Documente Academic
Documente Profesional
Documente Cultură
M
etodos Num
ericos para el
C
alculo Cientfico con Matlab
TOMO 3
Presentado por:
Mera Carrasco, Junior Lino
Asesor:
Dr. Collantes Santisteban, Luis Jaime
UNPRG
UNIVERSIDAD NACIONAL
PEDRO RUIZ GALLO
M
etodos Num
ericos para el C
alculo
Cientfico con Matlab
TOMO 3
NUMERICA
INTEGRACION
Presentado por:
Asesor:
LAMBAYEQUE PERU
2014
Introducci
on
La presentacion de estos tomos tiene su origen en los Seminarios denominados FUN
DAMENTOS DE ECUACIONES NO LINEALES, INTERPOLACION,
DIFEREN E INTEGRACION
NUMERICA
CIACION
PARA EL CALCULO
CIENTIFICO y
CALCULO
CIENTIFICO DE ECUACIONES NO LINEALES, INTERPOLACION,
E INTEGRACION
NUMERICA
DIFERENCIACION
CON MATLAB desarrollados
en Diciembre del 2012 como investigacion de los cursos de Seminario de Matematica
Pura y Aplicada de la carrera profesional de Matematicas de la Universidad Nacional
Pedro Ruiz Gallo con el asesoramiento del Dr. Luis Jaime Collantes Santisteban, dichos
trabajos enfocaban la parte teorica y practica de algunos temas del Calculo Cientfico.
Estos tomos no son documentos comerciales, por el contrario decidimos trabajar para
que se encuentre al alcance de todos, es bien sabido la dificultad que tienen estudiantes
y profesionales de ingeniera, ciencias medicas, ciencias economicas entre otras para idealizar sus problemas y desarrollar un modelo matematico adecuado en algunos casos es
difcil porque la aplicacion resulta excesivamente compleja o los metodos analiticos no se
adecuan muy bien a sus resultados por ello es conveniente el uso de metodos numericos
los cuales conducen a soluciones aproximadas pero mas manejables y se puede dar uso
a un ordenador provisto de un software adecuado, para nuestro caso Matlab.
Metodos Numericos para el Calculo Cientfico con Matlab esta divido en 7 tomos:
Metodos Numericos para el Calculo Cientfico con Matlab, explicara de manera sencilla
y con ejemplos el uso y la programacion de Interfaces Graficas de Usuario (GUI) as como el clasico uso de los archivos .m y por supuesto la solucion manual.
NUMERICA
Dejaremos para el final los codigo fuente utilizados en la creacion de las interfaces graficas.
Por favor, soy Rodney McKay, difcil tarda unos segundos. Imposible, un par de minutos. Dr. Rodney McKay - Stargate Atlantis
INDICE GENERAL
1. Integraci
on Num
erica
12
15
17
19
20
. . . . . . . . . . . . . . . . . . . . .
2. Integracion Numerica
26
28
28
36
44
44
47
49
52
Captulo 1
NUMERICA
INTEGRACION
En esta seccion introducimos metodos numericos apropiados para aproximar la integral
I(f ) =
Zb
f (x)dx
a una de la forma
I (f ) =
M
X
wk f (xk ),
k=1
1.1.
F
ormulas de Newton-Cotes
f (x)dx =
M
X
k=0
wk f (xk ) + En ,
H = (b a)/M,
xk = a + kH.
1.
Integraci
on Numerica
Sea f C n+1 [a, b]. Sea M (x) el polinomio de grado M que interpola f en los M + 1
puntos (distintos) x0 , x1 , . . . , xM en el intervalo [a, b]. Para cada valor fijo x [a, b] existe
(x) (a, b) tal que
M
f (x) M (x) =
entonces
Zb
f (x)dx =
Zb
f (n+1) ((x)) Y
(x xk )
(n + 1)!
k=0
M (x) +
f (n+1) ((x)) Y
(x xk )dx
(n + 1)!
(1.1)
k=0
k=0
Teorema 1.1.1. Sea f C n+1 [a, b]. Sea M (x) el polinomio de grado M que interpola
f en los M + 1 puntos (distintos) en el intervalo [a, b]. Existe (a, b) tal que
Z
f (x)dx =
M
X
yk
k=0
Siempre y cuando
M
Q
b
a
M
Y
x xj
f (n+1) ()
dx +
xk xj
(n + 1)!
j=0,j6=k
Z bY
M
(x xk )dx
(1.2)
a k=0
k=0
M
P
wk f (xk ), es la f
ormula cerrada de Newton-Cotes
k=1
con x0 = a y xM = b,H =
Zb
a
f (x)dx =
M
X
k=0
ba
, entonces existe (a, b), tal que
M
H n+3 f (n+2) ()
wk f (xk ) +
(n + 2)!
ZM
v 2 (v 1)(v 2) . . . (v M)dv
M
X
H n+2 f (n+1) ()
f (x)dx =
wk f (xk ) +
(n + 1)!
k=0
ZM
0
1.
Integraci
on Numerica
Rb
k (x)dx.
M
P
wk f (xk ), es la f
ormula abierta de Newton-Cotes
k=1
con x0 = a y xM +2 = b,H =
Zb
a
ba
, entonces existe (a, b), tal que
M +2
M
X
H n+3f (n+2) ()
f (x)dx =
wk f (xk ) +
(n + 2)!
k=0
M
Z +2
v 2 (v 1)(v 2) . . . (v M)dv
M
X
H n+2 f (n+1) ()
f (x)dx =
wk f (xk ) +
(n + 1)!
k=0
M
Z +2
1.2.
F
ormula del punto medio o del rect
angulo
Una aproximacion de la integral I(f ) consiste en aproximar el area bajo la curva y = f (x)
por rectangulos de base xk1 xk y altura f ( xk12+xk ), para esto se puede establecer
dividiendo el intervalo [a, b] en subintervalos Ik = [xk1 , xk ],
a + kH,
k = 1, . . . , M, con xk =
k = 0, . . . , M y H = (b a)/M. Como
I(f ) =
M Z
X
k=1 I
f (x)dx,
(1.3)
xk1 + xk
2
1.
Integraci
on Numerica
I2
IM
f (x)dx =
xk1
Rxk
xk1
[f (xk ) + (x xk )f (xk ) +
Rxk
Rxk
xk1
(xxk )2
f ((x))]dx
2
(x xk )dx +
Rxk
xk1
(xxk )2
f ((x))dx
2
xk1
(x xk )2
1
f ((x))dx = f (k )
2
2
xk1
Zxk
(x xk )2 dx =
(xk xk1 )3
f (k )
24
xk1
de lo anterior
I(f ) =
M
P
k=1
=H
M
P
f (xk ) +
k=1
=H
M
P
f (xk ) +
k=1
Pero
M
P
f (k )
k=1
H 2 (ba)
. M
24
H2
(b
24
M
P
k=1
M
P
(xk xk1 )3
f (k )
24
f (k )
k=1
M
P
a)
f (k )
k=1
f (1 ) + f (2 ) + . . . + f (M )
=
M
M
X
f (xk ) +
k=1
b a 2
H f ()
24
=H
M
X
k=1
f (xk )
(1.4)
1.
Integraci
on Numerica
10
El smbolo mp significa el punto medio, mientras que c quiere decir compuesta. Esta
formula es una aproximacion de segundo orden con respecto a H. Concretamente, si f
es dos veces continuamente diferenciable en [a, b], tenemos
c
I(f ) Imp
(f ) =
b a 2
H f ()
24
(1.5)
Figura 1.1: Formula del punto medio compuesta (izquierda); formula del punto medio
(derecha).
(1.6)
(xx)2
f ((x))]dx
2
Rb
Rb
= (b a)f (x) + f (x) (x x)dx +
a
(xx)2
f ((x))dx
2
donde (x) es un punto apropiado del intervalo cuyos puntos extremos son x y x. HacienRb
do simples calculos (x x)dx = 0, y por el teorema del valor medio para las integrales,
a
(x x)2
1
f ((x))dx = f ()
2
2
Zb
a
(x x)2 dx =
(b a)3
f ()
24
1.
Integraci
on Numerica
11
(ba)3
f ()
24
y reemplazando la
(1.7)
Definici
on 1.2.1. El grado de exactitud de una formula de cuadratura es el maximo entero r 0 para el cual la integral aproximada (producida por la formula de
cuadratura) de cualquier polinomio de grado r es igual a la integral exacta.
Podemos deducir de (1.5) y (1.7) que la formula del punto medio tiene grado de exactitud
1, ya que integra exactamente todos los polinomios de grado menor o igual que 1 (pero
no todos los de grado 2).
Ejemplo 1.2.1. Hallar la siguiente integral aplicando la regla del rectangulo con M = 5,
Z2
ln xdx.
1
El valor de H =
f (x)
ln x
ba
M
21
5
x1
x2
x3
x4
x5
1.1
1.3
1.5
1.7
1.9
0.09531
0.26236
0.40546
0.53063
0.64185
(ba)
H 2 max |f (x)|
24
x[1,2]
1.
Integraci
on Numerica
1.3.
12
F
ormula del Trapecio
f (xk )f (xk1 )
(x
xk xk1
xk1 ) =
xxk
f (xk1 )
xk1 xk
xxk1
f (xk )
xk xk1
H
1 f (x)dx =
=
=
M R
P
xxk
( xk1
f (xk1 ) +
xk
k=1 Ik
M
P
( f (x2 k ) (xk+1
k=1
M
X
H
2
xk ) +
xxk1
f (xk ))
xk xk1
f (xk1 )
(xk
2
x))
[f (xk ) + f (xk1 )]
k=1
o sea que
Zb
H
[f (x0 ) + f (x1 ) + f (x1 ) + f (x2 ) + f (x2 ) + . . . + f (xM 1 ) + f (xM 1 ) + f (xM )]
H
1 f (x)dx =
2
a
de modo que
Zb
H
H
{f (x0 ) + 2[f (x1 ) + f (x2 ) + . . . + f (xM 1 )] + f (xM )}
1 f (x)dx =
2
a
Por lo tanto
Zb
H
1 f (x)dx
M
1
X
H
= [f (a) + f (b)] + H
f (xk ) = Itc (f )
2
k=1
(1.8)
I(f ) Itc (f ) =
b a 2
H f ()
12
(1.9)
1.
Integraci
on Numerica
13
f
f
X
x0 =
xk
x M= b
x0= a
x 1= b
Figura 1.2: Formula del trapecio compuesta (izquierda); formula del trapecio (derecha).
Demostracion. Sabemos que en el intervalo [xk1 , xk ] la funcion f (x), esta dada por
(x xk1 )(x xk )
f (x) = k f (x)+Ek (x),siendo, k (x) el k-esimo polinomio de Lagrange y Ek (x) =
f
2!
(ver ecuacion (??)) luego entonces
Zxk
Zxk
f (x)dx =
xk1
1
k f (x)dx +
2!
Zxk
xk1
xk1
Pero por el teorema del valor medio para integrales existe k (xk1 , xk ), tal que
Zxk
f (x)dx =
xk1
Zxk
Zxk
f (k )
k f (x)dx +
2!
xk1
xk1
xk1
Por lo tanto
Zxk
Z1
0
H(v 1)HvHdv = H
Z1
0
(v 1)vdv =
H3
6
H3
(x xk1 )(x xk )dx = ,
6
xk1
pero H =
ba
,
M
f (x)dx =
Zb
a
H
1 f (x)dx
f (k )H 3
De lo anterior se tiene que
12
M
X
f (k )H 3
k=1
12
luego
Zb
a
M
M
HX
b a 2 X
f (x)dx =
[f (xk1 ) + f (xk )]
H
f (k )
2 k=1
12M
k=1
1.
Integraci
on Numerica
14
o sea que
Zb
H
f (x)dx =
2
M
P
f (k )
b a 2 k=1
[f (xk1 ) + f (xk )]
H
12
M
k=1
M
X
de modo que
Zb
a
M
HX
(b a)H 2
f (x)dx =
[f (xk1 ) + f (xk )]
f ()
2 k=1
12
(b a)H 2
f ()
12
ba
[f (a) + f (b)]
2
(1.10)
que es la llamada f
ormula del trapecio . El error inducido viene dado por
I(f ) It (f ) =
(b a)3
f ()
12
(1.11)
donde [a, b]. Podemos deducir que (1.10) tiene grado de exactitud igual a 1, como
en el caso de la regla del punto medio.
Ejemplo 1.3.1. Hallar la siguiente integral aplicando la regla del trapecio con M = 5,
Z2
ln xdx.
El valor de H =
f (x)
ln x
ba
M
21
5
x0
x1
x2
x3
x4
x5
1.2
1.4
1.6
1.8
0.182321
0.33647
0.47000
0.58779
0.69315
1.
Integraci
on Numerica
Itc (f ) =
=
H
[f (x0 )
2
0,2
[0
2
15
+ f (x6 )] + H
M
1
P
f (xk )
k=1
= 0,3846312
ror vendra dado por
e
(ba)
H 2 max |f (x)|
12
x[1,2]
1.4.
F
ormula de Simpson
2(xx)(xxk )
f (xk1)+
H2
k)
k1 )
+ 4(xk1H)(xx
f (xk ) + 2(xxk )(xx
f (xk )
2
H2
f (x) =
M
HX
[f (xk1 ) + 4f (x) + f (xk )]
6
(1.12)
k=1
b a H 4 (4)
f ()
180 16
(1.13)
donde es un punto apropiado de [a, b], con tal de que f C 4 ([a, b]). Por consiguiente
es una aproximacion de cuarto orden con respecto a H. Cuando (1.12) se aplica a un
u
nico intervalo (a, b), obtenemos la llamada f
ormula de cuadratura de Simpson
Is (f ) =
ba
[f (a) + 4f ((a + b)/2) + f (b)]
6
(1.14)
1 (b a)5 (4)
f ()
16 180
(1.15)
1.
Integraci
on Numerica
16
Soluci
on. Asumiendo que M = 5 tenemos que H = 0,2, de esto tenemos el valor de f
en cada nodo:
Luego aplicando la ecuacion (1.14) tenemos :
f (x)
x0
x1
x1
x2
x2
x3
x3
x4
1.1
1.2
1.3
1.4
1.5
1.6
1.7
ln x
0.095310
0.182321
0.262364
0.33647
0.405465
0.47000
0.530628
f (x)
x4
x5
x5
1.8
1.9
0.58779
0.641854
0.69315
ln x
0,2
[(f (x0 ) + 4f (x1 ) + f (x1 )) + . . . + (f (x4 ) + 4f (x5 ) + f (x5 ))]
6
0,2
==
[(0 + 4(0,095310) + 0,182321) + . . . + (0,58779 + 4(0,641854) + 0,69315)]
6
= 0,386293
Isc =
Isc
1.
Integraci
on Numerica
1.5.
17
F
ormula de Simpson de 3/8
(x x0 )(x x2 )(x x3 )
(x x1 )(x x2 )(x x3 )
f (x0 ) +
f (x1 )+
(x0 x1 )(x0 x2 )(x0 x3 )
(x1 x0 )(x1 x2 )(x1 x3 )
(x x0 )(x x1 )(x x3 )
(x x0 )(x x1 )(x x2 )
f (x2 ) +
f (x3 )
(x2 x0 )(x2 x1 )(x2 x3 )
(x3 x0 )(x3 x1 )(x3 x2 )
x0
f (x0 )
3 f (x)dx =
(x0 x1 )(x0 x2 )(x0 x3 )
f (x1 )
+
(x1 x0 )(x1 x2 )(x1 x3 )
f (x2 )
+
(x2 x0 )(x2 x1 )(x2 x3 )
f (x3 )
+
(x1 x0 )(x3 x1 )(x3 x2 )
Zx3
(x x1 )(x x2 )(x x3 )dx+
x0
Zx3
(x x0 )(x x2 )(x x3 )dx+
x0
Zx3
(x x0 )(x x1 )(x x3 )dx+
x0
Zx3
(x x0 )(x x1 )(x x2 )dx
x0
si sustituimos:
x = x0 + Hv, como xk = x0 + kH,
k = 1, 2, 3, dx = Hdv
1.
Integraci
on Numerica
18
de esto:
Rx3
x0
Z3
f (x0 )
3 f (x)dx =
(H)(2H)(3H)
f (x1 )
+=
(H)(H)(2H)
Z3
f (x2 )
+=
(2H)(H)(H)
Z3
0
f (x3 )
+=
(3H)(2H)(H)
Z3
de
esto resulta:
Zx3
3Hf (x0 ) 9Hf (x1 ) 9Hf (x2 ) 3Hf (x3 )
3 f (x)dx =
+
+
+
8
8
8
8
x0
Al final se tiene:
Zx3
3 f (x)dx =
3H
[f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )] = Is3 (f )
8
(1.16)
x0
3H 5 (4)
f ()
80
(1.17)
Considerando los nodos x0 , x1 , . . . , xM del intervalo [a, b], para H = (b a)/(3M), con
xk = x0 +kH,
3k f (x)dx =
3H
[f (x3k3 ) + 3f (x3k2 ) + 3f (x3k1 ) + f (x3k )]
8
x3k3
de esto se tiene
Zb
a
M
X
3H
M f (x)dx =
[
[f (x3k3 ) + 3f (x3k2 ) + 3f (x3k1 ) + f (x3k )]]
8
k=1
1.
Rb
Integraci
on Numerica
M f (x)dx =
3H
[f (x0 )
8
19
M f (x)dx =
3H
[f (x0 )
8
+ f (x3M )] +
6H
[f (x3 )
8
+ 9H
[f (x1 ) + f (x4 ) + f (x7 ) + . . . + f (x3M 2 )]+
8
[f (x2 ) + f (x5 ) + f (x8 ) + . . . + f (x3M 1 )]
+ 9H
8
1.6.
M 1
M
M
3H
6H X
9H X
9H X
=
[f (a) + f (b)] +
f (x3k ) +
f (x3k2 ) +
f (x3k1 ) (1.18)
8
8 k=1
8 k=1
8 k=1
F
ormula de Boole
La formula de Boole considera el valor de M = 4, el cual haciendo el mismo procedimiento para la formula de Simpson 3/8 tenemos
I4 (f ) =
2H
[7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )]
45
(1.19)
8H 7 (6)
f (),
945
para alg
un [a, b].
(1.20)
M
2H X
[7f (x4k4 ) + 32f (x4k3) + 12f (x4k2 ) + 32f (x4k1 ) + 7f (x4k )]
=
45 k=1
(1.21)
Ejemplo 1.6.1. Hallar la integral del ejemplo (1.3.1) aplicando la formula compuesta
de Boole .
Soluci
on. Asumiendo que M = 5 tenemos que H = 0,05, de esto tenemos el valor de
f en cada nodo:
Luego aplicando la ecuacion (1.21) tenemos :
1.
Integraci
on Numerica
f (x)
20
x0
x1
x2
x3
x4
x5
x6
1.05
1.10
1.15
1.20
1.25
1.30
ln x
0.048790
0.095310
0.139761
0.182322
0.22314
0.262364
f (x)
x7
x8
x9
x10
x11
x12
x13
1.35
1.40
1.45
1.50
1.55
1.60
1.65
ln x
0.300105
0.336472
0.371564
0.405465
0.438255
0.470004
0.500775
f (x)
x14
x15
x16
x17
x18
x19
x20
1.70
1.75
1.80
1.85
1.90
1.95
0.530628
0.559616
0.587787
0.615186
0.641853
0.667829
0.693147
ln x
Isc
2 0,05
[(7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )) + . . . + (7f (x16 )+
45
+32f (x17 ) + 12f (x18 ) + 32f (x19 ) + 7f (x20 ))]
2 0,05
[(7(1) + 32(0,048790) + 12(0,095310) + 32(0,139761) + 7(0,182322)) + . . . +
=
45
+(7(0,587787) + 32(0,615186) + 12(0,641853) + 32(0,667829) + 7(0,693147))]
=
IBc = 0,386294
R2
OBSERVACION: Al aplicar el mismo ejemplo ( ln xdx) para todos los metodos de
1
cuadratura , nos podemos dar cuenta que el metodo de Boole es la mas optima, la cual
tiene una mejor aproximacion de la integral.
1.7.
Como hemos visto las formulas de Newton Cotes las formulas de cuadratura (no compuestas) son de la forma:
Iappr (f ) =
n
X
j f (yj )
(1.22)
j=0
donde {j } son pesos de cuadratura,{yj } son los nudos de cuadratura. Hemos visto que
para conseguir un grado de exactitud n debemos tomar
Iappr (f ) =
Zb
a
n f (x)dx
1.
Integraci
on Numerica
21
Zb
i (x)dx,
i = 0, . . . , n
Rb
0 (x)dx =
1 =
Rb
Rb
a
1 (x)dx =
Rb
a
xb
dx
ab
ba
,
2
xa
dx
ba
ba
.
2
M
Y
x xj
.
x
k xj
j=0,j6=0
x0 = a, x1 = b y
La cuestion que surge es si existe elecciones apropiadas de los nudos tales que el grado de
exactitud sea mayor que n, concretamente, igual a r = m + n para alg
un m > 0. Podemos simplificar nuestra discusion restringiendonos a un intervalo de referencia, digamos
(1, 1). En efecto, una vez que disponemos de un conjunto de nudos de cuadratura {y j }
y pesos {j } en [1, 1], entonces gracias al cambio de variable (??) podemos obtener
inmediatamente los correspondientes nudos y pesos,
yj =
a+b ba
y ,
+
2
2 j
j =
ba
j
2
n
P
j f (y j ) tiene
j=0
wn+1 p(x)dx = 0,
p Pm1 .
(1.23)
El valor maximo que m puede tomar es n + 1 y se alcanza con tal de que wn+1 sea
proporcional al llamado polinomio de Legendre de grado n + 1, Ln+1 (x). Los polinomios
de Legendre pueden calcularse recursivamente mediante la siguiente relacion de tres
terminos
L0 (x) = 1,
Lk+1 (x) =
L1 (x) = x
2k+1
L (x)
k+1 k
k
L (x),
k+1 k1
k = 1, 2, . . .
1.
Integraci
on Numerica
22
Esto explica por que (1.23) es cierto para m igual pero no mayor que n + 1. El maximo
grado de exactitud es, por tanto, igual a 2n + 1 y se obtiene para la llamada formula de
Gauss-Legendre (abreviadamente IGL), cuyos nudos y pesos estan dados por
, j = 0, . . . , n
j =
2
(1 y j )[Ln+1 (y j )]2
(1.24)
Los pesos j son todos positivos y los nudos son interiores al intervalo (1, 1). En la
Tabla 4.1 recogemos los nudos y pesos de las formulas de cuadratura de Gauss-Legendre
con n = 1, 2, 3, 4. Si f C (2n+2) ([1, 1]), el correspondiente error es
I(f ) IGL (f ) =
y n = 1,
j =
y j = ceros de Ln (x),
2
1
,
n(n + 1) [Ln (y j )2 ]
j = 1, . . . , n 1
(1.25)
j = 0, . . . , n
Para un (1, 1) adecuado. En la tabla 4.2 damos una tabla de nudos y pesos sobre
el intervalo de referencia (-1,1) para n = 1, 2, 3, 4.(Para n = 1 recuperamos la regla del
trapecio).
1.
Integraci
on Numerica
n
1
2
3
{y j }
23
{j }
{1/ 3}
{ 15/5, 0}
p
(1/35) 525 70 30
p
(1/35) 525 + 70 30
p
(1/21) 245 + 14 70
{1}
{5/9,8/9}
{(1/36)(18 + 30)}
(1/36)(18 30)
(1/900)(322 13 70)
Cuadro 1.1: Nudos y pesos para algunas formulas de cuadratura de Gauss- Legendre
sobre el intervalo (1, 1). Los pesos correspondientes a pares simetricos de nudos se
incluyen solo una vez.
{y j }
{1}
{1}
{1, 0}
{1, 5/5}
{1, 21/7, 0}
{1/3, 4/3}
3
4
{1/6,5/6}
{1/10, 49/90, 32/45}
Cuadro 1.2: Nudos y pesos para algunas formulas de cuadratura de Gauss-LegendreLobatto sobre el intervalo (1, 1). Los pesos correspondientes a pares simetricos de
nudos se incluyen solo una vez.
CONCLUSIONES
1. Para calcular los ceros (o raices) de una funcion f se utilizan generalmente se
utilizan metodos de tipo iterativo.
2. El metodo de la biseccion es convergente con tal que f sea continua en el intervalo
inicial y tenga signos opuestos en los extremos de este intervalo.
3. El metodo de Newton calcula un cero de f teniendo en cuenta los valores de f y
de su derivada.
4. El metodo de la secante es una variacion del metodo de newton, pero mas eficiente.
5. Si una funcion se aproxima mediante un polinomio de interpolacion, no hay garanta
de que dicho polinomio converja a la funcion exacta al aumentar el n
umero de
datos. En general, la interpolacion mediante un polinomio de orden grande debe
evitarse o utilizarse con precauciones extremas.
6. La interpolacion de Chebyshev amortigua las grandes oscilaciones del fenomeno
de Runge.
7. Cuando f no es regular, se utiliza la interpolacion lineal a trozos.
8. La interpolacion por Spline c
ubicos permite aproxiamr f mediante una funcion
c
ubica a trozos f que es continua junto con sus derivadas primeras y segundas.
9. En la aproximacion de mnimos cuadrados buscamos una aproximacion f que sea
n
P
un polinomio de grado m y que minimice el error cuadratico medio [yi f (xi )]2 .
i=0
El mismo criterio de minimizacion puede ser aplicado a una clase de funciones que
no sean polinomios.
1.
Integraci
on Numerica
25
10. Una formula de cuadratura es una formula para aproximar la integral de funciones
continuas en un intervalo [a, b].
11. El grado de exactitud de una formula de cuadratura es el mayor grado de los
polinomios que son integrados exactamente por la formula. Es 1 para las reglas
del punto medio y del trapecio, 3 para la regla de Simpson y 2n+1 para la formula
de Gauss-Legendre.
12. El orden de precision de una formula de cuadratura compuesta es su orden respecto
al tama
no H de los subintervalos. El orden de precision es 2 para las formulas compuestas del punto medio y del trapecio, 4 para la formula de Simpson compuesta
y 6 para laformula de Boole.
Captulo 2
INTEGRACION NUMERICA
En analisis numerico, la integracion numerica constituye una amplia gama de algoritmos
para calcular el valor numerico de una integral definida y, por extension, el termino se
usa a veces para describir algoritmos numericos para resolver ecuaciones diferenciales. El
termino cuadratura numerica (a menudo abreviado a cuadratura) es mas o menos sinonimo de integracion numerica, especialmente si se aplica a integrales de una dimension a
pesar de que para el caso de dos o mas dimensiones (integral m
ultiple) tambien se utiliza.
Hay varias razones para llevar a cabo la integracion numerica. La principal puede ser
la imposibilidad de realizar la integracion de forma analtica. Es decir, integrales que
requeriran de un gran conocimiento y manejo de matematica avanzada pueden ser
resueltas de una manera mas sencilla mediante metodos numericos. Incluso existen funciones integrables pero cuya primitiva no puede ser calculada, siendo la integracion
numerica de vital importancia. La solucion analtica de una integral nos arrojara una
solucion exacta, mientras que la solucion numerica nos dara una solucion aproximada.
El error de la aproximacion, que depende del metodo que se utilice y de que tan fino
sea, puede llegar a ser tan peque
no que es posible obtener un resultado identico a la
solucion analtica en las primeras cifras decimales.
2.
Integracion Numerica
27
Los metodos de integracion numerica pueden ser descritos generalmente como combinacion de evaluaciones del integrando para obtener una aproximacion a la integral. Una
parte importante del analisis de cualquier metodo de integracion numerica es estudiar el
comportamiento del error de aproximacion como una funcion del n
umero de evaluaciones
del integrando. Un metodo que produce un peque
no error para un peque
no n
umero de
evaluaciones es normalmente considerado superior. Reduciendo el n
umero de evaluaciones del integrando se reduce el n
umero de operaciones aritmeticas involucradas, y
por tanto se reduce el error de redondeo total. Tambien, cada evaluacion cuesta tiempo,
y el integrando puede ser arbitrariamente complicado.
Este Capitulo trata sobre como encontrar los valores de Integracion, mediante la implementacion de Interfaces Graficas de Usuario (GUI) en Matlab. Los metodos numericos
de Integracion Numerica suelen ser metodos iterativos, que se espera, que converja a la
solucion analitica. Utilizaremos el metodo del Trapecio, de Simpson 1/3, Simpson 3/8,
Boole, Asi como la Integracion Doble y Triple.
2.
Integracion Numerica
2.1.
28
Comparaci
on de M
etodos Iteractivos
2.1.1.
En esta seccion analizaremos la solucion de una funcion trascendenta la cual integraremos en el intervalo [0,5; 2].
Problema. Sea
f (x) =
100
10
sen(
)
x2
x
Soluci
on. Al tratarse de una funcion trascendental hacemos uso de los metodos del
Trapecio, de Simpson 1/3, Simpson 3/8 y Boole.
2.
Integracion Numerica
Soluci
on 1. Utilizando el Metodo del Trapecio dividiendo el intervalo en 20 partes.
29
2.
Integracion Numerica
30
Soluci
on 2. Utilizando el Metodo del Trapecio dividiendo el intervalo en 200 partes.
2.
Integracion Numerica
31
Soluci
on 3. Utilizando el Metodo de Simpson 1/3 dividiendo el intervalo en 20 partes.
2.
Integracion Numerica
32
Soluci
on 4. Utilizando el Metodo de Simpson 1/3 dividiendo el intervalo en 200 partes.
2.
Integracion Numerica
33
Soluci
on 5. Utilizando el Metodo de Simpson 3/8 dividiendo el intervalo en 20 partes.
2.
Integracion Numerica
34
Soluci
on 6. Utilizando el Metodo de Simpson 3/8 dividiendo el intervalo en 200 partes.
2.
Integracion Numerica
Soluci
on 7. Utilizando el Metodo de Boole dividiendo el intervalo en 20 partes.
35
2.
Integracion Numerica
36
Soluci
on 8. Utilizando el Metodo de Boole dividiendo el intervalo en 200 partes.
2.1.2.
((1 + x)5 1)
x
Soluci
on. Al tratarse de una funcion trascendental hacemos uso de los metodos del
Trapecio, de Simpson 1/3, Simpson 3/8 y Boole.
2.
Integracion Numerica
Soluci
on 9. Utilizando el Metodo del Trapecio dividiendo el intervalo en 20 partes.
37
2.
Integracion Numerica
38
Soluci
on 10. Utilizando el Metodo del Trapecio dividiendo el intervalo en 200 partes.
2.
Integracion Numerica
39
Soluci
on 11. Utilizando el Metodo de Simpson 1/3 dividiendo el intervalo en 20 partes.
2.
Integracion Numerica
40
Soluci
on 12. Utilizando el Metodo de Simpson 1/3 dividiendo el intervalo en 200 partes.
2.
Integracion Numerica
41
Soluci
on 13. Utilizando el Metodo de Simpson 3/8 dividiendo el intervalo en 20 partes.
2.
Integracion Numerica
42
Soluci
on 14. Utilizando el Metodo de Simpson 3/8 dividiendo el intervalo en 200 partes.
2.
Integracion Numerica
Soluci
on 15. Utilizando el Metodo de Boole dividiendo el intervalo en 1 parte.
43
Captulo 3
3.1.
3.
45
end
if
yd<=1
a x i s ( [ a 0.5 b +0.5 yc1 1 ] )
end
z=0y ;
plot (x , z , ' color ' , 'k ' ) ;
p l o t ( a , 0 , ' b ' , b , 0 , ' b ' ) ;
g r i d on
s e t ( handles . edit5 , ' s t r i n g ' , ' ' )
s e t ( handles . edit6 , ' s t r i n g ' , ' ' )
s e t ( handles . listbox1 , ' s t r i n g ' , ' ' )
s e t ( handles . pushbutton1 , ' e n a b l e ' , ' o f f ' )
s e t ( handles . pushbutton2 , ' e n a b l e ' , ' on ' )
3.
46
3.
3.2.
47
laterales
a x e s ( handles . grafica )
u1 =[ a a ] ; v1 =[0 fa ] ;
p l o t ( u1 , v1 , ' c o l o r ' , ' r ' ) ;
h o l d on
u2 =[ b b ] ; v2 =[0 fb ] ;
p l o t ( u2 , v2 , ' c o l o r ' , ' r ' ) ;
x=a : 0 . 0 1 : b ;
y=e v a l ( f ) ;
x0=x ; y0=y ;
yc=min ( y ) ; yd=max( y ) ;
a x i s ( [ a 0.5 b +0.5 yc1 yd +1])
plot (x , y , ' linewidth ' ,2 , ' color ' , ' r ' )
i f yc>=1
a x i s ( [ a 0.5 b +0.5 1 yd +1])
end
if
yd<=1
a x i s ( [ a 0.5 b +0.5 yc1 1 ] )
end
z=0y ;
plot (x , z , ' color ' , 'k ' ) ;
p l o t ( a , 0 , ' b ' , b , 0 , ' b ' ) ;
g r i d on
s e t ( handles . edit5 , ' s t r i n g ' , ' ' )
s e t ( handles . edit6 , ' s t r i n g ' , ' ' )
s e t ( handles . listbox1 , ' s t r i n g ' , ' ' )
s e t ( handles . pushbutton1 , ' e n a b l e ' , ' o f f ' )
s e t ( handles . pushbutton2 , ' e n a b l e ' , ' on ' )
3.
48
xv=xx ( 1 ) ; yv =0;
f o r k =1: n
px =[ xx (2 k 1) xx (2 k ) xx (2 k+1) ] ;
py =[ yy (2 k 1) yy (2 k ) yy (2 k+1) ] ;
p=p o l y f i t ( px , py , 2 ) ;
hh=h / 1 0 ;
x=xx (2 k 1) : hh : xx (2 k+1) ;
y=p o l y v a l ( p , x ) ;
xu=x ; yu=y ;
xv =[ xv xu ] ;
yv =[ yv yu ] ;
end
u =[ xv xx (2 n +1) xx ( 1 ) ] ;
v =[ yv 0 0 ] ;
d3= f i l l ( u , v , [ 0 . 5 0 . 8 0 . 8 ] ) ;
%a r e a s p a r c i a l e s
f o r j =1: n
ux =[ xx (2 j+1) xx (2 j+1) ] ; vx =[0 yy (2 j+1) ] ;
p l o t ( ux , vx )
s_area =(yy (2 j 1)+4yy (2 j )+yy (2 j +1) ) ( h / 3 ) ;
listado=strvcat ( listado , num2str ( s_area , ' %20.10 f ' ) ) ;
s e t ( handles . listbox1 , ' s t r i n g ' , listado ) ;
end
3.
3.3.
49
laterales
a x e s ( handles . grafica )
u1 =[ a a ] ; v1 =[0 fa ] ;
p l o t ( u1 , v1 , ' c o l o r ' , ' r ' ) ;
h o l d on
u2 =[ b b ] ; v2 =[0 fb ] ;
p l o t ( u2 , v2 , ' c o l o r ' , ' r ' ) ;
x=a : 0 . 0 1 : b ;
y=e v a l ( f ) ;
x0=x ; y0=y ;
yc=min ( y ) ; yd=max( y ) ;
a x i s ( [ a 0.5 b +0.5 yc1 yd +1])
plot (x , y , ' linewidth ' ,2 , ' color ' , ' r ' )
i f yc>=1
a x i s ( [ a 0.5 b +0.5 1 yd +1])
end
if
yd<=1
a x i s ( [ a 0.5 b +0.5 yc1 1 ] )
end
z=0y ;
plot (x , z , ' color ' , 'k ' ) ;
p l o t ( a , 0 , ' b ' , b , 0 , ' b ' ) ;
g r i d on
s e t ( handles . edit5 , ' s t r i n g ' , ' ' )
s e t ( handles . edit6 , ' s t r i n g ' , ' ' )
s e t ( handles . listbox1 , ' s t r i n g ' , ' ' )
s e t ( handles . pushbutton1 , ' e n a b l e ' , ' o f f ' )
s e t ( handles . pushbutton2 , ' e n a b l e ' , ' on ' )
3.
50
3.
51
xv=xx ( 1 ) ; yv =0;
f o r k =1: n
px =[ xx (3 k 2) xx (3 k 1) xx (3 k ) xx (3 k+1) ] ;
py =[ yy (3 k 2) yy (3 k 1) yy (3 k ) yy (3 k+1) ] ;
p=p o l y f i t ( px , py , 3 ) ;
hh=h / 1 0 ;
x=xx (3 k 2) : hh : xx (3 k+1) ;
y=p o l y v a l ( p , x ) ;
xu=x ; yu=y ;
xv =[ xv xu ] ;
yv =[ yv yu ] ;
end
u =[ xv xx (3 n +1) xx ( 1 ) ] ;
v =[ yv 0 0 ] ;
d3= f i l l ( u , v , [ 0 . 5 0 . 8 0 . 8 ] ) ;
%a r e a s p a r c i a l e s
f o r j =1: n
ux =[ xx (3 j 2) xx (3 j 2) ] ; vx =[0 yy (3 j 2) ] ;
p l o t ( ux , vx , ' c o l o r ' , ' r ' )
s_area =(yy (3 j 2)+3yy (3 j 1)+3yy (3 j )+yy (3 j +1) ) (3 h / 8 ) ;
listado=strvcat ( listado , num2str ( s_area , ' %20.10 f ' ) ) ;
s e t ( handles . listbox1 , ' s t r i n g ' , listado ) ;
end
ar=num2str ( area , ' %20.10 f ' ) ;
are=num2str ( intex , ' %20.10 f ' ) ;
e r r o r=num2str ( abs ( areaintex ) , ' %20.10 f ' ) ;
p l o t ( x0 , y0 , ' l i n e w i d t h ' , 2 , ' c o l o r ' , ' r ' ) ;
s e t ( handles . edit5 , ' s t r i n g ' , ar )
s e t ( handles . edit6 , ' s t r i n g ' , are )
s e t ( handles . e r r o r , ' s t r i n g ' , e r r o r )
s e t ( handles . pushbutton1 , ' e n a b l e ' , ' on ' )
s e t ( handles . pushbutton2 , ' e n a b l e ' , ' o f f ' )
h o l d off
3.
3.4.
52
Metodo de Boole
laterales
a x e s ( handles . grafica )
u1 =[ a a ] ; v1 =[0 fa ] ;
p l o t ( u1 , v1 , ' c o l o r ' , ' r ' ) ;
h o l d on
u2 =[ b b ] ; v2 =[0 fb ] ;
p l o t ( u2 , v2 , ' c o l o r ' , ' r ' ) ;
x=a : 0 . 0 1 : b ;
y=e v a l ( f ) ;
x0=x ; y0=y ;
yc=min ( y ) ; yd=max( y ) ;
a x i s ( [ a 0.5 b +0.5 yc1 yd +1])
plot (x , y , ' linewidth ' ,2 , ' color ' , ' r ' )
i f yc>=1
a x i s ( [ a 0.5 b +0.5 1 yd +1])
end
if
yd<=1
a x i s ( [ a 0.5 b +0.5 yc1 1 ] )
end
z=0y ;
plot (x , z , ' color ' , 'k ' ) ;
p l o t ( a , 0 , ' b ' , b , 0 , ' b ' ) ;
g r i d on
s e t ( handles . edit5 , ' s t r i n g ' , ' ' )
s e t ( handles . edit6 , ' s t r i n g ' , ' ' )
s e t ( handles . listbox1 , ' s t r i n g ' , ' ' )
s e t ( handles . pushbutton1 , ' e n a b l e ' , ' o f f ' )
s e t ( handles . pushbutton2 , ' e n a b l e ' , ' on ' )
3.
53
3.
54
f o r k =1: n
px =[ xx (4 k 3) xx (4 k 2) xx (4 k 1) xx (4 k ) xx (4 k+1) ] ;
py =[ yy (4 k 3) yy (4 k 2) yy (4 k 1) yy (4 k ) yy (4 k+1) ] ;
p=p o l y f i t ( px , py , 4 ) ;
hh=h / 1 0 ;
x=xx (4 k 3) : hh : xx (4 k+1) ;
y=p o l y v a l ( p , x ) ;
xu=x ; yu=y ;
xv =[ xv xu ] ;
yv =[ yv yu ] ;
end
u =[ xv xx (4 n +1) xx ( 1 ) ] ;
v =[ yv 0 0 ] ;
d3= f i l l ( u , v , [ 0 . 5 0 . 8 0 . 8 ] ) ;
%a r e a s p a r c i a l e s
f o r j =1: n
ux =[ xx (4 j 3) xx (4 j 3) ] ; vx =[0 yy (4 j 3) ] ;
p l o t ( ux , vx )
s_area =(14 yy (4 j 3)+64yy (4 j 2)+24yy (4 j 1)+64yy (4 j ) +14yy (4 j+1) ) ( h / 4 5 ) ;
listado=strvcat ( listado , num2str ( s_area , ' %20.10 f ' ) ) ;
s e t ( handles . listbox1 , ' s t r i n g ' , listado ) ;
end
ar=num2str ( area , ' %20.10 f ' ) ;
are=num2str ( intex , ' %20.10 f ' ) ;
e r r o r=num2str ( abs ( areaintex ) , ' %20.10 f ' ) ;
p l o t ( x0 , y0 , ' l i n e w i d t h ' , 2 , ' c o l o r ' , ' r ' ) ;
s e t ( handles . edit5 , ' s t r i n g ' , ar )
s e t ( handles . edit6 , ' s t r i n g ' , are )
s e t ( handles . e r r o r , ' s t r i n g ' , e r r o r )
s e t ( handles . pushbutton1 , ' e n a b l e ' , ' on ' )
s e t ( handles . pushbutton2 , ' e n a b l e ' , ' o f f ' )
h o l d off
BIBLIOGRAFIA
[1] Buhmann, M. D. (2004). Radial Basis Functions: Theory and Implementations.
Cambridge University Press. United Kingdom.
J.
Apuntes
de
C
alculo
Numerico[en
http://ma1.eii.us.es/Material/Cal_Num_itis_Apuntes.pdf
lnea].
[consulta
2012]
[5] Comer E.(2009) Metodos Numericos Instituto Tecnologico de Tijuana.
[6] Mathews J.; Fink K.(2000) Metodos Numericos con MATLAB. Prentice Hall,
Madrid.
[7] Meja C.(2002) Invitacion al An
alisis Numerico. Universidad Nacional de Colombia, Medelln.
[8] Mora W.F.(2010) Introduccion a los Metodos Numericos. Instituto Tecnologico de
Costa Rica.
[9] M
uller H. (1996) Una Introducci
on al An
alisi Numerico. Universidad Mayor de
San Simon. Cochabamba, Bolivia.
[10] Nakamura, S. (1992). Metodos Numericos Aplicados con Software. Pearson Educacion.
BIBLIOGRAFIA
56
G.
APUNTES
DE
MATLAB [en
lnea].