ECUACIONES DIFERENCIALES

ORDINARIAS

Las EDO y la práctica en ingeniería

Las leyes fundamentales de la física: la mecánica, la electricidad y la
termodinámica con frecuencia se basan en observaciones empíricas que
explican las variaciones de las propiedades físicas y los estados de los
sistemas. Más que en describir directamente el estado de los sistemas físicos,
las leyes a menudo se expresan en términos de los cambios del espacio y del
tiempo.

En la tabla PT7.1 se muestran algunos ejemplos. Esas leyes definen

mecanismos de cambio. Cuando se combinan con las leyes de conservación
de la energía, masa o momentum, resultan ecuaciones diferenciales. La
integración subsecuente de estas ecuaciones diferenciales origina funciones
matemáticas que describen el estado espacial y temporal de un sistema en
términos de variaciones de energía, masa o velocidad.

ANTECEDENTES MATEMÁTICOS

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 ilustrar este concepto, empecemos con una función
dada:
 y = –0.5x4 + 4x3 – 10x2 + 8.5x + 1 (PT7.12)

la cual es un polinomio de cuarto grado (figura PT7. 3a). Ahora, si derivamos

con respecto de x a la ecuación (PT7.12), obtenemos una EDO:

dy
=2 x 3 +12 x2 −20 x +8.5 (PT7.13)
dx

FIGURA PT7.3 Gráficas de a) y contra x, y b) dy/dx contra x para la función y = –0.5x4 + 4x3 – 10x2 +
8.5x +1.

Esta ecuación también describe el comportamiento del polinomio, pero de una

manera diferente a la ecuación (PT7.12). Más que representar explícitamente
los valores de y para cada valor de x, la ecuación (PT7.13) de la razón de
cambio de y con respecto a x (es decir, la pendiente) para cada valor de x. La
figura PT7.3 muestra tanto la función original como la derivada graficadas
contra x. Observe cómo el valor cero en la derivada corresponde al punto en el
cual la función original es plana; es decir, tiene una pendiente cero. Note
también que los valores absolutos máximos de la derivada están en los
extremos del intervalo donde las pendientes de la función son mayores.
Como se acaba de mostrar, aunque es posible determinar una ecuación
diferencial dando la función original, en esencia el objetivo es determinar la
función original dada la ecuación diferencial. La función original representa la
solución. En el presente caso, esta solución se determina de manera analítica
al integrar la ecuación (PT7.13):

y=∫ ( −2 x 3 +12 x 2−20 x +8.5 ) dx

Aplicando la regla de integración

n un +1
∫ u du= n+1 +C n≠1

en cada término de la ecuación, se obtiene la solución

y = –0.5x4 + 4x3 –10x2 + 8.5x + C (PT7.14)

De esta forma, hemos “sujetado” la ecuación (PT7.14) al forzarla a pasar a

través de un punto dado por la condición inicial y, al hacerlo, encontramos una
solución única para la EDO y completamos un ciclo con la función original
[ecuación (PT7.12)].

Las condiciones iniciales por lo común tienen interpretaciones muy tangibles

para las ecuaciones diferenciales surgidas de las condiciones de problemas
físicos. Por ejemplo, en el problema del paracaidista en caída, la condición
inicial fue tomada del hecho físico de que en el tiempo cero la velocidad vertical
es cero. Si el paracaidista hubiese estado en movimiento vertical en el tiempo
cero, la solución debería haberse modificado al tomar en cuenta esta velocidad
inicial.

Cuando tratamos con una ecuación diferencial de n-ésimo orden, se requiere

de n condiciones para obtener una solución única. Si se especifican todas las
condiciones en el mismo valor de la variable independiente (por ejemplo, en x o
t = 0), entonces se conocen como problemas de valor inicial. En cambio, en
los problemas de valor frontera, la especificación de condiciones ocurre con
diferentes valores de la variable independiente.
 FIGURA PT7.4
Seis posibles soluciones para la integral de –2x3 + 12x2 – 20x + 8.5. Cada una
corresponde a un valor diferente de la constante de integración C.

Por lo tanto, para especificar la solución por completo, la ecuación diferencial

usualmente se encuentra acompañada por condiciones auxiliares. Para las
EDO de primer orden, se requiere un tipo de condición auxiliar, llamada valor
inicial, para determinar la constante y obtener una solución única. Por ejemplo,
la ecuación (PT7.13) se acompaña por la condición inicial definida por x = 0, y
= 1. Estos valores se sustituyen en la ecuación (PT7.14):

1 = –0.5(0)4 + 4(0)3 –10(0)2 + 8.5(0) + C (PT7.15)

para determinar C = 1. Por consiguiente, la solución única que satisface tanto a

la ecuación diferencial como la condición inicial especificada se obtiene al
sustituir C = 1 en la ecuación (PT7.14):

y = –0.5x4 + 4x3 –10x2 + 8.5x +1 (PT7.16)

De esta forma, hemos “sujetado” la ecuación (PT7.14) al forzarla a pasar a

través de un punto dado por la condición inicial y, al hacerlo, encontramos
una solución única para la EDO y completamos un ciclo con la función original
[ecuación (PT7.12)].

Cuando tratamos con una ecuación diferencial de n-ésimo orden, se requiere

de n condiciones para obtener una solución única. Si se especifican todas las
condiciones en el mismo valor de la variable independiente (por ejemplo, en x o
t = 0), entonces se conocen como problemas de valor inicial. En cambio, en
los problemas de valor frontera, la especificación de condiciones ocurre con
diferentes valores de la variable independiente.
Métodos de Runge-Kutta
Este capítulo se dedica a la solución de ecuaciones diferenciales ordinarias de
la forma

dy
=f ( x , y)
dx

Recuerde que el método fue de la forma general

Nuevo valor = valor anterior + pendiente × tamaño de paso

o, en términos matemáticos

y i+1 = y i+ ∅ h (25.1)

De acuerdo con esta ecuación, la pendiente estimada ∅ se usa para extrapolar

desde un valor anterior yi a un nuevo valor yi+1 en una distancia h (figura 25.1).
Esta fórmula se aplica paso a paso para calcular un valor posterior y, por lo
tanto, para trazar la trayectoria de la solución.

Todos los métodos de un paso que se expresen de esta forma general, tan sólo
van a diferir en la manera en la que se estima la pendiente. En otras palabras,
se toma la pendiente al inicio del intervalo como una aproximación de la
pendiente promedio sobre todo el intervalo. Tal procedimiento, llamado método
de Euler, se analizará más adelante. Después se revisan otros métodos de un
paso que emplean otras formas de estimar la pendiente que dan como
resultado predicciones más exactas. Todas estas técnicas en general se
conocen como métodos de Runge-Kutta.

FIGURA 25.1 Ilustración gráfica del método de un paso.

MÉTODO DE EULER
La primera derivada ofrece una estimación directa de la pendiente en xi (figura
25.2):

∅=f (x i , y i )

donde ƒ(xi, yi) es la ecuación diferencial evaluada en xi y yi. La estimación se

sustituye en la ecuación (25.1):

y i+1 = y i+ f ( x i , y i ) h (25.2)

Esta fórmula se conoce como método de Euler (o de Euler-Cauchy o de punto

pendiente). Se 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 (figura 25.2).

FIGURA 25.2 Método de Euler.

EJEMPLO 25.1

Planteamiento del problema. Con el método de Euler integre numéricamente

la ecuación (PT7.13):

dy
=−2 x3 +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 (PT7.16):

y = –0.5x4 + 4x3 – 10x2 + 8.5x + 1

Solución.-

FIGURA 25.3
Comparación de la solución verdadera con una solución numérica usando el método de Euler, para la integral de y′=
–2x3 + 12x2 – 20x + 8.5 desde x = 0 hasta x = 4 con un tamaño de paso de 0.5. La condición inicial en x = 0 es y = 1.

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 partes. 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

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 será de la forma general:

y′ = ƒ (x, y) (25.3)

donde y′ = dy/dx, x y y son las variables independiente y dependiente,

respectivamente. Si 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 (xi, yi), como sigue

y 'i ' 2
' y ni n
y i+1 = y i+ y h+ h +…+ h + R n
i
(25.4)
2! n!
donde h=x i+1−x i y Rn = término remanente, definido como:

y ( n+1) ( ξ ) n +1
Rn = h (25.5)
( n+ 1 ) !

Donde ξ está en algún lugar en el intervalo de xi a xi+1. Es posible desarrollar

una forma alternativa, sustituyendo la ecuación (25.3) en las ecuaciones (25.4)
y (25.5) para obtener:

f ' ' ( xi , yi ) 2 f n−1 ( x i , y i ) n

y i+1 = y i+ f ( x i , y i ) h+ h +…+ h +O(h n+1) (25.6)
2! n!

Donde O(h n+1) especifica que el error de truncamiento local es proporcional al

tamaño de paso elevado a la potencia (n + 1).

Al comparar las ecuaciones (25.2) y (25.6), se advierte que el método de Euler

corresponde a la serie de Taylor, hasta el término ƒ(xi, yi)h inclusive. Además,
la comparación indica que el error de truncamiento se debe a que aproximamos
la solución verdadera mediante un número finito de términos de la serie de
Taylor. Así, truncamos, o dejamos fuera, una parte de la solución verdadera.
Por ejemplo, el error de truncamiento en el método de Euler se atribuye a los
términos remanentes en la expansión de la serie de Taylor, que no se
incluyeron en la ecuación (25.2). Al restar la ecuación (25.2) de la (25.6) se
llega a

f ' ( xi , yi ) 2
Et = h + …+O(hn +1) (25.7)
2!

donde Et = error de truncamiento local verdadero. Para h suficientemente

pequeña, los errores en los términos de la ecuación (25.7) normalmente
disminuyen, en tanto aumenta el orden y el resultado se representa como:

f ' (x i , y i ) 2
Ea = h (25.8)
2!
o
Ea = O(h2) (25.9)

donde Ea = error de truncamiento local aproximado.

EJEMPLO 25.2
Estimación de la serie de Taylor para el error del método de Euler
Planteamiento del problema. Con la ecuación (25.7) estime el error en el primer
paso del ejemplo 25.1. Úsela también para determinar el error debido a cada
uno de los términos de orden superior en la expansión de la serie de Taylor.
Solución. -
EJEMPLO 25.3
Efecto de un tamaño de paso reducido en el método de Euler
Planteamiento del problema. Repita el cálculo del ejemplo 25.1, pero ahora use
un tamaño de paso igual a 0.25. (h = 0.25)

FIGURA 25.4
a) Comparación de dos soluciones numéricas con el método de Euler usando tamaños de paso 0.5 y 0.25. b)
Comparación del error de truncamiento local verdadero y estimado donde el tamaño de paso es 0.5. Observe que el
error “estimado” se basa en la ecuación (E25.2.5).
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 (25.6) resulta:

f ' ( xi , y i) 2
y i+1 = y i+ f ( x i , y i ) h+ h (25.11)
2!

con un error de truncamiento local de:

f ' '( x i , y i ) 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, derivada de ƒ(x, y) es:

∂ f ( x , y ) ∂ f (x , y ) dy
f ' ( xi , yi )= +
∂x ∂y dx

La segunda derivada es

∂f ∂f
f ' ' ( x i , y i )=
∂[ + ( )( dydx )] + ∂[ ∂∂ fx +( ∂∂ fy )( dydx )] dy
∂x ∂ y
∂x ∂y dx

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

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 llamada 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 25.9.

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

y 'i=f ( x i , y i ) (25.12)

se utiliza para extrapolar linealmente a yi+1:

y 0i+1 = y i+ f ( x i , y i ) h (25.13)

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

de Heun la y 0i+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 (25.13) 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:

y 'i+1 =f ( x i +1 , y 0i+1 ) (25.14)

 FIGURA 25.9 Representación gráfica del método de Heun. a) Predictor y b) corrector.
Así, se combinan las dos pendientes [ecuaciones (25.12) y (25.14)] para
obtener una pendiente promedio en el intervalo:
0
y 'i+ y 'i+1 f ( x i , y i ) + f (x i+1 , y i +1)
ý ' = =
2 2

Este pendiente promedio se utiliza después para extrapolar linealmente desde

yi hasta yi+1 con el método de Euler:

f ( xi , y i ) +f ( x i+ 1 , y 0i+1 )
y i+1 = y i+ h
2

que se conoce como ecuación correctora o simplemente correctora.

El método de Heun es un procedimiento predictor-corrector. 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 25.9a) y 0i+1 = y i+ f ( x i , y i ) h (25.15)

f ( xi , y i ) +f ( x i+ 1 , y 0i+1 )
Corrector (figura 25.9b) y i+1 = y i+ h (25.16)
2
Observe que debido a que en la ecuación (25.16) 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 25.10. 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.

FIGURA 25.10 Representación gráfica de la forma iterativa del método corrector de Heun para obtener una
mejor estimación.

Como en los métodos iterativos similares anteriores, un criterio de terminación

para la convergencia del corrector está dado por

y ij+1− y i+1
j−1

|E t|=| j
y i+1 |
100 % (25.17)

j−1 j
donde y i+1 y y i+1 resultan de las iteraciones anterior y actual del corrector,
respectivamente.

EJEMPLO 25.5 Método de Heun

Planteamiento del problema: Con el método de Heun integre y′ = 4e0.8x – 0.5y

desde x = 0 hasta x = 4, con un tamaño de paso igual a 1. La condición inicial
es en x = 0, y = 2.
Solución.-

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 (25.16)] 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 ( x i+1 )
y i+1 = y i+ h (25.18)
2

Observe la similitud entre el lado derecho de la ecuación (25.18) y la regla del

trapecio [ecuación (21.3)]. 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:

y i+ 1 xi+ 1

∫ dy=∫ f ( x ) dx (25.19)
yi xi

cuyo resultado es:

x i+ 1

y i+1 − y i=∫ f ( x ) dx (25.20)

xi

O
x i+1

y i+1 = y i+ ∫ f ( x ) dx (25.21)
xi

Ahora, del capítulo 21 recuerde que la regla del trapecio [ecuación (21.3)] se
define como:
xi+ 1
f ( x i ) +f ( xi +1)
∫ f ( x ) dx= 2
h (25.22)
xi

donde h = xi+1 – xi. Sustituyendo la ecuación (25.22) en la (25.21) se tiene:

f ( xi ) + f ( x i+1 )
y i+1 = y i+ h (25.23)
2

que es equivalente a la ecuación (25.18).

Como la ecuación (25.23) es una expresión directa de la regla del trapecio, el

error de truncamiento local está dado por [recuerde la ecuación (21.6)]:
 −f ' ' (ξ) 3
Et = h (25.24)
12

donde ξ 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 25.11, que muestra el
resultado usando el método de Heun para resolver el polinomio del ejemplo
25.1, demuestra dicho comportamiento.

FIGURA 25.11
Comparación de la solución verdadera con la solución numérica usando los
métodos de Euler y de Heun para la integral de y′= –2x3 + 12x2 – 20x + 8.5.
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 25.12a):

h
y i+1 /2 = y i+ f (x i , y i ) (25.25)
2
 FIGURA 25.12
Representación gráfica del método del punto medio. a) Ecuación (25.25) y b) ecuación (25.27).

Después, este valor predicho se utiliza para calcular una pendiente en el punto
medio:

y 'i+1 /2 =f (x 1 ,y 1 ) (25.26)
i+ i+
2 2

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 25.12b):

y i+1 = y i+ f x ,y
( i+
1
2
i+
1
2
)h (25.27)

Observe que como yi+1 no está en los dos lados, el corrector [ecuación (25.27)]
no puede aplicarse de manera iterativa para mejorar la solución.

Como en la sección anterior, este procedimiento también se relaciona con las

fórmulas de integración de Newton-Cotes. Recuerde de la tabla 21.4 que la
fórmula más simple de integración abierta de Newton-Cotes, la cual se
denomina el método del punto medio, se puede representar como:
b

∫ f ( x ) dx=( b−a ) f (x 1)
a

donde x1, es el punto medio del intervalo (a, b). Usando la nomenclatura del
caso actual, lo anterior se expresa como:
 xi+ 1

∫ f ( x ) dx ≅ hf (x i+ 1 )
xi 2

La sustitución de esta fórmula en la ecuación (25.21) dará la ecuación (25.27).

De esta manera, así como al método de Heun se le puede llamar la regla del
trapecio, el método del punto medio obtiene su nombre de la fórmula de
integración correspondiente sobre la cual se basa.

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 4.1.3, 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 (25.26) 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
(25.1):
 y i+1 = y i+ φ ( x i , y i ,h ) h (25.8)

donde φ ( x i , y i , 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

φ=a1 k 1 +a 2 k 2+ …+an k n (25.29)

donde las a son constantes y las k son

k 1=f ( x i , y i ) (25.29a)
k 2=f ( x i + p1 h , y i +q 11 k 1 h ) (25.29b)
k 3=f ( x i + p2 h , y i +q 21 k 1 h+q 22 k 2 h ) (25.29c)
·
·
k n=f ( x i + pn−1 h , y i +q n−1 ,1 k 1 h+ qn −1,2 k 2 h+…+ qn−1 , n−1 k n−1 h ) (25.29d)

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.

Métodos de Runge-Kutta de segundo orden

La versión de segundo orden de la ecuación (25.28) es

y i+1 = y 1+ ( a1 k 1 +a2 k 2 ) h (25.30)

donde:

k 1=f ( x i , y i ) (25.30a)

k 2=f ( x i + p1 h , y i +q 11 k 1 h ) (25.30b)

Como se describe en el cuadro 25.1, los valores de a1, a2, p1 y q11 se evalúan al
igualar la ecuación (25.30) 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 (25.31)
1
a 2 p1 = (25.32)
2
1
a 2 q 11= (25.33)
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
(25.31) a (25.33) obteniendo:

a 1=1−a 2 (25.34)

1
p1=q 11= (25.35)
2 a2

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 (25.34) y (25.35) puede

obtenerse a1 = 1/2 y p1 = q11 = 1. Estos parámetros, al sustituirse en la ecuación
(25.30), dan:

y i+1 = y i+ ( 12 k + 12 k ) h
1 2 (25.36)
donde
k 1=f ( x i , y i ) (25.36a)

k 2=f ( x i +h , y i+ k 1 h ) (25.36b)

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 (25.30)
se convierte en:

y i+1 = y i+ k 2 h (25.37)
donde
k 1=f ( x i , y i ) (25.37a)
1 1
(
k 2=f xi + h , y i + k 1 h
2 2 ) (25.37b)

Éste es el método del punto medio.

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
y i+1 = y i+ ( 3 )
k 1+ k 2 h
3
(25.38)
donde
k 1=f ( x i , y i ) (25.38a)

3 3
(
k 2=f xi + h , y i + k 1 h
4 4 ) (25.38b)

EJEMPLO 25.6 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 (PT7.13):

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).