Método de Euler para resolver ecuaciones diferenciales
¿Qué es el método de Euler?
El método de Euler es una técnica numérica utilizada para aproximar soluciones de ecuaciones diferenciales cuando no es posible, o resulta demasiado complicado, obtener una solución exacta. Se trata de uno de los métodos más simples e importantes del análisis numérico y suele ser el primer algoritmo que se estudia para resolver ecuaciones diferenciales ordinarias.
¿Para qué sirve?
Muchas ecuaciones diferenciales que aparecen en física, ingeniería, economía o biología no pueden resolverse mediante métodos analíticos. En estos casos, una aproximación numérica suele ser suficiente para describir el comportamiento del sistema con una precisión aceptable.
El método de Euler permite obtener esa aproximación calculando sucesivamente una serie de valores de la función a partir de una condición inicial conocida.
Dentro de los métodos estudiados en análisis numérico, destaca por su simplicidad conceptual y por la facilidad con la que puede implementarse en una calculadora o en un programa informático.
Nota. El método de Euler solo permite obtener soluciones particulares y requiere conocer una condición inicial. No proporciona la solución general de la ecuación diferencial. Por ello, se emplea principalmente para resolver problemas concretos en aplicaciones reales.
Cómo funciona el método de Euler
La idea fundamental consiste en sustituir la derivada por una aproximación basada en el cociente incremental:
$$ y' \Rightarrow \frac{\Delta y}{\Delta x} $$
Partimos de una ecuación diferencial ordinaria de primer orden de la forma:
$$ y' = f(x,y) $$
y de una condición inicial:
$$ y_0 = y(x_0) $$
Supongamos que queremos aproximar la solución en un punto \( x^* \).
Para ello dividimos el intervalo \( (x_0,x^*) \) en \( n \) subintervalos iguales de amplitud \( \Delta x \):
$$ \Delta x = \frac{x^* - x_0}{n} $$
Denotamos por \( y_i \) las aproximaciones sucesivas de la solución:
$$ y_i = f(x_i) $$
y por \( \Delta y_i \) la variación entre dos aproximaciones consecutivas:
$$ \Delta y_i = y_{i+1} - y_i $$
Como la derivada se aproxima mediante el cociente incremental, se obtiene:
$$ \frac{\Delta y}{\Delta x} = y' = f(x,y) $$
Despejando \( \Delta y \):
$$ \Delta y = f(x,y)\Delta x $$
Esta expresión conduce directamente a la fórmula de Euler:
$$ y_{i+1} = y_i + f(x_i,y_i)\Delta x $$
Cada nueva aproximación se obtiene sumando al valor anterior la variación estimada:
$$ y_{i+1} = y_i + \Delta y $$
Repitiendo este procedimiento paso a paso se construye una sucesión de puntos que aproxima la solución de la ecuación diferencial.
Nota. En la práctica, este algoritmo suele implementarse mediante un proceso iterativo. Cuando el número de pasos es grande, la iteración resulta más eficiente que la recursión porque consume menos memoria.
Cada iteración genera un punto \( (x_i,y_i) \) en el plano cartesiano.
Al unir estos puntos mediante segmentos rectos se obtiene una línea poligonal conocida como poligonal de Euler, que aproxima la gráfica de la solución.
Ejemplo práctico
Consideremos la ecuación diferencial:
$$ y' = y + x $$
Este ejemplo es especialmente útil porque se conoce su solución exacta. Así podremos comparar la aproximación numérica con el resultado real.
Nota. Es habitual probar los métodos numéricos con problemas cuya solución exacta se conoce previamente. De este modo se puede evaluar el error cometido por el método.
Queremos estimar la solución en:
$$ x^* = 1 $$
Utilizamos la condición inicial:
$$ x_0 = 0 $$
$$ y_0 = y(0) = 1 $$
Por tanto, trabajaremos en el intervalo:
$$ (x_0,x^*) = (0,1) $$
Dividimos dicho intervalo en cinco partes iguales:
$$ \Delta x = \frac{1-0}{5}=0.2 $$
Paso 1
Partimos del punto inicial:
$$ x_0=0 \quad y_0=1 $$
Calculamos el incremento:
$$ \Delta y_1=f(x_0,y_0)\Delta x $$
$$ =f(0,1)\cdot 0.2 $$
Dado que \( f(x,y)=x+y \):
$$ \Delta y_1=(1+0)\cdot 0.2=0.2 $$
La nueva aproximación es:
$$ y_1=1+0.2=1.2 $$
Paso 2
En \( x=0.2 \):
$$ x_1=0.2 \quad y_1=1.2 $$
Calculamos:
$$ \Delta y_2=(0.2+1.2)\cdot 0.2=0.28 $$
$$ y_2=1.2+0.28=1.48 $$
Paso 3
En \( x=0.4 \):
$$ x_2=0.4 \quad y_2=1.48 $$
$$ \Delta y_3=(0.4+1.48)\cdot 0.2=0.376 $$
$$ y_3=1.48+0.376=1.856 $$
Paso 4
En \( x=0.6 \):
$$ x_3=0.6 \quad y_3=1.856 $$
$$ \Delta y_4=(0.6+1.856)\cdot 0.2=0.4912 $$
$$ y_4=1.856+0.4912=2.3472 $$
Paso 5
En \( x=0.8 \):
$$ x_4=0.8 \quad y_4=2.3472 $$
$$ \Delta y_5=(0.8+2.3472)\cdot 0.2=0.62944 $$
$$ y_5=2.3472+0.62944=2.97664 $$
Resultado final
Al llegar a \( x=1 \), obtenemos:
$$ x_5=1.0 \quad y_5=2.97664 $$
Por tanto, la aproximación proporcionada por el método de Euler es:
$$ y(1)=2.97664 $$
La siguiente figura muestra la poligonal de Euler comparada con la solución exacta:
Aunque la aproximación sigue la tendencia general de la curva, el error todavía es apreciable.
Nota. El valor exacto en \( x=1 \) es \( y_R(1)=3.43 \).
El error absoluto es:
$$ E=|2.97664-3.43|=0.45 $$
El error relativo es:
$$ \frac{E}{y_R}=\frac{0.45}{3.43}\approx0.131=13.1\% $$
Un error superior al 13 % resulta significativo para muchas aplicaciones.
Cómo mejorar la precisión
La forma más sencilla de aumentar la precisión consiste en reducir el tamaño del paso \( \Delta x \).
Para lograrlo basta con aumentar el número de subintervalos en la partición.
Por ejemplo, si dividimos el intervalo en 20 subintervalos en lugar de 5:
La nueva aproximación es:
$$ y(1)=3.30 $$
Este valor se encuentra mucho más cerca de la solución exacta \( y_R(1)=3.43 \).
En general, cuanto menor sea el tamaño del paso, mayor será la precisión de la aproximación obtenida mediante el método de Euler.
