Integracin numrica

En anlisis numrico, la integracin numrica 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 utiliza.
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.

Razones para la integracin numrica 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.
 4.1 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

Ilustracin de la 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
Ilustracin de la regla de Simpson.

La funcin interpoladora puede ser un polinomio de grado 2 que pasa a travs de

los puntos , y . Este mtodo se llama regla

de Simpson:

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 Newton-Cotes 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).

Algoritmos adaptativos

Si f no tiene muchas derivadas definidas en todos sus puntos, o si las derivadas

toman valores muy elevados, la integracin gausiana es a menudo insuficiente. En
este caso, un algoritmo similar al siguiente lo hara mejor:

def integral(f, a, b):

"""Este algoritmo calcula la integral definida de una funcin

en el intervalo [a,b], adaptativamente, eligiendo pasos ms

pequeos cerca de los puntos problemticos.

h0 es el paso inicial."""

x=a

h = h0

acumulador = 0

while x < b:

if x+h > b: h = b - x

if error de la cuadratura sobre [x,x+h] para f es demasiado grande:

haz h ms pequeo
 else:

acumulador += integral(f, x, x+h)

x += h

if error de la cuadratura sobre [x,x+h] es demasiado pequeo:

haz h ms grande

return acumulador

Algunos detalles del algoritmo requieren mirarlo con cuidado. Para muchos casos,
estimar el error de la integral sobre un intervalo para un funcin f no es obvio. Una
solucin popular es usar dos reglas de integracin distintas, y tomar su diferencia
como una estimacin del error de la integral. El otro problema consiste en decidir
qu es demasiado grande o demasiado pequeo. Un criterio posible para
demasiado grande es que el error de la integral no sea mayor que th, donde t,
un nmero real, es la tolerancia que queremos tener para el error global. Pero
tambin, si h es ya minsculo, puede no valer la pena hacerlo todava ms
pequeo si el error de la integral es aparentemente grande. Este tipo de anlisis
de error usualmente se llama a posteriori ya que calculamos el error despus de
haber calculado la aproximacin.

La heurstica para integracin adaptativa est discutida en Forsythe et al (seccin

5.4).

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 de a en ambos

lados de la igualdad y tomamos valores absolutos, tenemos
Se puede aproximar ms la integral en el lado derecho metiendo el valor absoluto
en el integrando, y reemplazando 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.

4.1. Regla Trapecial

La regla del trapecio es la primera de las formulas cerradas de integracin de

Newton Cotes. Corresponde al caso donde el polinomio de la ecuacin es de
primer grado:

Una lnea recta se puede representar como:

El rea bajo esta lnea recta es una aproximacin de la integral de f(x) entre los
lmites a y b:

El resultado de la integracin es:

Que se denomina regla de trapecio.

Geomtricamente, la regla del trapecio es equivalente a aproximar el rea del
trapecio bajo la lnea recta que une f(a) y f(b) en la figura 21.4. Recordando que la
figura para calcular el rea de un trapezoide es la altura por el promedio de las
bases. Por lo tanto la integral aproximada es:
I= ancho x altura promedio.
 Figura 21.4

Representacin grfica de la regla del

trapecio

Figura 21.5

a) Formula del rea de un trapezoide: altura por promedio de las bases.

b) Para la regla del trapecio: el concepto es el mismo pero ahora el trapezoide
esta sobre su lado.

I= (b-a) x altura promedio

Donde, para la regla del trapecio, la altura promedio es el promedio de los valores
de la funcin en los puntos extremos o [f(a) + f(b)]/2
Error de la regla del trapecioCuando empleamos la integral bajo un segmento de
lnea recta para aproximar la integral bajo una curva, obviamente se tiene un error
que puede ser importante (figura 21.6).Una estimacin al error de truncamiento
local para una sola aplicacin de la regla del trapecio es:

Donde esta en algn lugar en el itnervalo de a a b. la ecuacin anterior indica

que si la funcin sujeta a integracin es lineal, la regla del trapecio ser exacta. De
otra manera, para funciones con derivadas de segundo orden y de orden superior
(con curvatura), puede ocurrir algn error.

La regla del trapecio de aplicacin mltiple

Una forma de mejorar la precisin de la regla del trapecio consiste en dividir el

intervalo de la integracin de a a b en varios segmentos, y aplicar el mtodo a
cada uno de ellos (figura 21.7). Las areas de los segmentos se suman despus
para obtener la integral en todo el intervalo. Las ecuaciones resultantes se llaman
formulas de integracin, de aplicacin mltiple y compuestas.

La figura 21.8 muestra el formato general y la nomenclatura que usaremos para

obtener integrales de aplicacin mltiple. Hay n + 1 puntos igualmente espaciados
(x0, x1, x2, , xn). En consecuencia, existe n segmentos del mismo ancho:
Si a y b se designan como x0 y xn, respectivamente, la integral completa se
representara como

Sustituyendo la regla de trapecio en cada integral se obtiene

O agrupando trminos;

Figura 21.7
Ilustracin de la regla del trapecio de aplicacin mltiple.
a) Dos segmentos
b) Tres segmentos
c) Cuatro segmentos
d) Cinco segmentos
||
Como la sumatoria de los coeficientes de f(x) en el numerador dividido entre 2n es
igual a 1, la altura promedio representa un promedio ponderado de los valores de
la funcion.
De acuerdo con la ecuacion anterior, a los puntos interiores se les da el doble de
peso que a los dos puntos extremos f(x0) y f(xn).
Se tiene un error con la regla del trapecio de aplicacin multiple al sumar los
errores individuales de cada segmento, asi

Donde es la segunda derivada en un punto localizado en el segmento i.

Este resultado se simplifica al estimar la media o valor promedio de la segunda
derivada en todo el intervalo como:
Por lo tanto, S f<(xi)> n-f< y la ecuacion se describe como:

Asi, si se duplica el numero de segmentos, el error de truncamiento se divide entre

cuatro.

Observe que la ecuacion es un error aproximado debido a la

naturaleza aproximada de la ecuacion