Instituto Politécnico Nacional

Unidad Profesional Interdisciplinaria de Ingeniería Campus

Guanajuato.
Ingeniería en Aeronáutica.

Materia: Analisis Númerico

Grupo: 3AM1

Reporte 3er departamental

Equipo: Araiza Acosta Luis Alfredo

Gerson Rodríguez Carreño
Casas Ballesteros Artemio
Ramírez Berduzco Federico
Palma Salazar Iván

Profesor: Lenin Augusto Echavarría Cepeda

5/Noviembre/2018
 Métodos númericos utilizados

Integración por “Simpson 3/8”

El metodoé simpson 3/8 en un método de integracion numérica; este deetermina o aproxima
el área bajo una función de tercer grado que conecta 4 puntos sobre una curva dada de
una integral deinida.

𝒃
𝑰 = ∫ 𝒇(𝒙)𝒅𝒙
𝒂

Para usar este método debemos dividir el intervalo de la integral en 4 partes iguales
delimitadas por los limites de la integral que son: a y b; si estos valores no existen este
método no podrá se utilizado.

En este tipo los valores 𝑥𝑘 y 𝑥𝑘 + 3 son

conocidos: son los limites de la integral a y b

Para hallar h
𝒃−𝒂
𝒉=
𝒏
Donde “a” y “b” seran los limites de la integral y “n” sera el número de divisiones que debe
tener el intervalo el cual siempre sera 3.
Para hallar los valores 𝑥𝑘 + 1 y 𝑥𝑘 + 2
 (𝑎−𝑏)
Debemos hallar el valor de h que es: 3
donde a y b son los limites de la integral;
entonces 𝑥1 : 𝑎 + ℎ , 𝑥2 : 𝑥1 + ℎ
La formula para este tipo es:
𝒙𝟒
𝟑
∫ 𝒇(𝒙)𝒅𝒙 = 𝒉(𝒇𝟏 + 𝟑𝒇𝟐 + 𝟑𝒇𝟑 + 𝒇𝟒 )
𝒙𝟏 𝟖

Ejemplo:
Integrando por simpson 3/8 se utilizan las siguientes formulas
𝒃
𝟑𝒉
𝑰 = ∫ 𝒇(𝒙) = [𝒇(𝒙𝟎 ) + 𝟑𝒇(𝒙𝟏 ) + 𝟑𝒇(𝒙𝟐 ) + 𝒇(𝒙𝟑 )]
𝒂 𝟖

𝒃−𝒂
𝒉=
𝒏

Donde:
a=1
b=2
n=3
2−1 1
ℎ= 3
= 3 = 0.333333

𝑥0 = 𝑎 = 1
𝑓0 = 𝑓(𝑥0 ) = 𝑓(1) = 0.5
𝑥1 = 𝑥0 + ℎ = 1 + 0.333333 = 1.333333
𝑓1 = 𝑓(𝑥0 + ℎ)
𝑓(𝑥1 ) = 𝑓(1.333333) = 1.100092
𝑥2 = 𝑥1 + ℎ = 1.333333 + 0.333333 = 1.666667
𝑓2 = 𝑓(𝑥1 + ℎ)
𝑓(𝑥2 ) = 𝑓(1.666667 ) = 2.020793
𝑥3 = 𝑥2 + ℎ = 1.666667 + 0.333333 = 2
𝑓3 = 𝑓(𝑥2 + ℎ)
𝑓(𝑥3 ) = 𝑓(2) = 3.313708
Resumiendo
 𝑖 𝑥𝑖 𝑓(𝑥𝑖 )
0 1 0.5
1 0.333333 1.100092
2 0.666667 2.020793
3 2 3.313708

Remplazando en la formula
3(0.333333)
𝐼= [0.5 + 3(1.100092 + 2.020793) + 3.313708] = 1.647045
8
Comparando el valor obtenido analiticamente se puede determinar la exactitud de cada respuesta
obtenida.

Método Resultado Error

Trapecio 1.906854 0.26
Simpson 1/3 1.646970 7.54x10−5
Simpson 3/8 1.647045 4.00x10−7

Como se puede ver los metod Simpson son mas exactos.

 Interpolación Spline Cubica

Hoy en día, los Splines permiten representaciones matemáticas de las superficies que sería
imposible realizar a mano. En Boeing, cálculos que implican 30 a 50.000 puntos de
referencia son rutinarios. ¡Imagínese el medir, el trazar, y el suavizar 50.000 puntos a mano!
El término spline viene de “bosquejo”, los splines son tiras flexibles guiadas por puntos,
usados para dibujar curvas.

Para hacer más firme el entendimiento, escribimos la definición correspondiente

a este caso (k=3).

Dados los n  1 datos:

Una spline cúbica que interpola estos datos, es una función s(x) definida como
sigue :

 s0  x  si x  x0 , x1 
 s  x  si x  x , x 

s x    1 1 2

 
sn 1  x  si x  xn 1 , xn 

   
donde cada si x es un polinomio cúbico; si xi  yi , para toda i  0,1,, n y tal
que s x  tiene primera y segunda derivadas contínuas en x0 , xn  .
Ejemplo 1.
Interpolar los siguientes datos mediante una spline cúbica :

Solución.
Definimos un polinomio cúbico en cada uno de los intervalos que se forman:

 a1 x3  b1 x 2  c1 x  d1 si x  2,3
s x    3
a2 x  b2 x  c2 x  d 2
2
si x  3,5

A continuación, hacemos que se cumpla la condición de que la spline debe

pasar por los puntos dados en la tabla. Así, tenemos que:

s2  1  8a1  4b1  2c1  d1  1

s3  2  27a1  9b1  3c1  d1  2

s5  7  125a2  25b2  5c2  d2  7

Ahora calculamos la primera derivada de s x  :

 3a1 x 2  2b1 x  c1 si x  2,3

s  x   
3a 2 x  2b2 x  c2
2
si x  3,5

Al igual que en el caso de las splines cuadráticas, se presentan ecuaciones que

pueden presentar discontinuidad en los cambios de intervalo; las posibles
discontinuidades son los puntos donde se cambia de intervalo, en este caso x  3
. Para evitar esta discontinuidad, evaluamos x  3 en los dos polinomios e
igualamos:
 3a1 3  2b1 3  c1  3a2 3  2b2 3  c2
2 2

o lo que es lo mismo:

27a1  6b1  c1  27a2  6b2  c2

Análogamenete procedemos con la segunda derivada :

 6a x  2b1 si x  2,3
s  x    1
6a 2 x  2b2 si x  3,5

Para lograr que s  x  sea continua :



6a1 3  2b1  6a2 3  2b2

18a1  2b1  18a2  2b2

En este punto contamos con 6 ecuaciones y 8 incognitas, por lo tanto

tenemos 2 grados de libertad; en general, se agregan las siguientes 2
condiciones:

s  x0   0
s  x n   0

De lo cual vamos a obtener :

s2  0  6a1 2  2b1  0

12a1  2b1  0
 s5  0  6a2 5  2b2  0

 30a2  2b2  0

Con lo cual, hemos completado un juego de 8 ecuaciones vs. 8 incógnitas, el

cual es el siguiente:

8a1  4b1  2c1  d1  1

27a1  9b1  3c1  d1  2
27a 2  9b2  3c 2  d 2  2
125a 2  25b2  5c 2  d 2  7
27a1  6b1  c1  27 a 2  6b2  c 2
18a1  2b1  18a 2  2b2
12a1  2b1  0
30a 2  2b2  0

Cuya forma matricial es la siguiente :

8 4 2 1 0 0 0 0  a1    1 
27
 9 3 1 0 0 0 0  b1   2 
0 0 0 0 27 9 3 1  c1   2 
    
0 0 0 0 125 25 5 1  d1   7 

27 6 1 0  27 6 1 0   a2   0 
    
18 2 0 0  18 2 0 0  b2   0 
12 2 0 0 0 0 0 0  c2   0 
    
 0 0 0 0 30 2 0 0 d 2   0 
obtenemos la siguiente solución:

a1   1.25
b1  7 .5
c1   10.75
d1  0 .5
a2  0.625
b2   9.375
c2  39.875
d2   50.125

Sustituyendo estos valores en nuestra función inicial, vemos que la spline cúbica
para la tabla de datos dada, queda definida como sigue:

  1.25 x3  7.5 x 2  10.75 x  0.5 si x  2,3

s x   
0.625 x  9.375 x  39.875 x  50.125 si x  3,5
3 2

Mostramos la gráfica correspondiente a este ejemplo.

Obsérvese la finura con la que se unen los polinomios cúbicos que conforman a
la spline. Prácticamente ni se nota que se trata de dos polinomios diferentes!. Esto
es debido a las condiciones que se impusieron sobre las derivadas de la función..
Observación: Cada polinomio P(x) a través del que construimos los Splines en [m,n] tiene
grado 3. Esto quiere decir, que va a tener la forma P(x) = ax³ + bx² + cx + d

En este caso vamos a tener cuatro variables por cada intervalo (a,b,c,d), y una nueva
condición para cada punto común a dos intervalos, respecto a la derivada segunda:

 Que las partes de la función a trozos P(x) pasen por ese punto. Es decir, que las
dos Pn(x) que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada uno
de estos puntos.
 Que la derivada en un punto siempre coincida para ambos "lados" de la función
definida a trozos que pasa por tal punto común. Que la derivada segunda en un
punto siempre coincida para ambos "lados" de la función definida a trozos que pasa
por tal punto común.
 Como puede deducirse al compararlo con el caso de splines cuadráticos, ahora no
nos va a faltar una sino dos ecuaciones (condiciones) para el número de incógnitas
que tenemos.
Referencias:
http://test.cua.uam.mx/MN/Methods/Integracion/Simpson38/Simpson38.php
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://prezi.com/0scs244e5gie/simpson-38/
http://matematicaaplicada.jezasoft.co/jeza/material_de_apoyo/algebra_lineal/interpolacion_con
_splines.pdf

http://tikhonov.fciencias.unam.mx/pablo/pdf/EL_ABC_DE_LOS_SPLINES.pdf