COORDINACIÓN ACADÉMICA Y DE INVESTIGACIÓN

División de Ciencias Exactas,

Ingeniería y Tecnología

Lic. en Enseñanza de las matemáticas

4° Semestre

Módulo 7
Nombre

NOMBRE DEL ESTUDIANTE Manuel Manjarrez Bárcenas

GRUPO: EM-EMCVED-2202-B1-003
Docente en línea: Alexandra Guzmán Velázquez.
Módulo #

Actividad 9. Las Diferencias hacen la diferencia

La resolución de ecuaciones diferenciales en términos de

funciones analíticas no resulta de forma inmediata,
principalmente si no son lineales. En el caso de las ecuaciones
de primer orden existen ciertos tipos de ecuaciones que admiten
métodos sencillos para resolverlas.
Dada la ecuación diferencial, se tendrá que distinguir de que
tipo de ecuación se trata y saber el método que nos permitirá
resolver.
Como métodos básicos de resolución estudiaremos los que nos
permitan resolver las ecuaciones de variables separables y las
diferenciales exactas.

Ecuaciones separables
Una ecuación diferencial de la forma
𝑑𝑦
= 𝑓(𝑥, 𝑦)
𝑑𝑥
Es una ecuación separable o de ecuaciones separables si 𝑓(𝑥, 𝑦) se
puede expresar como el producto de una función de 𝑥 por una
función de 𝑦, esto es:
𝑑𝑦
= 𝑝(𝑥)𝑞(𝑦)
𝑑𝑥

Una ecuación diferencial de la forma:

𝑀(𝑥, 𝑦)𝑑𝑦 + 𝑁(𝑥, 𝑦)𝑑𝑦 = 0
Es una ecuación separable o de variables separables si se puede
escribir de la forma:
𝑓(𝑥)𝑔(𝑦)𝑑𝑦 + ℎ(𝑥)𝑘(𝑦)𝑑𝑦 = 0
Para su resolución podemos decir que, Si la ecuación diferencial
presenta la forma
𝑑𝑦
= 𝑓(𝑥, 𝑦) , separamos las variables 𝑥 e 𝑦, aislándolas en
𝑑𝑥
miembros opuestos de la ecuación. Para ello, hemos de suponer que
𝑞(𝑥) ≠ 0 0, en ese caso:
1
𝑑𝑦 = 𝑝(𝑥)𝑑𝑥
𝑞(𝑦)
Integrando ahora ambas partes de la igualdad,
1
∫ 𝑑𝑦 = ∫ 𝑝(𝑥)𝑑𝑥
𝑞(𝑦)

UnADM | DCEIT | EM | 2
Módulo #

Obtenemos la solución implícita

𝐹 (𝑦 ) = 𝐺 (𝑥 ) + 𝐶

Si la ecuación diferencial presenta la forma

𝑓(𝑥)𝑔(𝑦)𝑑𝑦 + ℎ(𝑥)𝑘(𝑦)𝑑𝑦 = 0

dividimos la ecuación por 𝑔(𝑦), ℎ(𝑥), obteniendo:

𝑓(𝑥) 𝑘(𝑦)
𝑑𝑥 + 𝑑𝑦 = 0
ℎ(𝑥) 𝑔(𝑥)

Por lo tanto, la ecuación queda de la forma:

𝑛(𝑥)𝑑𝑥 + 𝑚(𝑦𝑢)𝑑𝑦 = 0

Despejando e integrando
∫ 𝑚(𝑦)𝑑𝑦 = ∫ −𝑛(𝑥)𝑑𝑥
Obteniendo la solución implícita:

𝐹 (𝑦 ) = 𝐺 (𝑥 ) + 𝐶

Ecuaciones exactas.
Dada una familia de curvas 𝐹 (𝑥, 𝑦) = 𝐶, se puede generar una
ecuación diferencial de primer orden hallando la diferencial
total de 𝐹:
𝑑𝐹(𝑥, 𝑦) = 0
Es decir:
𝜕𝐹 𝜕𝐹
𝑑𝑥 + 𝑑𝑦 = 0
𝜕𝑥 𝜕𝑌
El método en que se basa la resolución de las ecuaciones exactas
es el proceso inverso. Es decir, dada una ecuación diferencial en
forma:
𝑀(𝑥, 𝑦)𝑑𝑦 + 𝑁(𝑥, 𝑦)𝑑𝑦 = 0
Intentamos ver si corresponde a la diferencial total de alguna
función de dos variables.

Una ecuación diferencial de primer orden

UnADM | DCEIT | EM | 3
Módulo #

𝑀(𝑥, 𝑦)𝑑𝑦 + 𝑁(𝑥, 𝑦)𝑑𝑦 = 0

es exacta en un rectángulo 𝑅 Si 𝑀(𝑥, 𝑦)𝑑𝑥 +𝑁(𝑥, 𝑦)𝑑𝑦 es una
diferencial exacta, es decir, si existe una función 𝐹 (𝑥, 𝑦) tal
que:

𝜕𝐹 𝜕𝐹
(𝑥, 𝑦) = 𝑀(𝑥, 𝑦) 𝑦 (𝑥, 𝑦) = 𝑁(𝑥, 𝑦), ∀(x, y) ∈ R
𝜕𝑥 𝜕𝑦
Entonces en base al siguiente teorema
Sean 𝑀(𝑥, 𝑦) 𝑦 𝑁(𝑥, 𝑦) funciones continuas con derivadas parciales de
primer orden continuas en un rectángulo R. Entonces, la ecuación
𝑀(𝑥, 𝑦)𝑑𝑦 + 𝑁(𝑥, 𝑦)𝑑𝑦 = 0
Es exacta si y sólo si se verifica:
𝜕𝑀 𝜕𝑁
(𝑥, 𝑦) = (𝑥, 𝑦) ∀(x, y) ∈ R
𝜕𝑥 𝜕𝑦
Si no se puede determinar una solución exacta para un problema de
valor inicial
𝑦´ = 𝑓(𝑥, 𝑦), 𝑦(𝑥0 ) = 𝑦0 , con frecuencia podemos utilizar una
computadora para generar una tabla de valores numéricos
aproximados de 𝑦 para valores de 𝑥 en un intervalo apropiado. Tal
tabla se denomina solución numérica del problema, y el método por
medio del cual la generamos se llama método numérico.
Método de Euler
𝑑𝑦
Dada una ecuación diferencial = 𝑓(𝑥, 𝑦) y una condición inicial
𝑑𝑥
𝑦(𝑥0 ) = 𝑦0 podemos aproximar la solución exacta de 𝑦 = 𝑦(𝑥) por medio
de su linealización
𝐿(𝑥 ) = 𝑦(𝑥0 ) + 𝑦´(𝑥0 )(𝑥 − 𝑥0 ) 𝑜 𝐿(𝑥 ) = 𝑦0 + 𝑦´𝑓 (𝑥0 , 𝑦0 )(𝑥 − 𝑥0 )
La función 𝐿(𝑥 ) proporciona
una buena aproximación a la
solución 𝑦(𝑥) en un intervalo
pequeño alrededor de 𝑥0

Describiendo en método

UnADM | DCEIT | EM | 4
Módulo #

tenemos:
Sabemos que el punto (𝑥0 , 𝑦0 ) esta en la curva de la solución,
supongamos que especificamos un nuevo valor para la variable
independiente, como 𝑥1 = 𝑥0 + 𝑑𝑥 (𝑑𝑥 = ∆𝑥 𝑒𝑠 𝑙𝑎 𝑑𝑒𝑓𝑖𝑛𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑙𝑒𝑠).
Si el incremento de 𝑑𝑥 es pequeño, entonces+
𝑦1 = 𝐿(𝑥1 ) = 𝑦0 + 𝑓 (𝑥0 , 𝑦0 )𝑑𝑥
Sería una buena aproximación al
valor exacto 𝑦 = 𝑦(𝑥1 ). Así, a
partir del punto (𝑥0 , 𝑦0 ), que esta
exactamente en la curva de la
solución, hemos obtenido el punto
(𝑥1 , 𝑦1 ), que está muy cercano al
punto (𝑥1 , 𝑦(𝑥1 ), en la curva de
solución.

Por medio del punto (𝑥1 , 𝑦1 ), y la pendiente (𝑥2 , 𝑦2 ), de la curva de

solución que pasa por (𝑥1 , 𝑦1 ), tomamos un segundo paso. Haciendo
𝑥2 = 𝑥1 + 𝑑𝑥, utilizamos la linealización de la curva que pasa por
(𝑥1 , 𝑦1 ), para calcular
𝑦2 = 𝑦1 + 𝑓 (𝑥1 , 𝑦1 )𝑑𝑥
Esto proporciona la siguiente aproximación, (𝑥2 , 𝑦2 ), para valores
a lo largo de la curva de solución 𝑦 = 𝑦(𝑥 ). Tomamos un tercer
paso desde el punto (𝑥2 , 𝑦2 ), con pendiente 𝑓(𝑥2 , 𝑦2 ), para obtener
una tercera aproximación.
𝑦3 = 𝑦2 + 𝑓 (𝑥2 , 𝑦2 )𝑑𝑥
Así una y otra vez. Literalmente estamos construyendo una
aproximación de las soluciones, siguiendo la dirección del campo
de pendientes de la ecuación diferencial.
La siguiente figura nos muestra los pasos de aproximación de
Euler a la solución del problema valor inicial.

UnADM | DCEIT | EM | 5
Módulo #

Los

métodos asociados con los nombres Runge, Kutta, Heun y otros

parecen resolver

𝑑𝑦
= 𝐹(𝑥, 𝑦)
𝑑𝑥
𝑃𝑉𝐼 𝑦(𝑥 ) = 𝑦
0 0
{ 𝑦(𝑥𝑓 ) =?

Consiste en obtener un resultado a la que se podría llegar a

utilizar un número finito de términos de una serie de Taylor de
la forma

ℎ2 ℎ3
𝑦𝑖+1 = 𝑦𝑖 + ℎ𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓´ (𝑥𝑖 , 𝑦𝑖 ) + 𝑓´´ (𝑥𝑖 , 𝑦𝑖 ) + ⋯ ….
2! 3!
Este es el algoritmo de Runge-Kutta de segundo orden.

ℎ
𝑦𝑖+1 = 𝑦𝑖 + (𝑘 + 𝑘1 )
2 0
𝑘0 = 𝑓 (𝑥𝑖 , 𝑦𝑖 ); 𝑘1 = 𝑓(𝑥𝑖 + ℎ, 𝑦𝑖 + ℎ𝑘0 )

UnADM | DCEIT | EM | 6
Módulo #

El método de Runge-Kutta de cuarto orden (al igual que para orden

dos, existen muchos métodos de cuarto orden)

ℎ
𝑦𝑖+1 = 𝑦𝑖 + (𝑘 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6 1
Donde

𝑘1 = 𝑓(𝑥𝑖 , 𝑦𝑖 )
ℎ ℎ𝑘1
𝑘2 = 𝑓(𝑥𝑖 + , 𝑦𝑖 + )
2 2
ℎ ℎ𝑘2
𝑘3 = 𝑓(𝑥𝑖 + , 𝑦𝑖 + )
2 2
{ 𝑘4 = 𝑓(𝑥𝑖 + ℎ, 𝑦𝑖 + ℎ𝑘3

UnADM | DCEIT | EM | 7
Módulo #

Desarrollo

1.- Resuelve el problema de valor inicial (PVI) con el método de

ecuaciones separables y determina el intervalo de existencia de
cada solución (dominio de la función 𝑦(𝑡)). Gráfica la solución y
verifica que si pasa por la condición inicial dada.

𝑑𝑦 3𝑡 2 + 4𝑡 + 2
= , 𝑦(0) = −1
𝑑𝑡 2(𝑦 − 1)

SOLUCIÓN

2(𝑦 − 1)𝑑𝑦 = (3𝑡 2 + 4𝑡 + 2)𝑑𝑡

∫(2𝑦 − 2) 𝑑𝑦 = ∫(3𝑡 2 + 4𝑡 + 2)𝑑𝑡 → 𝑦 2 − 2𝑦 = 𝑡 3 + 2𝑡 2 + 2𝑡 + 𝐶

𝑦 2 − 2𝑦 − 𝑡 3 − 2𝑡 2 − 2𝑡 = 𝐶

Aplicando las condiciones iniciales

𝑦(0) = −1

(−1)2 − 2(−1) − (0)3 − 2(0)2 − 2(0) = 𝐶

𝐶=3

Sustituimos el valor de 𝐶 = 3

En 𝑦 2 − 2𝑦 − 𝑡 3 − 2𝑡 2 − 2𝑡 = 𝐶 para poder obtener 𝑦

𝑦 2 − 2𝑦 − 𝑡 3 − 2𝑡 2 − 2𝑡 − 3 = 0 𝑟𝑒𝑠𝑜𝑙𝑣𝑒𝑚𝑜𝑠 𝑝𝑜𝑟 𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑔𝑒𝑛𝑒𝑟𝑎𝑙 𝑑𝑒 2° 𝑔𝑟𝑎𝑑𝑜

−𝑏 ± √𝑏2 − 4𝑎𝑐
𝑦= 𝑑𝑜𝑛𝑑𝑒 𝑎 = 1; 𝑏 = −2; 𝑐 = −𝑡 3 − 2𝑡 2 − 2𝑡 − 3
2𝑎
𝑦
−(−2) ± √(−2)2 − 4(1)(−𝑡 3 − 2𝑡 2 − 2𝑡 − 3)
= 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑚𝑜𝑠 𝑢𝑛𝑎 𝑓𝑎𝑐𝑡𝑜𝑟𝑖𝑧𝑎𝑐𝑖ó𝑛 𝑒𝑛 𝑙𝑎 𝑟𝑎𝑖𝑧
2(1)

−(−2) ± √4(1 − (−𝑡 3 − 2𝑡 2 − 2𝑡 − 3))

𝑦=
2(1)

UnADM | DCEIT | EM | 8
Módulo #

Desarrollamos el producto de la raíz

(−2)2 − 4(1)(−𝑡 3 − 2𝑡 2 − 2𝑡 − 3) = 4(1 − (−𝑡 3 − 2𝑡 2 − 2𝑡 − 3))

= 4(1 + 𝑡 3 + 2𝑡 2 + 2𝑡 + 3) = 4(𝑡 3 + 2𝑡 2 + 2𝑡 + 4)

𝑓𝑎𝑐𝑡𝑜𝑟𝑖𝑧𝑎𝑚𝑜𝑠 𝑡 3 + 2𝑡 2 = 𝑡 2 (𝑡 + 2) 𝑦 𝑑𝑒 2𝑡 + 4 = 2(𝑡 + 2) 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠

4(𝑡 3 + 2𝑡 2 + 2𝑡 + 4) = 4(𝑡 2 (𝑡 + 2) + 2(𝑡 + 2) 𝑓𝑎𝑐𝑡𝑜𝑟𝑖𝑧𝑎𝑚𝑜𝑠 𝑒𝑙 𝑡𝑒𝑟𝑚𝑖𝑛𝑜 𝑐𝑢𝑚ú𝑛 (𝑡 + 2)

4((𝑡 + 2)(𝑡 2 + 2)

4(𝑡 3 + 2𝑡 2 + 2𝑡 + 4) = 4((𝑡 + 2)(𝑡 2 + 2)

−(−2) ± √4(1 − (−𝑡 3 − 2𝑡 2 − 2𝑡 − 3)) −(−2) ± √4((𝑡 + 2)(𝑡 2 + 2)

𝑦= = =
2(1) 2(1)

2 ± 2√((𝑡 + 2)(𝑡 2 + 2) 2(1 ± √((𝑡 + 2)(𝑡 2 + 2)

𝑦= = 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜
2 2
Las soluciones de la ecuación de 2° grado

𝑦1 = 1 + √((𝑡 + 2)(𝑡 2 + 2)

𝑦2 = 1 − √((𝑡 + 2)(𝑡 2 + 2)

Verificando las soluciones mediante la aplicación de las

condiciones iniciales:

𝑦(0) = −1

𝑦1 = 1 + √((𝑡 + 2)(𝑡 2 + 2) → −1 = 1 + √((0 + 2)(02 + 2) → −1 = 1 + √4

1 = 1 + 2 → −1 = 3

𝑦2 = 1 − √((𝑡 + 2)(𝑡 2 + 2) → −1 = 1 − √((0 + 2)(02 + 2) → −1 = 1 + √4

− 1 = 1 − 2 → −1 = −1

UnADM | DCEIT | EM | 9
Módulo #

La solución de
𝟐
𝒅𝒚 𝟑𝒕 + 𝟒𝒕 + 𝟐
= , 𝒚(𝟎) = −𝟏
𝒅𝒕 𝟐(𝒚 − 𝟏)

Es 𝒚(𝒕) = 𝟏 − √((𝒕 + 𝟐)(𝒕𝟐 + 𝟐)

Como observamos en nuestra solución analítica nuestro valor de 𝑡 dentro de la raíz

tiene que ser 𝑡 ≥ 2

Dominio 𝐷𝑜𝑚𝑖𝑛𝑖𝑜 = {𝑡 ∈ ℝ⁄𝑡 ≥ −2}

2.- Resuelve el problema del valor inicial (PVI) con el método de

ecuaciones exactas y determina el intervalo de existencia de cada
solución (dominio de la función 𝑦(𝑡). Grafica la solución y
verifica si pasa por la condición inicial dada.

𝑑𝑦
3𝑡 2 + 4𝑡𝑦 + (2𝑦 + 2𝑡 2 ) = 0 ∶ 𝑦 (0) = 1
𝑑𝑡
UnADM | DCEIT | EM | 10
Módulo #

SOLUCIÓN

𝑑𝑦
(3𝑡 2 + 4𝑡𝑦)𝑑𝑡 + (2𝑦 + 2𝑡 2 ) (𝑑𝑡) = 0 → (3𝑡 2 + 4𝑡𝑦)𝑑𝑡 + (2𝑦 + 2𝑡 2 )𝑑𝑦 = 0
𝑑𝑡

𝑀(𝑡, 𝑦)𝑑𝑡 → (3𝑡 2 + 4𝑡𝑦)𝑑𝑡

𝑁(𝑡, 𝑦)𝑑𝑦 → (2𝑦 + 2𝑡 2 )𝑑𝑦

𝜕𝑀 𝜕𝑁
= 4𝑡 ; = 4𝑡
𝜕𝑦 𝜕𝑡

𝜕𝑀 𝜕𝑁
Como se cumple = es una ecuación
𝜕𝑦 𝜕𝑡
diferencial exacta

Continuando tenemos que 𝑓 (𝑡, 𝑦) = ∫ 𝑀(𝑡, 𝑦)𝑑𝑡 + 𝑔(𝑦)

Donde ∫(3𝑡 2 + 4𝑡𝑦)𝑑𝑡 = 𝑡 3 + 2𝑡 2 𝑦 + 𝐶

𝑓 (𝑡, 𝑦) = 𝑡 3 + 2𝑡 2 𝑦 + 𝑔(𝑦)
𝜕𝑓
Obtenemos 𝑔(𝑦) 𝑎 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 = 𝑁(𝑡, 𝑦)𝑑𝑦 = 2𝑦 + 2𝑡 2
𝜕𝑦

Donde 𝑔(𝑦) = ∫ 𝑔´(𝑦)𝑑𝑦 → 𝑔´(𝑦) = 2𝑦

𝑔(𝑦) = ∫ 2𝑦𝑑𝑦 → 𝑔(𝑦) = 𝑦 2

De 𝑓 (𝑡, 𝑦) = ∫ 𝑀(𝑡, 𝑦)𝑑𝑡 + 𝑔(𝑦) sustituimos el valor de 𝑔(𝑦) = 𝑦 2

𝑓 (𝑡, 𝑦) = 𝑡 3 + 2𝑡 2 𝑦 + 𝑦 2 = 𝐶

Utilizando la condición inicial 𝑦(0) = 1 en

𝑓 (0,1) = 03 + 2(02 )𝑦 + 12 = 𝐶 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝐶 = 1

Entonces 𝑦 2 + 𝑡 3 + 2𝑡 2 𝑦 = 1 → 𝑦 2 + 2𝑡 2 𝑦 + 𝑡 3 − 1 = 0

Resolvemos para 𝒚𝟐 por formula de 2° grado

UnADM | DCEIT | EM | 11
Módulo #

−𝑏 ± √𝑏2 − 4𝑎𝑐
𝑦= 𝑑𝑜𝑛𝑑𝑒 𝑎 = 1; 𝑏 = 2𝑡 2 ; 𝑐 = 𝑡 3 − 1
2𝑎

−2𝑡 2 ± √(2𝑡 2 )2 − 4(1)(𝑡 3 − 1) 2(−𝑡 2 ± √𝑡 4 − 𝑡 3 + 1)

𝑦= = = −𝑡 2 ± √𝑡 4 − 𝑡 3 + 1
2(1) 2(1)

Simplificamos √(2𝑡 2 )2 − 4(1)(𝑡 3 − 1) = √4𝑡 4 − 4𝑡 3 + 4 = √4(𝑡 4 − 𝑡 3 + 1) =

√22 √𝑡 4 − 𝑡 3 + 1 = 2√𝑡 4 − 𝑡 3 + 1

𝑦 = −𝑡 2 ± √𝑡 4 − 𝑡 3 + 1

Las posibles soluciones son:

𝒚𝟏 = −𝒕𝟐 + √𝒕𝟒 − 𝒕𝟑 + 𝟏

𝒚𝟐 = −𝒕𝟐 − √𝒕𝟒 − 𝒕𝟑 + 𝟏

Verificando cada una de ellas con la condición inicial 𝑦(0) = 1

Para
𝒚𝟏 = −𝒕𝟐 + √𝒕𝟒 − 𝒕𝟑 + 𝟏 → 𝟏 = −𝟎𝟐 + √𝟎𝟒 − 𝟎𝟑 + 𝟏

𝟏 = 𝟏 𝒑𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐 𝒆𝒔 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏

𝒚𝟐 = −𝒕𝟐 − √𝒕𝟒 − 𝒕𝟑 + 𝟏 → 𝟏 = −𝟎𝟐 − √𝟎𝟒 − 𝟎𝟑 + 𝟏

𝟏 = −𝟏 𝒑𝒐𝒓 𝒍𝒐 𝒕𝒂𝒏𝒕𝒐 𝒆𝒔 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏

La solución de

(𝟑𝒕𝟐 + 𝟒𝒕𝒚)𝒅𝒕 + (𝟐𝒚 + 𝟐𝒕𝟐 )𝒅𝒚 = 𝟎

Es 𝒚(𝒕) = −𝒕𝟐 + √𝒕𝟒 − 𝒕𝟑 + 𝟏

𝒅𝒐𝒎𝒊𝒏𝒊𝒐 𝒅𝒆 𝒍𝒂 𝒇𝒖𝒏𝒄𝒊ó𝒏 = {𝑡 ∈ ℝ}

D= (−∞ , ∞)

UnADM | DCEIT | EM | 12
Módulo #

La función se pasa por nuestra condición inicial 𝑦 (0) = 1

Con ayuda de Excel (que se publicará en el foro) y del video de

la referencia [4], utiliza los métodos de Euler y Runge Kutta con
un incremento de h = 0.1 para determinar un valor aproximado de
20 iteraciones de la solución en t = 1 para los siguientes
problemas de valor inicial. Repite los cálculos con H igual a
0.025 y compara los resultados de ambos métodos con el valor dado
de la solución. Calcular el error absoluto en ambos casos y
𝑑𝑦 𝑦2
grafica.𝑑𝑥 = −1 + 2𝑡 + (2+𝑡 2 )2 ; 𝑦(0) = 1

Con una solución analítica 𝑦 (𝑡 ) = 1 + 𝑡 2

SOLUCIÓN EN EXCEL

UnADM | DCEIT | EM | 13
Módulo #

Resultados
En la solución de este ejercicio por el método numérico de Euler
y Runge Kutta con un incremento de 𝒉 = 𝟎. 𝟏 𝒚 𝒉 = 𝟎. 𝟐𝟓 , para la
conclusión de los haremos referencia al error absoluto para poder
medir y comparar los dos métodos, así mismo también lo
manejaremos para poder comparar cuando manejamos distinto valor
de h

i. Respecto al método de Euler al realizar el ejercicio con dos

valores distintos de h (𝒉 = 𝟎. 𝟏 𝒚 𝒉 = 𝟎. 𝟐𝟓) comprobamos como nos
dice la bibliografía que mientras más pequeña sea h el
cálculo del error absoluto tendera a cero. Tenemos que: Con
la cantidad de 20 iteraciones.

El error absoluto con 𝒉 = 𝟎. 𝟏 ; 𝒆𝒓𝒓𝒐𝒓 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒐 = 𝟎. 𝟒𝟔 con valor

de, 𝒚 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒂 = 𝟒. 𝟏𝟒 𝒚 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒆𝒙𝒂𝒄𝒕𝒂 = 𝟒. 𝟔𝟏

El error absoluto con 𝒉 = 𝟎. 𝟎𝟐𝟓 ; 𝒆𝒓𝒓𝒐𝒓 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒐 = 𝟎.018 con

valor de, 𝒚 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒂 = 𝟏. 𝟐𝟎 𝒚 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒆𝒙𝒂𝒄𝒕𝒂 = 𝟏. 𝟐𝟐

ii. Respecto al método de Runge-Kutta al realizar el ejercicio

con los dos valores distintos de (𝒉 = 𝟎. 𝟏 𝒚 𝒉 = 𝟎. 𝟐𝟓, tenemos
que

El error absoluto con 𝒉 = 𝟎. 𝟏 ; 𝒆𝒓𝒓𝒐𝒓 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒐 = 𝟎. 𝟎𝟑𝟐 ,con valor

de, 𝒚 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒂 = 𝟒. 𝟓𝟕 𝒚 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒆𝒙𝒂𝒄𝒕𝒂 = 𝟒. 𝟔𝟏

El error absoluto con 𝒉 = 𝟎. 𝟎𝟐𝟓 ; 𝒆𝒓𝒓𝒐𝒓 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒐 = 𝟎. 𝟎𝟎𝟎𝟒 , con

valor de, 𝒚 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒂 = 𝟏. 𝟐𝟐𝟓𝒚 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒆𝒙𝒂𝒄𝒕𝒂 = 𝟏. 𝟐𝟐𝟓

En base a estos resultamos también podremos compara para

esta ecuación diferencial que con el método de Euler
obtenemos un error absoluto mayor que con el método de
Runge-Kutta en las posiciones con respecto a

𝒉 = 𝟎. 𝟏 𝒚 𝒉 = 𝟎. 𝟐𝟓

Datos de Excel realizados.

𝒅𝒚 𝒚𝟐
= −𝟏 + 𝟐𝒕 + ; 𝒚 (𝟎 ) = 𝟏
𝒅𝒙 (𝟐 + 𝒕𝟐 )𝟐
UnADM | DCEIT | EM | 14
Con una solución analítica 𝒚(𝒕) = 𝟏 + 𝒕𝟐
Módulo #

MÉTODO DE EULER (h=0.025)

h 0.025
yn (SOLUCIÓN SOLUCIÓN ERROR ERROR
Iteración i
tn APROXIMADA) EXACTA ABSOLUTO RELATIVO
1 0 1 1 0 0
2 0.025 1 1.000625 0.000625 0.062460962
3 0.05 1.001218779 1.0025 0.001281221 0.127802566
4 0.075 1.003654919 1.005625 0.001970081 0.195906146
5 0.1 1.007307062 1.01 0.002692938 0.266627555
6 0.125 1.012173926 1.015625 0.003451074 0.33979809
7 0.15 1.018254315 1.0225 0.004245685 0.415225892
8 0.175 1.025547133 1.030625 0.005077867 0.492697796
9 0.2 1.034051391 1.04 0.005948609 0.571981603
10 0.225 1.043766218 1.050625 0.006858782 0.652828704
11 0.25 1.05469087 1.0625 0.00780913 0.734976984
12 0.275 1.066824732 1.075625 0.008800268 0.818153955
13 0.3 1.080167328 1.09 0.009832672 0.902080001
14 0.325 1.094718322 1.105625 0.010906678 0.986471692
15 0.35 1.110477519 1.1225 0.012022481 1.071045049
16 0.375 1.127444865 1.140625 0.013180135 1.155518716
17 0.4 1.145620443 1.16 0.014379557 1.239616953
18 0.425 1.165004476 1.180625 0.015620524 1.323072398
19 0.45 1.185597317 1.2025 0.016902683 1.405628557
20 0.475 1.207399442 1.225625 0.018225558 1.487041974

Gráfica de la curva solución aproximada vs solución exacta.

UnADM | DCEIT | EM | 15
Módulo #

Solución Aproximada vs Solución Exacta

1.5
1
0.5
0
0 0.1 0.2 0.3 0.4 0.5

yn (SOLUCIÓN APROXIMADA) SOLUCIÓN EXACTA

Solución Aproximada vs Solución Exacta

1.5

0.5

yn (SOLUCIÓN APROXIMADA) SOLUCIÓN EXACTA

Gráfica de error absoluto vs error relativo

UnADM | DCEIT | EM | 16
Módulo #

ERROR ABSOLUTO
ERROR RELATIVO
0.025
1.8
1.6
0.02
1.4
1.2 0.015
1
0.8 0.01
0.6
0.4 0.005
0.2
0 0
0 5 10 15 20 25 0 5 10 15 20 25

MÉTODO DE EULER (h=0.1)

UnADM | DCEIT | EM | 17
Módulo #

h 0.1
yn (SOLUCIÓN SOLUCIÓN ERROR ERROR
Iteración i
tn APROXIMADA) EXACTA ABSOLUTO RELATIVO
1 0 1 1 0 0
2 0.1 1 1.01 0.01 0.99009901
3 0.2 1.018029605 1.04 0.021970395 2.112537986
4 0.3 1.053849157 1.09 0.036150843 3.316591089
5 0.4 1.107325973 1.16 0.052674027 4.54086442
6 0.5 1.178450438 1.25 0.071549562 5.72396493
7 0.6 1.267330146 1.36 0.092669854 6.813959834
8 0.7 1.374166527 1.49 0.115833473 7.774058585
9 0.8 1.49922277 1.64 0.14077723 8.583977452
10 0.9 1.642791662 1.81 0.167208338 9.238029748
11 1 1.805169014 2 0.194830986 9.7415493
12 1.1 1.986634893 2.21 0.223365107 10.10701841
13 1.2 2.187442375 2.44 0.252557625 10.35072235
14 1.3 2.407812304 2.69 0.282187696 10.4902489
15 1.4 2.64793226 2.96 0.31206774 10.54282906
16 1.5 2.907958114 3.25 0.342041886 10.52436572
17 1.6 3.188017006 3.56 0.371982994 10.44896052
18 1.7 3.488210892 3.89 0.401789108 10.32876884
19 1.8 3.808620189 4.24 0.431379811 10.17405214
20 1.9 4.149307198 4.61 0.460692802 9.993336262

Gráfica de la curva solución aproximada vs solución exacta.

UnADM | DCEIT | EM | 18
Módulo #

Solución Aproximada vs Solución Exacta

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9

yn (SOLUCIÓN APROXIMADA) SOLUCIÓN EXACTA

Solución Aproximada vs Solución Exacta

5
4
3
2
1
0
0 0.5 1 1.5 2

yn (SOLUCIÓN APROXIMADA) SOLUCIÓN EXACTA

Gráfica de error absoluto vs error relativo

UnADM | DCEIT | EM | 19
Módulo #

Error absoluto Error relativo

0.02 1.6
1.4
0.015 1.2
1
0.01 0.8
0.6
0.005 0.4
0.2
0 0
0 5 10 15 20 25 0 5 10 15 20 25

MÉTODO RUNGE-KUTTA (h=0.025)

h 0.025

yn SOLUCIÓN SOLUCIÓN ERROR ERROROR

Iteración i tn K1 K2
APROXIMADA EXACTA ABSOLUTO RELATIVO

1 0 1 1 0 0
2 0.025 0 0.00121878 1.00060939 1.000625 1.56104E-05 0.00156006
3 0.05 0.00124922 0.00246802 1.00246801 1.0025 3.199E-05 0.00319103
4 0.075 0.002498405 0.00371727 1.005575845 1.005625 4.9155E-05 0.004888
5 0.1 0.003747556 0.00496652 1.009932881 1.01 6.71188E-05 0.00664543
6 0.125 0.004996677 0.00621577 1.015539107 1.015625 8.58928E-05 0.00845714
7 0.15 0.006245772 0.00746504 1.022394514 1.0225 0.000105486 0.01031643
8 0.175 0.007494842 0.00871432 1.030499097 1.030625 0.000125903 0.01221615
9 0.2 0.008743892 0.00996362 1.039852853 1.04 0.000147147 0.01414878
10 0.225 0.009992926 0.01121293 1.050455781 1.050625 0.000169219 0.01610653
11 0.25 0.011241947 0.01246226 1.062307885 1.0625 0.000192115 0.01808145
12 0.275 0.01249096 0.01371161 1.07540917 1.075625 0.00021583 0.02006552
13 0.3 0.013739968 0.01496098 1.089759647 1.09 0.000240353 0.02205075

UnADM | DCEIT | EM | 20
Módulo #

14 0.325 0.014988976 0.01621038 1.105359326 1.105625 0.000265674 0.02402928

15 0.35 0.016237987 0.01745981 1.122208223 1.1225 0.000291777 0.02599346
16 0.375 0.017487005 0.01870926 1.140306356 1.140625 0.000318644 0.02793595
17 0.4 0.018736034 0.01995874 1.159653743 1.16 0.000346257 0.02984975
18 0.425 0.019985077 0.02120825 1.180250408 1.180625 0.000374592 0.0317283
19 0.45 0.021234138 0.0224578 1.202096375 1.2025 0.000403625 0.03356552
20 0.475 0.02248322 0.02370737 1.22519167 1.225625 0.00043333 0.03535586

Gráfica de la curva solución aproximada vs solución exacta.

Solución Aproximada vs Solución Exacta

1.5

0.5

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

SOLUCIÓN APROXIMADA SOLUCIÓN EXACTA

Solución Aproximada vs Solución Exacta

1.5
1
0.5
0
0

0.15

0.325
0.025
0.05
0.075
0.1
0.125

0.175
0.2
0.225
0.25
0.275
0.3

0.35
0.375
0.4
0.425
0.45
0.475

SOLUCIÓN APROXIMADA SOLUCÓN EXACTA

Gráfica de error absoluto vs error relativo

UnADM | DCEIT | EM | 21
Módulo #

ERROR RELATIVO Error absoluto

0.04 0.0005
0.035
0.03 0.0004
0.025
0.0003
0.02
0.015 0.0002
0.01
0.0001
0.005
0 0
0 10 20 30 0 5 10 15 20 25

𝒅𝒚 𝒚𝟐
= −𝟏 + 𝟐𝒕 + ; 𝒚 (𝟎 ) = 𝟏
𝒅𝒙 (𝟏 + 𝒕𝟐 )𝟐

Con una solución analítica 𝒚(𝒕) = 𝟏 + 𝒕𝟐

MÉTODO RUNGE-KUTTA (h=0.1)

h 0.1

yn SOLUCIÓN SOLUCIÓN ERROR ERROROR

Iteración i tn K1 K2
APROXIMADA EXACTA ABSOLUTO RELATIVO

1 0 1 1 0 0
2 0.1 0 0.0180296 1.009014802 1.01 0.000985198 0.09754431
3 0.2 0.019805007 0.03786152 1.037848066 1.04 0.002151934 0.20691676
4 0.3 0.039586595 0.05770772 1.086495224 1.09 0.003504776 0.32153907
5 0.4 0.059357956 0.07757577 1.154962085 1.16 0.005037915 0.43430301
6 0.5 0.07913328 0.09747145 1.243264449 1.25 0.006735551 0.53884408
7 0.6 0.098925215 0.11739798 1.351426048 1.36 0.008573952 0.63043763
8 0.7 0.118743099 0.13735585 1.479475525 1.49 0.010524475 0.7063406

UnADM | DCEIT | EM | 22
Módulo #

9 0.8 0.138592308 0.15734323 1.627443294 1.64 0.012556706 0.76565281

10 0.9 0.158474557 0.17735669 1.795358918 1.81 0.014641082 0.80889956
11 1 0.178388744 0.197392 1.983249288 2 0.016750712 0.8375356
12 1.1 0.198331943 0.2174447 2.19113761 2.21 0.01886239 0.85350179
13 1.2 0.218300281 0.2375106 2.41904305 2.44 0.02095695 0.8588914
14 1.3 0.238289594 0.25758595 2.666980821 2.69 0.023019179 0.85573156
15 1.4 0.25829586 0.27766759 2.934962546 2.96 0.025037454 0.84585992
16 1.5 0.278315435 0.29775295 3.222996739 3.25 0.027003261 0.83086957
17 1.6 0.298345164 0.31783999 3.531089315 3.56 0.028910685 0.81209788
18 1.7 0.318382399 0.33792714 3.859244084 3.89 0.030755916 0.79064051
19 1.8 0.33842497 0.35801322 4.207463182 4.24 0.032536818 0.76737779
20 1.9 0.358471133 0.37809739 4.575747445 4.61 0.034252555 0.74300553

Gráfica de la curva solución aproximada vs solución exacta.

Solución Aproximada vs Solución Exacta

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

SOLUCIÓN APROXIMADA SOLUCIÓN EXACTA

Solución Aproximada vs Solución Exacta

5
4
3
2
1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9

SOLUCIÓN APROXIMADA SOLUCÓN EXACTA

Gráfica de error absoluto vs error relativo

UnADM | DCEIT | EM | 23
Módulo #

Error absoluto Error relativo

0.0005 0.04

0.0004 0.03
0.0003
0.02
0.0002
0.01
0.0001

0 0
0 5 10 15 20 25 0 5 10 15 20 25

Conclusiones.

En base a lo realizado en esta actividad para mi fue algo

nuevo el poder aprender dos métodos numéricos, me agrado
mucho esta parte de esta actividad ya que se me hizo de
máxima importancia para poder comprender el resultado de una
ecuación diferencial por un método numérico, me da otro
panorama de las matemáticas.

UnADM | DCEIT | EM | 24
Módulo #

*¿Crees que los métodos numéricos son mejores que los métodos
analíticos para encontrar soluciones de EDO?

Con lo poco que visualizamos con estos dos métodos (ya que
existen otros y por falta de tiempo ya que creo que es mucho
material para solo una semana) para mi si, por que me da otre
perspectiva de solución de una EDO, mi justificación la podría
dar con los valores de error absoluto obtenidos de la solución
aproximada y la solución exacta, vemos como con un h pequeño con
𝒉 = 𝟎. 𝟎𝟐𝟓 el error absoluto se acerca más a cero.

Referencia bibliográfica

alexandragvelaz. (2022, Marzo 20). Métodos Numéricos Euler y RK2,

Excel. [Archivo de video]. Recuperado de:
https://youtu.be/KriGgLi8cl

Acero, I., López, M. (2007). Ecuaciones diferenciales. Teoría y

problemas. Editorial Tébar. España

Braun, M. (1990). Ecuaciones diferenciales y sus aplicaciones.

Grupo editorial Iberoamérica. México

Ricardo, H. (2008). Ecuaciones diferenciales: Una introducción

moderna. Editorial Reverté. España

UnADM | DCEIT | EM | 25
Módulo #

Zill, D. G., Cullen, M.R. (2009). Ecuaciones diferenciales con

problemas con valores en la frontera. Séptima edición. CENGAGE
Learning. México

UnADM. (2017). Material de estudio. [PDF] Recuperado de:

https://campus.unadmexico.mx/contenidos/DCEIT/BLOQUE1/EM/7-
EMCVED/U3/descargables/04_em_07_emcved_U3_S10_material_de_estudio
.pdf

UnADM | DCEIT | EM | 26