Introducción

En la práctica de la ingeniería y ciencias es frecuente tener la necesidad de resolver un

sistema de ecuaciones lineales. Estos sistemas aparecen en muy diversos problemas, ya
sea como la solución completa de un problema ó al menos como parte de ella. Dada esta
necesidad frecuente, se requiere resolverlos en forma eficiente.

Las ecuaciones diferenciales ordinarias numéricas o métodos numéricos son la parte de

análisis numérico la cuál estudia la solución numérica a ecuaciones diferenciales
ordinarias (EDO). Este campo también es conocido como Integración Numérica, pero
alguna gente reserva este término para el cómputo de integrales.

Muchas ecuaciones diferenciales no se pueden solucionar analíticamente, en este caso

tenemos que satisfacerlas con una aproximación a la solución, usando algoritmos que
pueden ser utilizados en computadoras para encontrar tal aproximación. Un método
alternativo es utilizar técnicas de cálculo para obtener una serie de la extensión de la
solución.

Las ecuaciones diferenciales ordinarias ocurren en muchas disciplinas científicas, por

ejemplo en la mecánica, química, biología, y economía. Además, algunos métodos de
ecuaciones diferenciales parciales numéricas convierte la ecuación diferencial parcial en
una ecuación diferencial ordinaria, que entonces puede ser solucionada. De hecho existe
una materia que se dedica al estudio de las soluciones a este tipo de problemas, la
Matemática Aplicada (Curso posterior a la Matemática Intermedia)

La matemática aplicada es la rama de las matemáticas que se dedica a buscar y aplicar

las herramientas más adecuadas a los problemas basados en estos modelos.
Desafortunadamente, no siempre es posible aplicar métodos analíticos clásicos por
diferentes razones:

 No se adecúan al modelo concreto.

 Su aplicación resulta excesivamente compleja.
 La solución formal es tan complicada que hace imposible cualquier interpretación
posterior.
 Simplemente no existen métodos analíticos capaces de proporcionar soluciones al
problema.

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

Observe en la figura 1 que la pendiente de la recta tangente a  la curva y=f (x )

está dada por f ' (x n ) y es aproximadamente igual a la pendiente de la recta secante

y n +1− y n y n+1− y n
= 1.2
xn + h−x n h

Siempre y cuando h sea pequeño. De aquí obtenemos que

xn y n +1− y n '
f ≈ → y n+1= y n + h f (x n) 1.3
h

Con lo cual podemos usar el punto ( x 0 , y 0 ) para construir el siguiente punto ( x 1 , y 1 )

y así sucesivamente. De esta forma generamos la sucesión de puntos:

( x 0 , y 0 ) , ( x 1 , y 1 ) , … ,( x n , y n )

Los cuales son de esperar que se encuentren cercanos a los puntos

¿
 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:

1. Se parte de ( x 0 , y 0 ) y se utiliza el método de Euler a fin de calcular el valor de y

correspondiente a x 'i, este valor de y se denotará aquí como y 'i ya que sólo es
un valor transitorio para y 'i, esta parte del proceso se conoce como paso
predictivo.

2. El segundo paso se llama corrector, pues trata de corregir la predicción. En el

nuevo punto obtenido ( x i , y i ) se evalúa la derivada ( x 'i , y i ) usando la ecuación
diferencial ordinaria del PVI (problema con valor inicial) que se esté resolviendo;
se obtiene la media aritmética de esta derivada y la derivada en el punto inicial
( x 'i , y i ).

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

Para entender esta fórmula, analicemos el primer paso de la aproximación, con

base en la siguiente gráfica: 

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.

El concepto de cifras significativas tiene dos implicaciones importantes en el estudio de

los métodos numéricos.

Los métodos numéricos obtienen resultados aproximados, se deben desarrollar criterios

para especificar que tan precisos son los resultados obtenidos. Una manera de hacerlo es
en términos de cifras significativas.

A la omisión del resto de cifras significativas se le conoce como error de redondeo.

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:

 Cuando se hacen algunos disparos en un lugar de tiro al blanco la precisión se

refiere a la magnitud del esparcimiento de las balas.
 La exactitud se refiere a la aproximación de un numero o de una medida al valor
verdadero que se supone representa.
 La inexactitud (conocida como sesgo) se define como un alejamiento sistemático
de la verdad.

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:

Valor verdader=Valor aproximado+ Error

Error numérico es igual a la diferencia entre el valor verdadero y el valor aproximado, esto
es:

Eu=Valor verdadero−Valor aproximado

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.

Esta técnica de retener solo los primeros números se le llamo "Truncamiento" en el

ambiente de computación de preferencia se le llamara de corte para distinguirlo de los
errores de truncamiento discutidos. Un corte ignora los términos restantes de la
representación decimal completa. Por ejemplo: el octavo número significativo en este
caso es 6. Por lo tanto π se representa de manera exacta como 3.141593 que como
3.141592 obtenido mediante un corte, ya que el valor está más cercano del valor
verdadero. Esto se puede visualizar de la siguiente forma: si p se aproxima por
π=3.141593 , el error de redondeo se reduce a; Eu=0.000000035…

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

Se introdujo un error de truncamiento en la solución numérica ya que la ecuación de

diferencias solo se aproxima el valor verdadero de la derivada.

Error numérico total

El error numérico total es la suma de los errores de redondeo y de truncamiento. (Los
errores de truncamiento decrecen conforme él numero de cálculos aumenta, por lo que se
encara el siguiente problema: la estrategia de disminuir un componente del error total
lleva al incremento del otro).
Errores por equivocación, de planteamiento o incertidumbre en
los datos
En los primeros años de la computación, los resultados numéricos erróneos fueron
atribuidos algunas veces al mal funcionamiento de la computadora misma. Hoy en día,
esta fuente de error es muy improbable y la mayor parte de las equivocaciones se pueden
atribuir a errores humanos.

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.

Incertidumbre en los datos

Algunas veces se introducen errores en un análisis debido a la incertidumbre (sin certeza)
de los datos físicos sobre los que se basa el modelo.
Métodos de Runge-Kutta
El objetivo de los métodos numéricos de Runge-Kutta, es el análisis y solución de los
problemas de valor inicial de ecuaciones diferenciales ordinarias (EDO), estos son una
extensión del método de Euler para resolver las (EDO’S), pero con un orden de exactitud
más alto que este.

La convergencia lenta del método de Euler y lo restringido de su región de estabilidad

absoluta nos lleva a considerar métodos de orden de convergencia mayor. El método de
Euler se mueve a lo largo de la tangente de una cierta curva que esta "cerca" a la curva
desconocida o buscada. Los métodos Runge-Kutta extienden esta idea geométrica al
utilizar varias derivadas o tangentes intermedias, en lugar de solo una, para aproximar la
función desconocida. Los métodos Runge-Kutta más simples se obtienen usando dos de
estas derivadas intermedias.

Métodos Runge-Kutta de dos Evaluaciones: Aquí buscamos métodos o fórmulas

numéricas de la forma:

[
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:

Método de Heun: Aquí se toma y 2=1/2 de modo que el método reduce a:

h
y j+1= y j+ f ( t j , y j ) + f ( t j +h , y j+ hf ( t j , y j ) ) , j ≥ 0
[ ] 4.3
2

Para propósitos de hacer cálculos es mejor escribir esta fórmula como:

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.

Un método de Runge-Kutta para resolver ecuaciones diferenciales ordinarias de primer

orden con error del orden de h5 , de uso tan frecuente que en la literatura sobre métodos
numéricos se le llama simplemente el Método de Runge-Kutta, se dará a conocer sin
demostrar y consiste en aplicar la ecuación de recurrencia y n+ 1= y n +h Φ ( x n , y n )en donde
la función Φ ( x , y ) está dada por la expresión:

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

y 2= y 1 +h ( 12 )[ f ( x , y )+f ( x ,u ) ]=4.4475+ 0.05 (−10.2425−8.6061 )=3.9763

1 1 2 2

x 3=1.1500
u3= y 2+ hf ( x 2 , y 2) =3.9763+0.05 (−8.7289 ) =3.5389

y 3= y 2 +h ( 12 )[ f ( x , y )+ f ( x , u )]=3.9763+ 0.05(−8.7289−7.3195 )=3.5751

2 2 3 3

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

y 1= y 0 +h ( 12 )[ f ( x , y )+ f ( x , u )]=5+ 0.1000 ( 12 ) [−12.0000−8.2000 ]=3.9900

0 0 1 1

x 2=1.2000
u2= y 1+hf ( x 1 , y 1 ) =3.99 00+0.1000 (−8.7700 )=3.1130

y 2= y 1 +h ( 12 )[ f ( x , y )+f ( x ,u ) ]=3.9900+0.1000( 12 ) (−8.7700−5.9390)=3.2546

1 1 2 2

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

y 1= y 0 +h ( 12 )[ f ( x , y )+ f ( x , u )]=0+0.0500∗0.5000∗( 1+0.9975 )=0.0499

0 0 1 1

x 2=0.1000
 u2= y 1+hf ( x 1 , y 1 ) =0.0500+0.0500∗0.0975=0.0548

y 2= y 1 +h ( 12 )[ f ( x , y )+f ( x ,u ) ]=0.0500+0.0500∗0.5000 ( 0.9513+0.9467 )=0.0974

1 1 2 2

x 3=0.1500
u3= y 2+ hf ( x 2 , y 2) =0.1000+0.0500∗0.1427=0.1045

y 3= y 2 +h ( 12 )[ f ( x , y )+ f ( x , u )]=0.1000+ 0.0500∗0.5000 ( 0.9072+0.9008 )=0.1426

2 2 3 3

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

y 1= y 0 +h ( 12 )[ f ( x , y )+ f ( x , u )]=0+0.1000∗0.5000 (1+ 0.9048 )=0.0952

0 0 1 1

x 2=0.2000
u2= y 1+hf ( x 1 , y 1 ) =0.1000+0.1000∗0.9092=0.1862

y 2= y 1 +h ( 12 )[ f ( x , y )+f ( x ,u ) ]=0.1000+0.1000∗0.5000 ( 0.9092+0.8301 )=0.1822

1 1 2 2

x 3=0.3000
u3= y 2+ hf ( x 2 , y 2) =0.1822+0.1000∗0.8334=0.2655

y 3= y 2 +h ( 12 )[ f ( x , y )+ f ( x , u )]=0.1822+ 0.1000∗0.5000 ( 0.8334+ 0.7668 )=0.2622

2 2 3 3

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

k 4=f ( x n+1 , y n +h∗k 3 )=−8.6845

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

k 4=f ( x n+1 , y n +h∗k 3 )=−6.3334

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

b.2) y ' =e− y , y (0)=0 ; y (0.5)

x 0=0
y 0=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

k 4=f ( x n+1 , y n +h∗k 3 )=1.1112

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

c) En el siguiente problema elabore una tabla donde se comparen los valores

indicados y (x ) obtenidos con los métodos de Euler, de Euler mejorado y de
Runge-Kutta de cuarto orden. Redondee sus cálculos a cuatro decimales y use
h=0.1 y h=0.05
y ' =√ x+ y ; y ( 0.5 )=0.5
y ( 0.6 ) , y , y ( 0.8 ) , y ( 0.9 ) , y (1.0)

Para h=0.1 Euler

Y(0.6)
X (Yn+1)
0.5000 0.6000 Y(0.8)
X (Yn+1)
0.5000 0.6000 0.8000 0.9559
0.6000 0.7095
0.7000 0.8283
Y(1)
X Y(n+1)
0.5000 0.6000
0.6000 0.7095
Y(0.9) 0.7000 0.8283
X (Yn+1) 0.8000 0.9559
0.5000 0.6000 0.9000 1.0921
0.6000 0.7095
0.7000 0.8283
 y ' =√ x+ y ; y ( 0.5 )=0.5
y ( 0.6 ) , y , y ( 0.8 ) , y ( 0.9 ) , y (1.0)

Para h=0.05 Euler

Y(0.6) Y(0.9)
X Yn+1 X Yn+1
0.5000 0.5500 0.5000 0.5500
0.5500 0.6024 0.5500 0.6024
0.6000 0.6573
0.6500 0.7144
Y(0.8) 0.7000 0.7739
X Yn+1 0.7500 0.8356
0.5000 0.5500 0.8000 0.8996
0.5500 0.6024 0.8500 0.9657
0.6000 0.6573
0.6500 0.7144
0.7000 0.7739 Y(1)
0.7500 0.8356 X Yn+1
0.5000 0.5500
0.5500 0.6024
0.6000 0.6573
0.6500 0.7144
0.7000 0.7739
0.7500 0.8356
0.8000 0.8996
0.8500 0.9657
0.9000 1.0340
0.9500 1.1044
Para h=0.1 Euler Mejorado

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

y ' =0.9 y−1.8 y 2 , y ( 0 )=0.47 , y (1 )=? , h=0.1 0 ≤ x ≤ 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

y 1= y 0 +h ( 12 )[ f ( x , y )+ f ( x , u )]=0.4700+0.1000∗0.5000 ( 0.3352+ 0.0236)=0.4879

0 0 1 1

x 2=0.2000
u2= y 1+hf ( x 1 , y 1 ) =0.4879+0.1000∗0.0106=0.4889

y 2= y 1 +h ( 12 )[ f ( x , y )+f ( x ,u ) ]=0.4879+0.1 00 0∗0.5 00 0 ( 0.3371+ 0.0098)=0.5 053

1 1 2 2

x 3=0.3000
u3= y 2+ hf ( x 2 , y 2) =0.5053+0.1000∗−0.0048=0.5048

y 3= y 2 +h ( 12 )[ f ( x , y )+ f ( x , u )]=0.5053+ 0.1000∗0.5000 ( 0.3374−0.0044 )=0.5219

2 2 3 3

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).

Su programación en un sistema de computo (Microsoft Excel) es mucho más sencillo y

sistemático.

Puede aprovecharse una aproximación a la solución, si tal aproximación existe.

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://www.monografias.com/trabajos10/menu/menu.shtml Por: Sergio Ramírez

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

Videos de la Universidad Veracruzana, Facultad de Ingeniería Química,

elaborados por Roselia Galmiche Santos, Elizeth Rocha Garcia, Sandra Maria
Perez Sanchez supervisado por el Ing. Candelario Trejo Flores

http://www.youtube.com/watch?v=HPTEdI4aZwU Método de Euler

http://www.youtube.com/watch?
v=aB8_x7szgMA&feature=mfu_in_order&playnext=1&videos=R5IJwCTpFNI Método de
Euler Modificado o Mejorado

http://www.youtube.com/watch?v=Tsg7wTdvtLs Método de Runge-Kutta (Parte 1)

http://www.youtube.com/v/H5ssEUEweTg?fs Método de Runge-Kutta (Parte 2)