Instituto Tecnolgico de Veracruz. Trabajo de la Unidad: Diferenciacin e Integracin Numrica. Materia: Mtodos Numricos.

Alumno: Prez Puch Irving Jahir. Grupo: 4J2A. Ciclo Escolar: Enero Julio 2012. Fecha: 16 / Mayo / 2012.

ndice.

Introduccin...........................................................................................................................3

Diferenciacin Numrica.......................................................................................................5

Integracin Numrica..........................................................................................................17

Integracin Mltiple............................................................................................................22

Aplicacines..........................................................................................................................24

Bibliografia...........................................................................................................................24

Introduccin. Con frecuencia surge la necesidad de evaluar la integral definida de una funcin que no tiene una antiderivada explcita, o cuya antiderivada tiene valores que no son fcilmente obtenibles. El mtodo bsico involucrado para aproximar cualquier funcin a su integral se conoce como cuadratura numrica y se usa una sumatoria de las funciones evaluadas en un intervalo. Los mtodos de integracin numrica se pueden utilizar para integrar funciones dadas, ya sea mediante una tabla o en forma analtica. Incluso en el caso en que sea posible la integracin analtica, la integracin numrica puede ahorra tiempo y esfuerzo si slo se desea conocer el valor numrico de la integral. Los mtodos de integracin numrica se obtienen al integrar los polinomios de interpolacin. Por consiguiente, las distintas frmulas de interpolacin darn por resultado distintos mtodos de integracin numrica. Los mtodos que se estudiarn se refieren a las frmulas de Newton-Cotes, que se basan en las frmulas de interpolacin con puntos de separacin constantes y se deducen de integrar las frmulas de interpolacin de Newton, as como la frmula de interpolacin de LaGrange. A su vez, las frmulas de Newton-Cotes se subdividen en las de tipo cerrado y las de tipo abierto. Las reglas del trapecio y las dos reglas de Simpson pertenecen al tipo cerrado. Regla del Trapecio: Esta regla es un mtodo de integracin numrica que se obtiene al integrar el polinomio de interpolacin de primer grado (Lineal). Para obtener una buena precisin se necesita un gran nmero de subintervalos.

Regla de 1/3 de Simpson: Esta regla se basa en la interpolacin polinomial cuadrtica (de segundo orden). Obteniendo el polinomio de Newton ajustado a tres puntos e integrando el resultado se tiene la regla de 1/3 de Simpson. El nmero de intervalos utilizados en esta regla debe ser par. (N=par).

Regla de 3/8 de Simpson: Esta regla de 3/8 se obtiene al integrar una formula de interpolacin de tercer grado. Para la regla extendida se aplica a un nmero de intervalos que sea mltiplo de tres.

Cuando el nmero de intervalos es impar pero sin ser mltiplo de tres, se puede utilizar la regla de 3/8 para los primeros tres o los ltimos tres intervalos y luego usar la regla de 1/3 para los intervalos restantes, que son un nmero par. Puesto que el orden del error de la regla de 3/8 es el mismo que el de la de 1/3, no se gana mayor exactitud que con la regla de 1/3 cuando uno puede elegir con libertad entre ambas reglas.).

Diferenciacin Numrica.
A la ecuacin 1 se le conoce con el nombre especial en el anlisis numrico, se le llama diferencias divididas finitas.

Se puede representar generalmente como:

o:

Donde al diferencial se le conoce como la primera diferencia hacia adelante y a h se le llama tamao del paso, esto es, la longitud del intervalo sobre el cual se hace la aproximacin. Se le llama diferencia " hacia adelante " ya que usa los datos (i) e (i+1) para estimar la derivada. Al termino completo (o sea, la diferencial entre h) se le conoce como primera diferencia dividida finita. Esta diferencia dividida hacia adelante no es sino una de tantas que se pueden desarrollar mediante la serie de Taylor para la aproximacin de derivadas numricas. Por ejemplo, las aproximaciones a primeras derivadas, utilizando las diferencias hacia atrs o las diferencias centrales se pueden desarrollar de una manera similar a la de la ecuacin 2. Las primeras usan a, mientras x con subndice i+1 que las segundas usan informacin igualmente espaciada alrededor del punto donde esta estimada la derivada. Las aproximaciones ms exactas de la primera derivada se pueden desarrollar incluyendo en la serie de Taylor trminos de orden ms alto.

Finalmente, todas las versiones anteriores se pueden desarrollar para derivadas de segundo orden, tercer orden y ordenes superiores. Las siguientes secciones analizan brevemente estos casos, ilustrando como se deriva cada una de ellos. Aproximacin a la Primera Derivada con Diferencias Hacia Atrs. La serie de Taylor se puede expandir hacia atrs para calcular un valor anterior sobre el valor actual dado por:

Truncando la ecuacin despus de la primera derivada y ordenando los trminos se obtiene:

Donde los errores es 0 (h) y el diferencial indica la primer diferencia dividida hacia atrs.

Aproximaciones a la Primer Derivada con Diferencias Centrales. Una tercera forma de aproximar la primera derivada es restar la ecuacin 4 de la expansin en serie de Taylor hacia adelante:

Para obtener:

Que se puede resolver para:

o:

La ecuacin 9 es una representacin de las diferencias centrales (o centradas) de la primera derivada.

Ntese que el error de truncamiento es del orden de en contraste con las diferencias divididas hacia adelante y hacia atrs, las cuales fueron de orden h. Por lo tanto, el anlisis de la serie de Taylor ha llevado a la informacin prctica de que la diferencia central es la representacin ms exacta de la derivada. Por ejemplo, si se parte el tamao del paso a la mitad usando diferencias hacia atrs o hacia adelante, el error se reducir aproximadamente a la mitad, mientras que para diferencias centrales, el error se reduce a la cuarta parte.

Aproximaciones a Derivadas de Orden ms alto Usando Diferencias Finitas. Junta a la primera derivada, la expansin de la serie de Taylor se puede usar para una estimacin numrica de las derivadas de orden superior. Para hacerlo, se escribe una expansin en la serie de Taylor hacia adelante para en trminos de la siguiente forma:

La ecuacin 8 se puede multiplicar por 2 y restarse de la ecuacin 10 para obtener:

que se puede resolver para:

A esta relacin se le llama diferencias divididas finitas hacia adelante de segundo orden. Se pueden usar procedimientos similares para obtener las versiones hacia atrs y centrales. Las aproximaciones a tercer orden de las diferencias divididas hacia adelante, hacia atrs y centrales tambin pueden obtenerse (vase en frmulas mas adelante). En todos los casos, las diferencias centradas dan una mejor aproximacin.

Formulas de Exactitud para Diferencias de Orden Superior. Todas las estimaciones anteriores truncaron las estimaciones dadas por la serie de Taylor despus de algunos trminos. Las frmulas de mas exactitud se pueden desarrollar incluyendo trminos adicionales. Por ejemplo, la expansin hacia adelante (Ecuacin 6) se puede resolver para:

En contraste con la ecuacin 2, se puede retener el trmino de segundo orden sustituyendo la ecuacin 12 en la ecuacin 13 para obtener:

agrupando trminos:

Ntese que la inclusin del trmino con segunda derivada ha dado una exactitud. Se pueden desarrollar versiones mejoradas similares para diferencias hacia atrs y centrales as como para las aproximaciones de derivadas de orden superior.

Formulas de Diferencias Divididas Finitas hacia atrs. Se presentan dos versiones para cada derivada. La segunda forma incluye ms trminos de la Serie de Taylor, y por lo tanto es ms exacta.

Formulas de Diferencias Divididas Finitas hacia adelante. Se presentan dos versiones para cada derivada. La segunda forma incluye ms trminos de la Serie de Taylor, y por lo tanto es ms exacta.

Formulas de Diferencias Finitas Centrales. Se presentan dos versiones para cada derivada. La segunda forma incluye ms trminos de la Serie de Taylor, por lo tanto es ms exacta.

Ejemplo de Aproximaciones de Derivadas usando Diferencias Finitas. sense aproximaciones de diferencias finitas hacia adelante y hacia atrs de 0(h) y centradas, de 0(h Cuadrara), para estimular la primera derivada de:

en x=0.5 usando un tamao de paso h=0.5. Repetir los clculos usando h=0.25. Ntese que la derivada se puede calcular directamente como:

y se puede usar para calcular el valor exacto de f (0.5)=-0.9125.

Solucin: Para h=0.5, se puede usar la funcin para determinar:

Estos datos se pueden usar para calcular la diferencia dividida hacia adelante (Ecuacin 2):

la diferencia dividida hacia atrs ( Ecuacin 5):

y la diferencia dividida central (Ecuacin 7):

Para h=0.25, los datos son:

que se pueden usar para calcular la diferencia dividida hacia adelante:

la diferencia dividida hacia atrs:

y la diferencia dividida central:>/P>

Mtodo de la Secante por medio de diferencia dividida

Un problema fuerte en al implementacin del mtodo de Newton-Raphson es el de la evaluacin de la derivada. Aunque esto no es un inconveniente para los polinomios y para muchas otras funciones, existen algunas de estas cuyas derivadas pueden ser extremadamente difciles de evaluar. En estos casos, la derivada se puede aproximar mediante una diferencia dividida, como se muestra en la siguiente figura:

Esquema Grafico del Mtodo de la Secante utilizando

una diferencia.

Esta aproximacin se puede sustituir en la ecuacin 16 obteniendo la ecuacin iterativa:

La ecuacin 18 es la formula para el mtodo de la secante. Ntese que el planteamiento requiere de dos puntos iniciales de x. Sin embargo, debido a que no se requiere de f (x) cambie de signo entre estos valores, a este mtodo no se le clasifica como aquellos que usan intervalo.

Ejemplo del Mtodo de la Secante usando diferencias divididas.

sese el mtodo de la secante para calcular la raz de f Empicese con los valores iniciales de x (subndice i-1) = 0 y x (subndice 0)= 1.0. Solucin. Recurdese que la raz real es 0.56714329.

(x)=.

Integracin Numrica.

En el anlisis numrico, constituye una amplia gama de algoritmos para calcular el valor numrico de una integral definida y, por extensin, el trmino se usa a veces para describir algoritmos numricos para resolver ecuaciones diferenciales. El trmino cuadratura numrica (a menudo abreviado a cuadratura) es ms o menos sinnimo de integracin numrica, especialmente si se aplica a integrales de una dimensin a pesar de que para el caso de dos o ms dimensiones (integral mltiple) tambin se utilizan. El problema bsico considerado por la integracin numrica es calcular una solucin aproximada a la integral definida:

Este problema tambin puede ser enunciado como un problema de valor inicial para una ecuacin diferencial ordinaria, como sigue:

Encontrar y (b) es equivalente a calcular la integral. Los mtodos desarrollados para ecuaciones diferenciales ordinarias, como el mtodo de Runge-Kutta, pueden ser aplicados al problema reformulado. En este artculo se discuten mtodos desarrollados especficamente para el problema formulado como una integral definida. Hay varias razones para llevar a cabo la integracin numrica. La principal puede ser la imposibilidad de realizar la integracin de forma analtica. Es decir, integrales que requeriran de un gran conocimiento y manejo de matemtica avanzada pueden ser resueltas de una manera ms sencilla mediante mtodos numricos. Incluso existen funciones integrables pero cuya primitiva no puede ser calculada, siendo la integracin numrica de vital importancia. La solucin analtica de una integral nos arrojara una solucin exacta, mientras que la solucin numrica nos dara una solucin aproximada. El error de la aproximacin, que depende del mtodo que se utilice y de qu tan fino sea, puede llegar a ser tan pequeo que es posible obtener un resultado idntico a la solucin analtica en las primeras cifras decimales.

Mtodos para Integrales Unidimensionales.

Los mtodos de integracin numrica pueden ser descritos generalmente como combinacin de evaluaciones del integrando para obtener una aproximacin a la integral. Una parte importante del anlisis de cualquier mtodo de integracin numrica es estudiar el comportamiento del error de aproximacin como una funcin del nmero de evaluaciones del integrando. Un mtodo que produce un pequeo error para un pequeo nmero de evaluaciones es normalmente considerado superior. Reduciendo el nmero de evaluaciones del integrando se reduce el nmero de operaciones aritmticas involucradas, y por tanto se reduce el error de redondeo total. Tambin, cada evaluacin cuesta tiempo, y el integrando puede ser arbitrariamente complicado. De todos modos, un modo de integracin por fuerza bruta puede hacerse siempre, de un modo muy simplista, evaluando el integrando con incrementos muy pequeos. Mtodos basados en Funciones de Interpolacin: Hay una extensa familia de mtodos que se basan en aproximar la funcin a integrar por otra funcin de la cual se conoce la integral exacta. La funcin que sustituye la original se encuentra de forma que en un cierto nmero de puntos tenga el mismo valor que la original. Como los puntos extremos forman parte siempre de este conjunto de puntos, la nueva funcin se llama una interpolacin de la funcin original. Cuando los puntos extremos no se utilizan para encontrar la funcin que sustituye a la original entonces se dice extrapolacin. Tpicamente estas funciones son polinomios. Frmulas de Newton-Cotes: La interpolacin con polinomios evaluada en puntos igualmente separados en da las frmulas de Newton-Cotes, de las que la regla del rectngulo, la del trapecio y la de Simpson son ejemplos. Si se escogen los nodos hasta ser la frmula de Newton-Cotes cerrada y si se escogen ser la frmula de Newton-Cotes abierta. Regla del Rectngulo: El mtodo ms simple de este tipo es hacer a la funcin interpoladora ser una funcin constante (un polinomio de orden cero) que pasa a travs del punto . Este mtodo se llama la regla del rectngulo:

Regla del Punto Medio: Si en el mtodo anterior la funcin pasa a travs del punto este mtodo se llama la regla del punto medio:

Regla de Simpson: La funcin interpoladora puede ser un polinomio de grado 2 que pasa a travs de los puntos llama regla de Simpson: , y . Este mtodo se

Reglas Compuestas: Para cualquier regla interpoladora, se puede hacer una aproximacin ms precisa dividiendo el intervalo en algn nmero de subintervalos, hallando una aproximacin para cada subintervalo, y finalmente sumando todos los resultados. Las reglas que surgen de hacer esto se llaman reglas compuestas, y se caracterizan por perder un orden de precisin global frente a las correspondientes simples, si bien globalmente dan valores ms precisos de la integral, a costa eso s de incrementar

significativamente el coste operativo del mtodo. Por ejemplo, la regla del trapecio compuesta puede expresarse como:

Donde los subintervalos tienen la forma

con:

Y Mtodos de Extrapolacin: La precisin de un mtodo de integracin del tipo NewtonCotes es generalmente una funcin del nmero de puntos de evaluacin. El resultado es usualmente ms preciso cuando el nmero de puntos de evaluacin aumenta, o, equivalentemente, cuando la anchura del paso entre puntos decrece. Qu pasa cuando la anchura del paso tiende a cero? Esto puede responderse extrapolando el resultado de dos o ms anchuras de paso (extrapolacin de Richardson). La funcin de extrapolacin puede ser un polinomio o una funcin racional. Los mtodos de extrapolacin estn descritos en ms detalle por Stoer y Bulirsch (Seccin 3.4). En particular, al aplicar el mtodo de extrapolacin de Richardson a la regla del trapecio compuesta se obtiene el mtodo de Romberg. Cuadratura de Gauss: Si se permite variar los intervalos entre los puntos de interpolacin, se encuentra otro grupo de frmulas de integracin, llamadas frmulas de cuadratura de Gauss. Una regla de cuadratura de Gauss es tpicamente ms precisa que una regla de Newton-Cotes que requiera el mismo nmero de evaluaciones del integrando, si el integrando es suave (es decir, si se puede derivar muchas veces).

Estimacin del Error Conservativa (a priori): Supongamos que tiene una primera derivada sobre acotada. El teorema del valor medio para , para , da

Para algn en dependiendo de . Si integramos en la igualdad y tomamos valores absolutos, tenemos

de

en ambos lados de

Se puede aproximar ms la integral en el lado derecho metiendo el valor absoluto en el integrando, y remplazando el trmino en por una cota superior:

As, si aproximamos la integral por su regla de integracin el error no es mayor que el lado derecho de la ecuacin.

Integrales Mltiples.
Los mtodos de integracin que se han comentado hasta aqu se han diseado todos para calcular integrales de una dimensin.

Para calcular integrales de diversas dimensiones, un enfoque es expresar la integral mltiple como repeticin de integrales de una dimensin haciendo uso del Teorema de Fubini. Este enfoque lleva a una cantidad de evaluaciones de la funcin que crece exponencialmente a medida que crece el nmero de dimensiones. Se conocen dos mtodos para superar esta llamada Maldicin de la Dimensin.

Integracin de Monte Carlo. Los Mtodos de Montecarlo y Mtodos de Cuasi-Montecarlo son fciles de aplicar a integrales multidimensionales, y pueden producir una mejor exactitud por el mismo nmero de evaluaciones de la funcin que en integraciones repetidas empleando mtodos unidimensionales. Una clase grande de mtodos tiles de Montecarlo son los llamados algoritmos de Cadena de Markov de Montecarlo, los cuales incluyen el algoritmo de Metropolis-Hastings y muestreo de Gibbs. En matemticas, y ms concretamente en anlisis numrico, se conocen como mtodos de Montecarlo a una serie de mtodos de integracin numrica que se basan en la utilizacin de nmeros pseudoaleatorios. Es decir, los mtodos de integracin de Montecarlo son algoritmos para encontrar una evaluacin aproximada de una integral definida, normalmente de integrales mltiples. Los algoritmos deterministas de integracin numrica, para aproximar la integral, evalan la funcin en un conjunto de puntos correspondientes a una parrilla regular o en un conjunto de puntos predefinidos. En cambio, los mtodos de Montecarlo eligen de forma aleatoria los puntos en los que se evaluar la funcin. La integracin de Montecarlo forma parte de una familia de algoritmos llamados genricamente mtodos de Montecarlo. Estos algoritmos utilizan nmeros aleatorios para resolver diferentes tipos de problemas matemticos y reciben su nombre debido al casino de Montecarlo.

Aplicaciones.
La Diferenciacin e Integracin Numrica se utiliza para: Redes de circuitos elctricos. Simulacin de un pndulo. Ecuaciones de Lorenz. Existen muchas implementaciones en programas para la integracin numrica, entre ellos se encuentran:

QUADPACK (parte de SLATEC) (cdigo fuente): QUADPACK es una coleccin de algoritmos en Fortran para integracin numrica basada en reglas gaussianas. GSL (GNU Scientific Library): La biblioteca Cientfica de GNU (GSL) es una biblioteca numrica escrita en C que provee una amplia gama de rutinas matemticas, como la integracin por Montecarlo. ALGLIB: Es una coleccin de algoritmos en C# / C++ / Delphi / Visual Basic / etc., para la integracin numrica.

Bibliografa.
George E. Forsythe, Michael A. Malcolm, and Cleve B. Moler. Computer Methods for Mathematical Computations. Englewood Cliffs, NJ: Prentice-Hall, 1977. (See Chapter 5.) William H. Press, Brian P. Flannery, Saul A. Teukolsky, William T. Vetterling. Numerical Recipes in C. Cambridge, UK: Cambridge University Press, 1988. (See Chapter 4.) Josef Stoer and Roland Bulirsch. Introduction to Numerical Analysis. New York: Springer-Verlag, 1980. (See Chapter 3.) http://proton.ucting.udg.mx/posgrado/cursos/metodos/diferenciacion/index.html http://proton.ucting.udg.mx/posgrado/cursos/metodos/integracion/index.html Pea Snchez de Rivera, Daniel (2001). Deduccin de distribuciones: el mtodo de Montecarlo, en Fundamentos de Estadstica. Madrid: Alianza Editorial. ISBN 84-206-8696-4.