Professional Documents
Culture Documents
5.5
f (x) dx se llaman M etodos de Newton-C otes a los que se basan en integrar, en lugar de la funci on dada f (x), un polinomio de interpolaci on que aproxime a f (x) en [a, b]. Se trata por tanto de toda una familia general de m etodos, seg un el polinomio de interpolaci on que se considere (puede elegirse diferente grado, diferentes puntos para interpolar, etc.). Para el caso de las interpolaciones lineal y cuadr atica, estos m etodos se denominan M etodo de los Trapecios y M etodo de Simpson, respectivamente.
xb xa f (a) + f (b) , ab ba
b
x [a, b]
f (x) dx
a
P1 (x) dx =
ba (f (a) + f (b)) 2
f x
P1 x
x a b a b
En denitiva se trata de aproximar el valor de la integral I por el area del trapecio que determinan las rectas x = a, x = b, el eje de abscisas y la recta que une los puntos: (a, f (a)) y (b, f (b)).
89
Si recordamos la expresi on del error de la interpolaci on lineal, suponiendo que f (x) es continua y derivable dos veces en el intervalo [a, b]: f (x) = P1 (x) + (x) (x) = Tendremos entonces que: I=
a b
f ( ) (x a)(x b), 2
ab
f (x)dx =
ba (f (a) + f (b)) + E 2
donde el error de la integraci on num erica E ser a, obviamente: b f ( ) b E= (x)dx = (x a)(x b) dx 2 a a Integrando en esta u ltima expresi on y denominando h = b a se concluye f acilmente en que: h3 h3 E = f ( ) |E | M2 12 12 siendo M2 el valor m aximo que alcance la derivada segunda de la funci on en el intervalo dado [a, b].
Teniendo en cuenta las propiedades b asicas de la integral denida: b x1 x2 xn f (x) dx = f (x)dx + f (x)dx + . . . + f (x)dx
a x0 x1 xn1
y aplicando a cada integral el M etodo simple: b h h h f (x) dx (f (x0 ) + f (x1 )) + (f (x1 ) + f (x2 )) + . . . + (f (xn1 ) + f (xn )) = 2 2 2 a = h (f (x0 ) + 2 (f (x1 ) + f (x2 ) + . . . + f (xn1 )) + f (xn )) 2
90
Tenemos por tanto la expresi on nal para el M etodo de los Trapecios Generalizado: ( ) b n 1 h f (a) + 2 f (xi ) + f (b) f (x) dx 2 a
i=1
En lo que respecta al error de integraci on, ser a evidentemente igual a la suma de los errores de cada una de las aplicaciones del m etodo simple: E = E1 + E2 + . . . + En = h3 h3 h2 f (1 ) f (2 ) . . . f (n ) 12 12 12
Tomaremos habitualmente E denido no negativo, por lo que es frecuente escribir directamente: h3 (b a) 2 E nM2 = h M2 12 12 obviando el valor absoluto para E . Ejemplo: Calcular el valor aproximado de la integral,
0 1
xdx (x + 1)(x + 2)
utilizando la regla de los trapecios compuesta con n = 8 subintervalos. Evaluar exactamente el valor de la integral y comp arese con el valor aproximado obtenido. De forma exacta:
1
x dx = ( x + 1)( x + 2) 0 x A B A(x + 2) + B (x + 1) = + = (x + 1)(x + 2) x+1 x+2 (x + 1)(x + 2) { x = 1 A = 1 x = A(x + 2) + B (x + 1) x = 2 B = 2 ) 1( 2 (x + 2)2 1 1 + dx = log(x + 1) + 2 log(x + 2)|0 = log = x+1 x+2 (x + 1) 0 9 = log log 4 = 0.1177830 2
=
0
M etodo de los Trapecios, con n = 8. Dividimos el intervalo [0, 1] en 8 subintervalos y calculamos los correspondientes valores del integrando:
91
x5 0.625 f (x5 ) 0.14652 x6 0.75 f (x6 ) 0.15584 x7 0.875 f (x7 ) 0.162319 x8 1.0 f (x8 ) 0.16666
x0 0. f (x0 ) 0.
Finalmente, aplicamos la f ormula antes deducida: h [f (x0 ) + 2 (f (x1 ) + f (x2 ) + f (x3 ) + f (x4 ) + f (x5 ) + f (x6 ) + f (x7 )) + f (x8 )] 2 0.125 [0 + 2(0.05228 + 0.0888 + 0.11483 + 0.1333 + 0.14652 + 0.15584 + 0.162319) + 0.1666] 2 0.117166
que da una buena aproximaci on al resultado exacto. En la pr oxima secci on completaremos este ejercicio mediante el uso del M etodo de Simpson y comprobaremos que proporciona una mejor a un aproximaci on. Si realizamos el mismo c alculo con un n umero diferente de subintervalos, se obtienen los siguientes resultados: n n=1 n=2 n=3 n=4 n=5 n = 10 n = 100 In 0.08333 0.108333 0.113492 0.11535 0.11622 0.11739 0.1177791
M etodo de Simpson
El M etodo de Simpson es un m etodo de Newton-C otes de segundo orden, es decir basado en integrar un polinomio de interpolaci on de segundo grado, de la forma siguiente: Dada la funci on f (x) en [a, b], tomaremos como tercer punto para la interpolaci on a+b ba el punto medio de dicho intervalo, es decir: xm = 2 , y denominaremos h = 2 a la semianchura del intervalo. De esta forma el polinomio de interpolaci on de grado 2 que pasa por (a, f (a)), (xm , f (xm )) y (b, f (b)) ser a: P2 (x) = f (a) + f (xm ) f (a) f (a) + f (b) 2f (xm ) (x a) + (x a)(x xm ) h 2h2 f (x) dx
a
P2 (x) dx =
92
f (xm ) 2 f (xm ) 3 f (4) ( ) 4 h + h + h 2 3! 4! Con un breve c alculo se concluye en la expresi on (para la f ormula del M etodo de Simpson): ( ) h h 1 (f (a) + 4f (xm ) + f (b)) = 6f (xm ) + f (xm )h2 + f (4) ( )h4 = 3 3 12 f (xm ) 3 1 = 2hf (xm ) + h + f (4) ( )h5 3 36 f (b) = f (xm + h) = f (xm ) + f (xm )h + Por otro lado, si integramos el desarrollo de Taylor tendremos (simplicando los resultados): =
a a b b
f (x)dx = (
a
= 2hf (xm ) +
f (xm ) 3 f (4) ( ) 5 h + h 3 60
Finalmente el error de integraci on no es m as que (tomando nuevamente el error como denido positivo): b h E= f (x)dx (f (a) + 4f (xm ) + f (b)) 3 a de manera que: E= f (4) ( ) 5 f (4) ( ) 5 1 h h = f (4) ( ) h5 60 36 90
Si denominamos M4 al m aximo que alcance la derivada cuarta de la funci on en el intervalo [a, b], tendremos nalmente: E 1 5 h M4 90
93
hemos demostrado por tanto que el error puede acotarse por el m aximo de la derivada cuarta de la funci on.
Una consecuencia inmediata de este resultado es que si tenemos que integrar un polinomio de grado 3, la integraci on exacta por la regla de Barrow y la aproximada por el M etodo de Simpson (independientemente de la anchura del intervalo) coinciden, el error es exactamente cero. Una explicaci on gr aca de este sorprendente resultado (no olvidemos que Simpson se basa en integrar un polinomio de grado 2, diferente por tanto al integrando, polinomio de grado 3), la observamos en la Figura 6.1.
xm
y los puntos x1 , x3 , . . . , xn1 representar an el papel de puntos medios en cada una de las aplicaciones sucesivas del m etodo simple.
94
De forma expl cita se obtiene: b h f (x) dx (f (a) + 4I + 2P + f (b)) 3 a donde I y P representan las sumas: I=
n 1 i=1, impares n 2 i=2, pares
P =
De cara a la estimaci on del error, en cada uno de los pasos deberemos considerar E h5 M4 90
i a los m donde se denota M4 aximos de la derivada cuarta en cada aplicaci on del m etodo simple y M4 al m aximo de la derivada cuarta en todo [a, b]. Concluimos por tanto en la expresi on:
ba 4 h M4 180
0 1
x dx (x + 1)(x + 2)
utilizando la regla de Simpson compuesta con n = 8. Recordemos la tabla de valores utilizadas en la secci on anterior al realizar este ejercicio mediante el m etodo de los trapecios: x0 x1 x2 x3 x4 x5 x6 x7 x8 0. 0.125 0.25 0.375 0.5 0.625 0.75 0.875 1.0 f (x0 ) f (x1 ) f (x2 ) f (x3 ) f (x4 ) f (x5 ) f (x6 ) f (x7 ) f (x8 ) 0. 0.05228 0.08888 0.11483 0.13333 0.14652 0.15584 0.162319 0.16666 de manera que I h [f (x0 ) + 4 (f (x1 ) + f (x3 ) + f (x5 ) + f (x7 )) + 2 (f (x2 ) + f (x4 ) + f (x6 )) + f (x8 )] 3 0.125 [4(0.05228 + 0.11483 + 0.14652 + 0.162319) + 2(0.0888 + 0.1333 + 0.15584) + 0.1666] 3 0.117773
95
que al ser comparado con el valor exacto 0.1177830 y el obtenido por la regla de los trapecios 0.117166 nos permite concluir que este m etodo es m as preciso que el anterior. Comparando de manera general los dos m etodos tendremos: n n=1 n=2 n=3 n=4 n=5 n=6 n=8 n = 10 n = 100 I (Trapecios) 0.08333 0.108333 0.113492 0.11535 0.11622 I (Simpson) 0.116667 0.117689 0.117763 0.117776 0.11778 0.117783
2
0.11739 0.1177791
ex dx con un error menor a 0.003. La funci on con la que debemos trabajar es ex . Aplicando la f ormula de Simpson cometemos un error dado por E (b a) h4 M4 , 180 M4 f (4) (x) , x [0, 1]
2
Se puede observar que f (iv) (x) es creciente en [0, 1] de modo que el m aximo valor de dicha funci on (iv ) 1 coincide con el valor en x = 1, esto es, f (1) = 4e (4 + 12 + 3) < 4 3 19 = 228, por lo que consideraremos que M4 228. Por ello, E (1) 1.2666 E (2) 0.0791 19 (b a)5 228 = E (N ) E (3) 0.0156 180N 4 15N 4 E (4) 0.0049 E (5) 0.0020 de modo que para que el n umero de subintervalos sea par hemos de tomar N =6
96
xi = f (xi ) = Finalmente: x0 0. f (x0 ) 1. x1 1/6 f (x1 ) 1.02817
x6 1. f (x6 ) 2.71828
h [f (x0 ) + 4 (f (x1 ) + f (x3 ) + f (x5 )) + 2 (f (x2 ) + f (x4 )) + f (x8 )] 3 1/6 [1 + 4(1.02817 + 1.28403 + 2.0026) + 2(1.11752 + 1.55962) + 2.71828] 3 1.4628
que nos proporciona la integral que debemos estimar num ericamente mediante la regla de Simpson con n = 8 como propone el enunciado. g (x) = 1 + cos2 x
xi = g (xi ) =
x0 0. g (x0 ) 1.41421
h [g (x0 ) + 4 (g (x1 ) + g (x3 ) + g (x5 ) + g (x7 )) + 2 (g (x2 ) + g (x4 ) + g (x6 )) + g (x8 )] 3 0.5 [1.41421 + 4(1.33047 + 1.0025 + 1.28134 + 1.37002) + 2(1.13663 + 1.08313 + 1.40715) + 1.19468] 3 4.96667 Es posible calcular de forma precisa, por otros m etodos, este resultado, obteni endose: 4.966615,
por lo que deducimos que el M etodo de Simpson proporciona un valor muy correcto en este caso.
Ejemplo 4. Un agricultor desea conocer la supercie aproximada de un prado limitado por una
carretera, dos caminos perpendiculares a ella y la ribera de un r o, de manera que si colocamos
97
unos ejes cartesianos sobre la carretera (eje OX) y uno de los caminos (eje OY, abscisa x = 0), el segundo camino ser a la recta vertical x = 2 (unidades en cientos de metros). Se toman varias medidas desde la carretera hasta la ribera, obteni endose las siguientes coordenadas para los puntos de la ribera: (0, 1.5), (0.5, 1.8), (1, 2.1), (1.5, 1.75), (2, 1.3). Calcular aproximadamente el area de dicho terreno utilizando las reglas de los trapecios y de Simpson. Determinar el area si extendemos el terreno hasta la abscisa x = 2.5 sabiendo que el r o en tal caso pasa por el punto (2.5, 1.1). En este caso desconocemos la funci on de forma expl cita, teniendo en cuenta tan solo los valores de la tabla que nos han sido facilitados. Se tiene: xi = f (xi ) = x0 0. f (x0 ) 1.5 x1 0.5 f (x1 ) 1.8 x2 1.0 f (x2 ) 2.1 x3 1.5 f (x3 ) 1.75 x4 2.0 f (x4 ) 1.3
de modo que usando el m etodo de los trapecios podemos escribir I1 h [f (x0 ) + 2 (f (x1 ) + f (x2 ) + f (x3 )) + f (x4 )] 2 0.5 [1.5 + 2(1.8 + 2.1 + 1.75) + 1.3] 2 3.4333 h [f (x0 ) + 4 (f (x1 ) + f (x3 )) + 2 (f (x2 )) + f (x4 )] 3 0.5 [1.5 + 4(1.8 + 1.75) + 2(2.1) + 1.3] 3 3.5333
Si se a nade un nuevo punto, la tabla queda dada por xi = f (xi ) = x0 0. f (x0 ) 1.5 x1 0.5 f (x1 ) 1.8 x2 1.0 f (x2 ) 2.1 x3 1.5 f (x3 ) 1.75 x4 2.0 f (x4 ) 1.3 x5 2.5 f (x5 ) 1.1
Ahora la regla de los trapecios proporcionar a: h [f (x0 ) + 2 (f (x1 ) + f (x2 ) + f (x3 ) + f (x4 )) + f (x5 )] 2 0.5 [1.5 + 2(1.8 + 2.1 + 1.75 + 1.3) + 1.1] 4.125 2 mientras que si el m etodo de Simpson no es aplicable de forma directa dado que estamos considerando un n umero impar de subintervalos en este caso. Lo que podemos hacer es considerar la regla de Simpson para los 4 subintervalos primeros y estimar el quinto subintervalo mediante la regla de los trapecios. As queda 0.5 (1.3 + 1.1) 4.13333 I = I2 + I = 3.5333 + 2 I