Método para la inversión numérica de transformada de Laplace

Este método de inversión numérica para transformadas de Laplace, se basa en una expansión de
la serie de Fourier desarrollada por Durbin. La desventaja de los métodos de inversión de ese tipo,
la dependencia encontrada de la discretización y el error de truncamiento en los parámetros libres,
se elimina mediante la aplicación simultánea de un procedimiento para la reducción del error de
discretización, un método para acelerar la convergencia de la serie de Fourier y un procedimiento
que calcula aproximadamente la 'Mejor' elección de los parámetros libres. Apropiado para un
problema dado, el método de inversión permite la adecuada aplicación de estos procedimientos.
Por lo tanto, en una amplia gama de aplicaciones se puede lograr una alta precisión con sólo unas
pocas evaluaciones de Transformada de Laplace. El método de inversión se implementa como
una subrutina FORTRAN.
La importancia de la inversión numérica de Laplace es evidente a partir de la gran variedad de
aplicaciones. Bien Conocidos en ingeniería, los métodos de transformación de Laplace también
se utilizan para resolver Ecuaciones integrales y para ayudar cuando se aplican otros métodos
numéricos.
Los autores, Simon en 1972, Veillon en 1974 y Crump en 1976, utilizaron diferentes métodos
para acelerar la convergencia de la serie de Fourier derivado en La Aceleración de la
Convergencia y La Elección de Parámetros Óptimos. Algunos de estos métodos a veces logran
una reducción considerable del error de truncamiento. Sin embargo, fallan en otros Y su eficacia
depende en gran medida de la elección de los parámetros de los métodos de Durbin o Dubner y
Abate, y la elección de estos parámetros fue algo arbitraria.
La mayor desventaja de los métodos mencionados anteriormente es la dependencia de los errores
de discretización y truncamiento en los parámetros libres: mediante una elección adecuada de
estos parámetros, el error de discretización Se hace arbitrariamente pequeña, pero al mismo
tiempo el error de truncamiento crece hasta el infinito y viceversa. Un primero Paso en la
superación de este problema se tomó en el método llamado Korrektur, el cual permite una notable
reducción del error de discretización sin aumentar el truncamiento error.
Sin embargo, la exactitud del método «Korrektur» también depende de una buena elección de los
parámetros, ya que una buena elección de los parámetros libres no solo es importante para la
exactitud de los resultados sino también para la aplicación del método Korrektur y los métodos
para la aceleración de la convergencia. Si se utiliza el algoritmo electrónico para acelerar la
convergencia de la serie no es posible calcular el factor de aceleración para el N grande con la
precisión deseada (el algoritmo electrónico se descompone después de un cierto 𝑁0 < 𝑁
Dependiendo de v, t y T, el 𝑁0 no se conoce de antemano) Por lo tanto, el método mínimo-
máximo permite una determinación más precisa de los parámetros óptimos por el Método A o B,
y por lo tanto del error total.
La Aceleración de la Convergencia describe brevemente tres métodos de aceleración utilizados
en la subrutina LAPIN: el algoritmo electrónico, el método mínimo-máximo y un método basado
en la adaptación de curvas. Este último es un nuevo método para la aceleración de la convergencia
de la serie de Fourier. Es Aplicable si la serie infinita para la aproximación de la integral de
inversión no se alterna. Para un 𝑓𝑁 (𝑡) no monótono, el algoritmo electrónico (EPAL) y el método
mínimo-máximo (MINIMAX) en general aumentan significativamente la tasa de convergencia.
Sin embargo, fallan como lo hacen la transformación de Euler y el procedimiento de extrapolación
de Aitken.
Finalmente, en El Método de Durbin o Método de inversión y de Aceleración de la Convergencia,
antes mencionados se encuentra mejor por medio de pruebas numéricas, así como por las
estimaciones de error derivadas se resumen.
Un nuevo algoritmo para la inversión numérica de Laplace, teniendo en cuenta lo nuevo, arriba
se describe y se implementa como una subrutina FORTRAN. Esta subrutina se puede utilizar
como una "caja negra": los únicos parámetros de entrada son los valores t para los cuales 𝑓(𝑡) =
𝐿−1 [𝐹(𝑠)] y por supuesto la transformada de Laplace 𝐹(𝑠). Por otro lado por un problema
concreto el usuario puede hacer una selección óptima de todos los parámetros libres para tener
eficiente de los algoritmos contenidos en la subrutina.
La eficiencia del método de inversión se mostrará en el siguiente ejemplo.

−𝑡 3 +9𝑡 2 −18𝑡+6 (𝑠−1)3

𝑓(𝑡) = 6
, 𝐹(𝑠) = 𝑠4

Código del LAPIN LAPIN

Método 1 − 2 − 0 − 2 (𝑆𝑖𝑛 ′𝐾𝑜𝑟𝑟𝑒𝑘𝑡𝑢𝑟′) 1 − 2 − 1 − 2 (𝐶𝑜𝑛 ′𝐾𝑜𝑟𝑟𝑒𝑘𝑡𝑢𝑟′)
𝑁𝑆1 + 𝑁𝑆2 100 60 + 40
t Error Absoluto 𝑣𝑂𝑃𝑇 . 𝑇 Error Absoluto 𝑣𝑂𝑃𝑇 . 𝑇
Real Por (33) Real Por (33)
1 0.1 D -10 0.2 D-10 12.2 0.3 D -12 0.4 D -15 9.4
3 0.9 D -10 0.1 D-10 14.7 0.6 D -12 0.5 D -13 9.9
6 0.1 D -09 0.2 D-10 15.4 0.2 D -12 0.2 D -12 10.1
0 0.5 D -10 0.7 D-10 16.0 0.8 D -13 0.1 D -12 10.6

CPU-Time
Segundo
(𝑡 = 1(1)10) 1.49 0.81

(HONIG, 1983)
(HIRDES, 1983)

Bibliografía
HIRDES, U. (1983). A method for the numerical inversion of Laplace transforms. Alemania:
Institut für FestkOrperforsehung, Kernforschungsanlage Jülich.
HONIG, G. (1983). A method for the numerical inversion of Laplace transforms. Rio de
Janeiro, Brasil: Departamento de Informatica, Pontifica Universidad Católica .