UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA

FACULTAD DE INGENIERIA

MATERIA:

METODOS NUMERICOS.

TEMA:

TRABAJO FINAL: INVESTIGACION UNIDAD 5.

PROFESORA:

HERNANDEZ MARTINEZ CRISCIEL.

ALUMNO:

SUÁREZ MEDINA MANUEL.

GRUPO: 685

MEXICALI, BAJA CALIFORNIA, DICIEMBRE 2017.

INDICE.

Introducción………………………………………………………………….. 3

1. Integración numérica………………………………………………….. 4
1.1. Método analítico………………………………………………... 5
1.2. Método de la regla del trapecio………………………………… 7
1.3. Método Simpson 1/3 y 3/8…………………………………….. 12
1.4. Método de diferenciación……………………………………... 19
1.5. Método de Euler y Euler mejorado……………………………. 23
1.6. Método de Runge-Kutta………………………………………. 30

Conclusión…………………………………………………………………... 35

Bibliografía…………………………………………………………………. 36

Página | 2
INTRODUCCION.

El presente trabajo de investigación, pretende explicar diferentes métodos de

integración numérica, para lo cual se ha estructurado en seis temas, a fin de
obtener un panorama más amplio de los temas a tratar.

De inicio se aborda de manera general las contribuciones de los métodos de

integración numérica en diferentes ámbitos.

Posteriormente, se explica de manera individual algunos de los diferentes

métodos de integración numérica, como lo es el método analítico, método de
la regla del trapecio, método de Simpson 1/3 entre otros.

Para finalizar el presente trabajo en el último tema se abordará el método de

Runge-Kutta, viendo aplicaciones y ejemplos de dicho método.

Página | 3
 1. Integración numérica.

El objetivo de esta sección es aproximar la integral definida de una función en

un intervalo [a, b] es decir

Los métodos de integración numérica se usan cuando ƒ(x) es difícil o

imposible de integrar analíticamente, o cuando ƒ(x) está dada como un
conjunto de valores tabulados.

La estrategia acostumbrada para desarrollar fórmulas para la integración

numérica consiste en hacer pasar un polinomio por puntos definidos de la
función y luego integrar la aproximación polinomial de la función.

En los cursos de Análisis Matemático (Cálculo Integral), nos enseñan como

calcular una integral definida de una función continua mediante la aplicación
del Teorema Fundamental del Cálculo:

Teorema Fundamental del Cálculo

Sea ƒ(x) una función continua y definida en el intervalo [a, b] y sea F(x) una
función primitiva de ƒ(x), entonces:

El problema en la práctica se presenta cuando nos vemos imposibilitados de

encontrar la función primitiva requerida, aún para integrales aparentemente
sencillas como:

Página | 4
 1.1. Método analítico.
Sea f una función que está definida en el intervalo cerrado [a,b]. Si se dice
que f es

Integrable en [a, b]. Además, denominado integral definida de f desde a hasta

b.

Teorema Fundamental de Cálculo.

Los pasos para el Teorema fundamental del cálculo

1. Se verifica el dominio de la función de la integral dentro del intervalo a

evaluar. (el teorema sólo se puede aplicar si la función es continua para
todo el intervalo.)

Página | 5
2. Se resuelve la integral de acuerdo a la función presente, puede ser
cualquier método de integración. ( los límites de integración deben
concordar con la variable a estudiar, es decir si se realiza un cambio de
variable se deben cambiar los límites)

3. Se debe evaluar la función resultante, sustituyendo los límites superior

menos inferior, como se puede ver en la figura es por la diferencia.

Ejemplo 1.

Ejemplo 2.

Página | 6
 1.2. Método de la regla del trapecio.
En matemática la regla del trapecio es un método de integración numérica, es
decir, un método para calcular aproximadamente el valor de la integral
definida

La regla se basa en aproximar el valor de la integral de f(x) por el de la

función lineal que pasa a través de los puntos [a, f(a)] y [b, f(b)]. La integral
de ésta es igual al área del trapecio bajo la gráfica de la función lineal. Se
sigue que

Y el error es:

Siendo un número entre a y b.

REGLA DEL TRAPECIO

Corresponde al caso donde n=1, es decir:

donde P1(x) es un polinomio de grado 1.

Página | 7
En el gráfico trazamos la recta que une los puntos: [a, f(a)] y [b, f(b)]
obteniendo un trapecio cuya superficie será, aproximadamente, el valor de la
integral I.

Así tendremos:

conocida como Regla del Trapecio.

Es de apreciar que el error que se llega a cometer con esta forma de aplicación
puede ser significativo. Una mejor aproximación se obtiene dividiendo el
intervalo de integración en sub intervalos y aplicando en cada uno de ellos la
regla trapecial. A este procedimiento se lo conoce como Regla Trapecial
Compuesta.

Página | 8
Este nombre se debe a la interpretación geométrica que le podemos dar a la
fórmula. El polinomio de interpolación para una tabla que contiene dos datos,
es una línea recta. La integral, corresponde al área bajo la línea recta en el
intervalo [a,b], que es precisamente el área del trapecio que se forma.

Ejemplo 1: Utilizar la regla del trapecio para aproximar la integral.

Solución: Usamos la fórmula directamente con los siguientes datos.

Por lo tanto tenemos que:

Ejemplo 2: Usar la regla del trapecio para aproximar la integral.

Solución: Igual que en el ejemplo anterior, sustituimos los datos de manera

directa en la fórmula del trapecio. En este caso, tenemos los datos:
Página | 9
Por lo tanto, tenemos que:

La regla del trapecio se puede ampliar si subdividimos el intervalo [a,b] en n

sub intervalos, todos de la misma longitud

Sea P = (xo, x1…. xn) la partición que se forma al hacer dicha subdivisión.
Usando propiedades de la integral tenemos que:

Aplicando la regla del trapecio en cada una de las integrales, obtenemos:

Ahora bien, ya que todos los sub intervalos tienen la misma longitud h,
tenemos que:

Sustituyendo el valor de h y usando la notación sigma, tenemos finalmente:

Página | 10
Esta es la regla del trapecio para n sub intervalos. Cuantos más sub intervalos
se usen, mejor será la aproximación a la integral, hasta que la importancia de
los errores por redondeo comiencen a tomar relevancia.

Ejemplo 1: Aplicar la regla del trapecio para aproximar la integral.

si subdividimos en 5 intervalos. Solución: En este caso, identificamos n=5 , y

la partición generada es: P = {0,0.2,0.4,0.6,0.8,1)

Así, aplicando la fórmula tenemos que:

Cabe mencionar que el valor verdadero de esta integral es de 1.4626… Así,

vemos que con 5 intervalos, la aproximación no es tan mala. Para hacer
cálculos con más sub intervalos, es conveniente elaborar un programa que
aplique la fórmula con el número de sub intervalos que uno desee.

Página | 11
 1.3. Método Simpson 1/3 y 3/8
La regla de Simpson tiene mayor aproximación que regla de los trapecios. En
la regla de los trapecios los puntos sucesivos de la gráfica y = f(x) se unen
mediante líneas que forman los trapecios, en la regla de Simpson los puntos se
unen mediante segmentos de parábolas.

En análisis numérico, la regla o método de Simpson (nombrada así en honor

de Thomas Simpson) y a veces llamada regla de Kepler es un método de
integración numérica que se utiliza para obtener la aproximación de la
integral:

Regla de Simpson 1/3

La regla de Simpson 1/3 resulta cuando de sustituye un polinomio de segundo

orden en la ecuación:

Si a y b se denominan como x0 y x2, y f2(x) se representa mediante un

polinomio de LaGrange de segundo orden, entonces la integral es:

Página | 12
Después de integrar y de reordenar términos, resulta la siguiente ecuación:

Regla de Simpson de un tercio. Suponemos que tenemos los datos:

Donde xm es el punto medio entre a y b.

El polinomio P2(x) = a0 + a1 * x + a2 * x2 (Polinomio de grado 2 en x)

aproxima a la función pasando por los puntos (-h, y1), (0,y2), (h,y3)

Analizando el polinomio y la función en los distintos puntos:

Página | 13
Sumamos 1 y 2:

Reemplazando:

Área de la parábola (polinomio de grado 2) que pasa por y0, y1 e y2 Si

tomamos “n” particiones del intervalo (con n par), tenemos: h = (b-a)/n
(tamaño de los sub intervalos).

Página | 14
Ejemplo 1. Usar la regla de Simpson de 1/3 para aproximar la siguiente
integral:

Solución. Aplicamos la fórmula directamente, con los siguientes datos:

Por lo tanto, tenemos que:

Ejemplo 2. Usar la regla de Simpson de 1/3, para aproximar la siguiente

integral:

Solución. Igual que en el ejercicio anterior, sustituimos datos adecuadamente:

Al igual que con la regla del trapecio, podemos extender la regla de Simpson
de 1/3, si subdividimos el intervalo [a,b] en n sub intervalos de la misma
longitud

Página | 15
Regla de Simpson 3/8.

De manera similar a la derivación de la regla trapezoidal y a la regla de

Simpson 1/3, se ajustan polinomios de LaGrange de tercer orden a cuatro
puntos e integrar.

Para obtener:

En donde h = (b-a)/3. A esta ecuación se le llama regla de Simpson 3/8 porque

h es un múltiplo de 3/8. Esta es la tercera regla cerrada de integración de
Newton-Cotes.

Regla de Simpson 3/8 es una generalización de la regla de trapecio para

obtener una mejor aproximación de la integral y consiste en subdividir el
intervalo [a, b] en n sub intervalos, todos de la misma longitud h= (b−a)/n.
Cuando el número de subdivisiones que se haga sea igual a tres, entonces el
método recibe el nombre de la regla de Simpson 3/8.

Se utiliza la fórmula

En la Regla
de Simpson 3/8 compuesta, el número de sub intervalos n solo puede ser un
múltiplo de 3, en caso contrario no es posible aplicar la regla.

Página | 16
Ejemplo 1. Con la regla de Simpson 3/8 integre:

f(x) = 0.2 + 25x – 200x2 + 675x3 – 900x4 + 400x5 , desde a = 0 hasta b = 0.8

Solución: Una sola aplicación de la regla de Simpson 3/8 requiere cuatro

puntos equidistantes: f(0) = 0.2 f(0.2667) = 1.432724 f(0.5333) = 3.487177
f(0.8) = 0.232 Utilizando la ecuación

Ejemplo 2. Obtenga:

Se utilizan las siguientes formulas:

Dónde:

a=1

b=2

n=3

Página | 17
Luego:

Reemplazando en la fórmula:

I = 1.647045

Página | 18
 1.4. Método de diferenciación.
Diferenciación numérica. Se consideran algunas técnicas de aproximación
para derivar una función f(x) dada. Las reglas que resultan son de grande
importancia para la solución de ecuaciones diferenciales. Pueden ser utilizadas
para obtener aproximaciones numéricas de una derivada a partir de los valores
de la función. Pero el método de diferenciación numérica basado en
interpolación numérica es un proceso inestable y no se puede esperar una
buena aproximación aun cuando la información original está bien aproximada,
por lo que el error f’(x) – p’(x) puede ser muy grande especialmente cuando
los valores de f(x) tengan perturbaciones. Ahora su p(x) es un polinomio de
interpolación de f(x) entonces e(x) = f(x)- p(x) es el error de aproximación,
por lo que e’(x)=(f(x) – p(x))’= f’(x) – p’(x) es el error de interpolación en la
derivación de f(x) con respecto a la aproximación con el polinomio p(x).
Tomamos f(x) una función continuamente diferenciable en el intervalo [c, d] y
tomamos los puntos (x0…xk) distintos en el intervalo.

De la igualdad tomamos

Donde Pk(x) es el polinomio de grado <= k que interpola a f(x) en (x0…xk) y

tal que

Para f(x) suficientemente suave tenemos

Página | 19
Por hipótesis f(x) es continuamente diferenciable por lo que se puede derivar
(1) por lo que obtenemos:

Definiendo el operador D como la derivada tenemos: D (f) = f”(a) con a en el

intervalo [c, d], si aproximamos la derivada en f por medio de la derivada en
el polinomio Pk entonces por (2) el error en la aproximación es:

O bien:

Es el error en la diferenciación numérica nos dice poco sobre el error ya que

casi nunca se conocen los valores de la derivada k+2 ni de la derivada k+1 y

casi nunca se conocen los argumentos Pero la expresión puede

ser simplificada eligiendo el valor a de manera adecuada de tal forma que la
derivada sea evaluada o bien eligiendo apropiadamente los puntos de
interpolación.

Si a es un punto de interpolación tomamos a = x1 para alguna i, como

contiene el factor (x-x1) se sigue que = 0 y el primer término de (3)

desaparece.

Página | 20
Página | 21
Página | 22
 1.5. Método de Euler y Euler mejorado.
En matemática y computación, el método de Euler, llamado así en honor de
Leonhard Euler, es un procedimiento de integración numérica para resolver
ecuaciones diferenciales ordinarias a partir de un valor inicial dado.

El método de Euler es el más simple de los métodos numéricos resolver un

problema del siguiente tipo:

Consiste en multiplicar los intervalos que va de a en sub intervalos de

ancho ; osea:

De manera que se obtiene un conjunto discreto de n+1 puntos: xo, x1,

x2,.......,xn, del intervalo de interés [xo,xf], . Para cualquiera de estos puntos se
cumple que:

La condición inicial , representa el punto por donde

pasa la curva solución de la ecuación del planteamiento inicial, la cual se
denotará como . Ya teniendo el punto se puede evaluar la
primera derivada de en ese punto; por lo tanto:

Página | 23
Con esta información se traza una recta, aquella que pasa por Po, y de
pendiente f(xo, yo). Esta recta aproxima F(x) en una vecinidad de xo. Tómese
la recta como reemplazo de F(x) y localícese en ella (la recta) el valor de y
correspondiente a x1. Entonces, podemos deducir según la Gráfica A:

Se resuelve para :

Es evidente que la ordenada calculada de esta manera no es igual a ,

pues existe un pequeño error. Sin embargo, el valor sirve para que se
aproxime en el punto y repetir el procedimiento anterior a
fin de generar la sucesión de aproximaciones siguiente:

Página | 24
Ejemplo 1. Sea el problema de valor inicial: dy/dt = (t − y), y(0) = 2.
Encontrar y(1) utilizando el método de Euler de paso h = 0.2

La ecuación diferencial permite ser resuelta por diversos métodos de

integración, siendo su solución general

La solución particular que pasa por y(0) = 2 es

En consecuencia: y(1) = 1.10364

A continuación vamos a utilizar el método de Euler

Para encontrar un valor aproximado de y(1).

Ejemplo2.

Página | 25
De esta manera:

El error que se comete será de 1.10364−0.98304 = 0.1206, o en forma de

porcentaje

Euler mejorado.

Este método se basa en la misma idea del método anterior, pero hace un
refinamiento en la aproximación, tomando un promedio entre ciertas
pendientes.

La fórmula es la siguiente:

Dónde:

Para entender esta fórmula, analicemos el primer paso de la aproximación, con

base en la siguiente gráfica:

Página | 26
En la gráfica, vemos que la pendiente promedio corresponde a la pendiente
de la recta bisectriz de la recta tangente a la curva en el punto de la condición

inicial y la "recta tangente" a la curva en el punto donde es la

aproximación obtenida con la primera fórmula de Euler. Finalmente, esta recta
bisectriz se traslada paralelamente hasta el punto de la condición inicial, y se

considera el valor de esta recta en el punto como la aproximación de

Euler mejorada.

Ejemplos.

Determine una aproximación cuadrática de la solución y(x) de cada una de los

siguientes PVI utilizando el h proporcionado y calcule el error porcentual. En
los casos que se requiera, aplique dos veces el proceso de aproximación
cuadrática para obtener una estimación de la solución.

1.

Página | 27
2.

Página | 28
Página | 29
 1.6. Método de Runge-Kutta
El método de Runge-Kutta es un método genérico de resolución numérica de
ecuaciones diferenciales. Este conjunto de métodos fue inicialmente
desarrollado alrededor del año 1900 por los matemáticos C. Runge y M. W.
Kutta.

Los métodos de Runge-Kutta (RK) son un conjunto de métodos iterativos

(implícitos y explícitos) para la aproximación de soluciones de ecuaciones
diferenciales ordinarias, concretamente, del problema de valor inicial.

Sea

Una ecuación diferencial ordinaria, con donde es

un conjunto abierto, junto con la condición de que el valor inicial de ƒ sea

Entonces el método RK (de orden s) tiene la siguiente expresión, en su forma

más general:

donde h es el paso por iteración, o lo que es lo mismo, el

incremento entre los sucesivos puntos y . Los coeficientes son
términos de aproximación intermedios, evaluados en ƒ de manera local

Página | 30
Con coeficientes propios del esquema numérico elegido, dependiente
de la regla de cuadratura utilizada. Los esquemas Runge-Kutta pueden ser
explícitos o implícitos dependiendo de las constantes del esquema. Si esta
matriz es triangular inferior con todos los elementos de la diagonal principal
iguales a cero; es decir, para , los esquemas son explícitos.

Nos limitamos a describir uno de los métodos de tipo Runge-Kutta más

utilizados en la práctica y cuyo orden de convergencia es 4 (lo que equivaldría
a utilizar un método basado en el desarrollo de Taylor hasta h4). Este método
suele denominarse método de Runge-Kutta clásico.

El método se describe como sigue:

Donde las cantidades Ki se calculan de forma sucesiva como sigue:

Ejemplo 1.

Se considera el problema de Cauchy o de valores iniciales:

Página | 31
Utilizamos el método de Runge-Kutta con paso h = 0.2 e intervalo de
definición de la solución el [0, 1]. Comparamos con la solución exacta,

Solución. La tabla de valores para este problema usando el método dado en

(2.5) es la siguiente:

Página | 32
Ejemplo 2.

Determine una aproximación cuartica y4(x) de la solución y(x) de cada uno de

los siguientes PVI en el punto indicado utilizando el h proporcionado. En los
casos que se requiera aplique 2 veces el proceso de aproximación cuartica para
obtener una estimación de la solución. Determine el error porcentual
cometido.

Página | 33
Página | 34
CONCLUSION.

Como resultado de la investigación presentada, es posible concluir que existen

diversos métodos numéricos para la solución de problemas de integración
numérica que nos facilitan la resolución de dichos problemas.

Por otro lado al comparar los métodos vistos en esta investigación, se observa
que algunos son más exactos que otros por lo que es importante ver la
exactitud del método que se elija para resolver el problema que se nos
presente.

Es debido a esto que se puede concluir que es importante tener conocimiento

de los diversos métodos numéricos que existen no solo para la integración
numérica si no para cualquier otro tipo de problema que se presente tanto en el
campo laboral como en el cotidiano.

Página | 35
BIBLIOGRAFIA.

Métodos numéricos para ingenieros, quinta edición, Steven C. Chapra,

Raymond P. Canale.

http://ing.unne.edu.ar/computacion/pub/informatica/IN.pdf

https://sites.google.com/site/metodos0123/unidad-5-derivacion-e-integracion-
numerica/5-2-integracion-numerica-metodo-del-trapecio-metodos-de-
simpson-1-3-y-3-8

https://sites.google.com/site/metodosnumericosmecanica/home/unidad-vi/62-
mtodos-de-un-paso-mtodo-de-euler-mtodo-de-euler-mejorado-y-mtodo-de-
runge-kutta

http://www.ugr.es/~lorente/APUNTESMNQ/cap23.pdf

Página | 36