ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO
FACULTAD DE INFORMÁTICA Y ELECTRÓNICA
SOFTWARE
INTEGRANTES:
•
Erick Nuñez - 7630
• Jaqueline Veloz - 7421
• Marcelo Benavides - 7572
ASIGNATURA:
3 algoritmos “1”
DOCENTE:
Ing. Julio Santillán
TRABAJO:
Métodos numéricos para la resolución de ecuaciones diferenciales
FECHA DE ENTREGA
14 de octubre, 2025
PAO:
Septiembre 2025 – febrero 2026.
Contenido
1. Introducción ........................................................................................................................... 3
2. Métodos numéricos para ecuaciones diferenciales ................................................................ 3
2.1 Naturaleza e importancia.................................................................................................. 3
2.2 Técnicas frecuentes .......................................................................................................... 3
2.3 Aplicaciones prácticas...................................................................................................... 4
2.4 Ejemplos .......................................................................................................................... 4
3. Análisis comparativo .............................................................................................................. 4
4. Conclusiones .......................................................................................................................... 5
Referencias ................................................................................................................................. 6
Aproximación Numérica e Interpolación Numérica
1. Introducción
En el ámbito de la ingeniería y las ciencias aplicadas, las ecuaciones diferenciales
permiten modelar numerosos fenómenos físicos, biológicos y económicos. Sin embargo,
muchas de estas ecuaciones no tienen una solución analítica exacta, por lo que se recurre a
los métodos numéricos como una alternativa eficiente para obtener aproximaciones.
Los métodos numéricos para ecuaciones diferenciales utilizan cálculos iterativos y
discretización del dominio para estimar el comportamiento de una función que depende de
una o más variables. Su estudio es fundamental en la computación científica moderna, ya
que permite resolver problemas que antes eran intratables de manera manual.
2. Métodos numéricos para ecuaciones diferenciales
2.1 Naturaleza e importancia
Los métodos numéricos convierten una ecuación diferencial en un conjunto de
operaciones aritméticas sobre puntos discretos. A través de este proceso, es posible simular
la evolución temporal o espacial de sistemas complejos.
Su importancia radica en su aplicación a sistemas donde las derivadas representan
tasas de cambio: movimiento, crecimiento, decaimiento o difusión. Permiten realizar
simulaciones precisas en áreas como la mecánica, la termodinámica o la biología
computacional.
2.2 Técnicas frecuentes
Los principales métodos numéricos para resolver ecuaciones diferenciales ordinarias (EDO) son:
•
•
•
•
•
Método de Euler: el más simple, basado en una aproximación lineal paso a paso.
Método de Euler mejorado (Heun): reduce el error del método de Euler clásico.
Método de Runge-Kutta (RK): combina varias estimaciones intermedias, destacando RK4 por
su precisión.
Método de Taylor: utiliza la expansión en serie de la función.
Métodos multiescalón (Adams-Bashforth, Adams-Moulton): aprovechan valores anteriores
para mejorar la eficiencia.
En el caso de ecuaciones diferenciales parciales (EDP), se usan:
•
•
•
Método de diferencias finitas
Método de elementos finitos
Método de volúmenes finitos
2.3 Aplicaciones prácticas
Los métodos numéricos son esenciales para modelar sistemas donde la dinámica cambia con el
tiempo o el espacio. Entre las aplicaciones más comunes se incluyen:
•
•
•
•
•
Cálculo de trayectorias y velocidades en sistemas mecánicos.
Predicción de crecimiento poblacional y propagación de epidemias.
Análisis de circuitos eléctricos.
Modelación del flujo de calor o de fluidos.
Simulación del movimiento de un satélite o vehículo autónomo.
2.4 Ejemplos
•
•
Método de Euler aplicado a una EDO:
dy
Resolver la ecuación dx = y − x2 + 1, con y(0) = 0.5 y paso h = 0.2 Se calcula
yn + 1 = yn + h(f(xn, yn)).
Método de Runge-Kutta de cuarto orden:
dy
Resolver la ecuación de enfriamiento de Newton = −k(y − Ta), donde y es la temperatura
dt
del cuerpo y Ta la del ambiente.
Este método permite predecir con gran precisión el comportamiento térmico en cada instante.
3. Análisis comparativo
Método
Euler
Heun
Runge-Kutta
(RK4)
Adams-Bashforth
Diferencias finitas
Precisión Complejidad
Baja
Muy baja
Media
Media
Alta
Moderada
Uso típico
Introducción o sistemas simples
Procesos suaves o controlados
Simulaciones científicas
Muy alta
Variable
Modelos continuos a largo plazo
Ecuaciones parciales (flujo, calor,
ondas)
Alta
Alta
4. Conclusiones
• Los métodos numéricos son una herramienta indispensable para resolver ecuaciones diferenciales
sin solución analítica.
• Permiten aproximar el comportamiento de sistemas físicos, biológicos o económicos en entornos
reales.
• La elección del método depende del tipo de ecuación, el error aceptable y los recursos
computacionales disponibles.
• Lenguajes como C++, Python o MATLAB facilitan la implementación práctica de estos
algoritmos, automatizando los cálculos y reduciendo errores humanos.
• La comprensión de su funcionamiento es esencial para todo ingeniero o científico que desee aplicar
la simulación numérica en su campo.
Referencias
•
Pinilla, J. (s. f.). Solución numérica de sistemas de ecuaciones diferenciales
ordinarias [PDF]. Universidad Nacional Autónoma de México.
https://www.ingenieria.unam.mx/pinilla/PE105117/pdfs/tema5/5123_soluciones_edo.pdf
•
Wikipedia. (2025). Métodos numéricos para ecuaciones diferenciales ordinarias.
https://es.wikipedia.org/wiki/M%C3%A9todos_num%C3%A9ricos_para_ecuaci
ones_diferenciales_ordinarias
•
LibreTexts. (n. d.). 3.3: The Runge-Kutta Method.
https://math.libretexts.org/Courses/Monroe_Community_College/MTH_225_Dif
ferential_Equations/03%3A_Numerical_Methods/3.03%3A_The_RungeKutta_Method