Apuntes Metodos Numericos Integracion y Diferenciacion

Métodos Numéricos Aplicados a la Ingeniería
INTEGRACIÓN Y
DIFERENCIACIÓN NUMÉRICA
2.2.1. COMENTARIOS
2.2.2. MÉTODOS DE NEWTON – COTES
2.2.3. ERRORES DE TRUNCAMIENTO
2.2.3. INTEGRACIÓN DE ROMBERG
2.2.4. CUADRATURA GAUSSIANA
2.2.5. CUADRATURA ADAPTABLE
2.2.6. INTEGRALES MÚLTIPLES
2.2.7. INTEGRALES IMPROPIAS
2.2.8. DIFERENCIACIÓN NUMÉRICA
2.2.8.1. FORMULAS DE ALTA EXACTITUD
2.2.8.3. APLICACIONES.
Integració n y Diferenciació n Numérica Pá gina 1

2.2. INTEGRACIÓN Y DIFERENCIACIÓN NUMÉRICA

2.2.1. COMENTARIOS
En materias anteriores se han estudiado una diversidad de técnicas para

evaluar las integrales de manera exacta, sin embargo debemos destacar que
estas técnicas no pueden resolver muchos problemas que aparecen en el
mundo real físico consensual; para esto necesitamos métodos de
aproximación de integrales se le llaman métodos de cuadratura porqué
“cuadratura” pues se trata de la palabra clásica para denominar el cálculo
de áreas.
Debemos decir que la principal herramienta para evaluar integrales
definidas es la Regla de Barrow, la que para su aplicación requiere la
determinación de una primitiva de la función cuya integral queremos evaluar
el cual en general no es un proceso constructivo, lo que induce a la
necesidad de disponer técnicas para obtener aproximaciones precisas.
La integración es el proceso inverso de la diferenciación, en donde la
integración es juntar partes en un todo, matemáticamente se representa por
, que representa la integral de f(x) con respecto a la variable x.
La integración numérica es utilizada para funciones analíticas o

tabulaciones dadas.
En el caso de las funciones tabulares dados se ha determinado un polinomio

de aproximación Pn (x) en un intervalo de interés, que aproxima la curva que
representa a la función f(x), pero su diferenciación e integración presentan
discrepancias

1. El proceso de integración esta dado por el área bajo la curva de f (x)

xn
 x0
f ( x ) dx
2. La integral aproximada está dado por el área bajo la curva Pn (x)
Pn ( x) :
xn
x0
Pn ( x) dx
3. Los errores que se cometen al integrar los diferentes segmentos, tienden

a cancelarse entre si o reducirlo lo que permite afirmar que el error total
al integrar Pn (x) desde x0 a xn puede ser muy pequeño; aun cuando Pn
(x) no sea una buena aproximación de f (x).
d
4. Por otro lado  Pn (x) que proporciona la pendiente de la recta
dx
tangente a Pn (x) en un punto; puede variar en magnitud respecto a
d
f (x) en el mismo punto aunque Pn (x) sea una buena aproximación
dx
Los métodos de integración usadas pueden clasificarse en dos grupos:
i) Fórmulas de Newton Cotes: Los que usan valores dados de la función

f (x) en abscisas equidistantes.

ii) Fórmulas de Cuadratura Gaussiana: Los que usan valores de f (x) en

abscisas desigualmente espaciadas determinadas por ciertas
propiedades de familias de polinomio ortogonales.
2.2.2. MÉTODO DE NEWTON – COTES

Son los tipos de integración numérica mas comunes, su estrategia es
remplazar a la función complicada o de datos tabulados por un polinomio
de aproximación que es fácil de integrar.
b
Es decir supongamos que nos interesa determinar I  
a
f ( x ) dx ;
entonces, tenemos:
En donde pn(x) es el polinomio aproximación,
Donde n es el grado del polinomio el método en estudio lo realiza en

general en dos pasos.
Observemos que cuando el polinomio de aproximación es lineal se trata de

una línea recta como observamos en el caso (a) y cuando se trata de un
polinomio de segundo orden tenemos el caso (b)
f(x)
f(x)
a b x a b x
Figura N0 caso (a) Caso (b)

En otros términos:
Primero: Dividir el intervalo [a, b] en “n” intervalos de igual magnitud en

donde sus valores extremos son:
, siendo , (1)
x0 x1 x2 x3 xi xi + 1
…
h h h h h ...
a b
Segundo: Se aproxima f (x) por un polinomio de grado “n”, Pn (x) y se

integra para obtener la aproximación de f(x).
2.2.2.1. MÉTODO TRAPEZOIDAL

1. Este método de integración numérica se fundamenta en la
integración de la fórmula de interpolación lineal.
2. Que ocurre con (*) si n = 1, i.e., x0 = a , x1 = b, entonces la
aproximación polinomial de f (x) es una línea recta, i.e., P1 (x)
3. La aproximación a la integral es el área del trapezoide bajo la
línea recta.
b x1
a
f ( x) dx  
x0
Pi ( x ) d ( x )  Área del trapecio con vértices
x 0 , x1 , f ( x0 ), f ( x1 )
x1
4. Para realizar la integración 
x0
P1 ( x ) dx , se requiere usar una
de las representaciones del polinomio P1 (x).

5. Pero f (x) está dado para valores equidistantes de x con distancia h, la

relación lógica es una de las fórmulas en diferencias divididas finitas
(hacia delante, hacia atrás)
6. Supongamos que elegimos las diferencias divididas finita
hacia delante tendremos.
s ( s  1) 2 s ( s  1)(s  2) 3
Pn ( x 0  sh )  f  x 0   sf  x 0    f  x0    f  x 0   ... 
2! 3!
s ( s  1)(s  2)(s  3)....(s  (n  1)) n
 f  x0 
n!
En nuestro caso:
f ( x)  P1 ( x) , luego
P1 ( x)  P1 ( x 0  sh)  f  x 0   sf  x 0 
Tenemos la integral
  f  x   sf  x   dx
b x1
a
f ( x)dx 
x0 0 0
(2)
La integral de lado derecho debe estar en función de s, i.e.,
x  x 0  sh ;
dx  hds
Para los límites de integración x0 y x1:
x 0  x 0  sh de donde s  0 ; x 0 , h son cons tan tes

x1  x 0  sh
Luego:
  f (x )  sf ( x 0 )dx   h f ( x )  sf ( x0 )ds

x1 1
0 0
x0 0
1
 s2 
 h  f ( x0 ) s  f ( x 0 ) 
 2  0
 f ( x 0 ) 
 h  f ( x0 ) 
 2 
Pero : f ( x0 )  f ( x0  h)  f ( x0 )
 f ( x1 )  f ( x 0 )

 f ( x1 )  f ( x 0 ) 
Luego tenemos:  h f ( x0 )  
 2 
 f ( x1 )  f ( x 0 ) 
 h 
 2 
h
 f ( x1 )  f ( x 0 ) ,
b
 a
f ( x) dx 
2
(3)
Algoritmo del Método Trapezoidal
Ejemplo: Usar el método trapezoidal
a) Aproximar el área A1 bajo la curva de la función dada por la tabla

siguiente, en el intervalo a = 500, b = 1800
Puntos 0 1 2 3 4 5
f (x) 9 13 18 25 25 27
x 500 900 1400 1800 2000 2200

6 4
b) Aproximar: A2  0 (1  x) ; c) Aproximar: A3  2 (2  3x  4 x 2 )dx
 
d) Aproximar: A4   2
senxdx ; e) Aproximar: A5   2 cos xdx
0 0
Solución:
a) h = 1800 – 500 = 1300 ; x0 = 500 , x1 = 1800

1300
A1  ( 23  9)  1300 16  20800
2
b) h = 6 – 0 = 6 ; x0 = 0 , x1 = 6
6
A2  f  f (0)  f (6)  3 1  7  24  A2  24u 2
2

c) h = 4 - (-2) = 6 ; x0 = -2 , x1 = 4 : f (x) = 2 + 3x + 4x2
A3 
6
2
 
2  6  4( 4)  2  12  4(4) 2  312  78  2700u 2
  
d) h   0  h  , x 0  0 , x1  , f ( x)  senx
2 2 2
     2
A4   sen0  sen 2   4  A4  4 u
4  
 
e) h  ; x 0  0 , x1  , f ( x)  cos x
2 2
 2
A5  u
4
2.2.2.2. MÉTODO DE SIMPSON

Supongamos que el intervalo de integración  a, b es dividido en n
subintervalos con longitudes iguales, i.e.,
Supongamos que n=2 es decir al intervalo [a,b] se le divide en dos

subintervalos en tonces tendremos:
Se aproxima f(x) por una parábola
Usemos la formula de Newton en diferencias finitas hacia delante

s s  1 2
P2 ( x)  P2 ( x 0  sh)  f ( x0 )  sf ( x 0 )   f ( x0 )
2!
En consecuencia
Considerando la primera y segunda diferencia hacia delante tenemos
Considerando estas relaciones en la relación
, tenemos
,.........(4)

Ejemplos usando los datos anteriores aplicar el algoritmo de Simpson
1800  500
h  650; X 0  500; X 1  500  650  1150; X 2  1800
2
650
A1   f (500)  4 f (1150 )  f (1800)  f(X1) se encuentra interpolando
3
650
A1   9  4(16.08)  23  20869.33
3
5
(2) Aproximar A2    2  3 x  dx
0
50
h  2.5; X 0  0; X 1  0  2.5  2.5; X 2  5
2
2 .5
A2   f ( X 0 )  4 f ( X 1 )  f ( X 2 )
3
2 .5
A2   2  4(2  3(2.5))  (2  3(5)  )
3
2 .5
A2   2  4(9.5)  17   47.5
3
4
 2
(3) Aproximar A3   1  2 x  3 x dx 
2
4  (  2)
h  3; X 0  2; X 1  2  3  1; X 2  4
2
f (2)  1  2(2)  3(2) 2  9
f (1)  1  2(1)  3(1) 2  6
f (4)  1  2( 4)  3(4) 2  57
3
A3   9  4(6)  57   90
3
Generalizando
Consideremos el intervalo [a,b] dividido en n subintervalos proporcionando
n+1 puntos equidistantes en donde x0=a; xn=b, en esta
oportunidad el polinomio de interpolación es de n-esimo grado, luego la

aproximación de la integral

s s  1 2 s ( s  1)( s  2) 3
Pn ( x)  Pn ( x 0  sh)  f ( x 0 )  sf ( x 0 )   f ( x0 )   f ( x 0 )  ... 
2! 3!
s ( s  1)( s  2)...(s  ( n  1)) n

  f ( x0 )
n!
b
Entonces la aproximación de la integral  f ( x)dx estará dado por:
a
b xn n
 f ( x) dx   Pn ( x) dx  h  Pn ( x 0  sh)ds
a x0 0
n s s  1 2 s( s  1)(s  2) 3 s ( s  1)(s  2)...(s  (n  1))

 h   f ( x0 )  sf ( x0 )   f  x0    f ( x0 )  ...  
0 2! 3! n!
Que ocurre si integramos los cinco primeros términos
b  s2  s3 s 2  2  s4 s3 s 2  3  s5 s 4 11s 3 s 2 
 f ( x ) dx  h  sf ( x 0 )  f ( x 0 )     f ( x0 )      f ( x0 )      
 2!  6 4   24 6 6   120 16 72 8 
a       
b  n2  n3 n 2  2  4 3 2   5 4 3 2 
 f ( x ) dx  h nf ( x 0 )  f ( x 0 )     f ( x )   n  n  n  3 f ( x )   n  n  11n  n 
 6 0 0
 2! 4   24 6 6   120 16 72 8 
a       
Que ocurre si n = 1
x1 h
 f ( x)dx   f ( x 0 )  f ( x1 )
x0 2
Trapezoidal
Pues:
x1 
  h h h
 f ( x)dx  h f ( x 0 )  f ( x 0 )    2 f ( x 0 )  f ( x 0 )    2 f ( x 0 )  f ( x1 )  f ( x 0 )    f ( x 0 )  f ( x1 ) 
x0  2  2 2 2
Que ocurre para n = 2
x2 h x2
 f ( x)dx   P2 ( x 0  sh)ds
x0 2x
0
2
 h  P2 ( x 0  sh) ds
0

2 s  s  1 2 
 h   f ( x 0 )  sf ( x 0 )   f  x 0  ds
0 2! 
2
 s2  s3 s 2  2 
 h  sf ( x 0 )  f ( x 0 )     f ( x 0 )
 2!  6 4  
   0
 1 
 h  2 f ( x 0 )  2f ( x 0 )  2 f ( x 0 )
 3 
Pero:
f ( x 0 )  f ( x 0  h)  f ( x 0 )  f ( x1 )  f ( x 0 )
2 f ( x 0 )  f ( x 0  2h)  2 f ( x 0  h)  f ( x 0 )  f ( x 2 )  2 f ( x1 )  f ( x 0 )
x2 h
 f ( x)dx   f ( x 0 )  4 f ( x1 )  f ( x 2 )   Simpson 1/3
x0 3
Si n = 3
x3 3h
 f ( x )dx   f ( x0 )  3 f ( x1 )  3 f ( x 2 )  f ( x3 )    Simpson 3/8
x0 8
f (X2)
f (X1)
h5
 
90
f IV X ;   f (X0)
ab
X 
2
ba
h
2
a = X0 X1 X2 = b
2.2.2.3. MÉTODOS COMPUESTOS DE INTEGRACIÓN

En ocasiones el intervalo de integración tiene una longitud grande, entonces
resulta conveniente dividirlo en subintervalos y aproximar
f(xn-1) cada
f(xn) una por
f(x2)
medio
f(X) de un polinomio. f(X) f(x)
f(x1)
2.2.2.3.1.
f(x1Método
) Trapezoidal Compuesto
f(x0) f(x0)
X x X
Integració
0 n y Diferenciació
1 n Numérica X0 x1 x2 xn-1 xn Pá gina 12
a b
Figura. Representación del Método de Trapecio Compuesto
En vez de aproximar la integral de f(x) en [a,b] por una recta. Conviene

dividir [a, b] en n subintervalos y aproximar la integral de f(x) en cada
subintervalo por un polinomio de primer grado como muestra la figura.
Aplicamos la fórmula Trapezoidal a cada subintervalo y se obtiene el área

del trapezoide de tal manera que la curva de todos ellos nos proporciona el
área aproximada bajo la curva f(x).
b x1 x2 x3 xn  b
 f ( x) dx   P1( x) dx   P2 ( x) dx   P3 ( x) dx     Pn ( x) dx
a a  x0 x1 x2 xn 1
Donde:
Pi(x): es un polinomio de primer orden, i.e., la recta que pasa por (X i-1, f(Xi-
1)), (Xi, f(Xi)).
Aplicando el método del trapezoide en cada subintervalo:
x x x x x x
I  1 0  f ( x 0 )  f ( x1 )  2 1  f ( x1 )  f ( x 2 )    n n 1  f ( x n1 )  f ( x n )
2 2 2
Que ocurre si todos los intervalos tienen la misma longitud h, i.e., Xi+1 - Xi =
hi; i=0, 1,2,…,(n-1).
h
I  f ( x0 )  2 f ( x1 )  2 f ( x 2 )    2 f ( x n1 )  f ( x n )
2
h n 1 
I   f ( x 0 )  2  f ( x i )  f ( x n )  (5)
2 i 1 
EJERCICIOS RESULTOS1
1
Ver Métodos Numericos aplicados a Ingenieria de Nieves y Domínguez

1) Usar el método trapezoidal compuesto para aproximar el área bajo la

curva de la función dada por tabulación en x = -1 y x = 4
1
Solución A  8  2(10  10  20  76)  238  239
2
Observación:
Se aplicó cinco veces el método del trapezoide. h=1
2) Aplicar el método en análisis si f(x)=x4 – 2x2 + x + 10; x0= -1  xn =4; h = 1
1 4 
A  f ( x 0 )  2  f ( xi )  f ( x5 ) 

2 
i 1 
1
A  8  2(10  10  20  76)  238  239
2
2.2.2.3.2. Método Compuesto de Simpson

Recordemos que para aplicar el método de Simpson se necesita dos
subintervalos y como queremos aplicarlo n-veces entonces se debe dividir
el intervalo [a, b] en un número de subintervalos igual a 2n.
Veamos gráficamente esto:

Figura. Representación del Método de Simpson Compuesto
Observamos que cada par de subintervalos sucesivos aproximamos f(x) por

medio de un polinomio de segundo orden (parábola) y se integra usando el
método de Simpson de tal manera que la suma de las áreas parciales
proporcione el área total, es decir:
b x2 x4 x6 xn b
I   f ( x)dx   P1 ( x)dx   P2 ( x)dx   P3 ( x)dx     Pn ( x)dx
a a  x0 x2 x4 xn  2
Donde Pi; i=1,2,…; es el polinomio de grado dos que pasa por tres puntos
consecutivos usando el método del Trapezoide.
h h h
I  1  f ( x 0 )  4 f ( x1 )  f ( x 2 )  2  f ( x 2 )  4 f ( x 3 )  f ( x 4 )    n  f ( x n 2 )  4 f ( x n 1 )  f ( x n )
3 3 3
Donde:
h1  x1  x 0  x 2  x1
h2  x 3  x 2  x 4  x 3

hn  x n1  x n  2  x n  x n 1
Si h1= h2=…= hn, entonces tenemos:
h
I  f ( x 0 )  4 f ( x1 )  f ( x 2 )  h  f ( x 2 )  4 f ( x3 )  f ( x 4 )    h  f ( x n2 )  4 f ( x n1 )  f ( x n )
3 3 3
Luego:
h n 1 
I  f ( x 0 )  4  f ( x i )  2  f ( x i )  f ( x n )
3  i 1 i 2  (6)

Ejemplos:
3) Usando el método de Simpson compuesto, aproximar el área bajo la curva

considerando los datos anteriores
Aplicamos Simpson cuando i=0, 1, 2, 3, 4
1
A1   f ( x 0 )  4( f ( x1 )  f ( x 2 ))  2 f ( x 2 )  f ( x3 )
3
1
 8  4(10  20)  2(10)  76  74.666
3
*) Aplico el método trapezoidal X4, X5
1
A2   76  238  157
2
Luego:
I  74.666  157  231.666
x2

4) Hallar la integral aproximada de f ( x) 
1
e 2 entre -1 y 1
2
Usar el método trapezoidal compuesto compare el resultado con 0.682

obtenido de tablas.
Solución:
1  (1)
Con n = 1 h  2
1
2 1
I  ( f ( x 0 )  f ( x1 ))  (0.606  0.606)  0.484
2 2 2
El error relativo considerando el valor de la tabla
0.484  0.682
E n 1   0.29 ó 29%
0.682

1  (1)
Si n = 2  h  1
2
2 1
I  ( f ( x 0 )  2 f ( x1 )  f ( x 2 ))  (0.606  2(1)  0.606)  0.64
2 2 2 2
0.64  0.682
E2   0.0587 ó 5.87%
0.682
1  (1)
Si n = 4 h   0.5
4
0.5
I  ( f ( x 0 )  2 f ( x1 )  2 f ( x 2 )  2 f ( x 3 )  f ( x 4 ))
2 2
0.5
 (0.606  2(0.882)  2(1)  2(0.882)  0.606)  0.672
2 2
0.672  0.682
E4   0.0147 Ó 1.47%
0.682
5) Usar el método de Simpson varias veces y comparar el resultado con

0.682 valor obtenido por tabla considerando el ejercicio anterior.
Solución:
1  (1)
Si n=2 h  1
2
1 1
I  ( f ( x 0 )  4 f ( x1 )  f ( x 2 ))  (0.606  4(1)  0.606)  0.693
3 2 3 2
0.693  0.682
E2   0.0162 Ó 1.62%
0.682
1  (1)
Si n =4  h   0.5
4
0.5
I  ( f ( x 0 )  4 f ( x1 )  2 f ( x 2 )  4 f ( x 3 )  f ( x 4 ))
3 2
0.5
 (0.606  4(0.882)  2(1)  4(0.882)  0.606)  0.683
3 2

0.683  0.682
E4   0.0015 Ó 0.15%
0.682
2.2.3. ERRORES DE TRUNCAMIENTO EN LA APROXIMACIÓN

TRAPEZOIDAL
En esta oportunidad analizamos el error en una integración trapezoidal
compuesta iniciemos por tener en cuenta el i–esimo trapezoide, consideremos
los puntos xi-1 y xi con una distancia de h=(b-a)/n, además supongamos que
F(x) es la primitiva del integrando f(x) luego entonces podemos integrar f(x) en
el intervalo [xi-1, xi ] es decir:
, (7)
Por otro lado la aproximación numérica de la integral usando el método del

Trapezoide es:
, (8)
Suponiendo que no existe errores en el cálculo entonces se puede suponer

que:
, (9)
Aplicamos la serie de Taylor alrededor de x= x i en f(x) de tal manera que

obtenemos f(xi-1).
Como h=xi-xi-1.
, (10)

, (11)
De manera análoga tenemos para F(xi-1 )
, (11)
Entonces consideramos en (7) se tiene,
Pero se tiene que
, (12)
Considerando (12) y (11) en (10) se tiene,
Considerando que h<<1 los términos h 4, h5,... pueden despreciarse de tal

manera que el error de truncamiento del i-esimo trapezoide es dado por.

, (13)
Si además para , entonces,
, de donde se tiene para n trapezoides
, (14)
Consecuentemente para fines de análisis el error de truncamiento en el método

trapezoidal se expresa así.
, (15)
2.2.4. EJERCICIOS Y APLICACIONES DIVERSAS
I. Determinar las integrales aproximadas usando los Métodos de Simpson,

Trapezoidal simple y compuesto de:
5
1.  ( 2  3 x) dx
0
5
2
2.  ( 2  3 x  x)dx
0
5
3
3.  (5  3 x  x)dx
0
 /2
5.  senxdx
0

 /2
6.  sen2 xdx
0
 /2
7.  cos xdx ,
0
2
3
8.  (2 x  4 x  2) dx
2
6
3 2
9.  (4 x  2 x  8)dx
0
2
x
10.  e dx
2
3
2
11.  ( x  4 x )dx
3
6
x
12.  e dx
4
II. Hallar el área de la región limitada por:

1. y  x2 1 y las rectas x  1 , x2 .
2. y  2  x2 , x  y .
3. y  x3  x  2 , y las rectas x  1 , x  2
4. y  x2  2  x y  4.
5. y  x2  2 , y  x x  2 , x2 .
6. x  3  y 2 , y  x 1.
7. y  x 3 y0 entre x  3 , x  3 .
8. y  x 2  2x , y  x2 .
9. x  8 y  y 2 , x 0.
10. x  (3  y )( y  1) , x  0 .
11.- x  y2  2y , x  y  4  0 .
12.- y  4 x  x 2 y el eje Y.
13.- y  4  x 2 , y  4  4x .

14.- y 2  4x , 2x  y  4 .
15.- y  x2 , y  x3 , x  y  2 .
16. y  x 2  2 x  4; x  2, X 4
III. Calcular el volumen generado por la curva:

a) y  1  ( x / 2) 2 , 0  x  2 al rotar en torno al eje X
b) y  x3 y0 entre x  3 , x  3 al rotar en trono del eje X
c) y  x2 entre x  3 , x  3 al rotar en trono del eje X
d) y  x2 y0 entre x  3 , x  3 al rotar en trono del eje X
e) y  x 2 1 y0 entre x  4 , x4 al rotar en trono del eje X
2.2.4. INTEGRACIÓN DE ROMBERG

Llamado también como técnica de extrapolación de Richardson se usa
finalidad de acelerar la convergencia de muchas técnicas de aproximación.
Estas técnicas tienen su base en el análisis del error de truncamiento. Veamos
la metodología.
Supongamos una aproximación y que su error de truncamiento
sea expresado de la siguiente manera , en donde c es
independiente de h , r es entero positivo y es un punto desconocido del

intervalo (a,b).
Supongamos que obtenemos dos aproximaciones de I empleando h 1 y h2 es
decir I1 y I2, y despreciamos los errores de redondeo podemos escribir:
Dividiendo miembro a miembro y considerando que y son

iguales entonces se tiene,

, (16)
Considerando h2=h1/2 se tiene de (16)
, (17)
Debemos resaltar que a este proceso se le llama integración de Romberg el

cual es muy efectivo cuando f(r) (x) no vara bruscamente en el intervalo [a,b] y
no cambia de signo en este intervalo. En estas circunstancias las relaciones
(17) y (16) permiten obtener una mejor aproximación a I a partir de I 1 y I2 sn
repetir el proceso de integración.
Cuando se trata de una aproximación trapezoidal se usa r=2 en consecuencia

tenemos,
Para sistematizar la integración de Romberg en la aproximación trapezoidal,
denotemos por , las aproximaciones de I usando 2k trapezoides. Ahora si
queremos obtener mejores aproximaciones de I usando , se
aplica la extrapolación de Richardson,
, el cual se denotara con y se genera la cuarta columna de
la tabla y as.

, esto lo denotamos con y se puede continuar el proceso
tanto que responda el algoritmo.
, (18)
Si los valores de converge a I al crecer k los valores de la diagonal de la tabla convergen
a I.
k Numero de Aproximación Primera Segunda
trapezoides 2k trapezoidal extrapolación extrapolación .......
0 1
1 2
2 4
3 8
4 16
Tabla No Aplicación del método de Romberg
Ejemplo
Encuentre una aproximación de la integral
, usando 1,2,4,8, 16 trapezoides. Con los resultados obtenidos
usar la aproximación de Romberg para mejorar la integración compare los

valores obtenidos con el valor calculado analíticamente 0.6366197.
Solución
Construir un programa para el ejemplo y obtener los valores:

k 2k
0 1 0.0
1 2 0.5
2 4 0.6035534
3 8 0.6284174
4 16 0.6345731
Obsérvese que converge al valor analítico al aumentar k, sin embargo al
emplear mas subintervalos implica aumentar los errores de redondeo y un un

considerable incremento en el numero de cálculos.
En cambio, si se aplica la integración de Romberg con m=1 se obtiene:
Obsérvese con estos tres breves cálculos se obtienen mejores aproximaciones

de la integral.
Si aplicamos Romberg con m=0 tenemos

Para valores de m=3, m=4
k 2k
0 1 0.00000
1 2 0.500000 0.6666667
2 4 0.6035534 0.6380712 0.6361648
3 8 0.6284174 0.6367054 0.6366143 0.6366214
4 16 0.6345713 0.6366250 0.6366196 0.6366197 0.6366197
:
Obsérvese que el último valor es el analítico de la integral. Esta metodología

se puede usar hasta que dos elementos consecutivos coincidan hasta cierta
cifra decimal.
2.2.5. CUADRATURA GAUSSIANA

Las formulas usadas hasta la actualidad para aproximar integrales se basaban
en polinomios de interpolación, considerando valores de la función igualmente
espaciados fenómeno que conducen a cierta imprecisión.
Con la finalidad de mejorar esta condición la cuadratura Gaussiana se usan
puntos de evaluación, o nodos que no son igualmente espaciados se eligen
nodos en el intervalo [a,b] y coeficientes que
minimicen el error que se espera obtener en la aproximación.
Los coeficientes son tomados arbitrariamente con la única
restricción de que los nodos se encuentren en [a,b]. Estos nodos nos

proporciona 2n parámetros para elegir, s se considera los coeficientes de un
polinomio como parámetros, entonces la clase de polinomios de grados
menores o iguales a 2n-1 también tienen 2n parámetros y esto es la clase de
polinomios donde se espera que la formula sea exacta.

Los siguientes gráficos muestran como se integra usando el trapezoide

uniendo el punto A de coordenadas (a,f(a)) con el punto B de coordenadas
(b,f(b)) con h=(b-a)
y
Y
A C
B D
f(x) f(x)
. a b x a b x
Método Trapezoidal Método de Gaussiana con dos puntos
Pues el área del trapecio es
Que se podría escribirse como,
Por otro lado aplicando el método de Gauss en lugar de tomar los dos puntos
extremos A y B del intervalo seleccionamos dos puntos interiores C y D como
se muestra en la figura y de manera adecuada la integral resultante
proporcionaría un valor mas exacto esa técnica de adecuar los puntos C y D
que proporcione mas exactitud mostramos a seguir.
DEDUCCIÓN DE LA TÉCNICA GAUSSIANA

Consideremos la figura a seguir donde se desea encontrar la integral de la
función mostrada entre los limites -1 y 1 si los limites fueran diferentes se hace
un cambio de variable con la finalidad de pasar a -1 y +1 , los puntos C y D
se seleccionan sobre la curva y se forma el trapezoide , E,F, G y H .
F(x)
D G
C F(x2)
F F(x1)
-1 x 0 x2 1
1
E H
Figura No Deducción del método de integración de Gauss.

Supongamos que
En donde deseamos obtener c 1, c2, x1, y x2, y consideremos que la integración

proporcione un resultado exacto con f(x) de menor grado es decir 2(2)-1 =3
en otros términos
, esto para ciertos coeficientes a0,a1,a2,a3
Esto es equivalente probar que la formula proporciona resultados exactos

cuando f(x) es , 1, x, x2 y x3, entonces tenemos,
De donde se obtiene,
En consecuencia tenemos la siguiente equivalencia de integrales, que una

aproximación a la integral, que proporciona el resultado exacto para cada
polinomio de grado menor o igual a tres.

Consideramos que esta formula es mas simple que la regla trapezoidal a

demás se trabaja perfectamente para un polinomio se segundo orden.
Mientras que el trapezoidal lo realiza para lineales.
Debemos decir que esta metodóloga se puede generalizar para polinomios de
grados superiores, pero existe un método alternativo para obtener de manera
mas simple y es la llamada aproximación continua en mínimos cuadrados que
será tocado mas adelante.
Pero una alternativa para nuestro problema son los “polinomios de
Legendre” es un conjunto {P 0(x), P1(x),...,Pn (x),... } que tienen las s iguientes
propiedades,
 Para cada n, Pn(x) es un polinomio de grado n.
 ,
Siendo los primeros polinomios de Legendre
Debemos decir que todos estos polinomios tienen raíces distintas y se

encuentran en el intervalo [-1,1] y se ubican simétricamente con respecto al
origen y lo mas importante son los nodos que se utilizan para resolver nuestro
problema.
Debemos tener en cuenta los nodos que son necesarios para
generar una formula de integración numérica que sea exacta en los

polinomios de grado menor o igual a 2n-1 son las raíces del polinomio de
Legendre de grado n. En donde los coeficientes apropiados para evaluar las
funciones en cada nodo son dado de la siguiente manera:

Para la comodidad debemos decir que tanto las raíces de los polinomios de
Legendre como los coeficientes se encuentran tabulados.
Numero de puntos rn,i Raíces Coeficientes cn,i

2 0.5773502692 1.0000000000
-0.5773502692 1.0000000000
0.7745966692 0.5555555556
3 0.0000000000 0.8888888889
-0.7745966692 0.5555555556
0.8611363116 0.3478548451
0.3399810436 0.6521451549
4 -0.3399810436 0.6521451549
-0.8611363116 0.3478548451
0.9061798459 0.2369268850
0.5384693101 0.4786286705
5 0.0000000000 0,5688888889
-0.5384693101 0.4786286705
-0.9061798459 0.2369268850
Si consideramos la siguiente relación lineal
Transforma la variable x del intervalo [a, b] en la variable t del intervalo [-1,1]

esto quiere decir que podemos usar el polinomio de LEGENDRE
Usando las raíces y los coeficientes dados en
la tabla de arriba lo que permite obtener la relación de aproximación que

proporciona resultados exactos para polinomios de grado menor o igual a 2n-1
Llamado aproximación Gaussiana
exacta con f(x) un polinomio de grado menor o igual a 2n-1.
Ejemplos:
Determinar la aproximación de cuyo valor con siete decimales, es
0.1093643.
Solución

Primero. Transformar el intervalo [1,1.5] en un intervalo [-1,1]
Considerando la tabla y n=2 se tiene:
Para n=3
2.2.3. INTEGRALES MÚLTIPLES
Las técnicas usadas para aproximar integrales pueden ser modificadas de

manera natural para usarlas en aproximaciones de integrales múltiples,
Supongamos que tenemos , donde R es una región rectangular
en el plano,
Donde a, b, c y d son constantes. Usando Simpson compuesto , determinamos

el tamaño de paso h =(b-a)/n; k=(d-c)/m en consecuencia se tiene:
Usamos la metodología de Simpson compuesto para determinar,
, considerando x como constante, sea yj =c+jk para j=0,1,2,...,m

Aplicando Simpson Compuesto en cada intervalo con x i=a+ih para cada

i=1,2,...,n y j=0,1,2,...,m.
Ejemplo
1. Aplicar la metodología de Simpson para aproximar,
Primero, determinar h y k para ello consideramos n=4 y m=2, entonces,

h=0.15, y k=0.25 .la región de integración será:
Y 1 4 2 4
1.50 – 1
4 16 8 16
1.25 – 4
1 4 2 4
1.00 -- 1
| | | | |
X
1.40 1.55 1.70 1.85 2.00

Segundo: calculo
Ejemplo.
2. Calcular la aproximación de
Solución
Primero. Calculamos el k=(3-0)/6.=0.5
Segundo. Aplicamos Simpson compuesto a la integral manteniendo constante
a la variable y
Tercero. Integramos el eje y dividendo en m=8 subintervalos,
Cuarto. Aplicamos Simpson compuesto a la integral
2.2.4. INTEGRALES IMPROPIAS
Debemos decir que las integrales impropias hacen su aparición cuando

se extienden la noción de integral a un intervalo con extremo infinito o los
dos. En cualquiera de los casos las reglas de aproximación deben de

modificarse.
En primer lugar nos interesa analizar cuando el integrando no se
encuentra acotado en el extremo izquierdo del intervalo de integración
como se muestra en la siguiente figura.
y
y=f(x)
a
x
b
En el caso anterior se dice que f (x) tiene una singularidad en el extremo

a
En otras palabras la integral impropia con una singularidad izquierda.
, converge si solo si 0<p<1 en tal caso,
, al rededor de a
Si f(x) es una función que podemos escribir como
, con 0<p<1, g continua en [a, b], entonces la integral
impropia, , también existe y aproximaremos la integral usando la
metodóloga de Simpson Compuesto, si g pertenece a C 5[a, b], en

consecuencia podemos escribir el cuarto polinomio de Taylor de g al
rededor de a.

Podemos determinar exactamente el valor de,
Esta relación es generalmente la aproximación dominante

especialmente cuando el polinomio de Taylor es de cuarto grado y se
acerca mucho a la función g(x) en todo el intervalo [a, b].. Para
determinar la aproximación de f(x) se debe de agregar el valor de
aproximación,
Para la aproximación definimos,
Ejemplo
Usar la metodología de Simpson Compuesto con h=0.25 para aproximar
el valor de la integral impropia ,
Solución
El cuarto polinomio de Taylor de ex alrededor de x=0 es

Una parte de la aproximación de , viene dada por
Para la otra parte de aproximación de es necesario aproximar la
integral , siendo
Para aplicar Simpson compuesto se necesita

x G(x)
0.00 0
0.25 0.0000170
0.50 0.0004013
0.75 0.0026026
1 0.0099485
La integral impropia con singularidad en el extremo derecho, podemos

aplicar la técnica que terminamos de usar solo que debemos desarrollar
la función en el extremo derecho alrededor de b, por cuestiones
pedagógicas hacemos el cambio de variable z=-x , dz =- dx , obteniendo,

, que tiene su singularidad en el extremo
izquierdo observar la figura adjunta, y aplicar la aproximación de
con la metodología anterior y obtenemos la aproximación
deseada de .
y
y
y=f(-z)
y=f(x)
-b -a
a b z
x
Una integral impropia con singularidad en c tal que a<c<b, este caso se
trata como la suma de dos integrales impropias con singularidad en los
extremos, es decir:
Otro tipo de integrales impropias son las que consideran limites infinitos
de integración el modelo básico de integración convergente es:
, para p>1 Esta integral se convierte en una integral impropia con
una singularidad en el extremo izquierdo haciendo el siguiente cambio

de variables.
t=x-1, dt=-x-2dx en consecuencia dx=-x2dt=-t2dt,
Entonces se tiene,
,,

De la misma manera el cambio anterior convierte a la integral impropia
, en una integral con singularidad en el extremo izquierdo.
Las integrales revisadas finalmente se pueden aproximar con la

metodología expuesta.
Ejercicios
Usar el método de Simpson compuesto para aproximar las integrales
dobles con n=m=4
a.
b.
2.2.8. DIFERENCIACIÓN NUMÉRICA
2.8.1. FORMULAS DE ALTA EXACTITUD

Ya se comento sobre las operaciones que se pueden practicar sobre una
función tabulada, el camino fue de aproximar la tabla o la función, por alguna
función y efectuar la operación en la función aproximante. De esta manera se
realiza en la integración numérica y así lo realizaremos en la diferenciación
numérica. En nuestro caso diferenciamos el polinomio de aproximación P n(x).
Veamos como se realiza esto, supongamos que la aproximación es polinomial,

entonces la diferenciación numérica consiste en diferenciar la fórmula del
polinomio interpolante que se utilizó f ( x)  Pn ( x)  R n ( x) , la aproximación de
la primera derivada estará dado por
df ( x ) dPn ( x)
 ,
dx dx

d n f ( x) d n Pn ( x)
En general 
dx n dx n
Al diferenciar la formula fundamental de Newton se tiene,
d n f ( x) d n Pn ( x ) d n R n ( x)
 
dx n dx n dx n
d n Rn ( x) d n f ( x)
Donde: es el error que se comete al aproximar por
dx n dx n
d n Pn ( x)
.
dx n
Si suponemos que X 0 , X 1 , X 2 ,  , X n son los valores de las x que son

espaciados igualmente luego Pn(x) se puede escribir en términos de diferencias
finitas
s s  1 2 s s  1   s   n  1  n
Pn ( x)  Pn ( x 0  sh)  f  x 0   sf  x 0    f  x0      f  x0 
2! n!
Donde:
f  x 0   f  x  h  f  x 
 f  x    2 f  x    f  x  h  f  x  
 f  x  2h   2 f  x  h   f  x 
En nuestro caso:
f  x 0  2 f  x 0  n f  x 0 
Pn ( x)  f  x 0   ( x  x 0 )  ( x  x 0 )( x  x1 )    ( x  x 0 )( x  x1 )( x  x 2 )  ( x  x n1 )
h 2! h 2 n! h n
Luego diferenciando
df ( x) dPn ( x) d d f  x 0  d 2 f  x 0 
  f  x0   ( x  x0 )  ( x  x 0 )( x  x1 ) 
dx dx dx dx h dx 2! h 2

d n f  x 0 
 ( x  x 0 )( x  x1 )( x  x 2 )  ( x  x n 1 )
dx n! h n
df ( x) dPn ( x) f  x 0  2 f  x 0 
   (2 x  x 0  x1 ) 
dx dx h 2! h 2
Consideremos para:
n =1: Esto quiere decir que la aproximación P1(x) es una recta, i.e.
f  x 0 
Pn  P1 ( x)  f  x 0   ( x  x 0 )
h
Es decir la primera derivada de f(x) queda aproximada por
df ( x) dP1 ( x) f  x 0  f ( x1 )  f ( x 0 )
   f  x 0 , x1  
dx dx h x1  x 0
df ( x ) f ( x1 )  f ( x 0 ) f ( x1 )  ( x0 ) df ( x ) f ( x1 )  f ( x 0 )
   
dx x1  x0 h dx h
Y como se esperaba cualquier otra derivada de orden superior de f(x)
d 2 f ( x) d 2 P1 ( x)
quedara aproximada a cero.  0
dx 2 dx 2
Observación:
(1) En general equivale a tomar como primera derivada a la pendiente de la
recta que pasa por  x0 , f  x0   y  x1 , f  x1   .

(2) La primera derivada de f(x) en [x0, x1] queda aproximada por el valor
constante
f ( x1)  f ( x 0 )
h
f ( x1)  f ( x 0 ) df ( x )
(3) El valor de es muy diferente al de
h dx
f ( x1 )  f ( x0 )
(4) Gráficamente:
f(x1)
P1 ( x)  f ( x0 )  ( x  x0 )

h
f ( x1 )  f ( x0 )
f(x0) tan  
x1  x0
df ( x)
Integració n y Diferenciació n Numérica tan   Pá gina 40
X0 x1
dx x  x0
Analicemos para n = 2; es decir aproximaremos f(x) por un polinomio P2(x) de

grado 2.
f  x 0  2 f  x 0 
P2 ( x )  f  x 0   ( x  x 0 )  ( x  x 0 )( x  x1 )
h 2! h 2
df ( x) dP2 ( x) f  x 0  2 f  x 0 
   (2 x  x 0  x1 )
dx dx h 2! h 2
Desarrollando las diferencias:
f ( x  h)  f ( x 0 ) f ( x1 )  f ( x 0 )
f  x 0   
h h
2 f  x   f ( x 0  2h)  2 f ( x 0  h)  f ( x 0 )  f ( x 2 )  2 f ( x1 )  f ( x 0 )
df ( x)  2 x  x 0  x1  2h   2 x  4 x  2 x1  2h   2 x  x 0  x1 
   f ( x0 )   0  f ( x1 )    f ( x2 )
    
dx  2h 2   2h 2   2h 2 
(*)
La segunda derivada puede calcularse derivando una vez más con respecto a
x esto es,
d 2 f ( x) d 2 P2 ( x) 2 f  x 0 
   2 f  x 0 , x1 , x 2 
dx 2 dx 2 h2
d 2 f ( x) 1 2 1
 f ( x0 )  f ( x1 )  f (x2 )
dx 2 h2 h2 h2
De la misma manera se puede calcular derivando para n2.

d n f ( x) d n Pn ( x ) d n Rn ( x)
El error cometido al aproximar por esta dado por
dx n dx n dx n
donde Rn(x) es:
 n 
R n ( x)     x  x i   f  x, x 0 , x1 , x 2 ,  , x n 
 i 0    
 ( x)
R n ( x)   ( x) f  x, x 0 , x1 , x 2 ,  , x n 
Observemos que existe una estrecha relación entre las diferencias divididas y
las derivadas en general esta relación esta dada por:
d n f ( )

f x1, x1 , x 2 ,..., x n   , Con  perteneciente a (min. xi, máx. xi) con
n! dx n
0  i  n , esto quiere decir que  es un valor de x desconocido del cual solo
se sabe que se encuentra entre los valores menor y mayor del argumento.
La Ecuación (*) se puede escribir en términos del error de la siguiente

manera,
df ( x )  2 x  x 0  x1  2h   2 x 0  4 x  2 x1  2h   2 x  x 0  x1 
   f ( x0 )  
 
 f ( x1 )  
 
 f ( x2 ) 

dx  2h 2   2h 2   2h 2 
,
d 3 f ( x)
 ( x 0  x1 )( x 0  x 2 )
3! dx 3 
o simplemente por
df ( x ) 2 3

1
  3 f ( x 0 )  4 f ( x1 )  f ( x 2 )  h d f 3( x) con  en  min. x i , max .x i 
dx x 2h 3! dx
0 
También para x1
df ( x ) 2 3

1
 f ( x 2 )  f ( x 0 )  h d f 3( x ) con  en  min. x i , max .x i 
dx x 2h 3! dx
1 
Para x2
2 3
df ( x )

1
 f ( x 0 )  4 f ( x1 )  3 f ( x 2 )  h d f 3( x) con  en  min. x i , max .xi 
dx x 2h 3! dx
2 

2.8.2. EJEMPLOS DE APLICACIÓN RESUELTOS
a  3.6 x10 5 atm cm 6 / gmol 2

a
1) Dada la ecuación ( y  )( x  b)  RT Donde b  42.8cm 3 / gnol
x2
R  82.1atm..cm 3 / gmol..K
si T =350 K, se obtiene la siguiente tabla:
puntos 0 1 2 3
y(atm) 13.782 12.577 11.565 10.704
x(cm3) 2000 2200 2400 2600
3
Calcular la derivada de y con respecto a x cuando x = 2300 cm , y compárelo
con el valor de las derivadas analíticas
Solución
Aplicando
df ( x)  2 x  x 0  x1  2h   2 x  4 x  2 x1  2h   2 x  x 0  x1 
   f ( x0 )   0  f ( x1 )    f ( x 2 ) en
    
dx  2h 2   2h 2   2h 2 
los puntos x = 0; 1; y 2, tenemos x = 2300cm3
Con h = 200
df ( x)  2(2300)  2000  2200  2(200)   2(2200)  4(2,300)  2(2200)  2(200) 

  2
 f (2000)    f ( 2200) 
dx  2(200)   2(200) 2 
 2(2300)  (2000)  2200 
   f (2400)
 2(200) 2 
df ( x)  2(2300)  2000  2200  2(200)   2(2200)  4(2,300)  2(2200)  2(200) 

  2
13.782   12.577 
dx  2(200)   2(200) 2 
 2(2300)  (2000)  2200 
  11.565  0.00506
 2(200) 2 
La derivada analítica es
df  RT 2a  82.1(350) 2(3.6 x10 6 )

     0.005048
dx ( x  b) 2 x 3 (2300  42.8) 2 (2300) 3
Debemos destacar que la aproximación es muy buena puesto que el error

relativo es de -0.24%,

Obtener la Primera derivada del polinomio de LaGrange.
Derivando el polinomio de LaGrange con respecto a x
Si hacemos
, y linealizamos
Derivando tenemos
Consecuentemente

Finalmente tenemos
Observemos que esta relación tiene una falencia en el caso que se quiera
dividir por una abscisa cero, pero esto se salva con la siguiente expresión que
es equivalente,

2) Calcular la derivada de f(x) = cos x en x  y con h = 0.01 cual es la
4
respuesta y cual es su grado de precisión
Solución
f ( x  h)  f ( x) cos(x  0.01)  cos(x) 0.700000476 0.707106781

f ( x )     0.71063051
h 0.01 0.01
h
f ( )  0.005 cos( )  0.005 Se puede obtener una cota más precisa
2
 
usando el hecho de que     h lo que induce a que cos( )  0.707107
4 4
no proporcione una cota superior de 0.0035355.

3) En una reacción química A +B, k productos la concentración del reactante

A es una función de la presión P y la temperatura T. la siguiente tabla
presenta la concentración de A en gmol /litro como función de estas dos
variables
T(K)
2
P(kg/cm )
273 300 325 360
1 0.99 0.97 0.96 0.93
2 0.88 0.82 0.79 077
8 0.62 0.51 0.48 0.45
15 0.56 0.49 0.46 0.42
20 0.52 0.44 0.41 0.37
Calcular la variación de la concentración de A con la temperatura a P = 8

Kg./cm2 y T = 300K, usando un polinomio de segundo grado.
Solución
Lo que se pide es la derivada de la concentración con respecto a la

temperatura T valorado en T = 300 y p = 8 esto se puede evaluar usando la
siguiente relación, que es resultado de la derivada del polinomio de LaGrange.
n n xxj
p n ( x)   f ( xi ) 
i 0 j o xi  x j
j i
, se sugiere aplicar derivación logarítmica y se llegará a la relación
siguiente.
 
 
   
dp n ( x) n  n xxj n 1  n  f ( xi ) n n 
  f ( xi )         ( x  x j )
dx i 0  j 0 xi  x j j 0 x  x j  i 0  n
 ( x i  x j ) kk  0 j 0 
 j i j i   j 0
i j  k ,i 
 j i 
En nuestro caso se tiene
dp 2 ( x) (2 x  x1  x 2 ) f ( x0 ) (2 x  x0  x 2 ) f ( x1 ) (2 x  x0  x1 ) f ( x 2 )
   , en esta
dx ( x0  x1 )( x0  x 2 ) ( x1  x0 )( x1  x 2 ) ( x 2  x0 )( x 2  x1 )
relación debemos tener en consideración que f(x) representa la concentración

de A y x a T de tal manera que al sustituir los tres puntos que se obtiene de
la tabla tenemos,
dp 2 ( x ) dC A ( 2(300)  300  325)(0.62 ) ( 2(300

  
dx dt T 3 0 0 ( 273  300)( 273  325) (300
p 8
( 2(300)  273  300)(0.48) g ml
  0.0026
(325  273)(325  300) 1K

4) Obtenga la primera y segunda derivada evaluadas en x = 1, para la siguiente tabulación
I 0 1 2 3 4
x -1 0 2 5 10
f(x) 11 3 23 143 583
Solución
La tabulación siguiente representa las diferencias divididas
Diferencias Divididas
i x f(x) Primeras Segundas
0 -1 11 -8
1 0 3 10 6
2 2 23 40 6
3 5 143 88 6
4 10 583
Debemos observar que un polinomio de según do grado puede representar
exactamente la función, puesto que la segunda diferencia dividida es
constante.
Podemos aplicar el Polinomio de Newton de segundo grado en diferencias

divididas
p 2 ( x)  f  x 0   f  x 0 , x1 ( x  x 0 )  f  x 0 , x1 , x 2 ( x  x 0 )( x  x1 )
p 2 ( x )  11  8( x  (1))  6( x  ( 1))( x  0)  6 x 2  2 x  3
d d2
p 2 (1)  12 x  2  10, la segunda derivada p 2 (2)  12
dx dx 2
Observemos que se podía también derivar directamente del polinomio antes

de sustituir los valores de x0 y x1 esto es
d
p 2 (1)  f  x 0 , x1   f  x 0 , x1 , x 2 (2 x  x 0  x1 )  10 , para la segunda derivada se
dx
obtiene
d2 d
2
p 2 ( 2)   f  x 0 , x1   f  x 0 , x1 , x 2 (2 x  x 0  x1 )  2 f  x 0 , x1 , x 2   12
dx dx

2.8.3. EJERCICIOS Y APLICACIONES PROPUESTOS
1.- La siguiente tabulación representa el gasto instantáneo de petróleo crudo

en un oleoducto en miles de libras por hora. El flujo se mide a intervalo de 12
minutos
Hora 6:00 6:12 6:24 6:36 6:48 7:00 7:12 7:24 7:36 7:48 8:00 8:12
Gasto 6.2 6.0 5.9 5.9 6.2 6.4 6.5 6.8 6.9 7.1 7.3 6.9
Cual es la cantidad de petróleo bombeado en 2 horas 12 minutos Calcule el

gasto promedio en ese periodo.
2.- En el interior de un cilindro de aluminio se tiene una resistencia eléctrica

que genera una temperatura T1 = 1200º F. En la superficie exterior del cilindro
circula un fluido que mantiene su temperatura a T 2 = 300º F. Calcular la
cantidad de calor transferido al fluido por unidad de tiempo. Sabiendo que la
altura del cilindro es de 12 pulgadas, con radio interno R 1 2 pulgadas y radio
externo R2 12 pulgadas. La conductividad térmica del aluminio varía con la
temperatura según la tabla
kBTU/hr pie2(ºF/pie) 165 150 130 108

TºF 1200 900 600 300
Considere un régimen permanente y modelar el proceso con la ecuación de

dT
Fourier q  kA en donde:
dr
q = representa el calor transferido

k = Es la conductividad térmica del aluminio en BTU/ hr pie 2 (ºF/pie)
que es función de T es decir k = f(T) en nuestro caso en forma tabular.
A = área de transferencia de calor en pie2
T = temperatura en ºF
R = distancia radial a partir del centro del cilindro en pies
3.- Determine el centro de masa de una lámina rectangular de 2 por 

suponiendo que la densidad en un punto P(x,y) de la lámina esta dado por
2 2
 ( x, y )  e  ( x  y ) / 2 ,

4.- Encuentre la primera derivada numérica de x e x en el punto x = 1,

usando un polinomio de aproximación de segundo grado, estime el error
cometido use la siguiente relación con h = 0.5
2 3
df ( x )

1
 f ( x 2 )  f ( x 0 )  h d f 3( x ) con  en  min. x i , max .x i  5.- Se
dx x 2h 3! dx
1 
tiene la representación tabular de la temperatura T en ºC de una salmuera
como refrigerante y tiempo t minutos encuentre la velocidad de enfriamiento
entre los tiempos t = 2.5 y t = 4 minutos. Use con t = x, h =1,
T 0 1 2 3 4 5
T 93.1 85.9 78.8 75.1 69.8 66.7
Utilice la siguiente
dp 2 ( x)  2 x  x 0  x1  2h   2 x  4 x  2 x1  2h   2 x  x 0  x1 
   f ( x0 )   0  f ( x1 )    f ( x2 )
    
dx  2h 2   2h 2   2h 2 
6.- La siguiente data representa una muestra de medidas observadas en

una curva de imantación del hierro, en ella x es el número de kilo líneas por
cm2 , y la permeabilidad encuentre la permeabilidad máxima.
X 5 6 7 8 9 10 11 12
Y 1090 1175 1245 1295 1330 1340 1320 1250
7.- Obtenga la segunda derivada evaluada en x =3.7, 4.5, para la función tabulada de la
siguiente manera
Puntos 0 1 2 3 4 5
X 1 1.8 3 4.2 5 5.5
f(x) 3 4.34536 6.57735 8.88725 10.44721 13.39223
Utilice el polinomio de Newton en diferencias divididas para aproximar f(x).
8.- Si tenemos la siguiente data
X 0.2 0.3 0.4 0.5 0.6

f(x) 0.24428 0.40496 0.59673 0.82436 1.09327
f’(x) 1.75482 2.08855 2.47308
Determine el valor de la primera derivada para x = 0.3; 0.4 y 0.5 y compare
con los valores analíticos dados en la data, utilice la siguiente
dp 2 ( x)  2 x  x 0  x1  2h   2 x  4 x  2 x1  2h   2 x  x 0  x1 
   f ( x0 )   0  f ( x1 )    f ( x2 )
    
dx  2h 2   2h 2   2h 2 
9.- En la tabla siguiente x es la distancia en metros que recorre una bala a lo largo de un
cañón en t segundos. Determine la velocidad de dicha bala cuando x = 3

X 0 1 2 3 4 5
T 0 0.0359 0.0493 0.0596 0.0700 0.0786
10.- Mediante los métodos vistos en clase determine:
 y 1 1 2 x2 2 ey
a)  .  y sen x dx dy b)  .  dy dx ; c)  .  dy dx ; d)  .  dx dy
0 0 0 x 1 x 0 1
2.8.4. EJERCICIOS Y APLICACIONES DIVERSAS PROPUESTOS
I. Determinar las integrales aproximadas usando los Métodos de

Simpson, Trapezoidal simple y compuesto de:
5 5 5
2 3
1.  ( 2  3 x) dx 2.  (2  3 x  x)dx 3.  (5  3 x  x) dx 5.
0 0 0
 /2
 senxdx
0
 /2  /2 2
3
6.  sen2 xdx 7.  cos xdx , 8.  (2 x  4 x  2) dx 9.
0 0 2
6
3 2
 (4 x  2 x  8)dx
0
2 3 6
x 2 x
10.  e dx 11.  ( x  4 x )dx 12.  e dx
2 3 4
II. Hallar el área de la región limitada por:

1. y  x2 1 y las rectas x  1 , x2 . 2. y  2  x2 , x  y .
3. y  x3  x  2 , y las rectas x  1 , x  2 4. y  x2  2
 x  y  4.
5. y  x2  2 , y  x x  2 , x2 . 6. x  3  y 2 , y  x 1.
7. y  x 3 y0 entre x  3 , x  3 . 8. y  x 2  2x , y  x2 .
9. x  8 y  y 2 , x 0. 10. x  (3  y )( y  1) , x  0
.
11.- x  y2  2y , x  y  4  0 . 12.- y  4 x  x 2 y el eje Y.

13.- y  4  x 2 , y  4  4x . 14.- y 2  4x , 2x  y  4 .
15.- y  x2 , y  x3 , x  y  2 . 16. y  x 2  2 x  4; x  2, X 4
III. Calcular el volumen generado por la curva:

a) y  1  ( x / 2) 2 , 0  x  2 al rotar en torno al eje X
b) y  x3 y0 entre x  3 , x  3 al rotar en trono del eje X
c) y  x2 entre x  3 , x  3 al rotar en trono del eje X
d) y  x2 y0 entre x  3 , x  3 al rotar en trono del eje X
e) y  x 2 1 y0 entre x  4 , x4 al rotar en trono del eje X

Apuntes Metodos Numericos Integracion y Diferenciacion

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apuntes Metodos Numericos Integracion y Diferenciacion

Cargado por

Copyright:

Formatos disponibles

Métodos Numéricos Aplicados a la Ingeniería

Integració n y Diferenciació n Numérica Pá gina 1

2.2. INTEGRACIÓN Y DIFERENCIACIÓN NUMÉRICA

En materias anteriores se han estudiado una diversidad de técnicas para

, que representa la integral de f(x) con respecto a la variable x.

La integración numérica es utilizada para funciones analíticas o

En el caso de las funciones tabulares dados se ha determinado un polinomio

Integració n y Diferenciació n Numérica Pá gina 2

1. El proceso de integración esta dado por el área bajo la curva de f (x)

2. La integral aproximada está dado por el área bajo la curva Pn (x)

3. Los errores que se cometen al integrar los diferentes segmentos, tienden

tangente a Pn (x) en un punto; puede variar en magnitud respecto a

Los métodos de integración usadas pueden clasificarse en dos grupos:

i) Fórmulas de Newton Cotes: Los que usan valores dados de la función

Integració n y Diferenciació n Numérica Pá gina 3

ii) Fórmulas de Cuadratura Gaussiana: Los que usan valores de f (x) en

2.2.2. MÉTODO DE NEWTON – COTES

En donde pn(x) es el polinomio aproximación,

Donde n es el grado del polinomio el método en estudio lo realiza en

Observemos que cuando el polinomio de aproximación es lineal se trata de

Figura N0 caso (a) Caso (b)

Integració n y Diferenciació n Numérica Pá gina 4

Primero: Dividir el intervalo [a, b] en “n” intervalos de igual magnitud en

Segundo: Se aproxima f (x) por un polinomio de grado “n”, Pn (x) y se

2.2.2.1. MÉTODO TRAPEZOIDAL

de las representaciones del polinomio P1 (x).

Integració n y Diferenciació n Numérica Pá gina 5

5. Pero f (x) está dado para valores equidistantes de x con distancia h, la

La integral de lado derecho debe estar en función de s, i.e.,

Para los límites de integración x0 y x1:

x 0  x 0  sh de donde s  0 ; x 0 , h son cons tan tes

  f (x )  sf ( x 0 )dx   h f ( x )  sf ( x0 )ds

Integració n y Diferenciació n Numérica Pá gina 6

Algoritmo del Método Trapezoidal

Ejemplo: Usar el método trapezoidal

a) Aproximar el área A1 bajo la curva de la función dada por la tabla

x 500 900 1400 1800 2000 2200

a) h = 1800 – 500 = 1300 ; x0 = 500 , x1 = 1800

Integració n y Diferenciació n Numérica Pá gina 7

c) h = 4 - (-2) = 6 ; x0 = -2 , x1 = 4 : f (x) = 2 + 3x + 4x2

2.2.2.2. MÉTODO DE SIMPSON

Supongamos que n=2 es decir al intervalo [a,b] se le divide en dos

Se aproxima f(x) por una parábola

Usemos la formula de Newton en diferencias finitas hacia delante

Integració n y Diferenciació n Numérica Pá gina 8

Considerando la primera y segunda diferencia hacia delante tenemos

Considerando estas relaciones en la relación

Integració n y Diferenciació n Numérica Pá gina 9

Ejemplos usando los datos anteriores aplicar el algoritmo de Simpson

Consideremos el intervalo [a,b] dividido en n subintervalos proporcionando

n+1 puntos equidistantes en donde x0=a; xn=b, en esta

oportunidad el polinomio de interpolación es de n-esimo grado, luego la

Integració n y Diferenciació n Numérica Pá gina 10

s ( s  1)( s  2)...(s  ( n  1)) n

n s s  1 2 s( s  1)(s  2) 3 s ( s  1)(s  2)...(s  (n  1))

Que ocurre si integramos los cinco primeros términos

Que ocurre para n = 2

Integració n y Diferenciació n Numérica Pá gina 11

2.2.2.3. MÉTODOS COMPUESTOS DE INTEGRACIÓN

Figura. Representación del Método de Trapecio Compuesto

En vez de aproximar la integral de f(x) en [a,b] por una recta. Conviene

Aplicamos la fórmula Trapezoidal a cada subintervalo y se obtiene el área

Aplicando el método del trapezoide en cada subintervalo:

Integració n y Diferenciació n Numérica Pá gina 13