We

CURSO DE ANLISIS NUMRICO DE
ECUACIONES DIFERENCIALES.
2007-08
CAPTULO 0: INTRODUCCIN TERICA, PRIMEROS EJEMPLOS Y

PRIMERAS DIFICULTADES.
1 Objetivos.
2 Algunos ejemplos.
3 Algunos teoremas.
CAPTULO 1: ANLISIS NUMRICO. MTODO DE EULER.

1.1 Introduccin al anlisis numrico. Ideas bsicas.
1.2 El mtodo de Euler.
1.3 Convergencia de un mtodo numrico (I).
1.4 Convergencia del mtodo de Euler
1.6 Estabilidad del mtodo de Euler:
1.7 Convergencia de un mtodo numrico (II).
1.8 Apndice: Demostracin de la convergencia del mtodo de Euler.
1.9 Ejercicios del captulo 1.
1.10 Ejemplos de programacin del mtodo de Euler.
CAPTULO 2: IDEAS QUE INSPIRAN EL DISEO DE NUEVOS MTODOS.

ANLISIS DE LOS MTODOS OBTENIDOS.
ALGUNOS MTODOS MONOPASO LINEALES.
2.1 Introduccin.
2.2 El mtodo de Euler implicito. Diseo y anlisis.
2.3 Los mtodos de Taylor.
2.4 Aproximaciones integrales.
CAPTULO 3: LOS MTODOS DE RUNGE-KUTTA.

MTODOS MONOPASO NO LINEALES.
3.1 Introduccin a los mtodos no lineales.
3.2 Consistencia de los mtodos de Runge-Kutta.
3.3 Algunos ejemplos.
CAPTULO 4: INTRODUCCIN A LOS MTODOS MULTIPASO.

LOS MTODOS BDF.
4.1 Introduccin a los mtodos multipaso.
4.2 Aproximaciones de la derivada.
4.3 Los mtodos BDF.
4.4 Un mtodo inestable.
CAPTULO 5: LOS MTODOS DE ADAMS.

5.1 Introduccin.
5.2 Construccin de los mtodos de Adams.
5.3 Mtodo de Adams-Bashforth de un paso.
5.4 Mtodo de Adams-Bashforth de dos pasos.
5.5 Mtodo de Adams-Bashforth de tres pasos.
CAPTULO 6: ESTUDIO GENERAL DE LOS MTODOS MULTIPASO

LINEALES.
CAPTULO 7: INTRODUCCIN A LA RIGIDEZ.

7.1 Introduccin al fenmeno de la rigidez. Algunos ejemplos.
7.2 Otros ejemplos.
7.3 Consideraciones tericas sobre rigidez para los mtodos de Euler explcito e
implcito.
7.4 Consideraciones tericas sobre la rigidez de los mtodos monopaso.
7.5 Consideraciones tericas sobre la rigidez de los mtodos monopaso aplicados a
sistemas de ecuaciones diferenciales.
7.6 Consideraciones tericas sobre la rigidez de los mtodos multipaso lineales.
CAPTULO 8: ANLISIS NUMRICO DE PROBLEMAS DE

CONTORNO.
8.1 Introduccin a los problemas de contorno. Un resultado de existencia y unicidad.
8.2 Problemas de contorno lineales.
8.3 Aproximacin numrica de los problemas de contorno lineales.
8.4 El mtodo de las diferencias finitas.
8.5 Convergencia del mtodo de las diferencias finitas.
8.6 Algunas aproximaciones numricas.
8.7 El mtodo de las diferencias finitas cuando se consideran otras condiciones de
frontera.
CAPTULO 0: INTRODUCCIN TERICA, PRIMEROS EJEMPLOS Y

PRIMERAS DIFICULTADES.
1 Objetivos.
2 Algunos ejemplos.
3 Algunos teoremas.
4 Ejercicios del captulo 0.
1 Objetivos.
Una ecuacin diferencial es una relacin entre una funcin y sus derivadas, que en
general tiene la forma f (t , x, x' , x' ' ,...) = 0.
El objetivo al plantear una ecuacin diferencial es obtener la variable dependiente x en
trminos de la variable independiente t , es decir obtener x = x(t ).
Una ecuacin diferencial se dice de primer orden si la derivada ms alta que aparece es
de orden uno. Vamos a trabajar fundamentalmente con ecuaciones diferenciales de
primer orden con la derivada despejada, es decir con ecuaciones de la forma
x' = f (t , x ).
Tambin trabajaremos ocasionalmente con ecuaciones diferenciales de segundo orden o

superior.
Dnde aparecen las ecuaciones diferenciales? El rango de aplicacin de las ecuaciones
diferenciales es muy amplio, estn en los fundamentos de la fsica y se usan en biologa,
economa y geometra entre otros campos.
En la mayora de los casos la variable independiente t representa al tiempo, la derivada
primera de la variable independiente x' suele interpretarse como una velocidad o una
tasa de variacin y x' ' representa a veces a la aceleracin.
Para que la solucin de una ecuacin diferencial venga dada de forma unvoca es
necesario que se complete con una serie de condiciones adicionales. Estas condiciones
pueden ser de varios tipos y usualmente se denominan condiciones iniciales o
condiciones de contorno.
El primer objetivo del anlisis numrico va a ser problemas de valor inicial (PVI) de la
forma
3
x' = f (t , x )
x(a ) = x 0
t [a, b]
Como se pone de manifiesto en el estudio terico de las ecuaciones diferenciales existen

muchas tcnicas de resolucin de los PVI. Una de ellas, muy bsica y que se supone
conocida, es la separacin de variables.
2 Algunos ejemplos.
Vamos a comenzar nuestro estudio resolviendo problemas de valor inicial que sern
representativos de las dificultades que nos vamos a encontrar en los prximos captulos:
33
x
x' =
a)
2
x(0) = 0
t [0,2]
x' = x
b)
x(0) = 1
t [0,2]
x' = x 2
c)
x(0 ) = 1
t [0,1[
Solucin: x(t ) = t 3 . Tambin x(t ) = 0.
Solucin: x(t ) = e t .
Solucin: x(t ) =
1
.
1 t
Estos tres PVI son de aspecto muy parecido, sin embargo observamos que sus
soluciones tienen caractersticas completamente diferentes.
En el primer caso la solucin no es nica.
En el caso b) la solucin es nica y est bien definida en cualquier intervalo de la
variable independiente t.
Por ltimo en el caso c) la solucin es nica pero presenta un comportamiento asinttico
en t = 1, que nos impide extender la solucin ms all de este valor. Usualmente se dice
que la solucin de c) explota en t = 1.
La falta de unicidad de la solucin de a) es previsible y podemos pensar que se debe a la
falta de regularidad de la funcin 3 x en el punto x = 0. Lo que resulta ms
sorprendente es que la solucin de c) presente un comportamiento asinttico (o
explosivo) ya que en ningn caso dicho comportamiento puede achacarse a una falta de
regularidad en la funcin x 2 .
Este comportamiento explosivo de la soluciones de ciertos PVI es un fenmeno poco
conocido entre muchos usuarios de las ecuaciones diferenciales y a lo largo de la
historia ha dado lugar a comportamientos anmalos de los sistemas que han venido
descritos por algunas ecuaciones diferenciales, es decir, a dado lugar a explosiones,
derrumbamientos,
3 Algunos teoremas.
Qu nos dice la teora clsica de ecuaciones diferenciales en lo que respecta a estos
ejemplos?
Hay que comenzar con el teorema de Peano:

Teorema de Peano 1: El PVI
x' = f (t , x )
x(a ) = x 0
t [a, b]
con f (t , x ) continua en un abierto que contenga al punto a, x 0 tiene al menos una

solucin x(t ) definida al menos en un entorno de t = a .
Este teorema nos permite disponer de una herramienta sencilla que garantiza la
existencia de solucin local de los PVI pero que sin embargo no garantiza la unicidad de
dicha solucin y por tanto se convierte en una herramienta insuficiente para los
propsitos del anlisis numrico.
El ejemplo a) considerado anteriormente nos muestra que la unicidad de soluciones para
un PVI no est garantizada con la mera continuidad de f .
Para garantizar la unicidad de soluciones de un PVI tenemos que imponer que la
funcin f (t , x ) cumpla al menos una condicin de Lipschitz con respecto a su segunda
variable x.
Tenemos el siguiente teorema de existencia local:
( )
El teorema de Peano introduce la necesidad de la continuidad de la funcin f t , x como funcin de dos

variables. Es por ello que en el estudio de ecuaciones diferenciales se mezclan conceptos de anlisis unidimensional
con conceptos de anlisis de mayor dimensin.
Teorema de Picard (Local): Sea f (t , x ) continua en un abierto que contenga al punto
(a, x ) y tal que verifica una condicin de Lipschitz para su segunda variable en dicho
0
intervalo.
Entonces el PVI
x' = f (t , x )
x(a ) = x 0
t [a, b]
tiene una solucin nica x(t ) definida al menos en un entorno de t = a .
Este teorema garantiza la existencia de una solucin local, es decir en un intervalo que
eventualmente puede ser muy pequeo en torno al punto de partida.
El anlisis numrico nos obliga a mejorar estas estimaciones ya que hemos de garantizar
la existencia y unicidad de soluciones en un intervalo fijado desde el principio [a,b ]. El
ejemplo c) considerado anteriormente nos muestra que incluso para funciones f (t , x )
regulares la solucin de existencia global no est garantizada.
Una posible forma de resolver este problema es utilizar el siguiente teorema de
existencia global:
Teorema de Picard (Global): Sea f (t , x ) una funcin continua en E = [a, b]x y tal
que verifica una condicin de Lipschitz para su segunda variable en E. Entonces el
PVI
x' = f (t , x )
t [a, b]
x(a ) = x 0
tiene una solucin nica x(t ) definida en t [a,b].
Aunque este teorema responde a las necesidades de existencia global que necesitamos
en anlisis numrico tiene el inconveniente de ser demasiado restrictivo y funciones
como f (t , x ) = x 2 o f (t , x ) = cos x 2 no verifican este teorema. En el primer caso esta
restriccin est justificada dado el comportamiento asinttico de las soluciones, pero en
el segundo caso no, es decir el PVI
( )
( )
x' = cos x 2
,
(
)
x
a
x
=
0
tiene solucin nica para cualquier intervalo acotado de la variable independiente.

En la prctica la forma de proceder ser la siguiente: Utilizaremos el teorema de Picard
(global) si se verifican las condiciones para ello. En caso contrario utilizaremos un
teorema de existencia local (Picard local) para garantizar existencia y unicidad de
solucin local y adems utilizaremos cotas a priori sobre la solucin de los PVI con
objeto de detectar posibles comportamientos asintticos.
Para obtener las cotas a priori de la solucin de los PVIs citadas utilizaremos el
siguiente resultado, nicamente cierto si previamente puede probarse existencia y
unicidad local para todos los PVI considerados:
Teorema de las sub y supersoluciones: Consideremos los PVIs, definidos para

todo t [a, b],
x' = f (t , x )
x(a ) = x 0
x1 ' = f1 (t , x1 )
x1 (a ) = x 0
x 2 ' = f 2 (t , x 2 )
x 2 (a ) = x 0
donde las funciones f , f1 y f 2 continuas y tales que f 1 f f 2 . Entonces se verifica

que x1 (t ) x(t ) x 2 (t ) para todo t [a, b].
Veamos a continuacin un ejemplo de utilizacin de este resultado.
Ejemplo: Probar que la solucin del siguiente PVI est bien definida:
x' = (t + sin ( x ))2
x(0) = 3
t [0,1]
Establecer adems cotas para la solucin, su primera y su segunda derivadas.
Solucin:
Utilizando el teorema de existencia local tenemos que la solucin est bien definida
localmente para todo valor de (t , x ) 2 . Por otro lado la cota
0 (t + sin ( x )) 4
2
nos permite obtener una sub y una supersolucin x1 y x 2 respectivamente. A saber,

x1 ' = 0
x1 (0 ) = 3
x2 ' = 4
x 2 (0 ) = 3
t [0,1]
t [0,1]
x1 (t ) = 3
x 2 (t ) = 4t + 3
De donde
3 = x1 (t ) x(t ) x 2 (t ) = 4t + 3 7,
y as,
x(t ) 7.
Las cotas sobre la derivada y segunda derivada se obtienen como sigue:
x' (t ) = t + sin ( x ) 2 2 = 4.
2
f f dx f f
d
x' (t ) =
f
+
=
+
dt
t x dt t x
2
= 2(t + sin ( x )) + 2(t + sin ( x )) cos( x )(t + sin ( x )) .
x' ' (t ) =
Es decir,
x' ' 4 + 16 = 20.
EJERCICIOS DEL CAPTULO 0.
I.
Estudiar si la solucin de los siguientes PVI est bien definida en los

intervalos considerados y, si es posible, calcular dicha solucin en el caso en
que sea nica. Caso de que no podamos garantizar unicidad intentar
encontrar al menos dos soluciones del PVI considerado.
1.
x' = x
x(0) = 1
t [0,2]
2.
x' = x 2
x(0 ) = 1
t (0,1)
( (
x' = cos ln 1 + x 2
3.
x(0 ) = 1
II.
))
Estudiar si el PVI
t [0, ]
1 2
t + 4x t
x' =
2
x(2 ) = 1
t [2,10]
tiene solucin nica en el intervalo considerado.

t2
A continuacin probar que las funciones x1 (t ) =
y x 2 (t ) = 1 t son ambas
4
solucin de este PVI.
III.
3 3
x' = x
Consideremos el problema de valor inicial
2
x(0) = 0
t [0,1].
3
2
Comprobar que x(t ) = t es solucin de este PVI. Es nica? Contradice este

ejemplo algn teorema de existencia y unicidad?
IV.
Admiten solucin nica los siguientes problemas de valor inicial? Razonar

la respuesta.
x' = x 2
a)
x(0) = 1
t [0,2]
x' = x 2
b)
x(0) = 0
x' = x 2
c)
x(0) = 1
x' = t 2 + x 2
d)
x(0) = 1
V.
VI.
VII.
t [0,1)
t [0,2].
x' = cos( x )
t [0, ] tiene solucin nica. Dar
Demostrar que el PVI
x(0 ) = 1
una cota a priori (sin resolver la ecuacin) de la solucin de este PVI y de
sus primera y segunda derivadas.
( )
x' = cos x 2
Igual que el ejercicio anterior pero con el PVI
x(0 ) = 1
t [0, ]
Estudiar para qu condiciones iniciales el PVI

1
x' = 2
t + x2
x(0) = x0
t [0,1]
tiene solucin nica. Dar una cota a priori de dicha solucin.
VIII.
Consideremos el problema de valor inicial
10
x' = arctan( x)
x(0) = 1
0 t 1.
Encontrar cotas a priori para x, x' y x' ' sin calcular x explcitamente.
11
CAPTULO 1: ANLISIS NUMRICO. MTODO DE EULER.

1.4 Convergencia del mtodo de Euler
1.6 Estabilidad del mtodo de Euler:

Consideremos el PVI
x' = f (t , x )
x(a ) = x 0
t [a, b],
que no sabemos resolver explcitamente, pero del que tenemos la seguridad de que tiene
solucin nica en el intervalo t [a, b] considerado.
El objetivo del anlisis numrico ser obtener una aproximacin de la solucin x(t ).
La forma de aproximar la solucin de un PVI no es nica y de hecho muchas tcnicas
de aproximacin de soluciones se han desarrollado a lo largo de la historia del anlisis
funcional. Podemos destacar la aproximacin de soluciones de PVIs utilizando series
de potencias, mtodos perturbativos,
El anlisis numrico nos provee de una forma muy particular de aproximar la solucin
de un PVI. Es en esta forma de aproximar soluciones en la que vamos a estar
interesados.
En primer lugar haremos una particin del intervalo [a, b] en N trozos, en principio
equiespaciados. Vamos a pasar de considerar que la variable independiente toma valores
en un intervalo t [a, b] a considerar que toma valores nicamente en el conjunto
t {t 0 , t1 , t 2 ,..., t N }, con t 0 = a, y t N = b.
Al conjunto {t 0 , t1 , t 2 ,..., t N } lo llamaremos particin del intervalo [a, b] y a los valores
t i les llamaremos nodos de la particin. Cada nodo t i verifica que t i +1 = t i + h, y por
ba
tanto t i = t 0 + ih, donde h es el paso de la particin y N =
.
h
12
El objetivo del anlisis numrico es desarrollar un mtodo recursivo, es decir, que

vamos a utilizar herramientas algebraicas y no diferenciales, para la obtencin de x i ,
que sern valores aproximados de la solucin exacta del PVI x(t i ) en los nodos de la
particin considerada 2.
Planteamos el PVI en los nodos de la particin de la siguiente forma 3:
x(t i + h ) x(t i )
= f (t i , x(t i ))
x' (t i ) = lim
h 0
h
x(t ) = x 0
0
t {t 0 , t1 ,..., t N }.

El primer mtodo de aproximacin numrica de PVI, ya desarrollado en los albores del
clculo diferencial, para la obtencin de los valores aproximados xi la proporciona el
llamado mtodo de Euler.
Este mtodo constituir un modelo sencillo de obtencin de soluciones aproximadas de
PVIs, pero adems vamos a utilizarlo como modelo y como punto de partida para
desarrollar mtodos ms complejos.
Es por tanto fundamental aprender detenidamente las ideas involucradas en el anlisis
de este mtodo y reflexionar sobre los conceptos que van a aparecer. En particular
adquiere especial relevancia el concepto de error de truncatura.
El mtodo de Euler surge de la idea de eliminar el lmite del PVI considerado, es decir
este mtodo propone pasar de la igualdad
lim
h0
x(t i + h ) x(t i )
= f (t i , x(t i ))
h
para la solucin exacta x(t ) a la igualdad

x i +1 x i
= f (t i , x i )
,
h
x0 = 0
En anlisis numrico es muy importante fijar adecuadamente la notacin utilizada. Vamos a denotar como
x(t i ) a la solucin exacta del PVI y como x i

3
a la solucin aproximada en el nodo
ti .
Este paso ya es en s muy importante porque supone despreciar toda la informacin sobre la solucin
problema que no se refiera a estos nodos
x(t ) del
ti .
13
o equivalentemente
x i +1 = x i + hf (t i , x i )
,
x0 = 0
para la solucin aproximada x i .

Hay que hacer notar que el valor 0 de arranque del mtodo aproximado y el valor
inicial del PVI x 0 no van necesariamente a coincidir, aunque hay que suponer que si no
son valores iguales al menos s van a ser valores muy prximos 4.

Qu hemos de pedirle a un mtodo numrico de aproximacin de soluciones de PVIs
para que sea satisfactorio? Que aproxime adecuadamente a las soluciones del PVI. En
este sentido damos las siguientes definiciones:
Llamamos error local de discretizacin i a la diferencia
i = x(t i ) x i
mientras que denominamos error (global) de discretizacin a la expresin
= max( i ) = max x(t i ) xi .

Obviamente vamos a estar interesados en que el error de discretizacin sea lo ms bajo
posible y que de hecho tienda a cero a medida que h tienda a cero, o equivalentemente
a medida que en nmero de nodos de la particin aumente.
Diremos que un mtodo es CONVERGENTE si
lim = 0.
h0
Vamos a notar como
en el primer nodo
igualdad
x0
t0 y 0
x0 = x 0
a la condicin inicial exacta del PVI.

es el valor de
x0
es el valor aproximado de la solucin del PVI
x 0 . Por tanto la igualdad x 0 = 0
es siempre cierta mientras que la
no lo es de forma general.
14
1.4 Convergencia del mtodo de Euler.

Vamos a calcular detalladamente en el caso del mtodo de Euler con el objetivo
adicional de tratar de entender cuales son las fuentes que contribuyen a hacer que el
error aumente. Este estudio nos llevar a nuevos conceptos y nuevas definiciones.
Con objeto de ser lo ms claros posible y de simplificar y sistematizar a un tiempo
nuestras tcnicas de clculo y de estimacin de errores, vamos a introducir la definicin
de error de truncatura.
Este concepto en este momento puede parecer un tanto artificioso. Ms adelante
veremos que es un concepto que va a jugar un papel fundamental en el estudio de los
mtodos de aproximacin numrica de la solucin de los PVIs.
Veamos a continuacin como se introduce el error de truncatura en el mtodo de Euler.
Podemos ver el mtodo de Euler como el paso de la expresin exacta
lim
h0
x(t i + h ) x(t i )
= f (t i , x(t i ))
h
a la expresin aproximada
x(t i + h ) x(t i )
f (t i , x(t i )),
h
que esperamos sea tanto ms exacta cuanto ms pequeo sea el paso h considerado. 5
El error local de truncatura i podemos interpretarlo como el error que cometemos al
hacer la anterior aproximacin, es decir, que de manera exacta tenemos que
x(t i + h ) x(t i )
= f (t i , x(t i )) + i .
h
Anlogamente a lo que establecimos con el error de discretizacin se define el error

(global) de truncatura
= max i .
Diremos que un mtodo es CONSISTENTE si
lim = 0.
h 0
Ntese que las dos ecuaciones anteriores estn referidas a la solucin exacta
x(t i ).
15
El orden de consistencia de un mtodo consistente se define como el mayor natural p

tal que
Ch p .
Antes de pasar a calcular errores hay que llamar la atencin sobre la similitud de las
siguientes expresiones, aparentemente muy parecidas:
x(t i +1 ) = x(t i ) + hf (t i , x(t i )) + h i
y
x i +1 = x i + hf (t i , x i ).
La primera se refiere a la solucin exacta del PVI y la segunda a la solucin aproximada

de dicho PVI que proporciona el mtodo de Euler 6.
Tenemos el siguiente resultado:
TEOREMA 1 (sobre la convergencia del mtodo de Euler):

Se verifica la siguiente desigualdad:
max x(t i ) xi e (b a )L x 0 0 +
e (b a ) L 1
.
L
La demostracin, que se deja como ejercicio y puede verse en el apndice al final del
captulo. De hecho tambin puede considerarse el ejercicio de introducir un trmino de
redondeo en el clculo de x i .
A la vista del Teorema 1 vemos que el error de discretizacin y por tanto la
convergencia del mtodo de Euler depende de dos trminos. De hecho en forma concisa
podemos escribir que
C1 x 0 0 + C 2 .
Diremos que el primer trmino est relacionado con la estabilidad y el segundo con la
consistencia.
A la vista de la expresin x(t i +1 ) = x(t i ) + hf (t i , x(t i )) + h i cobra sentido interpretar el error de
truncatura de la siguiente forma: h i es lo que le falta a la solucin de exacta para verificar el

mtodo de Euler.
16
1.5 Consistencia del mtodo de Euler.

Ya hemos introducido el concepto de consistencia al introducir el error de truncatura.
Nos queda probar formalmente la consistencia del mtodo de Euler y calcular su orden
de consistencia.
Dicha propiedad se obtiene de la igualdad
x(t i + h ) = x(t i ) + hf (t i , x(t i )) + h i .
Desarrollando la funcin x(t i + h ) por Taylor y utilizando la frmula del resto en forma
de Lagrange, tenemos que
x(t i + h ) = x(t i ) + hx' (t i ) +
h2
x' ' ( i ),
2
i [t i , t i +1 ].
Al sustituir en la ecuacin anterior y teniendo en cuenta que x' (t i ) = f (t i , x i ) nos queda

x(t i ) + hx' (t i ) +
h2
x' ' ( i ) = x(t i ) + hx' (t i ) + h i
2
Cancelando trminos obtenemos que
i =
h
x' ' ( i )
2
de donde obtenemos la acotacin
max x' ' (t ) .

h
2
Concluimos que el mtodo de Euler es consistente y de hecho es consistente de orden 1.
17
1.6 Estabilidad del mtodo de Euler.
Para el estudio de la estabilidad de un algoritmo 7 introducimos la siguiente definicin:

Consideremos la sucesin {y i }i =0,1...., N de forma que el primer trmino y 0 est dado y el
resto vengan dados por el algoritmo siguiente:
y i +1 = ( y i ).
Para dos datos iniciales y 0 e z 0 obtendremos mediante este algoritmo dos sucesiones
{y i }i =0,1....N y {z i }i =0,1....N .
Diremos que el algoritmo considerado es estable 8 si existe una constante positiva C ,

que solo depende del algoritmo, tal que
max y i z i C y 0 z 0 .
Surge de manera natural la pregunta: Es el mtodo de Euler un algoritmo estable 9? S,

vemoslo:
Construimos dos sucesiones de la forma:
y i +1 = y i + hf (t i , y i )
y 0 dado
z i +1 = z i + hf (t i , z i )
z 0 dado
con h, f y los nodos de la particin t i fijos.
Restando obtenemos que

y i +1 z i +1 = y i z i + h( f (t i , y i ) f (t i , z i )),
y por tanto se verifican las siguientes acotaciones:
7
En el estudio de las ecuaciones diferenciales aparece el concepto de estabilidad de la solucin de una

ecuacin diferencial. En este caso hablamos de estabilidad de un algoritmo numrico.
8
El concepto de estabilidad de un algoritmo no tiene nada que ver con el PVI cuya solucin pretendemos
aproximar.
9
Hablaremos indistintamente de mtodo de Euler o de algoritmo de Euler.
18
y i +1 z i +1 y i x i + h f (t i , y i ) f (t i , z i ) ,
y i +1 z i +1 (1 + hL ) y i z i ,
y i z i (1 + hL ) y 0 z 0 ,
N
y i z i e hLN y 0 z 0 ,
y i z i e L (b a ) y 0 z 0
De donde se concluye la estabilidad del mtodo de Euler.
La consistencia y la estabilidad del mtodo de Euler garantizan su convergencia.

La desigualdad
C1 x 0 0 + C 2
nos ha permitido estudiar la relacin entre los conceptos de convergencia ( 0 ),
consistencia ( 0 ) y estabilidad para el mtodo de Euler.
Qu relacin tienen estos conceptos entre s en el resto de los mtodos de
aproximacin ?
Puede probarse que en general se verifica que
CONSISTENCIA
+
CONVERGENCIA
ESTABILIDAD
Es por esto que una vez que diseemos un mtodo de aproximacin numrico el estudio
de su convergencia se va a llevar a cabo en dos pasos, en primer lugar vamos a estudiar
su consistencia, y de hecho vamos a determinar siempre el orden de dicha consistencia,
y posteriormente vamos a estudiar su estabilidad.

Dedicamos este apartado a la demostracin del siguiente resultado:
19
TEOREMA 1 (sobre la convergencia del mtodo de Euler):

Se verifica la siguiente desigualdad:
max x(t i ) x i e (b a )L x 0 0 +
e (b a ) L 1
Demostracin:
Notaremos x(t i ) a la solucin exacta del PVI y x i a la solucin aproximada en los
nodos t i de la particin. Por construccin,
x(t 0 ) = x 0 .
Por otro lado la solucin aproximada x i verifica que

x i +1 = x i + hf (t i , x i )
.
x0 = 0
Restando obtenemos el siguiente resultado:

x i +1 = x i + hf (t i , x i )
x(t i +1 ) x i +1 = x(t i ) x i + h( f (t i , x(t i )) f (t i , x i )) + h i
Teniendo en cuenta la Lipschitzianidad de f (t , x ) obtenemos que

x(t i +1 ) xi +1 x(t i ) xi + h f (t i , x(t i )) f (t i , x i ) + h i ,
x(t i +1 ) x i +1 (1 + hL ) x(t i ) x i + h i ,
que escrito con la notacin introducida en el captulo 1.3 queda como
i +1 (1 + hL ) i + h ,
0 = x0 0
20
En este momento hemos de aplicar un resultado algebraico al que a partir de ahora nos
vamos a referir como Primer Lema de Acotacin. Estos lemas son muy utilizados en
las demostraciones de convergencia de diferentes mtodos numricos.
Lema (Primer Lema de Acotacin):

Sea {y n }n = 0,1.... una sucesin de nmeros reales no negativos, que verifican la condicin
y n +1 (1 + A) y n + B,
n = 0,1,2,...
con A y B constantes no negativas, entonces

y n (1 + A) y 0 +
n
(1 + A)n 1 B,
n = 0,1,2,...
y adems
e nA 1
B,
yn e y0 +
A
nA
n = 0,1,2,...
Aplicando el primer lema de acotacin a la desigualdad anterior obtenemos que
i e ihL 0 +
e inhL 1
h ,
hL
De donde
(b a ) L
e (b a ) L 1
0 +
.
L
21

1. Probar que se verifica el siguiente lema de acotacin:
Sea {y n }n0 una sucesin de nmeros reales no negativos que verifican
y n +1 (1 + A) y n + B,
n = 0,1,...
con A, B > 0. Entonces se verifican las siguientes desigualdades:

y n (1 + A) y 0 +
n
(1 + A)n 1 B,
A
y adems
y n e nA y 0 +
e nA 1
B.
A
2. Disear un mtodo de Euler para la aproximacin del PVI

x' = t +
x(0) = 2
t [0,2],
y dar una cota explcita de (h ) y (h ).
3. Considerar los PVI

x' = 1
x(0) = 0
t [0,3]
x' = t
x(0 ) = 1
t [0,3].
Calcular la solucin exacta para cada uno de ellos y la solucin

aproximada que
proporciona el mtodo de Euler. Tomar para ello
h = 1. Obtener explcitamente el error local de discretizacin obtenido en
cada caso y compararlo con la cota obtenida tericamente para dicho
error.
4. Consideremos el problema de valor inicial
22
x' = arctan( x)
x(0) = 1
0 t 1.
a) Encontrar cotas a priori para x, x' y x' ' sin calcular x explcitamente.
b) Dar una cota explcita del error de truncatura obtenido al aplicar el mtodo de
Euler explcito a este PVI. Tomar h = 10 3.
5. Consideremos el problema de valor inicial

x' = t 2 + x 2
x(0 ) = 1
t [0,2].
Estudiar si es posible aproximar de forma razonable la solucin de este problema

de valor inicial por el mtodo de Euler explcito. En caso de que sea posible
tomar un valor de h = 0.01 y dar una cota explcita del error de truncatura (h ).
23
1.10 Ejemplos de programacin del mtodo de Euler.
A modo de aplicacin de la teora desarrollada vamos a llevar a cabo un programa

utilizando MATLAB para aproximar las solucin del PVI
x = sin(t )
con
x(0) = 1
t [0, 2 ]
El algoritmos resultante de aplicar el mtodo de euler

xi +1 = xi + hf ( ti , xi )
x0 = o
en este caso queda como
xi +1 = xi + h sin ( ti )
x0 = 1
El programa en MATLAB:
%El mtodo de Euler aplicado a la resolucin de x=sin(t), x(0)=1
clear all
%Datos de entrada
f=@(t)[sin(t)];
a=0;
b=2*pi;
h=0.5;
N=(b-a)/h;
t(1)=a;
x(1)=1;
%Programa Principal
for k=1:N
t(k+1)=t(k)+h;
x(k+1)=x(k)+f(t(k))*h;
end
%Salida
hold on
plot(t,x,'*') % solucin aproximada
z=dsolve('Dz=sin(t)','z(0)=1'); %solucin exacta en color azul
ezplot(z,[a,b])
hold off
donde hemos tomado h = 0.5.
24
Si tomamos h = 0.01, obtenemos
25
A modo de ejemplo de aplicacin del mtodo de Euler a PVI de segundo orden vamos a
considerar el caso del oscilador armnico, que viene dado por
x + x = 0
x(0) = 0 con t [0, 2 ]

x(0) = 1
Este PVI modeliza la vibracin de un muelle.

Para resolver este PVI hemos de pasar de una ecuacin de segundo orden a dos
ecuaciones de primer orden. Llamando
x = y x = ( x) = y
x = y
Por tanto el sistema de ecuaciones diferenciales
equivalente a x + x = 0 .
y = x
Las condiciones iniciales se transforman de la siguiente forma:

x(0) = 0 x(0) = 0
x(0) = 1 y (0) = 1
La idea es aplicar la aproximacin de Euler a las dos ecuaciones obtenidas por separado:
x' = y
y' = x
x ( 0) = 0
y (0) = 1
que generan los dos algoritmos siguientes:
xi +1 = xi + hy i ,
y = y hx
i
i
i +1
x0 = 0
y0 = 1
que han de resolverse a la vez.

Podemos considerar el siguiente programa:
26
%Aplicamos el mtodo de Euler a la resolucin aproximada del problema:

% x''+x=0; x(0)=0; x'(0)=1.
Oscilador armonico.
clear all
%datos
a=0;
b=2*pi;
h=0.05;
N=(b-a)/h;
t(1)=a;
x(1)=0;
y(1)=1;
%programa
for k=1:N
t(k+1)=t(k)+h;
x(k+1)=x(k)+h*y(k);
y(k+1)=y(k)-h*x(k);
end
%salida
hold on
plot(t,x,'r')
z=dsolve('D2x+x=0','x(0)=0','Dx(0)=1')
ezplot(z,[0,2*pi])
hold off
Ejecutamos y tenemos las siguientes grficas:
Podemos incluso dibujar el diagrama de las fases:

27
%Diagrama de las fases del oscilador armnico.

clear all
%datos
a=0;
b=2*pi;
h=0.001;
N=(b-a)/h;
t(1)=a;
x(1)=0;
y(1)=1;
%programa
for k=1:N
t(k+1)=t(k)+h;
x(k+1)=x(k)+h*y(k);
y(k+1)=y(k)-h*x(k);
end
%salida
hold on
plot(x,t,'r')
hold off
Obtenemos la grfica:
28
CAPTULO 2: IDEAS QUE INSPIRAN EL DISEO DE NUEVOS

MTODOS. ANLISIS DE LOS MTODOS OBTENIDOS.
ALGUNOS MTODOS MONOPASO LINEALES.
2.1 Introduccin.
2.2 El mtodo de Euler implicito. Diseo y anlisis.
2.1 Introduccin.
El objetivo del anlisis numrico es la aproximacin de la solucin del PVI
x' = f (t , x )
x(a ) = x 0
t [a, b].
Hemos visto que en primer lugar hemos de restringir nuestro problema a los nodos de la
particin considerada, es decir, vamos a aproximar en realidad el problema
x' (t i ) = f (t i , x(t i ))
t {t 0 , t1 ,..., t N }.
x(t 0 ) = x 0
El mtodo de Euler surge al aproximar la derivada por el cociente incremental, es decir,
x' (t ) = lim
h0
x(t i + h ) x(t i ) x(t i + h ) x(t i )
.
h
h
Introduciendo esta aproximacin en el PVI obtenemos

x i +1 x i
= f (t i , x i )
,
h
x0 = 0
o equivalentemente
xi +1 = xi + hf (t i , xi )
.
x0 = 0
Parece claro que cualquier otra aproximacin de la derivada x' nos conducir a un
nuevo mtodo.
29
2.2 El mtodo de Euler implcito. Diseo y anlisis.

Supongamos que consideramos ahora diferencias hacia atrs, es decir,
x' (t ) = lim
h 0
x(t ) x(t h ) x (t ) x(t h )
.
h
h
Al sustituir en el PVI obtenemos

x i x i 1
= f (t i , x i )
,
h
x0 = 0
o equivalentemente
xi = xi 1 + hf (t i , xi )
.
x0 = 0
Algunas veces se renumera, i i + 1, y el mtodo se escribe como
xi +1 = x i + hf (t i +1 , xi +1 )
.
x0 = 0
Usualmente se denomina a este mtodo Mtodo de Euler Implcito. Es eviendente que la

programacin efectiva de este mtodo entraa una dificultad adicional con respecto al
mtodo de Euler explcito obtenido en el captulo anterior, por aparecer x i +1 en ambos
miembros de la igualdad. Sin embargo en este momento nicamente vamos a estar
interesados en el diseo y anlisis terico de los mtodos que vamos a ir obteniendo.
Ms adelante trataremos en detalle la programacin efectiva de los mtodos implcitos.
Consistencia del mtodo de Euler Implcito:
Para el anlisis de la consistencia basta sustituir en el mtodo la solucin aproximada

por la exacta y aadir el trmino h i . Obtenemos:
x(t i ) = x(t i h ) + hf (t i , x(t i )) + h i .
30
Desarrollando por Taylor,

x(t i h ) = x(t i ) hx' (t i ) +
h2
x' ' ( i ).
2
Utilizando estas dos expresiones deducimos que
i = x' ' ( i )
h
2
De donde
h
max x' ' .
2
Concluimos que el mtodo de Euler implcito es consistente de orden 1.
Estabilidad del mtodo de Euler Implcito:
Consideremos dos sucesiones:

y i = y i 1 + hf (t i , y i )
y 0 dado
z i = z i 1 + hf (t i , z i )
z 0 dado
Restando obtenemos que

y i z i = y i 1 z i 1 + h( f (t i , y i ) f (t i , z i )).
Se verifican las siguientes acotaciones:
y i z i y i 1 z i 1 + h f (t i , y i ) f (t i , z i ) ,
(1 hL ) y i
z i y i 1 z i 1 ,
yi zi
1
y i 1 z i 1 .
1 hL
31
1
1
, se verifica que
1 + 2hL, lo que nos permite completar la
2L
1 hL
acotacin como sigue:
Para h <
1
y i 1 z i 1 (1 + 2hL ) y i 1 z i 1 ,
1 hL
N
y i z i (1 + 2hL ) y 0 z 0 ,
yi zi
y i z i e 2 hLN y 0 z 0 ,
y i z i e 2 L (b a ) y 0 z 0
De donde se concluye la estabilidad del mtodo de Euler implcito. 10

Volviendo al mtodo de Euler podemos constatar la similitud que hay entre el desarrollo
de Taylor de la solucin
x(t i + h ) = x(t i ) + hx' (t i ) +
h2
x' ' ( i ),
2
i [t i , t i +1 ].
y la forma en la que se calcula el error de truncatura. Por ejemplo podemos considerar

que para el mtodo de Euler,
x(t i + h ) = x(t i ) + hf (t i , x(t i )) + h i .
La diferencia entre estos dos desarrollos se encentra en los trminos de orden h 2 . Es
por esto que a la vista de un desarrollo ms detallado del x(t i + h ),
x(t i + h ) = x(t i ) + hx' (t i ) +
h2
h3
x' ' (t i ) + x' ' ' (t i ) + ...
2!
3!
podemos pensar en desarrollar mtodos que nos permitan imitar este desarrollo. Esta es
la base de los mtodos de Taylor y aqu se encuentra tambin una forma de motivar los
mtodos de Runge-Kutta, que sern tratados posteriormente.
En efecto, un ejemplo es el mtodo de Taylor de orden 2, que se construye como sigue:
10
Nos hemos visto obligados a introducir una cota superior sobre h para garantizar la estabilidad del
mtodo de Euler. Este hecho no es grave ya que en principio h est destinado a ser un parmetro muy
pequeo. Veremos en el tema dedicado a rigidez que en otros entornos nos vemos obligados a introducir
hiptesis mucho ms restrictivas sobre h.
32
xi +1 = xi + hf (t i , xi ) +
h2
2
f
f
(t i , xi ) f (t i , xi ).
(t i , xi ) +
x
t
Se deja como ejercicio probar que este mtodo tiene orden de consistencia 2.
Parece claro que utilizando esta forma de razonar seremos capaces de desarrollar
mtodos numricos consistentes y estables de rdenes arbitrariamente altos.
El inconveniente que presentan los mtodos de Taylor es que nos obligan a evaluar no
solo la funcin f (t , x ) sino adems a sus derivadas. En los ejemplos acadmicos que
suelen considerarse esta no suele ser una gran dificultad, sin embargo en las
aplicaciones prcticas debemos evitar evaluar derivadas de f (t , x ) .
Una forma alternativa de intentar resolver un PVI dado por

x' (t i ) = f (t i , x(t i ))
x(t 0 ) = x 0
t {t 0 , t1 ,..., t N }.
es integrar a izquierda y derecha la variable independiente entre [t i , t i +1 ]. Obtenemos la

siguiente expresin
x(t i + h ) = x(t i ) +
ti + h
ti
f (s, x(s ))ds.
Obviamente la resolucin por medios tericos de este problema implcito es incluso ms

difcil que la resolucin del PVI inicial. Sin embargo en trminos de la interpretacin
geomtrica de la integral definida es fcil justificar la siguiente aproximacin:
ti + h
ti
f (s, x(s ))ds hf (t i , x i ).
Basta sustituir en la ecuacin anterior para obtener el mtodo de Euler explcito.

x i +1 = x i + hf (t i , x i ).
Nuevas aproximaciones de la integral generan nuevos mtodos de aproximacin. Cabe
destacar que la aproximacin
33
ti + h
ti
f (s, x(s ))ds hf (t i +1 , x(t i +1 ))
nos conduce al mtodo de Euler implcito, mientras que la generalizacin de las

anteriores aproximaciones
ti + h
ti
f (s, x(s ))ds h((1 ) f (t i , x(t i )) + f (t i +1 , x(t i +1 ))),
nos conduce al llamado mtodo, que en el caso =
[0,1],
1
adquiere especial relevancia
2
por conducirnos al mtodo del trapecio

xi +1 = xi +
h
( f (t i , xi ) + f (t i +1 , xi +1 )),
2
que es un mtodo consistente de segundo orden. De hecho es el primer mtodo de

consistencia mayor a la del mtodo de Euler que aparece en el curso.
Se deja como ejercicio probar la consistencia y estabilidad de todos estos mtodos, en
especial las del mtodo del trapecio.
34
Ejercicios del captulo 2.

1. Acotar el error de truncatura de los siguientes mtodos monopaso, y establecer el
orden de consistencia de cada uno de ellos.
a. Mtodo de Euler explcito: xi +1 = xi + hf (t i , xi )
b. Mtodo de Euler implcito: xi +1 = xi + hf (t i +1 , xi +1 )
c. Mtodo
x i +1 = x i + h((1 ) f (t i , xi ) + f (t i +1 , xi +1 ))
d. Mtodo de Taylor de segundo orden:
h 2 f
f
xi +1 = xi + hf (t i , xi ) + (t i , xi ) + (t i , xi ) f (t i , xi )
2 t
x
2. Disear un mtodo de Taylor de orden 3.

3. Consideremos el siguiente mtodo monopaso
xi +1 = xi + h(f (t i , xi ) + f (t i +1 , xi +1 )),
Calcular que valores tienen que tener los parmetros y para que el
mtodo tenga un error de truncatura al menos de orden 2.
35
CAPTULO 3: LOS MTODOS DE RUNGE-KUTTA.

MTODOS MONOPASO NO LINEALES.

3.2 Consistencia de los mtodos de Runge-Kutta.

Los mtodos de Runge-Kutta son mtodos no lineales monopaso que se introducen para
obtener grados de consistencia altos.
En estos mtodos la no linealidad del mtodo viene dada por la evaluacin de la funcin
f (t , x ) en puntos diferentes a los nodos de la particin. 11
En general estos mtodos pueden escribirse como
xi +1 = x i + h(h ),
m
donde la funcin (h ) va a tener la forma (h ) = Ak f ( k , k ), donde en general los

k =1
valores k y k van a ser diferentes de t i y xi respectivamente.
3.2 Consistencia de un mtodo de Runge-Kutta.

El clculo del error de truncatura de un mtodo de Runge-Kutta se hace en la forma
usual, sustituyendo la solucin aproximada por la exacta y agregando el trmino de
error h i . As,
x(t i + h ) = x(t i ) + h(h ) + h i .
La dificultad que tenemos en este caso es no saber a priori el orden en h de la funcin

(h ). Para determinar la consistencia del mtodo procedemos a desarrollar x(t i + h ) y
(h ) en potencias de h.
11
Es importante no confundir la linealidad de la ecuacin que vamos a resolver con la linealidad del
mtodo de resolucin.
36
x(t i ) + hx' (t i ) +
h2
h3
h2
' ' (0 ) + ... + h i .
x' ' (t i ) +
x' ' (t i ) + ... = x(t i ) + h (0) + h ' (0) +
2!
3!
2!
Simplicando y agrupando trminos queda

x' ' (t i )
x' ' ' (t i ) ' ' (0 )

h i = h[x' (t i ) (0)] + h 2
' (0) + h 3
+ ...
2!
3!
2
A la vista de esta ecuacin la condicin imprescindible para que un mtodo de RungeKutta sea consistente es que
(h = 0 ) = x' (t i ) = f (t i , xi )
En la medida en que el mtodo cumpla las condiciones
x' ' (t i )
,
2
' ' (0) x' ' ' (t i )
,
=
2!
3!
...
' (0) =
su orden de consistencia ser mayor.

Vamos a considerar algunos ejemplos de mtodos de Runge-Kutta. El estudio de estos
ejemplos servir como ejemplo al estudio general de los mtodos monopaso no lineales.
xi +1 = xi + hf ti + , xi .
2
En este caso (h ) = f t i + , xi . Tenemos que

2
37
(0 ) = f (t i , x i )
' (0) =
x' ' (t i )
1 f
(t i , xi )
.
2 t
2
Concluimos que este mtodo es consistente de orden 1.
xi +1 = xi +
h
( f (t i , xi ) + f (t i + h, xi + hf (t i , xi ))).
2
En este caso (h ) =
1
( f (t i , xi ) + f (t i + h, xi + hf (t i , xi ))). As
2
(0) = f (t i , xi )
f
1 f
(t i , xi ) f (t i , xi ),
(t i , xi ) +
x
2 t
' ' (0 ) x' ' ' (t i ).

' (0) =
Concluimos que este mtodo es consistente de orden 2.
El mtodo de Runge-Kutta ms famoso y utilizado es el conocido como mtodo

de Runge-Kutta de orden 4:
xi +1 = x i +
1
(F1 + 2 F2 + 2 F3 + F4 )
6
donde
F1 = hf (t i , x i )
F
h
F2 = hf t i + , x i + 1
2
2
F
h
F3 = hf t i + , x i + 2
2
2
F4 = hf (t i + h, x i + F3 ).
Se deja como ejercicio probar que efectivamente este mtodo tiene un error de
truncatura de orden 4.
38

1. Consideremos el siguiente mtodo monopaso
x i +1 = x i + hf (t i + h, x i + hf (t i , x i )),
i = 0,1,..., N 1,
Calcular que valores tienen que tener los parmetros , y para que
el mtodo tenga un error de truncatura al menos de orden 2.
2. Estudiar la consistencia del mtodo del punto medio implcito dado por
1 1
x i x i 1 = hf t i 1 + h, ( x i + x i 1 ).
2 2
3. Calcular, utilizando la definicin, el error de truncatura del mtodo

xi +1 = xi +
h
( f (t i , xi ) + f (t i +1 , xi + hf (t i , xi ))).
2
4. Aproximar la solucin del problema de valor inicial

x' = 100 x + y
y ' = y
x(0) = x , y (0) = y
0
0
t 0,
con < 0 y x0 , y 0 , utilizando el mtodo de Euler mejorado

xi +1 = xi +
h
( f (t i , xi ) + f (t i + h, xi + hf (t i , xi )))
2
Tomar h = 0.001 y estudiar para qu valores del parmetro es nulo el lmite

cuando i de la solucin aproximada obtenida.
4. Probar que el mtodo de Runge-Kutta de orden 4, que viene dado por
xi +1 = x i +
1
(F1 + 2 F2 + 2 F3 + F4 )
6
con
39
F1 = hf (t i , x i )
F
h
F2 = hf t i + , xi + 1
2
2
F
h
F3 = hf t i + , x i + 2
2
2
F4 = hf (t i + h, x i + F3 )
es consistente.
40
CAPTULO 4: INTRODUCCIN A LOS MTODOS MULTIPASO. LOS

MTODOS BDF.

4.3 Los mtodos BDF.

Hemos visto en los captulos anteriores los llamados mtodos monopaso. Como su
nombre indica en estos mtodos se pretende calcular la aproximacin de la solucin en
el punto (t i +1 , x i +1 ) a partir de la informacin contenida en el nodo anterior (t i , xi ).
En este captulo vamos a introducir los mtodos multipaso (de r pasos) en los que la
aproximacin en el punto (t i + r , x i + r ) va a llevarse a cabo teniendo en cuenta la
informacin contenida en los r nodos anteriores
(t i + r 1 , xi + r 1 ),
...
(t i , xi ).
Un primer problema que surge es que un mtodo multipaso no es autosuficiente para

dar la aproximacin de un PVI ya que este solo proporciona el valor de x 0 . Los valores
de x1 ,..., x r 1 que nos permitan x r han de ser calculados con algn mtodo monopaso. A
este proceso se le llama LANZAMIENTO y debe hacerse sin prdida de precisin. Una
vez lanzado el mtodo multipaso ya no es necesario el auxilio de ningn mtodo
adicional.
Los conceptos desarrollados en el anlisis de los mtodos monopaso se generalizan sin
dificultad, en concreto, el concepto de consistencia para mtodos multipaso es el mismo
que en caso de los mtodos monopaso. El concepto de estabilidad se extiende de manera
natural al caso de los mtodos multipaso como sigue:
Consideremos un algoritmo que nos permita construir una sucesin {y i }i =0,1...., N de
forma que los primeros r trminos y 0 , y1 ,..., y r 1 estn dados y el resto vengan dados
por el algoritmo
y i + r = ( y i ,..., y i r 1 )
Tomemos dos sucesiones generadas por este algoritmo
{y i }i =0,1.... N y {z i }i =0,1.... N .
Diremos que el algoritmo considerado es estable si existe una constante C tal que
41
max y i z i C max{ y 0 z 0 , y1 z1 ,..., y r 1 z r 1 }.
Una ventaja de los mtodos multipaso es que se pueden construir, con mayor facilidad
que en el caso de los monopaso, mtodos de un orden de consistencia alto. Esto es
debido al hecho de que en cada iteracin del mtodo estamos teniendo en cuenta mayor
informacin.
Entre las desventajas de los mtodos multipaso hemos de sealar que hay vigilar con
cuidado la estabilidad de estos mtodos y tambin que a la hora de llevar a cabo su
programacin prctica hemos de proceder a su lanzamiento.

Una forma muy sencilla de obtener mtodos multipaso es proceder de la misma forma
que se hace en la construccin del mtodo de Euler. Al utilizar diferentes
aproximaciones de la derivada podemos construir diferentes mtodos de aproximacin
numrica de PVIs. Por ejemplo, si tomamos
x' = lim
h 0
tenemos que
x(t + h ) x(t h ) x(t + h ) x(t h )
,
2h
2h
x(t + h ) x(t h )
f (t , x(t )).
2h
Obtenemos as el mtodo
xi +1 = xi 1 + 2hf (t i , xi ).
Para algunos clculos es muy conveniente renumerar los subndices, con lo que el
mtodo obtenido se puede escribir de forma equivalente a la anterior como
xi + 2 = xi + 2hf (t i +1 , xi +1 ).
Se deja como ejercicio estudiar la consistencia de este mtodo.
Diferentes aproximaciones de x' darn lugar a diferentes mtodos numricos.
42
4.3 Los mtodos BDF.

Una generalizacin del proceso expuesto en el apartado anterior, es decir una forma
generalizada de obtener aproximaciones de x' y consecuentemente de construir
mtodos de aproximacin multipaso, lo constituyen los llamados mtodos BDF.
Como ejemplo vamos a deducir el mtodo del apartado anterior,
xi + 2 = xi + 2hf (t i +1 , xi +1 ),
utilizando esta nueva filosofa.
Ejercicio: Deducir un mtodo multipaso de aproximacin de PVI, del mximo orden de
consistencia posible, utilizando la informacin contenida en los nodos
(t i +1 , xi +1 ), (t i 1 , xi 1 )
y f (t i , xi ).
Solucin: Desarrollamos x(t i +1 ) y x(t i 1 ) por serie de Taylor:

h2
h3
h 4 iv
x(t i + h ) = x(t i ) + hx' (t i ) +
x' ' (t i ) +
x' ' ' (t i ) +
x (t i ) + ...
2
3!
4!
x(t i h ) = x(t i ) hx' (t i ) +
h2
h3
h 4 iv
x' ' (t i )
x' ' ' (t i ) +
x (t i ) + ...
2
3!
4!
Restando tenemos que

x(t i + h ) x(t i h ) = 2hx' (t i ) +
h3
x' ' ' (t i ) + ...
3
Sustituyendo x(t i + h ), x(t i h ), x' (t i ) por xi +1 , xi 1 ,
f (t i , x i ) respectivamente y
despreciando trminos de orden superior a uno obtenemos

xi +1 = xi 1 + 2hf (t i , xi ).
Hay que sealar que en la deduccin de este mtodo se ha utilizado la simetra de los
nodos utilizados. Esto nos ha permitido eliminar fcilmente los trminos de orden h 2 .
En general ser necesaria la introduccin de parmetros para garantizar esta
eliminacin. En el siguiente apartado aparece la construccin de un mtodo multipaso
utilizando parmetros adicionales.
43

Como hemos anticipado los mtodos multipaso tienen el grave inconveniente de que
pierden la estabilidad con facilidad. Vamos a dar a continuacin un ejemplo para ilustrar
este hecho 12.
Ejercicio: Deducir un mtodo de aproximacin de PVI multipaso, del mximo orden de
consistencia posible, utilizando la informacin contenida en los nodos
(t i + 2 , xi + 2 ), (t i +1 , xi +1 ) , (t i , xi ).
Solucin: Desarrollamos por Taylor y multiplicamos a izquierda y derecha por los
parmetros A y B.
4h 2
8h 3
16h 4 iv
Ax(t i + 2h ) = A x(t i ) + 2hx' (t i ) +
x' ' (t i ) +
x' ' ' (t i ) +
x (t i ) + ...
2
3!
4!
h2
h3
h 4 iv
Bx(t i + h ) = B x(t i ) + hx' (t i ) +
x' ' (t i ) +
x' ' ' (t i ) +
x (t i ) + ...
2
3!
4!
Sumando obtenemos:
Ax(t i + 2h ) + Bx(t i + h ) =
h2
h3
( A + B )x(t i ) + (2 A + B )hx' (t i ) + (4 A + B ) x' ' (t i ) + (8 A + B ) x' ' ' (t i ) + ...
2!
3!
De esta expresin hemos de hacer cero los coeficientes de la segunda derivada y de

todas las derivadas superiores a dos que sea posible.
En este caso solo va a ser posible anular el coeficiente de x' ' (t i ). Para ello tomamos
B = 4A.
As, para A = 1 y B = 4 ,
x(t i + 2h ) = 4 x(t i + h ) 3x(t i ) 2hx' (t i ) + 4
h3
x' ' ' (t i ) + ...
3!
El mtodo que obtenemos es
12
Los mtodos de Adams vienen a remediar esta prdida de estabilidad para mtodos multipaso. Tienen
el inconveniente de introducir muchas evaluaciones de f y adems son mtodos que involucran
coeficientes que podemos calificar al menos de un tanto extraos.
44
x i + 2 = 4 x i +1 3x i 2hf (t i , x i )
del que fcilmente se puede probar que tiene un orden de consistencia igual a 2.
Sin embargo este mtodo no es estable como se deduce del siguiente razonamiento:
Tomamos dos sucesiones generadas por este mtodo y con datos iniciales
y 0 = 0,
y1 = 0 y por otro lado z 0 = 0, z1 = > 0, donde es un nmero pequeo
pero fijo.
Obviamente y i = 0, para todo i > 1. Por otro lado un clculo detallado nos lleva a que
lim z i = . En efecto,
i
z 0 = 0,
z1 = ,
z 2 = 4 ,
z 3 = 13 ,
z 4 = 40 ,
...
zi =
(3
1
.
2
Tenemos que lim z i = , y por tanto concluimos la inestabilidad del mtodo.

i
45
1.
Estudiar la consistencia de los siguientes mtodos multipaso:

x i + 2 = x i + 2hf (t i +1 , x i +1 )
h
h
b. xi +1 = xi + f (t i +1 , xi +1 ) + f (t i , xi )
2
2
h
c. xi +1 = xi + (9 f (t i +1 , xi +1 ) + 19 f (t i , xi ) 5 f (t i 1 , xi 1 ) + f (t i 2 , xi 2 ))
24
a.
2.
Disear un mtodo multipaso del mximo orden de consistencia que contenga

x i + 2 , x i y f (t i , xi ).
3.
Construir un mtodo multipaso de la forma

ai xi + ai 1 xi 1 + ai 2 xi 2 = h(bi 1 f i 1 + bi 2 f i 2 )
de orden de consistencia mximo.
4.
Estudiar si el mtodo
4
1
1
xi + 2 xi 2 = h f i + f i 1 + f i 2
3
3
3
es consistente y en caso afirmativo estudiar el orden de consistencia.
46
CAPTULO 5: LOS MTODOS DE ADAMS.
5.1 Introduccin.
5.1 Introduccin.
Los mtodos de Adams pretenden aprovechar aproximaciones integrales para el diseo
de mtodos estables de orden de consistencia altos.
Todos los mtodos de Adams explcitos son de la forma
x i +1 = x i + h(af (t i , x i ) + bf (t i 1 , x i 1 ) + ...),
mientras que en los implcitos tambin se evala f (t i +1 , x i +1 ). El diseo de estos
mtodos se basa en determinar los coeficientes a, b,... mediante aproximaciones
integrales.

Como veamos en el captulo 2 al considerar el PVI dado por
x' (t i ) = f (t i , x(t i ))
x(t 0 ) = x 0
t {t 0 , t1 ,..., t N }.
podemos integrar a izquierda y derecha la variable independiente entre [t i , t i +1 ].

obteniendo:
x(t i + h ) = x(t i ) +
ti + h
ti
f (s, x(s ))ds.
Solo tenemos que aproximar la integral obtenida en el segundo miembro. El problema

es que la funcin x(t ) es desconocida y por tanto tambin lo es f (t , x(t )).
47
La idea que da origen a los mtodos de Adams consiste en establecer que una vez
resuelto el PVI en realidad f (t , x(t )) = f (t ) y en aproximar la integral
t i +h
ti
f (s )ds
mediante evaluaciones de la funcin en los nodos de la particin, es decir
ti + h
ti
f (s )ds h(af (t i ) + bf (t i 1 ) + ...),
si se pretende disear un mtodo explcito, mientras que si se pretende disear un

mtodo implcito,
ti + h
ti
f (s )ds h(af (t i +1 ) + bf (t i ) + ...).
Escogeremos los coeficientes a, b,... de forma que esta aproximacin sea exacta para
polinomios del orden ms alto posible.
Estos coeficientes se trasladarn a posteriori al mtodo.
Es importante resaltar que las aproximaciones integrales que vamos a hacer a
continuacin tienen que ver con la naturaleza de la funcin f (t ) pero no con el hecho
de que el paso h sea pequeo o con el valor concreto de t i . Es por esto que en el diseo
de los mtodos y por razones de simplicidad tomaremos t i = 0 y h = 1.
A modo de ejemplo vamos a disear varios mtodos de Adams explcitos.
Nota: Los mtodos de Adams explcitos se denominan mtodos de Adams-Bashforth
mientras que los mtodos de Adams implcitos se denominan mtodos de AdamsMoulton.
En este caso vamos a imponer que la aproximacin
f (s )ds = af (0)
1
sea exacta al menos para polinomios de orden 0, es decir para funciones constantes.
Para ello tomamos una base del espacio de polinomios de orden 0, a saber {1} y
evaluamos esta condicin sobre los elementos de esta base para determinar el valor de
a.
1
1ds = 1 = a.
0
48
Obtenemos el mtodo de Euler explcito.

Imponemos ahora que la condicin
f (s )ds = af (0) + bf ( 1)
1
sea exacta al menos para polinomios de orden 1. Tomamos ahora una base del espacio
de polinomios de orden 1, a saber {1, t} y evaluamos esta condicin sobre los elementos
de esta base:
para f (t ) = 1 tenemos que 1ds = 1 = a + b.
1
para f (t ) = t tenemos que
sds = 2 = a(0) + b( 1).

1
Los parmetros a y b cumplen las siguientes ecuaciones:

a + b =1
1
b= .
2
Por tanto a =
3
1
, b = y el mtodo que deducimos es el siguiente:
2
2
1
3
x i +1 = x i + h f (t i , x i ) f (t i 1 , x i 1 ).
2
2

Imponemos ahora que la condicin
f (s )ds = af (0) + bf ( 1) + cf ( 2)
1
49
sea cierta al menos para polinomios de orden 2. Tomamos ahora una base del espacio de
polinomios de orden 2. En principio podemos utilizar la base 1, t , t 2 y obtenemos un
sistema de ecuaciones que nos permite determinar los parmetros a, b y c. Sin

embargo es mucho ms interesante considerar la base {1, t , t (t + 1)} ya que obtendremos
un sistema triangular. Si evaluamos la condicin sobre los elementos de esta base:
para f (t ) = 1 tenemos que
para f (t ) = t tenemos que
1ds = 1 = a + b + c,
0
sds = 2 = a(0) + b( 1) + c( 2).
para f (t ) = t (t + 1) tenemos que
s(s + 1)ds = 6 = a(0) + b(0) + c(2).

5
Obtenemos el sistema triangular

a + b + c =1
b 2c =
1
2
5
2c = .
6
cuya solucin es c =
5
16
23
, b= , y a= .
12
12
12
El mtodo obtenido es:

x i +1 = x i +
h
(23 f (t i , xi ) 16 f (t i 1 , xi 1 ) + 5 f (t i 2 , xi 2 )).
12
50

1.
Deducir los mtodos de Adams-Bashforth de cuatro y cinco pasos:
x i +1 = x i +
x i +1 = x i +
h
(55 f (t i , xi ) 59 f (t i 1 , xi 1 ) + 37 f (t i 2 , xi 2 ) 9 f (t i 3 , xi 3 )).
24
h
(1901 f (t i , xi ) 2774 f (t i 1 , xi 1 ) + 2616 f (t i 2 , xi 2 ) 1274 f (t i 3 , xi 3 ) + 251 f (t i 4 , xi 4 )).
720
2.
Deducir los mtodos de Adams-Moulton de dos, tres y cuatro pasos.
3.
Estudiar el orden de consistencia de los mtodos de Adams-Bashforth y AdamsMoulton de dos y tres pasos.
51
CAPTULO 6: ESTUDIO GENERAL DE LOS MTODOS MULTIPASO

LINEALES.
Un mtodo multipaso lineal puede escribirse como

r
k =0
k =0
k xi + k = h k f (t i + k , xi + k ) con r 0.
Si r 0 el mtodo se trata de un mtodo implcito, mientras que en el caso r = 0 el
mtodo es explcito.
Nota: Todos los numricos de aproximacin de PVI que hemos visto son lineales
excepto los mtodos de Runge-Kutta.
Para el estudio de la consistencia y la estabilidad de los mtodos multipaso lineales se
definen los siguientes polinomios en el plano complejo:
(z ) = k z i + k = r z r + r 1 z r 1 + .... + 0
k =0
y
r
(z ) = k z i + k = r z r + r 1 z r 1 + .... + 0 .
k =0
A los polinomios ( z ) y ( z ) se les llama respectivamente primer y segundo

polinomio caracterstico asociado a un mtodo multipaso lineal.
Nota: En lo que sigue denominaremos a los mtodos multipaso lineales como mtodos
.
Tenemos los siguientes resultados:
Teorema 1 (Sobre la consistencia de los mtodos ):

Un mtodo es consistente si y solo si (1) = 0 y ' (1) = (1).
52
Teorema 2 (Sobre la estabilidad de los mtodos ):

Un mtodo es estable si todas las raices del polinomio ( z ) se encuentran en el
disco z 1 y si todas las raices de mdulo 1 son simples.
Teorema 3 (Sobre la convergencia de los mtodos ):

Un mtodo es consistente y estable es convergente.
53
1.
Probar que un mtodo multipaso lineal es consistente si se verifican las

condiciones (1) = 0 y ' (1) = (1).
2.
Estudiar la convergencia de los siguientes mtodos multipaso:

a) x i + 2 + x i +1 2 x i =
b) x i + 2 x i =
3.
h
( f i + 2 + 8 f i +1 + 3 f i )
4
h
( f i + 4 f i +1 + f i + 2 )
3
Se considera el mtodo multipaso

2
2
xi + 2 + xi = h f (t i + 2 , xi + 2 ) + f (t i +1 , xi +1 ) + f (t i , xi ),
3
3
i = 0,1,..., N 2,
para un mallado equiespaciado de N + 1 nodos con paso h > 0, siendo y

nmeros reales.
a) Determinar los valores de y para que el mtodo sea convergente.
b) Calcular el error local de truncamiento (h ) a partir de su definicin y
deducir el orden de consistencia del mtodo.
c) Aplicar el mtodo anterior, con los valores de y obtenidos en el
apartado a) al problema de valor inicial
x' = 2 cos(x ) t (0,1)
x(0 ) = 2
se obtiene la secuencia {xi }i =1,..., N . Obtener una cota explcita del error local
de truncamiento que se obtiene en este caso.
d) Igual que en el apartado c) pero considerando ahora el problema de valor
inicial
( )
x' = 2 cos x 2
x(0 ) = 2
4.
t (0,1)
Estudiar si el mtodo
54
4
1
1
xi + 2 xi 2 = h f i + f i 1 + f i 2
3
3
3
es consistente y en caso afirmativo estudiar el orden de consistencia.

Es estable?
5.
Probar que todos los mtodos de Adams son estables.
6.
Consideremos el mtodo multipaso

x n + x n 1 (1 + )x n 2 =
1
h( f n + (4 + 3 ) f n 1 ).
2
Determinar de manera que el mtodo sea consistente y estable.
55
CAPTULO 7: INTRODUCCIN A LA RIGIDEZ.

7.2 Otros ejemplos.
7.3 Consideraciones tericas sobre rigidez para los mtodos de Euler explcito e
implcito.
7.5 Consideraciones tericas sobre la rigidez de los mtodos monopaso aplicados a
sistemas de ecuaciones diferenciales.
7.6 Consideraciones tericas sobre la rigidez de los mtodos multipaso lineales.

Consideremos el PVI
x ' = x
t > 0.
x(0) = 1
Podemos calcular fcilmente su solucin exacta

x ( t ) = et ,
cuya grfica es
56
Supongamos que aplicamos el mtodo de Euler explcito para obtener una aproximacin
de la solucin de este PVI en el intervalo [0,20]. Utilizamos el siguiente programa:
%Estudio numerico de los PVI de la forma x'=-x

%utilizando el mtodo de Euler explcito.
clear all
%datos
a=0;
b=20;
t(1)=a;
x(1)=1;
h=2.5;
N=(b-a)/h;
%programa
for i=1:N
t(i+1)=t(i)+h;
x(i+1)=x(i)-h*x(i);
end
plot(t,x)
Ntese que hemos tomado un paso h=2.5. La grfica obtenida es la siguiente:
57
La conclusin es que obviamente no se parecen en nada la solucin exacta y la solucin

aproximada. Podemos pensar que esto se debe a que hemos elegido un paso muy
grande.
Ntese que en la solucin aproximada aparece una oscilacin que se va incrementando a
medida que aumenta el valor de t.
El error lgicamente debe bajar si disminuimos el paso.
Adems es lgico pensar que el error debe bajar progresivamente, es decir, a medida
que baje el paso y de forma progresiva se han de ir pareciendo las grficas de la
solucin aproximada y exacta. Vamos a ver que ocurre cuando se baja el paso.
Para h=2.01
58
Se observa de nuevo una oscilacin, aunque de menor amplitud que en el caso anterior.
Sin embargo, al igual que en el caso anterior, esta oscilacin va aumentando conforme
aumenta t.
Si aumentamos el intervalo de t observaremos mejor la divergencia de la oscilacin:
59
Para h=1.99
60
El fenmeno que nos proponemos estudiar tiene que ver con la comparacin de estas
dos imgenes.
El resultado obtenido es que al aplicar el mtodo de Euler a la resolucin de
x ' = x
t > 0, las propiedades de la solucin aproximada cambian radicalmente segn
x(0) = 1
el valor del paso, de forma que
Si h=2.01 entonces lim xi = ,

i
Si h=1.99 entonces lim xi = 0.

i
Nota: Hay que observar que este fenmeno se produce cuando consideramos intervalos
de la variable independiente t muy altos.
Puede comprobarse fcilmente que nuevas bajadas de h no producen comportamientos
significativamente diferentes de la solucin aproximada, sino que con h mas bajos se
consigue nicamente que se aproximen la solucin numrica y la exacta.
Surgen de manera natural dos cuestiones:
Este cambio brusco en las propiedades de la solucin aproximada aparece

nicamente cuando se usa el mtodo de Euler explcito?
En un PVI genrico, Existe siempre un valor de h que hace que se produzca

este cambio significativo del comportamiento de la solucin aproximada?
La primera cuestin se responde con facilidad, basta programar el mtodo de Euler

implcito para el mismo PVI. Obtenemos el siguiente programa y las siguientes
grficas:
Para h=2.01
61
Para h=1.99
62
Es decir, no hay oscilacin en la solucin aproximada ni tampoco hay cambio

significativo en el comportamiento de las soluciones proporcionadas por este
mtodo a medida que bajo el paso h.
Luego el fenmeno de la rigidez se presenta en el mtodo de Euler explcito pero no
en el mtodo de Euler implcito.
Surgen de nuevo cuestiones:
La rigidez aparece nicamente en el mtodo de Euler o en cualquier mtodo

explcito?
La ausencia de rigidez es propia del mtodo de Euler implcito o tambin estn

libres de rigidez todos los mtodos implcitos?
Tienen algo que ver la rigidez y el orden de consistencia?
63
7.2 Otros ejemplos.
El fenmeno de la rigidez de ciertos mtodos de aproximacin numrica de soluciones

de PVI aparece tambin de otra forma, relacionando el paso h con los datos iniciales.
Siempre vamos a estar interesados en valores de la variable independiente t muy altos.
Consideremos el siguiente sistema:
x' = x
y ' = 2 y
t > 0.
x(0) = x0
y (0) = y 0
Podemos escribir el sistema en forma matricial:
x 1 0 x
=

y 0 2 y
x ( 0 ) x0
=
y
0
(
)
y0
'
o equivalentemente
X ' = AX
X (0 ) = X 0
x
1 0
con X = y A =
.
y
0 2
La resolucin exacta de este sistema nos lleva a que:

x(t ) = e t x0
y (t ) = e 10t y 0
y por tanto lim x(t ) = lim y (t ) = 0,

t
para cualquier dato inicial.
Vamos ahora a aplicar el mtodo de Euler explcito a este sistema:

X i +1 = X i + hAX i ,
64
o equivalentemente
X i +1 = (I + hA)X i .
Utilizamos el siguiente programa:

%Programa para aproximar las soluciones de X'=AX con A=(-1,0;0,-10)
clear all
%datos
a=0;
b=10;
t(1)=a;
A=[-1,0;0,-2];
X(1,1)=1;
X(2,1)=1;
h=0.1;
N=(b-a)/h;
%programa
for i=1:N
t(i+1)=t(i)+h;
X(:,i+1)=(eye(2)+h*A)*X(:,i)
end
hold on
plot(t,X(1,:))
plot(t,X(2,:),'r')
hold off
que nos lleva a la siguiente grfica.
65
h=0.1
x se representa en azul
y se representa en rojo
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
10
Si ahora tomamos como pasos h=2.1, h=1.9, h=1.1 y h=0.9 obtenemos las siguientes
grficas. Vamos a representar siempre x en azul e y en color rojo.
h=2.1
100
80
60
40
20
20
40
60
80
100
10
20
30
40
50
60
70
80
90
100
66
120
100
80
60
40
20
20
40
Vemos que en este caso las soluciones aproximadas x e y no estn acotadas para
intervalos grandes de tiempo. Por tanto la aproximacin numrica no es vlida para
ninguna de las dos soluciones en lo que se refiere a la tendencia asinttica.
67
h=1.9
1
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
10
20
30
40
50
60
70
80
90
100
100
50
50
100
150
200
10
Vemos que en este caso x tiende a cero mientras que y no est acotada. Por tanto el
comportamiento de x es similar al terico mientras que el de y no lo es.
68
h=1.1
-2
-4
-6
10
Este caso es totalmente similar al caso anterior.
69
h=0.9
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
10
En este caso ambas soluciones tienden a cero.

La conclusin es que la aproximacin numrica, para un paso h dado, de diferentes
partes de la solucin de un sistema de ecuaciones diferenciales conserva la misma
tendencia asinttica que las soluciones tericas correspondientes, pero que sin
embargo hay otras partes de la solucin numrica que no tienen el mismo
comportamiento que la solucin terica a la cual pretenden aproximar.
Todo esto siempre para valores de t altos. Ntese que en las grficas se ha jugado con la
escala temporal para hacer ms representativas las figuras.
70
7.3 Consideraciones tericas sobre rigidez para los mtodos de Euler
explcito e implcito.
Consideremos el PVI
x ' = x
t > 0,
x(0) = 1
cuya solucin exacta es

x ( t ) = et .
Es fcil comprobar que la solucin exacta de este PVI verifica que lim x ( t ) = 0.
t
Vamos a aplicar el mtodo de Euler explcito para obtener una solucin aproximada de
este PVI:
xi +1 = xi hxi ,
xi +1 = (1 h ) xi ,
y finalmente
xi = (1 h ) x0 .
i
Reproduce la solucin aproximada el comportamiento asinttico de la solucin exacta?

Es decir
se verifica que lim xi = 0 ?
i
Para que esto ocurra es condicin necesaria y suficiente que 1 h < 1 lo que equivale a
las desigualdades:
1 < 1 h < 1,
que a su vez equivalen a la condicin
0 < h < 2.
Otra forma de expresar este resultado es la siguiente:
71
0 si 0 < h < 2
lim xi =
.
i
0 si h 2
Podemos concluir que la solucin que proporciona el mtodo de Euler explcito

aplicado al PVI x ' = x tiene un comportamiento asinttico similar al de la solucin
exacta nicamente si imponemos una condicin adicional sobre el paso h.
Ocurre esto mismo con el mtodo de Euler implcito? Enseguida comprobamos que no.
Al aplicar el mtodo de Euler al PVI x ' = x obtenemos que
xi +1 = xi hxi +1 ,
(1 + h ) xi +1 = xi ,
y finalmente
xi =
(1 + h )
x0 .
Tenemos que si h>0 se verifica incondicionalmente que lim xi = 0.

i
A raz de lo expuesto diremos que el mtodo de Euler explcito es condicionalmente

A- estable o que presenta problemas de rigidez, mientras que diremos que el mtodo de
Euler implcito es incondicionalmente A-estable o que no presenta problemas de
rigidez.
72

Supongamos que aplicamos un mtodo monopaso para aproximar la solucin del PVI
x ' = x
t > 0,
x(0) = 1
< 0.
Obtendremos siempre una expresin de la forma

xi +1 = Q ( h ) xi ,
xi = Q ( h ) x0 .
i
A la funcin as obtenida Q ( ) se le llama Funcin Generatriz.

Ejemplos de funciones generatrices son los siguientes:
En el caso del mtodo de Euler explcito
(x
i +1
= xi + hf ( ti , xi ) )
Q ( ) = 1 + .
En el caso del mtodo de Euler implcito ( xi +1 = xi + hf ( ti +1 , xi +1 ) )
Q ( ) =
1
,
1
y en el caso del mtodo del paralelogramo xi +1 = xi + ( f ( ti , xi ) + f ( ti +1 , xi +1 ) )

2
Q ( ) =
2 +
.
2
73
Se establecen las siguientes definiciones:
Se llama dominio de estabilidad D asociado a un mtodo monopaso al conjunto

dado por
D = C : Q ( ) < 1 .
Un mtodo monopaso se dice A-estable o asintticamente estable si
{ C : Re ( ) < 0} D.
Ejercicio: Calcular los dominios de estabilidad de los mtodos de Euler explcito,
implcito y del mtodo del paralelogramo. Concluir que tanto el mtodo de Euler
implcito como el mtodo del paralelogramo son asintticamente estables.
74
7.5 Consideraciones tericas sobre la rigidez de los mtodos monopaso

aplicados a sistemas de ecuaciones diferenciales.
Consideremos ahora el sistema de ecuaciones diferenciales dado por
X ' = AX
X (0 ) = X 0
x
con X = y A una matriz cuadrada de orden 2, diagonalizable y tal que sus dos
y
autovalores 1 y 2 verifican que Re ( 1 ) < 0 y Re ( 2 ) < 0. Esta condicin es
suficiente para garantizar que la solucin exacta verifica que
lim X = 0.
t
Si aplicamos el mtodo de Euler explcito para resolver este sistema obtenemos que
X i +1 = X i + hAX i ,
X i +1 = ( I + hA ) X i ,
X i = ( I + hA ) X 0 .
i
Diagonalizando la matriz y notando a P como la matriz de paso tenemos que

A = PDP 1
y por tanto
(1 + h1 )i
( I + hA) = P ( I + hD ) P = P
0
P 1.
i
(1 + h2 )
0
As,
lim X i = 0
i
si 1 + h1 < 1 y 1 + h2 < 1. Es decir si h1 y h2 estn en el interior del dominio de

estabilidad del mtodo de Euler explcito.
Resultados anlogos pueden obtenerse para cualquier otro mtodo monopaso.
75
7.6 Consideraciones tericas sobre la rigidez de los mtodos multipaso

lineales.
El estudio de la estabilidad asintntica (A-estabilidad) de los mtodos multipaso lineales

es similar al que hemos llevado a cabo para mtodos monopaso.
Para el estudio de la convergencia de los mtodos multipaso lineales de la forma
r
k =0
x i + k = h k f (t i + k , x i + k ) con r 0,
k =0
hemos visto que se definen los polinomios
( z ) = k z i + k = r z r + r 1 z r 1 + .... + 0
k =0
y
r
(z ) = k z i + k = r z r + r 1 z r 1 + .... + 0 .
k =0
Para el estudio de la A-estabilidad se introduce un nuevo polinomio dado por
( z ) = ( z ) ( z ) ,
donde es un parmetro complejo.
Se establecen las siguientes definiciones:
Se llama dominio de estabilidad D asociado a un mtodo multipaso al conjunto

dado por
D = C : Las raices de ( z ) verifican z < 1 .
Un mtodo multipaso se dice A-estable o asintticamente estable si
{ C : Re ( ) < 0} D.
Ejercicio: Probar, usando el tratamiento general de los mtodos multipaso, que tanto el
mtodo de Euler implcito como el mtodo del paralelogramo son asintticamente
76
estables. Calcular tambin, utilizando estas mismas herramientas, el dominio de

estabilidad del mtodo de Euler explcito.
77

1. Estudiar si los siguientes mtodos multipaso son A-estables:
a.
xi +1 = xi + hf (t i , xi )
b. xi +1 = xi + hf (t i +1 , xi +1 )
c.
xi +1 = xi +
h
( f (t i , xi ) + f (t i +1 , xi +1 ))
2
1
2. Probar que para 0, el -mtodo
2
xi +1 = xi + h((1 ) f (t i +1 , xi +1 ) + f (t i , xi ))
es A-estable.
3. Considerar el mtodo
xi + 2 = xi + 2hf (t i , xi )
Es convergente?Es A-estable?
4. Estudiar anlogamente el mtodo
xi + 2 = xi + 2hf (t i +1 , xi +1 )
Es convergente?Es A-estable?
5. Considere el siguiente sistema de ecuaciones diferenciales
x' = x + y
y ' = x + y
x(0 ) = 2
y (0 ) = 0
a) Determine la solucin analtica de dicho sistema.

b) Establecer qu condicin o condiciones han de cumplir los parmetros
para que la solucin decaiga exponencialmente a cero para tiempos muy
altos. Asumir en los siguientes apartados que se verifican dichas
condiciones.
c) Utilizar el mtodo de Euler explcito para aproximar la solucin del
sistema y obtener explcitamente las frmulas que generan dicha
aproximacin.
78
d) Qu restriccin o restricciones sobre el paso h garantizan que la

solucin numrica de este sistema imite el comportamiento de las
soluciones aproximadas?
e) Estudiar analtica y numricamente el sistema para los valores = 20
y = 19 . Utilizar el mtodo de Euler explcito para la resolucin
numrica y determinar si existen en este caso problemas de rigidez.
6. Caracterizar el valor de la condicin inicial X 0 en el problema de valor

inicial
5 4
X
X ' =
1
2
X (0 ) = X 0
para que al aplicar el mtodo de Euler con h = 1 se cumpla que lim X i = 0.

i
7. Considerar el problema
324
242
X
X ' =
183 245
X (0) = X 0 .
Probar que cualquiera que sea la condicin inicial y el paso h < 1, al aplicar el
mtodo de Euler se tiene que lim X i = 0.
i
8. Probar que la matriz

1
,
A =
0
verifica que
i
A i =
0
i i 1
,
i
i = 1,2,...
Considerar el problema
79
1
X ,
X ' =
0
X (0) = X 0 .
Re( ) < 0
Probar que la solucin numrica que genera el mtodo de Euler verifica que lim X i = 0
i
para todo dato inicial X 0 si y solo si 1 + h < 1.

Nota: Puede ser til probar y utilizar que si 0 < a < 1 se verifica que lim xa x = 0.
x
80
CAPTULO 8: ANLISIS NUMRICO DE PROBLEMAS DE

CONTORNO.
8.1 Introduccin a los problemas de contorno. Un resultado de existencia y unicidad.
8.7 El mtodo de las diferencias finitas cuando se consideran otras condiciones de
frontera.
8.1 Introduccin a los problemas de contorno. Un resultado de existencia

y unicidad.
Hasta el momento hemos considerado el problema de aproximar numricamente la
solucin del PVI dado por
x' = f (t , x )
x(a ) = x 0
t [a, b]
En algunas ocasiones nos hemos planteado el problemas de valor inicial de segundo

orden, que vienen dados por
x '' = f ( t , x, x ' )
x ( a ) = x0 , x ' ( a ) = x1
t [ a, b ] .
Hemos visto que un PVI de este tipo puede transformarse en un sistema de ecuaciones
diferenciales de la forma
x ' = y
y ' = f ( t , x, y )
x ( a ) = x0 , y ( a ) = x1
t [ a, b ] .
al cual podemos aplicar los mtodos desarrollados en el mbito escalar.

Ahora nos planteamos un problema en apariencia muy parecido al anterior pero que
implica un tratamiento, tanto a nivel de estudio terico previo como en lo que se refiere
a la aproximacin numrica de la solucin, muy diferente al llevado a cabo hasta ahora.
81
Consideremos el problema de contorno (PC) dado por

x '' = f ( t , x, x ' )
x ( a ) = x0 , x ( b ) = x1
t [ a, b ] .
Ntese que la diferencia con el PVI de segundo orden considerado anteriormente reside
en las condiciones de contorno y no en la ecuacin diferencial en s 13.
Los PC son en general ms difciles de resolver que los PVI, dado que pueden existir
acoplamientos entre la ecuacin diferencial y las condiciones de contorno que conllevan
la falta de unicidad en las soluciones. Esto nos lleva a que la existencia y unicidad de
soluciones para un PC no solo depende de la regularidad de los trminos involucrados
en la ecuacin diferencial. Veamos un ejemplo.
Consideremos el PC dado por
x '' = x
x 0 = 0, x = 0 .
( )
( )
Es fcil comprobar que x ( t ) = A sin ( t ) es solucin de este PC para cualquier valor de
A. Es de esperar por tanto que los resultados de existencia y unicidad para PC
involucren tanto a la regularidad de los trminos de la ecuacin diferencial como a los
extremos del intervalo.
Veamos un primer resultado referente a PC donde no aparezca explcitamente el
trmino x ' :
Consideremos el PC dado por
x '' = f ( t , x )
.
x ( 0 ) = 0, x (1) = 0
Si se verifican las siguientes condiciones:

1) f ( t , x ) es continua en ( t , x ) (0,1) x ( , + ) ,
2)
13
f
( t , x ) es continua y est acotada en ( t , x ) (0,1) x ( , + ) ,
x
A veces escribiremos el PC como x '' = f ( t , x, x ' ) , x ( a ) = x0 , x ( b ) = x1 , entendiendo en este
caso que t a, b , aunque no se haga constar explcitamente.
82
3)
f
( t , x ) es no negativa en ( t , x ) (0,1) x ( , + ) ,
x
entonces en PC tiene solucin nica x ( t ) , para todo t [ 0,1]. 14
14
Ntese la dependencia de este problema respecto a las condiciones de frontera. Para aplicar este
resultado a un PC no tan restrictivo es necesario aplicar cambios de coordenadas de manera que se pueda
reducir el problema dado a la forma que exige este teorema.
83
Vamos a considerar en primer lugar los problemas de contorno lineales, 15

que vienen dados por
x '' = q ( t ) x + p ( t ) x '+ r ( t )
.
x ( a ) = x0 , x ( b ) = x1
Tenemos el siguiente resultado de existencia y unicidad 16:
Teorema de existencia y unicidad para PC lineales: El PC

x '' = q ( t ) x + p ( t ) x '+ r ( t )
con p ( t ) , q ( t ) y r ( t ) continuas para todo t [ a, b ]
x ( a ) = x0 , x ( b ) = x1
tiene solucin nica si y solo si el problema de contorno lineal homogneo asociado

(PCLH)
x '' = q ( t ) x + p ( t ) x '
x ( a ) = 0, x ( b ) = 0
tiene como nica solucin x ( t ) = 0.
Cmo se puede determinar si el PCLH asociado tiene unicidad de soluciones?

Podemos intentar buscar soluciones de la forma x ( t ) = et sustituyendo directamente en
la ecuacin o bien, en ciertas ocasiones, podemos aplicar el siguiente resultado:
15
Se dice que un PC es lineal cuando lo es con respecto a su variable dependiente, pero no

necesariamente en lo que se refiere a la variable independiente.
16
Vemos que este teorema establece una conexin entre la unicidad de soluciones del PC y la unicidad
de soluciones del PCLH asociado.
84
Si q ( t ) 0 para todo t [ a, b ] entonces el PCLH

x '' = q ( t ) x + p ( t ) x '+ r ( t )
x ( a ) = x0 , x ( b ) = x1
tiene solucin nica 17.
17
Para aplicar este resultado tambin hemos de suponer que p ( t ) y q ( t ) son continuas para todo
t [ a, b ] .
85

El mtodo de disparo.
Vamos a estudiar dos mtodos alternativos para la aproximacin numrica de las
soluciones de PC lineales: el mtodo de Disparo y el mtodo de las diferencias finitas.
El mtodo de disparo es un mtodo terico de resolucin de PC que fcilmente puede
dar lugar a un mtodo de aproximacin numrica del problema considerado. Tiene por
tanto a la vez un inters terico y un inters prctico.
Pasamos a continuacin a exponer el mtodo de disparo para PC 18:
Consideremos el problema de contorno lineal (PCL)
x '' = q ( t ) x + p ( t ) x '+ r ( t )
.
,
=
=
x
a
x
x
b
x
(
)
(
)
0
1
El mtodo de disparo consiste en construir dos problemas de valor inicial que recojan a
partir del PC dado. Veamos como se lleva a cabo esta construccin en el caso
considerado:
Escribiremos la solucin x ( t ) de la siguiente forma:
x ( t ) = z ( t ) + sw(t ),
donde s es el llamado parmetro de disparo, que se ajustar posteriormente y las

funciones z ( t ) y w ( t ) son respectivamente las soluciones de los PVI 19 20
z '' = q ( t ) z + p ( t ) z '+ r ( t )
,
z ( a ) = x0 , z ' ( a ) = 0
w '' = q ( t ) w + p ( t ) w '
.
w
a
0,
w
'
a
1
=
=
(
)
(
)
18
En lo que se refiere a la aproximacin numrica pretendemos con el mtodo de disparo utilizar los
mtodos desarrollados para PVI en la resolucin de PC. El mtodo de las diferencias finitas sin embargo
nos llevar a una nueva estrategia de aproximacin numrica propia de los PC.
19
Ntese como se recogen las condiciones de contorno del PC en las condiciones iniciales de los PVI
considerados.
20
Se deja como ejercicio probar que x ( t ) = z ( t ) + sw(t ), es realmente la solucin de PC dado.
86
Es importante sealar que en condiciones de unicidad del PC dado es imposible que

w ( b ) = 0. 21
Una vez construidos y resueltos los PVI dados anteriormente pasamos a ajustar el
parmetro de disparo s. Este ajuste se hace imponiendo la condicin del PC que no se ha
utilizado hasta ahora, a saber, x ( b ) = x1. As,
x(b) = z ( b ) + sw ( b ) = x1 equivale a s =
x1 z ( b )
.
w (b)
La estrategia de resolucin de un PC asociada al mtodo de disparo puede resumirse de

la siguiente forma:
1. Dado un PC es necesario en primer lugar garantizar que tiene
solucin nica.
2. En segundo lugar se construyen los PVI que dan lugar a z ( t ) y
w (t ).
3. A continuacin se resuelven, bien de forma exacta o de forma

numrica los PVI planteados en el apartado anterior y se calculan
z (b) y w (b).
4. Se calcula s teniendo en cuenta que s =
x1 z ( b )
.
w (b )
5. Con todo lo anterior se calcula x ( t ) como x ( t ) = z ( t ) + sw(t ).
Podemos considerar otros PC lineales con diferentes condiciones de contorno. En este

caso tenemos que adaptar el mtodo de disparo para reflejar la informacin contenida en
el problema considerado. Veamos un ejemplo:
Consideremos el PC
x '' = q ( t ) x + p ( t ) x '+ r ( t )
.
'
,
=
=
x
a
x
x
b
x
(
)
(
)
0
1
De nuevo escribiremos la solucin x ( t ) de la siguiente forma:

x ( t ) = z ( t ) + sw(t ),
donde z ( t ) verifica
21
Se deja como ejercicio demostrar que efectivamente w ( b ) 0.
87
y w (t )
z '' = q ( t ) z + p ( t ) z '+ r ( t )
,
z
a
0,
z
'
a
x
=
=
(
)
(
)
0
w '' = q ( t ) w + p ( t ) w '
.
w
a
1,
w
'
a
0
=
=
(
)
(
)
Para determinar el parmetro de disparo se aplica de nuevo la condicin
x(b) = z ( b ) + sw ( b ) = x1 equivale a s =
x1 z ( b )
.
w (b)
Se deja como ejercicio establecer una estrategia de resolucin de los siguientes

problemas de contorno por el mtodo de disparo:
x' ' = p (t ) x'+ q (t ) x + r (t ),
x(a ) = x 0 ; x' (b ) = x1 .
x '' = p(t ) x '+ q (t ) x + r (t )

x ' a = x ; x ' b = x .
( ) 1
( ) 0
88

Para plantear este mtodo de aproximacin de PC es conveniente volver a plantear el
esquema numrico desde el principio. Empecemos por reconsiderar la particin del
intervalo.
En el caso de las diferencias finitas vamos a hacer una particin del intervalo [a, b] en
N + 1 trozos equiespaciados. En este caso la particin ser el conjunto
{t0 , t1 , t2 ,..., t N +1}

donde
t0 = a, t N +1 = b , t i +1 = t i + h, y N + 1 =
ba
.
h
De nuevo consideramos el PC en los nodos de la particin:

x '' ( ti ) = q ( ti ) x ( ti ) + p ( ti ) x ' ( ti ) + r ( ti )
.
x ( t0 ) = x 0 , x ( t N +1 ) = x1
En el caso de las diferencias finitas, en principio, vamos a aproximar x ' ( ti ) y x '' ( ti ) en
trminos de la informacin contenida en los nodos i 1, i, e i + 1.
Desarrollando por Taylor x ( ti +1 ) y x ( ti 1 ) obtenemos
x ( ti + h ) = x ( ti ) + hx ' ( ti ) +
h2
h3
h4
x '' ( ti ) + x ''' ( ti ) + x '' (i ) ,
2
3!
2
h2
h3
h4
x ( ti h ) = x ( ti ) hx ' ( ti ) + x '' ( ti ) x ''' ( ti ) + x '' (i ) .
2
3!
2
Sumando y restando estas dos expresiones obenemos las aproximaciones siguientes:
x '' ( ti ) =
x ( ti +1 ) 2 x ( ti ) + x ( ti 1 ) 1 2 iv
h x (i ) ,
h2
12
x ' ( ti ) =
x ( ti +1 ) x ( ti 1 ) 1 2
h x ''' (i ) .
2h
6
89
Sustituyendo en el PC y reemplazando la solucin exacta x ( ti ) por xi y eliminando los

trminos de error:
xi +1 2 xi + xi 1
x x
= q ( ti ) xi + p ( ti ) i +1 i 1 + r ( ti ) .
2
h
2h
Multiplicando esta expresin por h 2 y agrupando convenientemente:
h
1 + p ( ti ) xi 1 + ( 2 + h 2 q ( ti ) ) xi 1 p ( ti ) xi +1 = h 2 r ( ti ) .
2
La expresin anterior constituye un sistema de N ecuaciones con N incognitas que

puede plantearse en forma matricial siguiendo los pasos siguientes:
En primer lugar evaluamos la expresin en i = 1:
h
1 + p ( t1 ) x 0 + ( 2 + h 2 q ( t1 ) ) x1 1 p ( t1 ) x2 = h 2 r ( t1 ) .
2
Ntese que x0 es un dato conocido y que por tanto debe pasarse al miembro derecho:
( 2 + h q ( t ) ) x 1 h2 p ( t ) x
2
= h 2 r ( t1 ) + 1 + p ( t1 ) x 0 .
2
Para i=2 y en nodos sucesivos hasta N-1:

h
1 + p ( t2 ) x1 + ( 2 + h 2 q ( t2 ) ) x2 1 p ( t2 ) x3 = h 2 r ( t2 ) ,
2
.
h
1 + p ( t N 1 ) xN 2 + ( 2 + h 2 q ( t N 1 ) ) xN 1 1 p ( t N 1 ) xN = h 2 r ( t N 1 ) .
2
Finalmente para i=N:

h
1 + p ( t N ) xN 1 + ( 2 + h 2 q ( t N ) ) xN 1 p ( t N ) x1 = h 2 r ( t N ) .
2
De nuevo dejando las incognitas a un lado y los trminos independientes al otro:

h
1 + p ( t N ) xN 1 + ( 2 + h 2 q ( t N ) ) xN = h 2 r ( t N ) + 1 p ( t N ) x1.
2
Podemos escribir el sistema obtenido en forma matricial:

90

2
2 + h q ( t1 )
1 + p ( t2 )
....
1 p ( t1 )
2
2 + h 2 q ( t2 )
1 p ( t2 ) 0
2
1 + p ( t 3 ) 2 + h 2 q ( t3 )
2
....
....
h
1
2
....
....
....
h
1 +
2
....
x1 h r ( t1 ) + 1 + 2 p ( t1 ) x 0
x2 2
h r ( t )
2
....
0
... ...
...
...
....
0
p ( t3 )
...
... = ...

....
0
...
...
...
2
1 p ( t N 1 ) ... 2
p ( t N 1 ) 2 + h q ( t N 1 )
h
r
t
(
)
2

N 1
xN 1

h

h

2
1 + p ( t N ) 2 + h 2 q ( t N )
xN h r ( t N ) + 1 p ( t N ) x1
2
....
91
Resolviendo este sistema de ecuaciones obtendremos los valores aproximados de la

solucin del PC en los nodos.
Aparece sin embargo un nuevo problema: podemos estar seguros de que el anterior
sistema de N ecuaciones con N incognitas tiene siempre solucin nica? No, no es
seguro.
Podemos utilizar el siguiente resultado algebraico para intentar garantizar la existencia
de solucin nica para el sistema obtenido:
Si una matriz cuadrada A es estrictamente dominante diagonalmente entonces cualquier
sistema de ecuaciones de la forma AX=B tiene solucin nica.
Recordemos que una matriz A M NXN es estrictamente dominante diagonalmente si
verifica que
N
aii > aij .

j =1
j i
En nuestro caso tenemos una matriz tridiagonal y la condicin aii > aij equivale a
j =1
j i
2 + h 2 q ( ti ) > 1 +
Se deja como ejercicio probar que si h
h
h
p ( ti ) + 1 p ( ti ) .
2
2
2
h
entonces 1 + p ( ti ) 0 y
2
p ( ti )
h
p ( ti ) 0 y por tanto se pueden suprimir los valores absolutos de la desigualdad
2
anterior.
1
As, si h
2
, la desigualdad anterior equivale a
p ( ti )
2 + h 2 q ( ti ) > 2 + h 2 q ( ti ) > 2.
Una forma de garantizar que la desigualdad buscada se cumple es por tanto asumir que
q ( ti ) > 0.
En resumen, la condicin q ( t ) > 0, t [ a, b ] , garantiza que el sistema de ecuaciones

obtenido al aplicar el mtodo de las diferencias finitas a la ecuacin
92
x '' = q ( t ) x + p ( t ) x '+ r ( t )
x ( a ) = x0 , x ( b ) = x1
tiene solucin nica 22 23.

A continuacin vamos a probar que el mtodo de las diferencias finitas aplicado a
problemas de contorno lineales es convergente de orden 2.
Recordemos en primer lugar que vamos a denotar por x ( t ) a la solucin exacta del PCL
x '' = q ( t ) x + p ( t ) x '+ r ( t )
.
,
=
=
x
a
x
x
b
x
(
)
(
)
0
1
Por otro lado xi va a denotar la solucin aproximada que proporciona el mtodo de las
diferencias finitas.
Qu condicin cumple cada una de las dos soluciones? La solucin exacta x ( ti )
cumple que
x '' ( ti ) =
x ( ti +1 ) 2 x ( ti ) + x ( ti 1 ) 1 2 iv
h x (i ) ,
h2
12
x ' ( ti ) =
x ( ti +1 ) x ( ti 1 ) 1 2
h x ''' (i ) .
2h
6
Sustituyendo en el PC
x ( ti +1 ) 2 x ( ti ) + x ( ti 1 ) 1 2 iv
x ( t ) x ( ti 1 ) 1 2
h x (i ) = q ( ti ) x ( ti ) + p ( ti ) i +1
h x ''' (i ) + r ( ti ) .
2
h
12
2h
6
Multiplicando esta expresin por h 2 y agrupando convenientemente:
h
2
2
4
1 + p ( ti ) x ( ti 1 ) ( 2 + h q ( ti ) ) x ( ti ) + 1 p ( ti ) x ( ti +1 ) = h r ( ti ) + h gi ,
2
2
con
22
Ntese que si q ( t ) 0, t a, b , tenemos garanta de solucin nica para el PC considerado.
En este sentido la condicin para la existencia de solucin terica y la condicin para la existencia de
solucin aproximada son casi iguales.
23
Ntese que la condicin q ( t ) 0, t a, b , es una condicin suficiente pero no necesaria.
93
gi =
1 iv
1
x (i ) x ''' (i ) .
12
6
Por su parte la solucin aproximada verifica que

h
2
2
1 + p ( ti ) xi 1 ( 2 + h q ( ti ) ) xi + 1 p ( ti ) xi +1 = h r ( ti ) .
2
Restando ambas expresiones y denotando como i = x ( ti ) xi obtenemos que

h
2
4
1 + p ( ti ) i 1 ( 2 + h q ( ti ) ) i + 1 p ( ti ) i +1 = h gi ,
2
Despejamos el trmino con i y tomando valores absolutos obtenemos que

2 + h 2 q ( ti ) i 1
h
h
p ( ti ) i +1 + 1 + p ( ti ) i 1 + h 4 gi ,
2
2
Esta expresin que acabamos de obtener es vlida para todo i = 1,..., N . Sin embargo, de
entre todos los i habr alguno de ellos donde se alcanza el valor mximo la diferencia
entre la solucin exacta y la solucin aproximada. Tomamos justamente el valor de i
que hace que esto ocurra. Para este valor concreto
2 + h 2 q ( ti ) i 1
1
Tomando ahora h
h
h
p ( ti ) i +1 + 1 + p ( ti ) i 1 + h 4 gi
2
2
h
h
p ( ti ) i + 1 + p ( ti ) i + h 4 g i .
2
2
2
y q ( ti ) > 0, tenemos que
p ( ti )
h 2 q ( ti ) i h 4 g i ,
y por tanto
max x ( ti ) xi h 4
i =1,..., N
gi
inf q ( ti )
i =1,..., N
h4
inf q ( ti )
i =1,..., N
1
1
x iv + max x ''' 0.
max
6 t[a ,b]
12 t[a ,b]
( h0)
Concluimos que el mtodo de las diferencias finitas es convergente y de orden de

convergencia dos.
94

Al objeto de ilustrar grficamente el resultado de la aplicacin del mtodo de
diferencias finitas a algunos problemas de contorno vamos a incluir algunos programas
realizados con MATLAB.
Se deja como ejercicio llevar a cabo la justificacin terica de la existencia y unicidad
de soluciones para los PC considerados.
En primer lugar consideremos el PC
x ''+ x 2et = 0
t (0, 2)
x
(0)
=
1,
x
(2)
=
2
Se ha utilizado el siguiente programa:

%DIFERENCIAS FINITAS
%aproximacin del PC ('D2x+x-2*exp(t)=0', 'x(0)=1', 'x(2)=2')
clear all
a=0;
b=2;
x0=1;
xN=2;
N=2; %Nmero de puntos interiorespuntos
h=(b-a)/(N+1);
A=zeros(N,N); %Creamos una matriz de ceros para ir rellenando sus
entradas
t(1)=a+h;
qa=@(x)[-1];
pa=@(x)[0];
ra=@(x)[2*exp(x)];
%Programa
A(1,1)=2+h^2*(qa(t(1))); %Definicin de la primera fila de la matriz
triangular
A(1,2)=-1+(h*pa(t(1)))/2;
B(1)=-h^2*(ra(t(1)))+(1+(h/2)*pa(t(1)))*x0;
for i=2:N-1 %Definicin de las fila 2 a la N-1 de la matriz triangular
t(i)=t(i-1)+h;
A(i,i-1)=-1-(h*pa(t(i)))/2;
A(i,i)=2+h^2*(qa(t(i)));
A(i,i+1)=-1+(h*pa(t(i)))/2;
B(i)=-h^2*(ra(t(i)));
end
t(N)=t(N-1)+h;
%Definicin de la ltima fila de la matriz triangular
A(N,N-1)=-1-(h*pa(t(N)))/2;
A(N,N)=2+h^2*(qa(t(N)));
B(N)=-h^2*(ra(t(N)))+(1-(h/2)*pa(t(N)))*xN;
x=A\B';
%Resolvemos el sistema
T=[a,t,b];
%Para dibujar la solucin aproximada incluimos los puntos
(a,x0) y (b,xN), las condiciones de contorno
95
X=[x0,x',xN];
y=dsolve('D2x+x-2*exp(t)=0', 'x(0)=1', 'x(2)=2');
hold on
plot(T,X,'g');
ezplot(y,[0,2]);
hold off
%Solucin exacta
El resultado obtenido, utilizando 2 puntos intermedios:
Utilizando 5 puntos intermedios:
96
8.7 El mtodo de las diferencias finitas cuando se consideran otras

condiciones de frontera.
Supongamos que consideramos ahora el PCL:

x '' ( ti ) = q ( ti ) x ( ti ) + p ( ti ) x ' ( ti ) + r ( ti )
.
x
t
x
x
t
x
'
=
,
=
0
1
(
)
(
)
0
N +1
Discretizando como en el caso anterior llegamos de nuevo a

h
2
2
1 + p ( ti ) xi 1 ( 2 + h q ( ti ) ) xi + 1 p ( ti ) xi +1 = h r ( ti ) .
2
La diferencia es que en este caso al evaluar esta expresin en i = 1:

h
2
2
1 + p ( t1 ) x0 ( 2 + h q ( t1 ) ) x1 + 1 p ( t1 ) x2 = h r ( t1 ) ,
2
el valor x0 es un dato desconocido y que hay que calcular. Hay varias opciones para
abordar esta situacin. La ms eficiente es introducir un nuevo nodo en la particin x1
de forma que la derivada en el nodo x0 se pueda aproximar de la siguiente forma:
x ' ( t0 ) =
x ( t1 ) x ( t1 ) 1 2
h x ''' (i ) .
2h
6
Pediremos por tanto a la aproximacin numrica que

x1 x1
= x1.
2h
Dado que hay una incognita ms necesitamos una ecuacin ms, que se puede obtener
de plantear la discretizacin del PCL en el nodo i = 0. As,
x1 2 x0 + x1
x x
= q ( t0 ) x0 + p ( t0 ) 1 1 + r ( t0 ) .
2
h
2h
x1 x1
= x1 nos permite despejar x1 y eliminarlo de la ecuacin
2h
anterior. Tenemos as un sistema de N + 1 ecuaciones con N + 1 incognitas que
podemos resolver.
La condicin
97
1. Estudiar si el siguiente problema de contorno no lineal tiene solucin:

x' ' = (5 x + sin (3x ))e t ,
x(0 ) = x(1) = 0.
2. Resolver explcitamente y estudiar a partir de la solucin para qu valores

del parmetro el PC
x' ' = x,
x(0 ) = x(1) = 0,
no tiene solucin nica.
3. Estudiar si el PC
x' ' = x + sin (t ),

x(0 ) = 1; x(1) = 4,
tiene solucin nica en funcin de los valores del parmetro .

4. Probar que si z (t ) verifica
z ' ' = p (t ) z '+ q (t ) z + r (t ),
z (a ) = x0 ; z ' (a ) = 0,
y w(t )
w' ' = p (t ) w'+ q (t ) w,
w(a ) = 0; w' (a ) = 1,
entonces x(t ) = z (t ) + sw(t ) verifica que
98
x' ' = p(t ) x'+ q (t ) x + r (t ),

x(a ) = x0 ; x' (a ) = s.
5. Sea el PC
x' ' = 100 x,
x(0 ) = 1; x(2 + ) = 1,
con > 0. Probar que el problema tiene solucin nica y resolverlo utilizando el
mtodo de disparo en trminos del parmetro . Obtener un desarrollo de
Taylor del parmetro de disparo s en trminos de .
Nota: En este problema vamos a suponer que el parmetro es pequeo en
comparacin con el resto de valores que aparecen en el problema. En este
sentido podemos suponer que es mucho menor que 1, por ejemplo 10 6 o
incluso menor.
Evidentemente el desarrollo de Taylor debe hacerse en torno a cero.
6. Establecer una estrategia de resolucin de los siguientes problemas de

contorno por el mtodo de disparo:
x' ' = p (t ) x'+ q (t ) x + r (t ),
a) x(a ) = x ; x(b ) = x .
0
1
x' ' = p (t ) x'+ q (t ) x + r (t ),

b) x(a ) = x ; x' (b ) = x .
0
1
x' ' = p(t ) x'+ q (t ) x + r (t ),

c) x' (a ) = x ; x(b ) = x .
0
1
x' ' = p(t ) x'+ q(t ) x + r (t ),

d) x' (a ) = x ; x' (b ) = x .
0
1
99
7. Obtener la aproximacin ms precisa posible para x' (t i ) y x' ' (t i ) a partir

de los puntos {x(t i + 2 ), x(t i +1 ), x(t i ), x(t i 1 ), x(t i 2 )}. Disear con esta
aproximacin un esquema de diferencias finitas para el problema de
x' ' = p (t ) x'+ q (t ) x + r (t ),
contorno
x(a ) = x 0 ; x(b ) = x1 .
8. Resolver el problema de contorno

x' '+2 x'+10t = 0 t (0,2 )
x(0 ) = 1, x(2 ) = 2
1
Valiendose del mtodo de diferencias finitas con h = . Para ello valerse de las
2
siguientes expresiones:
x' ' (t i ) =
x(t i +1 ) 2 x(t i ) + x(t i 1 )

+ h2 ,
2
h
x' (t i ) =
( )
x(t i +1 ) x(t i 1 )
+ h2 .
2h
( )
100

We

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

We

Загружено:

Авторское право:

Доступные форматы

CURSO DE ANLISIS NUMRICO DE

CAPTULO 0: INTRODUCCIN TERICA, PRIMEROS EJEMPLOS Y

CAPTULO 1: ANLISIS NUMRICO. MTODO DE EULER.

CAPTULO 2: IDEAS QUE INSPIRAN EL DISEO DE NUEVOS MTODOS.

CAPTULO 3: LOS MTODOS DE RUNGE-KUTTA.

CAPTULO 4: INTRODUCCIN A LOS MTODOS MULTIPASO.

CAPTULO 5: LOS MTODOS DE ADAMS.

CAPTULO 6: ESTUDIO GENERAL DE LOS MTODOS MULTIPASO

CAPTULO 7: INTRODUCCIN A LA RIGIDEZ.

CAPTULO 8: ANLISIS NUMRICO DE PROBLEMAS DE

CAPTULO 0: INTRODUCCIN TERICA, PRIMEROS EJEMPLOS Y

Tambin trabajaremos ocasionalmente con ecuaciones diferenciales de segundo orden o

Como se pone de manifiesto en el estudio terico de las ecuaciones diferenciales existen

Solucin: x(t ) = t 3 . Tambin x(t ) = 0.

Hay que comenzar con el teorema de Peano:

con f (t , x ) continua en un abierto que contenga al punto a, x 0 tiene al menos una

El teorema de Peano introduce la necesidad de la continuidad de la funcin f t , x como funcin de dos

Teorema de Picard (Local): Sea f (t , x ) continua en un abierto que contenga al punto

tiene una solucin nica x(t ) definida al menos en un entorno de t = a .

tiene solucin nica para cualquier intervalo acotado de la variable independiente.

Teorema de las sub y supersoluciones: Consideremos los PVIs, definidos para

donde las funciones f , f1 y f 2 continuas y tales que f 1 f f 2 . Entonces se verifica

Veamos a continuacin un ejemplo de utilizacin de este resultado.

Establecer adems cotas para la solucin, su primera y su segunda derivadas.

nos permite obtener una sub y una supersolucin x1 y x 2 respectivamente. A saber,

Las cotas sobre la derivada y segunda derivada se obtienen como sigue:

EJERCICIOS DEL CAPTULO 0.

Estudiar si la solucin de los siguientes PVI est bien definida en los

tiene solucin nica en el intervalo considerado.

Comprobar que x(t ) = t es solucin de este PVI. Es nica? Contradice este

Admiten solucin nica los siguientes problemas de valor inicial? Razonar

Estudiar para qu condiciones iniciales el PVI

tiene solucin nica. Dar una cota a priori de dicha solucin.

Consideremos el problema de valor inicial

CAPTULO 1: ANLISIS NUMRICO. MTODO DE EULER.

1.1 Introduccin al anlisis numrico. Ideas bsicas.

1.1 Introduccin al anlisis numrico. Ideas bsicas.

El objetivo del anlisis numrico es desarrollar un mtodo recursivo, es decir, que

1.2 El mtodo de Euler.

para la solucin exacta x(t ) a la igualdad

x(t i ) a la solucin exacta del PVI y como x i

a la solucin aproximada en el nodo

problema que no se refiera a estos nodos

para la solucin aproximada x i .

1.3 Convergencia de un mtodo numrico (I).

= max( i ) = max x(t i ) xi .

Vamos a notar como

a la condicin inicial exacta del PVI.

es el valor aproximado de la solucin del PVI

x 0 . Por tanto la igualdad x 0 = 0

es siempre cierta mientras que la

1.4 Convergencia del mtodo de Euler.

Anlogamente a lo que establecimos con el error de discretizacin se define el error

El orden de consistencia de un mtodo consistente se define como el mayor natural p

La primera se refiere a la solucin exacta del PVI y la segunda a la solucin aproximada

TEOREMA 1 (sobre la convergencia del mtodo de Euler):

A la vista de la expresin x(t i +1 ) = x(t i ) + hf (t i , x(t i )) + h i cobra sentido interpretar el error de

truncatura de la siguiente forma: h i es lo que le falta a la solucin de exacta para verificar el

1.5 Consistencia del mtodo de Euler.

Al sustituir en la ecuacin anterior y teniendo en cuenta que x' (t i ) = f (t i , x i ) nos queda

Cancelando trminos obtenemos que

de donde obtenemos la acotacin

max x' ' (t ) .