ECUACIONES DIFERENCIALES ORDINARIAS

Ejemplo 13.1

Planteamiento del problema. Con el método de Euler integre numéricamente la

ecuación:
dy
 2 x 3  12 x 2  20 x  8.5
dx
desde x = 0 hasta x = 4 con un tamaño de paso 0.5. La condición inicial en x =
0 es y = 1. Recuerde que la solución exacta está dada por la ecuación:

y = –0.5x4 + 4x3 – 10x2 + 8.5x + 1

Ejemplo 13.2

Con la ecuación (13.7) estime el error en el primer paso del ejemplo 13.1. Úsela
también para determinar el error debido a cada uno de los términos de orden
superior en la expansión de la serie de Taylor.

Como se ilustra en el ejemplo 13.2, la serie de Taylor ofrece un medio de

cuantificar el error en el método de Euler. Aunque existen limitaciones asociadas
con su empleo para tal propósito:

1. La serie de Taylor permite sólo una estimación del error de truncamiento

local; es decir, el error generado durante un solo paso del método. No
ofrece una medida del error propagado, por lo tanto, ni del error de
truncamiento global. En la tabla 13.1 se incluyen los errores de
truncamiento local y global para el ejemplo 13.1. El error local se calculó
en cada paso con la ecuación (13.2), pero usando el valor verdadero de
yi (la segunda columna de la tabla) para calcular yi+1 y no el valor
aproximado (la tercera columna), como se hizo con el método Euler.
Como se esperaba, el error de truncamiento local absoluto promedio
(25%) es menor que el error global promedio (90%). La única razón por la
que es posible realizar estos cálculos de error exactos es que conocemos
a priori el valor verdadero. Obviamente éste no será el caso en un
problema real. En consecuencia, como lo analizaremos después, usted a
menudo debe aplicar técnicas como el método de Euler, usando varios
tamaños de paso, para obtener una estimación indirecta de los errores.

2. Como se mencionó anteriormente, en problemas reales por lo común se

tienen funciones más complicadas que simples polinomios. En
consecuencia, las derivadas que se necesitan para obtener la expansión
de la serie de Taylor no siempre serán fáciles de calcular.
Aunque estas limitaciones impiden el análisis exacto del error en la mayoría de
los problemas prácticos, la serie de Taylor brinda una valiosa ayuda en la
comprensión en el comportamiento del método de Euler. De acuerdo con la
ecuación (13.9), se advierte que el error local es proporcional al cuadrado del
tamaño de paso y a la primera derivada de la ecuación diferencial. También se
puede demostrar que el error de truncamiento global es O(h); es decir, es
proporcional al tamaño de paso (Carnahan y colaboradores,1969). Estas
observaciones permiten establecer las siguientes conclusiones útiles:

1. Se puede reducir el error disminuyendo el tamaño del paso.

2. El método dará como resultado predicciones sin error si la función que se
analiza (es decir, la solución de la ecuación diferencial) es lineal, debido a que
en una línea recta la segunda derivada es cero.

Esta última conclusión tiene un sentido intuitivo, puesto que el método de Euler
usa segmentos de línea recta para aproximar la solución. De ahí que al método
de Euler se le conozca como un método de primer orden.

También deberá observarse que este patrón general rige a los métodos de orden
superior de un paso, que se describen en las siguientes páginas. Es decir, un
método de n-ésimo orden dará resultados perfectos si la solución de la EDO es
un polinomio de n-ésimo grado. Además, el error de truncamiento local será
O(hn+1); y el error global, O(hn).

Ejemplo 13.3

Efecto de un tamaño de paso reducido en el método de Euler

Planteamiento del problema. Repita el cálculo del ejemplo 13.1, pero ahora use
un tamaño de paso igual a 0.25.
Métodos para la serie de Taylor de orden superior
Una manera de reducir el error con el método de Euler sería incluir términos de
orden superior en la expansión de la serie de Taylor para la solución. Por
ejemplo, al incluir el término de segundo orden en la ecuación (13.6) resulta:

f '( xi , yi ) 2
yi 1  yi  f ( xi , yi )h  h (13.11)
2!

Con un error de truncamiento local de:

f ''( xi , yi ) 3
Ea  h
6
Aunque la incorporación de términos de orden superior es simple para
implementarse en los polinomios, su inclusión no es tan trivial cuando la EDO es
más complicada.

En particular, las EDO que están en función tanto de la variable dependiente

como de la independiente requieren de la derivación usando la regla de la
cadena. Por ejemplo, la primera derivada de ƒ(x, y) es:

f ( xi , yi ) f ( xi , yi ) dy
f '( xi , yi )  
x y dx
La segunda derivada es:

 f f dy   f f dy 
    
x y dx  x y dx  dy
f ''( xi , yi )    
x x dx

Las derivadas de orden superior se van haciendo cada vez más complicadas.

En consecuencia, como se describe en las próximas secciones, se han

desarrollado métodos alternativos de un paso. Estos esquemas son
comparables en eficiencia con los procedimientos de la serie de Taylor de orden
superior, aunque requieren sólo del cálculo de las primeras derivadas.
MEJORAS DEL MÉTODO DE EULER
Un motivo fundamental de error en el método de Euler es suponer que la
derivada al inicio del intervalo es la misma durante todo el intervalo. Hay dos
modificaciones simples para evitar esta consideración. Como se demostrará más
adelante, de hecho, ambas modificaciones pertenecen a una clase superior de
técnicas de solución llamadas métodos de Runge-Kutta. Debido a que tienen
una interpretación gráfica muy directa, los presentaremos antes de una
deducción formal como los métodos de Runge-Kutta.

Método de Heun
Un método para mejorar la estimación de la pendiente emplea la determinación
de dos derivadas en el intervalo (una en el punto inicial y otra en el final). Las
dos derivadas se promedian después con la finalidad de obtener una mejor
estimación de la pendiente en todo el intervalo. Este procedimiento, conocido
como método de Heun, se presenta en forma gráfica en la figura 13.9.

Recuerde que en el método de Euler, la pendiente al inicio de un intervalo

y’i = ƒ(xi, yi) (13.12)

se utiliza para extrapolar linealmente a yi+1:

yi01  yi  f ( xi , yi )h (13.13)

En el método estándar de Euler debería parar aquí. Sin embargo, en el método

de Heun la yi01 calculada en la ecuación (25.13) no es la respuesta final, sino
una predicción intermedia. Por consiguiente, la distinguimos con un superíndice
0. La ecuación (13.13) se llama ecuación predictora o simplemente predictor. Da
una estimación de yi+1 que permite el cálculo de una estimación de la pendiente
al final del intervalo:

yi' 1  yi  f ( xi 1, yi01 ) (13.13)

Así, se combinan las dos pendientes [ecuaciones (13.12) y (13.14)] para

obtener una pendiente promedio en el intervalo:

yi'  yi' 1 f ( xi , yi )  f ( xi 1 , yi01 )

y' 
2 2
Esta pendiente promedio se utiliza después para extrapolar linealmente desde yi
hasta yi+1 con el método de Euler:

f ( xi , yi )  f ( xi 1 , yi01 )
yi 1  yi  h
2

que se conoce como ecuación correctora o simplemente corrector.

El método de Heun es un procedimiento predictor-corrector. Todos los métodos
de pasos múltiples que se analizarán más adelante son de este tipo. El método
de Heun es el único método predictor-corrector de un solo paso que se
describe en este libro. Como se desarrolló antes, se expresa en forma concisa
como:

Predictor (figura 13.9a) yi01  yi  f ( xi , yi )h (13.15)

f ( xi , yi )  f ( xi 1 , yi01 )
Corrector (figura 13.9b) yi 1  yi  h (13.16)
2

FIGURA 13.9 Representación gráfica del método de Heun. a) Predictor y b) corrector.

Observe que debido a que en la ecuación (13.16) aparece yi+1 a ambos lados del
signo igual, entonces se puede aplicar en una forma iterativa. Es decir, una
estimación anterior se utilizará de manera repetida para proporcionar una
estimación mejorada de yi+1. El proceso se ilustra en la figura 13.10. Deberá
entenderse que este proceso iterativo no necesariamente converge a la
respuesta verdadera, sino que lo hará a una estimación con un error de
truncamiento finito, como se mostrará en el siguiente ejemplo.
 FIGURA 25.10 Representación gráfica de la forma iterativa del
método corrector de Heun para obtener un mejor estimación.

Como en los métodos iterativos similares analizados en secciones anteriores de

este libro, un criterio de terminación para la convergencia del corrector está dado
por

yij1  yij11
t  100% (13.17)
yij1

donde yij11 y yij1 resultan de las iteraciones anterior y actual del corrector,
respectivamente.

Ejemplo 13.4
Con el método de Heun integre y '  4e0.8 x  5 y desde x = 0 hasta x = 4, con un
tamaño de paso igual a 1. La condición inicial es en x = 0, y = 2.

En el ejemplo anterior, la derivada es una función tanto de la variable

dependiente y como de la variable independiente x. En situaciones como los
polinomios, donde la EDO es únicamente función de la variable independiente,
no se requiere el paso predictor [ecuación (13.16)] y el corrector se aplica sólo
una vez en cada iteración. En tales casos, la técnica se expresa en forma concisa
como sigue:

f ( xi )  f ( xi 1 )
yi 1  yi  h (13.18)
2
Observe la similitud entre el lado derecho de la ecuación (13.18) y la regla del
trapecio [ecuación (11.3)]. La relación entre los dos métodos se puede demostrar
formalmente empezando con la ecuación diferencial ordinaria:

dy
 f ( x)
dx
De esta ecuación se obtiene y por integración:

yi 1 xi 1
 yi
dy  
xi
f ( x)dx (13.19)

Cuyo resultado es:

xi 1
yi 1  yi   f ( x)dx (13.20)
xi

O
xi 1
yi 1  yi   f ( x)dx (13.21)
xi

De acuerdo a la regla del trapecio se define como:

xi 1 f ( xi )  f ( xi 1 )
xi
f ( x)dx 
2
h (13.22)

donde h = xi+1 – xi. Sustituyendo la ecuación (13.22) en la (13.21) se tiene:

f ( xi )  f ( xi 1 )
yi 1  yi  h (13.23)
2

Que es equivalente a la ecuación (13.18).

Como la ecuación (13.23) es una expresión directa de la regla del trapecio, el

error de truncamiento local está dado por [recuerde la ecuación (11.6)]:

f ''( ) 3
Et   h (13.24)
12

donde x está entre xi y xi+1. Así, el método es de segundo orden porque la

segunda derivada de la EDO es cero mientras que la solución verdadera es una
cuadrática. Además, los errores local y global son O(h3) y O(h2),
respectivamente. Entonces, al disminuir el tamaño de paso se disminuye el error
más rápido que en el método de Euler. La figura 13.11, que muestra el resultado
usando el método de Heun para resolver el polinomio del ejemplo 13.1,
demuestra dicho comportamiento.
Método del punto medio (o del polígono mejorado)

La figura 25.12 ilustra otra modificación simple del método de Euler. Conocida
como método del punto medio (o del polígono mejorado o el modificado de
Euler), esta técnica usa el método de Euler para predecir un valor de y en el
punto medio del intervalo (figura 13.12a):
h
yi 1/ 2  yi  f ( xi , yi ) (13.25)
2

FIGURA 25.12 Representación gráfica del método del punto medio.

a) Ecuación (13.25) y b) ecuación (13.27).

Después, este valor predicho se utiliza para calcular una pendiente en el punto
medio:
y 'i 1/ 2  f ( xi 1/ 2 , yi 1/ 2 ) (13.26)
que se supone representa una aproximación válida de la pendiente promedio
en todo el intervalo. Dicha pendiente se usa después para extrapolar
linealmente desde xi hasta xi+1 (figura 13.12b):
yi 1/ 2  yi  f ( xi 1/ 2 , yi 1/ 2 )h (13.27)

El método del punto medio es mejor que el método de Euler debido a que utiliza
una estimación de la pendiente en el punto medio del intervalo de predicción.
Recuerde que, como vimos en la diferenciación numérica de la sección anterior,
las diferencias divididas finitas centradas son mejores aproximaciones de las
derivadas, que las versiones hacia adelante o hacia atrás. Una aproximación
centrada, como la de la ecuación (13.26) tiene un error de truncamiento local de
O(h2) en comparación con la aproximación hacia adelante del método de Euler,
que tiene un error de O(h). En consecuencia, los errores local y global del método
del punto medio son O(h3) y O(h2), respectivamente.
 MÉTODOS DE RUNGE-KUTTA
Los métodos de Runge-Kutta (RK) logran la exactitud del procedimiento de la
serie de Taylor sin necesitar el cálculo de derivadas de orden superior. Existen
muchas variantes, pero todas tienen la forma generalizada de la ecuación (13.1):

yi 1  yi   ( xi , yi , h)h (13.28)

Donde  ( xi , yi , h) se conoce como función incremento, la cual puede interpretarse

como una pendiente representativa en el intervalo. La función incremento se
escribe en forma general como

  a1k1  a2k2  ....  an kn (13.29)

Donde las a son constantes las k son

k1  f ( xi , yi ) (13.29a)
k2  f ( xi  p1h, yi  q11k1h) (13.29b)
k3  f ( xi  p2h, yi  q21k1h  q22k2h) (13.29c)
.
.
.
kn  f ( xi  pn 1h, yi  qn 1,1k1h  qn 1,2k2h  ...  qn 1, n 1kn 1h) (13.29d)

donde las p y las q son constantes. Observe que las k son relaciones de
recurrencia. Es decir, k1 aparece en la ecuación k2, la cual aparece en la
ecuación k3, etcétera. Como cada k es una evaluación funcional, esta recurrencia
vuelve eficientes a los métodos RK para cálculos en computadora.

Es posible tener varios tipos de métodos de Runge-Kutta empleando diferentes

números de términos en la función incremento especificada por n. Observe que
el método de Runge-Kutta (RK) de primer orden con n = 1 es, de hecho, el
método de Euler. Una vez que se elige n, se evalúan las a, p y q igualando la
ecuación (13.28) a los términos en la expansión de la serie de Taylor. Así, al
menos para las versiones de orden inferior, el número de términos, n, por lo
común representa el orden de la aproximación. Por ejemplo, en la siguiente
sección, los métodos RK de segundo orden usan la función incremento con dos
términos (n = 2). Esos métodos de segundo orden serán exactos si la solución
de la ecuación diferencial es cuadrática. Además, como los términos con h3 y
mayores se eliminan durante la deducción, el error de truncamiento local es O(h3)
y el global es O(h2). En secciones subsecuentes desarrollaremos los métodos
RK de tercer y cuarto órdenes (n = 3 y 4, respectivamente). En tales casos, los
errores de truncamiento global son O(h3) y O(h4).
Métodos de Runge-Kutta de segundo orden

La versión de segundo orden de la ecuación (13.28) es

yi 1  yi  (a1k1  a2 k2 )h (13.30)

Donde
k1  f ( xi , yi ) (13.30a)
k2  f ( xi  p1h, yi  q11k1h) (13.30b)

Los valores de a1, a2, p1 y q11 se evalúan al igualar la ecuación (13.30) con la
expansión de la serie de Taylor hasta el término de segundo orden. Al hacerlo,
desarrollamos tres ecuaciones para evaluar las cuatro constantes desconocidas.
Las tres ecuaciones son:

a1  a2  1 (13.31)
1
a2 p1  (13.32)
2
1
a2 q11  (13.33)
2

Como tenemos tres ecuaciones con cuatro incógnitas, debemos dar el valor de
una de estas incógnitas para determinar las otras tres. Suponga que damos un
valor para a2. Entonces se resuelven de manera simultánea las ecuaciones
(13.31) a (13.33) obteniendo:

a1  1  a2 (13.34)

1
p1  q11 (13.35)
2a2

Debido a que podemos elegir un número infinito de valores para a2, hay un
número infinito de métodos RK de segundo orden. Cada versión daría
exactamente los mismos resultados si la solución de la EDO fuera cuadrática,
lineal o una constante. Sin embargo, se obtienen diferentes resultados cuando
(como típicamente es el caso) la solución es más complicada. A continuación
presentamos tres de las versiones más comúnmente usadas y preferidas:

Método de Heun con un solo corrector (a2 = 1/2). Si suponemos que a2 es

1/2 de las ecuaciones (13.34) y (13.35) puede obtenerse a1 = 1/2 y p1 = q11 = 1.
Estos parámetros, al sustituirse en la ecuación (25.30), dan:

1 1
yi 1  yi  ( k1  k2 )h (13.36)
2 2
donde
k1  f ( xi , yi ) (13.36a)
k2  f ( xi  h, yi  k1h) (13.36b)
Observe que k1 es la pendiente al inicio del intervalo y que k2 es la pendiente al
final del intervalo. En consecuencia, este método de Runge-Kutta de segundo
orden es, de hecho, la técnica de Heun sin iteración.

El método del punto medio (a2 = 1). Si suponemos que a2 es 1, entonces

a1=0, p1= q11 = 1/2, y la ecuación (13.30) se convierte en:

yi 1  yi  k2 h (13.37)
donde
k1  f ( xi , yi ) (13.37a)
1 1
k2  f ( xi  h, yi  k1h) (13.37b)
2 2

Éste es el método del punto fijo.

Método de Ralston (a2 = 2/3). Ralston (1962) y Ralston y Rabinowitz (1978)

determinaron que al seleccionar a2 = 2/3 se obtiene un mínimo en el error de
truncamiento para los algoritmos RK de segundo orden. Con esta versión, a1 =
1/3 y p1 = q11 = 3/4 y da:

1 2
yi 1  yi  ( k1  k2 )h (13.38)
3 3
donde
k1  f ( xi , yi ) (13.38a)
3 3
k2  f ( xi  h, yi  k1h) (13.38b)
4 4

Ejemplo 13.5
Comparación de varios esquemas RK de segundo orden
Planteamiento del problema. Utilice los métodos de punto medio [ecuación
(13.37)] y el de Ralston [ecuación (13.38)] para integrar numéricamente la
ecuación:

ƒ(x, y) = –2x3 + 12x2 – 20x + 8.5

desde x = 0 hasta x = 4, usando un tamaño de paso de 0.5. La condición inicial

es x = 0, y = 1. Compare los resultados con los valores obtenidos usando otro
algoritmo RK de segundo orden: el método de Heun sin iteración del corrector
(tabla 25.3).