possible,and even when it can be done the
developed improved multistep methods for
solution for w i+ 1
solving ballistic equations.
may not be unique.
Example 1 En el Ejemplo 3 de la Sección 5.4 (véase la Tabla 5.8 en la página 289) se utilizó el método de Runge-Kutta de orden cuatro,
con h = 0.2 para aproximar las soluciones al problema de valor inicial
y '= y - t 2 + 1, 0 ≤ t ≤ 2, y ( 0) = 0.5.
El primero se encontraron cuatro aproximaciones a ser y ( 0) = w 0 = 0,5, y ( 0.2) ≈ w 1 =

0.8292933, y ( 0.4) ≈ w 2 = 1.2140762, y y ( 0.6) ≈ w 3 = 1,6489220. Utilice estos valores de partida para el cuarto orden
método de Adams-Bashforth para calcular nuevas aproximaciones para y ( 0.8) y y ( 1.0), y comparar estas nuevas
aproximaciones a los producidos por el método de Runge-Kutta de orden cuatro.
Solución Para el cuarto orden de Adams-Bashforth tenemos
y ( 0.8) ≈ w 4 = w 3 + 0.2
24 (55 f ( 0,6, w 3) - 59 f ( 0,4, w 2) + 37 f ( 0,2, w 1) - 9 f ( 0, w 0))
= 1.6489220 + 0.2
24 (55 f ( 0,6, 1,6489220) - 59 f ( 0,4, 1,2140762)
+ 37 f ( 0,2, 0,8292933) - 9 f ( 0, 0,5))
= 1.6489220 + 0.0083333 (55 (2.2889220) - 59 (2.0540762)
+ 37 (1.7892933) - 9 (1,5))
= 2.1272892,
y ( 1.0) ≈ w 5 = w 4 + 0.2
24 (55 f ( 0,8, w 4) - 59 f ( 0,6, w 3) + 37 f ( 0,4, w 2) - 9 f ( 0,2, w 1))
= 2.1272892 + 0.2
24 (55 f ( 0,8, 2,1272892) - 59 f ( 0,6, 1,6489220)
+ 37 f ( 0,4, 1,2140762) - 9 f ( 0,2, 0,8292933))
= 2.1272892 + 0.0083333 (55 (2.4872892) - 59 (2.2889220)
+ 37 (2.0540762) - 9 (1.7892933))
= 2.6410533,
El error de estas aproximaciones en t = 0.8 y t = 1.0 son, respectivamente
| 2.1272295 - 2.1272892 | = 5.97 × 10 - 5 y | 2.6410533 - 2.6408591 | = 1.94 × 10 - 4.
Los correspondientes aproximaciones Runge-Kutta tenían errores
| 2.1272027 - 2.1272892 | = 2.69 × 10 - 5 y | 2.6408227 - 2.6408591 | = 3.64 × 10 - 5.
Adams estaba particularmente interesado en el

Para comenzar la derivación de un método de varios pasos, tenga en cuenta que la solución al problema de valor inicial
uso de su habilidad para los cálculos numéricos
precisos para investigar las órbitas de los
planetas. Él predijo la existencia de Neptuno y '= f ( t, y), una ≤ t ≤ segundo, y (a) = α,

mediante el análisis de las irregularidades en el
planeta Urano, y desarrollado diversas técnicas si se integran en el intervalo [ t yo, t i + 1], tiene la propiedad de que
de integración numérica para ayudar en la
aproximación de la solución de las ecuaciones y (t i + 1) - y (t i) = ∫ Ti + 1 y '( t) dt = ∫ Ti + 1 f ( t, y (t)) dt.

diferenciales. TI TI
Por consiguiente,
y (t i + 1) = y (t yo) + ∫ Ti + 1 f ( t, y (t)) dt. (5,27)

TI
Sin embargo, no podemos integrar f ( t, y (t)) sin saber y (t), la solución al problema, por lo que en lugar de
integrar un polinomio de interpolación P (t) a f ( t, y (t)), uno que se determina por algunos de los puntos de datos
obtenidos anteriormente ( t 0, w 0), ( t 1, w 1), . . . , ( t yo, w yo).
Cuando asumimos, además, que y (t yo) ≈ w yo, Eq. (5.27) se convierte en
y (t i + 1) ≈ w i + ∫ Ti + 1 P (t) dt. (5,28)

TI
Aunque cualquier forma del polinomio de interpolación se puede utilizar para la derivación, es más conveniente utilizar el
Newton fórmula backward-diferencia, porque esta forma incorpora más fácilmente los datos más recientemente
calculados.
Para obtener una Adams-Bashforth explícita metro- técnica de paso, que forman el polinomio backwarddifference PAG metro
-1( t) mediante
( t yo, f ( t yo, y (t yo))), ( t yo - 1, f ( t yo - 1, y (t yo - 1))), . . . , ( t i + 1 - metro, f ( t i + 1 - metro, y (t i + 1 - metro))).
Ya que PAG metro - 1 ( t) es un polinomio interpolatory de grado metro - 1, un número ξ yo en ( t i + 1 - metro, t yo)
existe con
f ( t, y (t)) = P metro - 1 ( t) + f ( metro)( ξ yo, y ( ξ yo)) ( t - t yo)( t - t yo - 1) · · · ( t - t i + 1 - metro).

¡metro!

Numerical Analysis 9th (262-322) .En - Es

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Numerical Analysis 9th (262-322) .En - Es

Uploaded by

Copyright:

Available Formats

244 CAPÍTULO 4 La diferenciación numérica e Integración

Etapa 4 por j = 1, 2,. . . , norte hacer

Paso 5 Conjunto J = J + c mi k 1 JX.

Paso 7 SALIDA ( J);

Esto requiere 121 evaluaciones de la función f ( X, y) = e y / x y produce el valor

1 (0,1, 0,01, mi 0.1) (0,5, 0,25, mi 0.5)

(0,1, 0,001, mi 0.01)

(0,5, 0,125, mi 0.25)

Aproximación Integral Triple

integrales triples de la forma

El cálculo reducido hace que sea casi

de Gauss en lugar de la técnica de un

ALGORITMO GaussianTriple Integral

ENTRADA criterios de valoración a, b; enteros positivos metro, norte, pag.

SALIDA aproximación J a YO.

Paso 1 Conjunto h 1 = ( segundo - una)/ 2;

Paso 2 por i = 1, 2,. . . , metro Realice los pasos 3-8.

Etapa 4 por j = 1, 2,. . . , norte Realice los pasos 5-7.

Paso 6 por k = 1, 2,. . . , pag hacer

Paso 7 Conjunto JX = JX + c n, j l 1 JY.

Paso 8 Conjunto J = J + c mi k 1 JX.

Paso 10 SALIDA ( J);

El siguiente ejemplo se requiere la evaluación de las integrales cuatro triples.

METRO yz = ∫∫∫ X σ ( X, Y, z) dV, M xz = ∫∫∫ y σ ( X, Y, z) dV

son los momentos con respecto a los planos de coordenadas y la masa de re es

que este sólido tiene la función de densidad dada por

METRO yz = ∫ 2 √ X 2+ y 2 X √ X 2 + y 2 dx dy dz ≈ - 5.55111512 × 10 - 17,

METRO xz = ∫ 2 √ X 2+ y 2 y √ X 2 + y 2 dx dy dz ≈ - 8.01513675 × 10 - 17,

Esto implica que la ubicación aproximada del centro de masa es

Primero se cargamos el paquete y definen la función con

con (Student [MultivariateCalculus]): f: = ( X, Y, z) → X 2 + y 2 + z

A continuación, emita el comando

MultiInt ( f ( X, Y, z), z = - 2..4 + y 2, y = x - 1 .. x + 6, x = 2..4) que produce el resultado

EXE RC 4.8 ISESET

∫ 2.5 ∫ 1.4 ∫ 0.5 ∫ 0.5

de 10 - 6 del valor real.

a. ( 2 y pecado x + cos 2 x) dx dy segundo. En xy dx dy

mi. cos x dx dy F. cos y dy dx

de 10 - 6 del valor real.

7. Uso Algoritmo 4,5 con (i) n = m = 3, (ii) n = 3, m = 4, (iii) n = 4, m = 3, y (iv) n = m = 4 a

9. Utilizar el algoritmo 4.4 con n = m = 14 y Algoritmo 4.5 con n = m = 4 para aproximar

para la región R en el plano delimitado por las curvas y = x 2 y y = √ X.

10. Usar el algoritmo 4.4 para aproximar

12. Repetir el ejercicio 11 utilizando el algoritmo 4.5 con n = m = 5.

13. El área de la superficie descrita por z = f ( X, y) para ( X, y) en R es dado por

14. Repita el ejercicio 13 usando el algoritmo 4.5 con n = m = 4.

dieciséis. Repita el ejercicio 15 usando n = m = p = 3.

17. Repita el ejercicio 15 usando n = m = p = 4 y n = m = p = 5.

18. Utilizar el algoritmo 4.6 con n = m = p = 4 para aproximar

19. Utilizar el algoritmo 4.6 con n = m = p = 5 para aproximar

dónde S es la región en el primer octante limitado por el cilindro X 2+ y 2 = 4, la esfera X 2+ y 2+ z 2 = 4, y el plano x + y + z = 8. Se

4.9 Integrales impropias

Izquierda Punto Singularidad

una ( X - una) pag ,

converge si y sólo si 0 < p < 1, y en este caso, definimos

Solución Para el primer integrante tenemos

pero la segunda integral

Si F es una función que se puede escribir en la forma

donde 0 < p < 1 y sol es continua en [ a, b], entonces la integral impropia

PAG 4 ( x) = g (a) + g '( hacha - una) + g '' ( una) ( X - una) 4,

Porque P (x) es un polinomio, podemos determinar con exactitud el valor de

estrecha colaboración con g (x) en todo el intervalo [ a, b].

Para aproximar la integral de f, hay que sumar a este valor a la aproximación de