Análisis del caso Solución numérica de ecuaciones diferenciales con incertidumbre y aplicaciones
Contenido principal del artículo
Resumen
Introducción: Para la solución de problemas que requieren ser resueltos de manera exacta. cuya solución debe ser tratada por medio de los métodos numéricos Objetivo: La presente investigación tiene como objetivo realizar un estudio de los métodos numéricos de Euler y Runge Kutta con la finalidad de realizar una aproximación a la solución de ecuaciones diferenciales aleatorias las cuales utilizan el cálculo estocástico referente a la media cuadrática. Metodología: Dentro del proceso de desarrollo la metodología de Euler se analiza en primera instancia dentro del caso escalar y posteriormente se lo dimensiona a problemas matriciales, Resultados: obteniendo un análisis de la aplicación de los métodos numéricos al estudio de un circuito eléctrico el cual se desarrolla con ruido aleatorio, en el caso específico de ruidos blanco característicos e irregulares conducen a otro tipo de ecuaciones diferenciales con cierto grado de incertidumbre denominadas ecuaciones diferenciales estocásticas. Conclusión: El esquema Euler permite llegar a la conclusión de que la convergencia lenta y el aspecto de restricción de su región de estabilidad absoluta nos permite considerar otros métodos donde la convergencia es mayor, planteando así un estudio adicional del esquema aleatorio Runge- Kutta, siendo un método superior al de Euler por lo cual su orden de convergencia global es cuarto.
Descargas
Detalles del artículo
Citas
Azor, Ainhoa, Juan Carlos Cort, Dolores Rosell, Ster E. N. Investigaci, and Tica Septiembre. 2020. “Solución Numérica de Ecuaciones Diferenciales Con Incertidumbre y Aplicaciones.”
Azorín Penalva, A. (2020). Solución numérica de ecuaciones diferenciales con incertidumbre y aplicaciones.
Bossis, G., Marins, J., Kuzhir, P., Volkova, O., & Zubarev, A. (2015). Functionalized
Cortés, J., Jódar L., y Villafuerte L., (2007). Numerical solution of random differential equations: a mean square approach. Math Comput. Model. 45, 757-765.
Henrici, P., (1962). Discrete Variable Methods in Ordinary Differential Equations. John Wiley and Sons, New York.
Lecca, E. R., & Puente, M. M. (2006). Aplicaciones computacionales de las ecuaciones diferenciales estocásticas. Industrial Data, 9(1), 64-75.
Oksendal, B., (1998). Stochastic Differential Equations: An Introduction with Applications. Springer, New York, 5th edn.
Khodabin M y Rostami M., (2015). Mean square numerical solution of stochastic differential equations by fourth order Runge-Kutta method and its application in the electric circuits with noise. Advances in Difference Equations, 62, 1-19. [2] L.
Villafuerte A (2007). Numerical and Analytical Mean Square Solutions for Random Differential Models. Tesis Doctoral, Universidad Politécnica de Valencia
Seminario, Ricardo. 2012. “Metodos Númericos Para Ingenieria.” Libro 69.
Soong, T., (1973). Random Diferential Equations in Science and Engeneering. Academic Press, New York.