Mtodos Numricos

Solucin Numrica de Ecuaciones

Regala Falsa
Aproximaciones Sucesivas
Newton Raphson
Von Mises

Solucin Numrica de Sistemas de Ecuaciones Lineales

Gauss Seidel
Jacobi

Interpolacin y Aproximacin
Lagrange
Newton
Mnimos Cuadrados

Splines cbicos
Integracin Numrica
Trapecio
Simpson 1/3
Gauss

Solucin Numrica de Ecuaciones Diferenciales Ordinarias

Euler
Euler mejorado
Runge Kutta

es Lineales

les Ordinarias

Lu

C
is I

Me
e ja

na

Encontrar un valor que satisfaga la ecuacin dada usando el Mtodo Regla Falsa, con un e

f(x) e

lnx

x (1,2)

raiz

Itera.

f(a)

f(b)

error

0
1
2
3
4
5
6
7
8
9
10

1
1
1
1
1
1
1
1
1
1
1

1.3974105
1.3211305
1.3112696
1.3099904
1.3098243
1.3098028
1.3098
1.3097996
1.3097996
1.3097996
1.3097996

2
1.3974105
1.3211305
1.3112696
1.3099904
1.3098243
1.3098028
1.3098
1.3097996
1.3097996
1.3097996

0.3678794
0.3678794
0.3678794
0.3678794
0.3678794
0.3678794
0.3678794
0.3678794
0.3678794
0.3678794
0.3678794

-0.08738451
-0.011654347
-0.001518073
-0.000197127
-2.55872E-05
-3.32106E-06
-4.3105E-07
-5.59473E-08
-7.26156E-09
-9.42498E-10
-1.22329E-10

-0.5578119
-0.0873845
-0.0116543
-0.0015181
-0.0001971
-2.559E-05
-3.321E-06
-4.311E-07
-5.595E-08
-7.262E-09
-9.425E-10

0.0577384
0.0075202
0.0009765
0.0001267
1.645E-05
2.135E-06
2.771E-07
3.597E-08
4.669E-09
6.06E-10

Es claro que la iteracin 7 nos da el valor requerido 1.3097996 con un error de 0.0000002
1 .5

Ln
(x)

ex

3
2 .5

0 .5

1 .5

- 0 .5

0 .5
-1

0
- 1 .5

-0 .5
-2
0

0 .2

0 .4

0 .6

0 .8

1 .2

1 .4

1 .6

1 .8

-1
0

0 .2

0 .4

0 .6

0 .8

egla Falsa, con un error inferior a 0.000001

x (1,2)

ck

f(b k ) a k f(a k ) b k
f(b k ) f(a k )

Esta no es la grfica de la ecuacin dada; simplemente es a manera

de cmo funciona este mtodo grficamente.
f ( x)

P r im e r a
a p r o x . a la
r a iz

r a iz

x
b

Se evala entonces f(c). Si es suficientemente pequeo c es la raiz buscada.

Si no el prximo intervalo ser: [a , c] si f(a) y f(c) tienen signos opuestos.
[c , b] en caso contrario.
Regresar al Men
f ( x) e

0 .2

0 .4

0 .6

0 .8

1 .2

ln ( x )

1 .4

1 .6

1 .8

LA ECUACIN A RESOLVER ES:

Error
permitido

g(x) 4lnx

Newton-Raphson
f ( x)
g ( xi ) xi
f ( x i )

Porqu esta forma equivalente?

xi+1 g(xi ) 4lnxi

x i +1 x i

ln x i 4 + x i
1
+ 2 xi
xi

sucesin

sucesin

1.97233912
1.82230069
1.84388182
1.84068655
1.84115762
1.84108813
1.84109838
1.84109686
1.84109709
1.84109705
1.84109706
1.84109706
1.84109706

1.96146055
1.84392236
1.84109867
1.84109706
1.84109706
1.84109706
1.84109706
1.84109706
1.84109706
1.84109706
1.84109706
1.84109706
1.84109706

Aprox
Aprox
Aprox
Aprox
Aprox
Aprox
Raz
Raz
Raz
Raz
Raz
Raz

aproximacin
inicial
1.11614233

0.00001

Aproximaciones Sucesivas

ln x 4 x

Aprox
Aprox
Raz
Raz
Raz
Raz
Raz
Raz
Raz
Raz
Raz
Raz

g ( xi )

x i +1 x i

ln x i
1
+
x0

 4 x

intervalo

(1,2)

Cmo calcularlo?

Von-Mises
g ( xi ) xi
x i +1 x i

f ( x)
f ( x 0 )

ln x i 4 + x i
1
+ 2 x0
x0

g ( xi )

sucesin
1.96146055
1.79490718
1.85671691
1.83555237
1.8430333
1.84041697
1.84133545
1.84101343
1.84112638
1.84108677
1.84110067
1.84109579
1.8410975

Aprox
Aprox
Aprox
Aprox
Aprox
Aprox
Aprox
Aprox
Aprox
Aprox
Raz
Raz

Regresar al Men

Como g ( x)
luego ,
como

x>0

4 ln x

g ( x)

1
2 x 4 ln x

1
<1
2 x 4 ln x

4 ln x > 0
4 ln x > 0 ,
x < e4

ln x > 4 ,

ln x < 4

0 < x < e 4 54.6

\ El mtodo de aproximaciones sucesivas converge.

Como

y 4 x 2 ln x

1
1
y y 2 + 2 , luego
x
x
fcilmente podemos ver que y < 0 , al menos en (1,2).
entonces

y 2 x

Por lo tanto, la ecuacin dada no cambia de concavidad en el

intervalo en cuestin.
Los mtodos de Newton y Von - Mises, convergen a la raz.

1
4 ln x

ln x < 4

.6

converge.
Regresar al Men

Graficando la parbola y el logaritmo natural, obtenemos:

Regresar al Men

y 4 x2

y ln x

-3 -2.5 -2 -1.5 -1 -0.5

0.5

1.5

2.5

En este caso, fcilmente podemos encontrar el intervalo donde

se encuentra el punto que satisface la ecuacin dada;
es decir, (1,2).

ln x 4 x 2

Este problema o ecuacin, muestra en su primera parte el

crecimiento o avance tecnolgico en el aspecto computacional;
en el segundo, el nivel de obsolescencia de una mquina PC en
aos. Se requiere encontrar el punto de equilibrio de estos dos
aspectos.

GAUSS-SEIDEL
De qu orden es el sistema a resolver?

SEIDEL
2
3

GAUSS-SEIDEL (orden 2)
a11 x1 + a12 x 2 b1

a 21 x1 + a 22 x 2 b2
Digita los elementos de la Matriz Aumentada
del Sistema que pretendes resolver,
cuya matriz de coeficientes sea DOMINANTE.
3
1

1
2

1
-2

Digita los elementos de la Matriz Aumentada

del Sistema de Iteraciones.

X X +

0.0000
-0.5000

-0.3333
0.0000

0.3333
-1.0000

x2

Iteraciones

x1

0
1
2
3
4
5
6
7
8
9
10

0.33330
0.72214
0.78695
0.79774
0.79954
0.79984
0.79989
0.79990
0.79990
0.79990

-1.16665
-1.36107
-1.39347
-1.39887
-1.39977
-1.39992
-1.39995
-1.39995
-1.39995
-1.39995

error en

error en

x1

x2

1.00000
0.53846
0.08234
0.01354
0.00225
0.00037
0.00006
0.00001
0.00000
0.00000

1.00000
0.14284
0.02325
0.00386
0.00064
0.00011
0.00002
0.00000
0.00000
0.00000

La solucin del sistema es:

x1

x2

0.79990

-1.39995

Regresar al Men

GAUSS-SEIDEL (orden 3)
a11 x1 + a12 x2 + a13 x3 b1

a21 x1 + a22 x2 + a23 x3 b2

a x + a x + a x b
32
2
33 3
3
31 1
Digita los elementos de la Matriz Aumentada
del Sistema que pretendes resolver,
cuya matriz de coeficientes sea DOMINANTE.
3
2
-1

2
5
1

3
-1
6

5
2
1

Digita los elementos de la Matriz Aumentada

del Sistema de Iteraciones.

X X +

0.0000
-0.4000
0.1667

-0.6667
0.0000
-0.1667

-1.0000
0.2000
0.0000

1.6667
0.4000
0.1667

Iteraciones

0
1
2
3
4
5
6
7
8
9
10

x1

x2

x3

1.666667
1.355556
1.296296
1.303210
1.304527
1.304373
1.304344
1.304347
1.304348
1.304348

-0.266667
-0.044444
-0.038519
-0.043457
-0.043588
-0.043479
-0.043476
-0.043478
-0.043478
-0.043478

0.488889
0.400000
0.389136
0.391111
0.391353
0.391309
0.391303
0.391304
0.391304
0.391304

error en

error en

error en

x1

x2

x3

1.00000
0.22951
0.04571
0.00531
0.00101
0.00012
0.00002
0.00000
0.00000
0.00000

1.00000
5.00000
0.15385
0.11364
0.00302
0.00252
0.00007
0.00006
0.00000
0.00000

1.00000
0.22222
0.02792
0.00505
0.00062
0.00011
0.00001
0.00000
0.00000
0.00000

La solucin del sistema es:

x1
1.304348

x2
-0.043478

x3
0.391304

Regresar al Men

JACOBI
De qu orden es el sistema a resolver?

2
3

JACOBI (orden 2)
a11 x1 + a12 x 2 b1

a 21 x1 + a 22 x 2 b2
Digita los elementos de la Matriz Aumentada
del Sistema que pretendes resolver,
cuya matriz de coeficientes sea DOMINANTE.
3
1

1
2

1
-2

Digita los elementos de la Matriz Aumentada

del Sistema de Iteraciones.

X X +

0.0000
-0.5000

-0.3333
0.0000

0.3333
-1.0000

x2

Iteraciones

x1

0
1
2
3
4
5
6
7
8
9
10

0.333333

-1

0.66660
0.72215
0.77769
0.78695
0.79620
0.79774
0.79929
0.79954
0.79980
0.79984

-1.16667
-1.33330
-1.36108
-1.38884
-1.39347
-1.39810
-1.39887
-1.39964
-1.39977
-1.39990

error en

error en

x1

x2

0.49995
0.07692
0.07142
0.01176
0.01162
0.00193
0.00193
0.00032
0.00032
0.00005

0.14286
0.12498
0.02041
0.01999
0.00332
0.00331
0.00055
0.00055
0.00009
0.00009

La solucin del sistema es:

x1

x2

0.79984

-1.39990

Regresar al Men

JACOBI (orden 3)
a11 x1 + a12 x2 + a13 x3 b1

a21 x1 + a22 x2 + a23 x3 b2

a x + a x + a x b
32
2
33
3
3
31 1
Digita los elementos de la Matriz Aumentada
del Sistema que pretendes resolver,
cuya matriz de coeficientes sea DOMINANTE.
3
2
-1

2
5
1

3
-1
6

5
2
1

Digita los elementos de la Matriz Aumentada

del Sistema de Iteraciones.

X X +

0.0000
-0.4000
0.1667

-0.6667
0.0000
-0.1667

-1.0000
0.2000
0.0000

La solucin del sistema es:

x1
1.304349

x2
-0.043477

x3
0.391304

1.6667
0.4000
0.1667

x2

x3

Iteraciones

x1

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

1.666667

0.4

0.166667

1.233333
1.444444
1.267407
1.320000
1.289432
1.308675
1.301962
1.305962
1.303804
1.304668
1.304168
1.304417
1.304307
1.304368
1.304339
1.304353
1.304345
1.304349

-0.233333
-0.017778
-0.095556
-0.024889
-0.049235
-0.037610
-0.045514
-0.042575
-0.044136
-0.043237
-0.043602
-0.043404
-0.043508
-0.043462
-0.043487
-0.043475
-0.043480
-0.043477

0.377778
0.411111
0.410370
0.393827
0.390815
0.389778
0.391047
0.391246
0.391423
0.391323
0.391317
0.391295
0.391304
0.391303
0.391305
0.391304
0.391305
0.391304

Regresar al Men

error en

error en

error en

x1

x2

x3

0.35135
0.14615
0.13968
0.03984
0.02371
0.01470
0.00516
0.00306
0.00166
0.00066
0.00038
0.00019
0.00008
0.00005
0.00002
0.00001
0.00001
0.00000

2.71429
12.12500
0.81395
2.83929
0.49448
0.30909
0.17367
0.06903
0.03535
0.02078
0.00838
0.00458
0.00240
0.00105
0.00057
0.00028
0.00013
0.00007

0.55882
0.08108
0.00181
0.04201
0.00771
0.00266
0.00325
0.00051
0.00045
0.00025
0.00001
0.00006
0.00002
0.00000
0.00001
0.00000
0.00000
0.00000

INTERPOLACIN DE LAGRAN
Punto a Interpolar

Puntos dados

2
4
10
15
18
20

205
290
350
410
460
510

Valor interpolado

12096

322.162

-59904
24192

ACIN DE LAGRANGE
n

Y ( x)

L ( x) y
i 1

Donde

Li ( x)
j 1

( x xi )
, i j i 1, 2,...,n
( xi x j )

Regresar al Men

-41.3942
29568 237.273
-12096 -19200
-5376

220.5
10725
-4032

-205.516
-10752
-3456

172.5
28800

-61.2

INTERPOLACIN DE NEWT
Punto a Interpolar

Puntos dados

xi

yi

0
2
4
6
8
10

2
8
62
212
506
992

Valor interpolado

y k y0 + k Y0 +

7
i

6
54
150
294
486

338

48
96
144
192

k ( k 1)

2!

NTERPOLACIN DE NEWTON
y k y0 + k Y0 +
3

k ( k 1) 2
k ( k 1)( k 2) 3
k ( k 1)( k 2)( k 3) 4
Y0 +
Y0 +
Y0 +
2!
3!
4!
4

Donde

48
48
48

Regresar al Men

x k x0
h

Aproximacin por Mnimos Cuadr

Modelo Lineal; ajuste, aproximacin, tendencia o suavizamiento lineal

Modelo Cuadrtico; ajuste, aproximacin, tendencia o suavizamiento cuadrti

Modelo Cbico; ajuste, aproximacin, tendencia o suavizamiento cbico

n por Mnimos Cuadrados

o suavizamiento lineal

ncia o suavizamiento cuadrtico

o suavizamiento cbico
Regresar al Men

xi
0
0.15
0.31
0.5
0.6
0.75

f ( xi )
1
1.004
1.031
1.117
1.223
1.422

x i2
0
0.0225
0.0961
0.25
0.36
0.5625

f ( xi ) xi
0
0.1506
0.31961
0.5585
0.7338
1.0665

6
2.31

2.31
1.2911

a0

0.92951404

a1

0.52810205

As, la aproximacin Lineal es:

Y

0.92951404

El error de esta aproximacin es:

0.006141515

2.31

6.797

1.2911

2.8290

6.797
2.8290

n a 0 + a 1 x i
i 1

n
n
a 0 x i + a 1 x i2
i 1
i 1

As, la aproximacin Lineal es:

+0.52810205 x

l error de esta aproximacin es:

0.006141515
Regresar al Men

f ( xi )

f ( xi ) xi

i 1
n

i 1

xi

f ( xi )

x i2

f ( xi ) xi

x i3

x i4

0
0.15
0.31
0.5
0.6
0.75

1
1.004
1.031
1.117
1.223
1.422

0
0.0225
0.0961
0.25
0.36
0.5625

0
0.1506
0.31961
0.5585
0.7338
1.0665

0
0.003375
0.029791
0.125
0.216
0.421875

0
0.00050625
0.00923521
0.0625
0.1296
0.31640625

2.31

6.797

1.2911

2.8290

0.7960

0.5182

f ( xi ) xi2

n
n
n

2
n
b
+
b
x
+
b
x

f ( xi )

0
1 i
2 i
i 1
i 1
i 1

n
n
n

2
3
b 0 xi + b 1 xi + b 3 xi f ( xi ) xi
i 1
i 1
i 1

n
n
n

2
3
4
2
b
x
+
b
x
+
b
1 i
3 xi f ( xi ) xi
0 i
i 1
i 1
i 1

0
0.02259
0.0990791
0.27925
0.44028
0.799875

6
2.31
1.2911

2.31
1.2911
0.7960

1.2911
0.7960
0.5182

6.797
2.8290
1.6411

b 0 1.011340993
b1 -0.32569875
b2 1.147330305

As, la aproximacin Cuadrtica es:

Y

x
+
1.011340993 -0.32569875 x1.147330305

El error de esta aproximacin es:

Regresar al Men
1.6411

xi

f ( xi )

x i2

x i3

x i4

x i5

x i6

0
0.15
0.31
0.5
0.6
0.75

1
1.004
1.031
1.117
1.223
1.422

0
0.0225
0.0961
0.25
0.36
0.5625

0
0.003375
0.029791
0.125
0.216
0.421875

0
0.00050625
0.00923521
0.0625
0.1296
0.31640625

0
0.00050625
0.00923521
0.0625
0.1296
0.31640625

0
0.00050625
0.00923521
0.0625
0.1296
0.31640625

2.31

6.797

1.2911

0.7960

0.5182

0.5182

0.5182

f ( xi ) xi

f ( xi ) xi2

0
0.1506
0.31961
0.5585
0.7338
1.0665

0
0.02259
0.0990791
0.27925
0.44028
0.799875

f ( x i ) x i3
0
0.0033885
0.030714521
0.139625
0.264168
0.59990625

nc 0

n
c
0 xi
i 1
n
c 0 xi2
i 1
n 3
c 0 xi
i 1

6
2.31
1.2911
0.7960

+
+
+
+

c 1 xi

c 1 xi2

c 1 xi3

c1 x

i 1
n

i 1
n

i 1
n

i 1

2.31
1.2911
0.7960
0.5182

4
i

c 2 xi2

c 2 xi3

c 2 xi4

c2 x

i 1
n

i 1
n

i 1
n

i 1

1.2911
0.7960
0.5182
0.5182

5
i

c 3 xi3

c 3 xi4

c 3 xi5

c3 x

i 1
n

i 1
n

i 1
n

i 1

6
i

1.6411

1.0378

f (x )

c0

0.93372

c1

0.507664

c2

-0.053113

c3

0.113755

f (x )x
i 1
n

El error de esta aproximacin es:

f (x )x
i 1
n

i 1

2
i

f (x )x

Regresar al Men

2
Y 0.933720 + 0.507664 x -0.053113 x

i 1
n

0.7960
0.5182
0.5182
0.5182

As, la aproximacin Cbica es:

2.8290

3
i

+
+
+
+

c 3 xi3

c 3 xi4

c 3 xi5

c3 x

i 1
n

i 1
n

i 1
n

i 1

6
i

f (x )
i

i 1
n

i 1
n

f ( xi ) xi

f (x )x
i

i 1
n

f (x )x
i

i 1

6.797
2.8290
1.6411
1.0378

Regresar al Men

n Cbica es:
x 2 +0.113755 x

roximacin es:

2
i

3
i

6.797
2.31
1.2911
2.82901
1.2911
0.796041
1.6410741
0.796041 0.51824771
1.03780227 0.51824771 0.51824771
6
6.797
1.2911
2.31
2.82901
0.796041
1.2911
1.6410741 0.51824771
0.796041 1.03780227 0.51824771
6
2.31
-0.07341431 =Delta
1.2911
-0.06854838
0.796041
-0.03726978
6
0.00389925
2.31
-0.00835126
1.2911
0.796041

0.7960
0.5182
0.5182
0.5182
0.7960
0.5182
0.5182
0.5182
2.3100
6.797
1.2911
2.82901
0.7960
1.6410741
0.5182 1.03780227
2.3100
1.2911
1.2911
0.796041
0.7960 0.51824771
0.5182 0.51824771

0.7960
0.5182
0.5182
0.5182
6.7970
2.8290
1.6411
1.0378

INTEGRACIN NUMR
b

f ( x ) dx

Trapecio

f(x) analitica o discreta

Simpson

f(x) analitica o discreta

Gauss

f(x) analitica

EGRACIN NUMRICA
b

f ( x ) dx

f(x) analitica o discreta

f(x) analitica o discreta
f(x) analitica

Trapecio

f(x) analitica
x

f ( x ) dx

xi

Cul es el lmite inferior a?

Cul es el lmite supeior b?
Cul es el valor de h?

-2
2
0.5

-2
-1.5
-1
-0.5
0
0.5
1
1.5
2

El rea bajo la curva es igual a

Regresar al Men

f ( xi )

0.1353353
0.3246525
0.6065307
0.8824969
1
0.8824969
0.6065307
0.3246525
0.1353353

2.38135

( x ) dx

Trapecio

f(x) discreta
xi

f ( xi )

0
0.5
1
1.5
2
2.5
3
3.5
4

1
0.8825
0.60653
0.32465
0.13534
0.04394
0.01111
0.00219
0.00034

1.253

Simpson

f(x) analtica
x

f ( x ) dx

xi

Cul es el lmite inferior a?

Cul es el lmite supeior b?
Cul es el valor de h?

-2
2
0.5

El rea bajo la curva es igual a

-2
-1.5
-1
-0.5
0
0.5
1
1.5
2

f ( xi )

0.135335283
0.324652467
0.60653066
0.882496903
1
0.882496903
0.60653066
0.324652467
0.135335283

2.392331

f ( x ) dx

Simpson

f(x) discreta

xi

f ( xi )

0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8

1
0.99501
0.9802
0.956
0.92312
0.8825
0.83527
0.7827
0.72615

0.722
Regresar al Men

CUADRATURA DE GAUSS
b

f ( x ) dx

Como el integrando se parece ms a una Recta, requiero de 2 puntos.

Como el integrando se parece ms a una Cuadrtica, requiero de 3 puntos.

Como el integrando se parece ms a una Cbica, requiero de 4 puntos.

Como el integrando se parece ms a una .., requiero de puntos

DE GAUSS

na Recta, requiero de 2 puntos.

Cuadrtica, requiero de 3 puntos.

na Cbica, requiero de 4 puntos.

una .., requiero de puntos

CUADRATURA DE GAUSS
Dos puntos
Limites de
integracin

-1

-0.57735027
0.57735027

El integrando es:

2+ x

-0.57735
0.5773503

El valor de la Integral
A

1
1

f(x)

1.1927488
1.6054128

Regresar al Men

SS
b

2+ x

El valor de la Integral es:

2.79816

Regresar al Men

f ( x ) dx

CUADRATURA DE GAUSS
Tres puntos
Limites de
integracin

-2

El integrando es:

e
t

-0.77459667
0
0.77459667
0.5555556
0.8888889
0.5555556

f(x)

-1.549193
0
1.5491933

El valor de la Integra

0.3011942
1
0.3011942
Regresar al Men

USS
b

El valor de la Integral es:

2.4471

Regresar al Men

f ( x ) dx

y 1 t + 4 y

y (0 )

Euler para diferentes valores de h

t
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
0.11
0.12
0.13
0.14
0.15
0.16
0.17
0.18
0.19
0.2
0.21
0.22
0.23
0.24
0.25
0.26
0.27
0.28
0.29
0.3
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38
0.39

t
0
0.025
0.05
0.075
0.1
0.125
0.15
0.175
0.2
0.225
0.25
0.275
0.3
0.325
0.35
0.375
0.4
0.425
0.45
0.475
0.5
0.525
0.55
0.575
0.6
0.625
0.65
0.675
0.7
0.725
0.75
0.775
0.8
0.825
0.85
0.875
0.9
0.925
0.95
0.975

t
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1

t
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1

0.1
1
1.5
2.19
3.146
4.4744
6.32416
8.903824
12.5053536
17.537495
24.5724931
34.4114903

Regresar al Men

0.05
1
1.25
1.5475
1.902
2.3249
2.82988
3.433356
4.1550272
5.01853264
6.05223917
7.290187
8.7732244
10.5503693
12.6804431
15.2340318
18.2958381
21.9675057
26.3710069
31.6527083
37.9882499
45.5883999

0.025
1
1.125
1.261875
1.4118125
1.57611875
1.75623063
1.95372869
2.17035156
2.40801171
2.66881288
2.95506917
3.26932609
3.6143837
3.99332207
4.40952927
4.8667322
5.36903042
5.92093346
6.52740181
7.19389199
7.92640619
8.73154681
9.61657649
10.5894841
11.6590576
12.8349633
14.1278346
15.5493681
17.1124299
18.8311729
20.7211652
22.7995317
25.0851099
27.5986209
30.362858
33.4028938
36.7463081
40.4234389
44.4676578
48.9156736

0.4
0.41
0.42
0.43
0.44
0.45
0.46
0.47
0.48
0.49
0.5
0.51
0.52
0.53
0.54
0.55
0.56
0.57
0.58
0.59
0.6
0.61
0.62
0.63
0.64
0.65
0.66
0.67
0.68
0.69
0.7
0.71
0.72
0.73
0.74
0.75
0.76
0.77
0.78
0.79
0.8
0.81
0.82
0.83
0.84
0.85
0.86

53.807866

0.87
0.88
0.89
0.9
0.91
0.92
0.93
0.94
0.95
0.96
0.97
0.98
0.99
1

0 )

0.01
1
1.05
1.1019
1.155776
1.21170704
1.26977532
1.33006633
1.39266899
1.45767575
1.52518278
1.59529009
1.66810169
1.74372576
1.82227479
1.90386578
1.98862041
2.07666523
2.16813184
2.26315711
2.3618834
2.46445873
2.57103708
2.68177856
2.79684971
2.9164237
3.04068064
3.16980787
3.30400018
3.44346019
3.5883986
3.73903454
3.89559592
4.05831976
4.22745255
4.40325065
4.58598068
4.77591991
4.9733567
5.17859097
5.39193461

El mtodo de Euler es el ms simple de los Mtodos Numricos

para resolver un problema del siguiente tipo:

y 1 y 0 + h f(x 0 , y 0 )
y y + h f(x , y )
2
1
1
1

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

y n y n 1 + h f(x n 1 , y n 1 )

5.613712
5.84426048
6.08393089
6.33308813
6.59211166
6.86139612
7.14135197
7.43240605
7.73500229
8.04960238
8.37668647
8.71675393
9.07032409
9.43793705
9.82015454
10.2175607
10.6307631
11.0603937
11.5071094
11.9715938
12.4545575
12.9567398
13.4789094
14.0218658
14.5864405
15.1734981
15.783938
16.4186955
17.0787433
17.7650931
18.4787968
19.2209487
19.9926866
20.7951941
21.6297018
22.4974899
23.3998895
24.3382851
25.3141165
26.3288811
27.3841364
28.4815019
29.6226619
30.8093684
32.0434431
33.3267809
34.6613521

36.0492062
37.4924744
38.9933734
40.5542083
42.1773767
43.8653717
45.6207866
47.4463181
49.3447708
51.3190616
53.3722241
55.5074131
57.7279096
60.037126

y 1 t + 4 y

y (0 )

Euler mejorado o de Heun para diferentes valor

Dado un problema con una
condicin inicial.

f(t n + h , y n + hy
t
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1

yn

yn

1
1.595
2.4636
3.737128
5.60994944
8.36972517
12.4421933
18.457446
27.3480201
40.4940698
59.9382232

5
7.28
10.6544
15.648512
23.0397978
33.9789007
50.168773
74.1297841
109.59208
162.076279
239.752893

6.9
10.092
14.81616
21.8079168
32.1557169
47.470461
70.1362822
103.681698
153.328913
226.806791
335.55405

,
n

y (0 )

1
y n +1 y n +1 u n +1 y n + h f(x n , y n )
*

un para diferentes valores de h

, y n + hy

y n +1 y n +

)
n
0.1

1.595
2.4636
3.737128
5.60994944
8.36972517
12.4421933
18.457446
27.3480201
40.4940698
59.9382232

0.05

0.025

0.01

Regresar al Men

h f(x n , y n ) + f(x n +1 , u n +1 )
2

y 1 t + 4 y
Runge-Kutta para diferentes valores de h
k n1

k n2

k n3

5
7.33573333
10.8200246
16.017658
23.7711411
35.3372702
52.5908505
78.3285914
116.722437
173.995817
259.432427

5.95
8.75288
12.9340295
19.1711896
28.4753693
42.3547242
63.0590206
93.9443097
140.016925
208.744981
311.268913

6.14
9.03630933
13.3568305
19.801896
29.4162149
43.758215
65.1526546
97.0674534
144.675822
215.694813
321.63621

k n4
7.356
10.8502571
16.0627568
23.8384164
35.4376271
52.7405562
78.5519124
117.055573
174.492766
260.173743
387.986911

t
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1

4y

y (0 )

rentes valores de h
Runge-Kutta de cuarto orden
0.1
1
1.6089333
2.5050062
3.8294145
5.7927853
8.7093175
13.047713
19.507148
29.130609
43.473954
64.858107

0.05

0.025

y i +1 y i +

h
k 1 + 2k 2 + 2k 3 + k 4
6

Donde
k 1 f(x, y)
hk 1
h
,y +
)
2
2
hk 2
h
k 3 f(x + , y +
)
2
2
k 4 f(x + h, y + hk 3 )
k 2 f(x +

Regresar al Men