You are on page 1of 50

Integración

Numérica
Integración
Numérica

Justificación del problema y
conceptos generales

Fórmulas de cuadratura con
paso adaptativo

Cuadratura de Gauss

Integración sobre intervalos
finitos

Integración sobre intervalos
infinitos

Integración en varias
variables
Introducción

Justificación del problema
 Integral elíptica de segunda
clase
 Definición de funciones
especiales:
 Función de Bessel
1 
Jn ( z) 
  cos( z
0
sen   n ) d

 Función error
2 x

t 2
erf ( x )  e dt
 0

 Discretización de ecuaciones
integrales
Conceptos generales
b
I ( f )   f ( x ) dx
a


Partición del intervalo [a,b,
a=x0<x1<x2<...<xn-1<xn=b
x0,x1,x2,...,xn-1,xn nodos
, 2,,..., n coeficientes o pesos
n
In ( f )    j f ( x j )
j 0

Error de integración.
En ( f )  I ( f )  I n ( f )
 Grado de precisión: mayor n N
tal que
En(xk)=0, k=0,1,...,m
En(xm+1)0
Fórmulas de
Newton-Cotes


Fórmulas de cuadratura cerradas

Fórmulas de cuadratura abiertas

Fórmula de Trapecios para N
subintervalos

Fórmula de Simpson para N
subintervalos
Fórmulas de cuadratura
cerradas
Dados n+1 puntos equiespaciados de
[a,b], xj=a+jh, j=0,...,n h=(b-a)/(n+2).
Entonces  h  ]a,b[ tal que
 n par y f Cn+2 [a,b], s=(x-x0)/h
b n

 f ( x) dx    j f ( x j ) 
a
j 0

h n 3 n
 f ( n 2)
( )  s 2 ( s  1) ( s  n) ds
(n  2)! 0

 nb impar y f nCn+1 [a,b], s=(x-x0)/h


 f ( x) dx    j f ( x j ) 
a
j 0

h n2 n
 f ( n 1)
( )  s ( s  1) ( s  n) ds
(n  1)! 0

n=1 Regla del Trapecio
h
f ( x) dx   f ( x 0 )  f ( x1 ) 
b
 a 2
h 3 ''
 f ( ) x 0    x1
12

n=2 Regla
h de Simpson
 f ( x0 )  4 f ( x1 )  f ( x2 ) 
b

a
f ( x) dx 
3
h 5 ( iv )
 f ( ) x0    x 2
90

n=3 Regla
3h de Simpson 3/8
 f ( x0 )  3 f ( x1 )  3 f ( x2 )  f ( x3 ) 
b
a
f ( x) dx 
8
3h 5 ( iv )
 f ( ) x 0    x3
80

n=4 Newton-Cotes (5 puntos)
2h
a f ( x) dx   7 f ( x0 )  32 f ( x1 )  12 f ( x2 ) 
b

45
8h 5 ( vi )
 32 f ( x3 )  7 f ( x 4 )   f ( ) x0    x 4
945
Fórmulas de
cuadratura abiertas

Dados n+1 puntos equiespaciados de [a,b],
xj=a+(j+1)h, j=0,...,n h=(b-a)/(n+2).
Entonces  h  ]a,b [ tal que

 Si n es par y f Cn+2 [a,b], s=(x-x0)/h


b n

 f ( x) dx    j f ( x j ) 
a
j 0

h n 3 n 1
 f ( n 2)
( )  s 2 ( s  1) ( s  n) ds
(n  2)! 1

 Si n es impar y f Cn+1 [a,b], s=(x-x0)/h


n
f ( x) dx    j f ( x j ) 
b
 a
j 0

h n 2 n 1
 f ( n 1)
( )  s ( s  1) ( s  n) ds
(n  1)! 1

n=0 Regla del Punto Medio
b h 3 ''
 a
f ( x) dx  2h f ( x0 ) 
3
f ( ) x 1    x1

n=1
3h 3h 3 (ii )
f ( x) dx   f ( x0 )  f ( x1 ) 
b
 a 2 4
f ( )

x 1    x 2

n=2
4h
 2 f ( x0 )  f ( x1 )  2 f ( x2 ) 
b
a
f ( x) dx 
3
14h 5 ( iv )
 f ( ) x 1    x3
45

n=3
5h
11 f ( x0 )  f ( x1 )  f ( x2 )  11 f ( x3 ) 
b

a
f ( x) dx 
24
95h 5 (iv )
 f ( ) x 1    x 4
144

Fórmula de Trapecios para N
subintervalos
h=(b-a)/N, xk=a+kh k=0,1,2,...,N
b h N 1

 f ( x) dx   f ( x0 )  2 f ( x k )  f ( x N )
a 2 k 1 
h2
ET   (b  a) f ' ' ( )
12

Fórmula de Simpson para N
subintervalos
h=(b-a)/(2m), xk=a+kh k=0,1,2,...,2m
h m 1 m

f ( x) dx   f ( x0 )  2 f ( x2 k )  4 f ( x2 k 1 )  f ( x2 m )
b

a 3 k 1 k 1 
h4
E S   (b  a) f (iv ) ( )
180
Integración de
Romberg

Error de la Fórmula de Simpson
h4
ES   (b  a ) f IV
(  )  Ch 4
180


Extrapolación de Richardson
I  I S [2h]  C (2h) 4 

I  I S [h]  Ch 4

(16  1) I  16 I S [h]  I S [2h]
4 2 I S [ h]  I S [ 2h]
I  I R [ h]
4 1
2 def
Tabla de Romberg
IT [ h ]
IT [ h / 2 ] IS [ h / 2 ]
IT [ h / 4 ] IS [ h / 4 ] IR [ h / 4 ]
IT [ h / 8 ] IS [ h / 8 ] IR [ h / 8] IQ [ h / 8 ]
   
4 j 1 I k , j 1  I k 1, j 1

Expresión general: I kj 
4 j 1  1

Error de orden h2j


Exacta para polinomios de grado 2j-1
Algoritmo ROMBERG
Datos de entrada: a, b, n, tol

Proceso: Construcción de la tabla de
Romberg
k = 1, I(1,1) = trapecio(a,b,n); % Fila 1
mientras error > tol
k = k+1 % Fila k
I(k,1) = trapiter(a,b,2k-1n)
para j = 2 : k % Aplica el método de
Romberg
I(k,j) = (4^(j -1)*I(k,j -1) - I(k -1,j
-1)) / /(4^(j -1) -1)
fin para
error = abs(I(k,j) - I(k,j -1))
fin mientras
Fórmulas de cuadratura
con paso adaptativo


Métodos adaptativos de cuadratura:

Regla compuesta de Simpson


Algoritmo de cuadratura adaptativa

implementado en MATLAB

(quad.m)
Métodos adaptativos

Variaciones funcionales irregulares en el
intervalo de integración

Combinamos la Regla compuesta de
Simpson, h=(b-a)/2, con la Regla de
Simpson para m=2, de paso h/2=(b-a)/4:

h h5
a f ( x) dx  3  f (a)  4 f (a  h)  f (b)  90 f
b
( iv )
( )

   a, b
h
S (a, b) :  f (a )  4 f (a  h)  f (b)
3

b h h 3h 
a
f ( x) dx 
6 
f ( a )  4 f ( a 
2
)  2 f ( a  h )  4 f ( a 
2
)  f (b ) 

h 4 (b  a) (iv )
 f ( )    a, b
16 180
 ab h  h 
S  a,   f ( a )  4 f ( a  )  f ( a  h )
 2  6  2 

 ab  h  3h 
S , b    f (a  h)  4 f (a  )  f (b)
 2  6 2 
Estimación del error: si f ( iv ) ( )  f (iv ) (  )
b  ab ab 
a
f ( x) dx  S  a,

  S
2   2
,b 

1  ab ab 
 S ( a, b)  S  a ,   S  ,b
15  2   2 

 a  b  a  b 
Si S (a , b)  S  a ,   S , b  15 TOL
 2   2 
b  a  b  a  b 
entonces a
f ( x ) dx  S  a ,   S
 2   2 
, b  TOL

 a  b a b 
y S  a ,   S , b será una buena
2   2 
aproximación a I.
En otro caso, se aplica reiteradamente a
los subintervalos [a,(a+b)/2[ y
[(a+b)/2,b[ (tolerancia TOL/2.)
Simpson con paso adaptativo
function I = adapsimp(f,a,b,tol,nivel)

% Integra f en [a,b] por el método de


% Simpson de paso adaptativo
% tol: error admitido (estimación)
% nivel: profundidad máxima de la recursión

h = (b-a)/2; % Paso inicial


c = a+h; % Punto medio
fa = feval(f,a);
fc = feval(f,c);
fb = feval(f,b);
int = h/3*(fa+4*fc+fb); % Simpson simple
tol = 10*tol;
I = refina(f,a,c,fa,fc,fb,int,tol,nivel);
Recursión sobre los intervalos

function I = refina(f,a,c,fa,fc,fb,int,tol,nivel);
h = (c-a)/2;
d = a+h; e = c+h; % Puntos medios
fd = feval(f,d);
fe = feval(f,e);
int1 = h/3*(fa+4*fd+fc); % Simpson %
intervalo izq.
int2 = h/3*(fc+4*fe+fb); % Simpson %
intervalo der.
if abs(int-int1-int2)<tol
I = int1+int2;
elseif nivel = = 0
error('Nivel excedido')
else
I = refina(f,a,d,fa,fd,fc,int1,tol/2,nivel-1) +
refina(f,c,e,fc,fe,fb,int2,tol/2,nivel-1);
end
Cuadratura de
Gauss

Elección de nodos apropiados


Casos particulares
 Gauss-Legendre
 Gauss-Chebyshev
 Gauss-Laguerre
 Gauss-Hermite
Cuadratura de Gauss
b

a
w( x ) f( x ) dx  c1 f( x1 )  c 2 f( x 2 )    c n f( x n )

OBJETIVOS:

Elección de nodos x1 , x2 ,..., xn para aumentar
el grado de precisión.

Máximo grado de exactitud.

CONCLUSIONES:

Una fórmula de cuadratura con n nodos
es exacta para polinomios de grado 
2n-1 si y sólo si:
 la fórmula es interpolatoria, y
 los nodos son las raices del n-esimo polinomio
ortogonal respecto del producto escalar inducido por
w(x) en [a,b.

No existe ninguna fórmula con n nodos
exacta para todos los polinomios de grado
2n.
Fórmula de cuadratura

b n

 w( x ) f ( x ) dx   c f ( x )
a
i 1
i i

1 bT (x)
ci  
n
w( x ) dx
Tn ' ( xi ) a x  xi
i = 1,2, , n

f ( 2 n )(  ) b 2
E( f) 
( 2n )! a
Tn ( x )w( x ) dx

a<<b

CUADRATURA INTERVALO F. PESO


Gauss-Legendre [a,b]=[-1,1] w(x)=1
Gauss-Chebyshev [a,b]=[-1,1] w(x)=1/(1-x2)1/2
Gauss-Jacobi [a,b]=[-1,1] w(x)=(x-1)a(x+1)b
Gauss-Laguerre [a,b]=[0,+[ w(x)=xae-x
2
Gauss-Hermite [a,b]=]- , +[ w( x)  e  x
Gauss-Legendre

En [-1,1], los polinomios de Legendre
forman una familia ortogonal:
p0 ( x )  1 p1 ( x )  x n  1,2 ,
1
p n 1 ( x )    2n  1 x pn ( x )  n p n1 ( x )
n1
pn(x) tiene n raices reales distintas,
4k  1
 O n 4 
 1 1 
x k  1  2  3  cos
 8n 8n  4n  2
k = 1,2, , n

y los coeficientes de la fórmula de


cuadratura,
1 x  xj
n
2
ci    dx 
1
j1 x i 
j i
x j  
1  xi p n ( xi )
2 ' 2

i  1,2 , , n
Polinomios de Legendre

Si [a,b [-1,1, el cambio de variable
es:
ba ba ba
x t , dx  dt
2 2 2
y la fórmula de cuadratura queda:
b ba n ba ba
a f( x )dx  
2 i 1
c i  f 
 2
x i    E( f)
2 

n nodos coeficientes
2 0.5773502692 1.0000000000
3 0.7745966692 0.5555555556
0.0000000000 0.8888888889
4 0.8611361159 0.3478548451
0.3399810436 0.6521451549
1.5

EJEMPLO: I( f )   e  x2
dx
1

 cambio de variable a [-1,1


 ( t  5) 2
1.5 1 1 16
1 e dx  4 1e
 x2
dx

 Gauss-Legendre n=2
1 
2 2
( 0.5773 5 ) ( 0.5773 5 )

I ( f)  e 16
e 16
  0.1094003
4  

 Gauss-Legendre n=3
1
2
( 0.774596  5 )

I ( f)  0.5555556 e 16

4 
( 0  5 )2 ( 0.774596  5 )2 
 0.888889 e 16
 0.555556 e 16


 0.1093642
Gauss-Chebyshev
1 f ( x)  n
 dx   f ( xi )
1
1 x2 n i 1


En [-1,1], los polinomios de Chebyshev
forman una familia ortogonal,

T0 ( x)  1
T1 ( x)  x
Tn ( x)  2 x Tn1 ( x)  Tn2 ( x) n  2,3,

y Tn(x) tiene n raices reales distintas,

xk  cos
 2k  1
k = 0,1,2,  , n - 1
2n
Gauss-Laguerre
 n

 e  x f ( x )dx   ci f ( xi )
0
i 1

ci 
 n! 2
xi
i  1,2, , n
 Ln 1 ( xi ) 2

En [0,+[, los polinomios de Laguerre


son una familia ortogonal,
L0 ( x )  1 L1 ( x )  1  x
L n  1 ( x )  ( 2 n  1  x ) L n ( x )  n 2 Ln  1 ( x )
n  1,2 ,

Tn(x) tiene n raices reales y distintas,


 
 
2
j0 k   2  j02k 
xk  2 
1 2  + O(n -5
)
 1   1 
4 n    48 n   
 2   2 
k=0 ,1,2 , ,n-1
Gauss-Hermite
 n

 e  x2
f ( x)dx   ci f ( xi )

i 1

En , los polinomios de Hermite forman una familia


ortogonal,

H (x)1
0 1 H ( x )  2x
Hn(x) tiene n raices reales y distintas en - ,+[, y los coeficientes
son: H n  2 ( x )  2 x H n 1 ( x )  2( n  1 )H n ( x )

n  0 ,1,2 ,

2 n 1 n! 
ci  i  1,2,  , n
n  H n  1 ( xi ) 
2 2
Integrales impropias

Carácter de las integrales
impropias.

Resolución numérica.

I. impropias  I. propias
 cambio de variable,
 desarrollo por series,
 eliminación de la
singularidad.
Integrales Impropias

Sea f(x) una función contínua con
una asíntota vertical en [a,b]. La
integral b

a
f ( x )dx

es una integral impropia


f(x)

b-
a b

lim f (x)  
x b

Si xlim f (x)   entonces



b

b b 
a
f ( x)dx  lim 
 0 a
f ( x)dx
a a+ b

lim f (x)  
x a 

Si lim f( x )   entonces
xa

b b

a
f ( x)dx  lim 
 0 a 
f ( x)dx

Cuando estos límites existen, decimos que la


integral impropia es convergente.
En otro caso, se dice que es divergente.

I   tan( x )dx
2

EJEMPLO 0

=0.01 
 0.01

I  2 tan( x )dx   
2 tan( x )dx
0  0.01
2

 4.605187   
2 tan( x )dx
 0.01
2

aplicando
 cuadratura de Gauss,

n=5 :
0.01 
0.01 
 t  1 dt
1


2
2
 0.01
tan( x )dx 
2 1
tan  0.01 
2 2 
 4.566650
=0.0001 y cuadratura de Gauss, n=5:
 
 0.001


2
2
 0.01
tan( x )dx   
2
2
 0.01
tan( x )dx 

 
2 tan( x )dx  4.605153  4.566667
 0.001
2

  
2 tan( x )dx no tiende a cero cuando

2

0 , luego  2 tan( x )dx no converge.
0
1 1

EJEMPLO
I   0
x
dx

=0.01
0.01 1 1 1 0.01 1
I  dx   dx   dx  1.8
0
x 0.01
x 0
x

aplicando cuadratura de Gauss, n=5:


0.01 1 0.01  5 1 
 dx   c i 
0 x 2  i 1 0.005( t i  1 ) 
 0.184160
=0.0001 y cuadratura de Gauss, n=5:
0.01 1 0.0001 1 0.01 1
 0
x
dx  
0
x
dx  
0.0001
x
dx

 0.018416  0.18

1 1
0 x
dx  0.018416  0.18  1.8  1.9984616
I. Impropias  I.Propias

Cambio de variable
1

0
x 1 n f( x )dx n  2 1
 I  n  t n  2 f( t n )dt
0
xt n


Desarrollo por series
1 1  x 2

x   x 1  x  dx 
3 x 3
e dx
0.0001 0.0001
 2
1  x 2

  x  e  1  x  dx
3 x
0.0001
 2


Eliminación de la singularidad
1 cos x x e t
0 x dx 0 1  t
Integrales Infinitas


Integrales infinitas
convergentes y divergentes.

Métodos de aproximación:
 Descomposición en suma
de integrales
 Cambio de variable
Integrales Infinitas:
Métodos de Aproximación

Integrales sobre intervalos no acotados:
[a,+[,  -,b -,+[.
 b
 a
f( x )dx  lim
b   a f( x )dx
b b
 
f( x )dx  lim 
a   a
f( x )dx

Convergencia  existe el límite y es un


número real.

Descomposición en suma de
integrales
 r1 r2

a
f( x )dx   f( x )dx   f( x )dx  
a r1

a  r1  r2  r3    rn
rn 1
In  rn
f( x )dx  TOL

Resulta conveniente doblar el intervalo


en cada iteración: rn=2n
 ex
I dx

EJEMPLO 0 1 x 4

rn ex
In   dx rn  2 n
0 1 x 4

n In
0 0.57202582
1 0.62745952
2 0.63043990
3 0.63047761
4 0.63047766
Valor exacto 0.63047783

Cambio de variable
 Depende de la función a integrar.
 El cambio x  e transforma
t
el intervalo
0  t   0  t 1
en .


x
I  xe dx

EJEMPLO 0

cambio 1
x   log t dx   dt
t
 1 1 1
I  xe dx    log t dt  
x
log dt 
0 0 0 t
0.00011 0.01 1 1 1
 log dt   log dt   log dt 
0 t 0.0001 t 0.01 t
 0.000319  0.023273  0.862649  0.88624

aplicando cuadratura de Gauss, n=5.



I  x e 2 x2
dx

EJEMPLO 1

cambio 1 1 3 2
x dx   t dt
t 2

 11 1t   1 32 
I  x e dx   e  t  dt 
2  x2
0t
1
 2 
1
1 1e t
  5 dt
2 0t 2
1 
t t 0
e
g( t )  5 0
t 2
I  0.25364
aplicando Romberg.
Integración
Indefinida
x
F ( x)   a
f (t ) dt axb


Integral definida sobre un
rango variable
 Subdividir el intervalo de
integración y aplicar
cuadraturas

Solución del problema de
valor inicial asociado
dF
 f ( x) , F (a )  0
dx
Ejercicio

Calcúlese la función error como
la integral de la función de
distribución gaussiana de 0 a x:

2 x

t 2
erf ( x )  e dt
x 0


y como solución del problema
de valor inicial:

2 x2
y ' ( x)  e , y ( 0)  0

Integración Múltiple

Integración múltiple sobre
recintos rectangulares


Integración múltiple sobre
regiones no rectangulares


Algoritmo de Integración
Múltiple
Integracion Múltiple
sobre recintos rectangulares
I   f ( x, y ) dA  
b
 d f ( x, y ) dy  dx
R a  c 

Aplicamos la
d
Regla de Simpson a la
integral c f ( x, y )dy considerando x
como parámetro.
b d k b
a c f( x , y )dydx  3 a f( x , y0 )dx 
2k m1 b 4k m b
   f( x , y 2 j )dx    f( x , y 2 j1 )dx 
3 j1 a 3 j1 a
k b ( d  c ) 4 b  4 f( x , )
  f( x , y 2 m )dx  k  dx
3 a 180 a y 4
Aplicamos Simpson a cada una de estas
integrales:
h n 1

a f( x , y j )dx  3 f( x0 , y j )  2
b
f( x 2i , y j ) 
i 1
n

 4 f( x 2i 1 , y j )  f( x 2 n , y j ) 
i 1 
b  a 4  4 f(  j , y j )
 h
180 x 4
b d hk  n 1 n

 f( x , y )dydx 
9  f 0 ,0  2 f 2i ,0  4 f2i 1,0 
a c
 i 1 i 1
m 1 m 1 n 1 m 1 n
 f2 n ,0  2 f0 ,2 j  4 f2i ,2 j  8 f2i 1,2 j 
j1 j1 i 1 j1 i 1
m 1 m m  n 1
 2 f 2 n ,2 j 4 f0 ,2 j1  8 f 2i ,2 j1 
j1 j1 j1 i 1
m n m
 16  f 2i 1,2 j1  4 f 2 n ,2 j1 
j1 i 1 j1
n 1 n

 2f 0 ,2 m  2 f 2i ,2 m  4 f 2i 1,2 m  f 2 n ,2 m 
i 1 i 1 
Expresión del error:
( d  c )( b  a )  4  4 f 4  f
4

E h   ,    k 4  ˆ ,ˆ  
 x y
4
180 
  ,   , ˆ ,ˆ   R
Coeficientes de la fórmula de cuadratura:
1 4 2 4 2 2 4 1
d=y2m
4 16 8 16 8 8 16
y2m-1 4

y2 2 8 4 8 4 4 8 2

y1 4 16 8 16 8 8 16 4

c=y0 1 4 2 4 2 2 4 1
b=x2n
a=x0 x1 x2 x3 x4 x2n-2 x2n-1
xi  a  ih i  0,1,2 , ,2n
y i  c  jk j  0 ,1,2, ,2m
ba cd
h k
2n 2m
Integración Múltiple
sobre recintos no
rectangulares
b d ( x) d b( x)
 a c( x)
f ( x, y )dydx 
c a( x)
f ( x, y )dxdy

h=(b-a)/2 k=k(x)
b d ( x)
I   f ( x, y )dydx 
a c( x)

k ( x)
 f ( x, c( x))  4 f ( x, c( x)  k ( x)) f ( x, d ( x)) dx
b

a 3

h  k (a)
   f (a, c(a))  4 f (a, c(a)  k (a))   f (a, d (a)) 
3 3
4k ( a  h)
  f (a  h, c(a  h))  4 f (a  h, c(a  h) 
3
 k (a  h)) f (a  h, d (a  h)) 


k (b)
 f (b, c(b))  4 f (b, c(b)  k (b))  f (b, d (b)) 
3 
Algoritmo de la
integral múltiple
b d ( x)

a c( x)
f ( x, y )dydx

Entrada: f(x,y), c(x), d(x), a, b, m, n.

Salida: aproximación I
 PASO 1:
dividir [a,b] en 2n
subintervalos
 PASO 2: en cada nodo xi,
 evaluar la función
 calcular (d(xi )-c(xi ))/(2m)
 PASO 3: aplicar la regla compuesta de
Simpson respecto a y
 PASO 4: sobre el resultado obtenido
del PASO 3 aplicar Simpson respecto
a la variable x  I
Integrales de
Contorno

Casos Particulares

Método de MonteCarlo
Integrales de Contorno


Llamamos integral de contorno a
una integral de la forma:

 C
f ( x, y ) dx , C
f ( x, y )dy,

C
f ( x, y ) ds

siendo C una curva en el plano XY.



Si C está parametrizada, es posible
transformar una integral de
contorno en una integral ordinaria
de una variable.
Método de Monte Carlo

El valor medio de la función f(x)
en el intervalo [a,b] es
1 b

ba
f ( x )dx
a

Sean x1, x2, …xn n puntos
cualesquiera en [a,b], resulta
previsible que
n
1 1 b
ˆf 
n 
n i 1
f ( xi )  
ba a
f ( x)dx

Cuando los valores de xi son


aleatorios, éste método es
conocido como Método de Monte
Carlo
Ejemplo
Calculamos el perímetro de elipses de
distintas excentricidades utilizando en
todos los casos 60 puntos.

a b Valor aprox. Valor exacto

1.0 0.8 1.4180830 1.4180834

1.0 0.4 1.1506554 1.1506556

1.0 0.2 1.0505019 1.0505022

1.0 0.1 1.0159888 1.0159935

You might also like