UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERÍA INDUSTRIAL Y SISTEMAS

ESCUELA PROFESIONAL INGENIERÍA DE SISTEMAS

“Regla del Trapecio, Método de Simpson, Estimación del Error, Algoritmo de Romberg,
Cuadratura de Gauss, Extrapolación de Richardson, Integrales Impropias”

ASIGNATURA: METODOS NUMERICOS

DOCENTE: Dr. GUILLERMO ANTONIO MAS AZAHUANCHE

INTEGRANTES:
Cáceres Panduro Eduardo Enrique
Camargo Pacheco Pedro Alexander
Del Rio Sullon Cesar Giancarlos
Ortiz Alarcon Renzo Renato
Ramos Malasquez Jordan
Sarmiento Quispe Renzo Miguel

Manuttupa Huaman Raiver

Callao, 2019
REGLA DEL TRAPECIO
Regla del Trapecio Simple
En matemática la regla del trapecio es un método de integración numérica.
𝑏
∫ 𝑓(𝑥)𝑑𝑥
𝑎

Aproximación:
𝑏 𝑓(𝑎)+𝑓(𝑏)
∫𝑎 𝑓(𝑥)𝑑𝑥 ≈ (b-a) 2

Error:
(𝑏−𝑎)3
E=- f′′ℰ
12

ℰ € [a,b]

Ejemplo
2
𝑥 3 𝑑𝑥
∫ 1
1 1 + 𝑥2

Hallamos h:
2−1
h= =1
1

Reemplazando:
2 𝑥 3 𝑑𝑥 𝑓(1)+𝑓(2)
∫1 1 ≈ 1* 2
1+𝑥 2

1
 2 𝑥 3 𝑑𝑥
∫1 1 ≈ 1.96854
1+𝑥 2

Regla del Trapecio Compuesto

𝑏 ℎ
∫𝑎 𝑓(𝑥)𝑑𝑥 ≈ 2 (f(a)+2f(a+h)+2f(a+2h)+……+f(b))
𝑏−𝑎
h= 𝑛

Otra forma:
𝑏 𝑏−𝑎 𝑓(𝑎)+𝑓(𝑏) 𝑏−𝑎
∫𝑎 𝑓(𝑥)𝑑𝑥 ≈ [ + ∑𝑛−1
𝑘=1 𝑓(𝑎 + 𝑘 )]
𝑛 2 𝑛

Error:
(𝑏−𝑎)3
E=- f′′ℰ
12𝑛2

Ejemplo
2
∫0 3𝑥 𝑑𝑥 n=6

Primero se obtiene h, de los límites de la integral que representan a y b y para n=6 queda:
2−0 1
h= =3
6
2 1 1 1 1 1 1 1
∫0 3𝑥 𝑑𝑥 = 2*3[3(0)+2[3(0+1*3)] +2[3(0+2*3)] +2[3(0+3*3)] +2[3(0+4*3)] +2[3(0+5*3)]+3(2)
2
∫0 3𝑥 𝑑𝑥=6

2
Método de Simpson
1. Dividimos el intervalo[a, b] en un n° par de subintervalos de igual longitud h
2. Aproximamos en cada 2 subintervalos, la función f(x) por una parabola
𝑏
3. Aproximamos ∫𝑎 𝑓(𝑥)𝑑𝑥 por la suma de las integrales de las parábolas

1. Dividimos el intervalo de integración [a, b] en n subintervalos de igual longitud h (n numero par)

𝑏−𝑎
ℎ=
𝑛

2. Aproximamos en cada subintervalo [𝑥𝑖 , 𝑥𝑖+2 ], la funcion f(x) por la parabola que pasa por (𝑥𝑖 , 𝑓(𝑥𝑖 )),
(𝑥𝑖+1 , 𝑓(𝑥𝑖+1 )) y (𝑥𝑖+2 , 𝑓(𝑥𝑖+2 )) y calculamos la integral.

3
Calculo de la parábola a integrar:

La parábola p(x) será de la

forma
𝑝(𝑥) = 𝐴𝑥 2 + 𝐵𝑥 + 𝐶
Y cumple las condiciones:
𝑝(−ℎ) = 𝑓(𝑥𝑖 )
𝑝(0) = 𝑓(𝑥𝑖+1 )
𝑝(ℎ) = 𝑓(𝑥𝑖+2 )

𝑓(𝑥𝑖 ) − 2𝑓(𝑥𝑖+1 ) + 𝑓(𝑥𝑖+2 )

𝐴=
𝐴(−ℎ)2 − 𝐵ℎ + 𝐶 = 𝑓(𝑥𝑖 ) 2ℎ2
𝑓(𝑥𝑖+2 ) − 𝑓(𝑥𝑖 )
𝐶 = 𝑓(𝑥𝑖+1 ) 𝐵=
𝐴ℎ2 + 𝐵ℎ + 𝐶 = 𝑓(𝑥𝑖+2 ) 2ℎ
𝐶 = 𝑓(𝑥𝑖+1 )

Calculo de la integral de la parábola en [-h, h]:

p(x) = Ax 2 + Bx + C

f(xi ) − 2f(xi+1 ) + f(xi+2 )

A=
2h2

f(xi+2 ) − f(xi )
B=
2h

C = f(xi+1 )

ℎ ℎ
∫ 𝑝(𝑥)𝑑𝑥 = ∫ (𝐴𝑥 2 + 𝐵𝑥 + 𝐶)𝑑𝑥
−ℎ −ℎ

𝑥3 𝑥2
= [𝐴 + 𝐵 + 𝐶𝑥]
3 2
2
= 𝐴ℎ3 + 2𝐶ℎ
3
2 𝑓(𝑥𝑖 ) − 2𝑓(𝑥𝑖+1 ) + 𝑓(𝑥𝑖+2 ) 3
= ℎ + 2𝑓(𝑥𝑖+1 )ℎ
3 2ℎ2
ℎ
= (𝑓(𝑥𝑖 ) + 4𝑓(𝑥𝑖+1 ) + 𝑓(𝑥𝑖+2 ))
3

4
 𝑏
∫ 𝑓(𝑥)𝑑𝑥
𝑎
𝑥2 𝑥4 𝑏
= ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓(𝑥)𝑑𝑥 + ⋯ + ∫ 𝑓(𝑥)𝑑𝑥
𝑎 𝑥2 𝑥𝑛−2
𝑥2 𝑥4 𝑏 𝑏−𝑎
Sea: ℎ =
= ∫ 𝑝1 𝑑𝑥 + ∫ 𝑝2 𝑑𝑥 + ⋯ + ∫ 𝑝𝑛 𝑑𝑥 𝑛
𝑎 𝑥2 𝑥𝑛−2

h(f(x0 ) + 4f(x1 ) + f(x2 )) h(f(x2 ) + 4f(x3 ) + f(x4 )) h(f(xn−2 ) + 4f(xn−1 ) + f(xn ))

= + +⋯
3 3 3

h
= (f(x0 ) + 4f(x1 ) + 2f(x2 ) + 4f(x3 ) + 2f(x4 ) + ⋯ + 2f(xn−2 ) + 4f(xn−1 ) + f(xn ))
3

h
= (f(x0 ) + 4[f(x1 ) + f(x3 ) + ⋯ + f(xn−1 )] + 2[f(x2 ) + f(x4 ) + ⋯ + f(xn−2 )] + f(xn ))
3
𝑏 ℎ
∫𝑎 𝑓(𝑥)𝑑𝑥 ≅ 3 (𝑓(𝑥0 ) + 4I + 2P + 𝑓(𝑥𝑛 ))

1 2
Ejemplo: ∫0 𝑒 −𝑥 𝑑𝑥 con n=4 1−0 1
ℎ= =
4 4

h
S4 = (f(x0 ) + 4(f(x1 ) + f(x3 )) + 2f(x2 ) + f(x4 ))
3

h 1 3 1
= (f(0) + 4(f ( ) + f ( )) + 2f ( ) + f(1)) = 0.7468553797
3 4 4 2
1
2
∫ 𝑒 −𝑥 𝑑𝑥 ≅ 0.7468553797
0

5
 2 sin(𝑥)
Ejemplo: ∫1 𝑑𝑥 con n=4
𝑥

2−1 1
ℎ= =
4 4

ℎ
𝑆4 = (𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥3 )) + 2𝑓(𝑥2 ) + 𝑓(𝑥4 ))
3

ℎ 5 3 7
= (𝑓(1) + 4(𝑓 ( ) + 𝑓 ( )) + 2𝑓 ( ) + 𝑓(2)) = 0.659331
3 4 2 4

2
sin(𝑥)
∫ 𝑑𝑥 ≅ 0.659331
1 𝑥

Estimación del Error

Regla Trapezoidal
• Si f es continua sobre [a, b]:
𝑏−𝑎
• =( 2𝑛 )[f(𝑥0 )+2 f(𝑥1 )+2 f(𝑥2 )+…+2f (𝑥𝑛−1 )+f (𝑥𝑛 )]
𝑏 ∆𝑥
• ∫𝑎 𝑓(𝑥)𝑑𝑥= [f(𝑥0 )+2 f(𝑥1 )+2 f(𝑥2 )+…+2f (𝑥𝑛−1)+f (𝑥𝑛 )]
2
𝑏−𝑎
• Donde: ∆𝑥=( ) ; 𝑥0 =a, 𝑥1 =a+ ∆𝑥, 𝑥2 =a+ 2∆𝑥,…, 𝑥𝑛 =b
𝑛
21
Ejercicio: Aproximar ∫1 𝑥 𝑑𝑥 usando la regla del trapecio con n=6 subintervalos.

6
 (2−1) 1 1
• Solución: a=1, b=2 , ∆𝑥= = 6 , 𝑓(𝑥)= 𝑥
6

21 (2−1) 6 3 3 6 1
• ∫1 𝑥 𝑑𝑥≃ {1+2 (7)+2(4)+2(5)+2(11)+ 2}= 0.69487734
2(6)

• Valor exacto Ln (2) = 0.69314718

• Error absoluto= |0.69314718 – 0.69487734| = 0.00173016
Error en la aproximación trapezoidal
𝑏
• Denotamos 𝑇𝑛 el valor aproximado ∫𝑎 𝑓(𝑥)𝑑𝑥 utilizando n trapecios.
𝑏
• Error de aproximación= 𝐸𝑛 = | ∫𝑎 𝑓(𝑥)𝑑𝑥 - 𝑇𝑛 |
(𝑏−𝑎)3 𝑀
• Cota: 𝐸𝑛 ≤ 12𝑛2

• Donde: | 𝑓 ′′ (𝑥)| ≤ M sobre el intervalo [a,b]

• Ejercicio: Tomando el ejercicio anterior
f(x)=1/x, 𝑓 ′ (𝑥)= -1/ 𝑥 2 , 𝑓 ′′ (𝑥)= 2/ 𝑥 3
1 1
entonces para 1 ≤ x ≤ 2 → 2 ≤ 𝑥 ≤ 1
1 1
≤ 𝑥3 ≤ 1
8
1 2
≤ ≤2
4 𝑥3
1
≤ 𝑓 ′′ (𝑥) ≤ 2 = M
4
21
Por lo tanto, para obtener una aproximación de la integral ∫1 𝑥 𝑑𝑥 con 5 cifras decimales

exactos se requiere que el error sea

(𝑏−𝑎)3 𝑀 (2−1)3 2 1 106

𝐸𝑛 ≤ 12𝑛2
= 12𝑛2
= 6𝑛2 < 10−6 → √ 6
= 408.24 < n

Esto indica que se necesita emplear por lo menos n=408 trapecios.

7
Regla de Simpson
• Si f es continua sobre [a,b] y n es un número par:
𝑏 𝑏−𝑎
• ∫𝑎 𝑓(𝑥)𝑑𝑥=( 3𝑛 )[f(𝑥0 )+4 f(𝑥1 )+2 f(𝑥2 )+ 4 f(𝑥3 )+ 2 f(𝑥4 )+ …+4f (𝑥𝑛−1)+f (𝑥𝑛 )]
𝑏 ∆𝑥
• ∫𝑎 𝑓(𝑥)𝑑𝑥= [f(𝑥0 )+4 f(𝑥1 )+2 f(𝑥2 )+ 4 f(𝑥3 )+ 2 f(𝑥4 )+ …+4f (𝑥𝑛−1 )+f (𝑥𝑛 )]
3
𝑏−𝑎
• Donde: ∆𝑥=( )= h; 𝑥0 =a, 𝑥1 =a+ ∆𝑥, 𝑥2 =a+ 2∆𝑥,…, 𝑥𝑛 =b
𝑛
2
Ejercicio: Utilizar la regla de Simpson con n=8 para aproximar ∫0 𝑒 √𝑥 𝑑𝑥

 Solución: a=0 , b=2 , n=8 , ∆𝑥 = (b-a)/n = ¼ , f(x) = 𝑒 √𝑥

2 (2−0)
• ∫0 𝑒 √𝑥 𝑑𝑥 ≃ 3(8)
{1+4 𝑒 √1/4+2 𝑒 √1/2+4 𝑒 √3/4+2e+4 𝑒 √5/4+2 𝑒 √3/2+4 𝑒 √7/4+ 𝑒 √2 }= 5.397453

• Comparando con el resultado exacto de la integral: 2𝑒 √2(√2-1) +2=5.407528

• Error absoluto :|5.407528 - 5.397453| = 0.010075
Error en la regla de Simpson
• Denotamos 𝑠𝑛 al valor aproximado de la integral de f(x) sobre [a, b] utilizando n/2 parábolas el error de
aproximación.
𝑏
• Error de aproximación= 𝐸𝑛 = | ∫𝑎 𝑓(𝑥)𝑑𝑥 - 𝑠𝑛 |
(𝑏−𝑎)5 𝑀
• Cota: 𝐸𝑛 ≤ 180𝑛4

• Donde: | 𝑓 4 (𝑥)| ≤ M sobre el intervalo [a, b]

• La regla de Simpson proporciona resultados exactos para polinomios de grado menor o igual a tres, para
los cuales 𝑓 4 (𝑥) ≡ 0
8
 4
Ejercicio: Determinar un valor de n tal que la aproximación de la integral ∫1 √2𝑥 − 1𝑑𝑥 tenga una precisión de
hasta 4 cifras decimales exactas.

• Solución: Debe cumplirse que 𝐸𝑛 < 10−5 para f(x)= √2𝑥 − 1 , a=1 y b=4
• 𝑓 ′ (𝑥)= (2𝑥 + 1)−1/2 , 𝑓 ′′ (𝑥)= -(2𝑥 + 1)−3/2 , 𝑓 ′′′ (𝑥)= 3(2𝑥 + 1)−5/2 ,
𝑓 (4) (𝑥)= -15/ (2𝑥 + 1)7/2
• Entonces, para x ϵ [1,4]
15 15 5
• |𝑓 (4) (𝑥)|=| (2𝑥+1)7/2| ≤ (3)7/2 = 9√3 = 𝑀𝑠

• Así tenemos que:

(𝑏−𝑎)5 𝑀𝑠 (3)5 (5)
𝐸𝑛 ≤ = 180(9√3)𝑛4 < 10−5
180𝑛4

(3)5 (5) (105 )

𝑛4 > = 433012,7 → n > 25.65
180(9√3)

• Por lo tanto, con n=26 se asegura una exactitud de cuatro cifras decimales exactos en la integral dada.
Ejercicio
a) En la regla de Simpson determinar n de modo que el error al aproximar la integral
7 𝑑𝑥
∫0 sea menor que 10−5
3𝑥+1

b) Para la misma integral determinar n de modo que el error de aproximación por la regla del trapecio sea menor
que 10−5
solución:
7 𝑑𝑥 1 3 18 162
a) ∫0 , f(x)= 3𝑥+1 , 𝑓 ′ (𝑥)=− , 𝑓 ′′ (𝑥)= (3𝑥+1)3 , 𝑓 ′′′ (𝑥)= − (3𝑥+1)4 ,
3𝑥+1 (3𝑥+1)2

1944
𝑓 (4) (𝑥)= (3𝑥+1)5 ; a=0 , b=7 , E<10−5

1944
|𝑓 (4) (𝑥)| ≤ M , entonces para 0 ≤ x ≤ 7 →| (3𝑥+1)5 |≤ 1944 = M

(𝑏−𝑎)5 𝑀 1944 (7)5

𝐸𝑛 = = 180 (𝑛)4 < 10−5
180𝑛4

1944 (7)5 (10)5

n>√ = 367,052 → n=368
180

(𝑏−𝑎)3 𝑀
b) 𝐸𝑛 = , donde
12𝑛2

18
|𝑓 ′′ (𝑥)| ≤ M , entonces para 0 ≤ x ≤ 7 →| (3𝑥+1)3 |≤ 18 = M
9
 (𝑏−𝑎)3 𝑀 18(7)3
𝐸𝑛 = =12 (𝑛)2 < 10−5
12𝑛2

18(7)3 (10)5
n>√ = 7172,86 → n=7173
12

Algoritmo de Romberg
El Algoritmo de Romberg produce un arreglo triangular de números, los cuales son cálculos numéricos de integral
𝑏
definida ∫𝑎 𝑓(𝑥)𝑑𝑥

Para n=1
ℎ
R(0,0)=2 [𝑓(𝑎) + 𝑓(𝑏)]

Para n=2,3,…….∞
ℎ 𝑏−𝑎
𝑇(𝑁) = 2 ∑𝑁
𝑖=1(𝑓(𝑥𝑖−1 ) + 𝑓(𝑥𝑖 )) …... ℎ= ; N=2𝑛
𝑁
ℎ
=2 [𝑓(𝑎) + 2 ∑𝑛−1
𝑗=1 𝑓(𝑎 + 𝑗ℎ) + 𝑓(𝑏)]

Para m=1,2,…….∞
4𝑚 𝑅(𝑛,𝑚−1) − 𝑅(𝑛−1,𝑚−1)
𝑅(𝑛, 𝑚) =
4𝑚 − 1
1 2 1 1
1) Hallar por el método de romberg ∫0 𝑒 𝑥 𝑑𝑥 𝑆𝑒𝑔𝑚𝑒𝑛𝑡𝑜𝑠 : 1, 2 , 4

𝑓(𝑎) = 𝑓(0) = 1 ; 𝑓(𝑏) = 𝑓(1) = 2.7182818285

nivel1 nivel2 nivel3

ℎ
R(0,0)=2 [𝑓(𝑎) + 𝑓(𝑏)]
(1)
 2 [𝑓(0) + 𝑓(1)] =
 1.859140914 4m R(n,m−1) −R(n−1,m−1)
R(1,1)=
4 m −1
ℎ 𝑛−1 (1)
R(1,0)=2 [𝑓(𝑎) + 2 ∑𝑗=1 𝑓(𝑎 + 𝑗ℎ) + 4 𝑅(1,0) −𝑅(0,0)
𝑓(𝑏)]
=> (1) −1 =
1
4 10
( ) 4(1.5715831655) − 1.859140914
 22 [𝑓(0) + 2 ∑𝑛−1
𝑗=1 𝑓(𝑎 + 𝑗ℎ) +
3
𝑓(1)] => 1.4757305826
1 1
 [𝑓(0) + 2𝑓(1 ∗ ( ) + 𝑓(1)]
 4𝑚 𝑅(𝑛,𝑚−1) −𝑅(𝑛−1,𝑚−1)
R(2,2)= 4 𝑚 −1
4 (2) 𝑅(2,1) −𝑅(1,1)
=> =
4 (2) −1
4(1.4637107606 ) − 1.4757305826
4𝑚 𝑅(𝑛,𝑚−1) −𝑅(𝑛−1,𝑚−1)
ℎ R(2,1)= 15
4𝑚 −1
R(2,0)=2 [𝑓(𝑎) + 2 ∑𝑛−1
𝑗=1 𝑓(𝑎 + 𝑗ℎ) + => 1.4629094391
4(1) 𝑅(2,0) −𝑅(1,0)
𝑓(𝑏)] => =
4(1) −1
1
( ) 4(1.4906788618) − 1.5715831655
 2 [𝑓(0) + 2 ∑𝑛−1
2
𝑗=1 𝑓(𝑎 + 𝑗ℎ) +
3
𝑓(1)] => 1.4637107606
1 1
 8
{𝑓(0) + 2[𝑓(1 ∗ (4) + 𝑓 (2 ∗
1 1
(4) + 𝑓 (3 ∗ (4))] + 𝑓(1)}
 1.4906788618

11
 1
2) Calcular ∫−1 𝑥 4 𝑑𝑥 hasta obtener 𝑅3,3 por el método de Romberg. Compare los resultados intermedios con
el resultado real.
1 − (−1)
a) Para obtener 𝑅1,1 . 𝑅1,1 = (𝑓(−1) + 𝑓(1)) = 2
2

b) Hallamos 𝑅2,1 𝑦 𝑅3,1 1 1

𝑅2,1 = [𝑅1,1 + ℎ1 . 𝑓(0)] = [2 + 1. (0)] = 1
2 2

1 1
𝑅3,1 = [𝑅2,1 + ℎ2 . (𝑓 (−1 + (1))
2 2
3
+ 𝑓 (−1 + (1))] = 9/16
2

c) Ahora Hallamos 𝑅1,2 𝑦 𝑅2,2 41 . 𝑅2,1 − 𝑅1,1 4(1) − 2

𝑅2,2 = = = 2/3
41 − 1 3

42 . 𝑅3,1 − 𝑅2,1 4(9/16) − 1

𝑅3,3 = = = 𝟐/𝟓
42 − 1 15

CUADRATURA DE GAUSS
El método de cuadratura de Gauss se basa en la determinación del área bajo la línea que pasa a través de un
conjunto de puntos intermedios.

𝑦 𝑦 = 𝑓(𝑥)

𝑎 𝑥1 𝑥2 𝑏 𝑥

12
 𝑦

𝑦 = 𝑓(𝑥)

𝑎 𝑥1 𝑥2 𝑏
𝑥

Se escogen los nodos 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 en el intervalo [𝑎, 𝑏] para reducir en lo posible el error esperado que se
obtiene al efectuar la aproximación.

La ecuación general para la regla de cuadratura de Gauss de n puntos es la siguiente:

1 𝑛

𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 ≅ ∑ 𝑐𝑖 𝑓(𝑥𝑖 )
−1 𝑖=1

𝐼 ≅ 𝑐0 𝑓(𝑥0 ) + 𝑐1 𝑓(𝑥1 ) + ⋯ + 𝑐𝑛−1 𝑓(𝑥𝑛−1 )

Donde:

𝑐 = coeficientes

13
DESARROLLO DE LA FORMULA DE GAUSS-LEGENDRE DE DOS PUNTOS
El objetivo de la cuadratura de Gauss es determinar los coeficientes de una ecuación de la forma:

𝑓(𝑥)

𝑓(𝑥1 )

𝑓(𝑥0 )

−1 𝑥0 𝑥1 1
𝑥

𝐼 = 𝑐0 𝑓(𝑥0 ) + 𝑐1 𝑓(𝑥1 )

A diferencia de la regla del trapecio que tiene puntos fijos a y b, los argumentos 𝑥0 y 𝑥1 no están fijos en los
extremos, sino que son incógnitas.

Así como la regla de trapecio, es posible obtener dos de esas condiciones al suponer que la ecuación 𝐼 ajusta
con exactitud la integral de una constante y de una función lineal. Después, para tener las otras dos condiciones,
solo se ampliará al suponer que también ajusta a la integral de una función parabólica (𝑦 = 𝑥 2 ) y una cubica
(𝑦 = 𝑥 3 ).

Las cuatro operaciones son:

1
𝑐0 𝑓(𝑥0 ) + 𝑐1 𝑓(𝑥1 ) = ∫ 1𝑑𝑥 = 2
−1

1
𝑐0 𝑓(𝑥0 ) + 𝑐1 𝑓(𝑥1 ) = ∫ 𝑥𝑑𝑥 = 0
−1

1
2 14
𝑐0 𝑓(𝑥0 ) + 𝑐1 𝑓(𝑥1 ) = ∫ 𝑥 2 𝑑𝑥 =
−1 3
 1
𝑐0 𝑓(𝑥0 ) + 𝑐1 𝑓(𝑥1 ) = ∫ 𝑥 3 𝑑𝑥 = 0
−1

Resolviendo:
1
𝑥0 = − = −0.5773503 …
√3
𝑐0 = 𝑐1 = 1
1
𝑥1 = = 0.5773503 …
√3

Sustituyendo en l ecuación para obtener la fórmula de gauss-legendre de dos puntos

𝐼 = 𝑐0 𝑓(𝑥0 ) + 𝑐1 𝑓(𝑥1 )

−1 1
𝐼 ≅ 𝑓( )+𝑓( )
3 √ 3 √

1 −1
Así llegamos al resultado de que la simple suma de valores de la función es 𝑥 = y genera una estimación
√3 √3

de la integral que tiene una exactitud de tercer grado. Los límites de la integración son desde -1 a 1. Esto simplifica
la matemática.

Es posible utilizar un cambio de variable para transformar otros límites de integración a esta forma. Esto se realiza
suponiendo que una nueva variable 𝑥𝑑 esta relacionado con la variable original 𝑥 en una forma lineal.

𝑥 = 𝑎0 + 𝑎1 𝑥𝑑

Siendo el limito inferior a y el límite superior b de la integral entonces:

𝑏+𝑎 𝑏−𝑎
𝑥= + 𝑥𝑑
2 2

Esta ecuación se diferencia para dar

𝑏−𝑎
𝑑𝑥 = 𝑑𝑥𝑑
2

15
Ejemplo: Evalué la integral del polinomio entre los limites 𝑥 = 0 y 𝑥 = 0.8

𝑓(𝑥) = 0.2 + 25𝑥 − 200𝑥 2 + 675𝑥 3 − 900𝑥 4 + 400𝑥 5

Sol.
𝑎=0 𝑏 = 0.8

0.8 + 0 0.8 − 0
𝑥= + 𝑥𝑑 → 𝑥 = 0.4 + 0.4𝑥𝑑
2 2

Derivamos:
𝑑𝑥 = 0.4𝑑𝑥𝑑
Reemplazar:
0.8
∫ (0.2 + 25𝑥 − 200𝑥 2 + 675𝑥 3 − 900𝑥 4 + 400𝑥 5 )𝑑𝑥 =
0

1
=∫−1[0.2 + 25 (0.4 + 0.4𝑥𝑑 ) − 200(0.4 + 0.4𝑥𝑑 )2 + 675(0.4 + 0.4𝑥𝑑 )3

−900(0.4 + 0.4𝑥𝑑 )4 + 400(0.4 + 0.4𝑥𝑑 )5 ]0.4 𝑑𝑥𝑑

Evaluando mediante la cuadratura de Gauss en:

−1 1
𝐼 ≅ 𝑓( )+𝑓( )
3√ 3 √

−1 −1 −1 2 −1 3
𝑓 ( ) =[0.2 + 25 (0.4 + 0.4 ) − 200 (0.4 + 0.4 ) + 675 (0.4 + 0.4 )
3 √ √ 3 √ 3 √3

−1 4 −1 5
−900 (0.4 + 0.4 ) + 400 (0.4 + 0.4 ) ]0.4 = 0.516741
√3 √3

1 1 1 2 1 3
𝑓 ( ) =[0.2 + 25 (0.4 + 0.4 ) − 200 (0.4 + 0.4 ) + 675 (0.4 + 0.4 )
3 √ √ 3 √ 3 √ 3
4 5
1 1
−900 (0.4 + 0.4 ) + 400 (0.4 + 0.4 ) ]0.4 = 1.305837
√3 √3

16
 𝐼 ≅ 0.516741 + 1.305837

𝐼 ≅ 1.822578

FÓRMULAS CON MÁS PUNTOS

𝐼 ≅ 𝑐0 𝑓(𝑥0 ) + 𝑐1 𝑓(𝑥1 ) + ⋯ + 𝑐𝑛−1 𝑓(𝑥𝑛−1 )

Puntos Factor de Argumentos de la Error de

ponderación función truncamiento

2 𝑐0 = 1.0000000 𝑥0 = −0.577350269 ≅ 𝑓 (4) (𝜉)

𝑐1 = 1.0000000 𝑥1 = 0.577350269
3 𝑐0 = 0.5555556 𝑥0 = −0.774596669 ≅ 𝑓 (6) (𝜉)
𝑐1 = 0.8888889 𝑥1 = 0.0
𝑐2 = 0.5555556 𝑥2 = 0.774596669
4 𝑐0 = 0.3478548 𝑥0 = −0.861136312 ≅ 𝑓 (8) (𝜉)
𝑐1 = 0.6521452 𝑥1 = −0.339981044
𝑐2 = 0.6521452 𝑥2 = 0.339981044
𝑐3 = 0.3478548 𝑥3 = 0.861136312
5 𝑐0 = 0.2369269 𝑥0 = −0.906179846 ≅ 𝑓 (10) (𝜉)
𝑐1 = 0.4786287 𝑥1 = −0.538469310
𝑐2 = 0.5688889 𝑥2 = 0.0
𝑐3 = 0.4786287 𝑥3 = 0.538469310
𝑐4 = 0.2369269 𝑥4 = 0.906179846
6 𝑐0 = 0.1713245 𝑥0 = −0.932469514 ≅ 𝑓 (12) (𝜉)
𝑐1 = 0.3607616 𝑥1 = −0.661209386
𝑐2 = 0.4679139 𝑥2 = −0.238619186
𝑐3 = 0.4679139 𝑥3 = 0.238619186
𝑐4 = 0.3607616 𝑥4 = 0.661209386

17
 𝑐5 = 0.1713245 𝑥5 = 0.932469514

Factores de ponderación c y argumentos de la función x

Extrapolación de Richardson
 La extrapolación de Richardson es un método para combinar dos estimaciones numéricas de una integral
para obtener una más exacta.
 La estimación de la integral y el error aproximado empleando el método de la regla trapezoidal compuesta
se puede expresar como:
𝐼 = 𝐼(ℎ) + 𝐸(ℎ)
Si se realizan dos estimación de la misma integral con valores de ℎ1 y ℎ2 se tiene
𝐼(ℎ1 ) + 𝐸(ℎ1 ) = 𝐼(ℎ2 ) + 𝐸(ℎ2 )

 Recordando la fórmula para el error de la regla trapezoidal compuesta.

𝑏 − 𝑎 2 ´´
𝐸≅− ℎ 𝑓 (𝑥) Aproximado ya que
12
suponemos que
𝐸(ℎ1 ) ℎ1 2 ambas segundas
≅
𝐸(ℎ2 ) ℎ2 2 derivadas son iguales

ℎ1 2
𝐸(ℎ1 ) ≅ 𝐸(ℎ2 )( )
ℎ2
 Sustituyendo y despejando
ℎ1 2
𝐼(ℎ1 ) + 𝐸(ℎ2 )( ) = 𝐼(ℎ2 ) + 𝐸(ℎ2 )
ℎ2
𝐼(ℎ1 ) − 𝐼(ℎ2 )
𝐸(ℎ2 ) =
ℎ
1 − ( 1 )2
ℎ2
 La estimación del error encontrada depende de la estimación de la integral y los valores de ℎ1 𝑦 ℎ2 .
 Sustituyendo en la ecuación inicial
𝐼 = 𝐼(ℎ2 ) + 𝐸(ℎ2 )

18
 1
𝐼 = 𝐼(ℎ2 ) + [𝐼(ℎ2 ) − 𝐼(ℎ1 )]
ℎ
( 1 )2 − 1
ℎ2
ℎ1⁄
 Para el caso especial donde ℎ2 = 2
4 1
𝐼= 𝐼(ℎ2 ) − 𝐼(ℎ1 )
3 3

19
 De modo similar a integración de Romberg, se puede deducir una ecuación para la estimación de la
derivada.
4 1
𝐷= 𝐷(ℎ2 ) − 𝐷(ℎ1 )
3 3
ℎ1
ℎ2 =
2
 La ecuación anterior aplica para diferencias centradas con O(ℎ2 ), la aplicación de la formula produce un
resultado con O(ℎ4 ).

20
INTEGRALES IMPROPIAS
Integral impropia de primera especie. Sea f una función continua en un intervalo de la forma [a,+∞). Se define
la integral impropia de primera especie de f en [a,+∞) como

De forma similar se define la integral impropia para una función continua en un intervalo de la forma (-∞, b], ∫-
b
∞ f(x)dx. La integral impropia de una función continua en toda la recta real se define como

∫-∞+∞f(x)dx = ∫-∞af(x)dx + ∫a+∞f(x)dx

Donde a∈ℜ es un número real cualquiera.

Convergencia. Una integral impropia de primera especie es convergente cuando existe y es finito el límite de la
definición anterior, en cualquier otro caso se dirá que la integral impropia es divergente (bien porque tienda a
infinito o porque no exista el límite).

En el caso de la integral impropia en toda la recta real ∫-∞+∞f(x)dx se dice que es convergente cuando lo son cada
uno de los sumandos de la definición, ∫-∞af(x)dx y ∫a+∞f(x)dx, siendo divergente si alguno de ellos lo es. Además,
la integral impropia ∫-∞+∞f(x)dx tiene el mismo carácter y el mismo valor independientemente del punto intermedio
a elegido. Existen casos en los que la integral en toda la recta real de una función ∫-∞+∞f(x)dx es divergente porque
lo son los dos sumandos, ∫-∞af(x)dx y ∫a+∞f(x)dx, pero sin embargo es posible definir este otro valor,
denominado valor principal de Cauchyde la integral,

21
Cuando la integral impropia en toda la recta real es convergente su valor coincide con el valor principal de Cauchy
de la integral.

Condición necesaria de convergencia para integrales de primera especie. Sea f una función continua y positiva en
un intervalo de la forma [a,+∞). Si la integral impropia de primera especie ∫a+∞f(x)dx es convergente

entonces Integral impropia de segunda especie. Impropiedad. Sea f una función continua en

un intervalo de la forma [a, b) con . Se define la integral impropia de segunda especie de

f en [a, b) como

y se dice entonces que ∫abf(x)dx tiene una impropiedad en b: Igualmente se puede definir en un intervalo de la

forma (a, b] y con . En general, si f es continua en un intervalo (a, b) ocurriendo que la

integral tiene impropiedades en a y b entonces la integral impropia es

∫abf(x)dx = ∫acf(x)dx + ∫abf(x)dx

donde c∈(a, b) es un punto cualquiera. Si f es continua en [a, b] salvo un punto c∈(a, b) donde tiene impropiedad
entonces la integral impropia se define como

∫abf(x)dx = ∫acf(x)dx + ∫abf(x)dx

Convergencia. Una integral impropia de segunda especie es convergente si existe y es finito el límite que aparece
en su definición, en cualquier otro caso (que tienda a infinito o no exista) se dice que es divergente.

En los casos en que la integral se define como la suma de otras dos se dirá que es convergente cuando sean
convergentes los dos sumandos, siendo divergente en cuanto uno de ellos sea divergente.

Integral impropia. La familia de las integrales impropias incluyen a las integrales impropias de primera especie
y a las de segunda especie. Pero también pueden de.nirse integrales impropias combinando los dos tipos de
impropiedades. En todo caso la de.nición de esa integral es la suma de integrales mediante una partición del
intervalo de forma que sólo quede una impropiedad en cada integral. Por ejemplo, si f es continua en R salvo una
impropiedad en c entonces la integral en toda la recta real se de.ne como

∫-∞+∞f(x)dx = ∫-∞af(x)dx + ∫acf(x)dx + ∫cbf(x)dx + ∫b+∞f(x)dx

22
donde a, b son dos números reales cualesquiera con a < c < b.

Un integral impropia de este tipo será convergente cuando lo sean todos los sumandos de su definición, y bastará
con que uno de ellos sea divergente para que la integral sea divergente.

Las integrales definidas pueden considerarse también integrales impropias que siempre son convergentes.

Integrales impropias fundamentales. A continuación se establece la convergencia o divergencia de tres tipos

fundamentales de integrales impropias.

Criterio de comparación por paso al límite. Sea f ≥ 0 continua en un intervalo de la forma [a, b) donde b puede
ser infinito: Se verifican las siguientes afirmaciones:

1. Si existe una función g ≥ 0 en [a, b) con

entonces ∫abf(x)dx converge si, y sólo si, ∫abg(x)dx converge.

2. Si existe una función g ≥ 0 en [a, b) con

y ∫abg(x)dx converge entonces ∫abf(x)dx es convergente.

3. Si existe una función g ≥ 0 en [a, b) con

23
y ∫abf(x)dx diverge entonces, ∫abg(x)dx es divergente

(Todos los límites anteriores se resuelven con x → +∞ en el caso de que b = +∞)

Realizaremos aproximaciones de la integral bajo cierto métodos de integración numérica teniendo en cuenta cierta
precisión.

EJERCICIOS DE APLICACIÓN.

1.- Para la información dada, calcular el área debajo la curva f(x) en el intervalo [a,b] y estimar el error.

a) a=-2 b=4

.x -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3 3.5

.f(x) 1.9 0.7 0.2 0.1 0.1 2.7 4.9 8.4 13.6 22.1 35.6

b) a=0 b=5

X 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5

F(X) 0.15 1.91 3.32 3.5 4.5 3.8 3.15 2.5 10.5 11.5

2.- Aproximar con una tolerancia de la milésima las siguientes integrales

sen( x )
1
0 x dx
1 1
a) 0 1  x 3 dx b)

20 250 z z / 15 3 e x sen( x)
c)  0 4 z
e dz d) 0 1 x2
dx

3. Sea claro y justifique su respuesta.

24
 a. Dar una semejanza y una diferencia entre Interpolación y Ajuste, en el contexto de la aproximación de una
función.
b. Mencionar al menos 3 diferencias existentes entre el método del Trapecio y Simpson, en el contexto de la
integración numérica.

4. La fuerza del viento distribuida sobre el lado de un rascacielos se registra como:

Alturs (m)/10 0 3 6 9 12 15 18 21 24

Fuerza (N/m)/100 0 3.5 10 15 30 33 35 36

a. Empleando una cúbica, halle el valor que falta, estime el error.

b. Empleando el valor hallado en la parte (a), calcule la fuerza total sobre la línea de acción debida a esta
distribución del viento, estime el error.
5. Si una población tiene un crecimiento logístico y no puede superar la cantidad 2000 individuos,
4000
entonces el número P de individuos en un instante t viene dado por la expresión: P(t ) 
2  ae bt
T 0 1 2 3 4 5 6 7 8

P(t) 100 300 550 750 900 1200 1500 2000

c. Ajuste los datos al modelo dado anteriormente.

d. Mediante una interpolación adecuada encuentre el valor de P3 así como su respectivo error.

e. Usando todos los datos, encuentre de la mejor forma

8


aproximadamente P(t )dt y su Respectivo error de aproximación.
0

6. Dada la siguiente información :

x 0 1 2 3 4 5 6 7 8 9

f(x) 5 6 8 9 13 15 20 25 32 39

Determine los parámetros que permita aproximar la función mediante f ( x)  aeb x , luego estime el valor de f(10)

7. En cierto experimento se encontraron los siguientes datos:

X 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 2,2 2,4 2,6

Y 10 7 4 3 1 4 5 6 4 7 5 3

25
 b
a. Describa el sistema normal asociado al modelo y  a  , teniendo en cuenta sólo los cinco primeros
x
datos.
2, 6
b. Con los datos discretos aproxime  y( x)dx con el menor error posible, estime dicho error.
0, 2
3
c. Halle la mejor aproximación de la integral  y( x)dx , estime el error.
0

8. Dada la siguiente información:

X 0 1 2 4 5 6

F(x) 4 7 3 2 5 4

a. Determinar el polinomio de grado 2 que permita aproximar F(3), halle dicha aproximación y estime el error.

6
b. Teniendo en cuenta el datos hallado en la parte (a) aproximar lo mejor posible  0
F ( x ) dx , y estime el
error.

9. La siguiente información corresponde a las mediciones por hora del flujo de calor q (cal/cm2/h) en la
superficie de un colector solar, el panel tiene una eficiencia ef=60%, el calor total se determina mediante
6
H  ef  0
A q(t ) dt donde A=50000 cm2
t 0 1 2 4 5 6
q(t) 0.10 1.70 5.30 7.80 8.60 8.20

Para calcular H se propone:

a. Aproximar q(3) empleando una cuadrática, luego con este valor hallado y el resto de la información aplicar
la regla de Simpson, estime el error.
b. Aproximar q(3) empleando una cúbica, luego con este valor hallado y el resto de la información aplicar la
regla del Trapecio, estime el error.
c. ¿Cuál de los dos procesos anteriores según su criterio es mejor? Justifique.

10. Dada la tabla siguiente:

x 0 0.5 1 1.5 2 2.5 3 3.5 4

f(x) 1.2 2.5 5.8 3.5 2.2 1 3.1 4.5 5.6

26
 4
a. Calcular el valor aproximado de  0
f ( x)dx , con el menor error posible, indicar cual es ese error.

b. Explique pero no calcule, según los conceptos aprendidos ¿cuál sería la mejor manera de aproximar
4.5
 0
f ( x)dx ?

0.5  x 
11. Calcular con dos decimales de tolerancia  0
 dx , empleando el método del Trapecio y también
 sen( x) 
con el método de Simpson.

12. Explique en forma clara:

a. La semejanza y diferencia entre Interpolación y ajuste.

b. ¿Hay diferencia i/o semejanza entre interpolación y cuadratura?
c. ¿Cuánto de error se tiene si empleamos el método de Simpson para calcular la integral
5
 0
( x 3  10 x 2  15 x  7)dx , con sólo un tramo?
d. ¿Cuánto de error se tiene si empleamos el método de Trapecio para calcular la integral
5
 0
(10 x 2  15 x  7)dx , con sólo un tramo?

13. En la siguiente información falta una información

a) Determine el polinomio cuadrático adecuado y aproxime el valor faltante, estime el error.

x 0 0.5 1 1.5 2 2.5 3 3.5

y 6 4.4 3.7 7.6 4.4 11.2 6.4

3.5
b) Calcular de la mejor manera la integral 0 y( x )dx , estime el error.

Conclusiones
 Notamos que la regla de Simpson es mas exacta que la regla trapezoidal
 Tendremos que saber las derivaciones e integraciones para poder llegar a la solución más exacta que tenga
el mínimo error
 A pesar de que estas reglas nos muestren el error más mínimo siempre habrá un error ya que las derivas e
integraciones tienen su margen de error.
Sabiduría ante todo; adquiere sabiduría; Y sobre todas tus posesiones adquiere inteligencia Proverbios 4-7

¡BUEN TRABAJO!
La matemática es el alfabeto con que Dios escribió el mundo

27