Universidad Catolica del Maule

Facultad de Ciencias Basicas

C
alculo Numerico
Tema N 4, 20 de Octubre de 2014

Diferenciaci
on e Integraci
on
Recordemos que la aproximacion de una funcion f (x) por Lagrange establece que :
f (x) = P (x) + E(x)
f (x) = P (x) +

f (n+1) (c)
(x x0 ) (x x1 ) ... (x xn )
(n + 1)!

donde el polinomio de Lagrange es

n
n
Y
X
(x xi )

P (x) =
f (xk )

(xk xi )
k=0
i=0

i 6= k
en un soporte S = {x0 , x1 , .., xn } distintos en [a, b] y f C n+1 ([a, b]) , c(x) (a, b) .
Por otro lado la derivada
f (x0 + h) f (x0 )
.
f 0 (x0 ) = lim
h0
h
Como aproximamos la derivada de f (x) en un punto de S?
Supongamos que x0 (a, b) , donde f C 2 ([a, b]) y x1 = x0 + h, con h 6= 0 suficientemente
peque
no tal que x1 [a, b] . Si aproximamos f usando P (x) en S = {x0 , x1 } , tenemos:
f (x) = P (x) +

f (x) = f (x0 )

f (x) = f (x0 )

f (2) (c(x))
(x x0 ) (x x1 )
2!

(x x1 )
(x x0 )
f (2) (c(x))
+ f (x1 )
+
(x x0 ) (x x1 )
(x0 x1 )
(x1 x0 )
2!

(x x0 h)
(x x0 ) f (2) (c(x))
+ f (x0 + h)
+
(x x0 ) (x x0 h)
h
h
2!

para alg
un c(x) (a, b) . Si derivamos c/r a x tenemos que:


f (x0 + h) f (x0 )
d f (2) (c(x))
0
f (x) =
+
(x x0 ) (x x0 h)
h
dx
2!




f
(x
+
h)

f
(x
)
d
(x

x
)

(x

h)
0
0
0
0
f 0 (x) =
+
f (2) (c(x))
h
dx 
2!

2
(x

x
)

h
0
+f (2) (c(x))
2!
1

por lo tanto, al despreciar terminos de orden superior

f 0 (x)

f (x0 + h) f (x0 )
.
h

d
f (2) (c(x)) = f (2) (c(x))c0 (x), sin embargo,
Pero la dificultad es que no podemos estimar
dx
cuando x = x0 el coeficiente se hace cero y por lo tanto
 
f (x0 + h) f (x0 )
h
0
(2)
f (x) =
f (c(x))
(1)
h
2!
para alg
un c(x0 ) (a, b) . Lo que ademas nos indica que para h peque
nos la aproximacion
Mh
mejorara, entonces el error cometido es |E(x)| <
donde
2
f (2) (x) < M , x [a, b]
Obs: Si h > 0 la formula (1) se llama diferencia progresiva y diferencia regresiva si h < 0.
Ejemplo: Sea f (x) = ln(x) y x0 = 1.8. Aproxime f 0 (1.8) usando diferencia progresiva y
diferencia regresiva y estime el error cometido. R : f 0 (1.8) = 0.5.
En general la formula (1) se puede generalizar para el soporte S = {x0 , x1 , .., xn } distintos
en [a, b] y f C n+1 ([a, b]) , c(x) (a, b) :
0

f (xk ) =

n
X
j=0

f (xj )Pj0 (xk )

f (n+1) (c (xk ))
+
(n + 1)!

n
Y

(xk xj ) (2)

j=0
j 6= k

como la formula de n + 1 puntos para aproximar f 0 (xk ).

Obs: Si mas valores xi son utilizados, mejor sera aproximacion de (2).
Ejercicio: Deducir la formula de 3 puntos para aproximar f 0 (xk ) para j = 0, 1, 2.

Sol: Para n = 2, tenemos

f 0 (xk ) =

2
P

f (xj )Pj0 (xk ) +

j=0

+f

(3) (c(x

k ))

f (3) (c(xk ))
(3)!

2
Q

(xk xj ) = f (x0 )P00 (xk ) + f (x1 )P10 (xk ) + f (x2 )P20 (xk )

j=0
j 6= k
2
Q

(3)!

(xk xj )

j=0
j 6= k
0
0
0



(xk x1 ) (xk x2 )
(xk x0 ) (xk x2 )
(xk x0 ) (xk x1 )
0
f (xk ) = f (x0 )
+ f (x1 )
+ f (x2 )
(x1 x0 ) (x1 x2 )
(x2 x0 ) (x2 x1 )
(x0 x1 ) (x0 x
2 )

f (3) (c (xk ))

(xk xj )

j=0
j 6= k






2x

x
2x

x
2x

x
k
0
2
k
0
1
k
1
2
+ f (x1 )
+ f (x2 )
f 0 (xk ) = f (x0 )
x2 )
(x1 x0 ) (x1 x2 )
(x2 x0 ) (x2 x1 )
(x0 x1 ) (x0

f (3) (c (xk ))

2
Q

(xk xj )

j=0
j 6= k
2
Q

si consideramos en la formula anterior el soporte S = {x0 , x1 , x2 } equiespaciado x0 , x1 =

x0 + h y x2 = x0 + 2h, entonces:






2xk 2x0 3h
2xk 2x0 2h
2xk 2x0 h
0
f (xk ) = f (x0 )
+ f (x1 )
+ f (x2 )
(h) (2h)
(h) (h)
(2h) (h)

f (3) (c (xk ))

(xk xj )

j=0
j 6= k
2
Q

luego si reemplazamos tomamos en el valor del soporte xk = x0 obtenemos

f (x0 ) = f (x0 )

3
2h

 
 
2
1
f (3) (c (x0 ))

+ f (x1 )
+ f (x2 )
+

h
2h
6

(x0 xj )

j=0
j 6= k
2
Q

f 0 (x0 ) =

f (3) (c (x0 ))
1
[3f (x0 ) + 4f (x1 ) f (x2 )] +
[(x0 x1 ) (x0 x2 )]
2h
6

f 0 (x0 ) =

1
1
[3f (x0 ) + 4f (x0 + h) f (x0 + 2h)] + f (3) (c (x0 )) [h 2h]
2h
6

f 0 (x0 ) =

1
h2
[3f (x0 ) + 4f (x0 + h) f (x0 + 2h)] + f (3) (c (x0 ))
2h
3

donde c(x0 ) (x0 , x0 + 2h) . La formula anterior es conocida como la de 3-puntos progresiva.
De forma similar con un soporte S = {x0 , x1 , x2 } equiespaciado x2 = x0 2h, x1 = x0 h y
x0 obtenemos la formula conocida como la de 3-puntos regresiva:
f 0 (x0 ) =

1
h2
[f (x0 2h) 4f (x0 h) + 3f (x0 )] + f (3) (c (x0 ))
2h
3

Tarea: Deducir la formula de los 3-puntos central:

f 0 (x0 ) =

h2
1
[f (x0 h) + f (x0 + h)] f (3) (c (x0 ))
2h
6

Ejemplo: Sea f (x) = xex entonces f 0 (x) = ex + xex , en donde f 0 (2.0) = 22. 167168. Luego
a modo de ejemplo considerando la tabla
x
f (x)

1.8
1.9
2.0
2.1
2.2
10.889365 12.703199 14.778112 17.148957 19.855030

y aproximando por las formulas de 3-puntos obtenemos:

h = 0.1 =

1
[3f (2.0) + 4f (2.1) f (2.2)] = 22.032310 y E = 1.35 101
0.2

h = 0.1 =

1
[3f (2.0) + 4f (1.9) f (1.8)] = 22.054525 y E = 1.13 101
0.2

h = 0.1 =

1
[f (2.1) + f (1.9)] = 22.228790 y E = 6.16 102
0.2

h = 0.2 =

1
[f (2.2) + f (1.8)] = 22.414163 y E = 2.47 101
0.4

x3 e1.3x
con x en radianes. Use una tabla para aproxmar f 0 (0.0)
cos(x)
con cinco cifras significativas.
Sol: Considerando un tama
no de paso h = 0.1, obtenemos
Ejercicio:

x
f (x)
f 0 (0.0)

Sea f (x) =

0.2
6. 293 9 103

0.1
8. 825 104

0.0
0.1
0.0 1. 144 5 103

0.2
1. 058 6 102

1
1
[3f (0.0) + 4f (0.1) f (0.2)] =
[3 (0.0) + 4 (1. 144 5 103 ) 1. 058 6 102 ]
0.2
0.2

f 0 (0.0) 0.030 04
f 0 (0.0)

1
1
[f (0.1) + f (0.1)] =
[ (8. 825 104 ) + (1. 144 5 103 )] = 0.0135
0.2
0.2

f 0 (0.0)

1
1
[f (0.2) 4f (0.1) + 3f (0.0)] =
[(6. 293 9 103 ) 4 (8. 825 104 ) + 3 (0.0)]
0.2
0.2

f 0 (0.0) 0.01 382 0

y tomando h = 0.01
x
0.02
f (x) 7. 796 2 106

0.01
9. 871 3 107

0.0
0.0

0.01
1. 013 1 106

0.02
8. 212 4 106

1
f 0 (0.0)
[3f (0.00) + 4f (0.01) f (0.02)]
0.2
1
[3 (0.00) + 4 (1. 013 1 106 ) (8. 212 4 106 )] 2. 08 105
=
0.2
1
1
[f (0.01) + f (0.01)] =
[ (9. 871 3 107 ) + (1. 013 1 106 )]
0.2
0.2
f 0 (0.0) 1. 000 1 105
f 0 (0.0)

1
f 0 (0.0)
[f (0.02) 4f (0.01) + 3f (0.00)]
0.2
1
=
((7. 796 2 106 ) 4 (9. 871 3 107 ) + 3 (0.0)) 1. 923 8 105
0.2

Optimizaci
on del tama
no de paso h
Seg
un lo que hemos estudiado en las formulas de n + 1 puntos h debe ser peque
no en funcion
de reducir el error y mejorar la aproximacion de la derivada f(x0 ). Pero el error esta formado
por un error de redondeo y uno de truncamiento, por lo tanto:
Consideremos el caso de la formula de los 3puntos central
f 0 (x0 ) =

1
h2
[f (x0 h) + f (x0 + h)] f (3) (c (x0 ))
2h
6

y supongamos que existen errores de redondeo en las evaluaciones

f (x0 + h) = f(x0 + h) + E (x0 + h)
f (x0 h) = f(x0 h) + E (x0 h)
(exactos f (x0 + h) y f (x0 h)), por lo tanto existe un error total ET de redondeo y truncamiento, dado por:

ET
ET
ET
ET


h
i
 0
1
f(x0 h) + f(x0 + h) 
= f (x0 )
2h


 0

1

= f (x0 )
[ (f (x0 h) E (x0 h)) + (f (x0 + h) E (x0 + h))]
2h


 0

1
1
= f (x0 )
[f (x0 h) + f (x0 + h)] +
[E (x0 + h) E (x0 h)]
2h
2h




1
1
f 0 (x0 )
[f (x0 h) + f (x0 + h)] +
|[E (x0 + h) E (x0 h)]|
2h
2h

ET


1
h2  (3)
f (c (x0 )) +
|[E (x0 + h) E (x0 h)]|
6
2h

si suponemos contantes de acotamiento M , > 0 entonces f (3) (c (x0 )) < M y E (x0 h) <
ET
donde definimos E1 (h) =

h2

M+
6
h

h2

M como el error de truncamiento y E2 (h) =

6
h
ET (h) E1 (h) + E2 (h)

Obs: De la expresion del error total se deduce que si h 0 entonces E1 (h) 0 pero
E2 (h) + y el caso contrario si h + . Luego h no puede ser tan peque
no ni tan
grande, debe tener un optimo.
Esto es, si tomamos la igualdad para el error total tenmos:
ET (h) =

h2

M+
6
h
6

entonces si h (0, +) entonces buscamos sus puntos crticos con la derivada

ET0 (h) =
r
luego ET0 (h) = 0 ssi h =

M 2
3
h

3
2
M
00
, u
nico punto crtico y como ET (h) =
+ 3 entonces al
M
3
h

evaluar
00

ET (
=
As finalmente h

r
3

r
3

3
M
2M
)=
+
=M >0
M
3
3

3
es un mnimo para ET (h), el c
ual es un optimo para la formula de
M

3-puntos central.
Ejemplo
Sea f (x) = cos(x) donde f 0 (0.880) = sin(0.880) = 0.770 74.Vamos a considerar una
supuesta tabla de valores
x
f (x)

0.800
0.850
0.880
0.910
0.960
0.696 71 0.659 98 0.637 15 0.613 75 0.573 52

y aproximar por la formula de 3-puntos

f 0 (0.880)

1
1
[f (0.880 h) + f (0.880 + h)] =
[ cos(0.880 h) + cos(0.880 + h)] .
2h
2h

Por ejemplo de la tabla

h
Aprox.
Error Absoluto
0.03 0.770 62 0.000 12
0.08 0.769 92 0.000 82

Error Rel (%)

0.01 5567
0.106 39

Como los valores de f tienen 5 cifras significativas entonces = 0.000005 y



M = max f (3) (x) = max |sen (x)| = sen (0.9) = 0.783 33
x[0.8,0.9]

=
entonces h

r
3

3
=
=h
M

x[0.8,0.9]

r
3

3 0.000005
= 2. 675 4 102 = 0.026754.
0.783 33

h
Aprox.
Error Absoluto
0.026754 0.770 65 0.000 01

Error Rel (%)

0.011677

Tarea: Determinar los estimadores del h optimo para n

as formulas de 3- puntos regersiva y
progresiva.

Derivadas de orden Superior

Supongamos la expansion de Taylor de tercer orden de la funcion f en torno a x0 :
h2 00
h3 (3)
h4 (4)
f (x) = f (x0 ) + f (x0 )h + f (x0 ) + f (x0 ) + f (c(x0 ))
2
6
24
0

si consideramos x = x0 h y x = x0 + h, tendremos que

f (x0 h) = f (x0 ) f 0 (x0 )h +

h2 00
h3
h4
f (x0 ) f (3) (x0 ) + f (4) (
c(x0 ))
2
6
24

f (x0 + h) = f (x0 ) + f 0 (x0 )h +

h2 00
h3
h4
f (x0 ) + f (3) (x0 ) + f (4) (c(x0 ))
2
6
24

con x0 h < c(x0 ) < x < c(x0 ) < x0 + h.Sumando ambas expresiones se tiene:
f (x0 + h) + f (x0 h) = 2f (x0 ) + h2 f 00 (x0 ) +

h4 (4)
f (
c(x0 )) + f (4) (c(x0 ))
24

y despejando f 00 (x0 ), tenemos:

f 00 (x0 ) =

1
h2 (4)
(4)
(f
(x
+
h)

2f
(x
)
+
f
(x

h))

f
(
c
(x
))
+
f
(c(x
))
0
0
0
0
0
h2
24

ahora si f (4) es una funcion continua en [x0 h, x0 + h] , por el Teorema del valor Medio
f 00 (x0 ) =

1
h2 (4)
(f
(x
+
h)

2f
(x
)
+
f
(x

h))

f
(d(x
))
0
0
0
0
h2
12

donde d (x0 h, x0 + h) .
Tarea: Aproxime la segunda derivada de la funcion f (x) = xex en x0 = 2.0 con h = 0.1 y
0.2.

Integraci
on Num
erica
Herramienta fundamental usada en ciencias e ingeniera para obtener valores aproximados a
integrales no tradicionales (o dificiles de resolver)
Por ejemplo:

Z 1 
1 + 2sen(x)
1
ln
dx
(x) =
1 2sen(x) sen(x)
0
Obs: Lo anterior tiene su origen en la propia construccion de la integral definida por Suma
de Riemann.
Def : Considerando los valores reales distintos o soporte S = {x0 , x1 , ..., xn } en I = [a, b] ,
sabemos que P (x) el polinomio de Lagrange de grado n aproxima a una funcion f (x) en S
por:

n
Y
(x xi )
f (n+1) (c)

(x x0 )(x x1 )...(x xn )
f (x) = P (x)+E(x) =
f (xk )
+

(xk xi ) (n + 1)!
k=0

i=0
i 6= k
n
X

, entonces si queremos intergrar f (x) en I :

Rb
Rb
Rb
f (x)dx = a P (x)dx + a E(x)dx
a

Rb
a

f (x)dx =

n
Q
f (xk )

k=0
i=0
i 6= k

n
Rb P
a

(xxi )
dx
(xk xi )

f (n+1) (c)
a (n+1)!

Rb

(x x0 ) (x x1 ) ... (x xn ) dx

Rb

n
Rb Q
f (x)dx =
f (xk ) a

k=0
i=0
i 6= k
n
P

(xxi )
dx
(xk xi )

n

R b (n+1)
Q (xxi )
1
+
f
(c)
dx
(xk xi )
(n + 1)! a
i=0

luego la formula para aproximar la integral definida en general, llamada F

ormula de
Cuadratura es:
Z b
n
X
f (x)dx
f (xk )ak
a

k=0

donde

" n
#
Z b
Z b
n
Y
Y (x xi )
(x xi )
1

ak =
f (n+1) (c)
dx

dx y E(x) =

(x

x
)
(n
+
1)!
(x

x
)
k
i
k
i
a
a
i=0
i=0

i 6= k
9

Estudio de casos particulares

Caso 1: Consideremos x0 = a, x1 = b y h = b a entonces

Rb
a

1
Rb Q
f (x)dx =
f (xk ) a

k=0
i=0
i 6= k
1
P

R x1
x0

R x1
x0

R x1
x0

R x1
x0

Rb
a

R x1

(xxi )
dx
(xk xi )

f (x)dx =

f (x0 )
(x0 x1 )

f (x)dx =

f (x0 )
h

f (x)dx =

f (x0 )
h

12 (x0 x1 )2 +

f (x)dx =

f (x0 )
h

12 (h)2 +

f (x)dx =

x0

R x1
x0

(x x1 ) dx +

(x x1 ) dx +

f (x1 )
(x1 x0 )

f (x1 )
h

f (x1 )
h


1
Q (xxi )
1 R b (2)
+
dx
f (c)
(xk xi )
(2)! a
i=0

R x1
x0

f (x1 )
h

1
2

1
2

R x1
x0

(x x0 ) dx +

(x x0 ) dx +

1 R x1 (2)
f (c) (x x0 ) (x x1 ) dx
2 x0

f (2) (c) R x1
(x x0 ) (x x1 ) dx
x0
2

f (2) (c)
(x0 x1 )2 +
2

f (2) (c)
(h)2 +
2

1
6

(h)3

1
6

(x0 x1 )3

f (2) (c) 3
h
(f (x0 ) + f (x1 ))
h
2
12

formula conocida como Regla del Trapecio.

Obs: El termino del error esta en funcion de f (2) lo que indica que para funciones f cuya
segunda derivada es cero la Regla del Trapecio calcula exactamente la integral.
Tarea: Aplicar el polinomio de interpolacion cuadratico para determinar la formula que
aproxma
Z
b

f (x)dx
a

donde x0 = a, x1 = a + h, x2 = a + 2h con h =

ba
2

y obtener la Regla de Simpson.

Usando Taylor alrededor de x1 , esto es:

f (x) = f (x1 )+

f (1) (x1 )
f (2) (x1 )
f (3) (x1 )
f (4) (c(x1 ))
(xx1 )+
(xx1 )2 +
(xx1 )3 +
(xx1 )4
1!
2!
3!
4!

e integrando se puede obtener lo pedido en la tarea anterior:

Rb
Rx
Rx
Rx
(2)
(1)
f (x)dx = f (x1 ) x02 dx + f 1!(x1 ) x02 (x x1 )dx + f 2!(x1 ) x02 (x x1 )2 dx
a
Rx
R x2
(3)
(4)
1 ))
+ f 3!(x1 ) x02 (x x1 )3 dx + f (c(x
(x x1 )4 dx
4!
x0
donde
Z x2
x0

 1 2

1
(x x1 )dx =
(x2 x1 )2 (x0 x1 )2 =
(h) (h)2 = 0 =
2
2

entonces
Rb
a

f (x)dx = f (x1 ) (x2 x0 ) +

f (2) (x1 )
2!

R x2
x0

10

(x x1 )2 dx +

f (4) (c(x1 ))
4!

R x2
x0

x2

(x x1 )3 dx

x0

(x x1 )4 dx

ademas
Z

x2

(x x1 )2 dx =

 2h3
1
(x2 x1 )3 (x0 x1 )3 =
3
3

(x x1 )4 dx =

 2h5
1
(x2 x1 )5 (x0 x1 )5 =
5
5

x0

x2

x0

Rb
a

f (x)dx = 2hf (x1 ) +

f (2) (x1 ) 2h3

2!
3

Rb

f (4) (c(x1 )) 2h5

4!
5

f (x)dx = 2hf (x1 ) + h3 f (2) (x1 ) + h60 f (4) (c(x1 ))

y de la formula de derivada de orden superior sabemos que:
a

f (2) (x1 ) =
reemplazando
Rb
f (x)dx = 2hf (x1 ) +
a
Rb
a

Rb
a

Rb
a

1
h2 (4)
f (d(x0 ))
(f
(x
)

2f
(x
)
+
f
(x
))

0
1
2
2
h
12

h3
3

1
h2

(f (x0 ) 2f (x1 ) + f (x2 ))

f (x)dx =

h
3

{f (x0 ) + 4f (x1 ) + f (x2 )}

h5
36

f (x)dx =

h
3

{f (x0 ) + 4f (x1 ) + f (x2 )}

h5
12

f (x)dx =

h
3

{f (x0 ) + 4f (x1 ) + f (x2 )}

h5 (4)
f (e(x1 )).
12

h2
12

f (4) (d(x0 )) +
1
3


f (4) (d(x0 )) +
h5 (4)
f
60

h5 (4)
f
60

(c(x1 ))

(c(x1 ))

f (4) (d(x0 )) + 51 f (4) (c(x1 ))

Ejercicio:
Rb
Considerando el intervalo I = [0, 2], determine a f (x)dx completando la tabla:

f (x)
x2
x4
1/(x + 1)
1 + x2 sen(x)
ex
Valor exacto
Trapecio
Simpson
Obs: Las reglas del Trapecio y Simpson son casos particulares de los metodos conocidos
como formulas de Newton-Cotes y existen Cerradas y Abiertas.
Cerradas: Considerando (n + 1)-puntos xi = x0 + ih, i = 0, 1, ..., n, donde x0 = a y xn = b
ba
(h =
), algunas formulas cerradas son:
n
Rb
n Regla
f (x)dx =
a
h
f (2) (c) 3
1 Trapecio
(f (x0 ) + f (x1 ))
h
2
12
h5 (4)
f (e)
12

Simpson

h
3

Simpson 3/8 pts.

3h
8

{f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )}

??

2h
45

{7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )}

{f (x0 ) + 4f (x1 ) + f (x2 )}

11

3h5 (4)
f (e)
80
8h7 (4)
f (e)
945

Abiertas: Considerando (n + 1)-puntos xi = x0 + ih, i = 0, 1, ..., n, donde x0 = a + h y

ba
xn = b h (h =
), ademas de x1 = a y xn+1 = b, algunas formulas abiertas son:
n
Rb
f (x)dx =
n Regla
a
f (2) (c) 3
0 Punto medio 2hf (x0 )
h
12
1

??

3f (2) (c) 3
3h
(f (x0 ) + f (x1 ))
h
2
4

??

4h
3

{2f (x0 ) f (x1 ) + 2f (x2 )}

??

5h
24

{11f (x0 ) + f (x1 ) + f (x2 ) + 11f (x3 )}

14h5 (4)
f (e)
45
95h5 (4)
f (e)
144

Ejercicio: Usando las formulas cerradas y abiertas de N C, aproximar

Z /4
2
0.292 89
sen(x)dx = 1
2
0

12

Soluci
on num
erica de problemas de valor inicial para ecuaciones diferenciales
ordinarias
Estudiaremos algunos metodos numericos para encontrar una solucion aproximada w(t) de
la solucion exacta y(t) de un PVI:
0
y (t) = f (t, y(t)), para t0 t tn
()

con y(t0 ) = y0
Obs: Todos estos metodos pueden ser aplicados a sistemas de ecuaciones de primer orden.
Recordemos que para que un PVI como (*) tenga solucion debe satisfacer:
Teo 1:
1. (Existencia) Si f (t, y) es continua en un rectangulo


R = (t, y) R2 / t0 t t0 + a, |y y0 | b
entonces existe un intervalo t0 t t0 + en el cual existe una solucion y(t) del PVI
()

f (t, y)
es continua en un rectangulo R entonces existe un
y
intervalo t0 t t0 + en el cual existe una u
nica solucion y(t) del PVI ()

2. (Unicidad) Si f (t, y) y

13

Dem: Esto se demuestra por medio de la determinacion de una u

nica solucion de la
ecuacion integral, esto es:
Rt
Rt 0
y (s)ds = t0 f (s, y(s))ds
t0
y(t) = y0 +

Rt
t0

f (s, y(s))ds

aproximando po medio de las aproximaciones sucesivas o de Picard

Z t
f (s, yn1 (s))ds
yn (t) = y0 +
t0

Ejemplos:
1) Sea el PVI
()

0
y (t) = f (t, y(t)) = 1 + y 2

con y(0) = 0

su
on es y(t) = tan(t), pero esta solucion solo existe para un intervalo I
 soluci

,
que contenga al 0. Por lo tanto (si por ejemplo) como f (t, y) es continua en
2 2
n
o

R = (t, y) R2 / 0 t a < , 0 y b <

2
entonces y(t) = tan(t) es solucion de ().
(2) Sea el PVI
()

0
y (t) = f (t, y(t)) = y 1/3

con y(0) = 0

3/2
para un intervalo I que contenga
sus soluciones existentes son y(t) = 0 y y(t) = 32 t
al 0, dado que f (t, y) es continua en
o
n

2
R = (t, y) R / 0 t + < , 0 y .
2
f (t, y)
1
= p
y no es continua en R no tenemos unicidad.
3
y
3 y2
Ejercicio: Considere el PVI
0
y (t) = f (t, y(t)) = y 2 + cos(t2 )
()

con y(0) = 0
Por otro lado como

y demostremos que tiene solucion y(t) u

nica en I = [0, 1/2] . En efecto sea


R = (t, y) R2 / 0 t 1/2, |y| b .

14

entonces
f (t, y(t)) = y 2 + cos(t2 ) y

f (t, y)
= 2y
y

son continuas en R. Como



M = max |f (t, y(t))| = max y 2 + cos(t2 ) = b2 + 1
(t,y)R

(t,y)R

es una cota para f (t, y(t)) entonces si





b
b
= min a,
= min 1/2, 2
M
b +1
y = 1/2 entonces b = 1.
Un teorema mas operativo para existencia y unicidad de la solucion y(t) de un PVI en un
intervalo prescrito [t0 , t0 + a] , es el siguiente:
Teo 2: Si f (t, y) es continua en


R = (t, y) R2 / t0 t t0 + a, y + .
y satisface la desigualdad
|f (t, y1 ) f (t, y2 )| L |y1 y2 |
para todo (t, y1 ), (t, y2 ) R (Lipschitz en R) y alguna constante L, entonces el PVI () tiene
solucion y(t) en el intervalo [t0 , t0 + a] .
Ejemplo: Sea el PVI
()

0
y (t) = f (t, y(t)) = 1 + tsen(ty), 0 t 2

con y(0) = 0

si mantenemos constante t y si aplicamos el TVM a la funcion f (t, y(t)) = 1 + tsen(ty) ,

comprobaremos que, siempre que y1 < y2 , existe un n
umero en (y1 , y2 ) con
f
f (t, y1 ) f (t, y2 )
=
(t, y) = t2 cos(t),
y2 y1
y
por lo tanto
|f (t, y1 ) f (t, y2 )| |y1 y2 | |t2 cos(t)| 4 |y1 y2 |
lo que satisface la condicion de Lipschitz en


R = (t, y) R2 / 0 t 2, y + .
con constante L = 4 y como ademas f (t, y(t)) = 1 + tsen(ty) es continua en R el PVI tiene
solucion u
nica.
Definici
on: Un PVI
()

0
y (t) = f (t, y(t)), a t b

con y(a) = y0

es un Problema bien Planteado si:

15

1. () tiene solucion u
nica, y(t);
2. Para cualquier > 0, existe una cosntante positiva k() con la propiedad de que siempre
que |0 | < y (t) es continua con |(t)| < en [a, b] , existe una u
nica solucion, z(t),
al problema perturbado:
0
z (t) = f (t, z(t)) + (t), a t b
()

con z(a) = y0 + 0
con |z(t) y(t)| < k() , t [a, b] .
Obs: Todo PVI () donde f (t, y) satifaga la condicion de Lipschitz en y sobre R es
un Problema bien Planteado.
Ejemplo: Sea el PVI
0
y (t) = f (t, y(t)) = y t2 + 1, 0 t 2
()

con y(0) = 0.5

dado que


 f

 (t, y) = 1
 y

entonces f (t, y(t)) satisface el teorema 2 en la region


R = (t, y) R2 / 0 t 2, y + .
con L = 1 Lipschitz, ademas como f (t, y(t)) es continua en R el PVI es un Problema
bien Planteado. Podemos verficar lo anterior directamente por el problema perturbado,
esto es:
0
z (t) = z t2 + 1 + (t), 0 t 2
()

con z(0) = 0.5 + 0

donde y 0 son constantes. Las soluciones del PVI y el perturbado son
1
y(t) = (t + 1)2 et
2


1 t
2
z(t) = (t + 1) + + 0
e
2
respectivamente. Es facil verificar que si, || < y |0 | < , entonces




|z(t) y(t)| = ( + 0 ) et  | + 0 | et + || 2et + 1 = k () , para todo t.
As, el PVI esta bien planteado > 0.

16

M
etodo de Euler
Dado el PVI
()

0
y (t) = f (t, y(t)), a t b

con y(a) = y0

y supongamos una red de puntos o discretizacion del intervalo [a, b] por:

ti = a + ih, i = 1, 2, ..., n con n N,
ba
es el tama
no de paso. Si () es un problema bien planteado entonces
n
y(t) es su u
nica solucion y asumiendo que esta tiene segunda derivada continua en [a, b]
podemos hacer su desarrollo por Taylor:
donde h =

y(ti+1 ) = y(ti ) + (ti+1 ti ) y 0 (ti ) +

(ti+1 ti )2 00
y (i ),
2

con i (ti , ti+1 ) . Si h = ti+1 ti entonces

y(ti+1 ) = y(ti ) + hy 0 (ti ) +

h2 00
y (i ),
2

y como y(t) debe satisfacer () entonces

y(ti+1 ) = y(ti ) + hf (ti , y(ti )) +

h2 00
y (i ). (ecuacion en diferencias)
2

El Metodo de Euler construye una sucesion wi y(ti ) para cada i = 1, 2, ..., n con
n N, al despreciar el termino de orden dos. Por lo tanto

w0 = y0
()

wi+1 = wi + hf (ti , wi ), i = 1, 2, ..., n

Obs: La implicancia
f (ti , wi ) y 0 (t) = f (ti , y(ti ))

17

supone que estamos trabajando con un problema bien planteado.

Ejercicio: Use el metodo de Euler para aproximar la solucion del PVI anterior dado
por:
0
y (t) = f (t, y(t)) = y t2 + 1, 0 t 2
()

con y(0) = 0.5

Sol: Si consideramos n = 10 entonces h = 15 y ti = 5i con i = 0, 2, ..., 9

w0 = 12
()

wi+1 = wi + 15 (wi t2i + 1) , i = 0, 2, ..., 9

reordenando tenemos
ti
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0

6
1
1
wi+1 = wi t2i +
5
5
5
wi
yi = y(ti ) |yi wi |
0.5000 0.5000
0.0000
0.8000 0.8292
0.0292
1.1520 1.2140
0.0620
1.5540 1.6489
0.0985
1.9884 2.1272
0.1387
2.4581 2.6408
0.1826
2.9498 3.1799
0.2301
3.4517 3.7324
0.2806
3.9501 4.2834
0.3333
4.4281 4.8151
0.3870
4.8657 5.3054
0.4396
18