2.

Cálculo Integral

•! Cálculo de integrales NO se pueden hacer en muchas ocasiones de forma analítica •! Integral definida, calcular el área comprendida entre la curva, el eje x y los límites de integración

2. Cálculo Integral
•! Forma de aproximarse al resultado correcto es dividir el problema en suma de integrales sobre intervalos más pequeños.

•! Deducir las fórmula para un sólo intervalo y generalizarla a una suma de intervalos.

generalmente se escogen iguales •! •! Métodos interpolativos: rectángulos. Métodos interpolativos: rectángulos •! Aproximar la función f(x) por otra p(x). . Simpson Extrapolación de Richardson / Cuadratura de Romberg b) Los intervalos y su ubicación se seleccionan en el método para conseguir la mayor precisión. Cálculo Integral Tres tipos de técnicas a) Los intervalos se seleccionan por anticipado.2. •! Cuadratura de Gauss c) Se seleccionan puntos al azar determinándose si esos puntos caen o no bajo la curva: •! Método de Monte Carlo 2. generalmente un polinomio •! Método de los rectángulos ! p(x) = cte. trapecios.1.

. 2. Métodos interpolativos: método de los trapecios •! Método de los trapecios.2.1.1. ! p(x) = polinomio de primer grado. Métodos interpolativos: método de Simpson •! Método de Simpson ! p(x) = polinomio de segundo grado.

0)-R(1. Basado en construir una tabla triangular de diferencias.1)=(4R(1.1))/15 i=3 R(3.0)-R(0.0) R(3. •!Primera columna: vamos obteniendo resultados más precisos si vas disminuyendo el intervalo a la mitad.1))/15 R(3.1)=(4R(3.2)-R(2.2)=(16R(2. •!Resto de columnas: por la formula de Romberg.0) R(2.1)-R(2.1)-R(1.1)=(4R(2.2))/63 •!Ejemplo: método de los trapecios.2.1. .0) R(1.0))/3 i=2 R(2.0) i=1 R(1.3)=(64R(3.0))/3 R(3.2)=(16R(3.0))/3 R(2.0)-R(2. diferencias de valores de la columna anterior Nº intervalos (2k) 0 2 4 8 i=0 Valor integral R(0. Extrapolación de Richardson / Cuadratura de Romberg •! Aplicable a cualquiera de los métodos anteriores.

Cuadratura de Gauss •! Basado en optimizar también los intervalos en los que se evalúa la función •! n+1 puntos.2.2. multiplicada por unos pesos (wi) zi ! [!1.1] 2. aproximación es exacta hasta polinomio orden n •! n+1 puntos y n+1 intervalos (2n+2 variables). Cuadratura de Gauss •! Determinación de zi y wi •! n=1 •! Debería ser exacto para polinomios de orden 1 (y obviamente para orden 0) . aproximación exacta polinomio orden 2n+1 •! Formulación general •! Cambio de variable ! ! •! Integral se evalúa como la suma de la función evaluada en unos puntos determinados g(zi).2.

Carl Friedrich Gauss .2. Cuadratura de Gauss •! Determinación de zi y wi •! n=2 •! Debería ser exacto para polinomios de orden 3 (o inferior) .2.

14945 13492 0.03075 32419 96117 zi 0 ±0.53846 93101 ±0.46791 39346 0.3818300505 0.06667 13443 0.97390 65285 0 ±0.9491079123 ±0.67940 95683 ±0.20119 40939 97435 ±0.2. Cuadratura de Gauss Polinomios de Legendre n 1 2 3 4 5 wi 2 1 0.23861 91861 ±0.34785 48451 0. x2 .33998 10436 ±0.7415311856 ±0.17132 44924 0.29552 42247 0.14887 43390 ±0.93246 95142 0 ±0.8888888889 0.23692 68851 0.56888 88889 0.4179591837 0.5773502692 0 ±0.1294849662 0..39415 13470 77563 ±0.10715 92204 67172 0.86506 33667 ±0.. Cuadratura de Gauss •! n>2 •! Imponer exacto hasta 2n-1 g(z)=1 .72441 77313 60170 ±0.07036 60474 88108 0.. !1 1 " zdz = w g(z 0 2 0 1 0 ) + w1g(z1 ) + ### + wn g(z n ) ) + w1g(z1 ) + ### + wn g(z n ) !1 " z dz = w g(z 2n!1 0 !1 "z 1 dz = w0 g(z 0 ) + w1g(z1 ) + ### + wn g(z n ) Solución: zi raíces de los polinomios de Legendre 2.5555555556 0.86113 63116 0 ±0.13957 06779 26154 0.7745966692 ±0.4058451514 ±0.2.26926 67193 0.20257 82419 25561 0. 6 7 10 15 .84820 65834 10427 ±0...66120 93865 ±0.57097 21726 08539 ±0. .36076 15730 0.65214 51549 0.16626 92058 16994 0.43339 53941 ±0.47862 86705 0. x .98799 25180 20485 .93727 33924 00706 ±0.90617 98459 ±0.2797053915 0.19843 14853 27111 0. x2n-1 .21908 63625 0.18616 10001 15562 0.2.

2.2.Ejemplos . Cuadratura de Gauss Polynomials Legendre Transformed integral Laguerre Hermite Chebyshev (first kind) Chebyshev (second kind) Jacobi .

3239 -0.0001 Convergencia proporcional a .77880000000 0.83000000000 0.78453000000 0.0090 -0. Método de Monte Carlo •! Basado seleccionar puntos al azar dentro de un área rectangular y determinar que puntos caen bajo la curva •! Generar puntos (xi .78537619400 0.77500000000 0.1105 -0.3.78539714147 Error (%) 1.0158 0.78543000000 0.78527430000 0.78539994470 0.6789 -1.0002 0.3.0028 0.2. Método de Monte Carlo •!Ejemplo N 101 102 103 104 105 106 107 108 109 1010 1011 n 8 83 775 7788 78543 784530 7852743 78546903 785376194 7853999447 78539714147 Obtained value of I 0.8401 0.80000000000 0.78546903000 0.0041 -0.8592 5.yi ) al azar dentro del rectángulo •! Contabilizar si cae debajo de la curva yi ! f(xi) •! Calcular la probabilidad de estar bajo la curva •! Calcular el área Área bajo la curva = Probabilidad x área rectangular total 2.

B. W. John WIley and Sons.4.2. requiere muchos puntos y la generación de números aleatorios de forma eficiente Referencias: -! Elementary numerical analysis.F. Han. 3ª Edición. •! La cuadratura de Gauss es menos eficiente que la regla de los trapecios si el integrando muestra periodicidad •! Monte Carlo permite la integración de curvas muy complejas. Press 2003 -!Análisis numérico con aplicaciones.P. Wheatley. •! La cuadratura de Gauss requiere aproximadamente la mitad del trabajo requerido por la regla de Simpson para obtener la misma precisión. Mexco 2000. Comparación de métodos •! La regla de Simpson con n puntos proporciona la misma precisión que la regla de los trapecios con 2n puntos. . Q. Pearson Eduacación. S.H. K.A. •! Para obtener la misma precisión. C. 2004 -!_ Numerical Recipes in Fortran 77.O. Vetterling. la regla de Simpson requiere aproximadamente la mitad de trabajo que requiere la regla de los trapecios puesto que hay que evaluar la mitad de las ordenadas. Flannery 2ª edición Cambridge Univ. Press. 6ª edición.T. Teukolsky. Atkinson y W. Gerald y P.

Sign up to vote on this title
UsefulNot useful