Instituto Tecnológico de Veracruz. Trabajo de la Unidad: Diferenciación e Integración Numérica. Materia: Métodos Numéricos.

Alumno: Pérez Puch Irving Jahir. Grupo: 4J2A. Ciclo Escolar: Enero – Julio 2012. Fecha: 16 / Mayo / 2012.

Índice.

Introducción...........................................................................................................................3

Diferenciación Numérica.......................................................................................................5

Integración Numérica..........................................................................................................17

Integración Múltiple............................................................................................................22

Aplicaciónes..........................................................................................................................24

Bibliografia...........................................................................................................................24

. así como la fórmula de interpolación de LaGrange. Los métodos de integración numérica se obtienen al integrar los polinomios de interpolación. Para obtener una buena precisión se necesita un gran número de subintervalos. que se basan en las fórmulas de interpolación con puntos de separación constantes y se deducen de integrar las fórmulas de interpolación de Newton. Los métodos que se estudiarán se refieren a las fórmulas de Newton-Cotes. o cuya antiderivada tiene valores que no son fácilmente obtenibles. Incluso en el caso en que sea posible la integración analítica. El método básico involucrado para aproximar cualquier función a su integral se conoce como cuadratura numérica y se usa una sumatoria de las funciones evaluadas en un intervalo.Introducción. Los métodos de integración numérica se pueden utilizar para integrar funciones dadas. ya sea mediante una tabla o en forma analítica. las distintas fórmulas de interpolación darán por resultado distintos métodos de integración numérica. las fórmulas de Newton-Cotes se subdividen en las de tipo cerrado y las de tipo abierto. Por consiguiente. Las reglas del trapecio y las dos reglas de Simpson pertenecen al tipo cerrado. A su vez. Regla del Trapecio: Esta regla es un método de integración numérica que se obtiene al integrar el polinomio de interpolación de primer grado (Lineal). Con frecuencia surge la necesidad de evaluar la integral definida de una función que no tiene una antiderivada explícita. la integración numérica puede ahorra tiempo y esfuerzo si sólo se desea conocer el valor numérico de la integral.

Puesto que el orden del error de la regla de 3/8 es el mismo que el de la de 1/3. Obteniendo el polinomio de Newton ajustado a tres puntos e integrando el resultado se tiene la regla de 1/3 de Simpson. (N=par).). Cuando el número de intervalos es impar pero sin ser múltiplo de tres. que son un número par. El número de intervalos utilizados en esta regla debe ser par. Regla de 3/8 de Simpson: Esta regla de 3/8 se obtiene al integrar una formula de interpolación de tercer grado.Regla de 1/3 de Simpson: Esta regla se basa en la interpolación polinomial cuadrática (de segundo orden). no se gana mayor exactitud que con la regla de 1/3 cuando uno puede elegir con libertad entre ambas reglas. Para la regla extendida se aplica a un número de intervalos que sea múltiplo de tres. . se puede utilizar la regla de 3/8 para los primeros tres o los últimos tres intervalos y luego usar la regla de 1/3 para los intervalos restantes.

la diferencial entre h) se le conoce como primera diferencia dividida finita. la longitud del intervalo sobre el cual se hace la aproximación. se le llama diferencias divididas finitas. A la ecuación 1 se le conoce con el nombre especial en el análisis numérico.Diferenciación Numérica. mientras “x” con subíndice i+1 que las segundas usan información igualmente espaciada alrededor del punto donde esta estimada la derivada. Se puede representar generalmente como: o: Donde al diferencial se le conoce como la primera diferencia hacia adelante y a “h” se le llama tamaño del paso. Por ejemplo. las aproximaciones a primeras derivadas. Las aproximaciones más exactas de la primera derivada se pueden desarrollar incluyendo en la serie de Taylor términos de orden más alto. Se le llama diferencia " hacia adelante " ya que usa los datos (i) e (i+1) para estimar la derivada. esto es. utilizando las diferencias hacia atrás o las diferencias centrales se pueden desarrollar de una manera similar a la de la ecuación 2. Las primeras usan “a”. Esta diferencia dividida hacia adelante no es sino una de tantas que se pueden desarrollar mediante la serie de Taylor para la aproximación de derivadas numéricas. Al termino completo (o sea. .

ilustrando como se deriva cada una de ellos. Las siguientes secciones analizan brevemente estos casos. 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.Finalmente. Aproximaciones a la Primer Derivada con Diferencias Centrales. Una tercera forma de aproximar la primera derivada es restar la ecuación 4 de la expansión en serie de Taylor hacia adelante: Para obtener: Que se puede resolver para: o: La ecuación 9 es una representación de las diferencias centrales (o centradas) de la primera derivada. todas las versiones anteriores se pueden desarrollar para derivadas de segundo orden. tercer orden y ordenes superiores. . Aproximación a la Primera Derivada con Diferencias Hacia Atrás.

Por ejemplo. el error se reducirá aproximadamente a la mitad. Junta a la primera derivada. Aproximaciones a Derivadas de Orden más alto Usando Diferencias Finitas. Para hacerlo. hacia atrás y centrales también pueden obtenerse (véase en fórmulas mas adelante). la expansión de la serie de Taylor se puede usar para una estimación numérica de las derivadas de orden superior. el error se reduce a la cuarta parte. Se pueden usar procedimientos similares para obtener las versiones hacia atrás y centrales. Por lo tanto. se escribe una expansión en la serie de Taylor hacia adelante para en términos de la siguiente forma: La ecuación 8 se puede multiplicar por 2 y restarse de la ecuación 10 para obtener: que se puede resolver para: A esta relación se le llama diferencias divididas finitas hacia adelante de segundo orden. el análisis de la serie de Taylor ha llevado a la información práctica de que la diferencia central es la representación más exacta de la derivada. . mientras que para diferencias centrales. si se parte el tamaño del paso a la mitad usando diferencias hacia atrás o hacia adelante. En todos los casos.Nótese que el error de truncamiento es del orden de en contraste con las diferencias divididas hacia adelante y hacia atrás. las diferencias centradas dan una mejor aproximación. las cuales fueron de orden h. Las aproximaciones a tercer orden de las diferencias divididas hacia adelante.

Se pueden desarrollar versiones mejoradas similares para diferencias hacia atrás y centrales así como para las aproximaciones de derivadas de orden superior. . Todas las estimaciones anteriores truncaron las estimaciones dadas por la serie de Taylor después de algunos términos. Las fórmulas de mas exactitud se pueden desarrollar incluyendo términos adicionales.Formulas de Exactitud para Diferencias de Orden Superior. la expansión hacia adelante (Ecuación 6) se puede resolver para: En contraste con la ecuación 2. se puede retener el término de segundo orden sustituyendo la ecuación 12 en la ecuación 13 para obtener: agrupando términos: Nótese que la inclusión del término con segunda derivada ha dado una exactitud. Por ejemplo.

y por lo tanto es más exacta. Se presentan dos versiones para cada derivada. La segunda forma incluye más términos de la Serie de Taylor. .Formulas de Diferencias Divididas Finitas hacia atrás.

Formulas de Diferencias Divididas Finitas hacia adelante. Se presentan dos versiones para cada derivada. La segunda forma incluye más términos de la Serie de Taylor. . y por lo tanto es más exacta.

por lo tanto es más exacta. La segunda forma incluye más términos de la Serie de Taylor. Se presentan dos versiones para cada derivada.Formulas de Diferencias Finitas Centrales. .

de 0(h Cuadrara). Úsense aproximaciones de diferencias finitas hacia adelante y hacia atrás de 0(h) y centradas.Ejemplo de Aproximaciones de Derivadas usando Diferencias Finitas. para estimular la primera derivada de: .

5.5.25.5 usando un tamaño de paso h=0. los datos son: . se puede usar la función para determinar: Estos datos se pueden usar para calcular la diferencia dividida hacia adelante (Ecuación 2): la diferencia dividida hacia atrás ( Ecuación 5): y la diferencia dividida central (Ecuación 7): Para h=0.5)=-0. Nótese que la derivada se puede calcular directamente como: y se puede usar para calcular el valor exacto de f (0.25.9125.en x=0. Solución: Para h=0. Repetir los cálculos usando h=0.

que se pueden usar para calcular la diferencia dividida hacia adelante: la diferencia dividida hacia atrás: y la diferencia dividida central:>/P> Método de la Secante por medio de diferencia dividida .

En estos casos. Aunque esto no es un inconveniente para los polinomios y para muchas otras funciones. como se muestra en la siguiente figura: Esquema Grafico del Método de la Secante utilizando .Un problema fuerte en al implementación del método de Newton-Raphson es el de la evaluación de la derivada. la derivada se puede aproximar mediante una diferencia dividida. existen algunas de estas cuyas derivadas pueden ser extremadamente difíciles de evaluar.

Sin embargo. . debido a que no se requiere de f (x) cambie de signo entre estos valores.una diferencia. Ejemplo del Método de la Secante usando diferencias divididas. Nótese que el planteamiento requiere de dos puntos iniciales de x. Esta aproximación se puede sustituir en la ecuación 16 obteniendo la ecuación iterativa: La ecuación 18 es la formula para el método de la secante. a este método no se le clasifica como aquellos que usan intervalo.

56714329…. Integración Numérica. Solución.Úsese el método de la secante para calcular la raíz de f Empiécese con los valores iniciales de x (subíndice i-1) = 0 y x (subíndice 0)= 1.0. (x)=. Recuérdese que la raíz real es 0. .

como el método de Runge-Kutta. siendo la integración numérica de vital importancia. integrales que requerirían de un gran conocimiento y manejo de matemática avanzada pueden ser resueltas de una manera más sencilla mediante métodos numéricos. 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 solución analítica de una integral nos arrojaría una solución exacta. El problema básico considerado por la integración numérica es calcular una solución aproximada a la integral definida: Este problema también puede ser enunciado como un problema de valor inicial para una ecuación diferencial ordinaria. puede llegar a ser tan pequeño que es posible obtener un resultado idéntico a la solución analítica en las primeras cifras decimales. El término cuadratura numérica (a menudo abreviado a cuadratura) es más o menos sinónimo de integración numérica.En el análisis numérico. pueden ser aplicados al problema reformulado. como sigue: Encontrar y (b) es equivalente a calcular la integral. mientras que la solución numérica nos daría una solución aproximada. Los métodos desarrollados para ecuaciones diferenciales ordinarias. constituye una amplia gama de algoritmos para calcular el valor numérico de una integral definida y. Métodos para Integrales Unidimensionales. El error de la aproximación. . especialmente si se aplica a integrales de una dimensión a pesar de que para el caso de dos o más dimensiones (integral múltiple) también se utilizan. La principal puede ser la imposibilidad de realizar la integración de forma analítica. que depende del método que se utilice y de qué tan fino sea. Incluso existen funciones integrables pero cuya primitiva no puede ser calculada. En este artículo se discuten métodos desarrollados específicamente para el problema formulado como una integral definida. Es decir.

de un modo muy simplista. un modo de integración por “fuerza bruta” puede hacerse siempre.Los métodos de integración numérica pueden ser descritos generalmente como combinación de evaluaciones del integrando para obtener una aproximación a la integral. la del trapecio y la de Simpson son ejemplos. Reduciendo el número de evaluaciones del integrando se reduce el número de operaciones aritméticas involucradas. La función que sustituye la original se encuentra de forma que en un cierto número de puntos tenga el mismo valor que la original. y por tanto se reduce el error de redondeo total. Métodos basados en Funciones de Interpolación: Hay una extensa familia de métodos que se basan en aproximar la función a integrar por otra función de la cual se conoce la integral exacta. Si se escogen los nodos hasta será la fórmula de Newton-Cotes cerrada y si se escogen será la fórmula de Newton-Cotes abierta. Fórmulas de Newton-Cotes: La interpolación con polinomios evaluada en puntos igualmente separados en da las fórmulas de Newton-Cotes. Regla del Rectángulo: El método más simple de este tipo es hacer a la función interpoladora ser una función constante (un polinomio de orden cero) que pasa a través del punto . Una parte importante del análisis de cualquier método de integración numérica es estudiar el comportamiento del error de aproximación como una función del número de evaluaciones del integrando. cada evaluación cuesta tiempo. Un método que produce un pequeño error para un pequeño número de evaluaciones es normalmente considerado superior. y el integrando puede ser arbitrariamente complicado. También. de las que la regla del rectángulo. evaluando el integrando con incrementos muy pequeños. la nueva función se llama una interpolación de la función original. Como los puntos extremos forman parte siempre de este conjunto de puntos. Cuando los puntos extremos no se utilizan para encontrar la función que sustituye a la original entonces se dice extrapolación. Típicamente estas funciones son polinomios. De todos modos. Este método se llama la regla del rectángulo: Regla del Punto Medio: Si en el método anterior la función pasa a través del punto este método se llama la regla del punto medio: .

Las reglas que surgen de hacer esto se llaman reglas compuestas. hallando una aproximación para cada subintervalo. se puede hacer una aproximación más precisa dividiendo el intervalo en algún número de subintervalos. y . y se caracterizan por perder un orden de precisión global frente a las correspondientes simples. a costa eso sí de incrementar . Este método se Reglas Compuestas: Para cualquier regla interpoladora.Regla de Simpson: La función interpoladora puede ser un polinomio de grado 2 que pasa a través de los puntos llama regla de Simpson: . si bien globalmente dan valores más precisos de la integral. y finalmente sumando todos los resultados.

Los métodos de extrapolación están descritos en más detalle por Stoer y Bulirsch (Sección 3.significativamente el coste operativo del método. Cuadratura de Gauss: Si se permite variar los intervalos entre los puntos de interpolación. Por ejemplo. Estimación del Error Conservativa (a priori): Supongamos que tiene una primera derivada sobre acotada. Una regla de cuadratura de Gauss es típicamente más precisa que una regla de Newton-Cotes que requiera el mismo número de evaluaciones del integrando. cuando la anchura del paso entre puntos decrece. equivalentemente. da Para algún en dependiendo de . la regla del trapecio compuesta puede expresarse como: Donde los subintervalos tienen la forma con: Y Métodos de Extrapolación: La precisión de un método de integración del tipo NewtonCotes es generalmente una función del número de puntos de evaluación. tenemos de a en ambos lados de . El resultado es usualmente más preciso cuando el número de puntos de evaluación aumenta. se encuentra otro grupo de fórmulas de integración. para . o. En particular. llamadas fórmulas de cuadratura de Gauss. si se puede derivar muchas veces). La función de extrapolación puede ser un polinomio o una función racional. El teorema del valor medio para . ¿Qué pasa cuando la anchura del paso tiende a cero? Esto puede responderse extrapolando el resultado de dos o más anchuras de paso (extrapolación de Richardson). al aplicar el método de extrapolación de Richardson a la regla del trapecio compuesta se obtiene el método de Romberg. Si integramos en la igualdad y tomamos valores absolutos. si el integrando es suave (es decir.4).

. si aproximamos la integral por su regla de integración el error no es mayor que el lado derecho de la ecuación. . y remplazando el término en por una cota superior: Así. Los métodos de integración que se han comentado hasta aquí se han diseñado todos para calcular integrales de una dimensión.Se puede aproximar más la integral en el lado derecho metiendo el valor absoluto en el integrando. Integrales Múltiples.

La integración de Montecarlo forma parte de una familia de algoritmos llamados genéricamente métodos de Montecarlo. Integración de Monte Carlo. En matemáticas. y más concretamente en análisis numérico. Estos algoritmos utilizan números aleatorios para resolver diferentes tipos de problemas matemáticos y reciben su nombre debido al casino de Montecarlo. los cuales incluyen el algoritmo de Metropolis-Hastings y muestreo de Gibbs. un enfoque es expresar la integral múltiple como repetición de integrales de una dimensión haciendo uso del Teorema de Fubini. Se conocen dos métodos para superar esta llamada “Maldición de la Dimensión”. Los algoritmos deterministas de integración numérica. Este enfoque lleva a una cantidad de evaluaciones de la función que crece exponencialmente a medida que crece el número de dimensiones. los métodos de Montecarlo eligen de forma aleatoria los puntos en los que se evaluará la función. Una clase grande de métodos útiles de Montecarlo son los llamados algoritmos de Cadena de Markov de Montecarlo. Los Métodos de Montecarlo y Métodos de Cuasi-Montecarlo son fáciles de aplicar a integrales multidimensionales. los métodos de integración de Montecarlo son algoritmos para encontrar una evaluación aproximada de una integral definida. se conocen como métodos de Montecarlo a una serie de métodos de integración numérica que se basan en la utilización de números pseudoaleatorios. para aproximar la integral. .Para calcular integrales de diversas dimensiones. normalmente de integrales múltiples. En cambio. y pueden producir una mejor exactitud por el mismo número de evaluaciones de la función que en integraciones repetidas empleando métodos unidimensionales. Es decir. evalúan la función en un conjunto de puntos correspondientes a una parrilla regular o en un conjunto de puntos predefinidos.

 Simulación de un péndulo. (See Chapter 3. La Diferenciación e Integración Numérica se utiliza para:  Redes de circuitos eléctricos. .  Ecuaciones de Lorenz.ucting. Bibliografía. como la integración por Montecarlo. Press. Cambridge. Brian P.)  Josef Stoer and Roland Bulirsch.  ALGLIB: Es una colección de algoritmos en C# / C++ / Delphi / Visual Basic / etc. Computer Methods for Mathematical Computations. (See Chapter 5. Flannery. New York: Springer-Verlag. 1988. ISBN 84-206-8696-4. Teukolsky. Existen muchas implementaciones en programas para la integración numérica. Englewood Cliffs. Daniel (2001). en Fundamentos de Estadística. NJ: Prentice-Hall.mx/posgrado/cursos/metodos/integracion/index. and Cleve B. «Deducción de distribuciones: el método de Montecarlo». Madrid: Alianza Editorial. UK: Cambridge University Press. Vetterling.  GSL (GNU Scientific Library): La biblioteca Científica de GNU (GSL) es una biblioteca numérica escrita en C que provee una amplia gama de rutinas matemáticas.html  Peña Sánchez de Rivera.html  http://proton. Moler.ucting.mx/posgrado/cursos/metodos/diferenciacion/index. Introduction to Numerical Analysis. Numerical Recipes in C. 1977.Aplicaciones. entre ellos se encuentran:  QUADPACK (parte de SLATEC) (código fuente): QUADPACK es una colección de algoritmos en Fortran para integración numérica basada en reglas gaussianas. Forsythe.. para la integración numérica.udg. (See Chapter 4.udg. William T. Saul A. 1980. Michael A.  George E.)  http://proton.)  William H. Malcolm.

Sign up to vote on this title
UsefulNot useful