Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
En estos casos son útiles las técnicas numéricas, que mediante una labor de cálculo más
o menos intensa, conducen a soluciones aproximadas que son siempre numéricos. El
importante esfuerzo de cálculo que implica la mayoría de estos métodos hace que su uso
esté íntimamente ligado al empleo de computadores. De hecho, sin el desarrollo que se
ha producido en el campo de la informática resultaría difícilmente imaginable el nivel
actual de utilización de las técnicas numéricas en ámbitos cada día más diversos.
Objetivos
Hacer uso de sistemas de cómputo y herramientas electrónicas para solucionar los
problemas propuestos utilizando métodos numéricos.
Ofrecer una presentación sistemática de algunos de los métodos y técnicas más
importantes del Análisis Numérico.
Resolución numérica de ecuaciones no lineales, de sistemas lineales e
introducción a los sistemas no lineales.
Aprender sobre la teoría del los tres métodos numéricos requeridos para
diferenciar entre cada método y su utilidad.
Método de Euler
Se llama método de Euler o de las
rectas tangentes, al método
numérico consistente en ir
incrementando paso a paso la
variable independiente y hallando
la siguiente imagen con la
derivada. Una de las técnicas más
simples para aproximar soluciones
de una ecuación diferencial.
Suponga que se desea aproximar
la solución del problema de valor
inicial
dy
=f ( x , y) 1.1
dx
Figura 1
y ( x 0 )= y 0
y n +1− y n y n+1− y n
= 1.2
xn + h−x n h
xn y n +1− y n '
f ≈ → y n+1= y n + h f (x n) 1.3
h
( x 0 , y 0 ) , ( x 1 , y 1 ) , … ,( x n , y n )
¿
Al sustituir el valor aproximado de la derivada 1.2 en la ecuación diferencial del
problema de valor inicial 1.1 obtenemos el método de Euler
y n+ 1= y n +hf ( x n , y n) 1.4
x n=x 0 +n ∙ h 1.5
Método de Euler Mejorado
El método de Euler modificado consta de dos pasos básicos:
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:
f ( x n , y n ) + f ( x n+1 , y n+1 )
y n+ 1= y n +h [ 2 ] 2.1
Donde
y ¿n+ 1= y n +h ∙ f ( x n , y n ) 2.2
Figura 2
En la figura 2, vemos que la pendiente promedio m 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 ( x 1 , y 1 ) donde y 1 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 x=x 1 como la aproximación de Euler mejorada.
Errores en los Métodos Numéricos
También es conocido como dígitos significativos y se ha desarrollado para designar
formalmente la confiabilidad de un valor numérico. Él numero de cifras significativas es él
numero de dígitos más un dígito estimado que se pueda usar con confianza. Por ejemplo:
0.00001845
0.0001845
0.00845
Los ceros no son siempre cifras significativas ya que pueden usarse solo para ubicar el
punto decimal. Los números antes mencionados tienen cuatro cifras significativas.
Cuando se incluyen ceros en números muy grandes, no se ve claro cuántos ceros son
significativos si es que los hay.
Exactitud y precisión
La precisión se refiere 1) al número de cifras significativas que representan una cantidad
2) la extensión en las lecturas repetidas de un instrumento que mide alguna propiedad
física.
Por ejemplo:
Definiciones de error
Los errores numéricos se generan con el uso de aproximaciones para representar las
operaciones y cantidades matemáticas. Estos incluyen errores de truncamiento, que
resultan de representar aproximadamente un procedimiento matemático exacto, y los
errores de redondeo, que resultan de representar aproximadamente números exactos.
Para los dos tipos de errores, la relación entre el resultado exacto o verdadero y el
aproximado está dada por:
Error numérico es igual a la diferencia entre el valor verdadero y el valor aproximado, esto
es:
Errores de redondeo
Este tipo de errores se deben a que las computadoras solo guardan un número finito de
cifras significativas durante un cálculo. Por ejemplo: si solo se guardan siete cifras
significativas, la computadora puede almacenar y usar π como π=3.141592 y generando
un error de redondeo.
Errores de truncamiento
Los errores de truncamiento son aquellos que resultan al usar una aproximación en lugar
de un procedimiento matemático exacto.
dv =Du=u(t−1)– v (t ) 3.1
dt D t t−1 – t 3.2
Errores de formulación
Los errores de formulación o de modelación degeneran en lo que se podría considerar
como un modelo matemático incompleto. Un ejemplo de un error de formulación
imperceptible es el hecho que la segunda Ley de Newton no explica los efectos de la
relatividad.
[
y j+1= y j+ h y 1 f ( t j , y j ) + y 2 f ( t j +αh , y j+ βhf ( t j , y j ) ) , j ≥0] 4.1
Note que a pesar de que en la fórmula se perciben tres f , el método envuelve solo dos
evaluaciones ya que dos de estas f tienen los mismos argumentos. La idea ahora es
determinar los parámetros α , β , y 1 , y 2 de modo que el método tenga orden de
convergencia lo más alto posible. Un análisis del error local de esta fórmula basado en el
Teorema de Taylor muestra que el orden más alto que puede tener esta fórmula es dos y
que esto puede ocurrir si y solo si:
1
y 1 + y 2=1 , α =β= , y ≠0 4.2
2 y2 2
2
Es decir si α , β , y 1 , y 2 cumplen con estas condiciones, entonces e j = y ( t j )− y j=O(h )
para toda j . Algunos casos especiales de estas fórmulas son:
y j +1= y j+ hf ( t j , y j )
{ h
y j +1= y j + [ f ( t j , y j ) + f ( t j+ h , y j+1 ) ] , j ≥ 0
2
4.4
Método del Punto Medio: Aquí se toma y 2=1 de modo que el método reduce a:
h h
( 2 2 )
y j+1= y j+ hf t j + , y j+ f ( t j , y j ) , j≥ 0 4.5
La ventaja de los métodos de Runge-Kutta con respecto al uso de la serie de Taylor, que
es también un método de un paso; es decir, los métodos de Runge-Kutta requieren sólo
de la función f(X, Y) y de ninguna derivada, mientras que la serie de Taylor sí requiere de
la evaluación de derivadas. Esto hace que, en la práctica, la aplicación de los métodos de
Runge-Kutta sea más simple que el uso de la serie de Taylor.
1
Φ ( x , y ) = ( k 1+2 k 2+2 k 3 + k 4 ) 4.6
6
En el cual
k 1=f (x , y) 4.7
h hk
(
k 2=f x+ , y+ 1
2 2 ) 4.8
h hk
(
k 3=f x+ , y+ 2
2 2 ) 4.9
k 4=f ( x+ h , y + h k 3 ) 4.10
Esto se refiere a Runge-Kutta para el cuarto orden. La ecuación (4.6) se obtiene haciendo
un promedio de las cuatro pendientes, k1, k2, k3 y k4 a la curva integral, en forma
semejante a como se procedió con las pendientes de las tangentes T1 y T2 que dieron
lugar a el método de Euler Mejorado. De esta forma se obtiene un valor con una mejor
aproximación, de tal forma que el error acumulado con las sucesivas iteraciones para
calcular el valor de la función a lo largo del tiempo disminuye respecto al método de Euler.
Además se puede hacer que controle el tamaño del paso calculando el error en cada
paso, y exigiendo que no se exceda ese error, se puede aumentar o disminuir ese paso,
haciendo de Runge-Kutta, un método muy eficiente para la resolución de ecuaciones
diferenciales.
Problemas
a) Aplique el método de Euler mejorado para hallar una aproximación al valor
indicado con cuatro decimales de precisión. Primero use h=0.1 y después h=0.05.
a.1) y ' =2 x−3 y +1 , y ( 1 )=5 ; y (1.5)
y n+ 1= y n +h ( 12 ) [ f ( x , y ) +f ( x
n n n+1 , un+1 ) ]
un +1= y n +hf ( x n , y n)
Para h=0.05
x 0=1 .0000
y 0=1.5 000
x 1=1.05 00
u1= y 0+ hf ( x 0 , y 0 )=5+ 0.05 (−12 ) =4.4 00
1 1
y 1= y 0 +h ()
2 [ f ( x 0 , y 0 ) + f ( x1 , u1 ) ]=5+ 0.05
2 ()
[ (−12.0000+ (−10.1000 ) ) ]=4.4475
x 2=1.1000
u2= y 1+hf ( x 1 , y 1 ) =4.4475+0.05 (−10.2425 ) =3.9354
x 3=1.1500
u3= y 2+ hf ( x 2 , y 2) =3.9763+0.05 (−8.7289 ) =3.5389
h=0.05
X U(n+1) Y(n+1)
1.2 2.9190 2.9452
0
1.2 2.6784 2.7009
5
1.3 2.4758 2.4952
0
1.3 2.3059 2.3226
5
1.4 2.1642 2.1786
0
1.4 2.0468 2.0592
5
1.5 1.9503 1.9610
0
Para h=0.1
x 0=1.0000
y 0=1.5000
x 1=1.1000
u1= y 0+ hf ( x 0 , y 0 )=5+ 0.1000 (−12.0000 )=3.8000
x 2=1.2000
u2= y 1+hf ( x 1 , y 1 ) =3.99 00+0.1000 (−8.7700 )=3.1130
x 3=1.3000
u3= y 2+ hf ( x 2 , y 2) =3.2546+0.1000 (−6.3637 )=2.6182
y 3= y 2 +h ( 12 )[ f ( x , y )+ f ( x , u )]=3.2546+ 0.1000∗1
2 2 3 3
2
(−6.3637−4.2546 )=2.7236
h=0.1
X U(n+1) Y(n+1)
1.4 2.0216 2.0801
0
1.5 1.8561 1.8997
0
a.2) y ' =e− y , y ( 0 )=0 ; y (0.5)
Para h=0.05
x 0=0
y 0=0
x 1=0.0500
u1= y 0+ hf ( x 0 , y 0 )=0+ 0.0500∗0.0500=0.0025
x 2=0.1000
u2= y 1+hf ( x 1 , y 1 ) =0.0500+0.0500∗0.0975=0.0548
x 3=0.1500
u3= y 2+ hf ( x 2 , y 2) =0.1000+0.0500∗0.1427=0.1045
Para h=0.05
X Y(n+1) U(n+1)
0.40 0.1857 0.1519
0.50 0.2270 0.1971
Para h=0.1
x 0=0
y 0=0
x 1=0.1000
u1= y 0+ hf ( x 0 , y 0 )=0+ 0.1000∗1=0.1000
x 2=0.2000
u2= y 1+hf ( x 1 , y 1 ) =0.1000+0.1000∗0.9092=0.1862
x 3=0.3000
u3= y 2+ hf ( x 2 , y 2) =0.1822+0.1000∗0.8334=0.2655
Para h=0.1
X Y(n+1) U(n+1)
0.4 0.2622 0.2655
0.5 0.3363 0.3392
b) Use el método de Runge-Kutta de cuarto orden con h=0.1 para obtener una
aproximación, con cuatro decimales a los siguientes problemas:
b.1) y ' =2 x−3 y +1 , y ( 1 )=5 ; y (1.5)
x 0=1
y 0=5
x 1=1.1000
k 1=f ( x n , y n) =−12.0000
h h
( )
k 2=f x n+ , y n+ ∗k 1 =−10.1000
2 2
h h
( )
k 3=f x n+ , y n+ ∗k 2 =−10.3850
2 2
h∗1 0.1000∗1
y 1= y 0 + [ k 1 +2 k 2 +2 k 3 +k 4 ]=5.0000+ [ −61.6545 ] =3.9724
6 6
x 2=1.2000
k 1=f ( x n , y n) =−8.7173
h h
( )
k 2=f x n+ , y n+ ∗k 1 =−8.9173
2 2
h h
( )
k 3=f x n+ , y n+ ∗k 2 =−7.2797
2 2
h∗1 0.1000∗1
y 2= y 1 + [ k 1 +2 k 2 +2 k 3 +k 4 ]=3.9724+ [ −47.4446 ] =3.1817
6 6
x 3=1.3000
k 1=f ( x n , y n) =−6.1450
h h
( )
k 2=f x n+ , y n+ ∗k 1 =−6.3450
2 2
h h
( )
k 3=f x n+ , y n+ ∗k 2 =−5.0933
2 2
k 4=f ( x n+1 , y n +h∗k 3 )=−4.4171
h∗1 0.1000∗1
y 3= y 0 + [ k 1 +2 k 2 +2 k 3 +k 4 ]=3.1817+ [ −33.4388 ] =2.6244
6 6
h=0.1
X K1 K2 K3 K4 Y(n+1)
1.300 -4.2731 -4.4731 -3.5021 -3.0225 2.2369
0
1.400 -2.9108 -3.1108 -2.3442 -2.0075 1.9731
0
1.500 -1.9194 -2.1194 -1.5015 -1.2689 1.7993
0
x 1=0.1000
k 1=f ( x n , y n) =1.0000
h h
( )
k 2=f x n+ , y n+ ∗k 1 =1.0513
2 2
h h
( )
k 3=f x n+ , y n+ ∗k 2 =1.0540
2 2
h∗1 0.1000∗1
y 1= y 0 + [ k 1 +2 k 2 +2 k 3 +k 4 ]=0+ 6 ∗6.3216=0.1054
6
x 2=0.2000
k 1=f ( x n , y n) =0.9000
h h
( )
k 2=f x n+ , y n+ ∗k 1 =0.9414
2 2
h h
(
k 3=f x n+ , y n+ ∗k 2 =0.9434
2 2 )
k 4=f ( x n+1 , y n +h∗k 3 )=0.9890
h∗1 0.1000∗1
y 2= y 1 + [ k 1 +2 k 2 +2 k 3 +k 4 ] =0.1054 + ∗5.6586=0.1997
6 6
x 3=0.3000
k 1=f ( x n , y n) =0.8190
h h
(
k 2=f x n+ , y n+ ∗k 1 =0.8532
2 2 )
h h
(
k 3=f x n+ , y n+ ∗k 2 =0.8547
2 2 )
k 4=f ( x n+1 , y n +h∗k 3 )=0.8921
h∗1 0.1000∗1
y 3= y 0 + [ k 1 +2 k 2 +2 k 3 +k 4 ]=0.1997+ ∗5.1269=0.2851
6 6
h=0.1
X K1 K2 K3 K4 Y(n+1)
0.400 0.7519 0.7807 0.7819 0.8131 0.3633
0
0.500 0.6954 0.7200 0.7209 0.7474 0.4354
0
Y(0.6)
X Y(n+1) U(n+1)
0.500 0.5000 0.0000
0
0.600 0.6048 0.6000
0
Y(0.8)
X Y(n+1) U(n+1)
0.500 0.5000 0.0000
0
0.600 0.6048 0.6000
0
0.700 0.7143 0.7145
0
0.800 0.8234 0.8333
0
Y(0.9)
X Y(n+1) U(n+1)
0.500 0.5000 0.0000
0
0.600 0.6048 0.6000
0
0.700 0.7143 0.7145
0
0.800 0.8234 0.8333
0
0.900 0.9317 0.9508
0
Y(1)
Y(n+1) U(n+1)
0.500 0.5000 0.0000
0
0.600 0.6048 0.6000
0
0.700 0.7143 0.7145
0
0.800 0.8234 0.8333
0
0.900 0.9317 0.9508
0
1.000 1.0396 1.0671
0
Para h=0.05 Euler Mejorado
Y(0.6) 0.700 0.7193 0.7182
X Y(n+1) Un+1 0
0.500 0.5000 0.0000 0.750 0.7800 0.7789
0 0
0.550 0.5512 0.5500 0.800 0.8430 0.8419
0 0
0.600 0.6049 0.6037 0.850 0.9082 0.9071
0 0
0.900 0.9755 0.9745
0
Y(0.8)
X Y(n+1) Un+1
0.500 0.5000 0.0000 Y(1)
0 X Y(n+1) Un+1
0.550 0.5512 0.5500 0.500 0.5000 0.0000
0 0
0.600 0.6049 0.6037 0.550 0.5512 0.5500
0 0
0.650 0.6609 0.6598 0.600 0.6049 0.6037
0 0
0.700 0.7193 0.7182 0.650 0.6609 0.6598
0 0
0.750 0.7800 0.7789 0.700 0.7193 0.7182
0 0
0.800 0.8430 0.8419 0.750 0.7800 0.7789
0 0
0.800 0.8430 0.8419
0
Y(0.9) 0.850 0.9082 0.9071
X Y(n+1) Un+1 0
0.500 0.5000 0.0000 0.900 0.9755 0.9745
0 0
0.550 0.5512 0.5500 0.950 1.0451 1.0440
0 0
0.600 0.6049 0.6037 1.000 1.1168 1.1157
0 0
0.650 0.6609 0.6598
0
Para h=0.05 Runge-Kutta 4to Orden
Y(0.6) )
0.500 1.000 1.024 1.025 1.073 0.551
X K1 K2 K3 K4 Y(n+1) 0 0 7 0 0 4
0.500 1.0000 1.0247 1.0250 1.0494 0.5512 0.550 1.049 1.073 1.073 1.097 0.605
0 0 5 6 9 8 1
0.550 1.0494 1.0735 1.0738 1.0977 0.6049 0.600 1.097 1.121 1.121 1.145 0.661
0 0 8 4 7 1 2
0.600 1.0977 1.1213 1.1216 1.1450 0.6610 0.650 1.145 1.168 1.168 1.191 0.719
0 0 1 3 5 5 6
0.700 1.191 1.214 1.214 1.237 0.780
0 5 2 5 1 3
Y(0.8) 0.750 1.237 1.259 1.259 1.281 0.843
0 1 5 7 9 3
0.800 1.281 1.304 1.304 1.326 0.908
X K1 K2 K3 K4 Y(n+1)
0 9 0 2 1 5
0.500 1.0000 1.0247 1.0250 1.0730 0.5514 0.850 1.326 1.347 1.348 1.369 0.975
0
0 1 8 0 6 9
0.550 1.0495 1.0736 1.0739 1.0978 0.6051 0.900 1.369 1.391 1.391 1.412 1.045
0
0 6 1 3 6 5
0.600 1.0978 1.1214 1.1217 1.1451 0.6612
0
0.650 1.1451 1.1683 1.1685 1.1915 0.7196 Y(1)
0
0.700 1.1915 1.2142 1.2145 1.2371 0.7803
X K1 K2 K3 K4 Y(n+1
0
)
0.750 1.2371 1.2595 1.2597 1.2819 0.8433
0.500 1.000 1.024 1.025 1.073 0.551
0
0 0 7 0 0 4
0.800 1.2819 1.3040 1.3042 1.3261 0.9085
0.550 1.049 1.073 1.073 1.097 0.605
0
0 5 6 9 8 1
0.600 1.097 1.121 1.121 1.145 0.661
0 8 4 7 1 2
0.650 1.145 1.168 1.168 1.191 0.719
0 1 3 5 5 6
0.700 1.191 1.214 1.214 1.237 0.780
0 5 2 5 1 3
0.750 1.237 1.259 1.259 1.281 0.843
0 1 5 7 9 3
0.800 1.281 1.304 1.304 1.326 0.908
0 9 0 2 1 5
0.850 1.326 1.347 1.348 1.369 0.975
0 1 8 0 6 9
Y(0.9) 0.900 1.369 1.391 1.391 1.412 1.045
0 6 1 3 6 5
X K1 K2 K3 K4 Y(n+1 0.950 1.412 1.433 1.434 1.455 1.117
0 6 8 0 0 2
1.000 1.455 1.476 1.476 1.497 1.191
0 0 0 2 0 0
Para h=0.1 Runge-Kutta 4to Orden
Y(0.6) )
0.500 1.000 1.048 1.050 1.097 0.604
X K1 K2 K3 K4 Y(n+1) 0 0 8 0 7 9
0.500 1.0000 1.0488 1.0500 1.0977 0.6049 0.600 1.097 1.144 1.145 1.191 0.719
0 0 7 5 5 4 4
0.600 1.0977 1.1445 1.1455 1.1914 0.7194 0.700 1.191 1.236 1.237 1.281 0.843
0 0 4 5 4 9 1
0.800 1.281 1.325 1.326 1.369 0.975
0 8 6 4 6 7
Y(0.8) 0.900 1.369 1.412 1.412 1.455 1.116
0 6 1 9 0 9
X K1 K2 K3 K4 Y(n+1)
0.500 1.0000 1.0488 1.0500 1.0977 0.6049 Y(1)
0
0.600 1.0977 1.1445 1.1455 1.1914 0.7194
X K1 K2 K3 K4 Y(n+1
0
)
0.700 1.1914 1.2365 1.2374 1.2819 0.8431
0.500 1.000 1.048 1.050 1.097 0.604
0
0 0 8 0 7 9
0.800 1.2818 1.3256 1.3264 1.3696 0.9757
0.600 1.097 1.144 1.145 1.191 0.719
0
0 7 5 5 4 4
0.700 1.191 1.236 1.237 1.281 0.843
0 4 5 4 9 1
0.800 1.281 1.325 1.326 1.369 0.975
0 8 6 4 6 7
0.900 1.369 1.412 1.412 1.455 1.116
Y(0.9) 0 6 1 9 0 9
1.000 1.455 1.496 1.497 1.538 1.266
X K1 K2 K3 K4 Y(n+1 0 0 6 2 4 6
dy
d) Dada la ecuación diferencial x −4 y=x 6 e x , utilice el método de Runge-Kutta de
dx
cuarto orden para determinar el porcentaje de error que se produce para la
aproximación y (1.5), sabiendo que y ( 1 )=1 y h=0.1. Utilice una aproximación de 5
decimales. Tabule los datos calculados en una tabla e indique cual es la solución.
Si se utilizara el método aproximación de Euler ¿Cuál sería la diferencia de error
entre Euler y Runge-Kutta en y (1.2)?
4y
y ' =x 5 e x + , y (1 ) =1 , y (1.5) h=0.1
x
Y(1.5)
X K1 K2 K3 K4 Y(n+1)
1.000 6.718 8.7363 9.1207 11.7912 1.9037
00 28 6 6 4 3
1.100 1.100 13.165 15.263 24.1779 3.2726
00 00 23 53 4 5
1.200 1.200 21.316 24.534 49.3025 5.6427
00 00 17 76 1 3
1.300 1.300 34.208 39.083 100.195 9.7774
00 00 61 96 45 0
1.400 1.400 54.490 61.813 199.146 16.996
00 00 68 53 75 66
1.500 1.500 86.207 97.137 105.260 24.887
00 00 57 58 60 50
Solucion: y ( 1.2 ) ≅ 24.88750
e) El desplazamiento de cierta partícula esta descrito por la ecuación diferencial
dy
=0.9 y−1.8 y 2, donde y se mide en metros y para cierto tiempo x en segundos.
dx
Utilice el método de Euler Mejorado para aproximar el número de metros durante
el primer segundo de movimiento. Suponga que en el tiempo igual a cero hay 0.47
metros, es decir y ( 0 )=0.47 y el tiempo esta en el intervalo [0,1] con h=0.1
Usando:
x 0=0
y 0=0.4700
x 1=0.1000
u1= y 0+ hf ( x 0 , y 0 )=0.4700+ 0.1000∗0.0254
x 2=0.2000
u2= y 1+hf ( x 1 , y 1 ) =0.4879+0.1000∗0.0106=0.4889
x 3=0.3000
u3= y 2+ hf ( x 2 , y 2) =0.5053+0.1000∗−0.0048=0.5048
Para h=0.1
X(n Y(n+1) U(n+1)
)
0.4 0.5378 0.5201
0.5 0.5528 0.5345
0.6 0.5669 0.5481
0.7 0.5801 0.5608
0.8 0.5922 0.5725
0.9 0.6034 0.5834
1 0.6137 0.5933
Se mueve 0.6137m en 1 segundo.
Conclusiones
El estudio de los métodos numéricos, es muy útil e importante como herramientas en la
resolución de operaciones, en algunos casos muy complicadas y casi imposibles de
resolver, ya que por más que se dominen los métodos tradicionales, estas muchas veces
pueden no ser suficientes.
Son métodos más eficientes que las herramientas básicas de solución de Ecuaciones de
Orden Superior (EDOS).
Son menos sensibles a los errores de redondeo ya que esto puede ser ajustado usando
aproximaciones con más decimales.
Bibliografías
Ecuaciones Diferenciales con Aplicaciones, Ing. M. A. Oscar Montes Estrada, (No
tiene más información)
Referencias Electrónicas
http://www.monografias.com/trabajos73/metodos-numericos-metodo-euler-
mejorado/metodos-numericos-metodo-euler-mejorado.shtml Por: Paula Fernigrini
http://www.tonahtiu.com/notas/metodos/Euler_mejorado.htm
http://proton.ucting.udg.mx/posgrado/cursos/metodos/kungeruta/index.html
http://mate.uprh.edu/~pnm/notas4061/rungek/rungek.htm
http://www.itmorelia.edu.mx/electrica/Notas/Lino_Coria/Metodos_Numericos/MET
ODOS_DE_RUNGE_KUTTA.pdf
http://www.youtube.com/watch?
v=aB8_x7szgMA&feature=mfu_in_order&playnext=1&videos=R5IJwCTpFNI Método de
Euler Modificado o Mejorado