Procesos Industriales

2012
Mtodos numricos
MarioCesca MauricioColombo Teresanzaga
Mtodos numricos Mtodos umricos
Objetivos Objetivos
Proporcionar al estudiante los elementos p
necesarios y la madurez suficiente para
resolver numricamente modelos
matemticos cuya solucin analtica sea matemticos cuya solucin analtica sea
compleja o imposible.
Procesos con condiciones desconocidas de
salida Reactores adiabticos salida. Reactores adiabticos
Procesos con condiciones desconocidas de
salida Reactores adiabticos salida. Reactores adiabticos
2 5 3 2
C H OH(v) CH CHO(v)+H (g)
2 5 3 2
C H OH(v) CH CHO(v) H (g)
100 mol C
2
H
5
OH(v)
C
70 mol
C
2
H
5
OH(v)
400 C
2
30 mol
CH
3
CHO(v)
30 mol H
2
(g)
Tad (C)
REACTOR
Tad ( C)
Balance
de
energa
Avance
Calorstandard
dereaccin
Clculo
entalpa
entrada
Entalpas de Entalpasde
salida
Utilizandoelbalancedeenerga
Tad=182C
Documenta-
cin
Clculo
Soluciones
grficas gr fic s
Estimacin
de
propiedades
Las
herramientas de
un ingeniero de
los 70
Los mtodos numricos antes de la Losmtodosnumricosantesdela
computadora:
Elbaco
Losnudos incas
Losnomogramas
La regla de clculo Laregla declculo
La computadora del futuro (visin de 1954) La computadora del futuro (visin de 1954)
Mapa conceptual p p
Ajustededatos
Integracin
Planteo del problema Planteo del problema
Dada una funcin f(x) de una
nica variable x, encontrar la
d l i raz de la ecuacin
f(x) = 0
significa encontrar el valor x*, s gn f ca ncontrar a or ,
tal que verifique esa igualdad
f(x*) = 0
Si f(x) es un polinomio de
orden n
f( )
n

n 1

Raz
f(x) = a
n
x
n
+ a
n-1
x
n-1
+
+ + a
1
x + a
0,
La ecuacin f(x) = 0 tiene n
races (reales o complejas)
Si f(x) es una funcin trascendente, el
problema de la existencia y unicidad de la p m y
solucin de la ecuacin es complejo.
No tiene solucin
exp( ) 1 0 x + =
No tiene solucin
Tiene 1 raz
exp( ) 1 0
exp( ) 0
x
x x
+ =
=
Tiene 2 races
Tiene 3 races
2
3 2
4 ( ) 0
6 11 6 0
x sen x
x x x
=
+ = Tiene 3 races
Tiene infinitas races
6 11 6 0
( ) 0
x x x
sen x
+ =
=
Grficamente se ven distintas
situaciones cuando se analiza a
f(x) en un intervalo acotado.
No tiene
solucin
Tiene 2
races
Tiene
1 raz
Ti 3 Tiene 3
races
Puede haber situaciones en las que existan races races
mltiples mltiples. En ese caso, f(x) f(x) y la derivada f(x) f(x) se
anulan para el valor de la raz anulan para el valor de la raz.
Raz
Doble
Raz
Triple
E t i t t d Esto es importante ya que puede
condicionar la solucin numrica
(A) (A) Se necesita calcular
una determinada raz una determinada raz
real de la funcin f(x)
Son dos las
situaciones
d
(B) (B) La funcin en cuestin es
que pueden
surgir:
(B) (B) La funcin en cuestin es
un polinomio P(x) y se necesita
evaluar todas sus races
La estrategia a emplear es La estrategia a emplear es
diferente en cada caso
Clculo de una raz - Algoritmos Clculo de una raz - Algoritmos
(A) Mtodos de cmputo
de una raz real de la
funcin f(x).
Involucra dos pasos:
1) 1) Determinacin de intervalo de bsqueda Determinacin de intervalo de bsqueda,
esto es los lmites superior e inferior en el
Involucra dos pasos:
esto es, los lmites superior e inferior en el
que la raz puede estar. Esto en general se
podr conocer, cuando la ecuacin se vincula p
al modelo de un sistema fsico.
2) 2) Seleccin y aplicacin de un mtodo Seleccin y aplicacin de un mtodo
i i i d d t i l numrico numrico apropiado para determinar la raz
con la exactitud adecuada.
Mtodos Cerrados
BISECCION BISECCION
REGULA FALSI
(A) Mtodos de
cmputo de una
raz real de la
f i f( )
Mtodos Abiertos
funcin f(x).
SUSTITUCION SUCESIVA
NEWTON-RAPHSON
SECANTE SECANTE
Mtodo de la biseccin Mtodo de la biseccin
Paso 1: Elegir x
L
y x
U
los extremos del intervalo entre los
que se encuentra la raz verficando que se cumpla que que se encuentra la raz, verficando que se cumpla que
f(x
L
)*f(x
U
) < 0.
Paso 2: Estimar la raz en la mitad del intervalo (biseccin). Paso 2 Estimar la raz en la mitad del intervalo (biseccin).
x
M
= 0.5*(x
L
+ x
U
)
Paso 3: Determinar el nuevo intervalo de bsqueda.
IF f(x
M
)*f(x
L
) < 0
M L
x
U
= x
M
ELSE
x
L
= x
M
END END
Paso 4: Repetir la iteracin hasta lograr la presicin requerida
Mtodo de la biseccin Mtodo de la biseccin
f(x)
x =0 5(x +x )
x
L
x
M
=0.5(x
L
+x
U
)
o
x
x
U
L
Nuevo intervalo
de bsqueda
Ejemplo Ejemplo
( )
x
f x e x

=
Mtodo de la biseccin Mtodo de la biseccin
f(x)
0
<
) ( f ) ( f
f(x
i
)
0
<
) x ( f ). x ( f
s i
x
x
x
i
x
s
x
f(x
s
)
Mtodo de la biseccin Mtodo de la biseccin
f(x)
x x
+
f(x
i
)
2
s i
r
x x
x
+
=
x
x
f(x
r
)
x
i
x
s
x
r
x
f(x
s
)
Mtodo de la biseccin Mtodo de la biseccin
f(x)
f(x
i
)
r
x x
=
i
x
x
f(x
r
)
x
i
x
s
x
i
x
f(x
s
)
Mtodo de la biseccin Mtodo de la biseccin
Cundo se
d l detiene el
proceso?
1 1
x x
k k
<
+ 2
) ( x f <
o
x x*
a
b
x
1
b
x
Raz, cuyo
valor se
ddesconoce
Mtodo de la biseccin Mtodo de la biseccin
Las caractersticas ms
relevantes del mtodo son:
(1)Es probablemente el mtodo ms simple mtodo ms simple
y robusto y robusto que asegura la obtencin de y robusto y robusto, que asegura la obtencin de
la raz con una precisin determinada
en un nmero finito de iteraciones nmero finito de iteraciones
a b
10
log
iter de Nro
m
|
|
.
|

\
|

>

(2)La velocidad de convergencia velocidad de convergencia puede ser

( ) 0.5 log
iter de Nro
. \
>
( ) gg p
relativamente lenta (lineal).
Mtodo de la Regula Falsi Mtodo de la Regula Falsi
y
o
(x
M
,0)
x
L
o x
x
U
) f( ) f(
x x
) f(x x x
L U
U U M

=
) f(x ) f(x
) (
L U
U U M

Mtodo de la Regula Falsi Mtodo de la Regula Falsi

Paso 1: Elegir x
L
y x
U
los extremos del intervalo entre los
que se encuentra la raz, verficando que se cumpla
que f(x
L
)*f(x
U
) < 0.
Paso 2: Estimar la raz usando una aproximacin lineal (la
recta que pasa por los puntos extremos).
x x
) f(x ) f(x
x x
) f(x x x
L U
L U
U U M

=
Paso 3: Determinar el nuevo intervalo de bsqueda.
IF f(x
M
)*f(x
L
) < 0
x
U
= x
M
ELSE
x
L
= x
M
END END
Paso 4: Repetir hasta lograr la precisin requerida
Mtodo de Sustitucin Sucesiva
Este mtodo se conoce tambin como Mtodo
de las Iteraciones Funcionales o Mtodo del de las Iteraciones Funcionales o Mtodo del
Punto fijo.
Si l i
0 f(x) =
Si la ecuacin
a resolver es:
g(x) x =
Se la re-escribe
como:
Se genera la
ley de recur
) g(x x =
ley de recur-
rencia como:
) g(x x
k 1 k
=
+
Mtodo de Sustitucin Sucesiva
Si la ecuacin Si la ecuacin
0 f(x) =
Si la ecuacin Si la ecuacin
a resolver es: a resolver es:
x y =
g(x) y =
Se la re Se la re--escribe escribe
g( ) y
g(x) x =
como: como:
f(x) y =
RAZ RAZ
( ) y
RAZ RAZ
Mtodo de Sustitucin Sucesiva Mtodo de Sustitucin Sucesiva
Paso 1: Elegir una
aproximacin inicial x
0
(guess) (guess).
Paso 2: Calcular la
siguiente aproximacin s gu ente aprox mac n
con:
) g(x x
k 1 k
=
+
Paso 3: Repetir hasta
lograr la precisin
requerida requerida
X*
Mtodo de Sustitucin Sucesiva Mtodo de Sustitucin Sucesiva
Existen infinitas posibilidades
para elegir la funcin g(x).
Podran definirse
las funciones g(x):
Para la funcin:
Con qu criterio elegir g(x)?
y
y = x
y
y = x
y=g(x)
p
0
p
1

p
0

y=g(x)
p
1
x
y
x
y
x* x* x
0
x
1
x
0
x
1
y
y = x
y
y = x
y=g(x)
y=g(x)
p
0
p
0
p
1
p
1
x x
x* x* x
0
x
1
p
1
x
0
x
1
Mtodo de Sustitucin Sucesiva
(1)La condicin para que el mtodo sea
convergente convergente es que
b) (a, x 1 (x) g' e <
gg q
(2)Este mtodo resulta particularmente til
b) (a, x 1 (x) g e <
( ) p
cuando se debe resolver un conjunto de
ecuaciones en secuencia, en el que en la
prim r s pr p n un pr xim cin inici l primera se propone una aproximacin inicial y
con la ltima se verifica si es correcta.
Mtodo de NEWTON RAPHSON Mtodo de NEWTON RAPHSON
Paso 1: Elegir una
aproximacion inicial x
0
aproximacion inicial x
0
(guess).
Paso 2: Calcular la
siguiente aproximacin siguiente aproximacin
con:
f(x )
1
i
i i
i
+
=
f(x )
x x
f'(x )
Paso 3: Repetir hasta
lograr la precisin
requerida
Mtodo de NEWTON RAPHSON Mtodo de NEWTON RAPHSON
(1)Requiere un un solo solo valor valor inicial inicial y no es
i t i t l l preciso encontrar un intervalo en el que se
encuentre la raz.
(2) (2)Convergencia Convergencia cuadrtica cuadrtica Esto indica que si (2) (2)Convergencia Convergencia cuadrtica cuadrtica. Esto indica que si
se dan las condiciones, la convergencia es
rpida. p
(3)Tiene problemas problemas de convergencia, por
ejemplo si f(x) = 0 en las proximidades de j p p
la raz x* o cuando hay races mltiples.
(4)El algoritmo permite permite la la estimacin estimacin de de races races
complejas complejas si el valor inicial es un complejo.
METODO METODO
DE DE
NEWTON NEWTON
RAPHSON RAPHSON
f(x) = 0 en
RAPHSON RAPHSON
T
f (x) 0 en
adyacencias de x*
Tres casos
en los que el
Mtodo falla
En las
proximidades
Mtodo falla
para
encontrar la

proximidades
de f(x) = 0
raz
Cuando la funcin oscila
en las proximidades x*
METODO DE NEWTON RAPHSON METODO DE NEWTON RAPHSON
Aciertos y fallos Aciertos y fallos
x*
x
0

x
0

x
0
x*
Mtodo de la Secante Mtodo de la Secante
Paso 1: Elegir una
aproximacin inicial p
x
0
(guess).
Paso 2: Calcular la
siguiente aproxi- siguiente aproxi
macin con:
) x )(x f(x
k 1 k k

Paso 3: Repetir
) f(x ) f(x
) x )(x f(x
x x
k 1 k
k 1 k k
k 1 k

+
Paso 3: Repetir
hasta lograr la
precisin requerida
S i i d l t d d N t R h L di t
Mtodo de la Secante Mtodo de la Secante
Surge como variacin del mtodo de Newton Raphson.La pendiente
de la recta (derivada) se estima por diferencias finitas entre dos
puntos.
SECANTE
TANGENTE
SECANTE
Mtodo de
Newton
x
0
x
1
Pendiente TANGENTE ~ Pendiente SECANTE
) ( ) ( x f x f ) )( ( x x x f
1
1
) ( ) (
) (

~
'

k k
k k
k
x x
x f x f
x f
) ( ) (
) )( (
1
1
1

=
k k
k k k
k k
x f x f
x x x f
x x
Mtodo de la Secante Mtodo de la Secante
(1)Requiere dos valores iniciales. No es preciso
acotar un intervalo en el que se encuentre la acotar un intervalo en el que se encuentre la
raz x*.
(2)Convergencia superlineal. Se puede probar ( ) g p p p
que el orden de convergencia es 1.62.
(3)Tiene problemas de
convergencia similares
a los del mtodo de
Newton Raphson Newton Raphson.
COMPARACION ENTRE METODOS COMPARACION ENTRE METODOS
Mtodo Ventajas Desventajas
Biseccin
Fcil de implementar. Robusto
Garantiza una reduccin del eror de
estimacin del 50 % en cada iteracin
Convergencia lenta
P d fi i d di d P d di
Sustitucin
Sucesiva
Puede ser muy eficiente dependiendo
de la frmula de recursin empleada.
Requiere un solo punto para iniciar la
iteracin.
Puedediverger.
La ecuacinde recursinque
garantizaconvergencia puedeno ser
obvia.
L f d d d l La performance dependede la
ecuacinde recursin.
Newton
R h
Rpida convergencia.
Requiereun solo puntoparainiciar la
Puede diverger cuando f(x) es muy
pequea o muy grande.
Raphson
q p p
iteracin.
p q yg
Requiere el cmputo de f(x).
Secante
Rpidaconvergencia.
Fcil de implementar.
Puede diverger cuando el gradiente de
la funcin es muy pequeo o muy
grande Secante grande.
Sensible a la estimacin inicial de la
pendiente.
Fcil de implementar. La velocidad de convergencia puede
Regula falsi
Robustez, con garantade
convergencia.
ser muybaja, especialmentepara
funcionesaltamentecncavaso
convexas.
COMPARACION COMPARACION
ENTRE ENTRE
METODOS METODOS METODOS METODOS
Velocidad de Velocidad de
convergencia. convergencia.
Caso de la ecuacin: Caso de la ecuacin: Caso de la ecuacin: Caso de la ecuacin:
( ) 0
x
f x e x

= =
0.567... x* =
BSQUEDA DE VARIAS RACES BSQUEDA DE AR AS RA CES
ECUACIONESCONVARIASRACES
Lasecuacionestienenunaovariasracesyesmenester
localizarcadaunadeellas.
Laposibleexistenciaderacesmltiplescomplicaelproblema.
Enlavecindaddelaraz,tantolafuncincomosuderivadaseacercan
acero.
Lasecuacionesconunnmeroparderacesmltiplessontangentesal
ejexynolocruzan.
Lasecuacionesconunnmeroimparderacesmltiplescruzanaleje
x en un punto de inflexin. xenunpuntodeinflexin.
Encasoderacesmltiples,alnohabercambiodesigno,losmtodos
cerradosnosonconfiables.
MTODODEBSQUEDAINCREMENTAL Q
Labsquedaconsisteenempezarenunextremodelintervalodeintersyevaluar
lafuncinconpequeosincrementosalolargodelintervalo.
Silalongituddelincrementonoeslosuficientementepequea,algunasraces
puedenpasarinadvertidas.
f(x)
2races
3races
2races
x
x
0
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
Ax Ax Ax Ax Ax Ax Ax Ax Ax
MTODODEBSQUEDAINCREMENTAL Q
Elmtododebsquedaincrementalseutilizaparaidentificartodaslasracesde
unaecuacin,considerando:
Lamaneracomosepresentafsicamenteelfenmeno.
Elnmeroderacesrealesy/ocomplejasqueseesperatengalaecuacin,especialmente
cuandosetratadepolinomios.
Esconvenienteutilizartamaosdeincrementoacordesconelfenmenoanalizado
yelnmeroesperadoderaces.
Antelasospechadequelaecuacinalgebraicaotrascendentetengamsracesde
lasencontradasconciertotamaodeincremento,serecomienda:
Obtenerlastangentesenlosextremosdecadaincrementoparaidentificarcambiosde
signoy,ensucaso,analizarelsubintervalodeincrementomsminuciosamente.
Reduciralamitadeltamaodelosincrementos.
Sehadetenerespecialcuidadoalhacerelbosquejodeunagrfica,cuandonose
disponededispositivosquegrafiquendemaneraconfiable,porqueeltrazadoa
b d i t d t basedeincrementos,puedesersumamenteengaoso.
MTODODEBSQUEDAINCREMENTAL Q
2
1
1.5
0
0.5
-0.5
3.00 3.50 4.00 4.50 5.00
-1.5
-1
f(x) 10senX 3cosX = +
-2.5
-2
Trazadoconincrementosde0.50,parecequehaysolo2 races
MTODODEBSQUEDAINCREMENTAL Q
2
1
1.5
0
0.5
-0.5
3.00 3.20 3.40 3.60 3.80 4.00 4.20 4.40 4.60 4.80 5.00
-1.5
-1
f(x) 10senX 3cosX = +
-2.5
-2
Trazadoconincrementosde0.20,parecequehaysolo2 races
MTODODEBSQUEDAINCREMENTAL Q
2
1
1.5
0
0.5
-0.5
3.00 3.10 3.20 3.30 3.40 3.50 3.60 3.70 3.80 3.90 4.00 4.10 4.20 4.30 4.40 4.50 4.60 4.70 4.80 4.90 5.00
-1.5
-1
f(x) 10senX 3cosX = +
-2.5
-2
Trazadoconincrementosde0.10,parecequehaysolo4 races
MTODODEBSQUEDAINCREMENTAL Q
2
1
1.5
0
0.5
0.5
0
3.00 3.10 3.20 3.30 3.40 3.50 3.60 3.70 3.80 3.90 4.00 4.10 4.20 4.30 4.40 4.50 4.60 4.70 4.80 4.90 5.00
1.5
1
f(x) 10senX 3cosX = +
2.5
2
Trazadoconincrementosde0.05,sevequehay6 races
MTODODEBSQUEDAINCREMENTAL Q
0 12
0.1
0.12
0.08
0.04
0.06
f(x) 10senX 3cosX = +
0.02
detalle
-0.02
0
4.20 4.21 4.22 4.23 4.24 4.25 4.26 4.27 4.28 4.29 4.30
MTODODENEWTONRAPHSONMODIFICADO
f(x)
xx
MTODODENEWTONRAPHSONMODIFICADO
1. Consisteenelegirunpuntoinicialcualquierax
1
comoaproximacinde g p q
1
p
laraz.
MTODODENEWTONRAPHSONMODIFICADO
f(x)
xx x
1
MTODODENEWTONRAPHSONMODIFICADO
1. Consisteenelegirunpuntoinicialcualquierax
1
comoaproximacinde g p q
1
p
laraz.
2. Obtenerlosvaloresdelafuncin,desuprimeraydesusegunda
d d derivadaenesepunto.
MTODODENEWTONRAPHSONMODIFICADO
f(x
1
)
f(x)
f (x)
f( )
( )
f (x)
f(x)
x
x
1
x
x
1
f(x
1
)
f(x
1
)
MTODODENEWTONRAPHSONMODIFICADO
1. Consisteenelegirunpuntoinicialcualquierax
1
comoaproximacinde g p q
1
p
laraz.
2. Obtenerlosvaloresdelafuncin,desuprimeraydesusegunda
d d derivadaenesepunto.
3. Establecerlafuncin(x)=f(x)/f(x)yobtenerelvalordelamismaen
elpuntoinicial. p
MTODODENEWTONRAPHSONMODIFICADO
(x)
f(x)
(x) = (x)
f '(x)
=
x
x
x
x
1
(x
1
)
MTODODENEWTONRAPHSONMODIFICADO
1. Consisteenelegirunpuntoinicialcualquierax
1
comoaproximacinde
laraz.
2. Obtenerlosvaloresdelafuncin,desuprimeraydesusegunda
derivadaenesepunto.
3. Establecerlafuncin(x)=f(x)/f(x)yobtenerelvalordelamismaen
el punto inicial elpuntoinicial.
4. Trazarunarectatangentealafuncin(x)poresepunto.
MTODODENEWTONRAPHSONMODIFICADO
(x)
x
x
x
x
1
MTODODENEWTONRAPHSONMODIFICADO
1. Consisteenelegirunpuntoinicialcualquierax
1
comoaproximacinde
laraz.
2. Obtenerlosvaloresdelafuncin,desuprimeraydesusegunda
derivadaenesepunto.
3. Establecerlafuncin(x)=f(x)/f(x)yobtenerelvalordelamismaen
el punto inicial elpuntoinicial.
4. Trazarunarectatangentealafuncin(x) poresepunto.
5 El punto de interseccin de esta recta con el eje de las abscisas (x 0) 5. Elpuntodeinterseccindeestarectaconelejedelasabscisas(x
2
,0),
constituyeunasegundaaproximacindelaraz.
MTODODENEWTONRAPHSONMODIFICADO
(x)
i
(x )
i
i 1 i
i
( )
x x
'(x )
+

=

x
x x
(x
2
)
x
x
2
x
1
i i
f(x )f '(x )
x x
i i
i 1 i
2
i i i
( ) ( )
x x
[f '(x )] f(x )f "(x )
+
=

MTODODENEWTONRAPHSONMODIFICADO
1. Consisteenelegirunpuntoinicialcualquierax
1
comoaproximacinde
laraz.
2. Obtenerlosvaloresdelafuncin,desuprimeraydesusegunda
derivadaenesepunto.
3. Establecerlafuncin(x)=f(x)/f(x)yobtenerelvalordelamismaen
el punto inicial elpuntoinicial.
4. Trazarunarectatangentealafuncin(x) poresepunto.
5 El punto de interseccin de esta recta con el eje de las abscisas (x 0) 5. Elpuntodeinterseccindeestarectaconelejedelasabscisas(x
2
,0),
constituyeunasegundaaproximacindelaraz.
6 El proceso se repite n veces hasta que el punto de interseccin x 6. Elprocesoserepitenveceshastaqueelpuntodeinterseccinx
n
coincideprcticamenteconelvalorexactodelaraz.
MTODODENEWTONRAPHSONMODIFICADO
f(x)
x
x x
x
x
2
x
1
MTODODENEWTONRAPHSON
6
4
5
6
f(X)=x
4
6x
3
+12x
2
10x+3
2
3
0
1
0 0 2 0 4 0 6 0 8 1 1 2 1 4 1 6 1 8 2 2 2 2 4 2 6 2 8 3 3 2 3 4
tripleraz
-2
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3 3.2 3.4
-3
MTODO DE NEWTON RAPHSON MTODODENEWTONRAPHSON
ElmtododeNewtonRaphson tradicional,enlabsquedaderacesmltiples, p , q p ,
convergelinealmente,envezdehacerlocuadrticamente,comosucedeenla
bsquedadeunarazsimple.
ElmtododeNewtonRaphson modificado,enlabsquedaderacesmltiples,
convergecudrticamente,aligualqueenlabsquedadeunarazsimple.
LalentitudenlaconvergenciadelmtododeNewtonRaphson tradicionalesun
claroindicativodelapresenciaderacesmltiples.
A mayor nmero de races mltiples menor es la velocidad de convergencia del mtodo Amayornmeroderacesmltiples,menoreslavelocidaddeconvergenciadelmtodo
tradicional.
Ajuste lineal de datos
i t l experimentales
Mtodo mnimos
d d s cuadrados
( ) 1,2,3,4
i i i
d y a x b i = + =
i min
Pendiente:
O d d Ordenada
al origen: al origen:
Mtodo mnimos
d d s Ej l cuadrados. Ejemplo
1
2
1
t +
2
mt r
p
= +
Regresin lineal mltiple
El modelo de regresin lineal mltiple est dado
por: por:
0 1 1 2 2 i i i p ip i
y a a x a x a x e = + + + + +
E f
Y XA e = +
En forma
matricial:
11 12 1 0 1 1
1 . .
p
x x x a y e
21 22 2 1
2 2
1 . .
.
. . . . . . .
.
p
x x x a
y e
= +

1 2
1 . .
n n np np
n n
x x x a
y e
Integracin de Funciones Integracin de Funciones
INTEGRACIONNUMERICADE INTEGRACIONNUMERICADE
FUNCIONES FUNCIONES
}
b
f( )d I
Se trata de encontrar:

}
=
a
f(x)dx I
Setratadeencontrar:

}
=
b
f(x)dx I
A i d d
}
a
MTODOSDE
INTEGRACIN
Apartirdedatos
discretosdef(x)
INTEGRACIN
NUMERICA
Apartirdela
funcinf(x)
INTEGRACIONNUMERICADE INTEGRACIONNUMERICADE
FUNCIONES FUNCIONES
Apartirdedatos
discretos de f(x)
FUNCIONES FUNCIONES
discretosdef(x)
Laideaesremplazarunafuncincomplicadaconotraaproximada
que sea ms fcil de integrar queseamsfcildeintegrar.
) ( (x)dx f dx x f I
b
n
b
} }
~ =
a
n
a
} }
Seaproximaf(x)porunalnearecta lnearecta (n=1)pasandoatravsde(a,
f(a))y(b,f(b)),oporunaparbolacuadrtica parbolacuadrtica (n=2)atravsdetres ( )) y ( , ( )), p pp ( )
puntos,oporunpolinomiocbico polinomiocbico (n=3)pasandoatravsde4
puntos... ...
Regla del Trapecio Regla del Trapecio corresponde a f (x) n=1 RegladelTrapecio RegladelTrapecio correspondeaf
1
(x),n=1.
RegladeSimpsonde1/3 RegladeSimpsonde1/3 correspondeaf
2
(x),n=2.
RegladeSimpsonde3/8 RegladeSimpsonde3/8 correspondeaf
3
(x),n=3.
YHAYOTRASMAS!!
SONLASFORMULASDENEWTON NEWTONCOTES COTES
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Frmulas de Newton Frmulas de NewtonCotes Cotes FrmulasdeNewton FrmulasdeNewtonCotes Cotes
Laevaluacindelafuncinresultacomounasuma
ponderada de la funcin f(x):
) x ( f c dx ) x ( f
i
n
0 i
i
b
a
~

}
=
f(x)
ponderadadelafuncinf(x):
) x ( f c ) x ( f c ) x ( f c
n n 1 1 0 0
+ + + =
a = x
0
x
1
b = x
n
x
n-1
x
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Regla del Trapecio Regla del Trapecio RegladelTrapecio RegladelTrapecio
Aproximarelreadebajodef(x)poruntrapecio.
1
b
}
h
) x ( f c ) x ( f c ) x ( f c dx ) x ( f
1 1 0 0 i
0 i
i
b
a
+ = ~

}
=
| | ) x ( f ) x ( f
2
h
1 0
+ =
f(x) f(x)
L(x)
a = x
0
b = x
1
x
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Regla del Trapecio Regla del Trapecio RegladelTrapecio RegladelTrapecio
Elvalornumricodelaintegrales:
1 )) ( ) ( ( b f f
) )( ( ' '
12
1
2
)) ( ) ( (
) (
3
b a
a b f
b f a f
a b I
s s

+
=

Elerrordetruncacinvale
entonces:
. b a s s
entonces:
3
) )( (
12
1
a b f'' E
t
=
yporlotantoserpequeosib
aespequeo
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Regla Regla Simpson de 1/3 Simpson de 1/3 Regla ReglaSimpsonde1/3 Simpsonde1/3
Seaproximalafuncinf(x)aunaparbola.
) x ( f c ) x ( f c ) x ( f c ) x ( f c dx ) x ( f
2
b
+ +

}
| | ) x ( f ) x ( f 4 ) x ( f
3
h
) x ( f c ) x ( f c ) x ( f c ) x ( f c dx ) x ( f
2 1 0
2 2 1 1 0 0 i
0 i
i
a
+ + =
+ + = ~

}
=
3
f(x)
L(x)
a = x
0
x
1
x
b = x
2
h h
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Regla Regla Simpson de 1/3 Simpson de 1/3 Regla ReglaSimpsonde1/3 Simpsonde1/3
UsandolaFuncindeInterpolacindeLagrange:
f(x)pasaatravsde3puntos:
a,f(a);(b+a)/2,f((b+a)/2);b,f(b)
Laintegralnumrica
E b f
b a
f a f
h
I + +
+
+ = )] ( ) ( 4 ) ( [
resulta:
t
E b f f a f I + + + = )] ( )
2
( 4 ) ( [
3
), (
90
) 4 (
5
b a f
h
E
t
s s =
yelErrorde
T i

2

90
a b
h

=
Truncacin:
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Regla Regla Simpson de 3/8 Simpson de 3/8 Regla ReglaSimpsonde3/8 Simpsonde3/8
Seaproximalafuncinf(x)conunpolinomiocbico
) f( ) f( ) f( ) f( ) ( f d ) ( f
3
b
+ + +

}
| | ) x ( f ) x ( f 3 ) x ( f 3 ) x ( f
8
h 3
) f(x c ) f(x c ) f(x c ) f(x c ) x ( f c dx ) x ( f
3 2 1 0
3 3 2 2 1 1 0 0 i
0 i
i
a
+ + + =
+ + + = ~

}
=
f(x) L(x)
x
0
x
1
x
x
2
h h x
3
h
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Frmulas de Newton Frmulas de Newton Cotes Cotes FrmulasdeNewton FrmulasdeNewtonCotes Cotes
Reglas compuestas Reglas compuestas
C M j
Reglascompuestas. Reglascompuestas.
Aplicacinmltiplede
lasfrmulasNewton
CmoMejorar
laprecisindelresultado?
Cotes
Extrapolacinde
Richardson
Algoritmode
Romberg
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
RegladelTrapecio(Aplicacinmltiple) RegladelTrapecio(Aplicacinmltiple)
Seaproximaelreadebajodef(x)pordosomstrapecios.
f(x)dx f(x)dx f(x)dx f(x)dx
x x x b
n 2 1
+ + + =
} } } }

| | | | | | ) f(x ) f(x
2
h
) f(x ) f(x
2
h
) f(x ) f(x
2
h
f(x)dx f(x)dx f(x)dx f(x)dx
n 1 n 2 1 1 0
x x x a
1 n 1 0
+ + + + + + =
+ + +

} } } }

| | ) x ( f ) x ( f 2 ) 2f(x ) f(x 2 ) f(x

2
h
n 1 n i 1 0
+ + + + + + =


f(x)
a b
h

=
n
a=x
0
x
1
x
x
2
h h x
3
h h b=x
4
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Regla del Trapecio (Aplicacin mltiple) Regla del Trapecio (Aplicacin mltiple) RegladelTrapecio(Aplicacinmltiple) RegladelTrapecio(Aplicacinmltiple)
Dossegmentos
Tressegmentos
Laprecisin
mejora a
4
5
6
7
4
5
6
7
mejoraa
medidaquese
tomanms
t
0
1
2
3
0
1
2
3
segmentos
(intervalos
menores)
0
3 5 7 9 11 13 15
6
7
Cuatrosegmentos
6
7
Mssegmentos
0
3 5 7 9 11 13 15
3
4
5
6
3
4
5
6
0
1
2
3 5 7 9 11 13 15
0
1
2
3 5 7 9 11 13 15
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
RegladeSimpsonde1/3(Aplicacinmltiple) RegladeSimpsonde1/3(Aplicacinmltiple)
Seutilizaaproximacionescuadrticasportramos(unapor
cadados intervalos).
a b
)
n
a b
h

=
f(x)
...
a=x
0
x
2
x
x
4
h h
x
n-2
h
b=x
n
h
x
3
x
1
x
n-1
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Regla de Simpson de 1/3 (Aplicacin mltiple) Regla de Simpson de 1/3 (Aplicacin mltiple) RegladeSimpsonde1/3(Aplicacinmltiple) RegladeSimpsonde1/3(Aplicacinmltiple)
Sedivideelintervalobaennn,nmeropardesegmentos
f(x)dx f(x)dx f(x)dx f(x)dx
x
x
x
x
x
x
b
a
n
2 n
4
2
2
0
+ + + =
} } } }

| | | | ) f(x ) 4f(x ) f(x

3
h
) f(x ) 4f(x ) f(x
3
h
4 3 2 2 1 0
+ + + + + =
| |
h
) f(x ) 4f(x ) f(x
3
h
n 1 n 2 n
+ + + +

|
) 4f(x ) 2f(x ) 4f(x
) 2f(x ) 4f(x ) 2f(x ) 4f(x ) f(x
3
h
1 2i 2i 1 2i
4 3 2 1 0
+ + + +
+ + + + + =
+

| ) f(x ) 4f(x ) 2f(x

) ( ) ( ) (
n 1 n 2 n
1 2i 2i -1 2i
+ + +

+
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Regla de Simpson de 3/8 (Aplicacin mltiple) Regla de Simpson de 3/8 (Aplicacin mltiple) RegladeSimpsonde3/8(Aplicacinmltiple) RegladeSimpsonde3/8(Aplicacinmltiple)
Similaralaanterior,peroseempleanaproximacionescbicaspor
tramos (una por cada tres intervalos). tramos(unaporcadatresintervalos).
Siguiendounprocedimientoanlogoalaanterior,sellegaauna
expresin: expresin:
( )
2 3
0 1
( ) 3 ( ) ( ) 2 ( ) ( )
n n
i i i
b a
I f x f x f x f x f x

~ + + + +
(

Y el Error de Truncacin:
( )
0 1
1,4,7 3,6,9
( ) 3 ( ) ( ) 2 ( ) ( )
8
i i i n
i i
I f x f x f x f x f x
n
+
= =
~ + + + +
(

YelErrordeTruncacin:
) (
t
f
n
a) (b
E
4
4
5
80

=
n 80
INTEGRACIONNUMERICA INTEGRACIONNUMERICA
Combinacin de las reglas de Simpson Combinacin de las reglas de Simpson CombinacindelasreglasdeSimpson CombinacindelasreglasdeSimpson
Siennmerodepuntosno
55
p
esparnimltiplode3no
sepuedeaplicarninguna
de las dos Reglas de
5 5
segmentos segmentos
delasdosReglasde
Simpson.
En este caso la Regla de EnestecasolaReglade
Simpsonde3/8seaplicaa
losltimostrespuntosyla
otra a los puntos previos otraalospuntosprevios.
INTEGRACION INTEGRACION
NUMERICA NUMERICA NUMERICA NUMERICA
Errorenla Errorenla
integracin integracin con con gg
formulasde formulasde
Newton NewtonCotes Cotes
SeanalizaronlosErrores
deTruncacinysevioque
aumentandoelnmero
desegmentosse
acrecientalaprecisin.
Peroestotieneunlmite:
elErrordeRedondeo ErrordeRedondeo