Ecuaciones Diferenciales

Escuela de Matemáticasl, Facultad de Ciencias

Universidad Industrial de Santander, Bucaramanga, Colombia
~ Apuntes de clase, 2020

TALLER 1: APLICACIONES DE ECUACIONES DIFERENCIALES

ORDINARIAS DE PRIMER ORDEN Y MATLAB

Profesor: Giovanni Calderóna,1

a Universidad Industrial de Santander, Bucaramanga, Colombia.
e-mail: giovanni.calderon@correo.uis.edu.co

Resumen. El objetivo principal del taller es de introducir al estudiante en la solución de modelos de

EDO de primer orden usando métodos numéricos. En particular, se busca el uso de MATLAB para lograr-
lo. Se enuncia un problema y su solución numérica se encuentra usando funciones hechas en MATLAB.
El análisis del problema y la solución obtenida, junto al comportamiento del método numérico utilizado,
constituye parte principal del taller.
El taller será evaluado siguiendo la tabla de cotejo dada para los talleres de esta unidad.
Palabras clave: Método numéricos para ecuaciones diferenciales, Métodos de Runge-Kutta, Modelos
para EDO, Ecuación logı́stica, Modelos depredador-presa, Modelo epidemiológico, SIR.

ÍNDICE

1 INTRODUCCIÓN 1

2 PROBLEMA 1: La ecuación Logı́stica 2

3 PROBLEMA 2: Dinámica de población, modelos depredador-presa 6

4 PROBLEMA 3: Atractor de Lorent 10

5 PROBLEMA 4: Modelo epidemiológico SIR 11

1 INTRODUCCIÓN
El taller busca introducir al estudiante en el tema de modelado y simulaciones numéricas de
ecuaciones diferenciales ordinarias, particularmente las de primer orden. Para lograr el objetivo
se usa MATLAB y la familia de funciones con que cuenta para la solución de EDO, especial-
mente ode45.m. Para tal fin, antes de plantear los problemas a resolver, se hace, a modo de
ejemplo, el planteamiento de un problema, su formulación matemática y su solución numérica
1
Notas de clases usadas para el curso de Ecuaciones Diferenciales dictado el semestre I-2020,UIS.
(el primer problema sobre la ecuación logı́stica se enuncia y se desarrolla a detalle, se crea el
código para su solución y los resultados obtenidos).
Finalmente, por cada problema, se quiere que el estudiante resuelva una lista de ejercicios
siguiendo las estrategias planteadas y desarrolle un pequeño informe sobre los resultados obte-
nidos.

2 PROBLEMA 1: LA ECUACIÓN LOGÍSTICA

En el modelo más sencillo de crecimiento de una población, P (t), se supone que la rapidez
de crecimiento es directamente proporcional al tamaño de la población:
dP
= aP, (1)
dt
donde la tasa de crecimiento a > 0. Se sabe que la solución de esta ecuación diferencial deter-
mina un crecimiento indefinido de la población. Sin embargo, es evidente que el crecimiento
de la población debe ser limitado por la disponibilidad de los recursos, lo cual implica que la
rapidez de crecimiento debe ser una función de la población P , es decir:
dP
= f (P )P.
dt
Cuando el tamaño de la población P es pequeño, habrán suficientes recursos, de modo que
la rapidez de crecimiento será independiente de los recursos y, por lo tanto, aproximadamente
proporcional a la población, es decir, f (P ) ≈ a. Sin embargo, a medida que la población
crece, los recursos disponibles por individuo decrecerán y producirán un efecto inhibidor sobre
el crecimiento de la población. Por consiguiente, f (P ) debe decrecer conforme P crece. La
función más sencilla que satisface estas condiciones es f (P ) = a − bP , donde b > 0. De esto
nos resulta la ecuación:
dP
= (a − bP )P. (2)
dt
En ecologı́a, esta ecuación se conoce como ecuación de Verhulst1 o ecuación logı́stica y hoy
en dı́a es la base de gran parte del estudio moderno de poblaciones dinámicas. Resulta apropiado
escribir (2) como
dP  P
=a 1− P, con a > 0, M = a/b, (3)
dt M
donde el término (1 − P/M ) es la contribución real de Verhulst a la ecuación (1) y M se conoce
como la capacidad de carga del sistema. Debe quedar claro, el término (1 − P/M ) ≈ 1
cuando P ≈ 0, lo que conduce a un crecimiento exponencial, y que (1 − P/M ) → 0 conforme
P → M , por lo tanto, hace que la curva de crecimiento P (t) se aproxime a la ası́ntota horizontal
P (t) = M . Ası́, el tamaño de la población no puede exceder la capacidad de carga del medio
ambiente. La ecuación logı́stica (3) da la tasa de crecimiento de la población, pero es más fácil
conceptualizar la ecologı́a si consideramos la tasa de crecimiento per cápita, es decir, la tasa de
crecimiento de la población a partir del número de individuos de la población.
1
Pierre Verhulst (1804-1849) matemático Belga.

2
 Se puede resolver analı́ticamente la ecuación (3). Sin embargo, por los momentos acudire-
mos a los conocimientos aprendidos en el curso: Solving Ordinary Differential Equations with
MATLAB para definir la solución aproximada mostrada en la Figura 1. El código usado para

Ecuación logística dP/dt = aP(1-P/M)

5
M
4.5

3.5

3
P(t)

2.5

1.5

0.5

0
0 5 10 15
Tiempo

Figura 1: Curvas solución de la ecuación logı́stica (3) con: a = 1, b = 4 y condición inicial P (0) = 0.5.

encontrar la solución está dado en la Figura 2.

Use el código y cambie la condición inicial a P (0) = 5.2 para notar que por más que se in-
troduzca una población por arriba de la capacidad de carga del sistema, la población disminuye
de forma asistótica a M .
La suposición detrás del modelo logı́stico es que mientras una población disminuye de ta-
maño, los individuos mejoran (conforme se mide la tasa de crecimiento de población per cápita).
En cierta medida, esta suposición subyace en todas nuestras ideas sobre el manejo sustentable
de la población y de los recursos naturales. Por ejemplo, un tipo de pez no puede pescarse in-
definidamente a menos que supongamos que cuando una población se reduce en tamaño, tiene
la capacidad de crecer adonde estaba antes.
Esta hipótesis es más o menos razonable para algunas poblaciones, como es el caso de mu-
chas poblaciones de peces objeto de pesca comercial que se mantienen en un 50 % o incluso en
un 20 % de M . Pero para poblaciones muy agotadas o en peligro de extinción, la idea de que los
individuos sigan estando mejor conforme la población se hace más pequeña es muy riesgosa.
La población de los grandes bancos de bacalao, de la que se llegó pescar hasta el 1 % o incluso
el 0.1 % de M , está protegida desde principios de la década de 1990 y aún no muestra signos
convincentes de recuperación.
Warder Clyde Allee2 demostró que, en redidad, los individuos de una población pueden estar
peor cuando la población llega a ser muy pequeña o muy escasa. Existen numerosas razones
2
Warder Clyde Allee (1885 − 1955) era un ecólogo estadumidense adscrito a la Universidad de Chicago a

3
 % Codigo para el problema Ec. Logistica
% Giovanni Calderón Junio 2020----- En dias de cuarentena
% Solo ejecute el codigo y listo...

function EcLogistica
clear, close
% parametros del modelo
a = 1;
b = 4;
temps = [0,15]; % Tiempo
CI = 0.5; % condiciones iniciales

[t,P] = ode45(@epi,temps,CI);

% Postproceso de datos:
plot(t,P,’.-b’)
axis([0 15 0 5])
xlabel(’Tiempo’), ylabel(’P(t)’)
title(’Ecuación logı́stica dP/dt = aP(1-P/M)’)

function dPdt = epi(˜,P)%epi(˜,x)

M = b/a;
dPdt = a*P*(1-P/M);
end
end
Figura 2: Código realizado para la ecuación logı́stica.

ecologicas de porque podria suceder esto; por ejemplo, pueden no encontrar un compañero ade-
cuado o pueden necesitar grandes grupos para encontrar comida o expresar su comportamiento
social, o, en el caso de los peces de colores, los gnupos pueden alterar la quı́mica del agua a
su favor. Como resultado del trabajo de Alle, se dice que una población en la cual la tasa de
crecimiento per cápita disminuye a razón de contar con menos individuos presenta un efecto
Allee. El resultado del juicio está todavı́a pendiente respecto de si los grandes bancos de baca-
lao sufren un efecto Allee, pero hay algunos mecanismos posibles: las hembras podrı́an no ser
capaces de encontrar un compañero o al manos no un compañero del tamaño adecuado, o quizá
el bacalao adulto solı́a comer los peces que se comen al bacalao joven, Por otro lado, no hay
nada que le guste más a un bacalao adulto que un aperitivo de bacalao bebé (no son peces con
hábitos de comida muy exigentes), por lo que estos argumentos podrı́an no ser acumulativos.
Por el momento sabemos muy poco sobre la situación excepto que aún no hay bacalao.
El efecto Allee se puede modelar de muchas maneras. Uno de los modelos matemáticos mas
simples, una variación de la ecuación logı́stica, es:
  
dP P P
= aP 1 − −1 (4)
dt M A
principios del siglo XX que experimento con peces de colores, ofiuras, escarabajos tribolium y, de hecho, con casi
cualquier cosa que tuviera la mala suerte de crurarse en su camino.

4
donde A se conoce como el umbral de Allee. El valor de P (t) = A es el tamaño de la población
por debajo del cual la tasa de crecimiento de la población llega a ser negativa debido a un efecto
Allee, situado en un valor de P en algún lugar entre P = 0 y P = M , es decir, 0 < A < M ,
dependiendo de la especie (pero por suerte para las especies hay una buena parte un poco más
cerca de 0 que de M ). La gráfica de la Figura 3 muestra el comportamiento de la ecuación (4)
donde para un A = 0.4 se deja ver el efecto Allee (la población tiende a desaparecer por debajo
de A), las otras dos soluciones tienden asintóticamente al umbral de carga.

Ecuación logística dP/dt = aP(1-P/M)(P/A-1)

6

5
P(0)=5.6

4
P(t)

P(0)=0.6
2

1 P(0)=0.4 Efecto Allee

0
0 5 10 15
Tiempo

Figura 3: Curvas solución de la ecuación logı́stica (4) con: a = 1, b = 4, A = 0.4 y condiciones iniciales de las
soluciones en: P (0) = 0.4, P (0) = 0.6 y P (0) = 5.6.

Ahora usted debe realizar:

1. Resuelva explı́citamente la ecuación logı́stica (3) usando fracciones parciales. Inserta la

solución analı́tica en el código hecho anteriormente para crear una gráfica de ella y la
solución aproximada.

2. El valor de a puede decirnos mucho sobre la ecologı́a de una especie, en el caso de las
sardinas, donde las hembras maduran en menos de un año y tienen millones de huevos, se
tiene un a alto, mientras que los tiburones, donde las hembras tiene unas pocas crı́as cada
año, tienen un a bajo. Juegue con a y vea cómo afecta la forma de la curva. Pregunta: Si
un área marina protegida detiene la sobrepesca, ¿qué especies se recuperarán más rápido,
las sardinas o los tiburones?

3. Las poblaciones (soluciones) de equilibrio son aquellas donde dP/dt = 0, es decir, la

población no está creciendo ni disminuyendo. En el ejemplo de la Figura 3 estas están
dadas por: P (t) = 0, P (t) = 0.4, P (t) = 4, Justifique esta afirmación.

5
 4. Los equilibrios de población pueden ser estables o inestables. Si, cuando una población
se desvı́a un poco del valor de equilibrio (como las poblaciones inevitablemente lo hacen),
tiende a volver a él, este es un equilibrio estable; sin embargo, si cuando la población se
desvı́a del equilibrio tiende a apartarse de el aún más, este es un equilibrio inestable. El
equilibrio inestable es una caracterı́stica de los modelos del efecto Allee como los de la
ecuación. Utilice un esquema de fase de la ecuación (4) para determinar si los equilibrios
distintos de cero dados en el item anterior son estables o inestables.

5. Analice las consecuencias del resultado anterior de la población P (t) fluctuando alrede-
dor del umbral de Allee A.

3 PROBLEMA 2: DINÁMICA DE POBLACIÓN, MODELOS DEPREDADOR-PRESA

A principios de 1995, después de mucha controversia, debate público y una ausencia de 70
años, se introdujeron de nuevo los lobos grises en el parque de Idaho Central y en el Parque
Nacional de Yellowstone. Durante esta larga ausencia se registraron cambios significativas en
las poblaciones de otros animales que viven en el parque. Por ejemplo, habı́an aumentado las
poblaciones de alce y coyote durante este tiempo. Con la reintroducción del lobo en 1995, antici-
pamos cambios en las poblaciones animales, tanto depredadores como presas, en el ecosistema
del Parque Yellowstone, ya que el éxito de la población de lobos depende de cómo influye y es
influenciada por las otras especies del ecosistema.
Para este estudio, examinaremos cómo la población de alces (presa) ha sido influenciada
por los lobos (depredador). Estudios recientes han demostrado que la población de alces ha
sido impactada negativamente por la reintroducción de los lobos. La población de alces cayó
de aproximadamente 18000 en 1995 a aproximadamente 7000 en 2009. Nos planteamos la
pregunta de si los lobos podrı́an tener tal efecto y, si es ası́, ¿podrı́an hacer que desaparezca la
población de alces?
Comencemos por revisar con más detalle los cambios en la población de alces, independien-
temente de los lobos. En los 10 años anteriores a la introducción de lobos, de 1985 a 1995, un
estudio indicó que la población de alces aumentó 6 en un 40 %, de 13000 en 1985 a 18000 en
1995. Usando el modelo más simple de la ecuación diferencial para la dinámica de poblaciones,
podemos determinar la tasa de crecimiento de los alces (representada por la variable a) antes de
la reintroducción de los lobos.
dE
= aE, E(0) = 13.0, E(10) = 18.0 (5)
dt
En esta ecuación, E(t) representa la población de alces (en miles) donde t se mide en años desde
1985, La solución, que se deja como ejercicio al lector, encuentra que la tasa de crecimiento
combinada nacimientos/muertes a es aproximadamente 0.0325, produciendo:

E(t) = 13.0e0.0325t

Al inicio, en 1995, 21 lobos fueron puestos en libertad, y han aumentado sus números. En 2007,
los biólogos estimaron que el número de lobos era de aproximadamente 171.

6
 Para estudiar la interacción entre el alce y la población de lobos, consideremos el siguien-
te modelo depredador-presa para la interacción entre alces y lobos dentro del ecosistema de
Yellowstone:
dE
= 0.0325E − 0.8EW
dt
dW (6)
= −0.6W + 0.05EW
dt
E(0) = 18.0, W (0) = 0.021,
donde E(t) es la población de alces y W (t) es la población de lobos. Todas las poblaciones se
miden en miles de animales. La variable t representa el tiempo medido en años desde 1995. Ası́,
a partir de las condiciones iniciales, tenemos 18000 alces y 21 lobos en el año 1995. Se debe
notar que se estimó la tasa de crecimiento para el alce igual que la estimada antes a = 0.0325.

20 0.18

0.16
18

0.14

16
Poblacion de lobos
Poblacion de alces

0.12

14 0.1

0.08
12

0.06

10
0.04

8 0.02
1995 2000 2005 2010 1995 2000 2005 2010
Tiempo Tiempo

Figura 4: Curvas solución del modelo Depredador-Presa.

Antes de que intentemos solucionar el modelo (6), un análisis cualitativo del sistema puede
producir una serie de interesantes propiedades de las soluciones. La primera ecuación muestra
que la tasa de crecimiento de los alces (dE/dt) se ve afectada positivamente por el tamaño
de la manada (0.0325E). Esto se puede interpretar como que la probabilidad de reproducción

7
aumenta con el número de alces. Por otra parte, el término no lineal (0.8EW ) tiene un impacto
negativo en la tasa de crecimiento de los alces ya que mide la interacción entre depredadores y
presas. La segunda ecuación dW/dt = −0.6W + 0.05EW muestra que la población de lobos
tiene un efecto negativo sobre su propio crecimiento, lo que se puede interpretar como la razón
de que a más lobos se crea más competencia por el alimento. Sin embargo, la interacción entre
el alce y los lobos (0.05EW ) tiene un impacto positivo ya que los lobos están encontrando más
comida.
Puesto que no se puede encontrar una solución analı́tica al problema de valores iniciales (6),
usamos MATLAB para encontrar una solución aproximada, ver Figura 4. El código usado está
dado en la Figura 5.

% Codigo para el problema Depredador-Presa

% Giovanni Calderón Junio 2020----- En dias de cuarentena
% Solo ejecute el codigo y listo...

function DepredadorPresa
clear, close
% parametros del modelo
temps = [1995,2009]; % Tiempo
CI = [18;0.021]; % condiciones iniciales

[t,Y] = ode45(@epi,temps,CI);
% Postproceso de datos:
subplot(1,2,1)
plot(t,Y(:,1),’.-b’)
xlabel(’Tiempo’), ylabel(’Poblacion de alces’)
grid
subplot(1,2,2)
plot(t,Y(:,2),’.-r’)
grid
xlabel(’Tiempo’), ylabel(’Poblacion de lobos’)
end

function dydt = epi(˜,Y) %Para definir el sistema de ecuaciones

% Y=[E;W]
dydt = [0.0325*Y(1)-0.8*Y(1)*Y(2);-0.6*Y(2)+0.05*Y(2)*Y(1)];
end
Figura 5: Código realizado para el modelo Depredador-Presa.

Las gráficas de Figura 4 muestran las poblaciones de ambas especies entre 1995 y 2009.
Como se predijo por numerosos estudios, la reintroducción de los lobos en Yellowstone habı́a
conducido a una disminución en la población de alces. En este modelo podemos ver la dis-
minución de la población de 18000 en 1995 a aproximadamente 7000 en 2009. En cambio, la
población de lobos aumentó de una condición inicial de 21 en 1995 a un máximo de aproxima-
damente 180 en 2004.
Se debe notar que el modelo también muestra un descenso en la población de lobos después
de 2004. ¿Cómo podrı́amos interpretar esto? Con la disminución en la población de alces en

8
los primeros 10 años, hubo menos comida para los lobos y, por lo tanto, su población empezó a
declinar.
La Figura 6 que se muestra a continuación presenta el comportamiento a largo plazo de
ambas poblaciones. La interpretación de esta gráfica se deja como ejercicio para el lector. En
Internet se puede encontrar información acerca de la reintroducción de los lobos en el parque
de Idaho Central y en Yellowstone. Por ejemplo, lea las noticias del U.S. Fish and Wildlife
Service del 23 de noviembre de 1994, sobre la liberación de los lobos en el Parque Nacional de
Yellowstone.

20 0.2
Poblacion de alces y lobos

Alces

10 0.1

Lobos

0 0
1990 2000 2010 2020 2030 2040 2050 2060 2070
Tiempo en años

Figura 6: Curvas solución del modelo Depredador-Presa.

Ahora usted debe realizar:

1. Resuelva el problema con valores iniciales de antes de la reintroducción de los lobos

(5), solucionando primero la ecuación diferencial y aplicando la condición inicial. Luego
aplique la condición terminal para encontrar la tasa de crecimiento.

2. Los biólogos han analizado si la razón de la disminución de los alces de 18000 en 1995 a
7000 en 2009 se encuentra en la reintroduccion de los lobos. ¿Qué otros factores pudieran
explicar la disminución de la población de alces?

3. Considere los cambios a largo plazo de las poblaciones de alces y lobos. ¿Estos cambios
cı́clicos son razonables? ¿Por que hay un desfase entre el momento en que comienza
la declinación de los alces y cuando la población de los lobos empieza a decaer? ¿Son

9
 realistas los valores mı́nimos para la población de lobos? Trace la población de los alces
frente a la población de lobos e interprete los resultados.

4. ¿Qué nos dice el problema con valor inicial (5) sobre el crecimiento de la población de
alces sin la influencia de los lobos?

5. Investigue la historia sobre el pez trucha (cualquier especie) en Colombia. Es autóctona

de Colombia. Como influye la trucha sobre los demás peces en los rı́os. Se atreve a definir
un modelo sobre ella y cualquier otra población de peces en los rı́os de Colombia.

6. Considere el modelo de competencia definido por

dx
= x(1 − 0.1x − 0.05y)
dt
dy
= y(1.7 − 0.1y − 0.15x)
dt
donde las poblaciones x(t) y x(t) se miden en miles y t en años. Utilice MATLAB para
analizar las poblaciones en un periodo largo para cada uno de los casos siguientes:

(a) x(0) = 1, y(0) = 1

(b) x(0) = 4, y(0) = 10
(c) x(0) = 9, y(0) = 4
(d) x(0) = 5.5, y(0) = 3.5

4 PROBLEMA 3: ATRACTOR DE LORENT

Edward Norton Lorenz (1938-2008) buscaba definir un sistema de ecuaciones diferenciales
que predijeran el tiempo en la atmósfera, y se encontró con una curva que hoy en dı́a se conoce
como atractor de Lorenz. Las ecuaciones de Lorenz (1963) es un sistema de EDO de primer
orden:
dx
= a(y − x)
dt
dy
= x(b − z) − y
dt
dz
= xy − cz
dt
donde, las constantes a, b y c, pueden tomar los valores de a = 10, c = 8/3 y b = 28. Imple-
mente el código en MATLAB usando el ode45.m (discutido en el curso de MATLAB) para
encontrar la solución numérica del problema. Para describir el atractor de Lorenz (curva) puedes
usar los comandos plot3.m o comet3.m (ver ayuda en MATLAB).

10
5 PROBLEMA 4: MODELO EPIDEMIOLÓGICO SIR
Los modelos SIR son sin duda los modelos epidemiológicos determinı́sticos más simples
capaces de capturar muchas de las caracterı́sticas tı́picas de los brotes epidémicos. Su historia
se remonta a principios del siglo pasado cuando (5) define el primer modelo SIR para el caso
de epidemia (prevalece durante un tiempo corto). El nombre del modelo proviene de las inicia-
les S (población susceptible), I (población infectada) y R (población recuperada). El modelo
relaciona las variaciones de las tres poblaciones (Susceptible, Infectada y Recuperada) a través
de la tasa de infección y el perı́odo infeccioso promedio. Los modelos SIR resultan adecuados
cuando los agentes infecciosos son virus.
La población total es N = S + I + R. Hecha la separación de los grupos, se hace necesario
especificar ecuaciones que describan la variación temporal del número de individuos en cada
compartimento. El gráfico de la solución I(t) deberı́a ser semejante con la progresión observada
del número de personas infectadas. El número de individuos en cada compartimentos deben ser
números enteros, aunque dado el gran tamaño de la población N las variables S, I, R pueden
ser tratadas como variables continuas. El modelo SIR más simple viene dado por las siguientes
ecuaciones diferenciales:

dS
= −βSI
dt
dI
= βSI − γI
dt
dR
= γI
dt
Aquı́, la tasa de transmisión β y la tasa de recuperación γ (de tal manera que el perı́odo
medio de recuperación es 1/γ).
Para el COVID-19 se tienen estimaciones (dadas recientemente) de β ∈ [2, 2.8] y una tasa
de recuperación de γ ∈ [0.1, 0.6]. Desarrolle los siguiente puntos.

1. Implemente modelo en MATLAB (usando ode45.m)3 y trace una gráfica de los distintos
grupos de población del modelo. Utilice como dato inicial un individuo infectado.

2. Usted puede obtener los datos de infectados con el COVID-19 en Colombia de la página
web del INS4 . Trace la gráfica de infectados con los datos reales y la obtenida por el
modelo SIR. Analice los resultados.

3. La tasa de transmisión β puede variar con el tiempo debido, por ejemplo, a las polı́ticas
gubernamentales o a la sensación de peligro en la población, entre otras. Una opción
sencilla es tomar β:
β(t) = β0 (1 − A(t)),
3
Puede consultar la versión propuesta por el docente
4
https://www.ins.gov.co/Noticias/Paginas/Coronavirus.aspx

11
 donde, A(t) puede ser una función por partes que describa los efectos de las distintas
polı́ticas implementadas, y β0 es la tasa de transmisión sin ninguna medida del estado
(A = 0). Teniendo las fechas en que el estado implementó la cuarentena y los distintos
toques de queda trate de definir un β(t); por supuesto, justifique o explique su elección
del A(t).

4. Ahora realice los cambios necesarios en el código para implementar el β(t) propuesto.
Analice los resultados obtenidos.

5. En estos momento, es muy fácil encontrar modelos más reales para simular la propagación
del virus. Proponga usted un modelo, describa sus variables y realice los cambios en el
código existente para encontrar resultados a este modelo.

REFERENCIAS
[1] Courchamp F., Berec L., and Gascoignc J. Allee Effects in Ecology and Consencation,
Oxford University Press, 2008.
[2] Hastings A., Population Biology, Concepts and Models, New York, Springer, 1997.
[3] Dennis G. Zill and Warren S. Wright, Ecuaciones Diferenciales con problemas con valores
en la frontera, octava edición, Cengage Learning Editores, México, 2015.
[4] Forsythe, G. E., M. A. Malcolm, and C. B. Moler, Computer Methods for Mathematical
Computations, Prentice-Hall, 1976.
[5] Kermack, W.O. and McKendrick, A.G. A contribution to the mathematical theory of epi-
demics, Proceedings of the Royal Society of London Series A, 115, 700-721, 1927.

12