CAPÍTULO 26

Métodos rígidos y de pasos múltiples

El presente capítulo cubre dos áreas de estudio. Primero, describimos las EDO rígidas. Éstas
son tanto EDO en forma individuales como sistemas de EDO, que tienen componentes rápidos
y lentos para su solución. Presentamos la idea de una técnica de solución implícita como una
respuesta comúnmente utilizada para este problema. Después analizamos los métodos de pasos
múltiples o multipaso. Estos algoritmos guardan información de pasos anteriores para obtener
de manera más efectiva la trayectoria de la solución; también ofrecen la estimación del error de
truncamiento que se utiliza para implementar el control adaptativo del tamaño de paso.

26.1 RIGIDEZ

El término rigidez constituye un problema especial que puede surgir en la solución de

ecuaciones diferenciales ordinarias. Un sistema rígido es aquel que tiene componentes que
cambian rápidamente, junto con componentes de cambio lento. En muchos casos, los
componentes de variación rápida son efímeros, transitorios, que desaparecen, después de lo cual
la solución es dominada por componentes de variación lenta. Aunque los fenómenos transitorios
existen sólo en una pequeña parte del intervalo de integración, pueden determinar el tiempo en
toda la solución.
Tanto las EDO individuales como los sistemas pueden ser rígidos. Un ejemplo de una EDO
rígida es:

= −1000y + 3 000 − 2 000e–t / dt (

Si y(0) = 0, la solución analítica que se obtiene es: 2
6
.
1
)
y = 3− 0 998. e–1 000t – .2 002e–t
Como se muestra en la figura 26.1, la solución al principio se encuentra dominada por el
término exponencial rápido (e–1 000t). Después de un periodo muy corto (t < 0.005), esta parte
transistoria termina y la solución se regirá por el exponencial lento (e–t).
 y
3

2
1

1
0
0 0.01 0.02

0
0 2 4 x

FIGURA 26.1
Gráfi ca de una solución rígida para una sola EDO. Aunque la solución parece iniciar en 1, en realidad existe una
forma transitoria rápida desde y = 0 hasta 1, que ocurre en menos de 0.005 unidades de tiempo. Esta transición es
perceptible sólo cuando la respuesta se observa sobre una escala de tiempo más fi na en ese intervalo.

Si y(0) = y0, puede usarse el cálculo para determinar la solución y = y0e–at

Así, la solución empieza en y0 y asintóticamente se aproxima a cero.

Es factible usar el método de Euler para resolver el mismo problema en forma numérica:

yi+1 = yi + dyi h dt
Al sustituir la ecuación (26.3) se tiene yi+1 = yi – ayih

o
yi+1 = yi(1 – ah) (26.4)

La estabilidad de esta fórmula, sin duda, depende del tamaño de paso h. Es decir, ⏐1 – ah⏐
debe ser menor que 1. Entonces, si h > 2/a, ⏐yi⏐ → ∞ conforme i → ∞.
En la parte transitoria rápida de la ecuación (26.2) se utiliza este criterio con la finalidad de
mostrar que para mantener la estabilidad el tamaño de paso debe ser < 2/1 000 = 0.002.
Además, deberá observarse que mientras este criterio mantiene la estabilidad (es decir, una
solución acotada), sería necesario un tamaño de paso aún más pequeño para obtener una
solución exacta. Así, aunque la parte transitoria se presenta sólo en una pequeña fracción del
intervalo de integración, ésta controla el tamaño de paso máximo permitido.

26.1 RIGIDEZ
Sin ahondar mucho, se podrá suponer que las rutinas adaptativas de tamaño de paso descritas al
final del capítulo ofrecerán una solución a este problema. Quizá pensará que tales rutinas
usarían pasos pequeños en las partes transistorias rápidas y pasos grandes en las otras. Sin
embargo, éste no es el caso, ya que para los requerimientos de estabilidad se necesitarán pasos
muy pequeños en toda la solución.

En lugar de usar procedimientos explícitos, los métodos implícitos ofrecen una solución
alternativa. Tales representaciones se denominan implícitas, debido a que la incógnita aparece
en ambos lados de la ecuación. Una forma implícita del método de Euler se desarrolla
evaluando la derivada en el tiempo futuro,

dyi+1
h yi+1 = yi + dt
A esto se le llama: método de Euler hacia atrás o implícito. Si se sustituye la ecuación (26.3) se
llega a:

yi+1 = yi – ayi+1h

de donde se
obtiene:

yi+1 = 1 +yiah (26.5)

En este caso, sin importar el tamaño de paso, ⏐yi⏐ → 0 conforme i → ∞. De ahí que el
procedimiento se llame incondicionalmente estable.

EJEMPLO 26.1 Euler explícito e implícito

Planteamiento del problema. Con los métodos explícito e implícito de Euler resuelva

dy = −1000y + 3 000 − 2
000e−t dt
donde y(0) = 0. a) Use el método de Euler explícito con tamaños de paso de 0.0005 y 0.0015
para encontrar y entre t = 0 y 0.006. b) Utilice el método implícito de Euler con un tamaño de
paso de 0.05 para encontrar y entre 0 y 0.4.

Solución.

a) En este problema, el método explícito de Euler es:

yi+1 = yi + (–1 000yi + 3 000 – 2 000e–ti)h

El resultado para h = 0.005 se despliega en la fi gura 26.2a junto con la solución analítica.
Aunque muestre algún error de truncamiento, el resultado capta la forma general de la solución
analítica. En cambio, cuando el tamaño de paso se incrementa a un valor justo debajo del límite
de estabilidad (h = 0.0015), la solución presenta oscilaciones. Usando h > 0.002 se tiene como
resultado una solución totalmente inestable; es decir, la solución tenderá al infi nito conforme se
avanza en las iteraciones.
b) El método de Euler implícito es:
yi+1= yi + (–1 000yi+1 + 3 000 – 2 000e–ti+1)h
Ahora como la EDO es lineal, se reordena esta ecuación de tal forma que yi+1 quede sola en el
lado izquierdo,

y1 = 52.96e–3.9899t – 0.67e–302.0101t (26.7a)

y2 = 17.83e–3.9899t + 65.99e–302.0101t (26.7b)
 y
1.5 h = 0.0015

0.5 Exacto
h = 0.0005

0
0 0.002 0.004 0.006 t

y
a)
2

Exacto

h = 0.05

0
0 0.1 0.2 0.3 0.4 t
b)

FIGURA 26.2
Solución de una EDO “rígida” con los métodos de Euler a) explícito y b) implícito.

y + 3 000h − 2 000he−t i+1

yi+1 = i +1000h
1
El resultado con h = 0.05 se muestra en la fi gura 26.2b junto con la solución
analítica. Observe que aun cuando usamos un tamaño de paso mucho
mayor que aquel que indujo la inestabilidad en el método de Euler
explícito, la solución numérica se ajusta muy bien al resultado analítico.

Los sistemas de EDO también pueden ser rígidos. Un ejemplo es:

dy1
= −5y1 +3y2 (26.6a) dt

dy2
=100y1 −301y2 (26.6b) dt

Para las condiciones iniciales y1(0) = 52.29 y y2(0) = 83.82, la solución exacta es:
Observe que los exponentes son negativos y Como en una sola ecuación, los exponentes
difieren por cerca de 2 órdenes de magnitud. grandes son los que responden rápidamente y
representan la esencia de la rigidez del resultado que sea probablemente el método
sistema. más utilizado para resolver sistemas rígidos.
Además, Rosenbrock y otros (véase Press y
Para este ejemplo el método implícito de
colaboradores, 1992) han propuesto
Euler para sistemas se formula como
algoritmos implícitos, de Runge-Kutta, donde
y1,i+1 = y1,i + (–5y1, los términos k aparecen en forma implícita.
y2,i+1 = y2,i + (100y Dichos métodos poseen buenas características
Al agrupar términos de se
estabilidad
tiene y son bastante adecuados para
resolver sistemas de ecuaciones diferenciales
(1 + 5h)y1,i+1 – 3hyordinarias rígidas.
–100hy1,i+1 + (1 + 301
26.2 MÉTODOS DE PASOS MÚLTI
Así, notamos que el problema consiste en
resolver un conjunto de ecuaciones
simultáneas en cada paso.
Para EDO no lineales, la solución se vuelve
aún más difícil, ya que debe resolverse un
sistema de ecuaciones simultáneas no lineales
(recuerde la sección 6.5). Así, aunque se gana
estabilidad a través de procedimientos
implícitos, se paga un precio al agregar mayor
complejidad a la solución.
El método implícito de Euler es
incondicionalmente estable y tiene sólo una
exactitud de primer orden. También es posible
desarrollar de manera similar un esquema de
integración para la regla del trapecio implícita
de segundo orden para sistemas rígidos. En
general, es preferible tener métodos de orden
superior. Las fórmulas de Adams-Moulton
descritas después, en este capítulo, también
son útiles para determinar métodos implícitos
de orden superior. Sin embargo, los límites de
estabilidad de tales procedimientos son muy
rigurosos cuando se aplican a sistemas rígidos.
Gear (1971) desarrolló una serie especial de
esquemas implícitos que tienen límites de
estabilidad más grandes, basados en las
fórmulas de diferencias hacia atrás. Se ha
hecho un trabajo muy fuerte para desarrollar
el software que implemente los métodos de
Gear en forma eficiente. Dando como
 Los métodos de un paso que se describieron
en las secciones anteriores utilizan
información de un solo punto, (xi, yi), para
predecir un valor de la variable dependiente,
yi+1, en un valor futuro, de la variable
independiente xi+1 (figura 26.3a). Los
procedimientos alternativos, llamados
y y
FIGURA 26.3
xi xi +1 x
a)
métodos de pasos múltiples o multipasos
(figura 26.3b), 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 ofrecen información respecto a la
trayectoria de la solución. Los métodos de
pasos múltiples explorados en este capítulo
aprovechan tal información para resolver las
EDO. Antes de describir las versiones de
orden superior, presentaremos un método
simple de segundo orden que sirve para
demostrar las características generales de los
procedimientos multipaso.
26.2.1 El método de Heun sin autoinicio
Recuerde que el procedimiento de Heun
utiliza el método de Euler como un predictor
[ecuación (25.15)]:
y0i+1 = yi + f(xi, yi)h (26.10) y la regla del
trapecio como un corrector [ecuación
(25.16)]:
xi –2 xi –1 xi xi +1 x
b)
yi+1 = yi + f x y( i, i )+ f x( i+1,y
(26.11)
2
Así, el predictor y el corrector tienen errores
de truncamiento local de O(h2) y O(h3),
respectivamente. Esto sugiere que el predictor
es la parte débil en el método, a causa de que
tiene el error más grande. Esta debilidad es
significativa puesto que la eficiencia del paso
corrector depende de la exactitud de la
predicción inicial. En consecuencia, una
forma de mejorar el método de Heun consiste
en desarrollar un predictor que tenga un error
local de O(h3). Esto se obtiene usando el
método de Euler y la pendiente en (xi, yi), así
como una información extra de un valor
anterior yi–1 como en:
 y0i+1 = yi–1 + f(xi, yi)2h
(26.12) y Pendiente = f (xi+1,

Observe que la ecuación (26.12) alcanza O(h3)

a expensas de emplear un tamaño de paso
mayor, 2h. Además, note que la ecuación
(26.12) no es de autoinicio, ya que necesita un
valor previo de la variable dependiente yi–1.
xi–1
Tal valor no está disponible en un problema
xi xi+1
común de valor inicial. Por ello, las
ecuaciones (26.11) y (26.12) se denominan
método de Heun sin autoinicio. a)
0
Como se indica en la figura 26.4, la f (xi, yi)+ f (xi+1, yi–
y Pendiente =
2
derivada estimada para la ecuación (26.12) se
localiza ahora en el punto medio y no al inicio
del intervalo sobre el cual se hace predicción.
Como se consideró anteriormente, esta
ubicación centrada mejora el error del
predictor a O(h3). Sin embargo, antes de
xi xi+1
realizar una deducción formal del método de
Heun sin autoinicio, lo resumiremos y lo
expresaremos utilizando una nomenclatura b)
ligeramente modificada:

Predictor: yi0+1 = yim−1 + f x y( i, im )2h

Corrector: j = +m f x y( i, im ) f x( ,y )
yi+1 yih

(para j = 1, 2,..., m)
 requerimos de información
adicional, considerando que
y = –0.3929953 en x = –1.
donde los superíndices se agregaron para
denotar que el corrector se aplica Solución. El predictor
iterativamente desde j = 1 hasta m para [ecuación (26.13)] se utiliza
obtener mejores soluciones. Observe que y mi para extrapolar linealmente
y y mi–1 son los resultados finales del corrector de x = –1 a x = 1.
en los pasos anteriores. Las iteraciones
terminan en cualquier paso considerando el y01 = –0.3929953 +
criterio de terminación: [4e0.8(0) – 0.5(2)]2 =
5.607005

εa = yij+1 −j yij+−11100% (26.15) El corrector [ecuación

(26.14)] se usa después para
yi+1 calcular el valor:

y11 = 2 + 4e0 8 0. ( ) − 0 5 2. ( )
Cuando ea es menor que una 607005. ( . )1= 6 549331.
tolerancia de error es
preestablecida, concluyen
las iteraciones. En este 2
momento, j = m. El uso de
que representa un error
las ecuaciones (26.13) a
relativo porcentual de –
(26.15) para resolver una
5.73% (valor verdadero =
EDO se demuestra en el
6.194631). Este error es más
siguiente ejemplo.
pequeño que el valor de –
EJEMPLO 26.2 Método de Heun sin 8.18% en el que se incurre
autoinicio con el método de Heun de
autoinicio.
Planteamiento del problema.
Ahora, se aplica la
Con el método de Heun sin
autoinicio realice los ecuación (26.14) de
mismos cálculos como en el
ejemplo 25.5 donde se usó manera iterativa para
el método de Heun. Es decir, mejorar la solución: y2 =
integre y′ = 4e0.8x – 0.5y y
desde x = 0 hasta x = 4 con 2+
un tamaño de paso de 1.0.
Igual que en el ejemplo
25.5, la condición inicial en 3+ 4e0 8 1. ( ) − 0 5 6
x = 0 es y = 2. Sin embargo,
como aquí tenemos un
método de pasos múltiples,
 549331. ( . )1= 6 El lado izquierdo se integra y evalúa mediante
el teorema fundamental [recuerde la ecuación
313749.
(25.21)]:
1 ∫
2 x
i

que representa un et de – yi+1 = yi +f x y dx

1.92%. Se determina un (26.16)
estimado del error utilizando xi
la ecuación (26.15):
La ecuación (26.16) representa una
εa = 6 solución a la EDO si la integral puede
3 evaluarse. Es decir, proporciona un medio
para calcular un nuevo valor de la variable
1
dependiente yi+1 a partir de un valor previo yi y
3 del conocimiento de la ecuación diferencial.
7
Las fórmulas de integración numérica
4
como las que se desarrollaron en el capítulo
9 21 proporcionan una manera de realizar esta
. evaluación. Por ejemplo, la regla del trapecio
[ecuación (21.3)] se utiliza para evaluar la
− integral, como sigue:

vincula los conceptos de ajuste de curvas, de

∫ xii+1 f x y dx( , ) = f x( i, yi ) + f x( i+1,yi+1)
integración numérica y de EDO. La deducción
h (26.17) x 2
también es útil porque ofrece un
procedimiento simple para desarrollar
métodos de pasos múltiples de orden superior donde h = xi+1 – xi es el tamaño de paso.
y una estimación de sus errores. Sustituyendo la ecuación (26.17) en la
ecuación (26.16) se tiene:
La deducción se basa en resolver la EDO
general fxy
Esta ecuación se resuelve multiplicando
ambos lados por dx e integrando entre los del mismo orden. Además de actualizar la
límites i e i + 1: exactitud del predictor, este hecho tiene
ventajas adicionales relacionadas con el
análisis del error, como se verá en la siguiente
x
i
sección.
dy f x y dx
Estimación de errores. Si el predictor y el
i i
corrector de un método de pasos múltiples son
del mismo orden, el error de truncamiento
local puede estimarse en el proceso de cada variación apreciable en el intervalo dado,
cálculo. Esto representa una enorme ventaja, supondremos que los lados derechos son
ya que establece un criterio para el ajuste del iguales y, por lo tanto, los lados izquierdos
tamaño de paso. deberían ser equivalentes, como:
El error de truncamiento local del
Ec = − yi0+1 − yim+1
predictor se estima con la ecuación (26.21).
5
Dicho error estimado se combina con el
estimado de yi+1 del paso predictor para dar Así, llegamos a una relación que puede
[recuerde nuestra definición básica en la utilizarse para estimar el error de
ecuación (3.1)]: truncamiento por paso con base en dos
cantidades [el predictor (y 0i+1) y el corrector
+ 1 (y mi+1), que son producidos durante el cálculo.
Valor verdadero = yi0+1 hy
( )3
(ξp ) (26.22) de la ecuación (26.25) se
3 puede despejar
Usando un procedimiento similar, el error
estimado para el corrector [ecuación (26.18)] h y3( )3 ( ) (
se combina con el resultado del corrector yi+1 0
) (26.28)
para llegar a:
suponiendo que y(3)(x) ≅ y(3)
− 1 (xp), se sustituye en la
Valor verdadero = yim+1 ecuación (26.21) para dar
( )3
(ξc ) (26.23)
12
Ep = 4 (yim − yi0 )
La ecuación (26.22) se resta de la ecuación
(26.23) para tener: 5
que se utiliza después para
0 = yim+1 − yi0+1 − 5 h y3( )3 modificar el resultado del
( )ξ (26.24) predictor:
12
yi0+1 ← yi0+1 + 4 (yim − yi0 )
donde x está ahora entre xi–1 y xi+1. Ahora, si se (26.30)
divide la ecuación (26.24) entre 5 y se
reordena el resultado se obtiene: 5
EJEMPLO 26.4 Efecto de los m
yi0+1 − yim+1 = −h y3( )3 ( )ξ sobre los resultados del predictor-corrector
(26.25)
5 Planteamiento del problema.
Vuelva a calcular el ejemplo
Observe que los lados derechos de las 26.3 empleando ambos
ecuaciones (26.18) y (26.25) son idénticos, modificadores.
con excepción del argumento de la tercera
derivada. Si la tercera derivada no tiene una
Solución. Como en el
ejemplo 26.3, el resultado
del predictor inicial es
5.607005. Ya que el
modificador del predictor
[ecuación (26.30)] requiere
valores de una iteración
previa, no es posible
emplearlo para mejorar este
resultado inicial. Sin
embargo, la ecuación
(26.27) sirve para modificar
el valor corregido de
6.360865 (et = –2.684%),
como sigue:
y1m = 6 360865.
= 6 210093.
que representa un et = –
0.25%. Así, el error
se reduce en un
orden de magnitud.
En la siguiente
iteración, el
predictor [ecuación
(26.13)] se usa para
calcular y 02 = 2 +
[4e0.8(0) –
0.5(6.210093)]2 =
13.59423 et =
8.42%
que es aproximadamente la
mitad del error del predictor
para la segunda iteración del
ejemplo 26.3, es decir, et =
18.6%. Esta mejoría ocurre
debido a que utilizamos aquí
una mejor estimación de y
(6.210093 en lugar de
6.360865) en el predictor.
En otras palabras, los errores
propagado y global se
reducen al incluir el
modificador del corrector.
Ahora debido a que
tenemos información de la
iteración anterior, la
ecuación (26.30) se emplea
para modificar el predictor,
como sigue:
y20 =13 59423. + ( .6
360865− 5 607005. ) =14 19732. εt = −4 36.
%
que, de nuevo, reduce el
error a la mitad.
tor. Sin importar si se usan los predictores
modificados o no modificados, el corrector, al
final, convergerá a la misma respuesta. No
obstante, como la rapidez o eficiencia de
convergencia depende de la exactitud de la
predicción inicial, la modificación puede
reducir el número de iteraciones requerido
1521178
. −1359423
.
para la convergencia.
5
La implementación del corrector da un
resultado de 15.21178 (et = –2.48%), el cual
representa una mejora sobre el ejemplo 26.3
debido a la reducción del error global. Por
último, tal resultado se puede
Ahora, dividiendo la ecuación entre hc + hp dc /dp,
multiplicando el último término por dp /dp y reordenando,
se obtiene una estimación del error de truncamiento
local del corrector:
Para el modifi cador del predictor, la ecuación
(C26.1.3) se despeja en el paso anterior:
δδ
 h yn (n+1) ( )ξ = − c p (yi0 − yim ) ηδ Las ecuaciones (C26.1.4) y (C26.1.5)
ηδ+ son versiones generales de modificadores que se utilizan
para mejorar algoritmos de pasos múltiples. Por ejemplo,
c p p c
el método de Milne tiene hp = 14, dp = 45, hc = 1, dc = 90.
Sustituyendo estos valores en las ecuaciones (C26.1.4) y
que podrá sustituirse en el término del error de la (C26.1.5) se obtienen las ecuaciones (26.43) y (26.42),
respectivamente. Podrán desarrollarse modificadores
ecuación (C26.1.1) para tener ηδ
similares para otros pares de fórmulas abiertas y cerradas
que tengan errores de
Ep = pc
(yim – yi0 ) (C26.1.5) ηδ ηδc p +
truncamiento local del mismo orden.
p c

Se puede usar una diferencia para aproximar la primera derivada:

′1 = fi+1 − fi + fi+′′1 h +O h( 2 ) fi+ h 2

que al sustituirse en la ecuación (26.39), y agrupando términos, da

yi+1 = yi + h⎛⎝ 12 fi+1 + 21 fi ⎞⎠ − 121 h f3 ′′ −O h( 4 )

i+ 1

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:
n−1

yi+1 = yi + h ∑β f k i+ −1 k +O h( n+1)
k=0

Los coeficientes bk se muestran en la tabla 26.2. El método de cuarto orden se ilustra en la

figura 26.9b.
TABLA 26.2 Coeficientes y error de truncación de los predictores de Adams-Moulton.

Error
Orden β0 β1 β2 β3 β4 β5 truncación

2 1/2 1/2 h
−

3 5/12 8/12 –1/12 h

−
 4 9/24 19/24 –5/24 1/24 h
−

5 251/720 646/720 –264/720 106/720 –19/720

−

6 475/1 440 1 427/1 440 –798/1 440 482/1 440 –173/1 440 27/1 440
− (

26.2.4 Métodos de pasos múltiples de orden superior

Ahora que formalmente desarrollamos las fórmulas de integración de Newton-Cotes y de
Adams, podemos utilizarlas para deducir métodos de pasos múltiples de orden superior. Como
ocurrió con el método de Heun sin autoinicio, las fórmulas de integración se aplican
conjuntamente como métodos predictor-corrector. Además, si las fórmulas abiertas y cerradas
tienen errores de truncamiento local del mismo orden, es posible incorporar modificadores del
tipo que se presenta en la figura 26.5 para mejorar la exactitud y permitir el control del tamaño
de paso. El cuadro 26.1 ofrece ecuaciones generales para estos modificadores. En la siguiente
sección presentamos dos de los procedimientos multipaso de orden superior más comunes: el
método de Milne y el método de Adams de cuarto orden.

Método de Milne. El método de Milne es el método de pasos múltiples más común, basado en
las fórmulas de integración de Newton-Cotes. Éste utiliza la fórmula abierta de Newton-Cotes
de tres puntos como un predictor:

0 = yim−3 + 4h (2 fim − fi−m1 + 2 fi−m2 ) (26.40) yi+1

3y la fórmula cerrada de Newton-Cotes de tres
puntos (regla de Simpson 1/3) como corrector:
yij+1 = yim−1 + h ( fi−m1 + 4 fim + fi+j1−1)
3
donde j es un índice que representa el número de iteraciones del modificador. El predictor y los
modificadores del corrector para el método de Milne se desarrollan a partir de las fórmulas del
cuadro 26.1 y de los coeficientes del error en las tablas 21.2 y 21.4:

y
Ep i

(26.42)

y
Ec i

(26.43)

EJEMPLO 26.5 Método de Milne

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

desde x = 0 hasta x = 4 usando un tamaño de paso de 1. La condición inicial
 41
()
es x = 0, y = 2. Como3tratamos con un método de pasos múltiples se necesita
de puntos previos. En una aplicación real, se usaría un método de un paso tal
como un RK de cuarto1 orden para calcular los puntos requeridos. En este
3
ejemplo, usaremos la solución analítica [recuerde la ecuación (E25.5.1) del
ejemplo 25.5] obteniéndose para xi–3 = –3, xi–2 = –2 y xi–1 = –1 los valores
exactos yi–3 = –4.547302, yi–2 = –2.306160 y yi–1 = –0.3929953,
respectivamente.

Solución. El predictor [ecuación (26.40)] se usa para calcular el valor en x =

1:

y10 = −4 54730.+ [ ( )2 3 −1 99381.+ 2 1 96067( .)]= 6

El corrector [ecuación (26.41) se emplea después para calcular y11 = −0

3929953. + [ .1 99381+ 4 3( )+ 5 890802. ] = 6 235210. εt = −0 66. %

Este resultado puede sustituirse en la ecuación (26.41) para corregir la

estimación en forma iterativa. El proceso converge a un valor final corregido
de 6.204855 (et = –0.17%).
Este valor es más exacto que la estimación de 6.360865 (et = –2.68%)
obtenida antes con el método de Heun sin autoinicio (los ejemplos 26.2 a
26.4). Los resultados en los siguientes pasos son y(2) = 14.86031 (et = –
0.11%), y(3) = 33.72426 (et = –0.14%) y y(4) = 75.43295 (et = –0.12%).

Como en el ejemplo anterior, el método de Milne generalmente da

resultados de gran exactitud. Sin embargo, hay ciertos casos donde su
desempeño es pobre (véase Ralston y Rabinowitz, 1978). Antes de examinar
tales casos, describiremos otro procedimiento multipaso de orden superior: el
método de Adams de cuarto orden.

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:

yi0+1 = yim + h⎛⎝ 2455 fim − 2459 fi−m1 + 2437 fi−m2 − 249 fi−m3⎞⎠

y la fórmula de Adams-Moulton de cuarto orden (tabla 26.2) como corrector:

yij+1 = yim + h⎛⎝ 249 fi+j1−1 + 1924 fim − 245 fi−m1 + 241 fi−m2 ⎞⎠
 Los modificadores del predictor y del corrector para el método de Adams
de cuarto orden se desarrollan a partir de las fórmulas del cuadro 26.1 y de los
coeficientes de error en las tablas 26.1 y 26.2 como sigue:

Ep = 251(yim − yi0 )
270

Ec = − 19 (yim+1 − yi0+1)
270
EJEMPLO 26.6 Método de Adams de cuarto orden
Planteamiento del problema. Con el método de Adams de cuarto orden
resuelva el mismo problema que en el ejemplo 26.5.
Solución. El predictor [ecuación (26.44)] se utiliza para calcular el valor en x
= 1.

59 37 9
y10 = 2+1 ⎝⎛ 2455 3− 241 993814.+ 241 960667. − 24
6365228. ⎞⎠ = 6 007539.

εt = 3 1. %

el cual es comparable al resultado que se obtiene usando el método de Milne,

aunque menos exacto. El corrector [ecuación (26.45)] se emplea después para
9 19 5 1
calcular y11 = 2+1 ⎛⎝ 24 5 898394. + 24 3− 24 1 993814. + 24
1.960666⎞⎠ = 6 253214.

εt = −0 96.%
que también es comparable, aunque menos exacto que el resultado con el
método de Milne. Este resultado se sustituye en la ecuación (26.45) para
corregir de manera iterativa el estimado. El proceso converge a un valor
corregido final de 6.214424 (et = 0.32%), que es un resultado exacto, pero
también inferior al obtenido con el método de Milne.

Estabilidad de los métodos de pasos múltiples. La mejor exactitud del método

de
Milne mostrada en los ejemplos 26.5 y 26.6 podría anticiparse considerando
los términos del error en los predictores [ecuaciones (26.42) y (26.46)] y en
los correctores [ecuaciones (26.43) y (26.47)]. Los coeficientes para el
 método de Milne, 14/45 y 1/90, son más pequeños que los de Adams de
cuarto orden, 251/720 y 19/720. Además, el método de Milne emplea menos
evaluaciones de la función para alcanzar mejores estimulaciones. Los
anteriores resultados podrían llevarnos a la conclusión de que el método de
Milne es superior y, por lo tanto, preferible a los de Adams de cuarto orden.
Aunque esta conclusión se cumple en muchos casos, hay ocasiones en las que
el método de Milne se desempeña en forma inaceptable. Tal comportamiento
se muestra en el siguiente ejemplo.

EJEMPLO 26.7 Estabilidad de los métodos de Milne y de Adams de cuarto orden

Planteamiento del problema. Use los métodos de Milne y de Adams de cuarto
orden para resolver
dy
= −y
dx
con la condición inicial x = 0, y = 1. Resuelva esta ecuación desde x = 0 hasta
x = 10 usando un tamaño de paso h = 0.5. Observe que la solución analítica es
y = e–x.
Solución. Los resultados, como se resumen en la figura 26.10, indican
problemas con el método de Milne. Poco después del inicio de los cálculos,
los errores empiezan a crecer y a oscilar en signo. En x = 10 el error relativo
ha crecido a 2 831% y el valor predicho mismo comienza a oscilar en signo.
 y

0.005

Método de Milne

Solución verdadera

0
5 10 x

FIGURA 26.10
Representación gráfi ca de la inestabilidad del método de Milne.

En cambio, los resultados con el método de Adams serán mucho más

aceptables. Aunque el error también crezca, lo hará lentamente. Además, las
discrepancias no mostrarán los violentos cambios de signo que muestra el
método de Milne.
Al inaceptable comportamiento manifestado por el método de Milne en el ejemplo anterior
se le conoce como inestabilidad. Aunque no siempre ocurre, tal posibilidad nos lleva a la
conclusión de que deberá evitarse el procedimiento de Milne. Así, en general se prefiere el
método de Adams de cuarto orden.
La inestabilidad del método de Milne se debe al corrector. En consecuencia, se han
realizado intentos para rectificar el defecto al desarrollar correctores estables. Una alternativa
usada comúnmente que emplea este procedimiento es el método de Hamming, el cual utiliza el
predictor de Milne y un corrector estable:

yij+1 =