Diferenciación e integración

numéricas
 Derivadas e integrales
Concepto de derivada
 y f  x i  x− f  x i  Cociente incremental
=
x x
dy f  x i  x− f  x i 
= lim Derivada
d x  x0 x
 Derivadas e integrales
Concepto de integral definida
b

I =∫ f ( x) dx
a

b n

∫ f  x  dx= lim ∑ f  x i  x
a  x  0 i=1
n∞

Suma de Riemann
Suma de Riemann
 Derivadas e integrales
Relación entre derivadas e integrales: posición
versus velocidad

d
v t = y t 
dt
t

y t =∫ v t  dt
0
 Tipos de funciones
Tipo de función a integrar o diferenciar:

Función continua simple métodos analíticos

(polinomio, exp., trigon., etc.)

Función continua complicada métodos numéricos

Función tabulada métodos numéricos

Métodos sin computadora
Métodos sin computadora
Métodos sin computadora
Aplicaciones
 Aplicaciones
Cálculo de la media para variable:
● discreta:
n

∑ yi
i=1
y =
n
● continua:
b

∫ f ( x) dx
a
ȳ=
b−a
 Diferencias
● Métodos analíticos: cambian según el tipo de
función --> tablas de derivadas e integrales

● Métodos numéricos: se aplican de igual forma

a todas las funciones
Orientación
 Integración numérica
Problema de integración numérica:
se quiere aproximar la integral definida de una función f(x) en un
intervalo [a,b] evaluando f(x) en un número finito de puntos.

I =∫ f ( x) dx
a
Fórmulas de integración
de Newton-Cotes
Se basan en reemplazar el integrando por un polinomio:
b b

I =∫ f  x dx≈∫ P n  x dx
a a
2 n−1 n
P n ( x)=a 0 + a1 x+ a 2 x +...+a n−1 x + an x
1º Grado 2º Grado 3º Grado

h h h h h h

Trapecio Simpson 1/3 Simpson 3/8

Fórmulas de integración de Newton-Cotes

Aplicación múltiple
(fórmula compuesta) h

Segmentos de igual longitud h

Forma cerrada Forma abierta

Fórmulas de integración de Newton-Cotes
Se eligen n+1 puntos {x0,...,xn} en el intervalo [a,b], y se aproxima f(x) 
con un polinomio de Lagrange de grado n : 

f ( x)≈ P n ( x )=∑ f ( x i ) L i ( x )
i=0
b b
n n

∫ f ( x ) dx  ≈  ∫ ∑ f ( x ) L ( x ) dx  =
i=0
i i ∑ ai f ( x i )
⏟
i=0
a a
Fórmula de integración

donde ai =∫ L i ( x) dx para i=0,1,⋯, n

a
 Regla del Trapecio
P(x): polinomio de primer grado
n=1

f ( x)≈ P 1 ( x)

x−x 1 x− x 0
P 1 ( x )= f ( x 0 )+ f ( x1)
x 0− x 1 x 1− x 0
b x1

∫ f ( x) dx≈∫
a x0
[ x− x 1
x 0− x 1
f ( x 0 )+
x−x 0
x 1− x 0 ]
f ( x 1) dx

x1

[ ]
2 2
1 ( x− x 1 ) 1 ( x−x 0 )
                      = f ( x 0 )+ f ( x 1)
2 x0− x1 2 x1 −x 0 x 0
 Regla del Trapecio

b
x 1− x 0 x 0 −x 1
∫ f ( x ) dx≈ 2
f ( x 1 )−
2
f ( x0 )
a

b
x 1− x 0 x 1− x 0
∫ f ( x ) dx≈ 2
f ( x 1 )+
2
f ( x 0)
a

b
f ( x 0 )+ f ( x 1)
∫ f ( x ) dx≈(⏟
x −x )
2 1 0
a
Regla del trapecio  I T
 Regla del Trapecio

∫ f ( x) dx ≈ ancho × altura promedio

a
 Ejemplo 21.1 pág. 634
Integrar, desde a = 0 a b = 0.8,
2 3 4 5
f  x=0.225 x−200 x 675 x −900 x 400 x
La solución exacta es

3076
I= ≈1.640533333333333
1875
 Error de la regla del trapecio*
Partiendo de la serie de Taylor:
I II ( x− x 0 )2
f ( x )= f ( x 0 )+ f ( x 0 )( x− x 0 )+ f (ξ1 )
2!
Sustituyendo a z = x – x0 , dz = dx, e integrando
x 1 =b x1 − x 0 x 1 −x 0 x 1 −x 0 x 1 −x 0
I II z2
∫ f ( x ) dx= ∫ f (z + x 0 ) dz= f ( x 0 ) ∫ dz + f ( x 0 ) ∫ z dz + f (ξ1 ) ∫ 2
dz
x 0 =a 0 0 0 0
2 3
I ( x 1 −x 0 ) II ( x 1−x 0 )
                   = f ( x 0 )( x 1 −x 0 )+ f ( x 0 ) + f ( ξ1 )
2 6
reemplazamos la primera derivada por una diferencia
finita dividida hacia adelante:
I
f ( x 1 )− f ( x 0 ) II
( x 1 −x 0 )
f ( x 0 )= − f ( ξ2 )
( x 1−x 0 ) 2
 Error de la regla del trapecio

[ ]
b 2 3
(x 1− x 0 ) f (x 1 )− f (x 0 ) ( x 1− x 0 ) ( x 1− x 0 )
∫ f ( x)dx= f ( x 0 )( x 1− x 0 )+ 2 ( x 1− x 0 )
II
− f ( ξ2 )
2
II
+ f ( ξ1 )
6
a
3 3
f ( x 1)− f ( x 0 ) II ( x 1− x 0 ) II ( x 1− x 0 )
= f ( x 0 )( x 1− x 0 )+ ( x 1− x 0 )− f ( ξ 2 ) + f ( ξ 1)
2 4 6

Se puede demostrar que ξ 1= ξ2 , llegándose finalmente a:

b
1 II f ( x 0 )+ f ( x 1)
∫ f ( x ) dx =( x 1−x 0 )
⏟ 2
−
⏟ 12
f ( ξ )( x 1− x 0 )
3

a
Regla del Trapecio Error de truncamiento
       verdadero  E t
 Error de la regla del trapecio

1 II 3
E t =− f (ξ) h Error de truncamiento verdadero
12

1 ¯II
E a =− f ( x )h3 Error de truncamiento aproximado
12

Resultado exacto para polinomios P n ( x ) de grado n≤1.

 Ejemplo 21.1 pág. 634
0.2+0.232
f (0)=0.2 ; f (0.8)=0.232 ⇒ I Trap =0.8 =0.1728
2
E t =1.640533−0.1728=1.467733 ⇒  t =89.5 %
Estimación del error
f II (x )=8000 x 3−10800 x 2 + 4050 x−400
0.8
3 2
∫ 8000 x −10800 x +4050 x−400 dx
f¯II (x )=
0
=−60
0.8−0

1
E a=− −600.83 =2.56
12
Ejemplo 21.1 pág. 634
 La regla del trapecio de
aplicación múltiple (regla
compuesta)
 La regla del trapecio de aplicación
múltiple (regla compuesta)
Se divide el intervalo [a,b] en n segmentos de igual longitud h=(b­a)/n:

b−a
h=
n
 La regla del trapecio de aplicación
múltiple (regla compuesta)
b x1 x2 xn

∫ f ( x) dx=∫ f ( x) dx +∫ f ( x) dx +...+ ∫ f ( x) dx
a x0 x1 x n−1

b
f ( x 0 )+ f ( x 1 ) f ( x 1 )+ f ( x 2 ) f ( x n−1 )+ f ( x n )
∫ f ( x ) dx ≈ I =h
T
2
+h
2
+...+h
2
a

[ ]
n−1
h
I T = f ( x 0 )+2 ∑ f ( x i )+ f ( x n )
2 i=1
La regla del trapecio de aplicación
múltiple (regla compuesta)
3 n
(b−a) Error de truncamiento verdadero
E t =− ∑ f II ( ξi )
12 n3 i=1

∑ f II ( ξi )
considerando
f¯II =
i=1

n
se tiene
3
(b−a) ¯II
E a =− 2
f
12 n Error de truncamiento aproximado
1 2
=− h (b−a) f¯
II

12
 Regla compuesta del trapecio:
Pseudocódigo
#algoritmo 1
    
iniciar a, b, n
definir funcion f
h = (b­a)/n; x = a; s = 0
repetir para i desde 0 hasta n:
   si i==0  o  i==n:
      s = s + f(x)
   en caso contrario:
      s = s + 2*f(x)
   x = x + h
I = s*h/2
 Regla compuesta del trapecio:
Pseudocódigo
#algoritmo 2
    
iniciar a, b, n
definir funcion f
h = (b­a)/n; s = 0
repetir para i desde 0 hasta n:
 x = a + i*h
   si i==0  o  i==n:
      s = s + f(x)
   en caso contrario:
      s = s + 2*f(x)   
I = s*h/2
 Regla compuesta del trapecio:
Pseudocódigo
#algoritmo 3   (algoritmo eficiente)
    
iniciar a, b, n
definir funcion f
h = (b­a)/n; x = a; s = 0
s = f(a)
repetir para i desde 1 hasta n­1:
   x = x + h
   s = s + 2*f(x)
s = s + f(b)   
I = s*h/2
 Ejemplo 21.2, pag. 628
Usar la regla del trapecio con 2 segmentos para
calcular la integral entre a = 0 y b = 0.8 de
2 3 4 5
f  x=0.225 x−200 x 675 x −900 x 400 x
Solución. Para n = 2, h = 0.4:
f 0=0.2 ; f 0.4=2.456 ; f 0.8=0.232
0.2+2(2.456)+0.232
I T =0.8 =1.0688
4
E t =1.640533−1.0688=0.57173 ;  t =34.9 %
0.83
E a=− 2
−60=0.64
12 2
 Ejemplo 21.2, pag. 628
● Código en Octave: trapecio.m
● Código en Python: trapecio.py

● Planilla de cálculo: trapecio.ods

 Ejemplo 21.3 pag. 629
Calcular la distancia recorrida por el paracaidista
en 10 s
m kg
Parámetros g=9.8 2 ; m=68.1 kg ; c=12.5
s s

 dt
t t c
gm − t
d=∫ vt  dt= ∫ 1−e m

0 c 0
● Código en Octave: p21_3.m
● Código en Python: p21_3.py
 Reglas de Simpson
Regla 1/3 de Simpson: P(x) de segundo grado

b−a
h=
2

Regla 3/8 de Simpson: P(x) de tercer grado

b−a
h=
3
 Regla 1/3 de Simpson
P(x): polinomio de segundo grado
n=2 f ( x)≈ P 2 ( x)
( x− x 1)( x−x 2 ) ( x− x 0 )( x− x 2 ) ( x−x 0 )( x−x 1 )
P 2 ( x)= f ( x 0 )+ f ( x 1 )+ f ( x 2)
( x 0 − x 1)( x 0− x 2 ) ( x 1− x 0 )( x 1− x 2 ) ( x 2 −x 0 )( x 2 −x 1)
x2

I≈∫
x0
[ ( x− x 1)( x− x 2 )
( x 0− x 1)( x 0− x 2 )
f ( x 0 )+
( x−x 0 )( x−x 2 )
( x 1−x 0 )( x 1−x 2 )
f ( x 1)+
( x−x 0 )( x−x 1)
( x 2 −x 0 )( x 2 − x 1) ]
f ( x 2 ) dx

Integrando y sustituyendo a x 2 =x 1 +h , x 0 = x 1−h :

h f ( x 0 )+ 4 f ( x 1 )+ f ( x 2 )
IS = [ f ( x 0 )+4 f ( x 1 )+ f ( x 2 ) ] =(b−a)
⏟⏟
1/3
3 6
ancho
altura promedio
 Error de la regla 1/3 de Simpson *
Partiendo de la serie de Taylor:
( x− x 1 )2 ( x−x 1 )3 ( x− x 1 )4

f ( x)= f ( x 1 )+ f I ( x 1)( x− x 1 )+ f II ( x 1 ) + f III ( x 1) + f ( ξ1) IV

2 6 24
Sustituyendo a z= x− x 1 , dz=dx , e integrando entre ­h y h:
b h h h h 2
I II z
∫ f ( x) dx=∫ f ( z + x 1 ) dz= f ( x 1 ) ∫ dz + f ( x 1 ) ∫ z dz+ f ( x 1 ) ∫
2
dz +
a −h −h −h −h
h 3 h 4
III z IV z
f ( x 1)∫ dz+ f ( ξ 1 ) ∫ dz
−h 6 −h 24
Entre los límites elegidos se anulan los coeficientes de las
derivadas de orden impar:
b h 3 h h

[] [ ]
5
z II IV z
∫ f ( x) dx=∫ f ( z + x 1 ) dz= f ( x 1 )2 h+ f ( x 1 )
6
+ f ( ξ1 )
120
a −h −h −h
3 5
h II h IV
=2 h f ( x 1 )+ f ( x 1 )+ f ( ξ1)
3 60
 Error de la regla 1/3 de Simpson
Reemplazamos la segunda derivada por una diferencia finita centrada:

[ ]
b
h f ( x 0 )−2 f ( x 1 )+ f ( x 2 ) h IV
3 2 5
h IV
∫ f ( x) dx=2 h f ( x1 )+
3 h
2
−
12
f ( ξ2 ) +
60
f ( ξ1 )
a

f ( x 0 )−2 f ( x 1 )+ f ( x 2 ) h 5 IV h 5 IV
=2 h f ( x 1 )+ h − f ( ξ 2 )+ f ( ξ1 )
3 36 60

Se demuestra que ξ 1= ξ2 , llegándose finalmente a:

b
5
h h IV
∫ f ( x ) dx = [ f ( x 0 )+4 f ( x 1 )+ f ( x 2 ) ] −
3
⏟ ⏟ 90
f ( ξ)
a
Regla de Simpson 1/3 Error de truncamiento
       verdadero  E t
 Error de la regla 1/3 de Simpson

Error de truncamiento verdadero

1 5 IV (b−a)5 IV
E t =− h f ( ξ )=− f (ξ )
90 2880

Error de truncamiento aproximado

1 5 ¯IV (b−a)5 ¯IV
E a =− h f ( ξ )=− f (ξ )
90 2880

Da resultados para polinomios cúbicos, aun cuando su

fórmula se obtenga de una parábola!!!
 Ejemplo 21.4, pág. 633
Integrar entre a = 0 y b = 0.8
f  x=0.225 x−200 x 2 675 x 3−900 x 4400 x 5
Solución.
f 0=0.2 ; f 0.4=2.456 ; f 0.8=0.232
0.2+4(2.456)+0.232
I S =0.8 =1.367467
1/3
6
E t =1.640533−1.367467=0.2730667 ;  t =16.6 %
f IV  x =48000 x−21600 0.85
0.8 E a=− −2400=0.2730667
2880
∫ 48000x−21600 dx
IV
f =
0
=−2400
0.8−0
 La regla de Simpson 1/3 de
aplicación múltiple
Se divide el intervalo [a,b] en
n segmentos de igual longitud:

b−a
h=
n
n : número par

b x2 x4 xn

∫ f ( x) dx=∫ f ( x)dx +∫ f ( x)dx +...+ ∫ f ( x) dx

a x0 x2 x n− 2
b
h h h
∫ f ( x ) dx≈ 3 [ f ( x 0 )+4 f ( x1)+ f ( x 2 )] + 3 [ f ( x 2 )+ 4 f ( x 3)+ f ( x 4) ] +... + 3 [ f ( x n−2 )+4 f ( x n−1)+ f ( x n )]
a
 La regla de Simpson 1/3 de
aplicación múltiple
h
IS = [ f (x 0 )+ 4 f (x 1 )+2 f ( x 2 )+...+2 f (x n−2 )+4 f ( x n−1)+ f (x n ) ]
1/ 3
3

[ ]
n−1 n−2
h
IS = f ( x 0 )+ 4 ∑ f ( x i )+2 ∑ f ( x i )+ f ( x n )
1/ 3
3 i =1,3,5,.. i=2,4,6,. .

n−1 n−2

f ( x 0 )+ 4 ∑ f ( x i )+2 ∑ f ( x i )+ f ( x n )
i=1,3,5,.. i =2,4,6,. .
I S =(b−a)
⏟
1/ 3
3n
⏟
ancho
altura promedio
Error de la regla de Simpson 1/3
de aplicación múltiple
n
1 5 IV
E t =− h ∑ f ( ξi ) Error de truncamiento verdadero
90 i=2,4,6. ..

∑ f IV ( ξ i )
considerando
f¯IV =
i =1

n /2
se tiene
5
(b−a) ¯IV
E a =− 4
f
180 n Error de truncamiento aproximado
1 4
h (b−a) f¯
IV
=−
180
 Regla compuesta de Simpson 1/3:
Pseudocódigo
#algoritmo 1
    
iniciar a, b, n
definir funcion f
h = (b­a)/n; x = a; s = 0
repetir para i desde 0 hasta n:
   si i==0  o  i==n:
      s = s + f(x)
   en caso contrario si i%2==0:
      s = s + 2*f(x)
   en caso contrario:
      s = s + 4*f(x)
   x = x + h
I = s*h/3
 Regla compuesta de Simpson 1/3:
Pseudocódigo
#algoritmo 2
    
iniciar a, b, n
definir funcion f
h = (b­a)/n; s = 0
repetir para i desde 0 hasta n:
 x = a + i*h
   si i==0  o  i==n:
      s = s + f(x)
   en caso contrario si i%2==0:
      s = s + 2*f(x)
   en caso contrario:
      s = s + 4*f(x)   
I = s*h/3
 Regla compuesta de Simpson 1/3:
Pseudocódigo
#algoritmo 3   (algoritmo eficiente)
    
iniciar a, b, n
definir funcion f
h = (b­a)/n; x = a; s = 0
s = f(a)
x = x + h  # primer punto interno (indice impar)
# puntos internos de indice impar
repetir para i desde 1 hasta n­1 cada 2:   
   s = s + 4*f(x)
   x = x + 2*h
x = a  # punto externo inferior
# puntos internos de indice par
repetir para i desde 2 hasta n­2 cada 2:
   x = x + 2*h
   s = s + 2*f(x)
s = s + f(b)   
I = s*h/3
 Ejemplo 21.5
Integrar entre a = 0 y b = 0.8
f  x=0.225 x−200 x 2 675 x 3−900 x 4400 x 5
Solución.
x f(x)
0.2+ 4(1.288+3.464)+ 2(2.456)+ 0.232
0 0.2 I S =0.8 =1.623467
1/ 3
12
0.2 1.288
0.4 2.456
E t =1.640533−1.623467=0.017067 ; εt =1.04 %
0.6 3.464
0.8 0.232 5
0.8
E a =− 4
(−2400)=0.017067
180(4)
● Planilla de cálculo: simpson13.ods
 Regla 3/8 de Simpson
Se integra un polinomio de tercer grado:

[ ]
3 3 x2 3 3
 x−x j  ( x− x j )
P 3 x=∑ ∏ I ≈∫ ∑ ∏ ( x −x ) dx
i=0 j=0  x i −x j  x 0 i=0 j=0 i j
j≠i j≠i

Integrando y sustituyendo a x i = x 0 +i⋅h , siendo h=(b­a)/ 3:

3h f ( x 0 )+3 f ( x 1 )+3 f ( x 2 )+ f ( x 3 )
IS 3/ 8
=
8
[ f ( x 0 )+3 f ( x 1 )+3 f ( x 2 )+ f ( x 3 ) ] =(b−a)
⏟⏟ 8
ancho
altura promedio

3 5 IV (b−a)5 IV
Error de truncamiento: E t =− h f ( ξ )=− f ( ξ)
80 6480

Resultado exacto para polinomios P n ( x ) de grado n≤3.

 Ejemplo 21.6. pag. 637
Integrar entre a = 0 y b = 0.8
f  x=0.225 x−200 x 2 675 x 3−900 x 4400 x 5
a) con la regla de Simpson 3/8
b) En 5 intervalos, usando las reglas 1/3 y 3/8 de
Simpson
a) Se divide en 3 partes iguales
x f(x) 0.2+3(3.487177+1.432724)+0.232
IS =0.8 =1.519170
0 0.2 3 /8
8
0.533333 3.487177
0.266667 1.432724 E t =1.640533−1.519170=0.1213630 ; εt =7.4 %
0.8 0.232 5
0.8
E a=− (−2400)=0.1213630
6480
 Ejemplo 21.6. pag. 637
b) Se divide en 5 segmentos
(h = 0.16):
x f(x) I =I 1I 2 =1.645077
0 0,200000
0,16 1,296919
E t =−0.00454383
0,32 1,743393
0,48 3,186015  t =−0.28 %
0,64 3,181929
0,80 0,232000
● Planilla: simpson3_8.ods
0.16
I 1= 0.24×1.2969191.743393=0.380324
3
3
I 2= 0.16 [1.74339333.1860153.1819290.232 ]=1.264753
8
 La regla de Simpson 3/8 de
aplicación múltiple *
Se divide el intervalo [a,b] en n segmentos de igual longitud:

b−a
h= n : número múltiplo de 3
n
b x3 x6 xn

∫ f ( x) dx=∫ f ( x)dx +∫ f ( x)dx +...+ ∫ f ( x)dx

a x0 x3 x n− 3

b
3h
∫ f ( x)dx≈ I S 3/8
=
8
[ f ( x 0 )+3 f ( x 1 )+3 f ( x 2 )+ f ( x 3 ) ] +
a
3h
8
[ f ( x 3 )+3 f ( x 4 )+3 f ( x 5 )+ f ( x 6 ) ] +...+
3h
8
[ f ( x n−3 )+3 f ( x n−2 )+3 f ( x n−1 )+ f ( x n ) ]
 La regla de Simpson 3/8 de
aplicación múltiple
3h
IS = [ f ( x 0 )+3 f ( x 1)+3 f ( x 2 )+2 f ( x 3 )+...+
3/8
8
2 f (x n−3 )+3 f ( x n−2 )+3 f ( x n−1 )+ f ( x n )]

[ ]
n−1 n−3
3h
IS = f ( x 0 )+3 ∑ f ( x i )+2 ∑ f ( x i )+ f ( x n )
3/ 8
8 i =1,2,4,5,.. i=3,6,9,. .

[( )]
n−1 n−3
f ( x 0 )+3 ∑ f ( x i )+2 ∑ f ( x i )+ f ( x n )
i =1,2,4,5,.. i=3,6,9,. .
I S =(b−a)
⏟3
3/ 8
8n
ancho ⏟
altura promedio
 Regla compuesta de Simpson 3/8:
Pseudocódigo
#algoritmo 1
    
iniciar a, b, n
definir funcion f
h = (b­a)/n; x = a; s = 0
repetir para i desde 0 hasta n:
   si i==0  o  i==n:
      s = s + f(x)
   en caso contrario si i%3==0:
      s = s + 2*f(x)
   en caso contrario:
      s = s + 3*f(x)
   x = x + h
I = 3*h/8*s
 Regla compuesta de Simpson 3/8:
Pseudocódigo
#algoritmo 2
    
iniciar a, b, n
definir funcion f
h = (b­a)/n; s = 0
repetir para i desde 0 hasta n:
 x = a + i*h
   si i==0  o  i==n:
      s = s + f(x)
   en caso contrario si i%3==0:
      s = s + 2*f(x)
   en caso contrario:
      s = s + 3*f(x)   
I = 3*h/8*s
 Regla compuesta de Simpson 3/8:
Pseudocódigo
#algoritmo 3   (algoritmo eficiente)
    
iniciar a, b, n
definir funcion f
h = (b­a)/n; x = a; s = 0
s = f(a)
x = x + h  # primer punto interno (indice 1)
# puntos internos de indice no multiplo de 3
repetir para i desde 1 hasta n­1 cada 3:   
   s = s + 3*f(x)
   x = x + h
   s = s + 3*f(x)
   x = x + 2*h
x = a  # punto externo inferior
# puntos internos de indice multiplo de 3
repetir para i desde 3 hasta n­3 cada 3:
   x = x + 3*h
   s = s + 2*f(x)
s = s + f(b)   
I = 3*h/8*s
 Algoritmos
● Código en Octave regla 1/3 de simpson compuesta:
simpson1_3.m
● Código en Octave regla 3/8 de simpson compuesta:
simpson3_8.m
● Código en Python regla 1/3 de simpson compuesta:
simpson1_3.py
● Código en Python regla 3/8 de simpson compuesta:
simpson3_8.py

Otras fórmulas de Newton-Cotes

Fórmulas de Newton-Cotes: integrales.pdf
 Integración con segmentos
desiguales
Apropiada para datos experimentales
Por ejemplo, con la regla trapezoidal:

f ( x 0 )+ f ( x 1 ) f ( x 1 )+ f ( x 2 ) f ( x n−1 )+ f ( x n )
I ≈ h1 +h 2 +...+h n
2 2 2
 Ejemplo 21.7 pag. 640
Integrar a partir de los datos:
x f(x)
0,00 0,200000
● solución en 21_7.ods
0,12 1,309729
0,22 1,305241
0,32 1,743393
0,36 2,074903
0,40 2,456000
0,44 2,842985
0,54 3,507297
0,64 3,181929
0,70 2,363000
0,80 0,232000
 Ejemplo 21.8 pag. 641

x f(x)
0,00 0,200000
0,12 1,309729
0,22 1,305241
0,32 1,743393
0,36 2,074903
0,40 2,456000
0,44 2,842985
0,54 3,507297
0,64 3,181929
0,70 2,363000
0,80 0,232000

● Solución en 21_8.ods
Problemas 21.1 a 21.23 pag. 645
Límite de precisión de las fórmulas
de Newton-Cotes
n : número de segmentos

Muchas evaluaciones de
f(x) para alcanzar alta
precisión.

Para n grandes predomina

el error de redondeo.
 Integración Numérica
Eficiente de Funciones
Se conoce la expresión de f(x).

Extrapolación de Richardson: se usan dos estimaciones

numéricas de una integral con el mismo orden del error
de truncamiento, para obtener una tercera estimación más
exacta.

Algoritmo de Romberg: usa la regla compuesta del trapecio

para obtener estimaciones preliminares, aplicando luego el
proceso de Extrapolación de Richardson para mejorar las
aproximaciones.
Extrapolación de Richardson
El valor exacto I de una integral definida consta de la estimación
y el error correspondiente de la fórmula de integración numérica
usada:
I =I (h)+ E (h)
Aplicada con dos pasos distintos, siendo h1>h2:
I (h 1 )+ E (h 1 )=I (h 2 )+ E (h 2 )
Usando la regla del trapecio compuesta, el error de
truncamiento se aproxima:
3
(b−a) ¯II (b−a) 2 ¯II
E≈− 2
f =− h f
12 n 12
 Extrapolación de Richardson
Suponiendo f¯ ≈cte para todo tamaño de paso h, se puede
II

escribir: 2 2
E (h1 ) h1 h1
≈ 2 ⇒ E (h 1 )≈ E (h 2 )
E (h 2 ) h 2 h2 ( )
Reemplazando,
2
h1
( )
I (h 1 )+ E (h 2 )
h2
≈ I (h 2 )+E (h 2 )

despejando,
I (h1 )−I (h 2 )
E (h 2 )≈ 2
1− ( h 1 /h 2 )
 Extrapolación de Richardson
reemplazando,
I (h 2 )−I (h 1 )
I =I (h 2 )+E (h 2 )≈...≈ I (h 2 )+ 2
( h 1 /h 2 ) −1
Se puede demostrar que el error es del orden de
O(h4).

En el caso en que h 2 = h1 / 2
I (h 2 )−I (h 1 ) 4 1
I ≈I (h 2 )+ 2
= ... = I (h 2 )− I (h 1)
2 −1 3 3
 Ejemplo 22.1 pag. 652
Integrar entre a = 0 y b = 0.8
f  x=0.225 x−200 x 2 675 x 3−900 x 4400 x 5
De la aplicación de la regla del trapecio,
n           h                 I             et(%)
1      0.8000      0.1728        89.5
      2      0.4000      1.0688        34.9
      4      0.2000      1.4848          9.5
Con 1 y 2 segmentos,
4 1
I≈ 1.0688− 0.1728=1.367467 ⇒ ...εt =16.6 %
3 3
Con 2 y 4 segmentos,
4 1
I ≈ 1.4848− 1.0688=1.623467 ⇒ ...εt =1.0 %
3 3
 Extrapolación de Richardson
Se puede demostrar que:
4 1 4
IS (h 2 )= I T (h 2 )− I T (h 1)+O (h )
1/ 3
3 3
A partir de dos estimaciones de O(h4), realizando el mismo
procedimiento usado para la regla del trapecio, se llega a:
I (h 2 )−I (h 1 )
I ≈I (h 2 )+ 4
( h 1 /h 2 ) −1
En el caso en que h2 = h 1 / 2
16 1 6
I = I h 2 − I h1 Oh 
15 15
 Ejemplo 22.2 pag. 653
Obtener una estimación de O(h6) a partir del
ejemplo 22.1:
16 1
I ≈ 1.623467− 1.367467=1.640533
15 15
 Extrapolación de Richardson:
Caso General *
A partir de dos estimaciones de O(hn), se obtiene
una aproximación de O(hn+2):
I (h 2 )−I (h1 ) n+ 2
I =I (h 2 )+ +O (h )
n
( h1 / h2 ) −1

En el caso en que h2 = h 1 / 2

I (h 2 )− I (h1 ) n+2
I =I (h 2 )+ n
+O (h )
2 −1
 Algoritmo de Romberg
En general,
k −1
4 I j1, k−1−I j , k−1
I j , k= k −1
4 −1
k : nivel de integración
j : estimación
Por ejemplo, para k = 2 y j = 1,
2−1
4 I 2,1−I 1,1 4 I 2,1−I 1,1
I 1,2 = =
4 2−1−1 3
 Algoritmo de Romberg
La iteración continúa hasta que

∣
∣ a∣=
I 1, k −I 1, k −1
I 1, k ∣
100 % s

● Planilla de cálculo: romberg.ods

● Código en Octave: romberg.m
● Código en Octave: romberg.py
 Integrales impropias
Se resuelven con una sustitución:
b 1/ a
1 1
a 1/ b
()
∫ f ( x) dx= ∫ t 2 f t dt , a b>0
Es decir cuando a > 0 y b → +∞, o a → ­∞ y b < 0.
Si a∙b < 0, se puede hacer:
b −A b

∫
−∞
f ( x) dx= ∫ f ( x) dx + ∫ f ( x) dx
−∞ −A
 Integrales impropias
Se deben usar fórmulas abiertas, o combinar
fórmulas abiertas con fórmulas cerradas:
xn

[ ]
n−2
3 3
∫ f  x  dx=h f  x i  ∑ f  x i  f  x n−1 
2 2
x0 i=2
Regla del trapecio + regla del punto medio

O desarrollar una fórmula semiabierta:

x

[ ]
n−1
3 1
n

∫ f  x  dx=h 2 f  x i ∑ f  x i  2 f  x n 
x 0
i=2
 Integrales impropias
Regla extendida del punto medio:
xn

∫ f  x  dx=h [ f  x 1/ 2  f  x 3/2 ... f  x n−3/ 2  f  x n−1/ 2  ]

x0
 Ejemplo 22.6 pag. 664
Distribución normal
x
1 −x /22

N ( x)= ∫ e dx
−∞ √2 π
y−μ y
donde x= σ
y

Calcular N(1)
 Ejemplo 22.6 pag. 664
Solución.
−2 1

N (1)=
1
√2 π ( ∫
−∞
e
2
−x / 2
dx + ∫ e
−2
2
−x / 2
dx
)
La primera integral se calcula como
−2 0
2
−x / 2 1 −1/(2 t ) dt
2

∫
−∞
e dx= ∫
t 2
e
−1/2
Usando la regla extendida del punto medio (h = 1/8):
0

∫
−1/2
1 −1/(2 t ) dt 1
t 2
e
2

8 [ ( ) ( ) ( ) ( )]
≈ f −
7
16
+f −
5
16
+f −
3
16
+f −
1
16
 Ejemplo 22.6 pag. 664
1
...= [0.3833+0.0612+ 0+0]=0.0556
8
La segunda integral se calculas usando la regla
1/3 de Simpson con h = 0.5:
1
−x 2 /2 0.1353+ 4(0.3247+0.8825+ 0.8825)+ 2(0.6065+1)+0.6065
∫e dx=[1−(−2)]
3×6
−2
1
−x 2 / 2
∫e dx=2.0523
−2
El resultado final es
1
N (1)≈ (0.0556+2.0523)=0.8409 ⇒ εt =0.046 %
√2 π
 Problemas
● 22.1 a 22.3
● 22.9 a 22.11
● 22.14 y 22.15
 Diferenciación numérica
Recordando que a partir de la serie de Taylor:
f ' ' ( xi ) 2
f ' ' ' ( xi) 3
f ( x i+ 1 )= f ( x i )+ f ' ( x i ) h+ h+ h + ...
2! 3!
Es posible obtener:
f ( x i+ 1 )− f ( x i ) f ' ' ( xi ) 2
f ' ( x i )= − h+ O( h )
h 2
Que se puede escribir como:
f ( x i+ 1 )− f ( x i )
f '( x i )= + O( h)
h
Diferencia finita dividida hacia
adelante
 Diferenciación numérica
En forma similar se obtenían
f ( x i )− f ( x i−1 )
f '( x i )= + O( h)
h
Primera diferencia finita dividida
hacia atrás

y
f ( x i+ 1 )− f ( x i− 1 ) 2
f '( x i )= + O( h )
2h
Primera diferencia finita dividida
centrada
 Diferenciación numérica
Si escribimos
f ' ' ( xi) 2
f ' ' ' ( x i) 3
f ( x i+ 2 )= f ( x i )+ f ' ( x i ) 2 h+ ( 2 h) + ( 2 h) + ...
2! 3!
Ahora hacemos
2
f ( x i+ 2 )− 2 f ( x i+ 1 )=...=− f ( x i )+ f ' ' ( x i ) h + ...

despejando,
f ( x i+ 2 )− 2 f ( x i+1 )+ f ( x i )
f ' ' ( x i )= 2
+ O( h)
h
Segunda diferencia finita dividida
hacia adelante
 Diferenciación numérica
En forma similar, haciendo f ( x i− 2 )−2 f ( x i−1 )

f ( x i )− 2 f ( x i− 1 )+ f ( x i−2 )
f ' ' ( x i )= 2
+ O( h)
h
Segunda diferencia finita dividida
hacia atrás

En forma similar, haciendo f ( x i+ 1 )+ f ( x i−1 )

f ( x i+ 1 )− 2 f ( x i )+ f ( x i−1 ) 2
f ' ' ( x i )= 2
+ O( h )
h
Segunda diferencia finita dividida
centrada
 Diferenciación numérica
f ( x i+ 2 )− 2 f ( x i+ 1 )+ f ( x i )
Sustituyendo f ' ' ( x i )= 2
+ O( h)
h
en
f ( x i+ 1 )− f ( x i ) f ' ' ( xi ) 2
f '( x i )= − h+ O( h )
h 2
se llega a

f '( x i )=
f ( x i+ 1 )− f ( x i )
h
−
[ f ( x i+ 2 )−2 f ( x i+1 )+ f ( x i )
2h
2
]
+ O( h) h+ O( h )
2

Es decir
− f ( x i+ 2 )+ 4 f ( x i+ 1 )− 3 f ( x i ) 2
f '( x i )= + O( h )
2h
 Fórmulas de diferencias finitas
divididas
En forma similar se obtienen las fórmulas
indicadas en derivadas.pdf

Ejemplo 23.1 pag. 671

Encontrar la derivada de f(x) en x = 0.5
4 3 2
f ( x )=−0.1 x −0.15 x −0.5 x −0.25 x +1.2

Valor exacto:
3 2
f ' (0.5)=−0.3×0.5 −0.45×0.5 −0.5−0.25=−0.9125
 x f(x)
Ejemplo 23.1 pag. 671 0 1.2
0.25 1.103516
0.5 0.925
Con fórmulas de exactitud O(h): 0.75 0.6363281
1 0.2
0.925−1.103516
f ' (0.5)= =−0.714 ; εt =21.7 %
0.25 Diferencia finita dividida hacia atrás

0.6363281−0.925
f ' (0.5)= =−1.155 ; εt =−26.5 %
0.25
Diferencia finita dividida hacia adelante

Con fórmulas de exactitud O(h2):

0.6363281−1.103516
f ' (0.5)= =−0.934 ; εt =−2.4 %
2×0.25
Diferencia finita dividida centrada
 x f(x)
Ejemplo 23.1 pag. 671 0 1.2
0.25 1.103516
0.5 0.925
Con fórmulas de exactitud O(h2): 0.75 0.6363281
1 0.2

−0.2+ 4×0.6363281−3×0.925
f ' (0.5)= =−0.859375 ; εt =5.82
2×0.25 Diferencia finita dividida hacia adelante

3×0.925−4×1.103516+1.2
f ' (0.5)= =−0.878125 ; εt =3.77%
2×0.25
Diferencia finita dividida hacia atrás

Con fórmulas de exactitud O(h4):

−0.2+8×0.6363281−8×1.1035156+1.2
f ' (0.5)= =−0.9125 ; εt =0 %
12×0.25
Diferencia finita dividida centrada
 Extrapolación de Richardson
También se puede aplicar a las derivadas (O(h²)):

D h 2 −D h1 
D≈D h 2  2
 h1 /h2  −1
Si h2 = h1 / 2 :
4 1
D≈ Dh 2 − Dh 1 
3 3
 Extrapolación de Richardson:
Caso General *
A partir de dos estimaciones de O(hn), se obtiene
una aproximación de O(hn+2):
D (h 2 )−D(h1 ) n+ 2
D=D (h 2 )+ +O (h )
n
( h1 / h 2 ) −1
En el caso en que h2 = h 1 / 2
D (h 2 )−D(h1 ) n+2
D= D(h 2 )+ n
+O (h )
2 −1
Se puede usar el algoritmo de Romberg
 Ejemplo 23.2 pag 672
Calcular la primera derivada en x = 0.5
4 3 2
f ( x)=−0.1 x −0.15 x −0.5 x −0.25 x +1.2

Con fórmulas centradas, pasos 0.5 y 0.25:

0.2−1.2
f ' (0.5)= =−1.0 ; εt =−9.6 %
2×0.5
0.6363281−1.103516
f ' (0.5)= =−0.934375 ; εt =−2.4 %
2×0.25
extrapolando,
4 1
f ' (0.5)= (−0.934375)− (−1)=−0.9125 ; εt =0 %
3 3
 Derivadas de datos irregularmente
espaciados
● Datos experimentales y/o de campo
● Ajustar un polinomio de Lagrange de grado 2 a
3 puntos adyacentes

2 x−x i −x i+1 2 x− x i−1−x i+1

f ' ( x)= f ( x i−1 ) + f ( xi )
( x i−1− x i )( x i−1−x i+1 ) ( x i− x i−1 )( x i −x i+1 )
2 x− x i−1− x i
+ f ( x i +1 )
( x i+1−x i−1 )( x i+1−x i )
 Ejemplo 23.3 pag. 673
Cálculo del flujo de calor en la sup. del suelo
● Ley de Fourier
dT
q(z=0)=−k ρC ( )
dz z =0

● Parámetros
2
−7 m
k=3.5×10
s
kg J
ρ=1800 3 C=840
m kg⋅° C
 Ejemplo 23.3 pag. 673
Solución:
2 (0)−1.25−3.75 2(0)−0−3.75
f ' ( x)=13.5 +12
(0−1.25)(0−3.75) (1.25−0)(1.25−3.75)
2(0)−0−1.25
+10 =−1.333333 ° C / cm
(3.75−0)(3.75−1.25)
2
m kg J C
q(z=0)=−3.5×10
−7

s
1800 3 840
m kg⋅° C (
−133.3333 °
m )
W
q(z=0)=70.56 2
m
 Derivadas e integrales para datos
con errores
● Datos empíricos
● La diferenciación numérica tiende a amplificar los errores
● Se prefiere ajustar por mínimos cuadrados un polinomio de
bajo grado y derivarlo.
● La integración (por
ser una suma)
tiende a
compensar los
errores y es mucho
más estable
 Uso de Octave
● quad
● trapz
● diff

Problemas 23.1 a 23.27 pag. 679

 Estudio de casos
Determinación de la cantidad total de calor
El calor necesario para incrementar la
temperatura de un material es
Δ H =m c Δ T
Donde la capacidad calorífica c puede variar con la
temperatura:
c(T )=0.132+1.56×10−4 T +2.64×10−7 T 2
Calcular el calor necesario para elevar la
temperatura de 1000 g de ese material desde ­100 a
200 °C.
 Determinación de la cantidad total
de calor
Solución: el incremento de temperatura se calcula
como T 2

Δ H =m ∫ c(T )dT
T1

Se aplica la regla del trapecio.

Solución en caso24_1.m
Fuerza efectiva sobre el mástil de
un bote de vela de carreras

30
z
F =∫ 200
0
( )
5+z
e
−2 z / 30
dz
 Fuerza efectiva sobre el mástil de
un bote de vela de carreras
La posición de la fuerza viene dada por:
30

∫ z f (z)dz
0
d= 30

∫ f (z)dz
0

Determinar la fuerza T en el cable.

Determinación de F y d en planilla de cálculo:
caso24_2.ods
F = 1480,56 lb
d = 13,05 ft
 Fuerza efectiva sobre el mástil de
un bote de vela de carreras
Ecuaciones de equilibrio:
∑ F H =0=F−T sin θ−H
∑ F V =0=V −T cosθ
∑ M 0 =0=3V −F d
F d 1480.6×13.05
V= = =6440.6 lb
3 3
V 6440.6
T= = =6473lb
cos θ 0.995
H =F −T sin θ=1480.6−6473×0.0995=836.54 lb
 Raíz media cuadrática de la
corriente eléctrica
El valor medio de la CA
puede ser cero:
T
2πt

i=
0
( )
∫ sin T dt
T −0
−cos(2 π)+cos 0
i= =0
T
En su lugar, se calcula

√ √
T T
1 2 1 2
I RMC = ∫
T 0
i (t) dt= ∫
T 0
( 10 e sin 2 π t ) dt
−t
 Raíz media cuadrática de la
corriente eléctrica
Se usa la integración de Romberg para calcular la
integral

Código en Octave: caso24_3.m

I = 15.41261

La IRMC se calcula como (con T = 1):

√ 1
I RMC = 15.41261=3.925890 A
1
 Cálculo del trabajo
Trabajo:
W =F ×d Si F es cte

xn

W =∫ F ( x) dx
x0

Si θ no es constante:
xn

W =∫ F ( x)cos [θ( x)] dx

x0
 Cálculo del trabajo
Datos
x, ft F(x), lb θ, rad F(x) cos θ
0 0,0 0,50 0,0000
5 9,0 1,40 1,5297
10 13,0 0,75 9,5120
15 14,0 0,90 8,7025
20 10,5 1,30 2,8087
25 12,0 1,48 1,0881
30 5,0 1,50 0,3537

Solución en caso24_4.ods
 Cálculo del trabajo
¿¿Por qué la regla del trapecio con 2 tramos da el
mejor resultado??
 Cálculo del trabajo
¿Cómo podría mejorarse la estimación?
Problemas 24.1 a 24.55 pag. 693
1)
2)
3)

4)

5)