Documentos de Académico
Documentos de Profesional
Documentos de Cultura
HUANCAVELICA
(Creada por Ley N° 25265)
FACULTAD DE EDUCACIÓN
MONOGRAFÍA
AJUSTE DE CURVAS-DERIVACIÓN E
INTEGRACIÓN NUMÉRICA
Presentado por:
LAZARO MACHUCA, DAVD
DOCENTE:
QUISPE ROJAS, ANGEL EPIFANIO
HUANCAVELICA, PERÚ
2021
Dedicatoria:
A mis padres, quienes se sacrifican día a día para
darme una mejor vida.
ÍNDICE
CAPITULO I .................................................................................................................... 5
1.1. Objetivos de Estudio .......................................................................................... 5
1.1.1. Objetivo General........................................................................................ 5
1.1.2. Objetivo Especifico .................................................................................... 5
1.2. Justificación de Estudio ..................................................................................... 5
CAPITULO 2 ................................................................................................................... 6
2. BASES TEÓRICAS .................................................................................................. 6
2.1. Ajuste de curva por el método de Regresión por mínimos cuadrados ............... 6
2.1.1. Regresión Lineal ......................................................................................... 6
2.1.2. Regresión polinomial.................................................................................. 9
2.1.3. Regresión lineal Múltiple ......................................................................... 11
2.1.4. Regresión no lineal ................................................................................... 14
2.2. Interpolación Polinomial de Newton en Diferencias Divididas ...................... 14
2.2.1. Interpolación lineal ................................................................................... 14
2.2.2. Interpolación cuadrática ........................................................................... 16
2.2.3. Forma general de los polinomios de interpolación de Newton .............. 18
2.3. Polinomios de interpolación de Lagrange ....................................................... 21
2.2. Derivación e integración numérica .......................................................................... 23
2.4. Derivación numérica ........................................................................................ 23
2.5. Integración numérica ....................................................................................... 26
2.5.1. Regla de trapecio ...................................................................................... 26
2.5.2. Regla de Simpson ..................................................................................... 29
2.5.2.1. Regla de Simpson 1/3........................................................................ 29
2.5.2.2. Regla de Simpson 3/8........................................................................ 32
CONCLUSIONES .......................................................................................................... 34
BIBLIOGRAFÍA ............................................................................................................ 35
ANEXOS ........................................................................................................................ 36
3
INTRODUCCIÓN
Los métodos numéricos se pueden definirse como aquellas técnicas mediante las cuales
es posible formular problemas de manera que puedan resolverse utilizando operaciones
aritméticas, o también como el grupo de conocimientos matemáticos relacionados con
el diseño y análisis de algoritmos necesarios para resolver problemas de ciencia e
ingeniería.
4
CAPITULO I
Presentación de la temática
Con el desarrollo del trabajo se busca comprender los conceptos como el ajuste
de curvas, regresión por mínimos cuadrados, interpolación polinómica, la
derivación e integración numérica. Comprender estos temas es necesario ya se usa
bastante por ejemplo en la estadística para poder predecir el comportamiento de
ciertos datos.
5
CAPITULO 2
Marco teórico
2. BASES TEÓRICAS
x y , x
1, 1 2, y2 , x3, y3 ...... xn , yn
y a0 a1 x e, donde
a0 : Representa la interseccion con el eje y
a1 : Representa la pendiente de la recta
e : Es el error entre el modelo y las observaciones
Formula:
n n n
S r e1 Yi ,medida Yi ,mod elo Yi a0 a1 xi
2 2 2
i 1 i 1 i 1
n
S r Yi a0 a1 xi
2
i 1
6
n
Para determinar los valores a0 y a1 de la ecuación Sr Yi a0 a1 xi se
2
i 1
Sr
2 ( yi a0 a1 xi )
a0
Sr
2 ( yi a0 a1 xi ) xi
a0
na0 xi a1 yi
x a x a x y
i 0
2
i 1 i i
n xi yi xi yi
a1
n xi xi
2 2
a0 y a1 x
donde x, y son las medias de x y y respectivamente
Ejemplo de aplicación:
SOLUCIÓN:
7
La ecuación de la línea es y a0 a1 x e pero el término e se está
n 7 : Cantidad de datos
x 1 2 3 4 5 6 7 28
i
x y 119.5
i i
x 140
2
i
28
x 4
7
24
y 3.42857
7
Calculando a1
n xi yi xi yi
a1
n xi xi
2 2
7(119.5) (28)(24)
a1
7(140) (28) 2
a1 0.8392857
Calculando a0
a0 y a1 x
a0 3.42857 (0.8392857)4
a0 0.07142857
y a0 a1 x
y 0.07142857 0.8392857 x
8
Cualquier otra línea diferente a y 0.07142857 0.8392857 x dará como
resultado una suma mayor de los cuadrados de los residuos. Así la línea es
única y, en términos de nuestro criterio elegido, es la mejor línea a través de
los puntos. (Chapra y Canale, 2007, Página 472)
Sr
Sy
x n2
Se define:
St S r
r2 ...(Coeficiente de determinación)
St
St S r
r ..(Coeficiente de correlación lineal)
St
y a0 a1 x a2 x 2 e
e y a0 a1 x a2 x 2
n 2
Sr ( yi a0 a1 xi a x ) 2 1
2
i 1
9
Haciendo las derivaciones parciales con respecto a: a0 , a1 , a2
Sr
2 ( yi a0 a1 xi a2 xi 2 )
a0
Sr
2 ( yi a0 a1 xi a2 xi 2 ) xi
a1
Sr
2 ( yi a0 a1 xi a2 xi 2 )xi 2
a2
(n)a0 xi a1 x 2i a2 yi
x a x a x a x y
i 0
2
i 1
3
i 2 i i
x a x a x a x y
2
i 0
3
i 1
4
i 2
2
i i
y a0 a1 x a2 x2 .... am x m e
Sr
Sy
x n (m 1)
Ejemplo de Aplicación
10
Para encontrar el polinomio de segundo grado bastara resolver el siguiente
sistema de ecuaciones.
(n)a0 xi a1 x 2i a2 yi
x a x a x a x y
i 0
2
i 1
3
i 2 i i
x a x a x a x y
2
i 0
3
i 1
4
i 2
2
i i
n 6, m 2, xi 15, yi 152.6,
x 55, x 225, x 979,
2
i
3
i
4
i
x y 585.6, x y 1488.8,
i i
2
i i
En forma matricial
6 15 55 a0 152.6
15 55 225 a 585.6
1
55 225 979 a2 2488.8
Sr 3.74657
Error estándar del estimado: S y 1.12
x n (m 1) 63
11
función lineal de x1 y x2 , como en y a0 a1 x1 a2 x2 e , esta ecuación es útil
cuando se ajustan datos experimentales donde la variable sujeta a estudio es
una función de otras 2 variables. En este caso bidimensional, la línea de
regresión se convierte en un plano. (Chapra y Canale, 2007, Página 486)
y a0 a1 x1 a2 x2 e
e y a0 a1 x1 a2 x2
n 2
Sr ( yi a0 a1 x1i a2 x2i )
i 1
Sr
2 ( yi a0 a1 x1i a2 x2i )
a0
Sr
2 ( yi a0 a1 x1i a2 x2i )x1i
a1
Sr
2 ( yi a0 a1 x1i a2 x2i )x2i
a0
Igualando a cero cada derivada parcial para que la suma de los cuadrados de
los residuos sea mínimo resulta:
x a x a x x a x y
1i 0
2
1i 1 1i 2i 2 1i i
x a x x a x a x y
2i 0 1i 2i 1
2
2i 2 2i i
Forma matricial
n
x 1i x 2i a1 yi
x1i x x x 1i 2 i a2 x1i yi
2
1i
x2i x x x 2
x2i yi
2i a3
1i 2i
12
y a0 a1 x1 a2 x2 ..... am xm e
Sr
Sy
x n (m 1)
St S r
r ..(Coeficiente de correlación lineal)
St
Ejemplo de Aplicación
SOLUCIÓN:
Para encontrar la ecuación del plano que se está buscando bastara encontrar los
valores de a0 , a1 , a2
n
x 1i x 2i a1 yi
x1i x x x1i 2 i a2 x1i yi
2
1i
x2i x x x 2
x2i yi
2i a3
1i 2i
13
6 16.5 14 a1 54
16.5 76.25 48 a 243.5
2
14 48 54 a3 100
a0 5, a1 4, a2 3
y a0 a1 x1 a2 x2 5 4 x1 3x2
y 5 4 x1 3 x2
yi f ( xi ; a1 , a2 ,....am ) ei
14
La forma más simple de interpolación consiste en unir 2 puntos con una línea
recta.
Gráficamente:
f1 ( x) f ( x0 ) f ( x1 ) f ( x0 )
x x0 x1 x0
f ( x1 ) f ( x0 )
f1 ( x) f ( x0 ) x x0
x1 x0
f ( x1 ) f ( x0 )
f1 ( x) f ( x0 ) x x0
x1 x0
Ejemplo de Aplicación:
SOLUCIÓN:
15
f ( x1 ) f ( x0 )
f1 ( x) f ( x0 ) x x0
x1 x0
f (6) f (1)
f1 (2) f (1) 2 1
6 1
1.791759 0
f1 (2) 0
5
f1 (2) 0.3583519
f ( x1 ) f ( x0 )
f1 ( x) f ( x0 ) x x0
x1 x0
f (4) f (1)
f1 (2) f (1) 2 1
4 1
1.791759 0
f1 (2) 0
5
f1 (2) 0.4620981
1.791759 0
f1 (2) 0
5
f1 (2) 0.3583519
f 2 ( x) b0 b1 x x0 b2 x x0 x x1
evalúa x x0
b0 f ( x0 )
16
Para encontrar b1 la ecuación b0 f ( x0 ) se reemplaza en
f 2 ( x) b0 b1 x x0 b2 x x0 x x1 , luego se evalúa x x1
f ( x1 ) f ( x0 )
b1
x1 x0
f 2 ( x) b0 b1 x x0 b2 x x0 x x1 y luego se evalúa x x2
f ( x2 ) f ( x1 ) f ( x1 ) f ( x0 )
x2 x1 x1 x0
b2
x2 x0
Ejemplo de aplicación:
x0 1 f ( x0 ) Ln(1) 0
x1 4 f ( x1 ) Ln(4) 1.386294
x2 6 f ( x2 ) Ln(6) 1.791759
SOLUCIÓN:
f 2 ( x) b0 b1 x x0 b2 x x0 x x1
Hallando b0 :
b0 f ( x0 )
b0 f (1) 0
Hallando b1 :
f ( x1 ) f ( x0 )
b1
x1 x0
f (4) f (1) 1.386294 0 1.386294
b1 0.462098
4 1 3 3
17
Hallando b2 :
Donde:
b0 f ( x0 )
f ( x1 ) f ( x0 )
b1 f x1 , x0
x1 x0
f ( x2 , x1 ) f ( x1 , x0 )
b2 f x2 , x1 , x0
x2 x0
f ( x2 ) f ( x1 ) f ( x1 ) f ( x0 )
x2 x1 x1 x0
b2
x2 x0
18
f ( x3 , x2 , x1 ) f ( x2 , x1 , x0 )
b3 f x3 , x2 , x1 , x0
x3 x0
f ( x3 , x2 ) f ( x2 , x1 ) f ( x2 , x1 ) f ( x1 , x0 )
x3 x1 x2 x0
b3
x3 x0
f ( x3 ) f x2 f ( x2 ) f x1 f ( x2 ) f x1 f ( x1 ) f x0
x3 x2 x2 x1 x2 x1 x1 x0
x3 x1 x2 x0
b3
x3 x0
En forma general
f xn , xn 1 ,...., x1 f xn 1 , xn 2 ,...., x0
bn f xn , xn 1 ,...x1 , x0
xn x0
f n ( x) f ( x0 ) f x1 , x0 ( x x0 ) f x2 , x1 , x0 ( x x0 )( x x1 )...
f xn , xn1 ,..., x0 ( x x0 )( x x1 )...( x xn1 )
Ejemplo de Aplicación:
Con los datos siguientes datos, estime el Ln(2) con un polinomio de interpolación de
Newton de tercer grado.
x0 1 f ( x0 ) Ln(1) 0
x1 4 f ( x1 ) Ln(4) 1.386294
x2 6 f ( x2 ) Ln(6) 1.791759
x3 5 f ( x3 ) Ln(5) 1.609438
SOLUCIÓN:
f3 ( x) b0 b1 ( x x0 ) b2 ( x x0 )( x x1 ) b3 ( x x0 )( x x1 )( x x2 )
19
Hallando b0
b0 f ( x0 ) f (1) 0
Hallando b1
Hallando b2
f ( x2 ) f ( x1 ) f ( x1 ) f ( x0 )
f ( x2 , x1 ) f ( x1 , x0 ) x2 x1 x1 x0
b2 f x2 , x1 , x0
x2 x0 x2 x0
f (6) f (4) f (4) f (1) 1.791759 1.386294 1.386294
b2 6 4 4 1
2 3
6 1 5
0.2027325 0.462098
b2 0.0518731
5
Hallando b3
f ( x3 ) f x2 f ( x2 ) f x1 f ( x2 ) f x1 f ( x1 ) f x0
x3 x2 x2 x1 x2 x1 x1 x0
x3 x1 x2 x0
b3
x3 x0
f (5) f 6 f (6) f 4 f (6) f 4 f (4) f 1
56 64 64 4 1
54 6 1
b3
5 1
20
1.609438 1.791759 1.791759 1.386294 1.791759 1.386294 1.386294
1
2 2 3
1 5
b3
4
0.182321 0.2027325 0.2027325 0.462098
1 5
b3
4
b3
0.020404 0.0518731
4
0.0314691
b3 0.007867275
4
Reemplazando los valores en la ecuación
f3 ( x) b0 b1 ( x x0 ) b2 ( x x0 )( x x1 ) b3 ( x x0 )( x x1 )( x x2 )
n
f n ( x) Li ( x) f ( xi ), donde
i 0
n x x j i 0,1, 2,...., n 1
Li ( x) ,
j 0 xi x j j 0,1, 2..., n 1
j i
Ejemplo de Aplicación:
SOLUCIÓN:
21
n
Los datos que se requieren para aplicar la formula f n ( x) L ( x) f ( x )
i 0
i i son:
n3
i 0,1, 2 j 0,1, 2
x0 0 f ( x0 ) 1
x1 1 f ( x1 ) 3
x2 2 f ( x2 ) 0
Calculando Li ( x) L0 ( x)
Iteración 1:
i0
j 0 j 1, 2
( x x1 )( x x2 )
L0 ( x)
x0 x1 x0 x2
( x 1)( x 2) x 2 3x 2 1 2
L0 ( x) x 3x 2
0 1 0 2 2 2
Iteración 2:
i 1
j 1 j 0, 2
( x x0 )( x x2 )
L1 ( x)
x1 x0 x0 x2
( x 0)( x 2) x 2 2 x
L1 ( x) x2 2x
1 0 1 2 1
Iteración 3:
i2
j 1 j 0,1
( x x0 )( x x1 )
L2 ( x)
x2 x0 x2 x1
( x 0)( x 1) x 2 x 1 2
L2 ( x) x x
2 0 2 1 2 2
n
Reemplazando los valores encontrados en la formula f n ( x) Li ( x) f ( xi )
i 0
22
n 1
f n ( x) Li ( x) f ( xi )
i 0
31 2
f3 ( x) Li ( x) f ( xi ) Li ( x) f ( xi )
i 0 i 0
f3 ( x) L0 ( x) f ( x0 ) L1 ( x) f ( x1 ) L2 ( x) f ( x2 )
f 3 ( x)
2
1 2
x 3 x 2 1 x 2 2 x 3 x 2 x 0
1
2
f 3 ( x) x 2 3 x 2 3 x 2 2 x
1
2
f ''( xi )h2
f ( xi 1 ) f ( xi ) f '( xi )h ....
2
Despejando se obtiene:
f ( xi 1 ) f ( xi ) f ''( xi )
f '( xi ) h O( h 2 )
h 2
f ( xi 1 ) f ( xi )
f '( xi ) O(h)
h
f ''( xi )h2
Despejando f ''( xi ) de f ( xi 1 ) f ( xi ) f '( xi )h .... resulta:
2
f ( xi 2 ) 2 f ( xi 1 ) f ( xi )
f ''( xi ) O(h) .
h2
23
f ( xi 2 ) 2 f ( xi 1 ) f ( xi )
Reemplazando f ''( xi ) O(h) en
h2
f ( xi 1 ) f ( xi ) f ''( xi )
f '( xi ) h O(h2 ) se tiene:
h 2
f ( xi 1 ) f ( xi ) f ( xi 2 ) 2 f ( xi 1 ) f ( xi )
f '( xi ) 2
h O(h 2 )
h 2h
f ( xi 2 ) 4 f ( xi 1 ) 3 f ( xi )
f '( xi )
2h
Primera derivada
f ( xi 1 ) f ( xi )
f '( xi ) ..........Error O(h)
h
f ( xi 2 ) 4 f ( xi 1 ) 3 f ( xi )
f ''( xi ) .......Error O(h 2 )
2h
Segunda Derivada
f ( xi 2 ) 2 f ( xi 1 ) f ( xi )
f ''( xi ) ..........Error O(h)
h2
f ( xi 3 ) 4 f ( xi 2 ) 5 f ( xi 1 ) 2 f ( xi )
f ''( xi ) 2
.......Error O (h 2 )
h
Tercera Derivada
f ( xi 3 ) 3 f ( xi 2 ) 3 f ( xi 1 ) f ( xi )
f '''( xi ) ..........Error O (h)
h3
3 f ( xi 4 ) 14 f ( xi 3 ) 24 f ( xi 2 ) 18 f ( xi 1 ) 5 f ( xi )
f '''( xi ) .......Error O(h 2 )
2h 3
Primera Derivada
f ( xi ) f ( xi 1 )
f '( xi ) .....................( Error O(h))
h
3 f ( xi ) 4 f ( xi 1 ) f ( xi 2 )
f '( xi ) ...( Error O(h 2 ))
2h
Segunda Derivada
24
f ( xi ) 2 f ( xi 1 ) f ( xi 2 )
f ''( xi ) ...( Error O(h))
h2
2 f ( xi ) 5 f ( xi 1 ) 4 f ( xi 2 ) f ( xi 3 )
f ''( xi ) 2
...( Error O(h 2 ))
h
Primera Derivada
f ( xi 1 ) f ( xi 1 )
f '( xi ) ..........................( Error O (h 2 ))
2h
f ( xi 2 ) 8 f ( xi 1 ) 8 f ( xi 1 ) f ( xi 2 )
f '( xi ) ....( Error O(h 4 ))
12h
Segunda Derivada
f ( xi 1 ) 2 f ( xi ) f ( xi 1 )
f ''( xi ) 2
........................( Error O(h 2 ))
h
f ( xi 2 ) 16 f ( xi 1 ) 30 f ( xi ) 16 f ( xi 1 ) f ( xi 2 )
f ''( xi ) 2
....( Error O(h 4 ))
12h
Ejemplo de Aplicación:
SOLUCIÓN:
Para emplear las fórmulas de diferencias finitas se requiere calcular los siguientes
valores:
xi 2 0 f ( xi 2 ) 1.2
xi 1 0.25 f ( xi 1 ) 1.103516
xi 0.5 f ( xi ) 0.925
xi 1 0.75 f ( xi 1 ) 0.6363281
xi 2 1 f ( xi 2 ) 0.2
2
Formula de la diferencia dividida hacia adelante de exactitud O(h )
f ( xi 2 ) 4 f ( xi 1 ) 3 f ( xi )
f '( xi )
2h
25
f (1) 4 f (0.75) 3 f 0.5
f '(0.5)
2 0.25
0.2 4 0.6363281 3 0.925
f '(0.5)
2(0.25)
0.4296876
f '(0.5) 0.8593752
0.5
2
Formula de la diferencia dividida hacia atrás de exactitud O(h )
4
Formula de la diferencia dividida centrada de exactitud O(h )
f ( xi 2 ) 8 f ( xi 1 ) 8 f ( xi 1 ) f ( xi 2 )
f '( xi )
12h
2.7375032
f '(0.5) 0.912501
3
a a ba
26
El área bajo esta línea recta es una aproximación de la integral de f ( x) entre
los límites a y b.
b b b f (b) f (a)
I f ( x)dx f1 ( x)dx f (a) ( x a ) dx
a a a
ba
Integrando resulta:
f (a) f (b)
I (b a) ....(Regla del trapecio)
2
1
Ea f ''( )(b a)3
12
Ejemplo de Aplicación:
SOLUCION:
f (a) f (b)
I (b a) , para poder utilizar la formula se requiere los valores
2
de la función en x=a y x=b.
Sustituyendo en la ecuación
f (a ) f (b)
I (b a )
2
0.2 0.232
I (0.8 0)
2
0.432
I (0.8) 0.1728
2
27
Et Valor verdadero-Valor aproximado
Et 1.640533 0.1728
Et 1.467733
f ( x0 ) f ( x1 ) f ( x1 ) f ( x2 ) f ( xn 1 ) f ( xn )
I h h ... h
2 2 2
h n 1
I f ( x0 ) 2 f ( xi ) f ( xn )
2 i 1
Ejemplo de Aplicación:
Use la regla del trapecio con dos segmentos para estimar la integral de
SOLUCIÓN:
28
b a 0.8 0
h 0.4
n 2
f (0) 0.2 f (0.4) 2.456 f (0.8) 0.232
f ( x0 ) f ( x1 ) f ( x1 ) f ( x2 )
I h h
2 2
0.2 2.456 2.456 0.232
I 0.4 0.4
2 2
I 0.2 2.456 0.2 2.688
I 0.5312 0.5376
I 1.0688
Además de aplicar la regla del trapecio con una segmentación más fina, otra
forma de obtener una estimación más exacta de una integral consiste en usar
polinomios de grado superior para unir los puntos. (Chapra y Canale, 2007,
Pg. 631).
b b
I f ( x)dx f 2 ( x)dx
a a
x2 x x x x x x0 x x2 f ( x ) x x0 x x1 f ( x )dx
I 1 2
f ( x0 )
x0 x1 x0 x2 x1 x0 x1 x2 1 x2 x0 x2 x1 2
x0
h
I f ( x0 ) 4 f ( x1 ) f ( x2 )........(Regla se Simpson 1/3)
3
h (b a) / 2
Ejemplo de Aplicación:
29
2
Integre f ( x) desde a 0 hasta b 0.35
x 4
2
SOLUCIÓN:
h
I f ( x0 ) 4 f ( x1 ) f ( x2 )
3
b a 0.35 0
h 0.175
2 2
2 2 2
x0 0 f (0) 2 0.5
x 4 0 4 4
2
2 2 2
x2 0.35 f (0.35) 0.51579626
x 4 0.35 4 3.8775
2 2
2 2 2
x1 0.175 f (0.175) 0.50385766
x 4 0.175 4 3.969375
2 2
h
I f ( x0 ) 4 f ( x1 ) f ( x2 )
3
0.175
I 0.5 4(0.50385766) 0.51579626
3
0.175
I 0.0312269
3
I 0.176821
30
Sustituyendo en la regla de Simpson 1/3
h
I f ( x0 ) 4 f ( x1 ) f ( x2 )
3
h h h
I f ( x0 ) 4 f ( x1 ) f ( x2 ) f ( x2 ) 4 f ( x3 ) f ( x4 ) ... f ( xn 2 ) 4 f ( xn 1 ) f ( xn )
3 3 3
(b a)5 (4)
Ea f
180n
(4)
Donde f es el promedio de la cuarta derivada en el intervalo.
Ejemplo de Aplicación:
b 0.8 .Utilice n 4.
SOLUCIÓN:
b a 0.8 0 0.8
h 0.2
n 4 4
x0 0 f (0) 0.2
x1 0.1 f (0.1) 1.289
x2 0.2 f (0.2) 1.288
x3 0.3 f (0.3) 1.607
x4 0.4 f (0.4) 2.456
x5 0.5 f (0.5) 3.325
x6 0.6 f (0.6) 3.464
x7 0.7 f (0.7) 2.363
x8 0.8 f (0.8) 0.232
31
0.1 0.1 0.1
I f ( x0 ) 4 f ( x1 ) f ( x2 ) f ( x2 ) 4 f ( x3 ) f ( x4 ) f ( x4 ) 4 f ( x5 ) f ( x6 )
3 3 3
0.1
f ( x6 ) 4 f ( x7 ) f ( x8 )
3
0.1 0.1 0.1
I f (0) 4 f (0.1) f (0.2) f (0.2) 4 f (0.3) f (0.4) f (0.4) 4 f (0.5) f (0.6)
3 3 3
0.1
f (0.6) 4 f (0.7) f (0.8)
3
0.1 0.1 0.1
I 0.2 4 1.289 1.288 1.288 4 1.607 2.456 2.456 4 3.325 3.464
3 3 3
0.1
3.464 4 2.363 0.232
3
0.1 0.1 0.1 0.1
I 6.644 10.172 19.22 13.148
3 3 3 3
I 0.22146 0.339066 0.6406666 0.438266
I 1.639458
b b
I f ( x)dx f3 ( x)dx , del cual se obtiene:
a a
3h
I f x0 3 f ( x1 ) 3 f ( x2 ) f ( x3 ) .....(Regla de Simpson 3/8)
8
h (b a) / 3
Ejemplo de Aplicación:
SOLUCIÓN:
b a 0.8 0
h 0.2667 , h: longitud de cada intervalo.
3 3
32
x0 0 f ( x0 ) 0.2
x1 0 h 0.2667 f (0.2667) 1.432724
x2 x1 0.2667 0.5334 f (0.5334) 3.487177
x3 x2 h 0.8 f (0.8) 0.232
3h
I f x0 3 f ( x1 ) 3 f ( x2 ) f ( x3 )
8
3 0.2677
I 0.2 3 1.432724 3 3.487177 0.232
8
0.8
I 0.2 4.298172 10.461531 0.232
8
0.8
I 15.191703
8
I 1.5191703
33
CONCLUSIONES
El ajuste de curvas consiste en encontrar una función que pase por un conjunto de puntos
o que mejor se ajuste a dichos puntos. Esta función representará el comportamiento de
los datos.
34
BIBLIOGRAFÍA
35
ANEXOS
36