Derivaci On e Integraci On Num Erica: Carlos Garc Ia-Guti Errez Carlos - Garciagutierrez@upm - Es

Derivación e Integración Numérica
Carlos Garcı́a-Gutiérrez
carlos.garciagutierrez@upm.es
Máster en Ingenierı́a Naval y Oceánica

Universidad Politécnica de Madrid
October 24, 2019
Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 1 / 176

Introduccion

Problema de Integración
Un móvil se mueve según la curva r(t) y queremos calcular la distancia

que recorre entre t0 y t1 .
¿Qué formula nos da la longitud que recorre?
¿Qué problemas trae esa fórmula?

Aproximación por polinomios
Hemos usado polinomios en el pasado porque

se aproximan a cualquier curva,
se derivan fácilmente
se integran fácilmente
Los usaremos ahora para aproximar derivadas e integrales de funciones.

Derivada
La derivada de una función

f (x0 + h) − f (x0 )
f 0 (x0 ) = lim
h→0 h

Aproximación a la derivada
Lo más sencillo es usar

f (x0 + h) − f (x0 )
f 0 (x0 ) ≈
h
para valores pequeños de h

¿Problema?
¿Cuál es el error?
Lo hacemos con un polinomio de aproximación.

Aproximación con Polinomio de Lagrange
Aproximamos f 0 (x0 ), partiendo de la hipótesis f ∈ C 2 [a, b] y tomando

x0 ∈ (a, b). Tomamos también otro punto x1 = x0 + h tal que x1 ∈ [a, b].
Usamos el término de error del polinomio de Lagrange
(x − x0 )(x − x1 ) 00
f (x ) = P1 (x ) + f (ξ(x ))
2!
(x − x0 − h) x − x0 (x − x0 )(x − x1 ) 00
f (x0 ) + f (x0 + h) + f (ξ(x ))
−h h 2!
Para algún ξ(x ) ∈ (x0 , x1 )

Derivamos
f (x0 + h) − f (x0 ) (x − x0 )(x − x0 − h) 00

0
f (x ) = + Dx f (ξ(x ))
h 2

¿Cómo proceder?
Hacemos x = x0 y se eliminan términos indeseados y la fórmula se

simplifica

Con más precisión
Usando un polinomio aproximador queda
f (x0 + h) − f (x0 ) h 00
f 0 (x0 ) = − f (ξ)
h 2

¿Qué usamos?
Usamos
f (x0 + h) − f (x0 )
h
0
para aproximar el valor de f (x0 ) para valores pequeños de h con un error
acotado por
M|h|
2
00
donde M es una cota para |f (x )| con x ∈ [x0 , x0 + h]

h y los nombres
Si h > 0 la fórmula es de diferencias hacia adelante

Si h < 0 son diferencias hacia atrás

Ejercicio
Usar las diferencias hacia adelante para determinar log(1.8) con tres
valores diferentes de h

Solución
Aproximamos con
f (1.8 + h) − f (1.8)
h

h = 0.1
log(1.9) − log(1.8)
≈ 0.5406722
0.1

El error
Como f 00 (x ) = −1/x 2 , para un 1.8 < ξ < 1.9 tenemos
|hf 00 (ξ)| |h| 0.1

= 2 < = 0.0154321
2 2ξ 2(1.8)2

Valor real
El valor real es
d
log(x ) = 0.555̂
dx x =1.8

Otros valores de h

¿Problemas?
¿Qué problemas tenemos hasta ahora?

Usamos más puntos
Vamos a obtener fórmulas más generales. Supóngase que {x0 , x1 , . . . , xn }

son n + 1 puntos distintos en un intervalo I y que f ∈ C n+1 (I). Entonces
podemos hacer el polinomio interpolador
n
X (x − x0 ) · · · (x − xn ) (n+1)
f (x ) = f (xk )Lk (x ) + f (ξ(x ))
k=0
(n + 1)!
para algún ξ(x ) ∈ I.

Tenemos que derivar el polinomio para hallar las aproximaciones y el
truncamiento.

Derivando
n
f 0 (x ) = f (xk )L0k (x )
X
k=0
(x − x0 ) · · · (x − xn ) (n+1)

+ Dx f (ξ(x ))
(n + 1)!
(x − x0 ) · · · (x − xn ) h (n+1) i
+ Dx f (ξ(x ))
(n + 1)!

Problema
No tenemos ni idea de cómo estimar el error de truncamiento.

No sabemos qué hacer con
h i
Dx f (n+1) (ξ(x ))
Solución: x = xj para algún j; el término que multiplica a lo anterior es 0

Con la solución
n n
f n+1 (ξ(xj )) Y
f 0 (xj ) = f (xk )L0k (x ) +
X
(xj − xk )
k=0
(n + 1)! k=0
k6=j
Y es la fórmula de aproximación de f 0 (xj ) con n + 1-puntos.

Ventajas e inconvenientes
Ventajas: más precisión

Desventajas: más errores numéricos

Solución usada
Se suelen utilizar fórmulas que utilizan de 3 a 5 puntos

Vamos a ver estas.

Preliminares
Para fórmulas de tres puntos repasamos el polinomio interpolador y su

derivada

Polinomio interpolador y derivada
(x − x1 )(x − x2 ) 2x − x1 − x2
L0 (x ) = L00 (x ) =
(x0 − x1 )(x0 − x2 ) (x0 − x1 )(x0 − x2 )
De forma similar
2x − x0 − x2 2x − x0 − x1
L01 (x ) = L02 (x ) =
(x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )

Derivada del polinomio interpolador
2x − x1 − x2

f 0 (xj ) = f (x0 )
(x0 − x1 )(x0 − x2 )
2x − x0 − x2

+ f (x1 )
(x1 − x0 )(x1 − x2 )
2x − x0 − x1

+ f (x2 )
(x2 − x0 )(x2 − x1 )
2
1 Y
+ f (3) (ξj ) (xj − xk )
6 k=0
k6=j
Para j = 0, 1, 2 y ξk depende de xj

Puntos equiespaciados
Lo primero que vamos a pedir: puntos equiespaciados
x1 = x0 + h x2 = x0 + 2h

Fórmulas de tres puntos
Usamos la ecuación anterior con puntos equiespaciados
1 3 1 h2

0
f (x0 ) = − f (x0 ) + 2f (x 1) − f (x2 ) + f (3) (ξ0 )
h 2 2 3
1 1 1 h2

f 0 (x1 ) = − f (x0 ) + f (x2 ) − f (3) (ξ1 )
h 2 2 6
1 1 3 h2

0
f (x2 ) = f (x0 ) − 2f (x1 ) + f (x2 ) + f (3) (ξ2 )
h 2 2 3

Sustituyendo la fórmula de puntos equiespaciados
1 3 1 h2 (3)

f 0 (x0 ) = − f (x0 ) + 2f (x0 + h) − f (x0 + 2h) + f (ξ0 )
h 2 2 3
1 1 1 h2 (3)

0
f (x0 + h) = − f (x0 ) + f (x0 + 2h) − f (ξ1 )
h 2 2 6
1 1 3 h2 (3)

f 0 (x0 + 2h) = f (x0 ) − 2f (x0 + h) + f (x0 + 2h) + f (ξ2 )
h 2 2 3
Pero podemos centrar las tres en x0 moviendo el punto:

Moviendo el punto
1 h2 (3)
f 0 (x0 ) = [−3f (x0 ) + 4f (x0 + h) − f (x0 + 2h)] + f (ξ0 )
2h 3
1 h2 (3)
f 0 (x0 ) = [−f (x0 − h) + f (x0 + h)] − f (ξ1 )
2h 6
1 h2 (3)
f 0 (x0 ) = [f (x0 − 2h) − 4f (x0 − h) + 3f (x0 )] + f (ξ2 )
2h 3
Pero la última es igual a la primera, ası́ que sólo nos quedan dos fórmulas

Fórmulas de tres puntos
Fórmula de tres puntos descentrada
1 h2
f 0 (x0 ) = [−3f (x0 ) + 4f (x0 + h) − f (x0 + 2h)] + f (3) (ξ0 )
2h 3
con ξ0 ∈ (x0 , x0 + 2h)
Fórmula de tres puntos centrada
1 h2
f 0 (x0 ) = [−f (x0 − h) + f (x0 + h)] − f (3) (ξ1 )
2h 6
con ξ1 ∈ (x0 − h, x0 + h)

Errores
Los errores son O(h2 ) pero el segundo es aproximadamente la mitad que el

primero.
Esto es porque usa puntos a ambos lados de x0 , en vez de sólo a un lado.

Gráficamente

Fórmulas de 5 puntos
Podemos hacer lo mismo para crear fórmulas que estiman la derivada a

partir de 5 puntos y obtener un error de O(h4 )

Fórmula de 5 puntos para el punto medio
1 h4 (5)
f 0 (x0 ) = [f (x0 − 2h) − 8f (x0 − h) + 8f (x0 + h) − f (x0 + 2h)] + f (ξ)
12h 30
con ξ ∈ (x0 − 2h, x0 + 2h)

Fórmula de cinco puntos descentrada
1 h4
f 0 (x0 ) = [−25f (x0 ) + 48f (x0 + h) − 36f (x0 + 2h) + 16f (x0 + 3h) − 3f (x0 + 4h)]+ f (5) (ξ)
12h 5
con ξ ∈ (x0 , x0 + 4h).

Comentario
Para los extremos podemos usar h > 0 o h < 0.

Ejemplo
Sea f (x ) = xe x . Aproximar los

valores de f 0 (2.0) con los valores de
la tabla

Solución
Aproximaciones de tres puntos

por la izquierda, h = −0.1 aprox = 22.054525
por la derecha h = 0.1 aprox = 22.032310
centrada h = 0.1 aprox = 22.228790
Aproximaciones de cinco puntos

Errores cometidos
Valor real f 0 (2.0) = (2 + 1)e 2 = 22.167168

3p descentrada h = 0.1 err = 1.35 × 10−1
3p descentrada h = −0.1 err = 1.13 × 10−1
3p centrada h = 0.1 err = −6.16 × 10−2
3p centrada h = 0.2 err = −2.47 × 10−1
5p centrada h = 0.1 err = 1.69 × 10−4

Derivadas de orden superior
Podemos derivar aproximaciones para derivadas de orden superior usando

polinomios de Taylor

Esquema del método
Polinomios de Taylor de orden 3 alrededor de x0 y evaluados en
h2 h3 h4
f (x0 + h) = f (x0 ) + f 0 (x0 )h + f 00 (x0 ) + f 000 (x0 ) + f (4) (ξ1 )
2 3! 4!
h2 h3 h4
f (x0 − h) = f (x0 ) − f 0 (x0 )h + f 00 (x0 ) − f 000 (x0 ) + f (4) (ξ−1 )
2 3! 4!
con x0 − h < ξ−1 < x0 < ξ1 < x0 + h.

Sumamos las ecuaciones anteriores
y se cancelan términos
1 h (4) i
f (x0 + h) + f (x0 − h) = 2f (x0 ) + f 00 (x0 )h2 + f (ξ(1)) + f (4) (ξ−1 ) h4
24

Despejamos f 00 (x0 )
1 h2 h (4) i
f 00 (x0 ) = 2
[f (x0 − h) − 2f (x0 ) + f (x0 + h)] − f (ξ1 ) + f (4) (ξ−1 )
h 24
¿Qué hacemos con la parte final?

Ponemos más hipótesis
Suponemos (4) es continua en [x − h, x + h].

h f i 0 0
Como 21 f (4) (ξ1 ) + f (4) (ξ−1 ) está entre esos dos valores, por el Teorema
de los Valores Intermedios, existe un ξ ∈ (ξ1 , ξ−1 ) ⊂ (x0 − h, x0 + h) tal
que
1 h (4) i
f (4) (ξ) = f (ξ1 ) + f (4) (ξ−1 )
2
y conseguimos la fórmula para la aproximación de la derivada segunda

Fórmula para la segunda derivada
La aproximación centrada a la segunda derivada es
1 h2 (4)
f 00 (x0 ) = [f (x0 − h) − 2f (x0 ) + f (x0 + h)] − f (ξ)
h2 24
con x0 − h < ξ < x0 + h

Ejemplo
Aproximar la segunda derivada de f (x ) = xe x en x = 2.0 con los datos de

la tabla anterior

Solución
Tenemos dos posibles aproximaciones

h = 0.1 aprox = 29.593200
h = 0.2 aprox = 29.704275

Errores
Valor real
f 00 (x ) = (x + 2)e x f 00 (2.0) = 29.556224
h = 0.1 err = −3.70 × 10−2

h = 0.2 err = −1.48 × 10−1

Problemas
Error de redondeo

Ejemplo
Fórmula de tres puntos
1 h2
f 0 (x0 ) = [f (x0 + h) − f (x0 − h)] − f (3) (ξ1 )
2h 6

Errores de redondeo
Tenemos los errores de redondeo
f (x0 + h) → e(x0 + h)
f (x0 − h) → e(x0 − h)

Valores usados
f˜(x0 + h) = f (x0 + h) − e(x0 + h)

f˜(x0 − h) = f (x0 − h) − e(x0 − h)

Error en la aproximación
f˜(x0 + h) − f˜(x0 − h) e(x0 + h) − e(x0 − h) h2 (3)

f 0 (x0 ) − = − f (ξ1 )
2h 2h 6
Tiene dos partes
error de redondeo
error de truncamiento

Acotación del error
Asumiendo |e(x0 ± h)| ≤ ε y M cota para f (3)

0 f˜(x0 + h) − f˜(x0 − h) ε h2
f (x0 ) − ≤ + M
2h h 6

Contradicción
Para reducir el error de truncamiento hay que reducir h, pero al hacerlo

aumentamos el error de redondeo que es ε/h

En la práctica
No debemos dejar que h sea demasiado pequeño, porque el error de

redondeo dominará

Ilustración
Queremos aproximar el valor de f 0 (0.900) siendo f (x ) = sin x .

El valor verdadero es
f 0 (0.900) = 0.62161
Usamos
f (0.900 + h) − f (0.900) − h
f 0 (0.900) ≈
2h

Tabla con resultados

h optimo
El valor de h óptimo aparece entre 0.005 y 0.05

¿Podemos hallarlo de manera teórica?

Problema de optimización
El error
ε h2
e(h) = + M
h 6
Su mı́nimo está en s
3 3ε
h=
M

Para el caso particular de sin(x )
M es la cota de f (3) en el intervalo con h a lo sumo 0.1, entonces
M= max |f 000 (x )| = max | cos x | = cos 0.8 ≈ 0.69671

x ∈[0.8,1.0] x ∈[0.8,1.0]
Y como la tabla nos proporciona valores de f con 5 cifras decimales

estimamos ε ≤ 5 × 10−6 (el error de redondeo).

h optimo
El valor de h optimo con los datos anteriores es

s
3 3(0.000005)
h= ≈ 0.028
0.69671

¿En la realidad?
No podemos computar un h óptimo como acabamos de hacer: no

conocemos f 000 .
Tenemos que tener en cuenta que reducir h no va a proporcionar un
mejor resultado
Este error aparece en las fórmulas de diferenciación numérica: es
debido a tener que dividir por una potencia de h
h es un número pequeño y al dividir por él los errores de redondeo
aumentan considerablemente
La derivación numérica es un algoritmo inestable

Algoritmo inestable
Lo evitaremos en la medida de lo posible

Lamentablemente... aparece en la aproximación de soluciones de
ecuaciones diferenciales y ecuaciones en derivadas parciales

Integración Numérica

Necesidad
Integral definida de función sin primitiva conocida

Ejemplo
Z b
2
e −x dx
a

Nombre histórico
Cuadratura numérica

Aproximación por Riemann
Z b n
X
f (x ) dx → (xi+1 − xi )f (ξi )
a i=0
para algún ξi ∈ [xi , xi+1 ].

Más general
Z b n
X
f (x ) dx → ai f (xi )
a i=0

Base teórica
Los polinomios de interpolación que hemos visto

Planteamiento del problema
Tenemos n + 1 puntos {x0 , x1 , . . . , xn } del intervalo [a, b].

Tenemos el polinomio interpolador de Lagrange
n
X
Pn (x ) = f (xi )Li (x )
i=0
Lo integraremos junto con su término de error (truncamiento) sobre [a, b]

Integración de polinomio
n n
f (n+1) (ξ(x ))
Z b Z bX Z bY
f (x ) dx = f (xi )Li (x ) + (x − xi ) dx
a a i=0 a i=0 (n + 1)!
n Z bYn
X 1
= ai f (xi ) + (x − xi )f (n+1) (ξ(x )) dx
i=0
(n + 1)! a i=0
con ξ ∈ [a, b] para cada x y

Z b
ai = Li (x ) dx i = 0, 1, . . . , n
a

Fórmula de cuadratura
La fórmula de cuadratura queda

Z b n
X
f (x ) dx ≈ ai f (xi )
a i=0
con un error
n
Z bY
1
E (f ) = (x − xi )f (n+1) (ξ(x )) dx
(n + 1)! a i=0

Primeras aproximaciones
Para empezar a aproximar el problema consideraremos

polinomios de Lagrange de orden 1 y 2
nodos equiespaciados
Resultado: regla del Trapecio y regla de Simpson

Regla del Trapecio
Aproximamos ab f (x ) dx con x0 = 1, x1 = b, h = b − a, usamos el

R
polinomio interpolador
(x − x1 ) (x − x0 )
P1 (x ) = f (x0 ) + f (x1 )
(x0 − x1 ) (x1 − x0 )
Entonces
Z b Z x1
(x − x1 ) (x − x0 )

f (x ) dx = f (x0 ) + f (x1 ) dx
a x0 (x0 − x1 ) (x1 − x0 )
1 x1 00
Z
+ f (ξ(x ))(x − x0 )(x − x1 ) dx
2 x0

Como (x − x0 )(x − x1 ) no cambia de signo en [x0 , x1 ] usamos el Teorema

del Valor Medio para Integrales y tenemos un ξ ∈ (x0 , x1 ) tal que
Z x1 Z x1
00 00
f (ξ(x ))(x − x0 )(x − x1 ) dx = f (ξ) (x − x0 )(x − x1 ) dx
x0 x0
" #x1
00 x 3 (x1 + x0 ) 2
= f (ξ) − x + x0 x1 x
3 2 x0
h3
=− f 00 (ξ)
6

Desarrollando la fórmula del Trapecio
" #x1
(x − x1 )2 (x − x0 )2 h3 00
Z b
f (x ) dx = f (x0 ) + f (x1 ) − f (ξ)
a 2(x0 − x1 ) 2(x1 − x0 ) x0
12
(x1 − x0 ) h3
= [f (x0 ) + f (x1 )] − f 00 (ξ)
2 12

Notación h = x1 − x0
Regla del Trapecio:
h3
Z b
h
f (x ) dx = [f (x0 ) + f (x1 )] − f 00 (ξ)
a 2 12
Vale para funciones con valores positivos

Gráficamente

Comentario sobre el error
El término de error de la regla del trapecio depende de f 00 .

La regla del trapecio es exacta cuando la derivada segunda de la función f
es cero, es decir, si f es un polinomio de grado 1 o menos

Regla de Simpson

Integración del polinomio
La regla de Simpson surge de integrar, sobre [a, b] el polinomio de

Lagrange de segundo grado, en los nodos equiespaciados x0 = a, x2 = b y
x1 = a + h, donde h = (b − a)/2.

Gráficamente

Integrando
Z b Z x2
(x − x1 )(x − x2 ) (x − x0 )(x − x2 )
f (x ) dx = f (x0 ) + f (x1 )
a (x0 − x1 )(x0 − x2 )
x0 (x1 − x0 )(x1 − x2 )
(x − x0 )(x − x1 )

+ f (x2 ) dx
(x2 − x0 )(x2 − x1 )
Z x2
(x − x0 )(x − x1 )(x − x2 ) (3)
+ f (ξ(x )) dx
x0 6

Error
Tenemos un error O(h4 ) que involucra a f (3)

Error
Tenemos un error O(h4 ) que involucra a f (3)

Sin embargo, es posible hacerlo de otra manera, para que el truncamiento
involucre a f (4) :
h5
Z x2
h
f (x ) dx = [f (x0 ) + 4f (x1 ) + f (x2 )] − f (4) (ξ)
x0 3 90

Error en Simpson
El término de error en Simpson involucra la derivada cuarta, por tanto la

regla de Simpson es exacta cuando integramos polinomios de grado 3 o
menos.

Comparación
Comparar la regla del Trapecio y la de Simpson para integrar

Z 2
f (x ) dx
0
x2 x4 (x + 1)−1
√
1 + x2 sin(x ) ex

Solución
En el intervalo [0, 2] la regla del Trapecio y la de Simpson tienen las formas

Z 2
Trapecio: f (x ) dx ≈ f (0) + f (2)
0
Z 2
1
Simpson: f (x ) dx ≈ [f (0) + 4f (1) + f (2)]
0 3

Tabla resultados

Grado de exactitud de fórmulas de cuadratura
El grado de exactitud de una fórmula de cuadratura es el mayor entero n

tal que la fórmula es exacta para x k , para cada k = 0, 1, . . . , n

De modo más preciso
Debido a la linealidad de la integral y de la suma:

El grado de exactitud de una fórmula de cuadratura es n si y solo si el
error es cero para todos los polinomios de grado k = 0, 1, . . . , n, pero es
distinto de cero para algún polinomio de grado n + 1

Aplicado a las que conocemos
La regla del Trapecio tiene grado de exactitud 1

La regla de Simpson 3

Fórmulas más generales
La regla del Trapecio y de Simpson son fórmulas de Newton-Cotes.

Hay dos tipos de fórmulas de Newton-Cotes
ceradas si evalúan la función en los extremos del intervalo
abiertas, si no evalúan la función en los extremos del intervalo

Newton-Cotes Cerradas
La fórmula cerrada de Newton-Cotes de (n + 1)-puntos usa los nodos

xi = x0 + ih para i = 0, 1, . . . , n donde x0 = a y xn = b y h = (b − a)/n.
Se dice cerrada porque usa los extremos del intervalo como nodos en la
integración.

Gráficamente

Origen y forma de la fórmula
La forma es Z b n
X
f (x ) dx ≈ ai f (xi )
a i=0
donde Z xn n
Z xn Y
(x − xj )
ai = Li (x ) dx = dx
x0 x0 j=0 (xi − xj )
j6=i

Error en las fórmulas de Newton Cotes
Theorem
Sea ni=0 ai f (xi ) la fórmula cerrada de (n + 1) puntos de Newton Cotes
P
con x0 = a, xn = b y h = (b − a)/n. Entonces existe ξ ∈ (a, b) para el cual

n
hn+3 f (n+2) (ξ)
Z b X Z n
f (x ) dx = ai f (xi ) + t 2 (t − 1) · · · (t − n) dt
a i=0
(n + 2)! 0
si n es par y f ∈ C n+2 [a, b], y

n
hn+2 f (n+1) (ξ)
Z b X Z n
f (x ) dx = ai f (xi ) + t(t − 1) · · · (t − n) dt
a i=0
(n + 1)! 0
si n es impar y f ∈ C n+1 [a, b]

Grado de exactitud en términos de polinomios
Si n es un entero par, entonces el grado de exactitud es n + 1, aunque el

polinomio de interpolación tiene grado como mucho n.
Si n es impar, el grado de exactitud es solamente n

Algunas fórmulas de Newton-Cotes cerradas
n=1: Regla del Trapecio
h3
Z x1
h
f (x ) dx = [f (x0 ) + f (x1 )] − f 00 (ξ)
x0 2 12
con ξ ∈ (x0 , x1 )

n=2: Regla del Simpson
h5
Z x2
h
f (x ) dx = [f (x0 ) + 4f (x1 ) + f (x2 )] − f (4) (ξ)
x0 3 90
con ξ ∈ (x0 , x2 )

n=3: Regla del Simpson de los tres octavos
3h5 (4)
Z x3
3h
f (x ) dx = [f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )] − f (ξ)
x0 8 80
con ξ ∈ (x0 , x3 )

n=4
Z x4
2h 8h7 (6)
f (x ) dx = [7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )] − f (ξ)
x0
45 945
con ξ ∈ (x0 , x4 )

Sin los extremos del intervalo
Las fórmulas de Newton-Cotes abiertas no incluyen a los extremos del

intervalo [a, b] como nodos.
Usando los nodos xi = x0 + ih para i = 0, 1, . . . , n donde
h = (b − a)/(n + 2) y x0 = a + h. Esto implica que xn = b − h.
Se nombra a los extremos x−1 = a y xn+1 = b.

Gráficamente

Fórmulas
Los nodos usados en las fórmulas están todos dentro del intervalo (a, b)
Z b Z xn+1 n
X
f (x ) dx = f (x ) dx ≈ ai f (xi )
a x1 i=0
donde Z b
ai = Li (x ) dx
a

Teorema aproximación
Theorem
Sea ni=0 ai f (xi ) la fórmula abierta de (n + 1) puntos de Newton-Cotes,
P
con x−1 = a, xn+1 = b y h = (b − a)/(n + 2). Entonces existe un

ξ ∈ (a, b) tal que
n
hn+3 f (n+2) (ξ)
Z b X Z n+1
f (x ) dx = ai f (xi ) + t 2 (t − 1) · · · (t − n) dt
a i=0
(n + 2)! −1
si n es par y f ∈ C n+2 [a, b], y

n
hn+2 f (n+1) (ξ)
Z b X Z n+1
f (x ) dx = ai f (xi ) + t(t − 1) · · · (t − n) dt
a i=0
(n + 1)! −1
si n es impar y f ∈ C (n+1) [a, b].

Comparación
Al igual que con los métodos cerrados, la precisión es mayor cuando n es

par, que cuando es impar.

Algunas fórmulas abiertas de Newton-Cotes
n=0: Regla del Punto Medio
h3 00
Z x2
f (x ) dx = 2hf (x0 ) + f (ξ)
x−1 3
con x−1 < ξ < x1 .

n=1
3h3 00
Z x2
3h
f (x ) dx = [f (x0 ) + f (x1 )] + f (ξ)
x−1 2 4
con x−1 < ξ < x2 .

n=2
14h5 (4)
Z x3
4h
f (x ) dx = [2f (x0 ) − f (x1 ) + 2f (x2 )] + f (ξ)
x−1 3 45
con x−1 < ξ < x3 .

n=3
95h5 (4)
Z x4
5h
f (x ) dx = [11f (x0 ) + f (x1 ) + f (x2 ) + 11f (x3 )] + f (ξ)
x−1 24 144
con x−1 < ξ < x4 .

Ejemplo de comparación
Comparar las fórmulas de Newton-Cotes abiertas y cerradas para calcular

Z π/4
sin x dx ≈ 0.29289322
0

Fórmulas cerradas

Fórmulas abiertas

Tabla resumen

Ejercicios
Aproxime las siguientes integrales

Z 1
x 4 dx
0.5
Z 1.6
2x
dx
1 x2 − 4
Z π/4
e 3x sin(2x ) dx
0

Integración Compuesta
Las fórmulas de Newton-Cotes no son adecuadas para intervalos largos de

integración.
Son necesarias fórmuls de alto grado, y los valores de los coeficientes son
difı́ciles de obtener.
También, estas fórmulas se basan en polinomios interpoladores, que ya
hemos visto que no son adecuados para grandes intervalos, por la
naturaleza oscilatoria de los polinomios de alto grado.

Solución
Vamos a usar una aproximación a trozos para la integración numérica,

usando fórmulas de Newton-Cotes de bajo orden.
Esta es la técnica más usada

Ejemplo
R4 x
Aproximar, usando la regla de Simpson 0 e dx usando
una integral
dos integrales
cuatro integrales

Valor real
Z 4
e x dx = e 4 − e 0 = 53.59815
0

Una integral
Z 4
e x dx
0
Usando [0, 4] y h = 2
Z 4
2
e x dx ≈ (e 0 + 4e 2 + e 4 ) = 56.76958
0 3
Error: −3.17143 (muy grande)

Dos integrales
usamos [0, 2] y [2, 4] con h = 1

Z 4 Z 2 Z 4
x x
e dx = e dx + e x dx
0 0 2
1 0 1
≈ e + 4e + e 2 + e 2 + 4e 3 + e 4
3 3
1 0
= e + 4e + 2e 2 + 4e 3 + e 4
3
= 53.86385
Error: −0.26570

Cuatro integrales
Usamos [0, 1], [1, 2], [2, 3] y [3, 4] con h = 1/2

Z 4 Z 1 Z 2 Z 3 Z 4
e x dx = e x dx + e x dx + e x dx + e x dx
0 0 1 2 3
1 1
≈ (e 0 + 4e 1/2 + e) + (e + 4e 3/2 + e 2 )
6 6
1 2 1
+ (e + 4e + e ) + (e 3 + 4e 7/2 + e 4 )
5/2 3
6 6
1 0
= (e + 4e 1/2 + 2e + 4e 3/2 + 2e 2 + 4e 5/2 + 2e 3 + 4e 7/2 + e 4 )
6
= 53.61622
Error: −0.01807

Generalizamos
Generalizamos el proceso para una integral cualquiera ab f (x ) dx : elegimos

R
un entero par n. Dividimos [a, b] en n intervalos, y aplicamos Simpson en

cada par de intervalos consecutivos.

Gráficamente

Subdivisión
Con h = (b − a)/n y xj = a + h, para cada j = 0, 1, . . . , n tenemos
Z b n/2 Z x
X 2j
f (x ) dx = f (x ) dx
a j=1 x2j−2
n/2 ( )
X h h5
= [f (x2j−2 ) + 4f (x2j−1 ) + f (x2j )] − f (4) (ξj )
j=1
3 90
para ξj ∈ (x2j−2 , x2j ), y f ∈ C 4 [a, b]

Acortaremos la suma
Teniendo en cuenta que f (x2j ) aparece en el término de la suma que

corresponde al intervalo [x2j−2 , x2j ] y en el que corresponde a [x2j , x2j+2 ]
podemos reescribir la suma

Suma reducida
" (n/2)−1 n/2

# n/2
Z b
h X X h5 X
f (x ) dx = f (x0 ) + 2 f (x2j ) + 4 f (x2j−1 ) + f (xn ) − f (4) (ξj )
a
3 90
j=1 j=1 j=1

Error asociado
El error asociado con esta aproximación es

n/2
h5 X (4)
E (f ) = − f (ξj )
90 j=1
con x2j−2 < ξj < x2j , para cada j = 1, 2, . . . , n/2.

Acotaremos el error usando la hipótesis f ∈ C 4 [a, b]. Entonces, usando el

Teorema de los valores Extemos tenemos que f (4) es una función continua
en un compacto y por tanto alcanza su máximo y su mı́nimo en [a, b].
Como
min f (4) (x ) ≤ f (4) (ξj ) ≤ max f (4) (x )
x ∈[a,b] x ∈[a,b]
entonces
n/2
n X n
min f (4) (x ) ≤ f (4) (ξj ) ≤ max f (4) (x )
2 x ∈[a,b] j=1
2 x ∈[a,b]

La acotación anterior se puede escribir

n/2
(4) 2 X (4)
min f (x ) ≤ f (ξj ) ≤ max f (4) (x )
x ∈[a,b] n j=1 x ∈[a,b]
Y ahora, usando el Teorema de los Valores Intermedios tenemos que existe

un µ ∈ (a, b) tal que
n/2
2 X (4)
f (4) (µ) = f (ξj )
n j=1

El error queda...
n/2
h5 X (4) h5 (4)
E (f ) = − f (ξj ) = − nf (µ)
90 j=1 180
Usando h = (b − a)/n
(b − a) 4 (4)
E (f ) = − h f (µ)
180

Teorema de la Regla de Simpson Compuesta
Theorem
Sea f ∈ C 4 [a, b], n par, h = (b − a)/n y xj = a + jh, para cada
j = 0, 1, . . . , n. Existe un µ ∈ (a, b) tal que la Regla de Simpson
Compuesta para n subintervalos puede ser escrita, con su término de error
como
" (n/2)−1 n/2
#
Z b
h X X b − a 4 (4)
f (x ) dx = f (a) + 2 f (x2j ) + 4 f (x2j−1 ) + f (b) − h f (µ)
a
3 180
j=1 j=1

Comparación del error
Para la regla compuesta, el error es O(h4 )

Para la regla sencilla, era O(h5 )
Pero para la regla sencilla tenı́amos h fijo con h = (b − a)/2; mientras que
para la compuesta tenemos h = (b − a)/n, con n un entero par.
Esto nos permite reducir el error al usar la regla compuesta.
Esta regla es la fórmula de cuadratura más usada.

Otras reglas compuestas
Podemos aplicar el enfoque compuesto a otras fórmulas de Newton-Cotes,

por ejemplo a la regla del Trapecio y la del Punto Medio.
Para la regla del Trapecio, sólo necesitamos un intervalo para su
aplicación, por tanto n puede ser tanto par como impar

Teorema de Regla del Trapecio Compuesta
Theorem
Sea f ∈ C 2 [a, b], h = (b − a)/n y xj = a + jh para cada j = 0, 1, . . . , n.
Entonces existe un µ ∈ (a, b) para el cual la Regla del Trapecio
Compuesta para n subintervalos se escribe, con su término de error
 
Z b n−1
h X b − a 2 00
f (x ) dx = f (a) + 2 f (xj ) + f (b) − h f (µ)
a 2 j=1
12

Gráficamente

Teorema Regla del Punto Medio Compuesta
Theorem
Sea f ∈ C 2 [a, b], n par y h = (b − a)/(n + 2), y xj = a + (j + 1)h para
cada j = −1, 0, 1, . . . , n + 1. Entonces existe un µ ∈ (a, b) para el cual la
Regla del Punto Medio Compuesto para n + 2 subintervalos se escribe,
con término de error, como
Z b n/2
X b − a 2 00
f (x ) dx = 2h f (x2j ) + h f (µ)
a j=0
6

Gráficamente

Ejemplo
Determinar los valores de h que nos asegurarán una aproximación con un

error menor que 0.00002 al aproximar 0π sin x dx usando
R
1 Regla del Trapecio Compuesta

2 Regla de Simpson Compuesta

Regla del Trapecio Compuesta
El término de error para la regla del Trapecio Compuesta para f (x ) = sin x

en [0, π] es
πh2 πh2 πh2
00
f (µ) = (− sin µ) = | sin µ|

12 12 12

h necesario
Para asegurarnos la precisión pedida necesitamos
πh2 πh2
| sin µ| ≤ < 0.00002
12 12
Al ser h = π/n, esto implica que n = π/h y necesitamos
!1/2
π3 π3
< 0.00002 → n > ≈ 359.44
12n‘2 12(0.00002)
Necesitamos n ≥ 360 para la regla del Trapecio Compuesta.

Regla de Simpson Compuesta
El término de error ahora es

πh4 πh4
(4)
f (µ) = | sin µ|

180 180
Haciendo igual que antes, con n = π/h tenemos

!1/4
π5 π5
< 0.00002 → n > ≈ 17.07
180n4 180(0.00002)
Necesitamos n ≥ 18 con la Regla de Simpson Compuesta para tener la

misma precisión.

Calculamos con la Regla de Simpson Compuesta
Para n = 18
 
Z π 8 9
π  X jπ (2j − 1)π 
X
sin x dx ≈ 2 sin +4 sin = 2.0000104
0 54 j=1
9 j=1
18

Precisión
Este valor es preciso hasta 10−5 porque el valor verdadero es
− cos(π) − (− cos(0)) = 2
La regla de Simpson Compuesta es la mejor elección.

¿Y la regla del Trapecio con n = 18?
 
Z π 17
π  X jπ

sin x dx ≈ 2 sin + sin 0 + sin π  = 1.9949205
0 36 j=1
18
que es preciso solamente hasta 5 × 10−3 .

Estabilidad frente al redondeo
Para tener una precisión de 2 × 10−5 al aproximar la integral anterior

necesitábamos 360 divisiones con el método del Trapecio Compuesto y 18
para la de Simpson Compuesta.
Como hay menos operaciones, también es plausible que el error de
redondeo sea menor.
Pero todas las técnicas de integración compuesta son estables frente al
error de redondeo: esto quiere decir que el error de redondeo no depende
del número de cálculos hechos.

Estabilidad frente al error de redondeo
Tenemos f˜(xi ) que aproxima a f (xi ) con un error de redondeo ei
f (xi ) = f˜(xi ) + ei , i = 0, 1, . . . , n
Veamos el error de redondeo acumulado

 
(n/2)−1 n/2
h X X
e(h) =
e0 + 2 e2j + 4 e2j−1 + en

3 j=1 j=1
 
(n/2)−1 n/2
h X X
≤ |e0 | + 2 |e2j | + 4 |e2j−1 | + |en |
3 j=1 j=1

Asumimos
Asumimos que los errores de redondeo están todos acotados

uniformemente por ε, entonces
h n n

e(h) ≤ ε+2 −1 ε+4 ε + ε = nhε
3 2 2
pero nh = b − a y entonces
e(h) ≤ (b − a)ε

Sorprendente
Sorprende que la cota sea independiente de h (y n). Esto significa que,

aunque tengamos que dividir el intervalo en muchos subintervalos para
asegurarnos la precisión, estos cálculos computacionales extra no
aumentará el error de redondeo.
Esto implica que el procedimiento es estable si h tiende a 0.
Todo lo contrario que con diferenciación numérica

Otros Métodos de Integración

Avanzando
Métodos adaptativos de Cuadratura

Integración Gausiana
Integración Múltiple

Métodos Adaptativos de Cuadratura
La integración compuesta es muy efectiva

Problema: son necesarios nodos equiespaciados.
Esto no es adecuado para funciones que tienen regiones de gran variación
funcional

PVI
(
y 00 + 6y 0 + 25 = 0
y (x ) = e −3x sin 4x
y (0) = 0, y 0 (0) = 4
Estas funciones son comunes en ingenierı́a (RLC y sistemas mecánicos)

Gráficamente

Integramos la solución
Vemos que son necesarios dos métodos diferentes para [0, 2] y [2, 4]

Pregunta
¿Cómo podemos determinar qué técnica usar en partes diferentes del

intervalo de integración?
¿Cómo de precisa esperamos que sea la aproximación final?

Métodos adaptativos
Es claro que necesitamos pasos h menores para tramos con mayor

variación funcional, y menor paso h para tramos con menor variación, para
tener una precisión distribuida uniformemente.
Necesitamos predecir la cantidad de variación funcional y elegir el paso
adecuado.
Son Métodos Adaptativos de Cuadratura

El método
Queremos obtener ab f (x ) dx con una tolerancia ε > 0.

R
Paso 1: regla de Simpson con h = (b − a)/2
h5 (4)
Z b
f (x ) dx = S(a, b) − f (ξ) ξ ∈ (a, b)
a 90
con
h
S(a, b) = [f (a) + 4f (a + h) + f (b)]
3

Gráficamente

Métodos de cuadratura adaptativos
Si la aproximación a la integral no es lo bastante buena en un subintervalo,

usamos un paso más fino sólo en ese subintervalo.
Para decidir cuándo subdividir, por ahora sólo tenemos una estimación del
error que depende de f (4) (ξ) (derivada cuarta de f evaluada en un punto
intermedio que no conocemos).

Vamos a trabajar para aproximar sin necesitar f (4)
Aplicamos la regla Compuesta de Simpson con n = 4 y (b − a)/4 = h/2

Z b
h h 3h

f (x ) dx = f (a) + 4f a + + 2f (a + h) + 4f a+ + f (b)
a 6 2 2
4
h (b − a) (4) ˜
− f (ξ)
2 180
con ξ˜ ∈ (a, b).

Simplificación
Simplificamos la notación igual que antes

a+b h h

S a, = f (a) + 4f a+ + f (a + h)
2 6 2
a+b h 3h

S ,b = f (a + h) + 4f a+ + f (b)
2 6 2

Introducimos la simplificación
!
h5
Z b
a+b a+b 1

f (x ) dx = S a, +S ,b − ˜
f (4) (ξ)
a 2 2 16 90

Gráficamente

Asumimos
Asumimos que ξ ≈ ξ˜
De modo más preciso
˜
f (4) (ξ) ≈ f (4) (ξ)
El éxito de esta técnica depende de esta asunción: si esto es ası́, entonces
podemos igualar las dos integrales anteriores

Igualando las dos integrales anteriores
!
a+b a+b 1 h5 h5

S a, S ,b − f (4) (ξ) ≈ S(a, b) − f (4) (ξ)
2 2 16 90 90
Entonces
h5 (4) 15 a+b a+b

f (ξ) ≈ S(a, b) − S a, −S ,b
90 16 2 2

Usamos la estimación
Z !
b a+b a+b 1 h5

f (x ) dx − S a, −S ,b ≈ f (4) (ξ)

a 2 2 16 90

1 a+b a+b

≈ S(a, b) − S a, − S , b
15 2 2
Rb
Esto implica que S(a, (a + b)/2) + S((a + b)/2, b) aproxima a f (x )dx 15
veces mejor que el valor S(a, b).

En ecuaciones
Si
S(a, b) − S a, a + b − S a + b , b < 15ε

2 2
esperamos
Z
b
a+b

a+b
f (x ) dx − S a, −S ,b < ε

a 2 2

Cuadratura Gaussiana
Recordemos el objetivo: aproximar integrales por sumas:

Z b n
X
f (x ) dx → ai f (xi )
a i=0
Hemos visto que algunas elecciones de ai , y de xi , funcionan mejor que

otras.
La cuadratura gaussiana consiste en elegir los puntos xi y los coeficientes
ai de forma que el grado de exactitud sea máximo:
Con m + 1 nodos, la fórmula de Newton-Cotes tiene grado de
exactitud m ó m + 1 (depende de si m es par o impar).
Con m + 1 nodos, la fórmula de Gauss-Legendre tiene grado de
exactitud 2m + 1.

Integrales Múltiples
Podemos aplicar las técnicas vistas para aproximar integrales múltiples

ZZ
f (x , y ) dA
R
con
R = {(x , y )|a ≤ x ≤ b, c ≤ y ≤ d}

Gráfica

Derivaci On e Integraci On Num Erica: Carlos Garc Ia-Guti Errez Carlos - Garciagutierrez@upm - Es

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Derivaci On e Integraci On Num Erica: Carlos Garc Ia-Guti Errez Carlos - Garciagutierrez@upm - Es

Caricato da

Copyright:

Formati disponibili

Derivación e Integración Numérica

Máster en Ingenierı́a Naval y Oceánica

October 24, 2019

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 1 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 2 / 176

Un móvil se mueve según la curva r(t) y queremos calcular la distancia

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 3 / 176

Hemos usado polinomios en el pasado porque

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 4 / 176

La derivada de una función

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 5 / 176

Lo más sencillo es usar

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 6 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 7 / 176

Aproximamos f 0 (x0 ), partiendo de la hipótesis f ∈ C 2 [a, b] y tomando

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 8 / 176

f (x0 + h) − f (x0 ) (x − x0 )(x − x0 − h) 00

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 9 / 176

Hacemos x = x0 y se eliminan términos indeseados y la fórmula se

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 10 / 176

Usando un polinomio aproximador queda

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 11 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 12 / 176

Si h > 0 la fórmula es de diferencias hacia adelante

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 13 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 14 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 15 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 16 / 176

Como f 00 (x ) = −1/x 2 , para un 1.8 < ξ < 1.9 tenemos

|hf 00 (ξ)| |h| 0.1

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 17 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 18 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 19 / 176

¿Qué problemas tenemos hasta ahora?

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 20 / 176

Vamos a obtener fórmulas más generales. Supóngase que {x0 , x1 , . . . , xn }

para algún ξ(x ) ∈ I.

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 21 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 22 / 176

No tenemos ni idea de cómo estimar el error de truncamiento.

Solución: x = xj para algún j; el término que multiplica a lo anterior es 0

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 23 / 176

Y es la fórmula de aproximación de f 0 (xj ) con n + 1-puntos.

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 24 / 176

Ventajas: más precisión

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 25 / 176

Se suelen utilizar fórmulas que utilizan de 3 a 5 puntos

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 26 / 176

Para fórmulas de tres puntos repasamos el polinomio interpolador y su

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 27 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 28 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 29 / 176

Lo primero que vamos a pedir: puntos equiespaciados

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 30 / 176

Usamos la ecuación anterior con puntos equiespaciados

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 31 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 32 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 33 / 176

Fórmula de tres puntos descentrada

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 34 / 176

Los errores son O(h2 ) pero el segundo es aproximadamente la mitad que el

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 35 / 176

Máster en Ingenierı́a Naval y Oceánica Derivación e Integración Numérica 36 / 176