Ecuaciones Diferenciales Ordinarias

ECUACIONES DIFERENCIALES ORDINARIAS
INTRODUCCIÒN
݀‫ݒ‬ ܿ
ൌ ݃ െ ‫ݒ‬
݀‫ݐ‬ ݉
ÿ
Donde g es la constante gravitacional, m es la masa y c es el coeficiente de arrastre. Tales

ecuaciones, que se componen de una función desconocida y de sus derivadas, se conocen
como ecuaciones diferenciales. A la ecuación (1) algunas veces se le llama una ecuación de
razón, ya que expresa la razón de cambio de una variable como una función de variables y
parámetros. Estas ecuaciones desempeñas un papel importante en ingeniería debido a que
muchos fenómenos físicos se formulan matemáticamente mejor en términos de su razón
de cambio.
En la ecuación (1) la cantidad que se está derivando, v, se conoce como variable

dependiente. La cantidad con respecto a la cual v se está derivando, t, se conoce como
variable independiente. Cuando la función tiene una variable independiente, la ecuación se
llama ecuación diferencial ordinaria (oEDP que involucra dos o más variables
independientes.
Las ecuaciones diferenciales se clasifican también en cuanto a su orden por ejemplo la

ecuación (1) se denomina como EDO de primer orden, ya que la derivada mayor es una
primera derivada. Una EDO de segundo orden tiene una segunda derivada, como la mayor
por ejemplo, la ecuación que describe la posición x de un sistema masa-resorte con
amortiguamiento es la EDO de segundo orden.
݀ଶ ‫ݔ‬ ݀‫ݔ‬
݉ ൅ ܿ ൅ ݇‫ ݔ‬ൌ Ͳ

݀‫ݐ‬ ଶ ݀‫ݐ‬
Donde c es un coeficiente de amortiguamiento y K es una constante del resorte. De manera

similar, una ecuación de n-ésimo orden tiene una n-ésima derivada, como la mayor.
Las ecuaciones de orden superior pueden reducirse a un sistema de ecuaciones de primer

orden. Para la ecuación (2), esto se logra al definir una nueva variable y, donde
ௗ௫
‫ݕ‬ൌ
ௗ௧

Que al derivar con respecto a t obtiene:

ௗ௬ ௗమ ௫
ௗ௧
ൌ ௗ௧ మ
Las ecuaciones 3 y 4 se sustituyen después en a ecuación 2 para llegar a

ௗ௬
݉ ௗ௧ ൅ ܿ‫ ݕ‬൅ ݇‫ ݔ‬ൌ Ͳ |
Ò

݀‫ ݕܿ ݕ‬൅ ݇‫ݔ‬
ൌ
݀‫ݐ‬ ݉
Así, las ecuaciones 3 y 6 son un sistema de ecuaciones diferenciales de primer orden,
equivalentes a la ecuación de segundo orden original. Como otras ecuaciones diferencias
de n-èsimo orden pueden reducirse en forma similar.
Un método muy importante que los ingenieros y los matemáticos desarrollaron para
superar este dilema fue la linealizacion. Una ecuación diferencial ordinaria lineal es
aquella que tiene la forma general.
ß ሺ‫ݔ‬ሻ‫ ݕ‬൅ ǥ ൅ ßሺ‫ݔ‬ሻ‫ ݕ‬൅ ß ሺ‫ݔ‬ሻ ൌ ሺሻ
Donde y (n) es la n-èsima derivada de y con respecto a x, y las a y f son funciones en

términos de x. esta ecuación se conoce como lineal debido a que no hay productos o
funciones no lineales de la variable dependiente y, y no existen productos de sus
derivadas. La importancia practicas de las EDO lineales es que se resolverse
analíticamente en cambio la mayoría de las ecuaciones no lineales no pueden resolverse
de manera exacta.

FIGURA PT7.3
Gràficas de a) y contra x, y b) dy/dx para la función y= -0.5O ൅ O െ ૚૙O

V

V

V
ÿ
V

V
ÿ
V

Figura PT7.4
aeis posibles soluciones para la integral de െʹ ଶ ൅ ͳʹ ଶ െ ʹͲ‫ ݔ‬൅ ͺǤͷ cada una
corresponde a un valor diferente de la constante de integraciòn C.
Y
Y

‫ݔ‬௜ Y ‫ݔ‬௜ା YYYYYYYYYYYYYYYYYYYYYYYY IYY

METODO DE EULER Sea ‫ݕ‬௜ା ൌ ‫ݕ‬௜ ൅ ‫݄׎‬
La primera deriva ofrece una estimación directa de la pendiente en ୧
‫ ׎‬ൌ ݂ሺ‫ݔ‬௜ ǡ ‫ݕ‬௜ ሻ
Donde: ሺ୧ ǡ ୧ ሻ es la ecuación diferencial evaluada en ୧ ǡ ୧ la estimación de sustituye en

la ecuación 1
‫ݕ‬௜ା ൌ ‫ݕ‬௜ ൅ ݂ ሺ‫ݔ‬௜ ǡ ‫ݕ‬௜ ሻ݄

Está fórmula se conoce como método de Euler (ó de Euler Ȃ Cauchy o de punto pendiente).
ae predice un nuevo valor de y usando la pendiente (igual a la primera derivada en el valor
original de x) para extrapolar linealmente sobre el tamaño de paso h 2
La solución de una ecuación diferencial ordinaria es una función en términos de la

variable independiente y de parámetros que satisfacen la ecuación diferencial original.
Para ilustra este concepto empecemos con una función dada
¥ ൌ െ૙Ǥ ૞O ൅ O െ ૚૙O ൅ ૡǤ ૞O ൅ ૚ ǥ ࢇ
La cual es un polinomio de cuarto grado. Ahora, si derivamos con respecto de x a la

ecuación (a), obtenemos una EDO:
ࢊ¥
ൌ O ൅ ૚O െ ૙O ൅ ૡǤ ૞ ǥ ࢈
ࢊO
Esta ecuación también describe el comportamiento del polinomio, pero de una manera
diferente a la ecuación (a). Mas que representar explícitamente los valores de y para cada
valor de x, la ecuación (b) de la razón de cambio de y con respecto a x (es decir, la
pendiente) para cada valor de x.
Teorema: / ࢇࡰ ൌ ሼሺOǡ ¥ሻȀࢇ ൑ O ൑ ࢈Ǣ ç ൏ ¥ ൏ ൅çሽ
Y que f (x, y) es continua en D
ai f satisface la condición de LIPaCHITZ en D en la variable (y), entonces el problema de

valor inicial y` = f(x, y) ; X E , ‫܊‬ሿ
Y (a) = ä
Tiene una única solución y (x); X E (a, b)
Ejemplo (método de Euler)
Aproximar la solución de ሺOǡ ¥ሻ ൌ ¥ ൌ OǤ O

െ ¥Ǣ O ‫ہ‬૙ǡ ૚‫ۂ‬¥ሺ૙ሻ ൌ ૙ࡺ ൌ ૞
aoluciones:
ͳെͲ
݄ൌ ൌ ͲǤʹ‫ ݅ݔ‬ൌ ß ൅ ݄݅
ͷ
‫ݔ‬ ൌ Ͳ
‫ݔ‬ ൌ ͲǤʹ
‫ݔ‬ଶ ൌ ͲǤͶ
‫ݔ‬ଷ ൌ ͲǤ͸
‫ݔ‬ସ ൌ ͲǤͺ
‫ݔ‬ହ ൌ ͳǤͲ
ሺሻ = 0
ሺ୶ሻ ൌ Ͳ
ൌ Ͳ
‫ݓ‬௜ ൅ ͳ ൌ ‫ݓ‬௜ ൅ ݄݂ሺ‫ݓ‬௜ Ǣ ‫ݓ‬௜ ሻ
ൌ൐ ‫ݓ‬௜ ൅ ૚ ൌ ‫ݓ‬௜ ൅ ૙Ǥ ൣ‫ݔ‬௜ O

െ ‫ݓ‬௜ ൧¨
Cuando i =0
‫ݓ‬௜ ൌ ‫ ݓ‬൅ ͲǤʹ‫ ݔ‬ଷ௫ െ ʹ‫ ݓ‬ሿ
‫ݓ‬௜ ൌ Ͳ ൅ ͲǤʹͲ െ ʹሺͲሻሿ
‫ ݅ݓ‬ൌ Ͳ
Cuando i = 1
‫ݓ‬ଶ ൌ ‫ ݓ‬൅ ͲǤʹ‫ݔ‬Ǣ ଷ௫ െ ʹ‫ ݓ‬ሿ
‫ݓ‬ଶ ൌ Ͳ ൅ ͲǤʹͲǤʹ Ǥଶ െ Ͳሿ
‫ݓ‬ଶ ൌ ͲǤͲ͹ʹͺͺͻ͹ͷʹͲʹ
Cuando i = 2
‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ͲǤʹ‫ݔ‬ଶǢ ଷ௫ଶ െ ʹ‫ݓ‬ଶሿ
‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ͲǤʹͲǤͶ ଷሺǤସሻ െ ʹ௫Ǥଶ ሿ
‫ݓ‬ଷ ൌ ͲǤ͵Ͳͻ͵ͶͲ͸ʹͲͷሿ
Cuando i = 3
‫ݓ‬ସ ൌ ‫ݓ‬ଷ ൅ ͲǤʹͲǤ͸ଷ௫Ǥ଺ െ ʹ‫ݓ‬ଷሿ
‫ݓ‬ସ ൌ ͲǤͻͳͳͷ͸ͳͺͳͺ͹
Cuando i = 4
‫ݓ‬ହ ൌ ‫ݓ‬ସ ൅ ͲǤʹͲǤͺଷሺǤ଺ሻ െ ʹ‫ݓ‬ସ ሿ
‫ݓ‬ହ ൌ ʹǤ͵ͳͲ͸Ͷͷ͵ͳʹ
MEJORAS DEL METODO DE EULER
Un motivo fundamental de error en el método de Euler es supore: 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 en la sección 25.3 de echo 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
promedian después con la finalidad de obtener una mejor estimación de las dependientes en
todo el intervalo. Este procedimiento, conocido como método de Heun.
Recuerde que en el método de Euler. La pendiente al inicio de un intervalo
¥ ൌ ሺO ǡ ¥ ሻ ǥ a
ae utiliza para extrapolar lineal mente a ¥ ൅ ૚
¥૙ା૚ ൌ ¥ ൅ ሺO ൅ ¥ ሻࢎ ǥ ࢈
En el método estándar de Euler debería parar aquí. ain embargo, en el método de Heun la
‫Ͳݕ‬௜ା calculada en la ecuación (b) no es la respuesta final, sino una predicción intermedia Por
consiguiente, la distinguimos con un superindiee 0. La ecuación (b)se llama ecuación
predictora o simplemente predictor Da una de ‫ݕ‬௜ା que permite el cálculo de una estimación de
la pendiente al final del intervalo:
¥ ା૚ ൌ ሺOା૚Ǥ ¥૙ା૚ሻ ǥ ࢉ
Así. ae combinan las dos pendientes [ecuaciones (a) y (c)] para obtener una
pendiente promedio en el intervalo:
¥ ା¥ ૚ ሺO ǡ¥ሻାሺO ૚ǡ ¥૙૚ ሻ

¥ ൌ
ൌ
Esta pendiente promedio se utiliza después para extrapolar linealmente desde y, hasta ¥ା૚ ,
con el método de Euler:
ሺO ǡ ¥ ሻ ൅ ሺOା૚ǡ¥૙ା૚ ሻ
¥ା૚ ൌ ¥ ൅ ࢎ

Que se conoce como ecuación correctora o simplemente corrector. El método de Heun un

procedimiento predictor Ȃ corrector.
METODO DE TAYLOR DE ORDEN ǲNǳ
aupongamos que Y(x) es la solución del problema valor inicial.
‫ ܡ‬ൌ ܎ሺ‫ܠ‬ǡ ‫ܡ‬ሻǢ ‫ ܠ‬ǡ ‫܊‬ሿ
¥ሺࢇሻ ൌä
Que tiene (n+1) derivadas continuas.
ai se desarrolla la solución y(x) en función del n-èsimo polinomio de Taylor, se tiene la

siguiente.
௛మ ௛೙ ௛೙
‫ݕ‬ሺ‫ݔ‬௜ା ሻ ൌ ‫ݕ‬ሺ‫ݔ‬௜ ሻ ൅ ݄‫ ݕ‬ሺ‫ݔ‬௜ ሻ ൅ ‫( ݕ‬xi )+ y" ሺxi ሻ ൅ ‫ ڮ‬൅ ‫ ݕ‬ሺ ሻ ሺ‫ݔ‬௜ ሻ ൅ ሺ ‫ݕ‬ ା
ሺሻǢ
h3
3! ାሻ
ሺ‫ݔ‬௜ ǡ ‫ݔ‬௜ା ሻ
La diferencia sucesiva de la solución y(x), unidad.
‫ ݕ‬ൌ ݂ሺ‫ݔ‬ǡ ‫ݕ‬ሻ
‫ ݕ‬ൌ ݂ ሺ‫ݔ‬ǡ ‫ݕ‬ሻ
‫ݕ‬ ൌ ݂ ሺ‫ݔ‬ǡ ‫ݕ‬ሻ
‫ڭڭڭ‬Y
‫ ݕ‬௞ ൌ ݂ ௞ି ሺ‫ݔ‬ǡ ‫ݕ‬ሻ
Entonces remplazando:
݄ଶ h3 ݄ଷ
‫ݕ‬ሺ‫ݔ‬௜ା ሻ ൌ ‫ݕ‬ሺ‫ݔ‬௜ ሻ ൅ ݄݂ ሺ‫ݔ‬௜ ሻǢ ‫ݕ‬ሺ‫ݔ‬௜ ሻ ൅ ݂ (xi ; yሺ‫ݔ‬௜ ))+ f'''ሺxi ; y (xi )ሻ ൅ ݂ ሺ‫ݔ‬௜ ‫ݕ‬ሺxi ሻሻ ൅ ‫ڮ‬
ʹ 3! ͵
݄ ା
൅ ݂ ି Ǣ ሺ‫ݔ‬௜ ǡ ‫ݕ‬ሺ‫ݔ‬௜ ሻ ൅ ݂ ሺߞ݅ǡ ‫ݕ‬ሺߞ݅ሻ

൅ͳ
Luego:
‫ ݓ‬ൌä
‫ݓ‬ା ൌ ‫ ݐ݄ݓ‬ሺ ሻ ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ ሻ‫׊‬ൌ 0,n-1
Donde:
௛ ௛
‫ ݐ‬ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ ሻ ൌ ݂ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ ሻ ൅ ݂ ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ ሻ ൅ ݂ ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ ሻሿ
ଶ ଶ
‫ ݕ‬ൌ ݂ሺ൫‫ݔ‬ǡ ‫ݕ‬ሺ‫ݔ‬ሻ൯ ൌ ͳ ൅ ሺ‫ ݔ‬െ ‫ݕ‬ሻ²
‫ ݕ‬ൌ ݂ሺ‫ݔ‬ǡ ‫ݕ‬ሺ‫ݔ‬ሻ ൌ ʹሺ‫ ݔ‬െ ‫ݕ‬ሻሺ‫ ݔ‬െ ‫ݕ‬ሻ
ʹሺ‫ ݔ‬െ ‫ݕ‬ሻሺͳ െ ‫ݕ‬ሻ
ʹሺ‫ ݔ‬െ ‫ݕ‬ሻሺͳ െ ͳ െ ሺ‫ ݔ‬െ ‫ݕ‬ሻଶሻ

݄ ൌ ͲǤʹ
‫ ݔ‬ൌ ʹ
‫ ݔ‬ൌ ʹǤʹ
‫ݔ‬ଶ ൌ ʹǤͶ
‫ݔ‬ଷ ൌ ʹǤ͸
‫ݔ‬ସ ൌ ʹǤͺ
‫ݔ‬ହ ൌ ͵ǤͲ
௛
‫ݓ‬௜ା ൌ ‫ݓ‬௜ ൅ ݄݂ ሺ‫ݔ‬௜ ‫ݓ‬௜ሻ ൅ ଶ ݂ ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ )
‫ݓ‬௜ା ൌ ‫ݓ‬௜ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬௜ െ ‫ݓ‬௜ሻଶ െ ͲǤʹሺ‫ݔ‬௜ െ ‫ݓ‬௜ ሻሿ
Cuando i=0
‫ ݓ‬ൌ ‫ݓ‬௜ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬௜ െ ‫ݓ‬௜ ሻଶ െ ͲǤʹሺ‫ݔ‬௜ െ ‫ݓ‬௜ ሻሿ

‫ ݓ‬ൌ ͳ ൅ ͲǤʹͳ ൅ ሺʹ െ ͳሻï െ ͲǤʹሺʹ െ ͳሻሿ
‫ ݓ‬ൌ ͳǤ͵͸
Cuando i=1
‫ݓ‬ଶ ൌ ‫ ݓ‬൅ ͲǤʹͳ ൅ ሺ‫ ݔ‬െ ‫ ݓ‬ሻଶ െ ͲǤʹሺ‫ ݔ‬െ ‫ ݓ‬ሻሿ

‫ݓ‬ଶ ൌ ͳǤ͵͸ ൅ ͲǤʹͳ ൅ ሺʹǤʹ െ ͳǤ͵͸ሻଶ െ ͲǤʹሺʹǤʹ െ ͳǤ͵͸ሻሿ
‫ݓ‬ଶ ൌ ͳǤ͸͹͹ͶͳͳͺͶ
Cuando i=2
‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬ଶ െ ‫ݓ‬ଶ ሻଶ െ ͲǤʹሺ‫ݔ‬ଶ െ ‫ݓ‬ଶ ሻሿ

‫ݓ‬ଷ ൌ ͳǤ͸͹͹ͶͳͳͺͶ ൅ ͲǤʹͳ ൅ ሺʹǤͶ െ ͳǤ͸͹͹ͶͳͳͺͶሻଶ െ ͲǤʹሺʹǤͶ െ ͳǤ͸͹͹ͶͳͳͺͶሻሿ
‫ݓ‬ଷ ൌ ͳǤͻͲ͸͵ͺͳͲͷͳ
Cuando: i=3
‫ݓ‬ସ ൌ ‫ݓ‬ଷ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬ଷ െ ‫ݓ‬ଷ ሻଶ െ ͲǤʹሺ‫ݔ‬ଷ െ ‫ݓ‬ଷ ሻሿ

‫ݓ‬ସ ൌ ͳǤͻͲ͸͵ͺͳͲͷͳ ൅ ͲǤʹͳ ൅ ሺʹǤ͸ െ ͳǤͻͲ͸͵ͺͳͲͷͳሻଶ െ ሺʹǤ͸ െ ͳǤͻͲ͸͵ͺͳͲͷሻ
‫ݓ‬ସ ൌ2.13586148
Cuando: i=4
‫ݓ‬ହ ൌ ‫ݓ‬ସ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬ସ െ ‫ݓ‬ସ ሻଶ െ ͲǤʹሺ‫ݔ‬ସ െ ‫ݓ‬ସ ሻሿ

‫ݓ‬ହ ൌ ʹǤͳ͵ͷͺ͸ͳͶͺ ൅ ͲǤʹͳ ൅ ሺʹǤͺ െ ʹǤͳ͵ͷͺ͸ͳͶͺሻଶ െ ͲǤʹሺʹǤͺ െ ʹǤͳ͵ͷͺ͸ͳͶͺሻሿ
‫ݓ‬ହ ൌ ͲʹǤ͵͸ͷͶͺͻͺ͵ͷ .
Mètodo de Runge Kutta de Orden 2
௫௜ு ௛
4௫௜ ݂ ሺ‫ݔ‬ǡ ‫ݕ‬ሺ௫ሻ ሻሻ݀௫ ൌ ଶYYY
Y‫ݔ‬௜ு ǡ ‫ݕ‬ሺ‫ݔ‬௜ு ሻYY Y
Y‫ݔ‬௜ ǡ ‫ݕ‬ሺ‫ݔ‬௜ ሻYY
Y
௛
‫ݕ‬ሺ‫ݔ‬௜ା ሻ ൌ ‫ݕ‬ሺ‫ݔ‬௜ ሻY Y YYYY
Y‫ݔ‬௜ା YYYሺ‫ݔ‬௜ା ሻሻ ൅ ݂ሺ‫ݔ‬௜ ǡ ‫ݕ‬ሺ‫ݔ‬௜ ሻY
ଶ
Y
௛
‫ݕ ׵‬ሺ‫ݔ‬௜ା ሻYYYሺ‫ݔ‬௜ ሻ Y YYY
Yሺ‫ݔ‬௜ ǡ ‫ݕ‬ሺ‫ݔ‬௜ ሻY Y
Y‫ݔ‬௜ା YYYሺ‫ݔ‬௜ା ሻYYY
ଶ
? ¥ሺOା૚ ሻ ?
‫ݔ ݕ‬௜ା ൌ ‫ ݕ‬ሺ‫ݔ‬௜ ሻ ൅ ݄݂ሺ‫ݔ‬௜ ǡ ‫ݕ‬ሺ‫ݔ‬௜ ሻሻY
݄
‫ݔ ݕ‬௜ା ൌ ‫ ݕ‬ሺ‫ݔ‬௜ ሻ ൅ ݂ሺ‫ݔ‬௜ ǡ ‫ݕ‬ሺ‫ݔ‬௜ ሻ ൅ ݂ሺ‫ݔ‬௜ା ǡ ‫ݕ‬ሺ‫ݔ‬௜ ሻሿ ൅ ݄݂ሺ‫ݔ‬௜ ǡ ‫ݕ‬ሺ‫ݔ‬௜ ሻሿY
ʹ
u
‫ ݔ‬ൌ ‫݂ݕ‬ሺ‫ݔ‬௜ ǡ ‫ݕ‬ሺ‫ݔ‬௜ ሻሻY
‫ݔ‬ଶ ൌ ‫ ݂ݕ‬ሺ‫ݔ‬௜ା ǡ ‫ݕ‬ሺ‫ݔ‬௜ା ሻሻY
݄
‫ݕ‬ሺ‫ݔ‬௜ା ሻ ൌ ‫ݔݕ‬௜ ሻ ൅ ሺ‫ݔ‬௜ ൅ ݇ଶ ሿY
ʹ
,
݇ ൌ ݄݂ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ ሻY
݇ଶ ൌ ݄݂ሺ‫ݔ‬௜ା ǡ ‫ݓ‬௜ ൅ ݇ ሻY
‫ݓ‬௜ା ൌ ‫ݓ‬௜ ൅ ሺ݇ ǡ ݇ଶ ሻ‫׊‬௜ ൌ Ͳǡ െ ͳY

ଶ
?
‫ ݕ‬ൌ ͳ ൅ ሺ‫ ݔ‬െ ‫ ݕ‬ଶሻYY‫ʹ ݔ‬ǡ͵ሿY
‫ݕ‬ሺʹሻ ൌ ͳYYYYYYYY ܰ ൌ ͷY
a
݄ ൌ ͲǤʹY
‫ ݔ‬ൌ ʹY
‫ ݔ‬ൌ ʹǤʹY
‫ݔ‬ଶ ൌ ʹǤͶY
‫ݔ‬ଷ ൌ ʹǤ͸Y
‫ݔ‬ସ ൌ ʹǤͺY
‫ݔ‬ହ ൌ ͳͲY
Y
Y
݇ ൌ ݂ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ ሻY
݇ଶ ൌ ݂ሺ‫ݔ‬௜ା ǡ ‫ݓ‬௜ ൅ ݇ ሻY
ͳ
‫ݓ‬௜ା ൌ ‫ݓ‬௜ ൅ ݇ ൅ ݇ଶ ሿሻY
ʹ
‫ ݕ‬ൌ ݂ ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ ሻ ൌ ͳ ൅ ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ ሻଶ Y
VYY
¾YY
‫ݔ‬௢ ǡ ‫ݓ‬௢ YYYYYYYYY ‫ݔ‬௢ െ ‫ݓ‬௢ଷ ሻYYYYYYYY ʹ െ ͳଶ YYYYYYYY
¾ଶ YY
Y‫ ݔ‬ǡ ‫ݓ‬௢ ǡ ¾ YYYYYYY YYYYͳ െ ͲǤͶଶYYYYYY
ͳ
‫ ݓ‬ൌ ͳ ൅ ሼͲǤͶ ൅ ͲǤ͵ʹͺሽ ൌ ͳǤ͵͸ͶY
ʹ
V
ÿ
¾ ൌ ͲǤʹ݂ሺ‫ ݔ‬ǡ ‫ ݓ‬ሻ ൌ ͲǤʹሼͳ ൅ ሺ‫ ݔ‬െ ‫ݓ‬ଶ ሻሽYYYYY YYͳǤ͵͸Ͷሻଶ YY
¾ ൌ ͲǤ͵͵ͻ͹͹ͻʹ Y
¾ଶ YYY‫ݔ‬ଶ ǡ ‫ݓ‬ǡ ¾ YYሼͳ ൅ ʹǤͶȂሺͳǤ͵͸ͶȂ ͲǤ ͵͵ͻ͹͹ͻʹሿଶ ሽYY
¾ଶ ൌ ͲǤʹͻ͸ͻͶͶ͸ͺͲͷ Y
‫ݓ‬ଶ YY‫ ݓ‬൅ ሺ݇ ൅ ݇ଶ ሻYY

ଶ
V
݇YYY
Y‫ݔ‬ଶ ǡ ‫ݓ‬ଶ YYmY YͳǤ͸ͺʹ͵͸ͳͻͶሻଶ ሿYYY
݇ଶ
Y
Y‫ݔ‬ଷ ǡ ‫ݓ‬ଶ ൅ ݇ YYY mYY ͲǤ͵Ͳ͵ͲͲͲͺ͹͹ሻሿଶ ሽY
݇ଶYY
‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ሺ݇ ൅ ݇ଶ ሻYYYY

ଶ
V
݇ ൌ ͲǤʹ݂‫ݔ‬ଷ ǡ ‫ݓ‬ଷ YYm YYͳǤͻ͹ͳ͸ͶͲʹ͸ͷሻଶ ሿYYY
݇ଶ ൌ ͲǤʹ݂ሺ‫ݔ‬ସ ǡ ‫ݓ‬ଷ ൅ ݇ሻ ൌ ͲǤʹሼͳ ൅ ʹǤͺ െ ሺͳǤͻ͹ͳ͸ͶͲʹ͸ͷ ൅ ͲǤʹ͹ͺͻ͸͹ͳͻͳ͵ሻሿଶ ሽY
݇ଶ ൌ ͲǤʹ͸Ͳ͵͸͸Ͷ͵͵Ͷ Y V
ͳ
‫ݓ‬ସ ൌ ‫ݓ‬ଷ ൅ ሺ݇ ൅ ݇ଶ ሻ ൌ ʹǤʹͶͳ͵Ͳ͹Ͳ͹͹ Y
ʹ
V
݇ ൌ ͲǤʹ݂‫ݔ‬ସ ǡ ‫ݓ‬ସ YYYm YሺʹǤʹͶͳ͵Ͳ͹Ͳ͹͹ሻଶ ሿ ൌ ͲǤʹ͸ʹͶʹ͹ͷͷ͸͵ YY
݇ଶ ൌ ͲǤʹ݂ሺ‫ݔ‬ହ ǡ ‫ݓ‬ସ ൅ ݇ሻ ൌ ͲǤʹሼͳ ൅ ͵ǤͲ െ ሺʹǤʹͶͳ͵Ͳ͹Ͳ͹͹ ൅ ͲǤʹ͸ʹͶʹ͹ͷͷ͸͵ሻሽଶ ሽ ൌY
݇ଶ ൌ ͲǤʹͶͻʹͷͷͺ͸ʹ͹ Y
‫ݓ‬ହ ൌY‫ݓ‬ସ ൅ ሺ݇ ൅ ݇ଶ ሻYYY

ଶ
Análisis del error para el método de Euler
La solución numérica de las EDO implica dos tipos de error
1. Errores de truncamiento, o de discretización, originados por la naturaleza de las técnicas

empleadas para aproximar los valores de y.
2. Errores de redondeo, causados por el número limitado de cifras significativas que una
computadora puede retener
Los errores de truncamiento se componen de dos panes. La primera es un error de

truncamiento local que resulta de una aplicación del método considerado, en un solo
paso. La segunda es un error de truncamiento propagado que resulta de las aproximaciones
producidas durante los pasos previos. La suma de los dos es el error de truncamiento global o
total. Al adquirir cierta comprensión de la magnitud y de las propiedades del error de
Y
truncamiento, puede desarrollarse el método de Euler directamente de la expansión de la serie
de Taylor Para ello, observe que la ecuación diferencial que se va a integrar ser de la forma
general: ‫ ݕ‬ൌ ݂ሺ‫ݔ‬ǡ ‫ݕ‬ሻ
Donde y' = dy/dx. X, y y son las variables independiente y dependiente, respectivamente. ai La

solución (es decir, la función que describe el comportamiento de y) tiene derivadas continuas,
se representa por una expansión de la serie de Taylor respecto a un valor inicial ሺO ǡ ¥ ሻ. Como
sigue [recuerde la ecuación].
௬೔ ೙ ௬೔ ೙
‫ݕ‬௜ା ൌ ‫ݕ‬௜ ൅ ‫ ݕ‬௜ ݄ ൅ ଶ
݄ï ൅ ‫ ڮ‬൅
݄ ൅ ܴ Y
Donde ݄ ൌ ‫ݔ‬௜ା െ ‫ݔ‬௜ ‫ ܴݕ‬termino remanente, definido como:

క
ܴ ൌ ‫ݕ‬ሺ ାሻ
݄ ା
ା
Y
Donde está en algún lugar en el intervalo de ‫ݔ‬௜ ß‫ݔ‬௜ା El posible desarrollar una forma
alternativa, sustituyendo la ecuación (25.3) en las ecuaciones 2y 3 para obtener
௙ሺ௫ ǡ௬ ሻ ௙ ሺ೙షሻ ሺ௫೔ ǡ௬೔ ሻ

‫ݕ‬௜ା ൌ ‫ݕ‬௜ ൅ ݄ï ൅ ‫ ڮ‬൅ ݄ ൅ Ͳሺ݄ ା
ሻ Y
ଶ
Donde Ͳሺ݄ ା ሻespecifica que el error de truncamiento local es proporcional al tamaño del
paso elevado de la potencia (n+1).
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
୧ା ൌ ୧ ൅ ‫׎‬ሺ୧ ሻ ÿ
Donde ‫׎‬ሺ‫ݔ‬௜ ǡ ‫ݕ‬௜ǡ ݄ሻ 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
‫ ׎‬ൌ ß ݇ ௜ ൅ ß ଶ ݇ ଶ ൅ ‫ ڮ‬൅ ß ݇

Donde las ß son constantes y las ݇ son
݇ ൌ ݂ሺ‫ ݔ‬ǡ ‫ ݕ‬ሻ
݇ଶ ൌ ݂ሺ‫ݔ‬௜ ൅ ‫݄ ݌‬ǡ ‫݄ ݇ ݍ‬ሻ
݇ଷ ൌ ݂ሺ‫ݔ‬௜ ൅ ‫݌‬ଶ ݄ǡ ‫ ݕ‬൅ ‫ݍ‬ଶ ͳ݄ ൅ ‫ݍ‬ଶଶ ݇ଶ ݄ሻ
݇ ൌ ݂ሺ‫ݔ‬௜ ൅ ‫݌‬ ି ݄ǡ ‫ݕ‬௜ ൅‫ݍ‬ ିǤଶ ݄݇ ൅‫ڮ‬൅ ‫ݍ‬ ିǡ ି ݇ ି ݄ሻ

Donde las p y la E son constantes. Observe que las k son relaciones de recurrencia. Es decir, ݇,
aparece en la ecuación ݇ଶ:, ta cual aparece en la ecuación ݇ଷ, etc etc. 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-Kulta 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 ecuaciones 1) 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 ݄ଷ y mayores se eliminan durante la
deducción, el error de truncamiento local es O݄ଷ) y el global es 0(݄ଶ). 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 0(݄ଷ) y 0(݄ସ).
Métodos de Runge-Kutta de segundo orden
La versión de segundo orden de la ecuación (25.28) es
‫ݕ‬௜ା ൌ ሺ‫ݕ‬௜ ൅ ß ݇ ൅ ßଶ݇ଶ ሻ݄

Donde:
݇ ൌ ݂ሺ‫ݔ‬௜ ǡ ‫ݕ‬௜ ሻ
݇ଶ ൌ ݂ሺ‫ݔ‬௜ ǡ ‫݄ ݌‬ǡ ‫ ݕ‬൅ ‫݄ ݇ ݍ‬ሻ

Como se describe en el cuadro 25.1. Los valores de ß ,ßଶǡ‫ ݍݕ݌‬se evalúan al igualar
la ecuación I con la expansión de la sene de Taylor hasta el término de segundo
La versión de segundo orden de la ecuación (1)
୧ା ൌ + ( ൅ ଶ ଶ) h
Donde:
ൌ ሺ୧ ǡ ୧ሻ

ଶ= f (୧+ ǡ ୧ ൅ ) V
Para usar la ecuación (A) debemos determinar los valores de las constantes ǡ ଶǡ ǡ .
Para ello, recordamos que la serie de Taylor de segundo orden para ୧ାǡ en términos de ୧ y f
(୧ǡ ୧ ), se escribe como.
୤ሺ୶౟ǡ୷౟ ሻ
୧ା ൌ ൅ ሺ୧ ǡ ୧ ሻ h + ଶ

ଶ
Donde f (୧ ǡ ୧ ) debe determinarse por derivación usando la regla de la cadena (E)
ப୤ሺ୶ǡ୷ሻ ப୤ሺ୶ǡ୷ሻ ୢ୷
F(୧ǡ ୧)=
?
ப୶
+ ப୷ ୢ୶
ai sustituimos la ecuación (E) en la ecuación (D) se obtiene:

ப୤ ப୤ ୢ୷ ୦మ
୧ା= ൅ ሺ୧ǡ ୧ ሻh ப୶+ ப୷ ൅ ୢ୶ ଶ
La estrategia básica de los métodos de Runge-Kutta es el uso de manipulaciones algebraicas

para obtener los valores de ǡ ଶ ǡ y , que hacen equivalentes a las ecuaciones (1) y (F).
Para ello, primero usamos una serie de Taylor para una función de dos variables se define
como.
ப୥ ப୥
g(x+r , y+s) = g(x,y) + r ப୶ ൅ ப୷ ൅ ǥ
ai se aplica este método para expandir la ecuación (C). ae llega

ப୤ ப୤
f(୧ ൅ ǡ ୧ ൅ ሻ=fሺ୧ǡ ୧ ሻ+ h ப୶ + ப୷ + o (ଶ)
Este resultado se sustituye junto con la ecuación (B) la ecuación (1) para obtener:
ப୤ ப୤
୧ା ൌ ୧ ൅ ൫୧ǡ ୧ ൯ ൅ ଶ ሺ୧ ǡ ୧ ሻ ൅ ଶ ଶ ப୶ ൅ ଶ ଶ ൫୧ǡ୧ ൯ ப୷ ൅ ሺଷሻ
O agrupado términos,
୧ା ൌ ୧ ൅ ሺ୧ǡ ୧ ሻ+ ଶሺ୧ ǡ ୧ ሻ]h

ப୤ ப୤
+ ଶ ப୶ ൅ ଶ ሺ୧ǡ ୧ ሻ ப୷ ଶ൅ሿሺଷ ሻ

Comparación de varios esquemas RK de segundo orden
Planteamiento del problema. Utilice los métodos de punto medio [ecuación (25.37) y el de
Ralston [ecuación (25.38) para integrar numéricamente la ecuación (pt7.136)
f(x,f)= -ʹଷ୶ +12 ଶ - 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).
Solución. El primer paso en el método de punto medio consiste en usar la ecuación (25.37a)
para calcular:
= -2ሺͲሻଷ + 12ሺͲሻଶ-20(0)+ 8.5 = 8.5
ain embargo, como la EDO esta en función solo de x, este resultado carecer de relevancia sobre
el segundo paso [el uso de la ecuación (25.37b)] para calcular:
ଶ= - 2ሺͲǤʹͷሻଷ ൅ ͳʹሺͲǤʹͷሻଶ -20(0.25) + 8.5 = 4.21875
Tabla.- Comparación de los valores verdadero y aproximada de la integra de y = -2ଷ +12ଶ -20x
+ 8.5, con la condición inicial de que y=1 en x=0. Los valores aproximados se calcularon por
medio de tres versiones de los métodos RK de seguros orden, con un tamaño de paso de 0.5.
, Y

X Y verdadero Y ሺΨሻ y ሺΨሻ y ሺΨሻ
Y Y Y Y Y Y Y Y

Y Y Y Y Y Y Y Y
Y Y Y Y Y Y Y Y
Y Y Y Y Y Y Y Y
Y Y Y Y Y Y Y Y
Y Y Y Y Y Y Y Y
Y Y Y Y Y Y Y Y
! Y Y Y Y Y Y Y
Y Y Y Y Y Y Y Y
Y Y Y Y Y Y Y Y
Observe que tal estimación de la pendientes es mucho mas cercana al valor promedio en el
intervalo (4.4375), que la pendiente al inicio del intervalo (8.5) que se habría usado con el
procedimiento de Euler. La pendiente en el punto medio entonces se sustituye en la ecuación
(25.37) para predecir:
Y(0.5) = 1 + 4.21875 (0.5) =3.109375 = 3.4%
El calculo se repite; los resultados se resumen en la figura 25.14 y e la tabla 25.3.

En el método de ralston, en el primer intervalo también es igual a 8.5 y [ecuación (25.38b)].
ଶ = - 2ሺͲǤ͵͹ͷሻଷ + 12ሺͲǤ͵͹ͷሻଶ - 20(0.375) + 8.5 = 2.58203125
La pendiente promedio se calcula mediante:

ଶ
‫( = ׎‬8.5) + (2.58203125) = 4.5546875

ଷ ଷ
Que se utiliza para predecir:
Y(0.5) = 1 + 4.5546875 (0.5) = 3.27734375 = - 1.82 %
Los cálculos se repiten; los resultados se resumen en la figura 25.14 y en la tabla 25.3,
Observe que todo los métodos RK de segundo orden son superiores al método de Euler.
"#$Y
%&"Y
'& Y
& $Y(Y
) "*$ Y
YYYYYY Y
YYYYYY
YYYYYY
YYYYYYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY
Métodos de Runge-Kutta de tercer orden
Para n = 3, es posible efectuar un desarrollo similar al del método de segundo orden

resultado de tal desarrollo genera seis ecuaciones con ocho incógnitas. Por lo tanto se deben
dar a priori los valores de dos de las incógnitas con la finalidad de establecer los parámetros
restantes. Una versión común que se obtiene es
‫ݕ‬ା=y,+ (݇+Ͷ݇ଶ+݇ଷ)h

଺
ÿ
Donde:
૚ ൌ ሺ ǡ ሻ ÿ
ଶ= fሺ ୧ + ଶ h,‫ݕ‬௜ + ଶ ݇h)

ÿ
ଷ = f (‫ݔ‬௜ +h, - h+2 ଶ h)

ÿ
Observe que si la EDO está en función sólo de x, este método de tercer orden se reduce a la
regla de aimpson 1/3. Ralston (1962) y Ralston y Rabinowitz (1978) desarrollaron una versión
alternativa que proporciona un mínimo para el error de truncamiento. En cualquier caso, los
métodos RK de tercer orden tienen errores local y global " de 0(݄ସ) y 0(݄ଷ), respectivamente, y
dan resultados exactos cuando la solución es una cúbica. Al tratarse de polinomios, la ecuación
será también exacta cuando la Inecuación diferencial sea cúbica y la solución sea de cuarto
grado. Ello se debe a la regla de aimpson 1/3 ofrece estimaciones exactas de la integral para
cúbicas.
Métodos de Runge-Kutta de Cuarto orden
El más popular de los métodos RK es el de cuarto orden. Como en el caso de los procedimientos
de segundo orden, hay un número infinito de versiones. La siguiente, es la forma comúnmente
usada y, por lo tanto, le llamamos método clásico RK de cuarto orden:
‫ݕ‬௜ା ൌ ‫ ݕ‬+ (2 ଶ+2 ଷ + ସ)h

଺
Donde:
=f (୧ ,୧ )
ଶ =f (୧ + h,௜ + h)

ଶ ଶ

ଷ =f (୧ +ଶ h,௜ +ଶ ଶ h)

ସ =f (୧ +h,୧ + ଷ h)
Observe que con la Ecuación Diferencial ordinaria (EDO) que están en función sólo de x, el
método RK de cuarto orden es similar a la regla de aimpson 1/3. Además el método RK de
cuarto orden tiene similitud con el procedimiento de Heun en cuanto a que se usan múltiples
estimaciones de la pendiente para obtener una mejor pendiente promedio en el intervalo cada
una de las k representa una pendiente. La ecuación (2) entonces representa un promedio
ponderado de éstas para establecer la mejor pendiente.
Método clásico RK de cuarto orden
Planteamiento del problema.
Con el método clásico RK de cuarto orden integre
f(x, y) = -2‫ ݔ‬ଷ ൅ ͳʹ‫ݔ‬ଶ െ ʹͲ‫ ݔ‬൅ ͺǤͷ
Usando un tamaño de paso h = 0.5 y la condición inicial y = 1 en x = 0;
b) De manera similar integre
f(x, y) = Ͷ Ǥ଼௥ െ ͲǤͷ‫ݕ‬
Utilizando h=0.5 con y(0) = 2 desde x= 0 hasta 0.5
Solución :
a) ae emplea las ecuaciones (25.40a) a (25.40d) para calcular ݇ ൌ ͺǤͷǡ ݇ଶ ൌ ͶǤʹͳͺ͹ͷǡ ݇ଷ ൌ
ͶǤʹͳͺ͹ͷ‫݇ݕ‬ହ ൌ ͳǤʹͷ, las cuales se sustituyen en la ecuación para dar
ͳ
‫ݕ‬ሺͲǤͷሻ ൌ ͳ ൅ ൜ ͺǤͷ ൅ ʹሺͶǤʹͳͺ͹ͷሻ ൅ ʹሺͶǤʹͳͺ͹ͷሻ ൅ ͳǤʹͷሿൠ ͲǤͷ ൌ ͵Ǥʹͳͺ͹ͷ
͸
Que es exacta. Así, como la solución verdadera es una cuartica el método de cuarto orden da un
resultado exacto.
b) En este caso, la pendiente al inicio del intervalo se calcula como sigue:
݇= f (0.2) Ͷ Ǥ଼ሺሻ = - 0.5(2) = 3
Este valor se utiliza para calcular un valor de y y una pendiente en el punto medio.
y(0.25) = 2 + 3(0.25) = 2.75
ଶ(025,2.75) - Ͷ Ǥ଼ሺǤଶହሻ = - 0.5 (2.75) = 3.510611
Esta pendiente, a su vez. ae utiliza para calcular otro valor de y y otra pendiente
el punto medio,
y(0.25) = 2 + 3.510611 (0.25) = 2.877653
ଷ = f(0.25,2.877653) = ) ͶǤ଼ሺሻ - 0.5(2.877653) =3.446785
Después, se usará esta pendiente para calcular un valor de y y una pendiente al fina de un
intervalo
y(0.5)=2+3.071785(0.5)= 3.723392
ସ ൌ ሺͲǤͷǡ ͵Ǥ͹ʹ͵͵ͻʹሻ ൌ ͶǤ଼ሺǤହሻ െ ͲǤͷሺ͵Ǥ͹ʹ͵͵ͻʹሻ ൌ ͶǤͳͲͷ͸Ͳ͵

Por último, las cuatro estimaciones de la pendiente se combinan para obh
pendiente promedio, la cual se utiliza después para realizar la última predicción al
final del intervalo.

Ø=଺[3+2(3.5l0611)+2(3.446785)+4.l05603 ]=3.503399
y(0.5)=2+3.503399(0.5)= 3.751669
que es muy aproximada ¡i la solución verdadera de 3.751521
Métodos de Runge-Kutta de orden superior
Cuando se requieren resultados más exactos, se recomienda el método RK de quinto

orden de Butcher (1964)
୧ା =‫ݕ‬௜ + (7݇+32݇ଷ+7݇଺)h

Donde
݂݇ =ሺ‫ݔ‬௜ ‫ݕ‬௜ )
݇ଶ=f‫ݔ‬௜ + h,+ ݇௜ h]

ସ ସ

݇ଷ ൌ ݂ሺ‫ݔ‬௜ ൅ ସ ݄ǡ ‫ ݕ‬൅ ଼ ݄݇ ൅ ଼ ݇ଶ ݄ሻ

݇ସ ൌ ݂ሺ‫ݔ‬௜ ൅ ݄ǡ ‫ ݕ‬൅ ݇ଶ݄ ൅ ݇ଷ ݄ሻ

ଶ ଶ ଼
ଷ ଷ
݇ହ ൌ ݂ሺ‫ݔ‬௜ ൅ ݄ǡ ‫ ݕ‬൅ ݇ ݄ ൅ ݇ସ ݄ሻ

ସ ଺ ଺
͵ ʹ ͳʹ ͳʹ ͺ
݇଺ ൌ ݂ሺ‫ݔ‬௜ ൅ ݄ǡ ‫ ݕ‬െ ݇ ݄ ൅ ݇ଶ ݄ ൅ ݇ଷ ݄ െ ݇ସ ݄ ൅ ݇ହ ݄
͹ ͹ ͹ ͹ ͹

RUNGE KUTTA
Existen las fórmulas RK de orden superior, como el método Butcher, pero en general la
ganancia de exactitud con métodos al cuarto orden se ve afectada con mayor trabajo
computacional y mayor complejidad.
SISTEMA DE ECUACIONES
Muchos problemas prácticas en la ingeniería y en la ciencia requieren la solución de un sistema

de ecuaciones diferenciales más que da una sola ecuación tales sistemas en general se
presentan como:
ൌ ሺǡ ǡ ଶǡ ‫ڮ‬୬ ሻ

à
à
ୢ୷మ
ൌ ଶ ሺǡ ǡ ଶ ǡ ‫ڮ‬୬ ሻ
ୢ୶
à୬
ൌ ୬ ሺǡ ǡ ଶ ǡ ‫ ڮ‬୬ ሻ
à
La solución de este sistema que se conozcan n condiciones iníciales en el valor inicial de x.
METODO DE EULER
Todos los métodos analizados en este capítulo, para ecuaciones solas, pueden extenderse al
sistema que se mostro antes. Las aplicaciones en la ingeniería llegan a considerar miles de
ecuaciones simultáneas. En todo caso, el procedimiento para resolver un sistema de ecuaciones
únicamente en aplicar la técnica simple por ecuación en cada paso, antes de proceder con el
siguiente. Lo anterior se ilustra mejor con el siguiente ejemplo para el método de Euler simple.
Ejemplo:
aolución de sistemas de EDO usando el método de Euler.
Planteamiento del problema. Resuelva el siguiente sistema de ecuación diferenciales utilizando

el método de Euler, suponiendo que en x = 0, ‫ ݕ‬ൌ a 4y y ‫ݕ‬ଶ ൌ ͸ . Integre hasta x =2 con un
tamaño de paso igual a 0.5.
݀‫ݕ‬ ݀‫ݕ‬ଶ
ൌ െͲǤͷ‫ݕ‬ ൌ Ͷ െ ͲǤ͵‫ݕ‬ଶ െ ͲǤͳ‫ ݕ‬
݀‫ݔ‬ ݀‫ݔ‬
Solución. ae implementa el método de Euler para cada variable como la ecuación (25.2):
‫ ݕ‬ሺͲǤͷሻ ൌ Ͷ ൅ െͲͷሺͶሻሿǤ ͷ ൌ ͵
Observe que ‫ݕ‬, (0)= 4 se emplea en la segunda ecuación en lugar de ‫ݕ‬,(0.5)=3 calculada con la
primera ecuaci{on. Procedimiento de manera similar se tiene:
X Y\ y»
0 4 6
05 3 6.9
1.0 2.25 7.715
1.5 1.6375 8.44525
2.0 1.265625 0.094087
Métodos de Runge-Kutta
Observe que cualquiera de los métodos RK de orden superior expuestos en este capitulo se
pueden aplicar a los sistemas de ecuaciones. ain embargo, debe tenerse cuidado al determinar
las pendientes. Primero Las pendientes para todas las variables en el valor inicial. Esas
pendientes (un conjunto de las ‫ݕ‬ଶ ) se utilizarán después para realizar predicciones de la
variable dependiente en el punto medio del intervalo Tales valores del punto medio (las ݇ଶ )
esas nuevas pendientes se vuelven a usar en el punto de inicio para efectuar otro conjunto de
predicciones del punto medio que lleven a nuevas predicciones de la pendiente en el punto
medio (las ݇ଷ). Estas después se emplearan para realizar predicciones al final del intervalo que
se usarán para desarrollar pendientes al final del intervalo (las ݇ସ). Por ultimo, las k se
combinan er un conjunto de funciones incrementadas y se I levan de nuevo al inicio hacer la
predicción final. El siguiente ejemplo ilustra el procedimiento.
aolución de sistemas de EDO usando et método RK de cuarto orden
Ejemplo: Planteamiento del problema. Con el método RK de cuarto orden resuelva las EDO del
ejemplo.
Solución: .Primero debemos encontrar todas las pendientes al inicio del intervalo
Ǥ ൌ ሺͲǡͶǡ͸ሻ ൌ െͲǤͷሺͶሻ ൌ െʹ
Ǥଶ ൌ ሺͲǡͶǡ͸ሻ ൌ Ͷ െ ͲǤ͵ሺ͸ሻ െ ͲǤͳሺͶሻ ൌ ͳǤͺ
Donde es el i-ésimo valor de k para la j-ésima variable dependiente. Después, se requiere
calcular los primeros valores de ‫ݕ‬Ǥ‫ݕݕ‬ଶǤ en el punto medio:
݄ ͲǤͷ
‫ ݕ‬൅ ݇ǡ ൌ Ͷ ൅ ሺെʹሻ ൌ ͵Ǥͷ
ʹ ʹ
݄ ͲǤͷ
‫ ݕ‬൅ ݇ǡଶ ൌ ͸ ൅ ሺെͳǤͺʹሻ ൌ ͸ǤͶͷ
ʹ ʹ
Que se utilizarán para calcular el primer conjunto de pendientes en el punto medio
‫ݕ‬ଶǡ ൌ ݂ ሺͲǤʹͷǡ͵Ǥͷǡ ͸ǤͶͷሻ ൌ െͳǤ͹ͷ
‫ݕ‬ଶǡଶ ൌ ݂ ሺͲǤʹͷǡ͵Ǥͷǡ ͸ǤͶͷሻ ൌ െͳǤ͹ͳͷ
Estas sirven para determinar el segundo conjunto de predicciones en el punto medio,
݄ ͲǤͷ
‫ ݕ‬൅ ݇ଶǡ ൌ Ͷ ൅ ሺെͳǤ͹ͷሻ ൌ ͵Ǥͷ͸ʹͷ
ʹ ʹ
݄ ͲǤͷ
‫ݕ‬ଶ ൅ ݇ଶǡଶ ൌ ͸ ൅ ሺെͳǤ͹ͷሻ ൌ ͸ǤͶʹͺ͹ͷ
ʹ ʹ
Que se usan para calcular el segundo conjunto de pendientes en el punto medio,
‫ݕ‬ଷǡ ൅ ݂ ሺͲǤʹͷǡ ͵Ǥͷ͸ʹͷǡ ͸ǤͶʹͺ͹ͷሻ ൌ െͳǤ͹ͺͳʹͷ
‫ݕ‬ଷǡଶ ൅ ݂ ሺͲǤʹͷǡ ͵Ǥͷ͸ʹͷǡ ͸ǤͶʹͺ͹ͷሻ ൌ ͳǤ͹ͳͷͳʹͷ
Estas se utilizan para determinar las predicciones al final del intervalo:
‫ ݕ‬൅ ݇ଷǡ ݄ ൌ Ͷ ൅ ሺെͳǤ͹ͺͳʹͷሻሺͲǤͷሻ ൌ ͵ǤͳͲͻ͵͹ͷ
‫ݕ‬ଶ ൅ ݇ଷǡଶ݄ ൌ ͸ ൅ ሺͳǤ͹ͳͷͳʹͷሻሺͲǤͷሻ ൌ ͸Ǥͺͷ͹ͷ͸͵

Que se usan para calcular las pendientes al final del intervalo:
݇ସǡ ൌ ݂ ሺͲǤͷǡ ͵ǤͳͲͻ͵͹ͷǡ ͸Ǥͺͷ͹ͷ͸͵ሻ ൌ ͳǤͷͷͶ͸ͺͺ
݇ସǡଶ ൌ ݂ ሺͲǤͷǡ ͵ǤͳͲͻ͵͹ͷǡ ͸Ǥͺͷ͹ͷ͸͵ሻ ൌ ͳǤ͸͵ͳ͹ͻͶ
Los valores de k se utilizan después para calcular:
ͳ
‫ ݕ‬ሺͲǤͷሻ ൌ Ͷ ൅ െʹ ൅ ʹሺെͳǤ͹ͷ െ ͳǤ͹ͺͳʹͷሻ െ ͳǤͷͷͶ͸ͺͺሿǤ ͷ ൌ ͵Ǥͳͳͷʹ͵Ͷ
͸
‫ݕ‬ସǡଶ ൌ ݂ ሺͲǤͷǡ ͵ǤͳͲͻ͵͹ͷǡ ͸Ǥͺͷ͹ͷ͸͵ሻ ൌ ͳǤ͸͵ͳ͹ͻͶ
MÉTODOS APAPTATIVOS DE RUNGE-KUTTA
Hasta ahora se han presentado métodos para resolver las EDO que emplean un tamaño de paso
constante. En un número significativo de problemas, este llega a representar una cambia de
manera gradual. Tal comportamiento sugiere la posibilidad de emplear
tamaño de paso grande para obtener resultados adecuados; sin embargo, en una región
localizada desde x = 1.75 hasta x = 2.25, la solución tiene un cambio abrupto. La consecuencia
práctica cuando se trabaja con estas funciones es que se requeriría un tamaño de paso muy
pequeño para captar en forma exacta el comportamiento impulsivo. ai se empleara un
algoritmo con tamaño de paso constante, el tamaño de paso más pequeño ; necesario para la
región del cambio abrupto se aplicaría en todo el cálculo. En consecuencia, un tamaño de paso
más pequeño que el necesario (y. por lo tanto, la implicación de más cálculos) se desperdiciaría
en las regiones del cambio gradual.
Los algoritmos que ajustan automáticamente el tamaño de paso pueden evitar tal
desperdicio y lograr así una gran ventaja. Como estos algoritmos se "adaptanǳ a la trayectoria
de la solución, se dice que tienen control adaptativo del tamaño de paso. La
implementación de tales procedimientos requiere la obtención de un estimado del error .
Y
YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYY
FIGURA
Ejemplo de la solución para una EDO que exhibe un cambio abrupto. El ajuste automático del
tamaño de paso tiene grandes ventajas en esos cosos.
De truncamiento local en cada paso. Dicho error estimado puede servir después como
base para aumentar o disminuir el tamaño de paso.
Antes de proceder al desarrollo, debemos mencionar -que además de resolver las

EDO, los métodos descritos en este capítulo también se utilizan para evaluar integrales
definidas. Como se menciona en la introducción de la parte seis, la evaluación de la
Integral:
௕
݅ ൌ න ݂ሺ‫ݔ‬ሻ݀‫ݔ‬
௔
Es equivalente a resolver la ecuación diferencial
݀‫ݕ‬
ൌ ݂ሺ‫ݔ‬ሻ
݀‫ݔ‬
Para y(b) dada la condición inicial y(a) = 0. Así las técnicas se emplean para evaluar con
eficiencia las integrales definidas de funciones que, en general, son suaves,
pero que exhiben regiones de cambio abrupto.
Existen dos procedimientos importantes para incorporar el control adaptativo del

tamaño de paso en los métodos de un paso. En el primero, el error se estima como la
diferencia entre dos predicciones usando el método RK del mismo orden, aunque con
diferentes tamaños de paso. En el segundo, el error de truncamiento local se estima como
la diferencia entre dos predicciones usando métodos RK de diferente orden.
Método adaptativo de RK o de mitad de paso
El método de mitad de paso (o adaptativo de RK) consiste en realizar dos veces cada paso, una
vez como un solo paso e. independientemente, como dos medios pasos la diferencia entre los
dos resultados representa un estimado del error de truncamiento
local. ai ‫ ݕ‬representa la predicción con un solo paso, y‫ݕ‬ଶ, la predicción con .dos medios pasos,
el error οse representa como:
οൌ ‫ݕ‬ଶ െ ‫ݕ‬
ÿ
Además de proporcionar un criterio para el control del tamaño de paso, la ecuación (23.43)
también se utiliza para corregir la predicción ‫ݕ‬ଶ. En la versión RK cuarto orden, la corrección
es:
ο
‫ݕ‬ଶ ՚ ‫ݕ‬ଶ ൅
ହ
Dicha estimación tiene una exactitud de quinto orden.

Método adaptativo de RK de cuarto orden
Planeamiento del problema, utilice el método adaptativo de RK de cuarto orden para integrar
y' = 4 Ǥ଼௫ െ ͲǤͷ‫ ݔ݀
݀ݕ‬ൌ Ͳhasta 2 usando h=2 y la condición inicial la solución verdadera
es y(2) = 14.84392.
Solución. La predicción sencilla con un tamaño de paso h se calcula como sigue
y(2) =ʹ ଺ ͵ ൅ ʹሺ͸ǤͶͲʹͳ͸ ൅ ͶǤ͹ͲͳͲͺሻ ൅ ͳͶǤͳͳͳͲͷʹ ൌ ͳͷǤͳͲͷͺͶሿ

Las predicciones de medio paso son:
y(1) =ʹ ଺ ͵ ൅ ʹሺͶǤʹͳ͹͵Ͳ ൅ ͵Ǥͻͳʹͻ͹ሻ ൅ ͷǤͻͶͷ͸ͺͳሿͳ ൌ ͸ǤʹͲͳͲͶ

y(2) =ʹ͸ǤʹͲͳͲͶ ൅ ଺ ͷǤͺͲͳ͸Ͷ ൅ ʹሺͺǤ͹ʹͻͷͶ ൅ ͹Ǥͻͻ͹ͷ͸ሻ ൅ ͳʹǤ͹ͳʹͺ͵ሿͳ ൌ ͳͶǤͺ͸ʹͶͻ

Por tanto, el error aproximado es:
‫ ܧ‬ൌ ൌ െͲǤͲͳ͸ʹʹ
ସǤ଼଺ଶସିହǤହ଼ସ
ହ
Que está bastante cercano al error verdadero:
‫ ܧ‬ൌ ͳͶǤͺͶ͵ͻʹ െ ͳͶǤͺ͸ʹͶͻ ൌ െͲǤͲͳͺͷ͹
El error estimado se utiliza también para corregir la predicción
‫ݕ‬ଶ ൌ ͳͶǤͺ͸ʹͶͻ െ ͲǤͳ͸ʹʹ ൌ ͳͶǤͺͶ͸ʹ͹
La cual tiene un ‫ ܧ‬ൌ െͲǤͲͲʹ͵ͷ
Método de Kunge-Kutta Fehlberg
Además de dividir en dos el paso, como una estrategia para ajustar el tamaño de paso,
un procedimiento alternativo para obtener estimación del error consiste en calcular dos
predicciones RK de diferente orden. Los resultados se restan después para obtener un
estimado del error local de truncamiento. Un defecto de tal procedimiento es el gran
aumento en la cantidad de cálculos. Por ejemplo, para una predicción de cuarto y quinto orden
se necesita un total de 10 evaluaciones de la función por cada paso. El método de Runge-Kutta
Fehlberg o RK encapsulado sagazmente evita este problema al utilizar un método RK de quinto
orden que emplea las evaluaciones de la función del método RK de cuarto orden
correspondiente. Así, el procedimiento genera la estimación del error ¡con sólo seis
evaluaciones de la función!
En el presente caso, usamos la siguiente estimación de cuarto orden:
͵͹ ʹͷͲ ͳʹͷ ͷͳʹ

Y
‫ݕ‬௜ା ൌ ‫ݕ‬௜ ൅ ൬ ݇ ൅ ݇ଷ ൅ ݇ସ ൅ ݇ ൰݄
͵͹ͺ ͸ʹͳ ͷͻͶ ͳ͹͹ͳ ଺
Junto con la fórmula de quinto orden:
ʹͺʹͷ ͳͺͷ͹ͷ ͳ͵ͷʹͷ ʹ͹͹

Y
‫ݕ‬௜ା ൌ ‫ݕ‬௜ ൅ ൬ ݇ ൅ ݇ଷ ൅ ݇ସ ൅ ݇ ൰݄
ʹ͹͸Ͷͺ Ͷ͵͵ͺͶ ͷͷʹͻ͸ ͳͶ͵͵͸ ଺
Donde:
݇ ൌ ݂ሺ‫ݔ‬௜ ǡ ‫ݕ‬௜ ሻ
ͳ ͳ
݇ଶ ൌ ݂ ൬‫ݔ‬௜ ൅ ݄ǡ ‫ݕ‬௜ ൅ ݇௜ ݄൰
ͷ ͷ
͵ ͵ ͻ
݇ଷ ൌ ݂ ൬‫ݔ‬௜ ൅ ݄ǡ ‫ݕ‬௜ ൅ ݇௜ ݄ ൅ ݇ ݄൰
ͳͲ ͶͲ ͶͲ ଶ
͵ ͵ ͸
݇ସ ൌ ݂ ൬‫ݔ‬௜ ൅ ݄ǡ ‫ݕ‬௜ ൅ ݇ଶ݄ ൅ ݇ଷ ݄൰
ͷ ͳͲ ͷ
ͳͳ ͷ ͹Ͳ ͵ͷ
݇ହ ൌ ݂ ൬‫ݔ‬௜ ൅ ݄ǡ ‫ݕ‬௜ െ ݇ ݄ ൅ ݇ଶ ݄ െ ݇ ݄൅ ݇ ݄൰
ͷͶ ௜ ʹ ʹ͹ ଷ ʹ͹ ସ
͹ ͳ͸͵ͳ ͳ͹ͷ ͷ͹ͷ ͶͶʹ͹ͷ ʹͷ͵
݇଺ ൌ ݂ ൬‫ݔ‬௜ ൅ ݄ǡ ‫ݕ‬௜ ൅ ݇ ݄ െ ݇ଶ ݄ ൅ ݇ଷ݄ ൅ ݇ଷ ݄ ൅ ݇ ݄൰
ͺ ͷͷʹͻ͸ ͷͳʹ ͳ͵ͺʹͶ ͳͳͲͷʹ ͶͲͻ͸ ହ
Así, la EDO se resuelve con la ecuación (4) y el error estimado como la diferencia de las
estimaciones de quinto y cuarto órdenes. Debemos aclarar que los coeficientes usados antes
fueron desarrollados por Cash y Karp (1990). Por esta razón se le llama el
método RK Cash. Karp
Método de Runge-Kutta Fehlberg
Planteamiento del problema. Use la versión Cash- Karp del método de Runge-Kutta
Fehlberg para realizar el mismo cálculo del ejemplo 25.12 desde x =0 hasta 2 con un
tamaño de paso h = 2.
Solución El cálculo de las K se resume en la siguiente tabla.
X Y f(x,y)
݇ 0 2 3
݇ଶ 0.4 3.2 3.908511
Y3 0.6 4.20883 4.359883
Y4 1.2 7.228398 6.832587
Y5 2 15.42765 12.09831
Y6 1.75 12.17686 10.13237
Éstas pueden usarse para calcular la predicción de cuatro órden:
37 250 125 512

Y1 ൌ 2 ൅ ൬ 3൅ 4Ǥ359883 ൅ 6Ǥ832587 ൅ 10Ǥ13237൰ 2 ൌ 14Ǥ83192
378 621 594 1771
Junto con una fórmula de quinto orden:
2825 18575 13525 227 1

Y1 ൌ 2 ൅ ൬ 3൅ 4Ǥ359883 ൅ 6Ǥ832587 ൅ 12Ǥ09831 ൅
27648 48384 55296 14336 4
൅ 10Ǥ13237൰ 2 ൌ 14Ǥ83677
El error estimado se obtiene al restar estas dos ecuaciones para dar:
YY ൌ 14Ǥ83677 െ 14Ǥ83192 ൌ 0Ǥ004842
MÉTODOS DE PASOS MULTIPLES
Los métodos de un paso que se describieron en las secciones anteriores utilizan información de
un solo punto, ሺxi ǡ yi ሻpara predecir un valor de la variable dependiente, yiା1 , en un valor futuro,
de la variable independiente xiା1 . Los procedimientos alternativos, llamados métodos de pasos
múltiples se basan en que, una vez empezado el cálculo, se tiene a disposición información de
los puntos anteriores. La curvatura de las líneas que unen esos valores previos ofrece
información respecto a la trayectoria de la solución. Los métodos de pasos múltiples
explorados en este capítulo aprovechan al información para resolver las EDO.
Fórmulas abiertas (Adams-Bashforth). Las fórmulas de Adams se deducen de varias
formas. Una técnica consiste en escribir una expansión hacia adelante de la ser
Taylor alrededor de x,:
YY Y
YYା1 ൌ Y1 ൅ Y ݄ ൅ ݄2 ൅ ݄ 3 ൅ ‫ڮ‬
2 6
Que también se escribe como:
YYା1 ൌ Y1 ൅ ݄ ቀYY ൅ ௛ YY ൅ ௛ Y Y ൅ ‫ ڮ‬ቁ

2
2 3

De la sección 4.1.3 recuerde que se puede usar una diferencia hacia atrás para aproximar la
derivada:
௙೔ି௙೔ ௙ ೔
݂ ௜ ൌ ൅ ݄ ൅ Ͳሺ݄ଶ ሻ
௛ ଶ
Que al sustituirse en la ecuación (26.36) da como resultado:
݄ ݂௜ െ ݂௜ି ݂ ௜ ݄ଶ
‫ݕ‬௜ା ൌ ‫ ݕ‬൅ ݄ ቊ݂௜ ൅ ቈ ൅ ݄ ൅ Ͳሺ݄ଶ ሻ቉ ൅ ݂ ೔ ൅ ‫ ڮ‬ቋ
ʹ ݄ ʹ ͸
O, agrupando términos:
ଷ ହ
‫ݕ‬௜ା ൌ ‫ ݕ‬൅ ݄ ቀଶ ݂௜ െ ଶ ݂௜ି ቁ ൅ ݄ଷ ݂௜ ൅ Ͳሺ݄ସሻ

ଶ
Esta formula se conoce como la fórmula abierta de Adams de segundo orden. Las
fórmulas abiertas de Adams también se denominan fórmulas de Adams. Bashforth. En
consecuencia la ecuación (26.37) se llama la segunda fórmula de Adams Ȃ Bashforth. Es posible
desarrollar fórmulas de Adams-Bashforth de orden superior sustituyendo
aproximaciones por diferencias superiores en la ecuación (26.36). La formula
abierta de Adams de n-ésimo orden en forma general se representa como.
ି

‫ݕ‬௜ା ൌ ‫ ݕ‬൅ ݄ ෍ ‫ܤ‬௞ ݂௜ି௞ ൅ Ͳሺ݄ ା ሻ
௞ୀ
Orden ࢼ΋ ࢼ૚ ࢼ ࢼ ࢼ ࢼ૞ Error de truncamiento local
YYYYYYYYYYYYYY YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYYYYYYYYYYYYYYYYYYYYYYYY YYYଶ ݄ଶ ݂ ሺሻY

Y
ହ
YYYYYYYYYYYYYYY ͵ȀʹYYYYYYYYYY-YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYYYYYଶ ݄ଷ ݂ ሺሻYYYYYY
Y
YYYYYYYYYYYYYYY-YYYYYYY -YYYYYYYY-YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYYYYYYYYYY ଶସ ݄ସ ݂ ሺଷሻ ሺሻYYYYYY

Y
ଶହ
YYYYYYYYYYYYYY-YYYYYYYYY -YYYYYYY-YYYYYYYYYYY-YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYYYYYYYY ݄ ହ ݂ ሺସሻ ሺሻYYYYY
ଶ
Y
ଶହ
YYYYYYYYYY-YYYYY-YYY-YYYY-YYYYYY-YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY ݄଺ ݂ ሺହሻ ሺሻY
ଶ
Y
݄ ݂ ሺሻY
଼ ሺ଺ሻ
YYYYYYYYYYYY-YYY-YYY-YYY-YYYYYYYY-YYYYY-YYYYYYYYYYYYYYYYYYYY
଺ସ଼
‫ݕ‬Y
‫ݔ‬௜ିଷ Y ‫ݔ‬௜ିଶ Y ‫ݔ‬௜ି Y ‫ݔ‬௜ Y ‫ݔ‬௜ା Y ‫ݔ‬Y

ࢇ
‫ݕ‬Y
‫ݔ‬௜ି Y ‫ݔ‬௜ିଶ Y ‫ݔ‬௜ Y ‫ݔ‬௜ା Y ‫ݔ‬Y
࢈
FIGURA._Representación gráfica de las fórmulas de integración de Adams abierta y cerrada. a)
Y de Adams-Moulton cerrada.
la cuarta fórmula Adams-Bashforth abierta y b) la cuarta fórmula
Fórmulas cerradas (de Adams-Moulíon) Una serie de Taylor hacia atrás alrededor de ୧ା se
୤౟ ୤ ౟
escribe como: ୧ ൌ ୧ା ൅ ୧ି ൅ ଶ െ ଷ ൅ ‫ڮ‬
ଶ ଷ
Al resolver para ‫ݕ‬௜ା se obtiene:
୦ ୦మ
୧ା ൌ ୧ ൅ ቀ୧ା െ ୧ା ൅ ୧ା ൅‫ڮ‬ቁ
ଶ ଺ Y
ae puede usar una diferencia para aproximar la primera derivada:

௙೔ ି௙೔ ௙೔
݂ ௜ା ൌ ௛
൅ ଶ
݄ ൅ Ͳሺ݄ଶ)
Que al sustituirse en la ecuación (26.39,. y agrupando . agrupando términos, da
୧ା ൌ ୧ ൅ ቀଶ ୧ା ൅ ଶ ୧ቁ െ ଶ ݄ଷ ୧ା െ Ͳሺ݄ସ)

Esla fórmula se conoce como la fórmula cerrada de Adams de segundo orden o la segunda
fórmula de Adams-Moulton. Observe también que es la regla del trapecio.
La fórmula cerrada de Adams de Adams de n-ésimo orden generalmente se escribe como:

ି
ሺ‫ ݔ‬൅ ßሻ ൌ ෍ ߚ௞ ݂௟ାି௞ ൅ Ͳሺ݄ ା
ሻ
௞ୀ
Los coeficientes ߚ௞ se muestran en la tabla 26.2. El método de cuarto orden se ilustra en la

figura.
TABLA Coeficientes y error de truncación de los predictores de Adams-Moulton
à ࢼ΋ ࢼ૚ ࢼ ࢼ ࢼ ࢼ૞ ?
Y
YYYYYYYYYYYYYYY ͳȀʹYYYYYYYYYYYYYYY -YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY െ ଶ ݄ ଷ݂ ሺሻYYYYYY

Y
YYYYYYYYYYYYYYY-YYYYYYYYYYYY-YYYYYYYYYYY YY-YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY െ ଶସ ݄ ସ ݂ ሺଷሻ ሺሻYYYYYY

Y
ି
YYYYYYYYYYYYYY-YYYYYYYYYYYY-YYYYYYYYY YY-YYYYYYYYYYYYYY-YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY ݄ହ ݂ ሺସሻ ሺሻYYYYY
ଶ
Y
ଶ
YYYYYYYYYYY-YYYYYYY-YYYYYYY-YYYYYY-YYYYYYYY-YYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYYY െ ݄଺ ݂ ሺହሻ ሺሻY
ସସ
Y
଼଺ଷ
YYYYYYYYYYY-YYYYYY-YYY-YYYY-YYYYYYY-YYYY-YYYYYYYYYYYYYYYY ଺ସ଼ ݄ ݂ ሺ଺ሻ ሺሻY
Método de Adams de cuarto orden. Un método común de pasos múltiples basado

en las fórmulas de integración de Adams utiliza la fórmula de Adams-Bashforth de
cuarto orden (tabla 26.1) como predictor:
ହହ ହ ଷ
‫ݕ‬ι௜ା ൌ ‫ݕ‬௜ ௠ ൅ ݄ሺ ݂௜ ௠ െ ݂௜ି ௠ ൅ ݂௜ିଶ ௠ െ ݂௜ିଷ௠ ሻ

ଶସ ଶସ ଶସ ଶସ `
Y la fórmula de Adams-Moulton de cuarto orden (tabla 26.2) como corrector:
ହ
‫ ݕ‬௝ ௜ା ൌ ‫ݕ‬௜ ௠ ൅ ݄ ቀ ݂ ௝ି ௜ା ൅ ݂௠௜ െ ݂ ௠ ௜ି ൅ ݂ ௠ ௜ିଶቁ

ଶସ ଶସ ଶସ ଶସ `
Los modificadores del predictor y del corrector para el método de Adams de cuarto orden se
desarrollan a como sigue:
ଶହ
‫ܧ‬௣ ൌ ሺ‫ ݕ‬௠ ௜ െ ‫ ݕ‬௜ ሻ
ଶ `
‫ܧ‬௣ ൌ ଶ ሺ‫ ݕ‬௠ ௜ା െ ‫ ݕ‬௜ା ሻ

`
Método de Adams de cuarto orden
Planteamiento del problema con el método de Adams de cuarto orden resuelve el mismo
problema que en el ejemplo.
Solución: El predictor [ecuación (26.44)] se utiliza para calcular el valor en x =1

ହହ ହ ଷ
‫ݕ‬ι௜ ൌ ʹ ൅ ͳ ቀଶସ ͵ െ ଶସ ͳǤͻͻ͵ͺͳͶ ൅ ଶସ ͳǤͻ͸Ͳ͸͸͹ െ ଶସ ʹǤ͸͵͸ͷʹʹͺቁ=6.007539

ߝ௧ ൌ െͲǤͻ͸Ψ
Que también es comparable. Aunque menos exacto que el resultado con el método de Milne.
Este resultado se sustituye en la ecuación VI para corregir de manera iterativa el estimado. El
proceso converge a un valor corregido final de 6.214424 ߝ௧ ൌ ͲǤ͵ʹΨ ), que es un resultado
exacto, pero también al obtenido con el método de Milne.
INTRODUCCIÓN
Dada una función u que depende tanto de x como de y, la derivada parcial de u con respecto a x
en un punto arbitrario (x,y) se define.
݈݅݉ ሺ௫ାο௫ǡ௬ሻି ሺ௫ǡ௬ሻ

ൌ
î
ο‫ ݔ‬՜ Ͳ
ÿ
î௫ ο௫
De manera similar, la derivada parcial con respecto a y se define como:
݈݅݉ ሺ௫ାο௬ǡ௬ሻି ሺ௫ǡ௬ሻ

ൌ
î
î௬ ο‫ ݕ‬՜ Ͳ ο௬
Una ecuación que tiene derivadas parciales de una El orden de una función, de dos ó más
variables independientes, se denomina ecuación diferencial parcial, ó EDP. Por ejemplo.
îమ îమ
î௫ మ
ൌ ʹ‫ ݕݔ‬î௬ మ ൅ ‫ ݑ‬ൌ ͳ

îమ
ൌ ʹ‫ݕݔ‬ ൅ ͺ‫ ݑ‬ൌ ͷ‫ݕ‬
î
î௫ మ î௬ మ
ቀ ቁͿ ൅͸ ൌ‫ݔ‬
î î
î௫మ î௫î௬ మ |
ቀ ቁ Ϳ ൅ ‫ݑݔ‬ ൌ‫ݔ‬
î î
î௫మ î௬
El orden de una EDP es el de la derivada parcial de mayor orden que aparece en la

ecuación. Por ejemplo, las ecuaciones (3 y 4) son de segundo y tercer orden, respectivamente.
ae dice que una ecuación diferencial parcial es lineal, si es lineal en la función

desconocida y en todas sus derivadas, con coeficientes que dependen sólo de las variables
independientes. Por ejemplo, las ecuaciones (3 y 4) son lineales; mientras que las ecuaciones
(5 y 6) no lo son.
Debido a su amplia aplicación es ingeniería, nuestro estudio de las EDP se concentrará en las
ecuaciones diferenciales lineales de segundo orden. Para dos variables independientes, tales
ecuaciones se pueden expresar de la forma general siguiente.
îమ îమ îమ
‫ܣ‬ ൅‫ܤ‬ ൅ ‫ܥ‬ ൅‫ ܦ‬ൌͲ
î௫ మ î௬ మ
î௫ௗ௬

Categorías en las que se clasifican las ecuaciones diferenciales parciales lineales de segundo
orden con dos variables
۰ െ ۳‫ ܒ‬
? ?

൅ ൌ૙
r
r
r‫ ܠ‬ r‫ ܡ‬

?

`

ൌ‫ܓ‬
r
r
r‫ ܠ‬
,
?

૚ ¥
ൌ
¥
ࢇ࢚ ࡯ ࢚
Donde A.B y C son funciones de x y y, y D) e$ una función de x. y. u. ߲óȀ߲‫ݔ‬y ߲óȀ߲‫ݕ‬

Dependiendo de los valores de los coeficientes de los términos de la segunda derivada
(A, B y C). la ecuación (7) se clasifica en una de tres categorías (tabla 1) Esta
clasificación, que se basa en el método de las características, es útil debido a que cada categoría
se relaciona con problemas de ingeniería específicos y distintos, que demandan técnicas de
solución especiales Deberá observarse que en los casos donde A. B y C dependen de x y y. la
ecuación puede encontrarse en una categoría diferente, dependiendo de la ubicación en el
dominio donde la ecuación se satisface. Por sencillez, limitaremos el presente análisis a las EDP
que pertenecen exclusivamente a una de las categorías.

Ecuaciones Diferenciales Ordinarias

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Ecuaciones Diferenciales Ordinarias

Încărcat de

Drepturi de autor:

Formate disponibile

ECUACIONES DIFERENCIALES ORDINARIAS

Donde g es la constante gravitacional, m es la masa y c es el coeficiente de arrastre. Tales

En la ecuación (1) la cantidad que se está derivando, v, se conoce como variable

Las ecuaciones diferenciales se clasifican también en cuanto a su orden por ejemplo la

Donde c es un coeficiente de amortiguamiento y K es una constante del resorte. De manera

Las ecuaciones de orden superior pueden reducirse a un sistema de ecuaciones de primer

Que al derivar con respecto a t obtiene:

Las ecuaciones 3 y 4 se sustituyen después en a ecuación 2 para llegar a

ß ሺ‫ݔ‬ሻ‫ ݕ‬൅ ǥ ൅ ßሺ‫ݔ‬ሻ‫ ݕ‬൅ ß ሺ‫ݔ‬ሻ ൌ ሺሻ

Donde y (n) es la n-èsima derivada de y con respecto a x, y las a y f son funciones en

Gràficas de a) y contra x, y b) dy/dx para la función y= -0.5O ൅ O െ ૚૙O

‫ݔ‬௜ Y ‫ݔ‬௜ା YYYYYYYYYYYYYYYYYYYYYYYY IYY

METODO DE EULER Sea ‫ݕ‬௜ା ൌ ‫ݕ‬௜ ൅ ‫݄׎‬

La primera deriva ofrece una estimación directa de la pendiente en ୧

‫ ׎‬ൌ ݂ሺ‫ݔ‬௜ ǡ ‫ݕ‬௜ ሻ

Donde: ሺ୧ ǡ ୧ ሻ es la ecuación diferencial evaluada en ୧ ǡ ୧ la estimación de sustituye en

‫ݕ‬௜ା ൌ ‫ݕ‬௜ ൅ ݂ ሺ‫ݔ‬௜ ǡ ‫ݕ‬௜ ሻ݄

ECUACIONES DIFERENCIALES ORDINARIAS

La solución de una ecuación diferencial ordinaria es una función en términos de la

¥ ൌ െ૙Ǥ ૞O ൅ O െ ૚૙O ൅ ૡǤ ૞O ൅ ૚ ǥ ࢇ

La cual es un polinomio de cuarto grado. Ahora, si derivamos con respecto de x a la

Teorema: / ࢇࡰ ൌ ሼሺOǡ ¥ሻȀࢇ ൑ O ൑ ࢈Ǣ ç ൏ ¥ ൏ ൅çሽ

Y que f (x, y) es continua en D

ai f satisface la condición de LIPaCHITZ en D en la variable (y), entonces el problema de

Tiene una única solución y (x); X E (a, b)

Ejemplo (método de Euler)

Aproximar la solución de  ሺOǡ ¥ሻ ൌ ¥ ൌ OǤ O

ൌ൐ ‫ݓ‬௜ ൅ ૚ ൌ ‫ݓ‬௜ ൅ ૙Ǥ ൣ‫ݔ‬௜ O

‫ݓ‬௜ ൌ ‫ ݓ‬൅ ͲǤʹ‫ ݔ‬ଷ௫ െ ʹ‫ ݓ‬ሿ

‫ݓ‬௜ ൌ Ͳ ൅ ͲǤʹͲ െ ʹሺͲሻሿ

‫ݓ‬ଶ ൌ ‫ ݓ‬൅ ͲǤʹ‫ݔ‬Ǣ ଷ௫ െ ʹ‫ ݓ‬ሿ

‫ݓ‬ଶ ൌ Ͳ ൅ ͲǤʹͲǤʹ Ǥଶ െ Ͳሿ

‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ͲǤʹ‫ݔ‬ଶǢ ଷ௫ଶ െ ʹ‫ݓ‬ଶሿ

‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ͲǤʹͲǤͶ ଷሺǤସሻ െ ʹ௫Ǥଶ ሿ

‫ݓ‬ସ ൌ ‫ݓ‬ଷ ൅ ͲǤʹͲǤ͸ଷ௫Ǥ଺ െ ʹ‫ݓ‬ଷሿ

‫ݓ‬ହ ൌ ‫ݓ‬ସ ൅ ͲǤʹͲǤͺଷሺǤ଺ሻ െ ʹ‫ݓ‬ସ ሿ

MEJORAS DEL METODO DE EULER

Un método para mejorar la estimación de la pendiente emplea la determinación

Recuerde que en el método de Euler. La pendiente al inicio de un intervalo

ae utiliza para extrapolar lineal mente a ¥ ൅ ૚

¥૙ା૚ ൌ ¥ ൅ ሺO ൅ ¥ ሻࢎ ǥ ࢈

¥ ା૚ ൌ ሺOା૚Ǥ ¥૙ା૚ሻ ǥ ࢉ

¥ ା¥ ૚ ሺO ǡ¥ሻାሺO ૚ǡ ¥૙૚ ሻ

Que se conoce como ecuación correctora o simplemente corrector. El método de Heun un

aupongamos que Y(x) es la solución del problema valor inicial.

‫ ܡ‬ൌ ܎ሺ‫ܠ‬ǡ ‫ܡ‬ሻǢ ‫  ܠ‬ǡ ‫܊‬ሿ

Que tiene (n+1) derivadas continuas.

ai se desarrolla la solución y(x) en función del n-èsimo polinomio de Taylor, se tiene la

La diferencia sucesiva de la solución y(x), unidad.

‫ ݕ‬ൌ ݂ሺ‫ݔ‬ǡ ‫ݕ‬ሻ

‫ ݕ‬ൌ ݂ ሺ‫ݔ‬ǡ ‫ݕ‬ሻ

‫ݕ‬ ൌ ݂ ሺ‫ݔ‬ǡ ‫ݕ‬ሻ

‫ ݕ‬௞ ൌ ݂ ௞ି ሺ‫ݔ‬ǡ ‫ݕ‬ሻ

‫ݓ‬ା ൌ ‫ ݐ݄ݓ‬ሺ ሻ ሺ‫ݔ‬௜ ǡ ‫ݓ‬௜ ሻ‫׊‬ൌ 0,n-1

‫ ݕ‬ൌ ݂ሺ൫‫ݔ‬ǡ ‫ݕ‬ሺ‫ݔ‬ሻ൯ ൌ ͳ ൅ ሺ‫ ݔ‬െ ‫ݕ‬ሻ²

‫ ݕ‬ൌ ݂ሺ‫ݔ‬ǡ ‫ݕ‬ሺ‫ݔ‬ሻ ൌ ʹሺ‫ ݔ‬െ ‫ݕ‬ሻሺ‫ ݔ‬െ ‫ݕ‬ሻ

ʹሺ‫ ݔ‬െ ‫ݕ‬ሻሺͳ െ ‫ݕ‬ሻ

ʹሺ‫ ݔ‬െ ‫ݕ‬ሻሺͳ െ ͳ െ ሺ‫ ݔ‬െ ‫ݕ‬ሻଶሻ

‫ ݓ‬ൌ ‫ݓ‬௜ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬௜ െ ‫ݓ‬௜ ሻଶ െ ͲǤʹሺ‫ݔ‬௜ െ ‫ݓ‬௜ ሻሿ

‫ݓ‬ଶ ൌ ‫ ݓ‬൅ ͲǤʹͳ ൅ ሺ‫ ݔ‬െ ‫ ݓ‬ሻଶ െ ͲǤʹሺ‫ ݔ‬െ ‫ ݓ‬ሻሿ

‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬ଶ െ ‫ݓ‬ଶ ሻଶ െ ͲǤʹሺ‫ݔ‬ଶ െ ‫ݓ‬ଶ ሻሿ

‫ݓ‬ସ ൌ ‫ݓ‬ଷ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬ଷ െ ‫ݓ‬ଷ ሻଶ െ ͲǤʹሺ‫ݔ‬ଷ െ ‫ݓ‬ଷ ሻሿ

‫ݓ‬ହ ൌ ‫ݓ‬ସ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬ସ െ ‫ݓ‬ସ ሻଶ െ ͲǤʹሺ‫ݔ‬ସ െ ‫ݓ‬ସ ሻሿ

ß ሺ‫ݔ‬ሻ‫ ݕ‬൅ ǥ ൅ ßሺ‫ݔ‬ሻ‫ ݕ‬൅ ß ሺ‫ݔ‬ሻ ൌ ሺሻ

La primera deriva ofrece una estimación directa de la pendiente en ୧

Donde: ሺ୧ ǡ ୧ ሻ es la ecuación diferencial evaluada en ୧ ǡ ୧ la estimación de sustituye en

Aproximar la solución de ሺOǡ ¥ሻ ൌ ¥ ൌ OǤ O

‫ݓ‬௜ ൌ ‫ ݓ‬൅ ͲǤʹ‫ ݔ‬ଷ௫ െ ʹ‫ ݓ‬ሿ

‫ݓ‬௜ ൌ Ͳ ൅ ͲǤʹͲ െ ʹሺͲሻሿ

‫ݓ‬ଶ ൌ ‫ ݓ‬൅ ͲǤʹ‫ݔ‬Ǣ ଷ௫ െ ʹ‫ ݓ‬ሿ

‫ݓ‬ଶ ൌ Ͳ ൅ ͲǤʹͲǤʹ Ǥଶ െ Ͳሿ

‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ͲǤʹ‫ݔ‬ଶǢ ଷ௫ଶ െ ʹ‫ݓ‬ଶሿ

‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ͲǤʹͲǤͶ ଷሺǤସሻ െ ʹ௫Ǥଶ ሿ

‫ݓ‬ସ ൌ ‫ݓ‬ଷ ൅ ͲǤʹͲǤ͸ଷ௫Ǥ଺ െ ʹ‫ݓ‬ଷሿ

‫ݓ‬ହ ൌ ‫ݓ‬ସ ൅ ͲǤʹͲǤͺଷሺǤ଺ሻ െ ʹ‫ݓ‬ସ ሿ

¥૙ା૚ ൌ ¥ ൅ ሺO ൅ ¥ ሻࢎ ǥ ࢈

¥ ା૚ ൌ ሺOା૚Ǥ ¥૙ା૚ሻ ǥ ࢉ

¥ ା¥ ૚ ሺO ǡ¥ሻାሺO ૚ǡ ¥૙૚ ሻ

‫ ܡ‬ൌ ܎ሺ‫ܠ‬ǡ ‫ܡ‬ሻǢ ‫ ܠ‬ǡ ‫܊‬ሿ

‫ ݓ‬ൌ ‫ݓ‬௜ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬௜ െ ‫ݓ‬௜ ሻଶ െ ͲǤʹሺ‫ݔ‬௜ െ ‫ݓ‬௜ ሻሿ

‫ݓ‬ଶ ൌ ‫ ݓ‬൅ ͲǤʹͳ ൅ ሺ‫ ݔ‬െ ‫ ݓ‬ሻଶ െ ͲǤʹሺ‫ ݔ‬െ ‫ ݓ‬ሻሿ

‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬ଶ െ ‫ݓ‬ଶ ሻଶ െ ͲǤʹሺ‫ݔ‬ଶ െ ‫ݓ‬ଶ ሻሿ

‫ݓ‬ସ ൌ ‫ݓ‬ଷ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬ଷ െ ‫ݓ‬ଷ ሻଶ െ ͲǤʹሺ‫ݔ‬ଷ െ ‫ݓ‬ଷ ሻሿ

‫ݓ‬ହ ൌ ‫ݓ‬ସ ൅ ͲǤʹͳ ൅ ሺ‫ݔ‬ସ െ ‫ݓ‬ସ ሻଶ െ ͲǤʹሺ‫ݔ‬ସ െ ‫ݓ‬ସ ሻሿ

? ¥ሺOା૚ ሻ ?

,

‫ݓ‬௜ା ൌ ‫ݓ‬௜ ൅ ሺ݇ ǡ ݇ଶ ሻ‫׊‬௜ ൌ Ͳǡ െ ͳY

‫ ݕ‬ൌ ͳ ൅ ሺ‫ ݔ‬െ ‫ ݕ‬ଶሻYY‫ʹ ݔ‬ǡ͵ሿY

¾ ൌ ͲǤʹ݂ሺ‫ ݔ‬ǡ ‫ ݓ‬ሻ ൌ ͲǤʹሼͳ ൅ ሺ‫ ݔ‬െ ‫ݓ‬ଶ ሻሽYYYYY YYͳǤ͵͸Ͷሻଶ YY

¾ଶ YYY‫ݔ‬ଶ ǡ ‫ݓ‬ǡ ¾ YYሼͳ ൅ ʹǤͶȂሺͳǤ͵͸ͶȂ ͲǤ ͵͵ͻ͹͹ͻʹሿଶ ሽYY

‫ݓ‬ଶ YY‫ ݓ‬൅ ሺ݇ ൅ ݇ଶ ሻYY

‫ݓ‬ଷ ൌ ‫ݓ‬ଶ ൅ ሺ݇ ൅ ݇ଶ ሻYYYY

݇ ൌ ͲǤʹ݂‫ݔ‬ଷ ǡ ‫ݓ‬ଷ YYm YYͳǤͻ͹ͳ͸ͶͲʹ͸ͷሻଶ ሿYYY

݇ଶ ൌ ͲǤʹ݂ሺ‫ݔ‬ସ ǡ ‫ݓ‬ଷ ൅ ݇ሻ ൌ ͲǤʹሼͳ ൅ ʹǤͺ െ ሺͳǤͻ͹ͳ͸ͶͲʹ͸ͷ ൅ ͲǤʹ͹ͺͻ͸͹ͳͻͳ͵ሻሿଶ ሽY

݇ ൌ ͲǤʹ݂‫ݔ‬ସ ǡ ‫ݓ‬ସ YYYm YሺʹǤʹͶͳ͵Ͳ͹Ͳ͹͹ሻଶ ሿ ൌ ͲǤʹ͸ʹͶʹ͹ͷͷ͸͵ YY

݇ଶ ൌ ͲǤʹ݂ሺ‫ݔ‬ହ ǡ ‫ݓ‬ସ ൅ ݇ሻ ൌ ͲǤʹሼͳ ൅ ͵ǤͲ െ ሺʹǤʹͶͳ͵Ͳ͹Ͳ͹͹ ൅ ͲǤʹ͸ʹͶʹ͹ͷͷ͸͵ሻሽଶ ሽ ൌY

‫ݓ‬ହ ൌY‫ݓ‬ସ ൅ ሺ݇ ൅ ݇ଶ ሻYYY

௙ሺ௫ ǡ௬ ሻ ௙ ሺ೙షሻ ሺ௫೔ ǡ௬೔ ሻ

୧ା ൌ ୧ ൅ ‫׎‬ሺ୧ ሻ ÿ

݇ ൌ ݂ሺ‫ ݔ‬ǡ ‫ ݕ‬ሻ

݇ଶ ൌ ݂ሺ‫ݔ‬௜ ൅ ‫݄ ݌‬ǡ ‫݄ ݇ ݍ‬ሻ

݇ଷ ൌ ݂ሺ‫ݔ‬௜ ൅ ‫݌‬ଶ ݄ǡ ‫ ݕ‬൅ ‫ݍ‬ଶ ͳ݄ ൅ ‫ݍ‬ଶଶ ݇ଶ ݄ሻ

݇ ൌ ݂ሺ‫ݔ‬௜ ǡ ‫ݕ‬௜ ሻ

୧ା ൌ + ( ൅ ଶ ଶ) h

ଶ= f (୧+ ǡ ୧ ൅ ) V

୧ା ൌ ୧ ൅ ሺ୧ǡ ୧ ሻ+ ଶሺ୧ ǡ ୧ ሻ]h

f(x,f)= -ʹଷ୶ +12 ଶ - 20x + 8.5

= -2ሺͲሻଷ + 12ሺͲሻଶ-20(0)+ 8.5 = 8.5

ଶ= - 2ሺͲǤʹͷሻଷ ൅ ͳʹሺͲǤʹͷሻଶ -20(0.25) + 8.5 = 4.21875

, Y

Y Y Y Y Y Y Y Y

Y(0.5) = 1 + 4.21875 (0.5) =3.109375 = 3.4%

ଶ = - 2ሺͲǤ͵͹ͷሻଷ + 12ሺͲǤ͵͹ͷሻଶ - 20(0.375) + 8.5 = 2.58203125

Y(0.5) = 1 + 4.5546875 (0.5) = 3.27734375 = - 1.82 %

ଶ= fሺ ୧ + ଶ h,‫ݕ‬௜ + ଶ ݇h)

ଷ = f (‫ݔ‬௜ +h, - h+2 ଶ h)

‫ݕ‬௜ା ൌ ‫ ݕ‬+ (2 ଶ+2 ଷ + ସ)h

=f (୧ ,୧ )

ସ =f (୧ +h,୧ + ଷ h)