Física Computacional TP Nº 2

Integrales y Ecuaciones diferenciales ordinarias

Kim, Pedro Chong Min

1. Fundamento teórico

1.1 Integración
En caso de la integral de una función f ( x) entre dos límites x = a y x = b , se puede calcular la
misma teniendo en cuenta de que es igual al área bajo la curva de la función entre ambos límites.
Entonces resolver la integral se traduce en buscar una manera de estimar el área bajo la función.

Trataremos con dos métodos para la resolución de la integral, a saber, usando la regla del
trapezoide y a través del método de Simpson.

El método trapezoidal divide al área bajo la función f ( x) en rebanadas (trapezoides) verticales

de grosor h .

Fig 1.11 Aproximación mediante un trapecio

Uniendo los puntos donde las rebanadas corta a la función f ( x) , podemos estimar el área bajo
la curva como la suma de las áreas de los trapecios resultantes. Si tenemos n rebanadas,
entonces nh = b − a y n = (b − a) / h .
 Fig 1.12 Método del trapecio

Y la aproximación de la integral, A:

 f ( x0 ) f ( xn ) 
A = A0 + A1 + ... + An −1 = h  + f ( x1 ) + f ( x2 ) + ... + f ( xn −1 ) + =
 2 2 
h n −1

A = 
2
f ( a ) + f (b ) + 2 ∑
i =1
f ( xi ) 

Con xi = a + ih

El error que se comete al aproximar la integral es cuadrático: O(h 2 )

Otra manera de obtener una estimación más exacta de la integral es la de usar polinomios de
orden superior para conectar los puntos. A las fórmulas resultantes de calcular la integral bajo los
polinomios de 2º grado se conoce como reglas de Simpson.

Fig 1.13 Aproximación mediante el método de Simpson.

Se dibuja una parábola que pasa por los tres puntos: y0 , y1 e y2

 Como se puede ver en el gráfico, para el método de Simpson se toma las rebanadas de a pares, y
debido a esto es necesario un número par de las mismas.

Partiendo del desarrollo de Taylor alrededor del punto central x1 tenemos:

f ′′( x1 ) f ′′′( x1 ) f (4) (ε ( x ))

f ( x) = f ( x1 ) - f ′( x1 )( x − x1 ) + ( x − x1 ) 2 + ( x − x1 )3 + ( x − x1 ) 4
2 6 24
x2 x2
f ( x) dx =  f ( x1 ) x − f ( x1 ) ( x − x1 ) 2 + f ( x1 ) ( x − x1 )3 + f ( x1 ) ( x − x1 )4  +
′ ′′ ′′′
∫
x0  2 6 24  x0
x
1 2 (4)
+ ∫
24 x0
f (ε ( x))( x − x1 )5 dx

Como las potencias pares entre x0 y x2 son nulos, solo quedan los términos con las potencias
impares:

x2
( x − x1 )3 = ( x2 − x1 )3 − ( x0 − x1 )3 = h3 − (− h)3 = 2h3
x0

x2 5 5 5
( x − x1 )5 = ( x2 − x1 ) − ( x0 − x1 ) = h5 − (− h)5 = 2h
x0

Por tanto la expresión queda:

x2
′ ′′ (4)

∫ f ( x) dx = f ( x1 ).2h - f ( x1 ) ( x − x1 ) 2 + f ( x1 ) 2h3 + f (ε1 ) 2h5

x0 2 6 120

h3 f (4) (ε 1 ) 5
= 2h. f ( x1 ) + f ′′( x1 ) + h
3 60

1 h 2 (4)
Usando la expresión f ′′( x1 ) = [ f ( x0 ) − 2 f ( x1 ) + f ( x2 ) ] − f (ε )
h2 12
x2

f ( x) dx = 2h. f ( x1 ) + h [ f ( x0 ) − 2 f ( x1 ) + f ( x2 )] - h  1 f (4) (ε 2 ) − 1 f (4) (ε1 ) 

5
Nos queda: ∫
x0 3 12  3 5 

Y tomando ε 1 = ε 2 , tenemos que

x2
5

∫ f ( x) dx = h [ f ( x0 ) − 4 f ( x1 ) + f ( x2 )] - h f (4) (ε )
x0 3 90
 h 5 (4)
De donde el error estimado del método de Simpson es: - f (ε ) , es decir del orden, O(h5 )
90

1.2 Ecuaciones diferenciales ordinarias, EDO (sigla en inglés, ODE)

Muchas situaciones de la vida real que queremos modelar o representar cuantitativamente son
aquellos que tienen variables dependientes del tiempo. Si el cambio es continuo, este sistema
podría ser representado a través de ecuaciones relacionadas a las derivadas de las variables
dependientes. Son las llamadas ecuaciones diferenciales.

Aunque lo que se quiere lograr es poder describir con exactitud el sistema que está siendo
estudiado, son muy pocas las ecuaciones diferenciales que pueden ser resueltas en forma
analítica. Entonces se requiere de métodos numéricos para poder aproximar al valor verdadero.

Supongamos que hay un objeto cayendo en el aire bajo el efecto de la gravedad ( FG ), venciendo
la resistencia del aire ( FR ) linealmente proporcional a la velocidad. Por la segunda ley de Newton:

F dv FG − FR mg − cv dv c
a=
= =
= g− v
m dt m m dt m

Usando la aproximación de diferencia dividida finita podemos aproximar el cambio de velocidad:

dv ∆v ∆v v(ti +1 ) − v(ti )
= lim ≅ = (1.21)
dt ∆t →0 ∆t ∆t ti +1 − ti

Sustituyendo en la ecuación anterior, tenemos

v(ti +1 ) − v(ti ) c
= g − v(ti )
ti +1 − ti m

Pudiendo llegar a la expresión

 c 
v(ti +1 ) = v(ti ) +  g − v(ti )  (ti +1 − ti )
 m 

Podemos pensar en una forma general de:

valor nuevo = valor viejo + pendiente x h

O en términos matemáticos:

yi +1 = yi + φ h (1.22)
 Entonces la estimación de la pendiente φ es usado para extrapolar, de yi a un nuevo valor yi +1
a una distancia h .

Fig 1.23 Representación gráfica de la forma general de los métodos a utilizar para la resolución de la EDO

Los métodos que vamos a utilizar en este trabajo pueden ser expresados en esta forma general.
La diferencia entre uno y otro va a radicar en la manera de cómo se estima la pendiente φ .

El método de Euler estima la pendiente como la derivada primera de xi , es decir que la

pendiente del comienzo de cada intervalo es tomado como la aproximación de la pendiente media
de todo el intervalo:

φ = f ( xi , yi )

Donde f ( xi , yi ) es la ecuación diferencial evaluada en xi e yi . Reemplazando en la ecuación

(1.21) tenemos la fórmula de Euler :

yi +1 = yi + f ( xi , yi ) h (1.24)

El método Runge-Kutta utiliza una estimación diferente de la pendiente que resulta en una
predicción más acertada. Existen muchas variaciones del mismo, pero puede ser representada en
la forma generalizada de la ecuación (1.21)

yi +1 = yi + φ ( xi , yi , h) h (1.25)

Donde φ ( xi , yi , h) es llamada función incremento, y puede ser interpretada como la pendiente

representativa del intervalo.
El método de Runge-Kutta de segundo orden tiene como ecuaciones:

yn +1 = yn + k 2 + O(h3 )

k1 = hf ( xn , yn )

1 1
k 2 = hf ( xn + h, yn + k1 ) (1.26)
2 2

Y el método de Runge-Kutta de 4to orden tiene como ecuaciones:

k1 k2 k3 k4
yn +1 = yn + + + + + O(h5 ) (1.27)
6 3 3 6

k1 = hf ( xn , yn )

1 1
k 2 = hf ( xn + h, yn + k1 )
2 2

1 1
k3 = hf ( xn + h, yn + k2 )
2 2

k 4 = hf ( xn + h, yn + k3 )
 2. Encontrar numéricamente las siguientes integrales
1

a) I = ∫ x 5 dx
0

El valor calculado en forma analítica (el valor verdadero) de dicha integral es 1/ 6 (0.166666…).
Se calculó la integral utilizando la regla de Trapecio y la de Simpson, y se llevó a tabla la diferencia
de los valores calculados con el valor verdadero, para realizar un análisis de la convergencia de las
mismas variando el valor de la discretización h .

Para ello se trabajó con 20 valores de h , de 0.5 a 1. 10−10 y se lo llevó a escala logarítmica para
comparar la precisión del método utilizado.

Fig. 2.1 Precisión de los métodos Trapezoidal y Simpson

Métodos h óptimo aproximado

Método de Trapecio 1. 10−6
Método de Simpson 1. 10−5

Se puede notar cómo aumenta la precisión rápidamente a medida que la discretización h se

hace menor (de derecha a izquierda siguiendo el eje de las abscisas). Con la disminución de h , y
por consiguiente, el aumento de n , que es el número de rebanadas realizadas para la
aproximación de la integral, el error se hace menor hasta llegar a un mínimo del error, valor que
corresponde al h óptimo de la aproximación.
 Si bien el método de Simpson demostró tener una precisión superior, hay que analizar la
variación de la misma a lo largo del gráfico. La diferencia del aumento de precisión, que se puede
notar en el gráfico por la pendiente de la curva correspondiente a cada método, es muy
pronunciada en la región de h > 1. 10−5 , donde el método de Simpson tiene muy superior
precisión comparada con el método de Trapecio. Pero ésta se torna casi igual en la región de 1.
10−7 < h < 1. 10−6 . Y el método de Trapecio llega a tener una pendiente mayor a partir de h <
10−7 achicando la distancia entre ambas curvas. Éste comportamiento se puede explicar viendo el
5
gráfico de la función de x .

Fig. 2.2 La curva de la función x5

Si analizamos tomando una rebanada vertical del área bajo la curva de la función podemos notar
que a un valor grande de h , la curva de la función es pronunciada, el error del método de trapecio
es significativamente mayor comparado con el error del método de Simpson

En cambio a medida que la discretización h se hace menor la curva de la función es dividida en

rebanadas cada vez más finas, la curva de la función se asemeja más a una recta y la precisión del
método trapezoidal aumenta ante el método de Simpson.

Fig. 2.3 Comparación del área de rebanada de ambos métodos con h = 0.1
 Fig. 2.4 Comparación del área de rebanada de ambos métodos con h = 1. 10−5

La regla de Simpson no es más precisa para todos los problemas. Como podemos ver en la
gráfica, la regla del trapezoide divide el área en pequeñas rebanadas trapezoidales, es así que si la
función tiene más secciones con líneas rectas, el método trapezoidal será más preciso. En cambio,
el método de Simpson divide el área en rebanadas con curvas en la punta, y será más preciso para
las funciones con más secciones curvas.

1
1
b) I =∫ dx
0 2 x

El valor calculado en forma analítica (el valor verdadero) de dicha integral es 1. Se calculó la
integral utilizando la regla de Trapecio y la de Simpson, y se llevó a tabla la diferencia de los
valores calculados con el valor verdadero, para realizar un análisis de la convergencia de las
mismas variando el valor de la discretización h .

Para ello se trabajó con 20 valores de h , de 0.5 a 1. 10−10 y se lo llevó a escala logarítmica para
comparar la precisión del método utilizado.
 Hay que hacer una consideración con respecto a esta integral cuando se quiere calcular en forma
numérica. Tanto el método de trapecio, como el de Simpson consisten en tomar el área bajo la
curva de la función y dividir en pequeñas rebanadas verticales, pero la función diverge en 0 y no se
puede tomar el límite inferior de la integral en 0, forzándonos a correr el límite inferior al primer
valor próximo que es el valor del h . Este corrimiento del límite inferior resultará en un factor
importante en el error del cálculo de la integral y más cuando h es grande.

Por la particularidad de la función, las precisiones de ambos métodos quedaron muy por debajo
de lo mostrado en el punto anterior. Además debido a la imprecisión, los pasos a llegar al h
óptimo se hicieron muy largos, lo que resultó en una imposibilidad de encontrar el h óptimo
debido al gran tiempo de espera que se demandaría en achicar más el h .

1
1
Fig. 2.5 Comparación de la precisión de los métodos Trapezoidal y Simpson para la integral
∫2
0 x
dx . Por la

particularidad de la integral la precisión de ambos métodos fueron muy menores a lo demostrado en el gráfico
de (Fig. 2.1), y no se pudo determinar el h óptimo debido a la limitación del equipo y el tiempo necesario