DIFERENCIACIÓN E INTEGRACIÓN NUMÉRICA Y ECUACIONES DIFERENCIALES

ORDINARIAS

PRESENTADO POR:

RAFAEL VICENTE CASTILLO

1065637909
ENRIQUE FELIX GARCÍA STAVE
1102850603
NASLY YINETH PADILLA SUAREZ
1.065.596.087
JORGE MARIO MARQUEZ

JORGE ENRIQUE MONTOYA

GRUPO: 100401_4

AZUCENA GIL
TUTORA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
METODOS NUMERICOS
NOVIEMBRE 2016
 INTRODUCCIÓN

Los métodos numéricos son técnicas mediante las cuales es posible formular problemas
matemáticos de tal forma que puedan resolverse usando operaciones aritméticas. Los métodos
numéricos nos vuelven aptos para entender esquemas numéricos a fin de resolver problemas
matemáticos, de ingeniería y científicos en una computadora, reducir esquemas numéricos
básicos, escribir programas y resolverlos en una computadora y usar correctamente el software
existente para dichos métodos. Aumentando no solo nuestra habilidad para el uso de
computadoras, sino que amplía la pericia matemática y la comprensión de los principios
científicos básicos.

Dentro del trabajo desarrollado en el curso de métodos numéricos, encontramos las temáticas
propuestas en la unidad tres (3): Diferenciación e Integración Numérica y Ecuaciones
Diferenciales Ordinarias. La Diferenciación numérica, es una técnica de análisis numérico para
producir una estimación del derivado de la función matemática o función subprograma usando
valores de la función y quizás del otro conocimiento sobre la función.

Por otra parte, una ecuación diferencial, es una ecuación en la que interviene una función
incógnita y una o varias de sus derivadas. Este tipo de ecuaciones aparece en el estudio de
numerosos fenómenos físicos y químicos: desintegración radiactiva, crecimiento de poblaciones,
reacciones químicas, problemas gravitatorios, etc. No es exagerado afirmar que la naturaleza se
describe por medio de ecuaciones diferenciales, de modo que un conocimiento de esta última
materia nos ayudar a entender mejor los fenómenos naturales.

Para la apropiación de dichas temáticas se propone el desarrollo de ejercicios relacionados con:

Diferenciación Numérica, Regla del Trapecio, Regla de Simpson, Integración de Romberg,
Integrales Múltiples, Método de Euler, Métodos de Taylor y Método de Runge Kutta.
 DESARROLLO DEL TRABAJO No. 3.

1. Plantee y solucione dos ejercicios sobre Diferenciación Numérica explicando paso a paso el
procedimiento utilizado.

a) Una manera razonable de aproximar la derivada es

𝑓(𝑥0 +ℎ)−𝑓(𝑥0 )
𝑓 ´(𝑥0 ) = 𝑙𝑖𝑚ℎ → (1).
0 ℎ

Para el caso de una función lineal, ƒ(x) = ax + b, la aproximación dada por la expresión (1) resulta
exacta para cualquier valor de h distinto de cero. Pero para cualquier función ƒ en general no
siempre resulta exacta.

A continuación, se hace una estimación del error asociado a la aproximación dada por (1) usando
el teorema de Taylor con un polinomio de grado 1.

𝑓 ´´ (𝑧)
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 ´(𝑥0 )(𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )2 , 𝑥0 < 𝑧 < 𝑥 (2)
2

si x = x0 + h, x - x0 = h, y reemplazando en (2) resulta:

𝑓 ´´(𝑧) 2
𝑓(𝑥0 + ℎ) = 𝑓(𝑥0 ) + (𝑥 − 𝑥0 ) + ℎ , 𝑥0 < 𝑧 < 𝑥0 + ℎ
2

si se despeja ƒ’(x0) entonces:

𝑓(𝑥0 +ℎ)−𝑓(𝑥0 ) 𝑓´´ (𝑧)

𝑓 ´(𝑥0 ) = − ℎ, 𝑥0 < 𝑧 < 𝑥0 + ℎ (3).
ℎ 2

Observe que la ecuación (3) es más útil que la ecuación (1), ya que tiene un término que cuantifica
el error y este se conoce como término de error.

𝑓(𝑥0 +ℎ)−𝑓(𝑥0 ) 𝑓´´ (𝑧)

𝑓 ´(𝑥0 ) = 𝑒𝑟𝑟𝑜𝑟𝐸 = | ℎ|
ℎ 2

EJEMPLO 1.
𝜋
ƒ(x) = sen(x) en 𝑥= y con h = 0.01. ¿Cuál es la respuesta y cuál es su grado de precisión o
4
error?

Solución:

𝑓(𝑥0 ) = 𝑠𝑒𝑛𝑥

𝜋 𝜋
𝜋 𝑓(𝑥0 +ℎ)−𝑓(𝑥0 ) 𝑠𝑒𝑛( 4 +0.01)−𝑠𝑒𝑛( 4 )
𝑥0 = , ℎ = 0.01 𝑓 ´(𝑥0 ) = = = 0.703559491
4 ℎ 0.01

𝑓´´ (𝑧) 𝑠𝑒𝑛(𝑧) 0.01

𝑓 ´(𝑥) = 𝑐𝑜𝑠𝑥 𝑒𝑟𝑟𝑜𝑟𝐸 = | ℎ| =| (0.01)| ≤ = 0.005 (𝑃𝑜𝑟𝑞𝑢𝑒 |𝑠𝑒𝑛(𝑧)| ≤ 1)
2 2 2
𝑓 ´´ (𝑥) = −𝑠𝑒𝑛𝑥

Se puede obtener una cota más precisa usando el hecho que x0 < z < x0 + h

𝜋 𝜋
< 𝑧 < + 0.01de modo que |sen z| < 0.714142376 y la cota sería
4 4

𝑠𝑒𝑛(𝑧) 0.714142376
𝑒𝑟𝑟𝑜𝑟𝐸 = | (0.01)| < (0.01) = 0.003570712
2 2

𝜋 𝜋
Observe que si ƒ(x) = sen x , ƒ ´(x) = cos x y 𝑓 ´(𝑥0 ) = 𝑓´ ( ) = 𝑐𝑜𝑠 = 0.707106781
4 4

El error real es: 0.707106781 – 0.703559491 = 0.003547290186.

Se puede obtener otra fórmula para aproximar la derivada usando la ecuación (2),

𝑓 ´´ (𝑧)
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 ´ (𝑥0 )(𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )2
2

si x = x0 – h, x – x0 = -h, reemplazando el valor de x se tiene:

𝑓 ´´(𝑧) 2
𝑓(𝑥0 − ℎ) = 𝑓(𝑥0 ) − 𝑓 ´ (𝑥0 )ℎ + ℎ , 𝑥0 − ℎ < 𝑧 < 𝑥0
2

si se despeja f ´(x0) resulta:

𝑓(𝑥0 ) − 𝑓(𝑥0 − ℎ) 𝑓 ´´ (𝑧)

𝑓 ´(𝑥0 ) = − ℎ
ℎ 2

𝑓(𝑥0 ) − 𝑓(𝑥0 − ℎ) 𝑓 ´ (𝑧)

𝑓 ´ (𝑥0 ) = 𝐸=| ℎ| (4)
ℎ 2

A la aproximación (1) se le llama fórmula de diferencia hacia delante y a la aproximación dada

por (4) se le conoce como fórmula de diferencia hacia atrás, ambas fórmulas presentan el
mismo error. Se puede obtener otra fórmula para aproximar la derivada con un error que
involucre h2 usando un polinomio de grado 2 así:

𝑓 ´´ (𝑧) 𝑓´´´(𝑧)
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓´(𝑥0 )(𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )2 + (𝑥 − 𝑥0 3 ) (5)
2 6

Si se reemplaza x = x0 + h y x = x0 – h en (5) resulta:

𝑓 ´´ (𝑥0 ) 𝑓´´´(𝑧1 ) 3
𝑓(𝑥0 + ℎ) = 𝑓(𝑥0 ) + 𝑓´(𝑥0 )(ℎ) + (ℎ)2 + (ℎ ), 𝑥0 < 𝑧1 < 𝑥0 + ℎ
2 6

𝑓 ´´ (𝑥0 ) 𝑓´´´(𝑧2 ) 3
𝑓(𝑥0 − ℎ) = 𝑓(𝑥0 ) − 𝑓´(𝑥0 )(ℎ) + (ℎ)2 − (ℎ ), 𝑥0 − ℎ < 𝑧2 < 𝑥0
2 6
Si se restan las anteriores ecuaciones, se tiene:

1
𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 − ℎ) = 2𝑓´(𝑥0 )(ℎ) + ℎ3 (𝑓´´´(𝑧1 ) + 𝑓´´(𝑧2 )), 𝑥0 − ℎ < 𝑧2 < 𝑥0 < 𝑧1 < 𝑥0 + ℎ
6

Ahora se despeja f ´(x0),

𝑓(𝑥0 +ℎ)−𝑓(𝑥0 −ℎ) 1

𝑓 ´(𝑥0 ) = − ℎ2 𝑓´´(𝑧) = 𝑥0 − ℎ < 𝑧 < 𝑥0 + ℎ (6) 1
2ℎ 6

𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 − ℎ) 𝑓 ´´ (𝑧) 2

𝑓 ´(𝑥0 ) = 𝐸=| ℎ | , 𝑥0 − ℎ < 𝑧 < 𝑥0 + ℎ
2ℎ 6

La anterior fórmula para aproximar la derivada de ƒ se la conoce como diferencia centrada

b) Sea f x   ln x  aproxime la derivada en el intervalo (1; 1.1) usando un paso de 0,01 y

compare cada resultado con el valor de la derivada exacta en ese punto

Fórmula de tres puntos:

2
f ´x0  
1
 3 f x0   4 f x0  h  f x0  2h  h f ´´´
2h 3

Fórmula centrada:

h2
f ´x0  
1
 f x0  h  f x0  h  f ´´´´
2h 6

Paso 1 Calculamos una tabla de valores:

i Xi f(xi)= Ln(x)
0 1 0
1 1,01 0,00995033
2 1,02 0,01980263
3 1,03 0,0295588
4 1,04 0,03922071
5 1,05 0,04879016
6 1,06 0,05826891
7 1,07 0,06765865
8 1,08 0,07696104
9 1,09 0,0861777
10 1,1 0,09531018
Paso 2. Calculamos las aproximaciones utilizando la fórmula de tres pasos para los valores
extremos y la fórmula centrada para el valor central.

Valores extremos.

f ´1 
1
 3 ln 1  4 ln 1,01  ln 1,02
20,01

f ´1 
1
 30  40,009950331  0,019802627
0,02
f ´1  0,99993485

f ´1,1 
1
 3 ln 1,1  4 ln 1,09  ln 1,08
2 0,01

f ´1,1  
1
 30,09531018  40,086177696  0,076961041
0,02
f ´1,1  0,90903985

Valor central.

f ´1,05 
1
ln 1,06  ln 1,04
20,01

f ´1,05  
1
0,058268908  0,039220713
0,02
f ´1,05  0,95240975

2. Solucione el siguiente ejercicio utilizando la Regla del Trapecio. (n= 5)

2 𝑥3 23
∫1 1+𝑥 1/2
𝑑𝑥 ∫0 √𝑥 (𝑒 𝑥 )𝑑𝑥

Teniendo en cuenta que n=5

2
𝑥3
∫ 1/2 𝑑𝑥
1 1+𝑥

𝑏−𝑎 2−1
∆𝑋 = = = 0,2
𝑛 5
𝑏
𝑏−𝑎
∫ 𝑓(𝑥)𝑑𝑥 ≈ [𝑓(𝑥0 ) + 2𝑓(𝑥1 ) + 2𝑓(𝑥2 )+. . . +2𝑓(𝑥𝑛−1 ) + 𝑓(𝑥𝑛 )]
𝑎 2𝑛
2
𝑥3 2−1
∫ 1/2 𝑑𝑥 ≈ [𝑓(1) + 2𝑓(1,2) + 2𝑓(1,4) + 2𝑓(1,6) + 2𝑓(1,8) + 𝑓(2)]
1 1+𝑥 2(5)
2 𝑥3 1 13 1,23 1,43 1,63 1,83 23
∫1 𝑑𝑥 ≈ [ +2( )+2( )+ 2( )+ 2( ) + ( 1/2)]
1+𝑥 1/2 10 1+11/2 1+1,21/2 1+1,41/2 1+1,61/2 1+1,81/2 1+2
 2
𝑥3
∫ 𝑑𝑥 ≈ 0,1[0,5 + 1,6493 + 2,5137 + 3.6169 + 4,9811 + 3,3137]
1 1 + 𝑥 1/2
2
𝑥3
∫ 𝑑𝑥 ≈ 0,1[16,5747]
1 1 + 𝑥 1/2
2
𝑥3
∫ 𝑑𝑥 ≈ 1,6575𝑢2
1 1 + 𝑥 1/2
2
3
∫ √𝑥 (𝑒 𝑥 )𝑑𝑥
0

𝑏−𝑎 2−0
∆𝑋 = = = 0,4
𝑛 5
𝑏
𝑏−𝑎
∫ 𝑓(𝑥)𝑑𝑥 ≈ [𝑓(𝑥0 ) + 2𝑓(𝑥1 ) + 2𝑓(𝑥2 )+. . . +2𝑓(𝑥𝑛−1 ) + 𝑓(𝑥𝑛 )]
𝑎 2𝑛
2
3 2−0
∫ √𝑥 (𝑒 𝑥 )𝑑𝑥 ≈ [𝑓(0) + 2𝑓(0,4) + 2𝑓(0,8) + 2𝑓(1,2) + 2𝑓(1,6) + 𝑓(2)]
0 2(5)
23 2 3 3 3 3 3 3
∫0 √𝑥(𝑒 𝑥 )𝑑𝑥 ≈ 10 [ √0𝑒 0 + 2 √(0,4)𝑒 0,4 + 2 √(0,8)𝑒 0,8 + 2 √(0,12)𝑒 1,2 + 2 √(0,16)𝑒 1,6 + √2𝑒 2 ]
2
3 1
∫ √𝑥 (𝑒 𝑥 )𝑑𝑥 ≈ [0 + 2,198 + 4,132 + 7,056 + 11,586 + 9,309]
0 5
2
3 1
∫ √𝑥 (𝑒 𝑥 )𝑑𝑥 ≈ [34,281]
0 5
2
3
∫ √𝑥 (𝑒 𝑥 )𝑑𝑥 ≈ 6,856𝑢2
0

3. Soluciones los siguientes ejercicios utilizando la Regla de Simpson 1/3 y 3/8. (n= 5)
4
𝑒𝑥
∫ 𝑑𝑥
2 𝑥
𝑏−𝑎 4−2
∆𝑋 = = = 0,4
𝑛 5
Fórmula de Simpson 1/3
𝑏
𝑏−𝑎
∫ 𝑓(𝑥)𝑑𝑥 ≈ [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 2𝑓(𝑥2 ) + 4𝑓(𝑥3 )+. . . +2𝑓(𝑥𝑛−2 ) + 4𝑓(𝑥𝑛−1 ) + 𝑓(𝑥𝑛 )]
𝑎 3𝑛
4
𝑒𝑥 4−2
∫ 𝑑𝑥 ≈ [𝑓(2) + 4𝑓(2,4) + 2𝑓(2,8) + 4𝑓(3,2) + 2𝑓(3,6) + 𝑓(4)]
2 𝑥 3(5)
4
𝑒𝑥 2
∫ 𝑑𝑥 ≈ [3,694 + 18.372 + 11,746 + 30,666 + 20,332 + 13,649]
2 𝑥 15
 4
𝑒𝑥
∫ 𝑑𝑥 ≈ 0,1333[98,459]
2 𝑥
4
𝑒𝑥
∫ 𝑑𝑥 ≈ 13,124𝑢2
2 𝑥
Fórmula de Simpson 3/8
𝑏
𝑒𝑥 3𝑏 − 𝑎
∫ 𝑑𝑥 ≈ [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3𝑓(𝑥2 ) + 𝑓(𝑥3 )]
𝑎 𝑥 8𝑛
4
𝑒𝑥 3(4) − 2
∫ 𝑑𝑥 ≈ [𝑓(2) + 3𝑓(2,4) + 3𝑓(2,8) + 2𝑓(3,2) + 3𝑓(3,6) + 𝑓(4)]
2 𝑥 8(5)
4
𝑒𝑥 1
∫ 𝑑𝑥 ≈ [3,694 + 13,779 + 17,619 + 15,333 + 30,498 + 13,649]
2 𝑥 4
4
𝑒𝑥 1
∫ 𝑑𝑥 ≈ [94,572]
2 𝑥 4
4
𝑒𝑥
∫ 𝑑𝑥 ≈ 23,643𝑢2
2 𝑥
2
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥
1

𝑏−𝑎 2−1
∆𝑋 = = = 0,2
𝑛 5
Fórmula de Simpson 1/3
𝑥𝑖+1
𝑏−𝑎
∫ 𝑓(𝑥)𝑑𝑥 ≈ [𝑓(𝑥𝑖−1 ) + 4𝑓(𝑥𝑖 ) + 𝑓(𝑥𝑖+1 )]
𝑥𝑖−1 3𝑛
2
2−1
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥 ≈ [𝑓(1) + 4𝑓(1,2) + 2𝑓(1,4) + 4𝑓(1,6) + 2𝑓(1,8) + 𝑓(2)]
1 3(5)
2
1
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥 ≈ [0 + 2,4213 + 2,7289 + 9,3118 + 7,1118 + 5,122]
1 15
2
1
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥 ≈ [26,694]
1 15
2
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥 ≈ 1,7796𝑢2
1

Fórmula de Simpson 3/8

𝑏
3𝑏 − 𝑎
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥 ≈ [𝑓(𝑥0 ) + 3𝑓(𝑥1 ) + 3𝑓(𝑥2 ) + 𝑓(𝑥3 )]
𝑎 8𝑛
 2
3(2) − 1
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥 ≈ [𝑓(1) + 3𝑓(1,2) + 3𝑓(1,4) + 2𝑓(1,6) + 3𝑓(1,8) + 𝑓(2)]
1 8(5)
2
5
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥 ≈ [0 + 1,816 + 4,093 + 4,656 + 10,667 + 5,122]
1 40
2
1
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥 ≈ [26,354]
1 8
2
∫ 𝑒 𝑥 ln(𝑥) 𝑑𝑥 ≈ 3,294𝑢2
1

4. Solucione los siguientes ejercicios utilizando la Integración de Romberg. Usando segmentos

de longitud 1, 1/2 y 1/4.

 e dx
1
x2
a)
0

Primer nivel

n=1

h 1

I   f a   f b 
1
2
f a   e 0  1
2

f b   e1  e
2

I 1  1  e
1
2
1 e
I1 
2
I 1  1,8591
I  1,859141
n 1

Segundo nivel

n=2
h=½
 h 2 1

I  f a   2  f a  kh  f b 
2 K 1 
1
  1
 f  0  2 1 
1
f 
K 1 2
2
1
1  
f    e 2 
2
1
1
f    e4
2
1
  1 
I 2  2 1  2 e 4   e
2    

I2 
1
1  21,2840  2,7183
4
I 2  6,2863
1
4
I 2  1,571583

Tercer nivel

n=4
h=¼
 h 4 1

I   f a   2 f a  kh  f b 
2 K 1 
3
   1   1 
 f  0  4 1  f  0  2 4   f  0  3 4   
1
K 1  
3
1 1 3
 f  4   f  2   f  4  
K 1
2
1
1  
f    e 4 
4
1
1
f    e 16
4
2
1
1  
f    e 2 
2
1
1
f    e4
2
2
3
3  
f    e 4 
4
9
3
f    e 16
4
1
  161 1 9
 
4  16 
I 3  1  2 e  e  e   e
4
2    

I3 
1
1  24,1036  2,7183
8
I 3  11,9254 
1
8
I  1,490679

Se hallan los coeficientes para los niveles

4 K 1 1
K 1
lm  K 1 li
4 1 4 1
K  nivel

Nivel 1
 411 1
11
lm  11 li 
4 1 4 1
1lm   1  1lm  1li

Nivel 2

4 21 1
2 1
lm  21 li 
4 1 4 1
4 1
lm  li 
4 1 4 1
4 1
lm  li
3 3

Nivel 3

4 31 1
31
lm  31 li 
4 1 4 1
16 1
lm  li 
16  1 16  1
16 1
lm  li
15 15

Nivel 1. Nivel 2 Nivel 3

1,8501 4
1,5716  1 1,8591  1,475730 16
1,4637   1 1,4758  1,462909
1,5716 3 3
15 15
1,4907
4
1,4907   1 1,5716  1,463710
3 3

Se puede concluir que el valor aproximado de la integral obtenida por el algoritmo de Romberg
es:

 e   1,462909
1
x2

 e 
2
x
b) ln x dx
1

Primer nivel

n=1
h 1

I
1
 f a   f b 
2
f a   e1 ln(1)  0
f b   e 2 ln 2   5,1217

I 1  0  5,1217
1
2
5,1217
I1 
2
I 1  2,56085

Segundo nivel

Para n = 2
h=½

h 2 1

I  f a   2  f a  kh  f b 
2 K 1 
1
  3
 f 1  2 1 
1
f 
K 1 2
3
1  
3
f    e  2  ln  
2 2
1
f    1,8172
2
1
I 2  2 0  21,8172  5,1217
2
I 2  0  21,8172   5,1217
1
4
I 2  8,7561
1
4
I 2  2,189010

Tercer nivel

n=4
h=¼
 h 4 1

I  f a   2  f a  kh  f b 
2 K 1 
3
   1   1 
 f 1  4 1  f 1  2 4   f 1  3 4   
1
K 1  
3
5 3 7
 f  4   f  2   f  4  
K 1
5
5  
5
f    e  4  ln  
4 4
5
f    0,7788
4
3
3  
3
f    e  2  ln  
2 2
3
f    1,8172
2
7 7
7
f    e 4 ln  
4 4
7
f    3,2204
4
1
I 3  4 0  20,7788  1,8172  3,2204   5,1217
2
I 3  11,6328  5,1217
1
8
I 3  16,7545
1
8
I 3  2,094309

Nivel 1. Nivel 2 Nivel 3

2,560850 4
2,189010  1 2,560850  2,065063
2,189010
3 3 16
2,062742  1 2,065063  2,062587
2,094309
4
2,094309  1 2,189010  2,062742 15 15
3 3

De donde se concluye que el valor aproximado de la integral utilizando el algoritmo de Romberg

es:

 e 
2
x
ln x dx  2,062587u 2
1
5. Solucione los siguientes ejercicios de Integrales Múltiples compruebe que:

1/2 𝑥2 𝑦
a) ∫1/10 ∫𝑥 3 𝑒 𝑥 𝑑𝑦. 𝑑𝑥

𝑥2 𝑦
∫ 𝑒 𝑥 𝑑𝑦
𝑥3

Calculamos la integral indefinida

∫ 𝑒 𝑦/𝑥 𝑑𝑦

Aplicamos integración por sustitución mediante la Ecuacion:

∫ 𝑓(𝑔(𝑥)). 𝑔′ (𝑥)𝑑𝑥 = ∫ 𝑓(𝑢)𝑑𝑢, 𝑢 = 𝑔(𝑥)

𝑦 1
𝑢= 𝑑𝑢 = 𝑑𝑦
𝑥 𝑥
𝑦
Sustituimos: 𝑢 =
𝑥

𝑑𝑢 1
=
𝑑𝑦 𝑥
𝑑 𝑦
( )
𝑑𝑦 𝑥
Sacamos la constante: (𝑎. 𝑓)′ = 𝑎. 𝑓 ′
1 𝑑
= (𝑦)
𝑥 𝑑𝑦
𝑑
Aplicamos la regla de la derivación: (𝑦) =1
𝑑𝑦

1
= .1
𝑥
Simplificamos
1
=
𝑥
1
⟹ 𝑑𝑢 = 𝑑𝑦
𝑥
 ⟹ 𝑑𝑦 = 𝑥𝑑𝑢

= ∫ 𝑒 𝑢 𝑥𝑑𝑢

Sacamos la constante: ∫ 𝑎. 𝑓(𝑥)𝑑𝑥 = 𝑎. ∫ 𝑓(𝑥)𝑑𝑥

= 𝑥 ∫ 𝑒 𝑢 𝑑𝑢

Aplicamos la regla de la integración:

∫ 𝑒 𝑢 𝑑𝑢 = 𝑒 𝑢

= 𝑥𝑒 𝑢
𝑦
Sustituimos en la Ecuacion: 𝑢 =
𝑥

𝑦
= 𝑥𝑒 𝑥 + 𝐶

Calculamos los límites

𝑥2 𝑦
∫ 𝑒 𝑥 𝑑𝑦
𝑥3

𝑦 𝑥3
lim (𝑥𝑒 𝑥 ) = 𝑥𝑒 𝑥 = 𝑒𝑥 2 𝑥
𝑦⟶𝑥 3 +

𝑦 𝑥2
lim (𝑥𝑒 𝑥 ) = 𝑥𝑒 𝑥 = 𝑒𝑥𝑥
𝑦⟶𝑥 2 −

= 𝑒 𝑥 𝑥 − 𝑒𝑥 2 𝑥
2
= (𝑒 𝑥 − 𝑒 𝑥 )𝑥

Ahora tenemos:
1/2
2
∫ (𝑒 𝑥 − 𝑒 𝑥 )𝑥𝑑𝑥
1/10

Calculamos la integral indefinida

2 2
∫(𝑒 𝑥 − 𝑒 𝑥 )𝑥𝑑𝑥 = ∫(𝑒 𝑥 − 𝑒 𝑥 𝑥)𝑑𝑥

Aplicamos la regla de la suma:

2
= ∫ 𝑒 𝑥 𝑥𝑑𝑥 − ∫ 𝑒 𝑥 𝑥𝑑𝑥
 = ∫ 𝑒 𝑥 𝑥𝑑𝑥

Aplicamos integración por partes: ∫ 𝑢𝑣 ′ = 𝑢𝑣 − ∫ 𝑢′ 𝑣 donde 𝑢 = 𝑥 , 𝑢′ = 1, 𝑣 ′ = 𝑒 𝑥 , 𝑣 = 𝑒 𝑥

𝑑
𝑢′ = (𝑥) = 1
𝑑𝑥

𝑑
(𝑥) = 1
𝑑𝑥

𝑣 = ∫ 𝑒 𝑥 𝑑𝑥

Aplicamos la regla de integración y agregamos una constante a la solución

∫ 𝑒 𝑥 𝑑𝑥 = 𝑒 𝑥 + 𝐶

= 𝑥𝑒 𝑥 − ∫ 1 . 𝑒 𝑥 𝑑𝑥

= 𝑥𝑒 𝑥 − ∫ 𝑒 𝑥 𝑑𝑥

∫ 𝑒 𝑥 𝑑𝑥

Aplicamos la regla de la integración

= 𝑒𝑥

= 𝑒𝑥𝑥 − 𝑒𝑥

2
∫ 𝑒 𝑥 𝑥𝑑𝑥

Aplicamos integración por sustitución donde: 𝑢 = 𝑥 2 𝑑𝑢 = 2𝑥𝑑𝑥

𝑒𝑢
=∫ 𝑑𝑢
2

Sacamos la constante:

1
= ∫ 𝑒 𝑢 𝑑𝑢
2

Aplicamos la regla de integración:

 1
= 𝑒𝑢
2

Sustituimos en la Ecuacion 𝑢 = 𝑥 2
2 2
1 2 𝑒𝑥 𝑒𝑥
= 𝑒𝑥 = = 𝑒𝑥𝑥 − 𝑒𝑥 −
2 2 2

Agregamos una constante a la solucion:

2
𝑒𝑥
= 𝑒𝑥𝑥 − 𝑒𝑥 − +𝐶
2

Calculamos los límites

1/2
2
∫ (𝑒 𝑥 − 𝑒 𝑥 )𝑥𝑑𝑥
1/10

2
𝑥
𝑒𝑥 1
𝑥
9 1
lim (𝑒 𝑥 − 𝑒 − ) = − (5 + 9𝑒 100 ) 𝑒 100
1
𝑥⟶ + 2 10
10

2
𝑒𝑥 1 1 1
lim (𝑒 𝑥 𝑥 − 𝑒𝑥 − ) = − (1 + 𝑒 4 )𝑒 4
1
𝑥⟶2− 2 2

1 1 1 1 9 1
= − (1 + 𝑒 4 ) 𝑒 4 − (− (5 + 9𝑒 100 ) 𝑒 100 )
2 10

1 1 1 1 1
= (5𝑒 100 + 9𝑒 10 − 5𝑒 4 − 5𝑒 2 )
10
0,5
2
∫ (𝑒 𝑥 − 𝑒 𝑥 )𝑥𝑑𝑥 ≈ 0.03331 ….
0,1

1 2𝑥
b) ∫0 ∫𝑥 (𝑥 2 + 𝑦 3 )𝑑𝑦. 𝑑𝑥
 2 x 2 
 
1

0  x  3
 x y dy dx


 x  y 3 dy 
2x
2

2x
2x
 2 x4 
 x  x    
4
y4
x y2
x 2
2 x  
4 x
4  4
16 x 4  x4 
2x  3
  x3  
4  4 
15 x 4
x3 
4

 15 4 
1

  x 
3
x dx
0
4 
1
 x 4 15 x5  1 3
      0   1
4
 
 4 20  0  4 4  4

1 2𝑥
∫ ∫ (𝑥 2 + 𝑦 3 )𝑑𝑦. 𝑑𝑥 ≈ 1,000122
0 𝑥

6. Usar el Método de Euler mejorado para aproximar y(2,3) tomando h = 0.1 dada la ecuación
diferencial.

𝑦 , = 2𝑥 + 𝑦 − 3
𝑦(2) = 1

Tenemos los siguientes datos:

𝑦 = 2𝑥 + 𝑦 − 3
𝑦(2) = 1
ℎ = 0,1 [2,3]
Parte 1
x0 = 2 𝑦0 = 1
𝑥1 = 𝑥0 + ℎ
𝑥1 = 2 + 0,1 = 2,1
𝑦1 = 𝑦0 + ℎ (𝑓(𝑥0 , 𝑦0 ))
𝑦1 = 1 + 0,1 [2(2) + 1 − 3]
𝑦1 = 1 + 0,1(2) = 1,2
Formulada mejorada
 𝑓(𝑥𝑛 , 𝑦𝑛 ) + 𝑓(𝑥𝑛+1 , 𝑦𝑛+1 )
𝑦𝑛+1 = 𝑦𝑛 + ℎ [ ]
2

Tenemos
𝑓(𝑥0 , 𝑦0 ) + 𝑓(𝑥1 , 𝑦1 )
𝑦1 = 𝑦0 + 0,1 [ ]
2

(2) + [2(2,1) + 1,2 − 3]

𝑦1 = 1 + 0,1 [ ]
2

𝑦1 = 1 + 0,1[2,2]
𝑦1 = 1,22
PARTE No. 2
𝑥2 = 𝑥1 + ℎ

𝑥2 = 2,1 + 0,1 = 2,2

𝑦2 = 𝑦1 + ℎ(𝑓(𝑥1 , 𝑦1 ))

𝑦2 = 1,22 + 0,1[2(2,1) + 1,22 − 3]

𝑦2 = 1,22 + 0,1(2,42) = 1,462
FORMULA MEJORADA:
𝑓(𝑥𝑛 , 𝑦𝑛 ) + 𝑓(𝑥𝑛+1 , 𝑦𝑛+1 )
𝑦𝑛+1 = 𝑦𝑛 + ℎ [ ]
2

TENEMOS:
𝑓(𝑥1 , 𝑦1 ) + 𝑓(𝑥2 , 𝑦2 )
𝑦2 = 𝑦1 + 0,1 [ ]
2

(2,42) + [2(2,2) + 1,462 − 3]

𝑦2 = 1,22 + 0,1 [ ]
2

𝑦2 = 1,22 + 0,1[2,641]
𝑦2 = 1,4841
PARTE No. 3
𝑥3 = 𝑥2 + ℎ
𝑥3 = 2,2 + 0,1 = 2,3

𝑦3 = 𝑦2 + ℎ(𝑓(𝑥2 , 𝑦2 ))

𝑦3 = 1,4841 + 0,1[2(2,2) + 1,4841 − 3]

𝑦3 = 1,4841 + 0,1(2,8841) = 1,77251
FORMULA MEJORADA
𝑓(𝑥𝑛 , 𝑦𝑛 ) + 𝑓(𝑥𝑛+1 , 𝑦𝑛+1 )
𝑦𝑛+1 = 𝑦𝑛 + ℎ [ ]
2

TENEMOS
𝑓(𝑥2 , 𝑦2 ) + 𝑓(𝑥3 , 𝑦3 )
𝑦3 = 𝑦2 + 0,1 [ ]
2

(2,8841) + [2(2,3) + 1,77251 − 3]

𝑦3 = 1,4841 + 0,1 [ ]
2

𝑦3 = 1,4841 + 0,1[3,1283]

𝑦3 = 1,79693

TABLA DE RESULTADOS
n 𝑥𝑛 𝑦𝑛
0 2 1
1 2.1 1.22
2 2.2 1.4841
3 2.3 1.79693

El valor aproximado, usando el método de Euler mejorado es:

𝑦(2,3) ≈ 1,79693305
7. Aplicar el método de Taylor de orden dos a la ecuación y´= Cos(xy), con la condición inicial:
y(0) = 1.
1
𝑌(𝑥𝑛 + 1) ≃ 𝑦𝑛 + 1 = 𝑦𝑛 + 𝑦´ (𝑥𝑛 )ℎ + 𝑦´´(𝑥𝑛 )ℎ2
2
𝑦´ (𝑥𝑛 ) = 𝑓(𝑥, 𝑦𝑛 ) = cos(𝑥𝑛 𝑦𝑛 )
𝑑 cos(𝑥𝑦)
𝑦 ′′ = = −𝑠𝑒𝑛 (𝑥𝑦)𝑦 − 𝑠𝑒𝑛(𝑥𝑦)𝑦’ = −𝑠𝑒𝑛(𝑥𝑦)(𝑦 + cos(𝑥𝑦))
𝑑𝑥
Para los primeros pasos de la resolución ( ℎ = 0.5)
𝑥1 = 𝑥0 + ℎ = 0.5
ℎ2
𝑦1 = 𝑦0 + ℎ cos(𝑥0 𝑦0 ) + (−𝑠𝑒𝑛(𝑥0 𝑦0 )(𝑦0 + 𝑐𝑜𝑠(𝑥0 𝑦0 )))
2
0, 52
= 1 + 0,5 𝑐𝑜𝑠 0 + (−𝑠𝑒𝑛 0 (1 + 𝑐𝑜𝑠(0))) = 1,5
2
𝑥2 = 𝑥1 + ℎ = 1
ℎ2
𝑦2 = 𝑦1 + ℎ cos(𝑥1 𝑦1 ) + (−𝑠𝑒𝑛(𝑥1 𝑦1 )(𝑦1 + 𝑐𝑜𝑠(𝑥1 𝑦1 )))
2
 0.52
𝑦2 = 1,5 + 0,5 cos( 0.5, 1.5) + ( −𝑠𝑒𝑛 ( 0.5, 1.5 )(1,5 + cos(0.5, 1.5))) = 1,67569
2

Error local en esta aproximación será proporcional a ℎ3 y por lo tanto el error global lo será a ℎ2

8. Resolver por el Método de Runge-Kutta de cuarto orden el problema de valor inicial:

Se tiene que
𝑥0 = 0
𝑦0 = 1
𝑓(𝑥, 𝑦) = 𝑥 2 − 3𝑦
Para 𝑥1 = 0,1 ordenada correspondiente será:
1
𝑦𝑛+1 = 𝑦𝑛 + (𝑘 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6 1
0,1
𝑦1 = 1 + (𝑘 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6 1
𝑘1 = 𝑓 (𝑥0 𝑦0 ) = 02 − 3(1) = −3
ℎ ℎ 0,1 2 0,1
𝑘2 = 𝑓 (𝑥0 + , 𝑦0 + 𝑘1 ) = (0 + ) − 3 (1 + (−3)) = −2,5475
2 2 2 2

ℎ ℎ 0,1 2 0,1
𝑘3 = 𝑓 (𝑥0 + , 𝑦0 + 𝑘2 ) = (0 + ) − 3 (1 + (−2,5475)) = −2,61538
2 2 2 2

𝑘4 = 𝑓 (𝑥0 + ℎ, 𝑦0 + ℎ 𝑘3 ) = (0 + 0,1)2 − 3(1 + 0,1(−2,61538)) = −2,20539

0,1
𝑦1 = 1 + (𝑘 + 2𝑘2 + 2𝑘3 + 𝑘4 ) = 0,741148
6 1

𝑥2 = 0,2
0,1
𝑦2 = 0,741148 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
𝑘1 = 𝑓 (𝑥1 𝑦1 ) = 0,12 − 3(0,741148) = −2,21344
ℎ ℎ 0,1 2 0,1
𝑘2 = 𝑓 (𝑥1 + , 𝑦1 + 𝑘1 ) = (0,1 + ) − 3 (0,741148 + (−2,21344))
2 2 2 2
= 0,0225 − 1,891428 = −1,868928
 ℎ ℎ 0,1 2 0,1
𝑘3 = 𝑓 (𝑥1 + , 𝑦1 + 𝑘2 ) = (0,1 + ) − 3 (0,741148 + (−1,868928)) = 0,0225 − 1,9431
2 2 2 2
= −1,920605
𝑘4 = 𝑓 (𝑥1 + ℎ, 𝑦1 + ℎ 𝑘3 ) = (0,1 + 0,1)2 − 3(0,741148 + 0,1(−1,920605)) = 0,04 − 1,6473
= −1,6073
0,1
𝑦2 = 0,741148 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ) = 0,551151
6
Consecutivamente hasta obtener los puntos:
(𝑥3 , 𝑦3 ) = (0.3, 0.413894)
(𝑥4 𝑦4 ) = (0.4, 0.317435)
Solución exacta
25 −3𝑥 1 2 2 2
𝑦= 𝑒 + (𝑥 − 𝑥 + )
27 3 3 9
De manera que:
𝑦(0,1) = 0.741127
𝑦(0,2) = 0.551121
𝑦(0,3) = 0.413860
𝑦(0,4) = 0.317402
 CONCLUSION

La regla del trapecio es uno de los métodos más utilizados para calcular aproximaciones
numéricas de integrales definidas. Es la primera de las fórmulas cerradas de integración de
Newton – Cotes, para el caso cuando el polinomio interpolante es de grado uno. Otra manera de
obtener una estimación más exacta de una integral, es la de usar polinomios de orden superior
para conectar los puntos. Por ejemplo, si hay un punto medio extra entre f(a) y f(b), entonces los
tres puntos se pueden conectar con un polinomio de tercer orden. A las fórmulas resultantes de
calcular la integral bajo estos polinomios se les llaman Reglas de Simpson

En principio, el cálculo de una integral múltiple (en varias variables) se reduce a ir calculando
integrales de una variable en el orden especificado. El diferencial nos informa acerca del nombre
de la variable con respecto a la que debemos integrar y su posición indica el orden de integración,
correspondiendo los diferenciales más interiores a las integrales que hay que calcular primero.

En matemáticas, una serie de Taylor es una aproximación de funciones mediante una serie de
potencias o suma de potencias enteras de polinomios, llamados términos de la serie, dicha suma
se calcula a partir de las derivadas de la función para un determinado valor o
punto suficientemente derivable sobre la función y un entorno sobre el cual converja la serie.

Los métodos de Runge-Kutta (RK) son un conjunto de métodos iterativos (implícitos y explícitos)
para la aproximación de soluciones de ecuaciones diferenciales ordinarias, concretamente,
del problema de valor inicial.

En definitiva, podemos llegar a concluir que todos estos métodos numéricos son de gran utilidad
para la solución de Ecuaciones Diferenciales, donde unos tienen más ventajas sobre otros, o son
más sencillos a la hora de darles solución; por ejemplo, el método de Runge-Kutta es un método
numérico de resolución de ecuaciones diferenciales que surge como una mejora del método de
Euler, y el método de Euler se puede considerar como un método de Runge Kutta de primer
orden; con la diferencia que las soluciones obtenidas mediante Euler, poseen menos exactitud
que las obtenidas mediante el método de Runge-Kutta.
 BIBLIOGRAFIA

 Steven Chapra, Raymond Canale. “Métodos numéricos para ingenieros”, cuarta edición,
2003. pp 301-313, 320-321, 344-346.
 http://es.wikipedia.org/wiki/M%C3%A9todo_de_Euler

 http://www.cidse.itcr.ac.cr/cursos-linea/EcuacionesDiferenciales/EDO-Geo/edo-cap1-
geo/node14.html

 http://es.wikipedia.org/wiki/M%C3%A9todo_de_Runge-Kutta

 Introducción a Métodos Numéricos – Héctor Manuel Mora Escobar – U. Nacional de

Colombia

 Ecuaciones Diferenciales y Transformadas de Laplace con aplicaciones – Luis M.

Sanchez Ruiz – Editorial Universidad Politécnica.

 Ecuaciones diferenciales ordinarias. Recuperado en.

http://www.um.es/docencia/plucas/manuales/mat/mat4.pdf

 Diferenciación numérica. Recuperado en.

http://www.academia.edu/7366181/Diferenciaci%C3%B3n_num%C3%A9rica