“INSTITUTO TECNOLÓGICO DE CERRO AZUL.

”
ALUMNO:
● FRANCISCO JAVIER DE LA CRUZ REYES.

No. DE CONTROL:
17500062

MATERIA:
MÉTODOS NUMÉRICOS.

TRABAJO:
INVESTIGACIÓN UNIDAD IV.

DOCENTE:
ING. RODOLFO ABDIEL CERÓN DELGADO.

ESPECIALIDAD:
INGENIERÍA CIVIL.

SEMESTRE: 4to TURNO: VESPERTINO.

CICLO ESCOLAR:
ENERO – JUNIO 2019.

CD. CERRO AZUL, VER. MAYO DEL 2019

 Unidad IV. Diferenciación e integración numérica.

Una integral definida tiene la forma,

Donde a, b son el límite inferior y superior de integración, respectivamente, f(x) es

la función a integrar y dx es la diferencial de x.

La integral, geométricamente, representa el área delimitada por el lugar geométrico

de la función, f(x), el eje de la abscisas, y la dos rectas verticales x = a y x = b, ver
la figura,

Cuando, la integral definida es muy difícil o de plano imposible de resolver, existen

estrategias que permiten tener una solución aproximada. La integral definida
permite que, geométricamente, se determine una aproximación a través de
trapecios. Otra forma de obtener una solución aproximada a la integral definida es
tratar de ajustar un polinomio al lugar geométrico de la función a integrar, y así en
vez de integrar la función f(x), se integra el polinomio Pn(x),

Diferenciación numérica.
Es una técnica de análisis numérico para calcular una aproximación a
la derivada de una función en un punto utilizando los valores y propiedades de la
misma. El cálculo de la derivada de una función puede ser un proceso “difícil” ya
sea por lo complicado de la definición analítica de la función o por que esta se
conoce únicamente en un número discreto de puntos.

Existen 3 diferentes tipos de aproximación numérica:

 Aproximación a la primera derivada con diferencias hacia atrás
 Aproximación a la primera derivada con diferencias hacia adelante
 Aproximación a la primera derivada con diferencias centrales

 Diferencias hacia atrás.

La serie de Taylor se puede expandir hacia atrás para calcular un valor anterior
sobre el valor actual, dado por:
Truncando la ecuación después de la primera derivada y ordenando los términos se
obtiene:

Donde los errores es 0 (h) y el diferencial indica la primer diferencia dividida hacia
atrás.

 Diferencias hacia adelante.

Donde al diferencial se le conoce como la primera diferencia hacia adelante y a h

se le llama tamaño del paso, esto es, la longitud del intervalo sobre el cual se hace
la aproximación. Se le llama diferencia “hacia adelante” ya que usa los datos(i) e
(i+1) para estimar la derivada. Al termino completo (o sea, la diferencial entre h) se
conoce como primera diferencia dividida finita.

 Diferencias central.
Una tercera forma de aproximar la primera derivada es restar la ecuación de la
expansión en serie de Taylor hacia adelante:

Para obtener:

Que se puede resolver para:

Esta última ecuación es una representación de las diferencias centrales de la

primera derivada. Nótese que el error de truncamiento es del orden de en contraste
con las diferencias divididas hacia adelante y hacia atrás, las cuales fueron de orden
h.

Integración numérica:
En análisis numérico, la integración numérica constituye una amplia gama de
algoritmos para calcular el valor numérico de una integral definida y, por extensión,
el término se usa a veces para describir algoritmos numéricos para resolver
ecuaciones diferenciales.

Hay varias razones para llevar a cabo la integración numérica. La principal puede
ser la imposibilidad de realizar la integración de forma analítica. Es decir,
integrales que requerirían un gran conocimiento y manejo de matemática
avanzada pueden ser resueltas de una manera más sencilla mediante métodos
numéricos. Incluso existen funciones integrables pero cuya primitiva no puede ser
calculada, siendo la integración numérica de vital importancia.
La solución analítica de una integral nos arrojaría una solución exacta mientras
que la solución numérica nos daría una solución aproximada.

Definición
La integración numérica es una técnica que se puede usar para aproximar el valor
de la integral de una función que no sea posible anti diferenciar (integrar).Con el
objeto de integrar numéricamente la integral comprendida en el intervalo cerrado
[a, b], lo podemos hacer a través de dos métodos de integración numérica: la
Regla del trapecio y la Regla de Simpson.

4.1 Ecuaciones de diferencias divididas finitas para datos

uniformemente distribuidos.
Una diferencia finita es una expresión matemática de la forma f(x + b) − f(x +a). Si
una diferencia finita se divide por b−a se obtiene una expresión similar
al cociente diferencial, que difiere en que se emplean cantidades finitas en lugar
de infinitesimales. La aproximación de las derivadas por diferencias finitas
desempeña un papel central en los métodos de diferencias finitas del análisis
numérico para la resolución de ecuaciones diferenciales.

Diferencias finitas centradas y laterales.

Sólo se consideran normalmente tres formas:
la anterior, la posterior y la central.
Una diferencia
progresiva, adelantada o posterior es una
expresión de la forma

Dependiendo de la aplicación, el
espaciado h se mantiene constante o se
toma el límite h → 0.

Una diferencia regresiva, atrasada o anterior es de la forma

Finalmente, la diferencia central es la media de las diferencias anteriores y

posteriores. Viene dada por:

Relación con las derivadas

La derivada de la función f en un punto x está definida por el límite:
Si h tiene un valor fijado no nulo, en lugar de aproximarse a cero, el término de la
derecha se convierte en:

Por lo tanto, la diferencia posterior dividida por h aproxima a la derivada cuando h es

pequeño. El error de esta aproximación puede derivarse del teorema de Taylor.
Asumiendo que f es continuamente diferenciable, el error es:

La misma fórmula es válida en la diferencia anterior:

Sin embargo, la diferencia central lleva a una aproximación más ajustada. Su error
es proporcional al cuadrado del espaciado (si f es dos veces continuamente
diferenciable).

Cálculo de diferencias finitas.

La diferencia anterior puede considerarse un operador diferencial que hace
corresponder la función f con Δf. El teorema de Taylor puede expresarse por la
fórmula:

Donde D denota el operador derivada, que hace corresponder f con su derivada f’,
es decir:

Formalmente, invirtiendo la exponencial,

Esta fórmula sigue siendo válida en el sentido de que ambos operadores dan el
mismo resultado cuando se aplican a un polinomio. Incluso para funciones
analíticas, las series de la derecha no convergen con seguridad, sino que puede
tratarse de una serie asintótica. Sin embargo, pueden emplearse para obtener
aproximaciones más precisas de la derivada. Por ejemplo, Los dos primeros
términos de la serie llevan a:
El error de la aproximación es del orden de h2. Las fórmulas análogas para los
operadores posterior y central son:

Derivadas de órdenes mayores.

De forma análoga se pueden obtener aproximaciones en diferencias finitas para
derivadas de orden mayor y operadores diferenciales. Por ejemplo usando la
fórmula de la diferencia central mostrada anteriormente con un espaciado de h/2
para f’(x + h/2) y f’(x - h/2) y aplicando la fórmula de diferencia central a la derivada
de f’ en x, obtenemos la aproximación de la diferencia central de la segunda
derivada de f:

Métodos de diferencias finitas.

Otro aspecto importante es que las diferencias finitas aproximan cocientes
diferenciales a medida que h se acerca a cero. Así que se pueden usar diferencias
finitas para aproximar derivadas. Esta técnica se emplea a menudo en análisis
numérico, especialmente en ecuaciones diferenciales numéricas
ordinarias, ecuaciones en diferencias y ecuación en derivadas parciales. Los
métodos resultantes reciben el nombre de métodos de diferencias finitas.

4.2 Ecuaciones para derivar datos irregularmente espaciados.

Una manera de emplear datos irregularmente espaciados consiste en ajustar un

polinomio de interpolación de LaGrange de segundo grado a cada conjunto de tres
puntos adyacentes.
Estos polinomios no requieren que los puntos estén igualmente espaciados. Si se
deriva analíticamente el polinomio se obtiene lo siguiente:
2𝑥 − 𝑥𝑖 − 𝑥𝑖+1 2𝑥 − 𝑥𝑖−1 − 𝑥𝑖+1
𝑓 ′ (𝑥) = 𝑓(𝑥𝑖−1 ) + 𝑓(𝑥𝑖 )
(𝑥𝑖−1 − 𝑥𝑖 )(𝑥𝑖−1 − 𝑥𝑖+1 ) (𝑥𝑖 − 𝑥𝑖−1 )(𝑥𝑖 − 𝑥𝑖+1 )
2𝑥 − 𝑥𝑖−1 − 𝑥1
+ 𝑓(𝑥𝑖+1 )
(𝑥𝑖+1 − 𝑥𝑖−1 )(𝑥𝑖+1 − 𝑥𝑖 )

Donde x es el valor en el cual se quiere estimar la derivada.

La ecuación sirve para estimar la derivada en cualquier punto dentro de un intervalo

determinado por los tres puntos.
Los puntos no tienen que estar igualmente espaciados y, la estimación de la
derivada tiene la misma exactitud que la diferencia centrada.
Derivadas e integrales para datos con errores
Además de tener espaciados irregulares, otro problema en la diferenciación de
datos empíricos es que generalmente se presentan errores de medición. Una
desventaja de la diferenciación numérica es que tiende a amplificar los errores de
los datos. La figura a muestra datos uniformes sin errores, que al diferenciarse
numéricamente producen un resultado adecuado (c). En cambio, la figura b usa los
mismos datos, pero con algunos puntos ligeramente por arriba y otros por abajo.
Esta pequeña modificación es apenas notoria en la figura b. Sin embargo, el efecto
resultante en la figura d es significativo, ya que el proceso de diferenciación
amplifica los errores.

Ilustración de cómo los

pequeños errores en los
datos se amplifican
mediante la
diferenciación numérica:
a) Datos sin error
b) Datos modificados
ligeramente
c) Resultado de la
diferenciación numérica
que se obtiene de la
curva a) d) La
diferenciación resultante
de la curva b) que
manifiesta un aumento
en la variabilidad.
En cambio, la operación
inversa de integración
[moviéndose de d) a b) y
tomando el área bajo d)]
tiende a suavizar o
atenuar los errores en los
datos.

4.3 Ecuación de integración de Newton-Cotes

Las fórmulas de Newton - Cotes son los tipos de integración numérica más
comunes. Se basan en la estrategia de reemplazar una función complicada o datos
tabulados por un polinomio de aproximación que es fácil de integrar:

Donde fn(x) es un polinomio de la forma

Donde n es el grado del polinomio. Por ejemplo, en la Figura 1 se utiliza un polinomio
de primer grado como una aproximación, mientras que en la Figura 2, se emplea
una parábola con el mismo propósito.

La integral también se puede aproximar usando un

conjunto de polinomios aplicados por pedazos a la
función o datos, sobre segmentos de longitud
constante. Así, en la Figura 3, se usan tres
segmentos de línea recta para aproximar la integral.

Existen formas cerradas y abiertas de las fórmulas de Newton - Cotes. En las

formas cerradas, se conocen los datos al inicio y al final de los límites de integración.

Grado de precisión de una fórmula de integración numérica

El grado de precisión de una fórmula de integración numérica es el número natural
n que verifica que el error de truncamiento E[Pi]=0 para todos los polinomios Pi(x)
de grado i ≤ n, y existe un polinomio Pn+1(x) de grado n+1 tal que E[Pn+1]≠0.

A continuación, se explicarán las fórmulas que se obtienen cuando el grado del

polinomio de aproximación es:
 Uno (Regla del trapecio)
 Dos (Regla de Simpson)
 Tres (Regla 3/8 de Simpson)

 Regla del trapecio

La regla del trapecio es la primera de las fórmulas cerradas de Newton - Cotes.
Corresponde al caso donde el polinomio de aproximación es de primer grado:

Teniendo en cuenta que la ecuación de la recta que pasa por los puntos (a;f(a)) y
(b;f(b)) es:
El área bajo esta línea recta en el intervalo [a;b] está dada por:

Esta integral constituye una aproximación de la integral de f(x) en dicho intervalo. El

resultado de la integral anterior es:

Que se denomina regla del trapecio.

Geométricamente, la regla del trapecio consiste en aproximar el área debajo de la

curva definida por f(x), por el área bajo la recta que une los puntos (a, f(a)) y (b, f(b)).
Recuerde que la fórmula para calcular el área de un trapecio es la altura por el
promedio de las bases

Error de la regla del trapecio.

Cuando se emplea la integral bajo un
segmento de línea recta para aproximar la
integral bajo una curva, obviamente se tiene
un error que puede ser importante. Una
estimación del error de truncamiento E de la
regla del trapecio es:

Donde ξ Є (a;b). La expresión anterior indica

que si la función a integrar es lineal, la regla del trapecio será exacta. Es decir, la
regla del trapecio tiene grado de precisión n = 1. Además, sólo es posible aplicar la
regla del trapecio si f(x) es de clase C2[a;b].

La regla compuesta del trapecio.

Una forma de mejorar la precisión de la regla del trapecio consiste en dividir el
intervalo de integración [a;b] en varios segmentos, y aplicar el método a cada uno
de ellos. Las áreas de los segmentos se suman después para obtener una
aproximación de la integral en todo el intervalo. Las expresiones resultantes se
llaman fórmulas de integración, de aplicación múltiple o compuesta.
La siguiente figura muestra el formato general y la nomenclatura que se usará para
obtener integrales de aplicación múltiple.

Si hay n+1 puntos igualmente espaciados, existen n segmentos del mismo ancho:

Si a y b se designan como x0 y xn, respectivamente, la integral completa se

representará como:

Sustituyendo la regla del trapecio en cada integral se obtiene:

O, agrupando términos:

El error que se comete al aplicar la regla compuesta del trapecio está dado por:

Esto significa que el error es de orden O(h2). Además, cuando las derivadas de f(x)
se conocen, es posible estimar el número de subintervalos necesarios para alcanzar
la precisión deseada.

 Regla de Simpson.
Además de aplicar la regla del trapecio con
una segmentación más fina, otra forma de
obtener una estimación más precisa de
una integral consiste en usar polinomios
de grado superior para unir los puntos. Por
ejemplo, si se toma el punto medio del
intervalo de integración [a;b], los tres
puntos se pueden unir con una parábola.
La fórmula que resulta de tomar la integral
bajo ese polinomio se conoce como regla
de Simpson. Es decir, la regla de Simpson
se obtiene cuando el polinomio de aproximación es de segundo grado.
Si a = x0, b = x2, se llama x1 al punto medio del intervalo [a;b] y f(x) se representa
por un polinomio de LaGrange de segundo grado, la integral se transforma en:

Después de integrar y trabajar algebraicamente se obtiene:

Donde h=(b-a)/2. Esta expresión se conoce como regla de Simpson y es la segunda

fórmula de integración cerrada de Newton - Cotes.

Error de la regla de Simpson

Se puede demostrar que la aplicación de un solo segmento de la regla de Simpson
tiene un error de truncamiento dado por la fórmula:

Donde ξ Є (a;b). Así, la regla se Simpson es más precisa que la regla del trapecio.
Además, en lugar de ser proporcional a la tercera derivada, el error es proporcional
a la cuarta derivada. Esto es porque el término del coeficiente de tercer grado se
hace cero durante la integración de la interpolación polinomial. En consecuencia, la
regla de Simpson alcanza una precisión n = 3 aún cuando se base en sólo tres
puntos.

La regla compuesta de Simpson

Así como en la regla del trapecio, la regla de Simpson se mejora al dividir el intervalo
de integración en varios segmentos de un mismo tamaño:

La integral total se puede representar como:

Al sustituir la regla de Simpson en cada integral se obtiene:

Una forma más compacta de escribir la expresión anterior es:

Esto significa que el error es de orden O(h4). También, cuando se conocen las
derivadas de f(x), es posible estimar el número de subintervalos necesarios para
alcanzar la precisión deseada.
  La regla 3/8 de Simpson
De manera similar a la obtención de la regla
del trapecio y Simpson, es posible ajustar un
polinomio de Lagrange de tercer grado a
cuatro puntos e integrarlo:

Para obtener:

Donde h=(b-a)/3. Esta expresión se

llama regla 3/8 de Simpson debido a que h se
multiplica por 3/8. Ésta es la tercera fórmula de integración cerrada de Newton -
Cotes.

Error de la regla 3/8 de Simpson

Se puede demostrar que la aplicación de un solo segmento de la regla 3/8 de
Simpson tiene un error de truncamiento E:

Donde ξ Є (a;b). Como el denominador de la expresión del error de truncamiento,

en este caso, es menor que el de la regla de Simpson, se puede concluir que la
regla 3/8 de Simpson es menos precisa que la regla de Simpson.
En general, se prefiere la regla de Simpson, ya que alcanza una precisión n = 3 con
tres puntos en lugar de los cuatro puntos requeridos en la versión 3/8. No obstante,
la regla 3/8 es útil cuando el número de segmentos es impar.
Es posible aplicar la regla 3/8 de Simpson si f(x) es de clase C4[a;b]

4.4 Aplicación de la diferenciación e integración numérica.

Aplicaciones. En general, estos métodos se aplican cuando se necesita un valor

numérico como solución a un problema matemático, y los procedimientos "exactos"
o "analíticos" (manipulaciones algebraicas, teoría de ecuaciones diferenciales,
métodos de integración, etc.) son incapaces de dar una respuesta. Debido a ello,
son procedimientos de uso frecuente por físicos e ingenieros, y cuyo desarrollo se
ha visto favorecido por la necesidad de éstos de obtener soluciones, aunque la
precisión no sea completa. Debe recordarse que la física experimental, por ejemplo,
nunca arroja valores exactos sino intervalos que engloban la gran mayoría de
resultados experimentales obtenidos, ya que no es habitual que dos medidas del
mismo fenómeno arrojen valores exactamente iguales.
 4.5 Uso de herramientas computacionales.

Hoy en día, el uso de herramientas computacionales nos sirven como apoyo en la

enseñanza y aprendizaje de las matemáticas y nos permiten resolver cualquier
problema difícil que se nos vaya presentando en cualquiera de los cursos de la
licenciatura y de una manera analítica y exacta, podemos tratar de resolver,
mediante el uso y utilización adecuados de programas (software) relativos a los
procesos de aprendizaje de las mismas, preparándonos así para llegar a procesar
e interpretar la información mediante dichos métodos analíticos y numéricos, lo cual
seguramente, nos permitirá cumplir con calidad y eficacia cualquier trabajo o
proyecto que nos propongamos realizar; así pues, el aprendizaje de dichas
herramientas, constituyen un instrumento apropiado, para poder adquirir las
competencias necesarias en el manejo de programas computacionales, que nos
servirán para realizar nuestras actividades con mayor facilidad ,eficiencia, rapidez y
profesionalismo.

El uso de las nuevas tecnologías computacionales nos permite explorar, justificar e

ir construyendo nuestro propio conocimiento y la evolución que ha experimentado
el software matemáticos en los últimos años, nos conduce de manera urgente, a ir
aprendiendo las nuevas formas de hacer matemáticas.

A continuación se resumen algunos programas:

 MATLAB: potente lenguaje de programación de cuarta generación. Es un

programa interactivo que ayuda a realizar cálculos numéricos, analizando y
visualizando los datos, para resolver problemas matemáticos, físicos, etc.
integra análisis numérico, matrices, procesamiento de señales y gráficas,
todo esto en un ambiente donde los problemas y soluciones son
expresados tal como se escriben matemáticamente.

 MAPLE: permite un ambiente para resolución de problemas matemáticos

complejos que involucran expresiones algebraicas, simbólicas, cálculos
numéricos de alta precisión e visualización matemática.

 MATHEMATICA: incluye un amplio rango de funciones matemáticas, opera

con funciones, derivadas e integrales y, entre otras muchas cosas, incorpora
un módulo gráfico que tiene salida en formato.
Mathematica es el primer programa para la computación y visualización
numérica, simbólica y gráfica. Mathematica ofrece a sus usuarios una
herramienta interactiva de cálculo y un versátil lenguaje de programación
para una rápida y precisa solución a problemas técnicos.

 EXCEL: Microsoft Excel es una potente y a la vez sencilla hoja de cálculo,

en la cual haremos operaciones matemáticas, científicas y operaciones con
datos.