Anda di halaman 1dari 28

DIVISIÓN DE CIENCIAS NATURALES Y EXACTAS.

Materia:
Ecuaciones Diferenciales Ordinarias.
Docente:
Vázquez Vallejo, Juan Manuel.
Trabajo de exposición:
Métodos numéricos en EDO´s.
Grado y grupo:
Ingeniería Química, S3.

Elaborado por:
Boy Rangel, Arkan Octavio Sahid.
Centeno Castillo, Diego Federico.
Chacón Martínez, Jessica.
Martínez Ramírez, Gloria Guadalupe.
Razo Escamilla, José Juan.
Valdivia Hernández, Alejandro.

Fecha de presentación: Miércoles 19 de septiembre de 2018.


Contenido
Objetivos de trabajo ..................................................................................................................... 3
Problema elegido:......................................................................................................................... 3
MÉTODOS NUMÉRICOS PARA EDO´S ........................................................................................... 5
METODO DE EULER…………………………………………………………………………………………………………………..5

METODO DE HEUN………………………………………………………………………………………………………………..…9

POLINOMIO DE TAYLOR .............................................................................................................. 11


METODO DE RUNGE-KUTTA……………………………………………………………………………………………………20

METODO PREDICTOR-CORRECTOR…………………………………………………………………………………………24

Bibliografía ................................................................................................................................. 28

2
Objetivos de trabajo:

 Aprender a usar métodos numéricos para aproximarse a valores de funciones


obtenidas de ecuaciones diferenciales ordinarias.
 Entender las ventajas y desventajas que proporcionan dichos métodos en el área de
las ecuaciones diferenciales.
 Analizar efectividad de métodos por medio de parámetros como exactitud y
versatilidad

Problema elegido:
Este es un modelo para la propagación de una infección en una población fija. Supóngase que
un estudiante portador de un virus de gripe regresa a un campus universitario, aislado, que tiene
1000 estudiantes. Supongamos que la rapidez con que el virus se propaga es proporcional no
sólo al número de estudiantes contagiados, sino también, al número de estudiantes no
contagiados. Determinar el número de estudiantes contagiados después de 6 días. Entonces se
tiene que x(t) es el número de estudiantes contagiados en t días.
𝑑𝑥
Entonces x(0)=1 y 1000-x(t) expresa el número de estudiantes no contagiados y es la
𝑑𝑡
velocidad de alumnos que se contagian por día, por lo tanto se tiene:
𝑑𝑥
= 𝑘𝑥(1000 − 𝑥)
𝑑𝑡
𝑥(0) = 1
𝑥(4) = 50
𝑑𝑥
= 𝑘𝑥(1000 − 𝑥) ecuación diferencial de variables separables.
𝑑𝑡

𝑑𝑥
= 𝑘𝑑𝑡
𝑥(1000−𝑥)

Donde k no es una función, sino una constante y el problema ya registra su valor:


k=0.000990578. Pero para fines prácticos, se seguirá usando la literal para representarlo.
𝑑𝑥
∫ = 𝑘 ∫ 𝑑𝑡
𝑥(1000 − 𝑥)
Resolviendo la integral de dx con fracciones parciales:
𝑥
ln ( ) = 1000𝑘𝑡 + 𝑐1
1000 − 𝑥
Usando logaritmos:
𝑥
= 𝑐1 ∗ 𝑒^(1000𝑘𝑡)
1000 − 𝑥
1000 ∗ 𝑐1 ∗ 𝑒^(1000𝑘𝑡)
𝑥(𝑡) =
1 + 𝑐1 ∗ 𝑒^(1000𝑘𝑡)
Como x(0)=1 entonces despejando c1 se obtiene que c1=1/999
1000
𝑥(𝑡) =
1 + 999 ∗ 𝑒^(−1000𝑘𝑡)

3
Recordando que k=0.000990578.

Así se tiene que:


1000
𝑥(𝑡) =
1 + 999 ∗ 𝑒^(−0.990578𝑡)
Y si t=6 días, la función arroja:
1000
𝑥(6) = = 276.22131
1 + 999 ∗ 𝑒^(−0.990578 ∗ 6)
Pero, x(t) representa a estudiantes contagiados, por lo tanto, se redondea el resultado
concluyendo que después de 6 días habrá 276 alumnos con virus.

4
MÉTODOS NUMÉRICOS PARA EDO´S.
METODO DE EULER

Se llama método de Euler al método numérico consistente en


ir incrementando paso a paso la variable independiente
mediante el uso sucesivo de ‘rectas tangentes’.

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. La primera derivada ofrece una
estimación directa de la pendiente en xi:

α= ƒ(xi, yi)

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


estimación se sustituye en la ecuación:

yi+1 = yi + ƒ(xi, yi)h

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.

Problema

Este es un modelo de propagación de una infección o un rumor en una población fija. Supóngase
que un estudiante portador de un virus de gripe regresa a un campus universitario, aislado, que
tiene 1000 estudiantes. Supongamos que la rapidez con que el virus se propaga es proporcional
no solo al número de estudiantes contagiados, sino también, al número de estudiantes no
contagiados. Determine el número de estudiantes contagiados después de 6 días.
K=0.000990578
𝐝𝐱
= 𝐤𝐱(𝟏𝟎𝟎𝟎 − 𝐱)
𝐝𝐭
Condiciones iniciales

x(0)=1

Para un tamaño de paso de

h=1

t x f(t,x) hf(t,x) yo=y + h to Error % Valor real


f(t,x)
0.0 1.0000 0.9896 0.9896 1.9896 1.0000 98.96 1.0000
1.0 1.9896 1.9669 1.9669 3.9565 2.0000 47.18 2.6882
2.0 3.9565 3.9037 3.9037 7.8602 3.0000 9.08 7.2061
3.0 7.8602 7.7250 7.7250 15.5852 4.0000 18.70 19.1706
4.0 15.5852 15.1977 15.1977 30.7829 5.0000 38.43 49.9998
5.0 30.7829 29.5543 29.5543 60.3372 6.0000 51.39 124.1326
6.0 60.3372 56.1624 56.1624 116.4996 7.0000 57.82 276.2206

5
X(6)=116.4996

Para un tamaño de paso de h=0.5

t x f(t,x) hf(t,x) xo=x + h f(t,x) to Valor real Error %


0.0 1.0000 0.9896 0.4948 1.4948 0.5000 1.0000 49.48%
0.5 1.4948 1.4785 0.7392 2.2340 1.0000 1.6399 36.23%
1.0 2.2340 2.2080 1.1040 3.3381 1.5000 2.6882 24.17%
1.5 3.3381 3.2956 1.6478 4.9859 2.0000 4.4037 13.22%
2.0 4.9859 4.9143 2.4571 7.4430 2.5000 7.2061 3.29%
2.5 7.4430 7.3180 3.6590 11.1020 3.0000 11.7706 5.68%
3.0 11.1020 10.8753 5.4376 16.5396 3.5000 19.1706 13.72%
3.5 16.5396 16.1128 8.0564 24.5960 4.0000 31.0766 20.85%
4.0 24.5960 23.7650 11.8825 36.4785 4.5000 49.9998 27.04%
4.5 36.4785 34.8167 17.4083 53.8868 5.0000 79.5005 32.22%
5.0 53.8868 50.5027 25.2513 79.1382 5.5000 124.1326 36.25%
5.5 79.1382 72.1887 36.0943 115.2325 6.0000 188.6853 38.93%
6.0 115.2325 100.9934 50.4967 165.7292 6.5000 276.2206 40.00%

X(6)=165.7292

6
Para h=0.25

xo=x + h
t x f(t,x) hf(t,x) to Valor real Error %
f(t,x)
0.0 1.0000 0.9896 0.2474 1.2474 0.2500 1.0000 24.74%
0.3 1.2474 1.2341 0.3085 1.5559 0.5000 1.2806 21.50%
0.5 1.5559 1.5389 0.3847 1.9406 0.7500 1.6399 18.34%
0.8 1.9406 1.9186 0.4797 2.4203 1.0000 2.0998 15.26%
1.0 2.4203 2.3917 0.5979 3.0182 1.2500 2.6882 12.27%
1.3 3.0182 2.9808 0.7452 3.7634 1.5000 3.4410 9.37%
1.5 3.7634 3.7139 0.9285 4.6919 1.7500 4.4037 6.54%
1.8 4.6919 4.6259 1.1565 5.8484 2.0000 5.6342 3.80%
2.0 5.8484 5.7594 1.4398 7.2882 2.2500 7.2061 1.14%
2.3 7.2882 7.1669 1.7917 9.0799 2.5000 9.2124 1.44%
2.5 9.0799 8.9127 2.2282 11.3081 2.7500 11.7706 3.93%
2.8 11.3081 11.0749 2.7687 14.0768 3.0000 15.0285 6.33%
3.0 14.0768 13.7479 3.4370 17.5138 3.2500 19.1706 8.64%
3.3 17.5138 17.0449 4.2612 21.7750 3.5000 24.4260 10.85%
3.5 21.7750 21.1002 5.2750 27.0501 3.7500 31.0766 12.96%
3.8 27.0501 26.0704 6.5176 33.5677 4.0000 39.4646 14.94%
4.0 33.5677 32.1352 8.0338 41.6015 4.2500 49.9998 16.80%
4.3 41.6015 39.4951 9.8738 51.4753 4.5000 63.1625 18.50%
4.5 51.4753 48.3655 12.0914 63.5666 4.7500 79.5005 20.04%
4.8 63.5666 58.9651 14.7413 78.3079 5.0000 99.6150 21.39%
5.0 78.3079 71.4957 17.8739 96.1818 5.2500 124.1326 22.52%
5.3 96.1818 86.1118 21.5280 117.7098 5.5000 153.6546 23.39%
5.5 117.7098 102.8757 25.7189 143.4287 5.7500 188.6853 23.99%
5.8 143.4287 121.6994 30.4248 173.8535 6.0000 229.5363 24.26%
6.0 173.8535 142.2752 35.5688 209.4223 6.2500 276.2206 24.18%

7
X(6)=209.4223

8
MÉTODO DE EULER MEJORADO (MÉTODO DE HEUN)

Este método se basa en la misma idea del método anterior, pero hace un refinamiento en la
aproximación, tomando un promedio entre ciertas pendientes.

La fórmula es la siguiente:

Dónde:

Para:

𝑑𝑥
 = 𝑘𝑥(1000 − 𝑥) k=0.0009905789
𝑑𝑡
𝑥 (0) = 1
𝑥 (6) =?
Para entender esta fórmula, analicemos el primer paso de la aproximación, con base en la
siguiente gráfica:

En la gráfica, vemos que la pendiente promedio corresponde a la pendiente de la recta


bisectriz de la recta tangente a la curva en el punto de la condición inicial y la "recta tangente"

a la curva en el punto donde es la aproximación obtenida con la primera fórmula de


Euler. Finalmente, esta recta bisectriz se traslada paralelamente hasta el punto de la condición

inicial, y se considera el valor de esta recta en el punto como la aproximación de Euler


mejorada.

Se muestran a continuación tabla de valores para el cálculo de esta ecuación diferencial no n=20
y h=0.3000

#ITERACIÓN VALOR 𝒙 ∗𝒏+𝟏 VALOR 𝒙𝒏+𝟏 𝒆%


0 1.000 100%
1 1.2969 1.3409 25.422
2 1.7388 1.7978 25.4141

9
3 2.3311 2.4100 25.4029
4 3.1244 3.2300 25.3878
5 4.1868 4.3279 25.3676
6 5.6085 5.7968 25.3406
7 7.5095 7.7606 25.3044
8 10.0490 10.3829 25.2560
9 13.4364 13.8793 25.1914
10 17.9467 18.5318 25.1052
11 23.9369 24.7059 24.9905
12 31.8665 32.8702 24.8381
13 42.3173 43.6155 24.6363
14 56.0116 57.6700 24.3705
15 73.8196 75.9037 24.0222
16 96.7482 99.3106 23.5694
17 125.8922 128.9524 22.9866
18 162.3321 165.8472 22.2462
19 206.9587 210.7900 21.3212
20 260.2271 264.1129 20.1894

10
POLINOMIO DE TAYLOR.

Teorema de Taylor enunciado en 1712 por el matemático inglés Brook Taylor, aunque
descubierto originalmente por James Gregory 40 años antes. Establece que:

Sea k ≥ 1 un entero y la función f : R → R diferenciable k veces en el punto a ∈ R

Siendo esta última expresión conocida como polinomio de Taylor.

Donde el siguiente límite:

Es la forma Peano del resto.

El polinomio de Taylor consiste en que dada una función f(x) se propone la expresión de un
polinomio que sustituya a la propia función f(x). Teniendo en cuenta que ambas funciones no
son realmente la misma, en la aproximación se comete un cierto error. La validez de dicha
aproximación dependerá del error cometido.

El método numérico de Taylor propone aproximar una función mediante un polinomio y que la
aproximación fuera en un punto fijado de la función, aquí un ejemplo:

Características de este método:

 La aproximación es local, es decir, se realiza alrededor de un punto (x0) del eje de la


variable independiente.

11
 En el punto x0 la función y el polinomio que la aproxima coinciden. También coinciden
todas las derivadas de ambos hasta orden n (que es el grado del polinomio) en el mismo
punto.
 En un punto cualquiera que no sea x0, por ejemplo, el mostrado en la gráfica como a, al
usar el polinomio en lugar de la función se comete un error.

Método aplicado a problema.

Para este método se usó el polinomio de Taylor truncado en 4ta derivada.

Código en Matlab:

%programa para método serie de Taylor


clc;
clear;
e=2.7182818284;
%datos de constantes c1 y k proporcionados por problema
c1=1/999;
k=0.000990578;
%siendo t es valor a encontrar, teniendo unidades de días
t=6;
%este es el punto a, en este caso h que se irá acercando a t al disminuir
%error en polinomio de Taylor vs fucnión real
h=input('capturar numero para iniciar ciclo: ');
%numero de iteracions
c=0;
n=1;
while(n==1)
x=(((1000*c1*e^(1000*k*t))))/(1+c1*e^(1000*k*t));
xh=((1000*c1*e^(1000*k*h))/(1+c1*e^(1000*k*h)));
x1=(1000000*c1*k*e^(1000*k*h))/(c1*e^(1000*k*h)+1)^2;
x2=-((1000000000*c1*(k^2)*e^(1000*k*h)*(c1*e^(1000*k*h)-1)))/(((c1*e^(1000*k*h)+1))^3);
x3=((1000000000000*c1*k^3*e^(1000*k*h)*(c1^2*e^(2000*k*h)-
4*c1*e^(1000*k*h)+1)))/(c1*e^(1000*k*h)+1)^4;
x4=-((1000000000000000*c1*k^4*e^(1000*k*h)*(c1^3*e^(3000*k*h)-
11*c1^2*e^(2000*k*h)+11*c1*e^(1000*k*h)-1)))/(c1*e^(1000*k*h)+1)^5;
xs2=(x1.*(t-h));
xs3=(x2*(1/2)*(t-h)^2);
xs4=(x3*(1/6)*(t-h)^3);
xs5=(x4*(1/24)*(t-h)^4);
xs=xh+xs2+xs3+xs4+xs5; %valor numérico de polinomio de taylor
er=abs(((abs(x)-abs(xs))/abs(x))*100); %error en valor absoluto
if xs==x
n=0;
else
h=h+0.5
n=1;
c=c+1
end %del if
end %del while
t=[0:0.1:10]
xh=((1000*c1*e.^(1000*k*h))./(1+c1*e.^(1000*k*h)));
x1=(1000000*c1*k*e.^(1000*k*h))./(c1*e.^(1000*k*h)+1).^2;

12
x2=-((1000000000*c1*(k^2)*e^(1000*k*h)*(c1*e^(1000*k*h)-
1)))./(((c1*e^(1000*k*h)+1)).^3);
x3=((1000000000000*c1*k^3*e.^(1000*k*h)*(c1^2*e.^(2000*k*h)-
4*c1*e.^(1000*k*h)+1)))./(c1*e.^(1000*k*h)+1).^4;
x4=-((1000000000000000*c1*k^4*e.^(1000*k*h)*(c1^3*e.^(3000*k*h)-
11*c1^2*e.^(2000*k*h)+11*c1*e.^(1000*k*h)-1)))./(c1*e.^(1000*k*h)+1).^5;
xs2=(x1.*(t-h));
xs3=(x2.*(1/2)*(t-h).^2);
xs4=(x3.*(1/6)*(t-h).^3);
xs5=(x4.*(1/24)*(t-h).^4);
xs=xh+xs2+xs3+xs4+xs5;
x=(((1000*c1*e.^(1000*k*t))))./(1+c1*e.^(1000*k*t));
er=((abs(x)-abs(xs))./abs(x))*100;

fprintf ('%s%d','número de iteraciones: ',c);


disp(" ")
fprintf ('%s%d','valor de t hallado: ',h);

tabla=[t;x;xs;er];

plot(t,xs,t,x)
grid on

13
 Prueba 1, usando un h=0 (cercano a t=6, t del problema):

número de iteraciones: 12

valor de t hallado: 6

Comparación de desarrollo de valores y acercamiento de h a t: hecho en matrices de 0 a 10


en t con aumentos de 0.1. Obsérvese que porcentaje de error está en valor absoluto.

Gráfica de acercamiento de polinomio de Taylor a función real: (Usando mismo dominio que
en matrices, de 0 a 10, pues tiempo en días no involucra valores negativos y limitado hasta
10 para ver mejor convergencia de función verdadera con polinomio de Taylor).

Xs vs t (polinomio de Taylor vs tiempo, función ubicada en la parte inferior, de rango -4444


hasta 800 aproximadamente).

X vs t (valor real función vs tiempo, función de rango 0 hasta 1000).

14
En la gráfica y tablas se puede observar una zona donde claramente el polinomio de Taylor se
asemeja bastante a la función real, para luego distanciarse hasta el infinito.

15
 Prueba 2, usando un h=-5 (valor de h negativo, siendo un valor inicial alejado de la t=6,
siendo esta la prueba de que entre más alejados estén los valores de h y t el programa
hará más iteraciones y, por lo tanto, más gasto en recursos computacionales para hallar
valor compatible con t):

número de iteraciones: 22

valor de t hallado: 6

Comparación de desarrollo de valores y acercamiento de h a t: hecho en matrices de 0 a 20


en t con aumentos de 0.1.

Nótese reducción gradual de error al acercarse a 6 hasta el punto de llegar a cero, para luego
incrementarse infinitamente ya que polinomio de Taylor ya no volverá a “tocar” a la función.

Gráfica de acercamiento de polinomio de Taylor a función real: (Usando ahora dominio de t


de 0 a 20 días).

Xs vs t (polinomio de Taylor vs tiempo, una parábola invertida, de rango -4444 hasta 72


aproximadamente).

X vs t (valor real función vs tiempo, función que se asemeja a una recta).

16
17
 Prueba 3, usando un h=-3000 (valor de h muy alejado de t, aumentando
considerablemente el número de iteraciones):

número de iteraciones: 6012

valor de t hallado: 6

comparación de desarrollo de valores y acercamiento de h a t: hecho en matrices de 0 a 30


en t con aumentos de 0.1.

Nótese nuevamente la reducción gradual de error al acercarse a 6 hasta el punto de llegar a


cero, para luego incrementarse infinitamente ya que polinomio de Taylor ya no volverá a
“tocar” a la función original.

Gráfica de acercamiento de polinomio de Taylor a función real: (Usando ahora dominio de t


de 0 a 30).

Xs vs t (polinomio de Taylor vs tiempo, asemeja a una mitad de parábola que abre hacia
abajo).

X vs t (valor real función vs tiempo, la parecida a una recta).

18
Conclusiones:

Como pudo observarse a lo largo de esta sección, el método de Taylor truncado en 4ta derivada
fue muy eficiente al momento de encontrar el valor de t con ayuda de las constantes y el valor
de la función original, en general, requiere pocas iteraciones cuando h está cerca de t, no
obstante, a pesar de gran precisión y exactitud tiene una enorme desventaja (cuando el método
es aplicado de esta manera) la cual es que se debe conocer la posición de t en su dominio (o de
la variable independiente) pues poniendo como ejemplo este programa, el código dictamina el
incremento del valor de h en ciclo si no se ha encontrado un valor en polinomio de Taylor que
concuerde satisfactoriamente con el de la función verdadera, por lo tanto, el programa
continuará sus iteraciones elevando el valor de Taylor hasta encontrar alguna coincidencia
aceptable siendo este proceso ideal para este equipo ya que la naturaleza del problema escogido
solo considera como dominio de t de 0 hasta infinito y por ende encontrará un valor sí o sí, sin
embargo, si el dominio de la variable independiente también abarcase números negativos,
entonces el programa tendría que definir si h aumentaría o disminuiría para tratar de acercase
al valor de t, y si se eligiese el camino erróneo, por lo tanto se produciría un ciclo eterno de
aumentos o disminuciones.

19
MÉTODOS DE RUNGE–KUTTA

Los métodos de Runge–Kutta utilizan indirectamente el algoritmo de Taylor. En general, estos


métodos evalúan f(x, y)en más de un punto en la proximidad de (xn,yn) en lugar de evaluar
derivadas de f(x, y), las cuales se necesitarían para el uso directo del algoritmo por series de
Taylor.
La derivación de estos métodos se acompaña de la suposición de un algoritmo particular con
ciertos coeficientes indeterminados. Los valores de estos términos constantes se encuentran
igualando la fórmula de Runge–Kutta de orden p al algoritmo de Taylor de orden p.

Runge–Kutta Cuarto Orden

Un miembro de la familia de los métodos Runge-Kutta usado ampliamente es el de cuarto


orden. Es usado tanto que a menudo es referenciado como «RK4» o como «el método
Runge-Kutta».

Definiendo un problema de valor inicial como:

Entonces el método RK4 para este problema está dado por la siguiente ecuación:

Donde

Así, el siguiente valor (yn+1) es determinado por el presente valor (yn) más el producto del
tamaño del intervalo (h) por una pendiente estimada. La pendiente es un promedio

ponderado de pendientes, donde es la pendiente al principio del intervalo, es la


pendiente en el punto medio del intervalo, usando para determinar el valor de y en el
punto usando el método de Euler. es otra vez la pendiente del punto medio, pero ahora
usando para determinar el valor de y; es la pendiente al final del intervalo, con el valor de
y determinado por . Promediando las cuatro pendientes, se les asigna mayor peso a las
pendientes en el punto medio:

Esta forma del método de Runge-Kutta, es un método de cuarto orden lo cual significa
que el error por paso es del orden de , mientras que el error total acumulado tiene el
orden . Por lo tanto, la convergencia del método es del orden de , razón por la cual es
usado en los métodos computacionales.

20
Programa MATLAB

clc, clear
syms x
fprintf('\t Resolución de Ecuaciones Diferenciales por Método de Euler');
k=0.000990578;
f = inline('(0.000990578*x*(1000-x))','x');
t0 = 0;
tf = 6;
x0 = 1;
h = input('\n Ingrese el paso: \n');
n = (tf - t0)/h;
disp(' t x valor real error% ');
tabla=zeros(n,4);
for i=1:n
k1=f(x0);
x2=x0+.5*k1*h;
k2=f(x2);
x2=x0+.5*k2*h;
k3=f(x2);
x2=x0+ k3*h;
k4=f(x2);

x0=x0+((k1+2*k2+2*k3+k4)*h)/6;
tabla(i,2)=x0;
t0=t0+h;
tabla(i,1)=t0 ;
yreal=1000/(1+999*exp(-0.990578*t0));
tabla(i,4)=( abs(yreal-x0)./yreal)*100;
tabla(i,3)=yreal;

end
disp(tabla)
tala(i+1,1)=n;
t=tabla(:,1);
x=tabla(:,2);
yreal=tabla(:,3);

plot(t,x,':o')
hold on
plot(t,yreal,'-xr')

21
Tablas de Excel

Con h=.3

Con h=.5

22
GRAFICAS

h=.5

h=.3

Conclusiones:
Se observo que este método es el más exacto de los unidades, a menor saltos mayor iteraciones
nuestro resultado es más preciso.

23
MÉTODO PREDICTOR-CORRECTOR

Los métodos de predictor-corrector se basan en utilizar alternativamente métodos multipaso


explícitos e implícitos de un mismo orden para aproximar la solución. El método explícito se usa
para obtener la condición inicial con la que obtener el mediante un método iterativo, una mejor
aproximación con el método implícito.

Error de Truncamiento

Los errores de truncamiento son aquellos que resultan al usar una aproximación en lugar de un
procedimiento matemático exacto.

Serie de Taylor

La serie de Taylor proporciona un medio para predecir el valor de una función en un punto en
términos del valor de la función y sus derivadas en otro punto. En particular, el teorema
establece que cualquier función suave puede aproximarse por un polinomio.
Serie de Taylor simplificada con definiendo que el tamaño de paso h = xi+1 − xi :

𝑓′′ (𝑋𝑖 ) 2 𝑓(3) (𝑋𝑖 ) 3 𝑓(𝑛) (𝑋𝑖 ) 𝑛


𝑓(𝑋𝑖+1 ) = 𝑓(𝑋𝑖 ) + 𝑓 ′(𝑋𝑖) ℎ + ℎ + ℎ +…….. + ℎ + 𝑅𝑛
2! 3! 𝑛!

Con un término residual:


𝑓 (𝑛+1) (𝜉) 𝑛+1
𝑅𝑛 = ℎ
(𝑛 + 1)!

24
Fórmulas de Adams.

Para la solución de 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 serie de Taylor alrededor de xi:
(h) ′ h2 ′′
yi+1 = yi + h( f
2 i
+ f +..)
3! i

Se sustituye diferencia hacia atrás para aproximar la derivada:

fi − fi−1 fi ′′
fi ′ = + +0(h2 )
h 2

Y queda:
(3) 1 5
yi+1 = yi + h( 2 i
f + 2 fi−1 )+ 12 h3 fi ′′ +0(h4 )

Esta fórmula se conoce como la fórmula abierta de Adams de segundo orden. Las fórmulas
abiertas de Adams también se denominan fórmulas de Adams-Bashforth.
La fórmula abierta de Adams de n-ésimo orden en forma general se representa como:
yi+1 = yi + h ∑n−1
k=0 βkfi−k +0(h
n+1
)

Fórmulas cerradas (de Adams-Moulton). Una serie de Taylor hacia atrás alrededor de xi+1 se
escribe como y resolver para yi+1:
(h) ′ h2
yi+1 = yi + h(fi+1 − f
2 i
+ f ′′ +..)
3! i+1

Se sustituye una diferencia para aproximar la derivada:

′ fi+1 − fi fi+1 ′′
fi+1 = + h+0(h2 )
h 2

Y queda:

(1) 1 1 3
yi+1 = yi + h( f + fi ) - h fi+1 ′′ +0(h4 )
2 i+1 2 12

Esta 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 n-ésimo orden generalmente se escribe como:

yi+1 = yi + h ∑n−1
k=0 βkfi+1−k +0(h
n+1
)

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 como predictor:

0 55 59 37 9
Yi+1 = Yim +h(24 fim − 24 fi−1
m m
+24 fi−2 m
-24 fi−3 )

25
y la fórmula de Adams-Moulton de cuarto orden como corrector:

j 9 j−1 19 5 9
Yi+1 = Yim +h(24 fi+1 + 24 fim − 24 fi−1
m m
-24 fi−2 )

Error:
251
Ep = 270 (yim − yio )
−19 m o
Ec = (y − yi+1 )
270 i+1
Observaciones

Para usar la fórmula predictora se requiere que se conozcan los valores y0, y1, y2, y3, para
obtener y4. Sabemos que y0 es la condición inicial dada y como el método de A-B-M es de orden
4, los valores y1, y2, y3 se suelen, calcular con un método de igual orden, es decir de orden 4
como, por ejemplo, el método de Runge Kutta de orden 4.

Problema:

Este es un modelo de propagación de una infección o un rumor en una población fija. Supóngase
que un estudiante portador de un virus de gripe regresa a un campus universitario, aislado, que
tiene 1000 estudiantes. Supongamos que la rapidez con la que el virus se propago es
proporcional no sólo al número de estudiantes contagiados. Determinar el número de
estudiantes contagiados después de 6 días, además se observa que después de 4 días ya eran
50 contagiados.

% Usage: [y t] = abm4(f,a,b,ya,n) or y = abm4(f,a,b,ya,n)


% El método Adams-Bashforth-Moulton predictor-corrector de 4to orden
% para problemas de valores iniciales
% Usa el método Adams-Bashforth de 4 pasos como predictor,
% El Método de Adams-Moulton de 3 pasos como corrector y
% El Método de Runge-Kutta 4 como iniciador
% Entrada:
% f - función f(t,y)
% a,b - intervalo
% ya - condición inicial
% n - número de subintervalos
% Sálida:
% y - solución calculada
% t - pasos
% dy/dt=1000kx-x^2

function [y t] = inabm4(f,a,b,ya,n)
h = (b - a) / n;
h24 = h / 24;

y(1,:) = ya;
t(1) = a;

m = min(3,n);

26
for i = 1 : m % Inicia con el método de Runge-Kutta 4
t(i+1) = t(i) + h;
s(i,:) = f(t(i), y(i,:));
s2 = f(t(i) + h / 2, y(i,:) + s(i,:) * h /2);
s3 = f(t(i) + h / 2, y(i,:) + s2 * h /2);
s4 = f(t(i+1), y(i,:) + s3 * h);
y(i+1,:) = y(i,:) + (s(i,:) + s2+s2 + s3+s3 + s4) * h / 6;
end;

for i = m + 1 : n % Método ABM


s(i,:) = f(t(i), y(i,:));
y(i+1,:) = y(i,:) + (55 * s(i,:) - 59 * s(i-1,:) + 37 * s(i-2,:) - 9 * s(i-3,:)) * h24; % predictor
t(i+1) = t(i) + h;
y(i+1,:) = y(i,:) + (9 * f(t(i+1), y(i+1,:)) + 19 * s(i,:) - 5 * s(i-1,:) + s(i-2,:)) * h24; % corrector
end;

El valor para y(6)=230.36 y para y(7)=330.93 dichos valores son aproximaciones al resultado
obtenido por variables separables de 276.22.

27
Bibliografía:

Cánovas, José. (2009). Métodos numéricos para las ecuaciones diferenciales. 14 de septiembre
de 2018, de DMAE Sitio web: http://www.dmae.upct.es/~jose/metodos/numer4.pdf

Instituto Tecnológico de Argentina. (2009). Métodos numéricos avanzados. 13 de septiembre


de 2018, de Instituto Tecnológico de Argentina Sitio web: http://mna.wikidot.com/ode

Gonzales, B. Hernández, D. Jiménez, M. Marrero, I. (2011). Ecuaciones diferenciales ordinarias


de primer orden. 14 de septiembre de 2018, de Universidad de La Laguna Sitio web:
https://campusvirtual.ull.es/ocw/pluginfile.php/6103/mod_resource/content/1/tema5/PR5-
ecdiferenciales.pdf

28