Integracion Numerica

Version 30/1/2008
http://matematicas.uclm.es/ind-cr/metnum/index.html
Captulo 3
Integracion numerica
Contenidos del captulo
3.1 Interpolacion de Lagrange . . . . . . . . . . . . . . . . . . . . 36
3.2 Formulas de cuadratura numerica basadas en polinomios de
interpolacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3 Formulas de integracion compuesta . . . . . . . . . . . . . . 39
3.3.1 Que es la integraci on numerica compuesta? . . . . . . . . . . . 39
3.3.2 La formula del trapecio compuesta . . . . . . . . . . . . . . . . 39
3.3.3 La regla de Simpson compuesta . . . . . . . . . . . . . . . . . . 40
3.4 Integracion adaptativa . . . . . . . . . . . . . . . . . . . . . . 42
3.4.1 Concepto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.4.2 Reglas de cuadratura adaptativa en Matlab . . . . . . . . . . 42
3.4.3 Ejemplo de comparaci on de distintos metodos de integraci on . 44
La integraci on numerica es una operaci on frecuente en computacion cientca. Ob-
tener la primitiva de una funcion puede ser complicado, incluso imposible. De hecho
muchas funciones se denen a partir de integrales que no pueden calcularse de manera
exacta, como pueden ser la funcion de error, las funciones logaritmo y seno integral o la
funcion gamma de Euler, por citar algunos ejemplos. Por otro lado, cuando unicamente
conocemos el valor de la funcion en un conjunto de puntos (x
i
, f
i
), como ocurre con los
resultados de un experimento o de simulaciones numericas, sus integrales s olo se pueden
obtener numericamente, lo cual motiva a un m as la necesidad de poder obtener derivadas
e integrales a partir de conjuntos discretos de datos.
El termino integraci on numerica cubre varios aspectos distintos en el campo del
calculo numerico, como la evaluaci on de integrales o la soluci on de ecuaciones diferen-
ciales ordinarias, en este captulo lo emplearemos para referirnos a la evaluaci on numerica
de integrales denidas, tambien conocido como cuadratura numerica. Este termino de
cuadratura nos recuerda la tecnica m as elemental para hallar el area debajo de una fun-
cion: dibujar la misma en papel cuadriculado y contar el n umero de cuadrados bajo la
curva. Los algoritmos de cuadratura modernos son mucho m as avanzados, modicando
adaptativamente el paso de integraci on durante la evaluaci on de la integral.
35
Version 30/1/2008
Integraci on numerica 36
Vamos a estudiar metodos para obtener aproximaciones a la integral de una funcion
de la forma
_
b
a
f(x)dx
n
k=0
A
k
f(x
k
).
Para obtener los coecientes A
k
se puede proceder de diversas maneras
3.1 Interpolacion de Lagrange
Se habla de interpolacion cuando se desea construir una funcion f(x) que cumple de
manera exacta un n umero de condiciones sucientes para determinarla por completo
como puede ser que pase por una serie de puntos dados (x
0
, f
0
), (x
1
, f
1
), ..., (x
n
, f
n
).
En este apartado nos centraremos en los aspectos de la interpolacion elementales que
nos interesan de cara a su uso posterior en el desarrollo de metodos para aproximar
integrales.
El problema que pretendemos resolver es el de aproximar una funcion (o un conjunto
de datos discretos) por un polinomio utilizando los valores de la funcion f
i
= f(x
i
) en
un conjunto de N + 1 puntos x
i
, i = 0, ..., N. Vamos a plantearnos como encontrar
un polinomio p(x) de orden N tal que f
i
= p(x
i
). A este polinomio se le denomina
polinomio de interpolacion de Lagrange de los datos (x
i
, f(x
i
)). Es posible aproximar
por otros tipos de funciones, por ejemplo las trigonometricas, pero en este captulo nos
centraremos en la interpolacion por polinomios, tambien denominada interpolacion de
Lagrange.
Si x
0
, x
1
, ..., x
N
son N + 1 puntos diferentes, se pueden denir los N + 1 polinomios
de orden N de Lagrange
j
(x), j = 0, .., N, asociados a estos puntos como:
j
(x) =
N
k=0,k=j
x x
k
x
j
x
k
=
(x x
0
)(x x
1
)...(x x
j1
)(x x
j+1
)...(x x
N
)
(x
j
x
0
)(x
j
x
1
)...(x
j
x
j1
)(x
j
x
j+1
)...(x
j
x
N
)
.
Estos polinomios cumplen que
j
(x
i
) =
_
1, i = j
0, i = j
Entonces, el producto
j
(x
i
)f
j
es igual a 0 en todos los puntos x
i
, i = 0, ..., n, excepto
en x
j
donde es igual a f
j
. Por ello, el polinomio:
p(x) =
N
j=0
j
(x)f
j
satisface que p(x
i
) = f
i
y es por tanto, el polinomio de interpolacion que vamos buscando.
A esta forma de obtener el polinomio de interpolacion se la denomina forma de Lagrange,
aunque el polinomio de interpolacion de grado mnimo es unico independientemente del
metodo que se utilice para construirlo.
Version 30/1/2008
Como ejemplo de aplicaci on de esta forma de obtener el polinomio de interpolacion
vamos a construir el polinomio de Lagrange de una funcion f que cumpla f(1) =
4, f(0) = 1 y f(1) = 0. Aplicando la formula anterior obtenemos
p(x) =
(x 0)(x 1)
(1 0)(1 1)
4 +
(x (1))(x 1)
(0 (1))(0 1)
1 +
(x (1)(x 0)
(1 (1))(1 0)
0 = x
2
2x + 1.
Si el polinomio de interpolacion de Lagrange se construye para aproximar una funcion
f(x) a partir de sus valores en unos pocos puntos tiene sentido plantearse si es posible
estimar a priori el error de dicha aproximacio
Teorema. Si x
0
, x
1
, ..., x
N
son N + 1 puntos distintos contenidos en el intervalo [a, b]
y f(x) es una funci on derivable N + 1 veces en (a, b), entonces
E = |f(x) p(x)| m ax
x(a,b)
f
(N+1)
(x)
(x x
0
)(x x
1
) (x x
N
)
(N + 1)!
Nosotros utilizaremos esta cota fundamentalmente en el desarrollo de otros metodos

numericos.
3.2 Formulas de cuadratura numerica basadas en polino-
mios de interpolacion
Supongamos que tenemos un conjunto de datos equiespaciados y que queremos calcular
la integral de la funcion denida por ellos sobre el intervalo de denicion de los mismos.
Podemos construir el polinomio de interpolacion de Lagrange que pasa por estos datos
e integrarlo, esto es
_
b
a
f(x)dx =
_
b
a
L
n
(x)dx
Integrando el termino de error obtenemos una expresi on para el error
_
b
a
E
n
(x)dx =
_
b
a
(x x
0
)(x x
1
) (x x
n
)
f
(n+1)
(z)
(n + 1)!
dx, x
0
< z < x
n
Si el dominio de integraci on [a, b] coincide con [x
0
, x
n
] se obtienen las llamadas formu-
las de Newton-Cotes cerradas, que son un conjunto de formulas de integraci on para di-
ferentes grados del polinomio de interpolacion. Normalmente los polinomios con grados
bajos son los m as utilizados.
Por ejemplo, si conocemos la funcion en dos puntos (x
0
, f
0
) y (x
1
, f
1
) el polinomio
de interpolacion es P(x) = f
0
+
xx
0
h
(f
1
f
0
) y entonces:
_
x
1
x
0
f(x)dx =
_
x
1
x
0
_
f
0
+
x x
0
h
(f
1
f
0
)
_
dx +
_
x
1
x
0
(x x
0
)(x x
1
)
f
(z)
2
dx
= f
0
h +
h
2
(f
1
f
0
) +
f
(z)
2
_
x
1
x
0
(x x
0
)(x x
1
)dx
=
h
2
(f
0
+ f
1
) +
f
(z)h
3
12
=
h
2
(f
0
+ f
1
) +O(h
3
).
Version 30/1/2008
Regla de trapecios
Regla de Simpson
Figura 3.1: Vision gr aca del modo de proceder de la regla de trapecios (interpolando
sobre el intervalo de integraci on linealmente con dos puntos para estimar el area) y la re-
gla de Simpson (interpolacion cuadratica con tres puntos). El area estimada corresponde
a la zona sombreada.
donde se ha usado el teorema del valor medio para integrales. De la misma forma pueden
obtenerse las formulas de Newton-Cotes de grados superiores que se muestran tabla
siguiente
F ormulas de Newton-Cotes
n = 1 Regla del trapecio
_
x
1
x
0
f(x)dx =
h
2
(f
0
+ f
1
)
1
12
h
3
f
(2)
(z)
n = 2 Regla de Simpson
_
x
2
x
0
f(x)dx =
h
3
(f
0
+ 4f
1
+ f
2
)
1
90
h
5
f
(4)
(z)
n = 3 Regla de 3/8
_
x
3
x
0
f(x)dx =
3h
8
(f
0
+ 3f
1
+ 3f
2
+ f
3
)
3
80
h
5
f
(4)
(z)
n = 4 F ormula de Milne
_
x
4
x
0
f(x)dx =
2h
45
(7f
0
+ 32f
1
+ 12f
2
+ 32f
3
+ 7f
4
)
8
945
h
7
f
(6)
(z)
Como ejemplo si aplicamos las formulas anteriores al calculo de
_
1
0
xe
x
dx obtenemos
Version 30/1/2008
Formula Trapecios Simpson 3/8 Milne
Resultado 1.359141 1.002621 1.001170 1.000006
3.3 Formulas de integracion compuesta
3.3.1 Que es la integracion numerica compuesta?
Si la regi on donde se quiere calcular la integral es grande o la funcion tiene un com-
portamiento complicado, las aproximaciones obtenidas con las formulas anteriores son
malas. Para calcular la integral en esos casos es m as conveniente subdividir el interva-
lo de integraci on en otros m as peque nos e ir aplicando sucesivamente alguna de estas
formulas de integraci on que se denomina a veces integraci on compuesta.
3.3.2 La formula del trapecio compuesta
Por ejemplo, para evaluar la integral de una funcion en un intervalo [a, b] mediante la
regla del trapecio podemos dividir el intervalo en n subintervalos y aproximar la integral
en cada subintervalo por medio de la formula del trapecio. De esta forma la integral en
[a, b] es igual a la suma de todas las integrales parciales. El metodo es m as sencillo si
todos los subintervalos tienen igual longitud h. Entonces, usando el conjunto de valores
(x
i
, f
i
) en n + 1 puntos equiespaciados tenemos
_
x
i+1
x
i
f(x)dx
h
2
(f
i
+ f
i+1
)
De este modo, la integral entre x
1
= a y x
n
= b puede aproximarse por
_
xn
x
0
f(x)dx
n1
i=0
h
2
(f
i
+ f
i+1
) =
h
2
(f
0
+ 2f
1
+ 2f
2
+ + 2f
n1
+ f
n
)
La expresi on anterior se denomina formula del trapecio compuesta. Aplicando la formula
del trapecio compuesta para obtener la integral se aproxima la funcion por una recta
diferente denida en cada subintervalo.
El error cometido al aproximar la integral por medio de la formula del trapecio com-
puesta es la suma de los errores cometidos al aproximar la integral en cada subintervalo,
esto es
E
trap
=
1
12
h
3
_
f
(z
1
) + + f
(z
n
)
=
1
12
h
3
nf
(z) =
b a
12
h
2
f
(z)
donde z
1
(x
0
, x
1
), ..., z
n
(x
n1
, x
n
), y z (x
0
, x
n
). Expresion esta ultima que puede
demostrarse a partir del teorema del valor intermedio.
El error local de cada subintervalo vara c ubicamente con h mientras que el global
vara de un modo cuadratico. La ecuaci on anterior nos permite acotar el error siempre
que se conozca f
(x) mediante:
E
b a
12
h
2
m ax
z(a,b)
(z)
Version 30/1/2008
Por ejemplo, si calculamos de nuevo
_
1
0
xe
x
dx usando 10 subintervalos tendremos
I =
1
20
_
f(0) + 2f
_
1
10
_
+ 2f
_
2
10
_
+ + 2f
_
9
10
_
+ f (1)
_
= 1.00369604,
que mejora la precision de la regla del trapecio simple, pero que a un dista de conseguir la
precision de las formulas de alto orden a pesar de tener un coste computacional superior
a ellas (nueve multiplicaciones y sumas mientras que la formula de Simpson requera
tan s olo dos). En general es m as conveniente y eciente utilizar formulas de orden alto
que utilizar muchos puntos en las formulas sencillas.
El siguiente codigo Matlab implementa la regla del trapecio compuesta,
function I = trapecio(fun,x)
%
% I=trapecio(fun,x)
%
% Calcula la integral de fun sobre la malla definida por x
%
% Variables de entrada:
% fun: nombre de la funcion
% x: Malla sobre la que se realiza el calculo
%
% Variable de salida:
% I: valor de la integral
%
h=x(2)-x(1); M = length(x);
f=feval(fun,x);
I = (2
*
sum(f)-f(1)-f(M))
*
h/2;
Observese como el manejo de las funciones vectoriales de Matlab (en este caso sum)
simplica los codigos enormemente. Matlab incorpora una rutina para aproximar in-
tegrales mediante trapecios denominada trapz.
3.3.3 La regla de Simpson compuesta
Para obtener la integral usando la regla de Simpson compuesta se puede proceder del
mismo modo que en el apartado anterior pero calculando cada integral parcial con tres
puntos.
Dividamos el intervalo entre a y b en n subintervalos de longitud h. La integral cada
dos subintervalos se aproxima por medio de la formula de Simpson. De este modo si
conocemos el valor de la funcion en n + 1 puntos: x
0
, ..., x
n
igualmente distanciados, el
valor de la integral cada dos intervalos est a dado por la regla de Simpson simple. La
integral en el intervalo [a, b] = [x
0
, x
n
], ser a la suma de la integrales parciales obtenidas
cada 2 subintervalos:
_
b
a
f(x)dx =
n2
i=0 (par)
h
3
(f
i
+ 4f
i+1
+ f
i+2
)
=
h
3
(f
0
+ 4f
1
+ 2f
2
+ 4f
3
+ + 2f
n2
+ 4f
n1
+ f
n
)
Version 30/1/2008
Regla de trapecios compuesta
(dos puntos)
Regla de Simpson compuesta
(dos puntos)
h h h h
Figura 3.2: Funcionamiento de la regla de trapecios y de Simpson compuestas a nadiendo
puntos en el interior del intervalo para aumentar la precision de la integraci on (en la
gura se muestra s olo dos puntos).
Esta formula se denomina formula de Simpson compuesta y requiere que n sea un n umero
par (el n umero de puntos en los que se eval ua la funcion, que es igual a n+1, es entonces
impar). El termino de error es:
E
simp
=
1
90
h
4
_
f
(4)
(z
1
) + + f
(4)
(z
n
)
_
=
1
90
h
5
n
2
f
(4)
(z) =
b a
180
h
4
f
(4)
(z)
donde z
1
(x
0
, x
1
), ..., z
n
(x
n1
, x
n
), y z (a, b). Por tanto, una cota para el error, si
existe f
(4)
(x) en (a, b) viene dada por
E
b a
180
h
4
m ax
z(a,b)
f
(4)
(z)
Apliquemos la regla de Simpson compuesta para aproximar la integral

_
1
0
xe
x
dx = 1.
I =
1
30
(f
0
+ 4f
1
+ 2f
2
+ 4f
3
+ 2f
4
+ + 2f
8
+ 4f
9
+ f
10
) = 1.00000437,
que mejora bastante el resultado obtenido mediante la regla de Simpson simple. Como
f
(4)
(x) = (x + 4)e
x
el error se acota por
E
1
180
(0.1)
4
m ax
z(0,1)
|(z + 4)e
z
|
1
180
(0.1)
4
4e = 0.000006
El siguiente codigo Matlab implementa la regla de Simpson compuesta,
function I = simpson(fun,x)
%
% I=simpson(fun,x)
%
% Calcula la integral de fun sobre la malla definida por x
%
% Variables de entrada:
Version 30/1/2008
% fun: nombre de la funcion
% x: Malla sobre la que se realiza el calculo
%
% Variable de salida:
% I: valor de la integral
%
h=x(2)-x(1); M = length(x);
f=feval(fun,x);
I = (2
*
sum(f(2:2:length(f)-1))+2
*
sum(f)-f(1)-f(M))
*
h/3;
3.4 Integracion adaptativa
3.4.1 Concepto
Tal y como hemos visto en las secciones anteriores, la forma m as sencilla de evaluar
numericamente una integral es dividir el intervalo de integraci on en pasos equiespaciados
de anchura h, evaluar la funcion en esos puntos y construir una suma de coecientes por
valores de la funcion en los puntos para aproximar el valor de la integral. La cuadratura
adaptativa involucra la selecci on cuidadosa de los puntos donde la funcion va a ser
evaluada, de manera que podamos calcular la integral con una precision especicada
realizando el mnimo n umero posible de evaluaciones de la funcion. La propiedad aditiva,
una de las propiedades fundamentales de las integrales denidas, es la base para la
cuadratura adaptativa. Si c es cualquier punto entre a y b, entonces
_
b
a
f(x)dx =
_
c
a
f(x)dx +
_
b
c
f(x)dx
La idea es que si podemos aproximar cada uno de los integrandos de la parte derecha
con una precision dentro de una tolerancia especicada, la suma de ambos dar a entonces
el resultado deseado. Si no, podemos aplicar recursivamente la propiedad aditiva a cada
uno de los intervalos [a, c] y [c, b]. De este modo, el algoritmo resultante se adapta
autom aticamente al integrando, partiendo el intervalo en subintervalos con un espaciado
no en las partes donde el integrando vara r apidamente y con espaciados mayores donde
el integrando vara lentamente.
3.4.2 Reglas de cuadratura adaptativa en Matlab
La funcion Matlab quad utiliza una regla de Simpson junto con una estrategia de
adaptaci on recursiva como la descrita anteriormente. En cambio, la funcion quadl usa
una cuadratura adaptativa basada en metodos de orden superior que la regla de Simpson,
por lo que a menudo quadl requiere un menor n umero de evaluaciones de la funcion
que quad para obtener una misma precision especicada al integrar funciones suaves.
La l en el nombre de la funcion proviene de la cuadratura de Lobatto, que emplea
puntos no equiespaciados para as conseguir un metodo de orden m as elevado.
Para el calculo de integrales m ultiples se puede seguir la misma estrategia pero
integrando alternativamente sobre las distintas dimensiones que es lo que hacen las
funciones dblquad y triplequad.
Version 30/1/2008
Por ejemplo, para calcular
_
1
0
1
1 + x
4
dx
tendramos que hacer
f = inline(1./sqrt(1+x.4));
Q = quad(f,0,1)
Q =
0.9270
En el caso de manejar la versi on 7 de Matlab, tambien podemos utilizar el comando
@ y denir la funcion como
f = @(x) 1./sqrt(1+x.4);
Por supuesto, tambien podemos crear un archivo .m en vez de emplear la llamada en
lnea. Notese que, en todos los casos, la forma apropiada de denir la funcion a integrar
es en la forma vectorial de Matlab, es decir, con puntos antes de multiplicaciones,
potencias y divisiones para indicar de este modo que son operaciones componente a
componente entre vectores.
Tambien son muy frecuentes las integrales que dependen de par ametros. Por ejemplo,
la funcion beta se dene como
(z, w) =
_
1
0
t
z1
(1 t)
w1
dt.
Observese que, a pesar de depender de m as de un par ametro, la funcion viene denida
mediante una integral simple. Supongamos que queremos calcular (8/3, 10/3) con una
tolerancia de 10
6
. Para ello bastara con hacer
betaf = @(t,z,w) t.(z-1).
*
(1-t).(w-1)
z = 8/3; w = 10/3; tol = 1e-6; trace = [];
Q = quad(betaf,0,1,tol,trace,z,w)
Q =
0.0348
en donde puede observarse con facilidad el orden en el que se pasan los diferentes par ame-
tros a la funcion quad (y de igual modo a quadl). El argumento pasado despues de
la tolerancia tol se llama trace; si su valor no es vaco o cero, la rutina muestra por
pantalla el avance de los calculos que va realizando: n umero de evaluaciones de la fun-
cion, lmites y anchura de los subintervalos empleados y aportaci on de cada uno de ellos
al total de la integral calculada.
Version 30/1/2008
0 0.2 0.4 0.6 0.8 1
0
20
40
60
80
100
x
Figura 3.3: Funci on humps.
3.4.3 Ejemplo de comparacion de distintos metodos de integracion
Vamos a comparar con un ejemplo las rutinas adaptativas de Matlab con los metodos
compuestos utilizando la funcion humps que ya viene predenida en Matlab. La funcion
se dene como
h(x) =
1
(x 0.3)
2
+ 0.01
+
1
(x 0.9)
2
+ 0.04
6
y su gr aco para 0 x 1 puede verse en la gura 3.3. Como puede observarse, la
funcion presenta un pico relativamente fuerte cerca de x = 0.3 y otro de menor amplitud
alrededor de x = 0.9.
Con la toolbox de calculo simb olico es posible integrar de forma analtica h(x). Por
ejemplo, haciendo
syms x
h = 1/((x-0.3)2+0.01) + 1/((x-0.9)2+0.04) - 6;
I = simple(int(h,0,1))
Qexact = double(I)
I =
5
*
atan(16/13)-6+10
*
pi
Qexact =
29.85832539549867
obtenemos tanto el valor exacto de la integral denida como su valor numerico en coma
otante.
El esfuerzo requerido por una rutina de cuadratura para aproximar una integral
dentro de una precision especicada puede medirse contando el n umero de veces que el
integrando es evaluado. A continuaci on se muestra un ejemplo involucrando las funcio-
nes humps y quadl.
Version 30/1/2008
for k = 1:12
tol = 10(-k);
[Q,fcount] = quadl(@humps,0,1,tol);
err = Q - Qexact;
fprintf(%8.0e %21.14f %7d %13.3e \n,tol,Q,fcount,err)
end
tol Q fcount err
1e-01 29.85803034289291 48 -2.951e-04
1e-02 29.85832829257638 78 2.897e-06
1e-03 29.85832548167252 108 8.617e-08
1e-04 29.85832548167252 108 8.617e-08
1e-05 29.85832539547769 168 -2.099e-11
1e-06 29.85832539568428 198 1.856e-10
1e-07 29.85832539550114 348 2.466e-12
1e-08 29.85832539549867 438 -3.553e-15
1e-09 29.85832539549866 618 -1.066e-14
1e-10 29.85832539549867 768 -7.105e-15
1e-11 29.85832539549867 1008 -7.105e-15
1e-12 29.85832539549867 1608 0.000e+00
Utilizando metodos de paso jo el n umero de evaluaciones de la funcion se dispara con
el paso de modo que tomando 1000 subintervalos en [0,1] ya tenemos 1000 evaluaciones
de la funcion y h = 0.001. En ese caso por ejemplo utilizando trapecios
x = 0:0.001:1; f = humps(x); It = trapz(f)
*
0.001
Claramente se observa que a medida que se disminuye la tolerancia el n umero de eva-
luaciones de la funcion se incrementa a la vez que se reduce el error. Vease tambien que
el error es siempre menor que la tolerancia, normalmente por un factor considerable.
Version 30/1/2008
Ejercicios resueltos
3.1 Se desea calcular la integral
I =
_
2
2
x
2
e
x
2
dx
con error menor de 10
3
mediante la formula de trapecios compuesta. Indicar
cu al es el n umero mnimo de divisiones del intervalo [2, 2] que nos garantiza este
resultado.
Soluci on. La cota de error de la formula de trapecios compuesta es
E
b a
12
h
2
m ax
x[2,2]
|f
(x)|
Calculamos las derivadas de f
f
= 2
_
x x
3
_
exp
_
x
2
_
f
=
_
2 10x
2
+ 4x
4
_
exp
_
x
2
_
f
= x
_
8x
4
+ 36x
2
+ 24
_
exp
_
x
2
_
Al calcular los ceros de f
(x) el mayor valor de f
(x) se obtiene en x = 0 (los extre-

mos del intervalo x = 2 tambien dan valores menores), y es m ax
x[2,2]
|f
(x)| =
2 por lo que obtenemos E
8
12
h
2
y jando el valor requerido E 10
3
llegamos
a h =
_
4 10
3
/3 y por consiguiente N 103.
3.2 Se desea calcular la integral
I =
_
1
1
e
x
2
dx
con error menor de 10
4
mediante la formula de trapecios compuesta. Indicar
cu al es el n umero mnimo de divisiones del intervalo [1, 1] que nos garantiza este
resultado.
Soluci on. Utilizamos la formula de acotacion del error de la formula de trapecios
compuesta
E
b a
12
h
2
m ax
z(a,b)
(z)
En nuestro caso b = 1, a = 1 y f
(x) = (2 + 4x
2
)e
x
2
cuyo m aximo en [1, 1]
se alcanza en x = 0, donde f
(0) = 2. Para nuestro caso particular la formula

queda
E h
2
/3
Version 30/1/2008
por lo que si queremos que el error sea menor de 10
4
tendremos que elegir h
1.7 10
2
y por lo tanto como h = (b a)/N = 2/N = 1.7 10
2
tendremos que
tomar N 115 intervalos.
3.3 Considera la ecuaci on integral siguiente
y(x) = x +
_
x
0
e
(xt)
y(t)dt
con x [0, 1].
1. Construye una discretizacion de la ecuaci on integral utilizando formulas de
trapecios (compuestas) para aproximar la inc ognita Y
j
sobre la malla x
1
=
0, x
2
= x, ..., x
M
= 1.
2. Particulariza el resultado anterior eligiendo una malla de nodos 0, 1/3, 2/3, 1
y resuelve las ecuaciones discretas resultantes para proporcionar una aproxi-
maci on Y
j
a las soluciones de la ecuaci on integral.
Soluci on. .
1. Denimos una malla discreta x
j
y la aproximacion discreta a la soluci on
Y
j
y(x
j
). Entonces, utilizando la regla del trapecio compuesta en un punto
generico podemos aproximar
_
x
j
0
e
x
j
t
y(t)dt = e
x
j
_
x
j
0
e
t
y(t)dt
x
2
e
x
j
_
Y
1
e
x
1
+ 2Y
2
e
x
2
+ ... + 2Y
j1
e
x
j1
+ Y
j
e
x
j
_
.
Por lo tanto la ecuaci on para el nodo jesimo queda
Y
j
= x
j
+
x
2
e
x
j
_
Y
1
e
x
1
+ 2Y
2
e
x
2
+ ... + 2Y
j1
e
x
j1
+ Y
j
e
x
j
_
,
de donde se puede despejar Y
j
directamente. Tengase en cuenta que las ecua-
ciones no son validas con j = 1 o j = 2. En el primer caso tenemos directa-
mente
Y
1
= x
1
y para j = 2 no podemos utilizar la formula de integraci on compuesta sino
la simple, y entonces tenemos
Y
2
= x
2
+
x
2
e
x
2
_
Y
2
e
x
2
+ Y
1
e
x
1
_
.
Version 30/1/2008
2. Particularizamos ahora para la malla que nos indica el enunciado y obtenemos
las ecuaciones
Y
1
= x
1
Y
2
= x
2
+
x
2
e
x
2
_
Y
1
e
x
1
+ Y
2
e
x
2
_
Y
3
= x
3
+
x
2
e
x
3
_
Y
1
e
x
1
+ 2Y
2
e
x
2
+ Y
3
e
x
3
_
Y
4
= x
4
+
x
2
e
x
4
_
Y
1
e
x
1
+ 2Y
2
e
x
2
+ 2Y
3
e
x
3
+ Y
4
e
x
4
_
Podemos resolverlas consecutivamente obteniendo Y
1
= 0, Y
2
= 2/5, Y
3
=
1.023298 e Y
4
= 2.082889.
3.4 Se desea aproximar la integral
_

0
e
x
2
dx
1. Proporciona una estimaci on del valor de esta integral utilizando unicamente
formulas de Simpson (compuestas)
2. Como procederas para acotar el error que se comete en la aproximacion
anterior?
Soluci on. La dicultad aparece al ser una integral impropia y estar no acotado
el intervalo de integraci on, sin embargo para proporcionar una aproximacion a
la integral y teniendo en cuenta que el integrando decrece r apidamente podemos
descomponer
I = I
1
+ I
2
=
_
L
0
e
x
2
dx +
_

L
e
x
2
dx
y calcular I
1
mediante la regla de Simpson compuesta. Por ejemplo si tomamos
L = 4 y tomando 10 puntos tendremos
I
1

0.4
3
_
1 + 4e
0.4
2
+ 2e
0.8
2
+ 4e
1.2
2
+ 2e
1.6
2
+ 4e
2
2
+
2e
2.4
2
+ 4e
2.8
2
+ 2e
3.2
2
+ 4e
3.6
2
+ e
4
2
_
= 0.8862267897
Para acotar el error una vez realizada la descomposici on de la integral en dos
trozos podemos proceder haciendo
E
L
180
h
4
m ax
x(0,4)
f
(4)
(x)
+ I
2
donde f(x) = e
x
2
y el primer termino sera una acotacion del error cometido al
calcular I
1
. Para dar una acotacion completa habra que estimar I
2
, por ejemplo
Version 30/1/2008
haciendo
I
2
=
_

4
e
x
2
dx < e
4
_

4
e
x
dx = e
16
1.1 10
7
Ejercicios propuestos
3.5 Calcular las integrales de las funciones f(x) = sen 4x en [0, ] y f(x) =
e
x
1+e
x
en [2, 2] para distintas particiones del intervalo mediante la regla de Simpson
compuesta. Comparar los resultados con los valores exactos.
3.6 Obtener las formulas de Newton-Cotes para n = 2 y n = 3.
3.7 Obtener una formula de integraci on para el caso de tres puntos no equiespaciados
x
0
, x
1
y x
2
usando el polinomio de interpolacion de Lagrange.
3.8 Acotar el error que se comete al calcular la integral I =
_
1
1
e
x
2
dx mediante
la regla de los trapecios usando diez divisiones del intervalo (n = 10). Podras
estimar el error que se comete en este calculo utilizando la informaci on de cual
es el resultado con n = 5?
3.9 Demostrar que la regla de Simpson es exacta para polinomios de grado c ubico.
Que ocurre con la regla de trapecios?
3.10 La regla de orden n = 8 utiliza la formula
_
x
8
x
0
f(x)dx =
h
14175
(3956f
0
+ 23552f
1
3712f
2
+ 41984f
3
18160f
4
+ 41984f
5
3712f
6
+ 23552f
7
+ 3956f
8
)
Estudiar su funcionamiento aplic andola a las funciones del ejercicio 3.5
3.11 Supongamos que aproximamos
_
1
0
f(x)dx = af(1/4) + bf(1/2) + cf(3/4).
Determinar quienes son a, b, c. Comparar esta formula con la regla de Simpson.
3.12 La funcion de error se dene como erf(x) =
2
1/2
_
x
0
e
x
2
dx. Tabular la funcion de
error usando la regla del trapecio con x = 0.0, 0.1, 0.2, 0.3, 0.4 y 0.5. Usar 20, 40
y 100 subintervalos y comparar los resultados con los valores exactos (Matlab
incorpora la funcion de error erf). Acotar el error que se comete en cada caso.
Version 30/1/2008
3.13 Calcular la integral f(x) =
ex
1+ex
en [2, 2] utilizando la regla del trapecio com-
puesta con 10, 100 y 1000 subintervalos. Estudiar la disminuci on del error con h.
Comparar el resultado con el que se obtiene directamente utilizando la formula
de Milne.
3.14 Para que funciones proporciona el metodo de los trapecios compuesto un resul-
tado exacto? Depende el resultado del n umero de puntos que se utilicen?
3.15 Determinar el valor de h necesario para aproximar la integral:
_
5
0
e
x
sen xdx
usando la regla de Simpson compuesta y la regla del trapecio compuesta con
precision 10
5
.
3.16 Escribir una funcion Matlab que implemente la regla de Simpson compuesta.
3.17 Tabular la funcion de error en x = 0.0, 0.1, 0.2, 0.3, 0.4 y 0.5 usando la regla de
Simpson con n = 20 y n = 40 subintervalos y comparar los resultados con los
valores exactos.
3.18 Calcular la integral f(x) =
ex
1+ex
en [2, 2] utilizando la regla de Simpson com-
puesta con 10, 20 y 100 subintervalos. Estudiar la disminuci on del error de trun-
cacion con h. Comparar el resultado con el que se obtiene directamente utilizando
la formula de Milne.
3.19 Derivar una regla de Simpson compuesta para el caso en que los puntos donde se
conoce la funcion no esten equiespaciados. Es posible decir algo sobre el error?.
3.20 La funcion de Bessel de orden cero puede denirse como
J
0
(x) =
1
_

0
cos (xsen t) dt.
Utilizar esta denicion de J
0
(x) para calcular los siete primeros ceros positivos
de esta funcion r
0
, r
1
, ..., r
6
. Comprobar gr acamente que si x no es demasiado
grande:
J
0
(x)
_
1
x
2
r
2
0
__
1
x
2
r
2
1
_

_
1
x
2
r
2
6
_
3.21 Usa quad o quadl para intentar encontrar con la precision requerida el valor de
las integrales de cada una de las siguientes funciones en los intervalos pedidos.
Cuantas evaluaciones del integrando se requieren para cada problema, y d onde
se concentran los puntos de integraci on?
Version 30/1/2008
f(x) a b tol
humps(x) 0 1 10
4
humps(x) 0 1 10
6
humps(x) -1 2 10
4
sen(x) 0 10
8
cos(x) 0 (9/2) 10
6
x 0 1 10
8
xlog(x) eps 1 10
8
1/(2x 1) 0 1 10
4
t
8/3
(1 t)
10/3
0 1 10
8
t
25
(1 t)
2
0 1 10
8
3.22 La funcion de error, erf(x), se dene como la integral denida
erf(x) =
2
_
x
0
e
x
2
dx
Usa quad o quadl para tabular la funcion de error para x = 0.1:0.1:1. Com-
para los resultados obtenidos con los devueltos por la funcion Matlab erf(x).
3.23 Sea
f(x) = log(1 + x) log(1 x)
a) Usa ezplot para representar f(x) en el intervalo 1 x 1.
b) Usa la toolbox de calculo simb olico para hallar el valor analtico de
_
1
1
f(x)dx
c) Encuentra el valor numerico de la expresi on analtica obtenida en el apar-
tado anterior.
d) Que ocurre al intentar evaluar numericamente esta integral? Como puedes
solventar esta dicultad?
e) Usa quad o quadl y eval ua la integral con diferentes tolerancias. Represen-
ta el error y el n umero de evaluaciones de la funcion frente a la tolerancia.
Version 30/1/2008

Integracion Numerica

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Integracion Numerica

Încărcat de

Drepturi de autor:

Formate disponibile

Version 30/1/2008

Nosotros utilizaremos esta cota fundamentalmente en el desarrollo de otros metodos

Apliquemos la regla de Simpson compuesta para aproximar la integral

(x) el mayor valor de f

(x) se obtiene en x = 0 (los extre-

(0) = 2. Para nuestro caso particular la formula

S-ar putea să vă placă și