Metodooooooos

INTEGRACIÓN NUMÉRICA
Las fórmulas de Newton Cotes son los tipos de integración numérica más comunes.
Se basan en la estrategia de reemplazar una función complicada o datos tabulados
por un polinomio de aproximación que es fácil de integrar.
𝑏 𝑏
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 ≅ ∫ 𝑓𝑛 (𝑥)𝑑𝑥
𝑎 𝑎
Donde 𝑓𝑛 (𝑥) es un polinomio de la forma
𝑓𝑛 (𝑥) = 𝑎0 + 𝑎1 𝑥 +…………𝑎𝑛−1 𝑥 𝑛−1 + 𝑎𝑛 𝑥 𝑛

Donde n es el grado del polinomio, por ejemplo: en la figura 1a se utiliza un polinomio
de primer grado (una línea recta) como una aproximación; en la figura 1b, se emplea
una parábola con el mismo propósito.
FIGURA 1a FIGURA 1b
La
integral también se puede aproximar usando un conjunto de polinomios aplicados por
pedazos a la función o datos, sobre segmentos de longitud constante. Por ejemplo, en
la figura 1.3, se usan tres segmentos de línea recta para aproximar la integral.
FIGURA 1.3
METODOS NUMÉRICOS 3
Aunque pueden utilizarse polinomios de grado superior con los mismos propósitos.
Con este antecedente, reconocemos que “el método de barras” emplea un conjunto de
polinomios de grado cero (es decir, constantes) para aproximar la integral.
Existen formas cerradas y abiertas de las fórmulas de Newton – Cotes. Las formas
cerradas son aquellas donde se conocen los datos al inicio y al final de los límites de
integración (figura 1.3a). Las formas abiertas tienen límites de integración que se
extienden más allá del intervalo de los datos (figura 1.3b). Por lo general, las formas
abiertas de Newton – Cotes no se usan para integración definida. Sin embargo, se
utilizan para evaluar integrales impropias y para obtener la solución de ecuaciones
diferenciales ordinarias.
FIGURA 1.3b FIGURA 1.3a
Este capítulo enfatiza las formas cerradas, al final de este se presenta brevemente una
introducción a las fórmulas abiertas de Newton Cotes
LA REGLA DEL TRAPECIO SIMPLE
La regla del trapecio es la primera de las fórmulas cerradas de integración de Newton
Cotes, corresponde al caso donde el polinomio de la ecuación (1) es de primer grado.
𝑏 𝑏
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 ≅ ∫ 𝑓𝑛 (𝑥)𝑑𝑥
𝑎 𝑎
Una línea recta se puede representar como:

𝑓(𝑏) − 𝑓(𝑎)
𝑓1 (𝑥) = 𝑓(𝑎) + (𝑥 − 𝑎)
𝑏−𝑎
El área bajo esta línea recta es una aproximación de la integral de f(x) entre los límites
a y b.
𝑏
𝑓(𝑏) − 𝑓(𝑎)
𝐼 = ∫ [𝑓(𝑎) + (𝑥 − 𝑎)] 𝑑𝑥
𝑎 𝑏−𝑎
El resultado de la integración es:
𝑓(𝑎) + 𝑓(𝑏)
𝐼 = (𝑏 − 𝑎)
2
Que se denomina regla del trapecio.
Geométricamente, la regla del trapecio es equivalente a aproximar el área del trapecio

bajo la línea recta que une 𝑓(𝑎) 𝑦 𝑓(𝑏) en la figura 1.4. Recuerde que la fórmula para
calcular el área de un trapezoide es la altura por el promedio de las bases En nuestro
caso, el concepto es el mismo, pero el trapezoide está sobre su lado Por lo tanto, la
integral aproximada se presenta como:
𝐼 = 𝑎𝑛𝑐ℎ𝑜 𝑥 𝑎𝑙𝑡𝑢𝑟𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
𝐼 = (𝑏 − 𝑎) 𝑥 𝑎𝑙𝑡𝑢𝑟𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
FIGURA 1.4
ALTURA
ANCHO
Donde, para la regla del trapecio, la altura promedio es el promedio de los valores de
[ 𝑓(𝑎)+𝑓(𝑏)]
la función en los puntos extremos, o .
2
Todas las fórmulas cerradas de Newton – Cotes se expresan en la forma general de la

ecuación 1.5. De hecho, sólo difieren respecto a la formulación de la altura promedio.
ERROR DE LA REGLA DEL TRAPECIO

Cuando empleamos la integral bajo un segmento de línea recta para aproximar la
integral bajo una curva, obviamente se tiene un error que puede ser importante (1).
Una estimación al error de truncamiento local para una sola aplicación de la regla del
trapecio es (1.2)
1 ′′
𝐸1 = 𝑓 (ɛ)(𝑏 − 𝑎)3
−12
Donde ɛ está en algún lugar en el intervalo de 𝑎 a 𝑏. La ecuación 1.6 indica si la
función sujeta a integración es lineal, la regla del trapecio será exacta. De otra manera,
para funciones con derivadas de segundo orden y de orden superior (es decir con
curvatura) puede ocurrir algún error.
Representación gráfica del empleo de una sola aplicación de la regla del trapecio para
aproximar la integral de 𝑓(𝑥) = 0.2 + 25𝑥 − 200 𝑥 3 + 675 𝑥 3 − 900𝑥 4 + 400𝑥 4 = 0 𝑎 0.8
Debido a que ℎ = 𝑏 − 𝑎 (para un segmento de la regla del trapecio), los límites de

integración 𝑎 𝑦 𝑏 corresponden a 0 y 1, respectivamente. Por lo tanto, la ecuación se
expresará como:
1 𝑓′′ (ɛ)
𝐼 = ℎ ∫0 [𝑓(𝑎) + 𝛥𝑓(𝑎)𝛼 + 2
𝛼(𝛼 − 1)ℎ2 ] 𝑑𝛼
Si se supone que para una h pequeña, el término 𝑓(ɛ) es aproximadamente constante,

entonces el resultado de la integración es:
1
𝛼2 𝛼2 𝛼2
𝐼 = ℎ ∫ [𝛼𝑓(𝑎)𝛼 + 𝛥𝑓(𝑎) + ( + ) 𝑓 ′′ (ɛ)ℎ2 ] 𝑑𝛼
0 2 6 4
Y tomándolos límites de integración

𝑓(𝑎) + 𝑓(𝑏) 1 ′′
𝐼=ℎ= − 𝑓 (ɛ)ℎ2
2 12
Como 𝛥𝑓(𝑎) = 𝑓(𝑏) − 𝑓(𝑎) , el resultado puede escribirse como
𝑓(𝑎) + 𝑓(𝑏) 1 ′′
𝐼=ℎ= − 𝑓 (ɛ)ℎ2
2 12
Regla del trapecio Error de truncamiento
Así, el primer término es la regla del trapecio y el segundo es una aproximación para el
error.
EJERCICIO
Integrar numéricamente:
𝑓(𝑥) = 0.2 + 25𝑥 − 200𝑥 2 + 675𝑥 3 − 900𝑥 4 + 400𝑥 5

Desde a=0 hasta b=0.8
SOLUCIÓN:
𝑓(0) = 0.2
𝑓(0.8) = 0.232
Sustituyendo en la fórmula:
0.2 + 0.232
𝐼 = 0.8 = 0.1728
2
El cual representa un error de
𝐸1 = 1.640533 − 0.1728 = 1.467733
Que corresponde a un error relativo porcentual de ɛ1 = 89.5%. La razón de este error
tan grande es evidente en la gráfica de la figura 1.6. Observe que el área de bajo la
línea recta no toma en cuenta una significativa porción de la integral que está por
encima de la línea.
En situaciones reales, tal vez no conozcamos previamente el valor verdadero. Por lo
tanto, se requiere una estimación del error aproximado. Para obtener dicha estimación
se calcula la segunda derivada de la función en el intervalo, derivando dos veces la
función original:
(−400+4050𝑥−10800𝑥 2 +8000𝑥 3 )
𝑓 ′′ (𝑥) = 𝑑𝑥
0.8−0
Calculando el valor promedio de la segunda derivada:

0.8
(−400 + 4050𝑥 − 10800𝑥 2 + 8000𝑥 3 )
𝑓 ′′ (𝑥) = ∫ 𝑑𝑥 = −60
0 0.8 − 0
Que se sustituye en la ecuación 1.6 y su resultado es:

1
𝐸1 = − (−60)(0.8)3 = 2.56
12
Que es del mismo orden de magnitud y signo que el error verdadero. Sin embargo,
existe una discrepancia, ya que, en un intervalo de este tamaño, el promedio de la
segunda derivada no es necesariamente una aproximación exacta de 𝑓 ′′ (ɛ), Así,
indicamos que el error es aproximado mediante la notación 𝐸𝑎 , y no exacto usando
𝐸𝑒 .
LA REGLA DEL TRAPECIO DE APLICACIÓN MÚLTIPLE
Una forma de mejorar la precisión de la regla del trapecio consiste en dividir el
intervalo de integración en a y b en varios segmentos, y aplicar el método a cada uno
de ellos (1.7). Las áreas de los segmentos se suman después para obtener la integral
en todo el intervalo. Las ecuaciones resultantes se llaman fórmulas de integración, de
aplicación múltiple o compuesta.
La figura 1.8 muestra el formato general y la nomenclatura que usaremos para obtener
integrales de aplicación múltiple. Hay n+1 puntos igualmente espaciados
(𝑥0 , 𝑥1 , 𝑥2 , … … … … . . , 𝑥𝑛 ). En consecuencia, existe n segmentos del mismo ancho:
𝑏−𝑎
ℎ=
𝑛
Si a y b se designan como 𝑥0 y 𝑥𝑛 , respectivamente, la integral se representará como:

𝑥1 𝑥2 𝑥3
𝐼 = ∫ 𝑓(𝑥) 𝑑𝑥 + ∫ 𝑓(𝑥) 𝑑𝑥 + … . . + ∫ 𝑓(𝑥) 𝑑𝑥
𝑥0 𝑥1 𝑥2
Sustituyendo la regla del trapecio en cada integral se obtiene

𝑓(𝑥0 ) + 𝑓(𝑥1 ) 𝑓(𝑥1 ) + 𝑓(𝑥2 ) 𝑓(𝑥𝑛−1 ) + 𝑓(𝑥𝑛 )
𝐼=ℎ +ℎ +⋯+ ℎ
2 2 2
O, agrupando términos.
𝑛−1
ℎ
𝐼 = [𝑓(𝑥0 ) + 2 ∑ 𝑓(𝑥𝑖 ) + 𝑓(𝑥𝑛 )]
2
𝑖=1
EJERCICIO
3 𝑑𝑥
Calcule ∫0 𝑥 2 +16
usando la regla del trapecio con n=6.
SOLUCIÓN:
𝑏−𝑎 3−0 1 𝑏−𝑎 1
𝛥𝑥 = 𝑛
= 6
= 2 , luego 2𝑛
=4
Sustituyendo en la fórmula:
3
𝑑𝑥 1
∫ = [𝑓(𝑥0 ) + 2𝑓(𝑥1 ) + 2𝑓(𝑥2 ) + 2𝑓(𝑥3 ) + 2𝑓(𝑥4 ) + 2𝑓(𝑥5 ) + 𝑓(𝑥6 )]
0 𝑥2 + 16 4
1 1 3 5
= [𝑓(0) + 2𝑓 ( ) + 2𝑓(1) + 2𝑓 ( ) + 2𝑓(2) + 2𝑓 ( ) + 𝑓(3)]
4 2 2 2
1
= 4 [0.0625 + 0.1230 + 0.1176 + 0.1096 + 0.1 + 0.09 + 0.04] =
1
[0.6427] = 0.1607
4
REGLA DE SIMPSON
 REGLA DE SIMPSON 1/3 SIMPLE:
Además de aplicar la regla trapezoidal o Rectangular con segmentos o sub áreas cada
vez más pequeñas, otra manera de obtener una estimación aún más exacta de una
integral, es la de usar polinomios de orden superior para conectar los puntos, en el
caso particular del método que usa orden 2, es decir de la forma: 𝑎𝑥 2 + 𝑏𝑥 + 𝑐
(cuadrática o parábola).
DESARROLLO DEL MODELO DE SIMPSON:
En este procedimiento, se va a tomar el intervalo de anchura 2h (siempre las

particiones será par), comprendido entre Límite inferior –h y límite superior en h, por
ende la mitad de la pequeña sub área se encontrará en el Punto 0, y se sustituyera la
función f(x) por la parábola que pasa por tres puntos (−ℎ, 𝑦𝑖 ), (0, 𝑦𝑖+1 ) y (ℎ, 𝑦𝑖+2 ).
Se procede a integrar dicho arco de parábola entre los límites descritos se tendrá:
ℎ 𝑎𝑥 3 𝑏𝑥 2 ℎ
∫−ℎ( 𝑎𝑥 2 + 𝑏𝑥 + 𝑐)𝑑𝑥 = [ 3
+ 2
+ 𝑐𝑥] −ℎ Remplazando cada uno de los límites, se
tiene:
𝑎(ℎ)3 𝑏(ℎ)2 𝑎(−ℎ)3 𝑏(−ℎ)2
[ 3
+ 2
+ 𝑐(ℎ)] − [ 3
+ 2
+ 𝑐(−ℎ)] , ahora destruyendo paréntesis se
tendrá:
𝑎(ℎ3 + ℎ3 ) 𝑏(ℎ2 − ℎ2 )
+ + 𝑐(ℎ + ℎ)
3 2
2𝑎ℎ 3
= + 2𝑐ℎ
3
ℎ ℎ
∫−ℎ( 𝑎𝑥 2 + 𝑏𝑥 + 𝑐)𝑑𝑥 = 3
(2𝑎ℎ2 + 6𝑐) Ecuación 1
Observando la figura, se puede decir que:
𝑓(𝑥𝑖 ) = 𝑦𝑖 = 𝑓(−ℎ) 𝑓(𝑥𝑖+1 ) = 𝑦𝑖+1 = 𝑓(0) 𝑓(𝑥𝑖+2 ) = 𝑦𝑖+2 = 𝑓(ℎ) .Entonces se

podría obtener el siguiente sistemas de ecuaciones, evaluando la ecuación general de
la parábola 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 en cada uno de los puntos de la pequeña sub área [−ℎ, ℎ]:
𝑓(−ℎ) = 𝑎ℎ2 − 𝑏ℎ + 𝑐 , Se puede tomar esta altura como 𝑦0 = 𝑓(𝑥𝑖 )
𝑓(0) = 𝑐 , se toma esta altura como 𝑦1 = 𝑓(𝑥𝑖+1 )
𝑓(ℎ) = 𝑎ℎ2 + 𝑏ℎ + 𝑐 , y esta altura como 𝑦2 = 𝑓(𝑥𝑖+2 )
De lo anterior se puede decir que:
2𝑎ℎ2 + 2𝑐 = 𝑦0 + 𝑦2 𝐄𝐜𝐮𝐚𝐜𝐢ó𝐧 𝟐
𝑦1 = 𝑐 𝐄𝐜𝐮𝐚𝐜𝐢ó𝐧 𝟑
En la ecuación 1 se puede expresar de la siguiente manera:
ℎ ℎ ℎ
∫−ℎ( 𝑎𝑥 2 + 𝑏𝑥 + 𝑐)𝑑𝑥 = 3
(2𝑎ℎ2 + 6𝑐) = 3
(2𝑎ℎ2 + 2𝑐 + 4𝑐) Ecuación 4
Remplazando las ecuaciones 2 y 3 en la ecuación 4 se tiene:
ℎ ℎ
∫−ℎ( 𝑎𝑥 2 + 𝑏𝑥 + 𝑐)𝑑𝑥 = 3 (𝑦0 + 4𝑦1 + 𝑦2 ) = 𝐴𝑖 Ecuación 5
Interpretando la ecuación 5 con base en la sub área seleccionada 𝐴𝑖 para desarrollar

el modelo de Simpson, se diría que el área del segmento es igual a la suma de la
altura o función evaluada en el lado izquierdo más cuatro veces la función evaluada en
la parte central de la sub área más la función evaluada en el lado derecho de la sub
área, todo esto multiplicado por el ancho del sub área y dividido por 3.
En el caso que si a y b se denomina como 𝑥0 y 𝑥2 , y 𝑓𝑖 (𝑥𝑖 ) se representa mediante

un polinomio de Lagrange de segundo orden, entonces la integral es:
𝑥2
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )
𝐼=∫ [ 𝑓(𝑥0 ) + 𝑓(𝑥1 )
𝑥0 (𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
+ 𝑓(𝑥2 )] 𝑑𝑥
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
𝑓(𝑥0 ) (𝑥 − 𝑥1 )(𝑥 − 𝑥2 )2 (𝑥 − 𝑥2 )3
= [ − ]
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) 2 6
𝑓(𝑥1 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥2 )2 (𝑥 − 𝑥2 )3
+ [ − ]
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) 2 6
𝑓(𝑥2 ) (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )2 (𝑥 − 𝑥1 )3 𝑥2
+ [ − ]
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) 2 6 𝑥0
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )2 (𝑥0 − 𝑥2 )3 (𝑥0 − 𝑥2 )3
= 𝑓(𝑥0 ) [− + ] + 𝑓(𝑥1 ) [ ]
2(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) 6(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) 6(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )2 (𝑥2 − 𝑥1 )3
+ 𝑓(𝑥2 ) [ −
2(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) 6(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
(𝑥0 − 𝑥1 )3
+ ]
6(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
(𝑥0 − 𝑥2 ) (𝑥0 − 𝑥2 )2 (𝑥0 − 𝑥2 )3

= 𝑓(𝑥0 ) [− + ] + 𝑓(𝑥1 ) [ ]
2 6(𝑥0 − 𝑥1 ) 6(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )
(𝑥2 − 𝑥1 ) (𝑥2 − 𝑥1 )2 (𝑥0 − 𝑥1 )3
+ 𝑓(𝑥2 ) [ − + ]
2 6(𝑥2 − 𝑥0 ) 6(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )
Remplazando 𝑥1 = 𝑥0 + ℎ 𝑥2 = 𝑥0 + 2ℎ resulta:
𝑥2
ℎ 4ℎ ℎ
∫ 𝑝(𝑥)𝑑𝑥 = 𝑓(𝑥0 ) [ ] + 𝑓(𝑥1 ) [ ] + 𝑓(𝑥2 ) [ ]
𝑥0 3 3 3
Luego:
𝑥2
ℎ
∫ 𝑝(𝑥)𝑑𝑥 = [ ] [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )]
𝑥0 3
Por lo tanto la regla de Simpson 1/3 simple es:
𝑥 ℎ 𝑏−𝑎
∫𝑥 2 𝑝(𝑥)𝑑𝑥 ≈ 3 [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )] ℎ= 2
0
Remplazando:
𝑥2
𝑏−𝑎
𝐼 = ∫ 𝑝(𝑥)𝑑𝑥 ≈ [𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )]
𝑥0 6
Esta ecuación se le conoce como la regla de Simpson 1/3, la especificación 1/3 se

origina del hecho que h está dividida en tres intervalos.
Además se puede determinar que la ecuación anterior tiene UN ERROR ASOCIADO
−𝟏
𝑬= ∗ 𝒉𝟓 𝒇(𝟒) (𝜻)
𝟗𝟎
También se puede expresar así:
(𝑏 − 𝑎)5 (4)
𝐸=− 𝑓 (𝜁)
2880
El término 𝑓 (4) (𝜁) lo podemos aproximar al promedio de la cuarta derivada:
𝑏
∫ 𝑖 (4) (𝜆)𝑑𝜆
𝑖 (4)
(𝜁) = 𝑎
𝑏−𝑎
El error asociado a la regla de Simpson nos indica que este método es más exacto
que otros métodos de integración como la regla del trapecio. Vemos que el error es
proporcional a la cuarta derivada, por lo tanto el coeficiente del tercer grado se hace
cero en la interpolación polinomial. Por lo tanto, para ecuaciones de tercer grado se
obtienen ecuaciones exactas aunque se aproxime con una parábola. Así, el método
de Simpson es muy relevante.
 REGLA DE SIMPSON 1/3 COMPUESTA O MULTIPLE:
Se utiliza la misma idea que la regla de Simpson

simple, con la diferencia que se divide el intervalo de
integración en muchos segmentos o sub intervalos,
como se observa en la figura. Es decir en lugar de 2
segmentos se hace para n segmentos donde n es de
la forma 2k (par).
𝑏−𝑎
Por lo tanto tomamos: ℎ= 𝑛
Por lo tanto, aplicando la regla de Simpson a cada sub intervalo se obtiene:
𝑥2 𝑥4 𝑥𝑛
∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓(𝑥)𝑑𝑥 + ⋯ + ∫ 𝑓(𝑥)𝑑𝑥
𝑥0 𝑥2 𝑥𝑛−1
(𝑏 − 𝑎) (𝑏 − 𝑎)
𝐼= (𝑓(𝑥0 ) + 4𝑓(𝑥1 ) + 𝑓(𝑥2 )) + (𝑓(𝑥2 ) + 4𝑓(𝑥3 ) + 𝑓(𝑥4 )) + ⋯ ⋯
6 6
(𝑏 − 𝑎)
+ (𝑓(𝑥𝑛−2 ) + 4𝑓(𝑥𝑛−1 ) + 𝑓(𝑥𝑛 ))
6
Sacando el factor común (𝑏 − 𝑎) y agrupamos términos obtenemos:
n−1
(f(x0 ) + 4 ∑i=1,2,… f(xi ) + 2 ∑𝑛−2
𝑗=1,2,… f(xj ) + f(xn ))
𝐼 = (𝑏 − 𝑎)
3n
La ecuación anterior es la regla de Simpson 1/3 generalizada a un número de par de

segmento e impar de puntos.
EL ERROR EN ESTE CASO ES DE:
(𝑏 − 𝑎)5 (4)
𝐸=− 𝑓
180𝑛4
 LA REGLA DE SIMPSON 3/8 SIMPLE
La Regla de los Tres Octavos de Simpson es similar a la regla de un tercio, excepto que se
determina el área bajo una parábola de tercer grado que conecta 4 puntos sobre una curva
dada. La forma general de la parábola de tercer grado es:
𝑎𝑥 3 + 𝑏𝑥 2 + 𝑐𝑥 + 𝑑
En la derivación, las constantes se determinan requiriendo que la parábola pase a través

de los cuatro puntos indicados sobre la curva mostrada en la figura.
−3 3
El intervalo de integración es de:
2
∆𝑥 a
2
∆𝑥 lo produce lo siguiente
3 3
∆𝑥 𝑎𝑥 4 𝑏𝑥 3 𝑥2 ∆𝑥
2
𝐴 = ∫−3 ( 𝑎𝑥 3 + 𝑏𝑥 2 + 𝑐𝑥 + 𝑑)𝑑𝑥 = [ + +𝑐 2
+ 𝑑𝑥] −3
∆𝑥 4 3 2 ∆𝑥
2 2
3 3 3
𝑎(2 ∆𝑥)4 𝑏(2 ∆𝑥)3 (2 ∆𝑥)2 3
𝐴=[ + +𝑐 + 𝑑( ∆𝑥)]
4 3 2 2
3 3 3
𝑎(− 2 ∆𝑥)4 𝑏(− 2 ∆𝑥)3 (− 2 ∆𝑥)2 3
−[ + +𝑐 + 𝑑(− ∆𝑥)]
4 3 2 2
2 3 3
𝐴 = 𝑏( ∆𝑥)3 + 2𝑑( ∆𝑥)
3 2 2
9
𝐴 = 4 𝑏∆𝑥 3 + 3𝑑∆𝑥
3
𝐴 = ∆𝑥(6𝑏∆𝑥 2 + 8𝑑)
8
3
𝐴 = ∆𝑥(𝑦0 + 3𝑦1 + 3𝑦2 + 𝑦3 )
8
La regla de Simpson de 3/8 tiene un error por truncamiento de:
−𝟑
𝑬= ∗ ∆𝑥 𝟓 𝒇(𝟒) (𝜻)
𝟖𝟎
Por lo tanto es algo más exacta que la regla de 1/3
La regla de 3/8 tiene utilidad en las aplicaciones de segmentos múltiples cuando el

número de fajas es impar.
LA REGLA DE SIMPSON 3/8 COMPUESTA:
3
𝐴 = ∆𝑥(𝑦0 + 3𝑦1 + 3𝑦2 + 2𝑦3 + 3𝑦4 + 3𝑦5 + 2𝑦6 + ⋯ + 𝑦𝑛 )
8
𝑏−𝑎
Tomando ∆𝑥 = 𝑛
donde n es el número de sud intervalos, con la condición de que n
sea múltiplo de 3 y que en cada sumatoria se tome los valores de i=i+3
n−2
3 (𝑦0 + 3 ∑i=1,4,7,… 𝑦𝑖 + 3 ∑𝑛−1 𝑛−3
𝑗=2,5,8… 𝑦𝑗 + 2 ∑𝑘=3,6,9… 𝑦𝑘 + 𝑦𝑛 )
𝐴 = (𝑏 − 𝑎)
8 n
La regla de Simpson de 3/8 compuesta tiene un error de:
−𝒏
𝑬= ∗ ∆𝑥 𝟓 𝒇(𝟒) (𝜻)
𝟖𝟎
APLICACIÓN DE LA REGLA DE SIMPSON 1/3
Problema 01.-
Se tiene un sistema magnético en un transformador, en donde la energía se almacena

en la inductancia. Recordemos que la energía en este caso está relacionada con el
enlazamiento de flujo λ y sabemos que la corriente en función de los enlazamientos de
flujo es:
𝜆5 25𝜆4
𝑖(𝜆) = − + 125𝜆3 + 2500𝜆2 + 25000𝜆 − 100000
32 8
Determine la energía almacenada en la inductancia desde λ=20, hasta λ=25Wb.
Además encuentre el error estimado usando la regla de Simpson.
Solución
La energía está dada por la siguiente ecuación:
𝜆
𝑒 = ∫ 𝑖𝑑𝜆
0
Colocando la ecuación en la integral:
𝜆
𝜆5 25𝜆4
𝑤=∫ ( − + 125𝜆3 + 2500𝜆2 + 25000𝜆 − 100000) 𝑑𝜆
0 32 8
Resolviendo la integral:
𝜆6 5𝜆5 125 4 2500 3 25000 2

𝑤=( − + 𝜆 + 𝜆 + 𝜆 − 100000𝜆)
192 8 4 3 2
Utilizando el método de Simpson 1/3, hacemos la siguiente aproximación:
𝑖(𝜆0 ) + 4𝑖(𝜆1 ) + 𝑖(𝜆2 )

𝑤 ≅ (𝑏 − 𝑎)
6
Determinación de los puntos
𝑖(𝜆0 ) = 𝑖(20) = 0
𝑖(𝜆1 ) = 𝑖(22.5) = 3.05176
𝑖(𝜆2 ) = 𝑖(25) = 97.6563
0 + 4 ∗ 3.05176 + 97.6563
𝑤 = (25 − 20)
6
𝑤 = 91.55273
El error de truncamiento o error estimado está dado por la ecuación:
(𝑏 − 𝑎)5 (4)
𝐸= 𝑓 (𝜁)
2880
El termino 𝑓 (4) (𝜁) lo aproximaremos al promedio de la cuarta derivada.
𝑏
(4)
∫𝑎 𝑖 (4) (𝜆)𝑑𝜆
𝑖 (𝜁) =
𝑏−𝑎
Derivando la expresión:
𝜆5 25𝜆4
𝑖(𝜆) = − + 125𝜆3 + 2500𝜆2 + 25000𝜆 − 100000
32 8
5𝜆4 25𝜆3
𝑖′(𝜆) = − + 375𝜆2 + 5000𝜆 + 25000
32 2
5𝜆3 75𝜆2
𝑖′′(𝜆) = − + 750𝜆1 + 5000
8 2
15𝜆2
𝑖′′′(𝜆) = − 75𝜆 + 750
8
15𝜆1
𝑖 (4) (𝜆) = − 75
4
Sustituyendo la ecuación anterior en la ecuación y colocando los limites de integración

se obtiene:
25 15𝜆1
∫20 ( 4 − 75) 𝑑𝜆
𝑖 (4) (𝜁) =
25 − 20
75
𝑖 (4) (𝜁) = = 9.375
8
Ya obtenido el valor anterior sustituimos en la ecuación para encontrar el error.
(25 − 20)5
𝐸= ∗ 9.375
2880
𝐸 = 10.1725
Si derivamos de manera analítica la solución es: 81.3802083333. Si restamos el valor
real menos el aproximado obtenido con la regla de Simpson se obtiene: 91.55273437 -
81.3802083333 =10.1725
En este caso se concluye que el error es el mismo.}
Ejercicio 02
Calcular el valor aproximado de la integral:
1
𝑥𝑑𝑥
∫
0 (𝑥 + 1)(𝑥 + 2)
Utilizando la regla de Simpson 1/3 compuesta con n=8
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
[f(x0 ) + 4( f(x1 ) + f(x3 ) + f(x5 ) + f(x7 )) + 2(f(x2 ) + f(x4 ) + f(x6 )) + f(x8 )]
𝐼≈ℎ
3
0.125
≈ [4(0.05228 + 0.11483 + 0.14652 + 0.162319) + 2(0.0888 0.1333 +
3
0.15584) + 0.1666]
≈ 0.1177615
n I(Simpson)
n=1 0.1177615
n=2 0.05888075
n=3 0.03925383
n=4 0.029440375
n=5 0.0235523
n=6 0.0196269
n=7 0.01682307
n=8
Ejercicio 03
Una cuerda vibra adoptando la forma, y = sen x entre las abscisas x = 0 y x = 4 en un

instante 𝑡0 .Calcúlese aproximadamente la longitud de la cuerda, utilizando un método
numérico con n = 8.
Dado que tenemos que calcular la longitud de la función f(x) = sen x, entre x = 0 y x =
4, aplicaremos la formula.
𝑏 4
𝐿 = ∫𝑎 √1 + (𝑓′(𝑥))2 𝑑𝑥 𝐿 = ∫0 √1 + (cos 𝑥)2 𝑑𝑥
Que nos proporciona la integral que debemos estimar numéricamente mediante la

regla de Simpson con n = 8 como propone el enunciado.
𝑔(𝑥) = √1 + (cos 𝑥)2
𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8
0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
𝑔(𝑥0 ) 𝑔(𝑥1 ) 𝑔(𝑥2 ) 𝑔(𝑥3 ) 𝑔(𝑥4 ) 𝑔(𝑥5 ) 𝑔(𝑥6 ) 𝑔(𝑥7 ) 𝑔(𝑥8 )
1.41421 1.33047 1.13663 1.0025 1.08313 1.28134 1.40715 1.37002 1.19468
[g(x0 ) + 4( g(x1 ) + g(x3 ) + g(x5 ) + g(x7 )) + 2(g(x2 ) + g(x4 ) + g(x6 )) + g(x8 )]

𝐼≈ℎ
3
0.5
≈ [1.41421 + 4(1.33047 + 1.0025 + 1.28134 + 1.37002) + 2(1.13663 + 1.08313 +
3
1.40715) + 1.19468]
≈ 4.96667
Es posible calcular de forma precisa, por otros métodos, este resultado, obteniéndose:
4.966615, por lo que deducimos que el Método de Simpson proporciona un valor muy
correcto en este caso.
AJUSTE DE CURVAS
A lo largo de la profesión de un ingeniero, frecuentemente se presentan
ocasiones en las que deben ajustar curvas a un conjunto de datos
representados por puntos.
Básicamente el ajuste de curvas se utiliza cuando se tiene una serie de datos
calculados y se desea conocer valores intermedios no conocidos, o también en
aquellos casos en que se desee una versión simplificada de una función que se
ajuste a un número de valores concretos, y posteriormente usar la función
simplificada para derivar nuevos valores.
“Ajustar una curva implica ajustar una función 𝑔(𝑥) a un conjunto de datos
(𝑥𝑖 ; 𝑦𝑖 ), 𝑖 = 1,2,3, … ; 𝑔(𝑥) puede ser un polinomio, una función lineal o
combinación de funciones conocidas”.
El ajuste de curvas en ingeniería tiene como aplicación principal, a partir de una
serie de datos experimentales, realizar:
 ANÁLISIS DE TENDENCIA: realizar predicciones de la variable

dependiente ya sea para buscar valores fuera del límite observado
(EXTRAPOLACIÓN) o dentro del rango de datos observado
(INTERPOLACIÓN).
 PRUEBA DE HIPÓTESIS: cuando se tiene un modelo matemático que

se puede usar para comparar los datos que produce con los datos
medidos experimentalmente. Si desconocemos los coeficientes del
modelo se calculan a partir de los datos y luego se prueba que tan
adecuado es al evaluar los resultados que produce.
Hay dos métodos para lograr ajuste de curvas:
1. Si los datos no son muy exactos o tienen asociado un error (ruido)
entonces la mejor manera es establecer una sola curva que represente
la tendencia general de los datos observados. Se conoce como
REGRESIÓN LINEAL, cuyo método más sencillo es la REGRESIÓN
POR MÍNIMOS CUADRADOS.
2. Si los datos que se tienen son precisos se trazan una o varias curvas
que pasan por cada uno de los puntos de datos. A esto se le llama
INTERPOLACIÓN, la cual puede ser lineal o curvilínea.
METODO DE MINIMOS CUADRADOS
En la regresión lineal partimos de un conjunto de observaciones (𝑥𝑖 , 𝑦𝑖 ) de dos

variables 𝑥 e 𝑦. Por alguna razón, hemos decidido que la relación que existe
entre ambas es estrictamente lineal. Las razones para esta decisión pueden
estar basadas en la inspección gráfica de los datos, en consideraciones
teóricas sobre la forma en que actúa una variable sobre otra, ser una primera
aproximación tentativa, o una mezcla de todas las anteriores. Aunque la
relación entra esas dos variables sea substancialmente lineal, las
observaciones que obtenemos no estarán perfectamente alineadas, sino que
se encontrarán más o menos dispersas debido a factores no controlados o a la
variabilidad intrínseca de la variable considerada. La situación será la que se
refleja en la figura siguiente:
x
Y
x x
x x
x
x
x
x
x
X
Si pretendemos predecir la variable Y en función de los valores de la variable X
deberemos de determinar la recta de regresión de Y sobre X que tendrá como
expresión genérica:
𝑌 = 𝑎𝑥 + 𝑏
donde 𝑎 es la pendiente de la recta que representa el incremento que experimenta el
valor 𝑦 por cada unidad que se incrementa el valor de 𝑥, y 𝑏 es la ordenada en el
origen, es decir el valor de 𝑦 cuando 𝑥 vale cero.
Obviamente, como los puntos que representan a las observaciones, no están
perfectamente alineados, la recta no determinará exactamente los valores de 𝑦. Si
calculásemos la diferencia entre el valor observado y el que predice la recta,
obtendríamos una diferencia que llamaremos residuo. Esta situación puede verse en el
gráfico siguiente:
Si designamos 𝑦′ los valores que predice la recta de regresión:
𝑦𝑖′ = 𝑎𝑥𝑖 + 𝑏
de acuerdo con lo expresado anteriormente, los residuos serán:
𝑒𝑖 = 𝑦𝑖′ − 𝑦𝑖
y despejando obtenemos el modelo explicativo de las observaciones:

𝑦𝑖 = 𝑦𝑖′ + 𝑒𝑖 = 𝑎𝑥𝑖 + 𝑏 + 𝑒𝑖
Recta de mínimos cuadrados
Para abordar el problema de determinar los coeficientes a y b de la recta que mejor se

ajusta a un conjunto de observaciones (𝑥𝑖 , 𝑦𝑖 ), utilizaremos el método de mínimos
cuadrados. Este método consiste en determinar la recta de tal forma que la suma de
los cuadrados de los residuos sea mínima. Aplicando este método se obtienen las
siguientes expresiones:
𝑛 ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑎=
𝑛 ∑ 𝑥𝑖2 − (∑ 𝑥𝑖 )2
∑ 𝑦𝑖 ∑ 𝑥𝑖
𝑏= −𝑎
𝑛 𝑛
𝐸𝑟𝑟𝑜𝑟 = ∑(𝑦𝑖 − 𝑏 − 𝑎𝑥𝑖 )2
Coeficiente de correlación de Pearson (r)

Este coeficiente nos informa del grado de relación entre dos variables. Si la relación es
lineal perfecta. El valor del índice de correlación varía en el intervalo [-1,1], indicando
el signo el sentido de la relación:
 Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia
total entre las dos variables denominada relación directa: cuando una de ellas
aumenta, la otra también lo hace en proporción constante.
 Si 0 < r < 1, existe una correlación positiva.
 Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que las
variables son independientes: pueden existir todavía relaciones no lineales entre
las dos variables.
 Si -1 < r < 0, existe una correlación negativa.
 Si r = -1, existe una correlación negativa perfecta. El índice indica una
dependencia total entre las dos variables llamada relación inversa: cuando una de
ellas aumenta, la otra disminuye en proporción constante.
∑ 𝑥𝑦
𝑟= 𝑛 − 𝑥̅ 𝑦̅
2 2
√∑ 𝑥 − 𝑥̅ 2 √∑ 𝑦 − 𝑦̅ 2
𝑛 𝑛
OTRA FORMA DE AJUSTAR A UNA CURVA MEDIANTE MINIMOS CUADRADOS
En el problema de ajuste a curvas se desea que dada una tabla de valores (xi, fi)
encontrar una curva que se ajuste de la mejor manera a los datos. La curva está
definida en forma paramétrica, y se deben encontrar los valores de sus parámetros
para hacer que alguna medida de error se minimice.
AJUSTE A UN POLINOMIO
Suponga que se desea ajustar a un polinomio de la forma:
𝑛+1
𝑛 𝑛−1
𝑃𝑛(𝑥) = 𝑎1 𝑥 + 𝑎2 𝑥 + ⋯ + 𝑎𝑛 𝑥 + 𝑎𝑛+1 = ∑ 𝑎𝑖 𝑥 𝑛−𝑖+1
𝑖=1
El problema de ajuste consiste en encontrar los coeficientes 𝑎𝑖 que hagan que este
polinomio se parezca lo más posible a los datos de acuerdo con alguna definición de
error.
Definimos el error 𝜀 del polinomio en el punto 𝑥 como la diferencia entre el valor que
toma el polinomio y el valor 𝑦 , es decir,
𝜀𝑗 = 𝑓𝑗 − 𝑃𝑛(𝑥𝑗 )
Ahora definimos el error cuadrático total 𝜖 como la suma de los errores al cuadrado
para todos los datos, esto es,
𝑛
𝜖 ≡ ∑ 𝜀𝑗2
𝑗=1
𝑛 𝑛 𝑛+1 2
2
𝜖 ≡ ∑ (𝑓𝑗 − 𝑃𝑛 (𝑥𝑗 )) ≡ ∑ (𝑓𝑗 − ∑ 𝑎𝑖 𝑥𝑗𝑛−𝑖+1 )
𝑗=1 𝑗=1 𝑖=1
𝑛
2
𝜖 ≡ ∑(𝑓𝑗 − 𝑎1 𝑥𝑗𝑛 − 𝑎2 𝑥𝑗𝑛−1 − ⋯ − 𝑎𝑛−1 𝑥𝑗2 − 𝑎𝑛 𝑥𝑗 − 𝑎𝑛+1 )
𝑗=1
Donde n es el número de datos. Mediante el método de mínimos cuadrados se

encuentran los valores de los coeficientes 𝑎𝑖 que hacen que se minimice el valor de 𝜖.
Para obtener el valor de los coeficientes 𝑎𝑖 y producir el mínimo error, derivamos el
error cuadrático total 𝜖 respecto a cada componente de 𝑎 e igualamos a cero:
𝑛 𝑛+1
𝜕𝜖
= ∑ 2(𝑓𝑗 − ∑ 𝑎𝑖 𝑥𝑗𝑛−𝑖+1 )(−1) = 0
𝜕𝑎𝑛+1
𝑗=2 𝑖=1
𝑛 𝑛+1
𝜕𝜖
= ∑ 2(𝑓𝑗 − ∑ 𝑎𝑖 𝑥𝑗𝑛−𝑖+1 )(−𝑥𝑗 ) = 0
𝜕𝑎𝑛
𝑗=2 𝑖=1
Luego de realizar operaciones matemáticas, tenemos un sistema de ecuaciones de

𝑛 + 1 ecuaciones con de 𝑛 + 1 incógnitas que son los coeficientes de 𝑎𝑖 .
Expresando este sistema de ecuaciones en forma matricial obtenemos lo siguiente:
𝑛 ∑ 𝑥𝑗 … ∑ 𝑥𝑗𝑛−1 ∑ 𝑥𝑗𝑛 ∑ 𝑓𝑗
∑ 𝑥𝑗 𝑎𝑛+1
∑ 𝑥𝑗2 … ∑ 𝑥𝑗𝑛 ∑ 𝑥𝑗𝑛+1 𝑎𝑛 ∑ 𝑥𝑗 𝑓𝑗
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ = ⋮
𝑎2
∑ 𝑥𝑗𝑛−1 ∑ 𝑥𝑗𝑛 … ∑ 𝑥𝑗
2𝑛−2
∑ 𝑥𝑗2𝑛−1 [ 𝑎1 ] ∑ 𝑥𝑗𝑛−1 𝑓𝑗
𝑛 … 𝑛
[ ∑ 𝑥𝑗 ∑ 𝑥𝑗𝑛+1 ∑ 𝑥𝑗2𝑛−1 ∑ 𝑥𝑗2𝑛 ] [ ∑ 𝑥𝑗 𝑓𝑗 ]
Donde todas las sumatorias son ∑𝑛𝑗=1 . Esta última forma es la usual de expresar las
ecuaciones que definen el método de mínimos cuadrados para ajuste a un polinomio
de orden 𝑛.
Para ajustar a una recta, es decir 𝑃1 = 𝑎1 𝑥 + 𝑎2 , el sistema de ecuaciones es el
siguiente:
𝑛 ∑ 𝑥𝑗 𝑎2 ∑ 𝑓𝑗
[ ] [𝑎 ] = [ ]
1
∑ 𝑥𝑗 ∑ 𝑥𝑗2 ∑ 𝑥𝑗 𝑓𝑗
Para ajustar a una parábola, es decir 𝑃3 = 𝑎1 𝑥 2 + 𝑎2 𝑥 + 𝑎3 , el sistema de ecuaciones

es el siguiente:
𝑛 ∑ 𝑥𝑗 ∑ 𝑥𝑗2 ∑ 𝑓𝑗
𝑎3
∑ 𝑥𝑗 ∑ 𝑥𝑗2 ∑ 𝑥𝑗3 [𝑎2 ] = ∑ 𝑥𝑗 𝑓𝑗
𝑎1
2
[∑ 𝑥𝑗 ∑ 𝑥𝑗3 ∑ 𝑥𝑗4 ] 2
[∑ 𝑥𝑗 𝑓𝑗 ]
AJUSTE A UNA EXPONENCIAL

Es posible ajustar a otras curvas que no son polinomios convirtiendo el problema en
uno de ajuste a un polinomio. Para ajustar a una curva de la forma:
𝑦 = 𝑎𝑒 𝑏𝑥
Se toma el logaritmo natural de la ecuación anterior,
ln𝑦 = 𝑏𝑥 + 𝑙𝑛𝑎
Comparando la expresión de 𝑙𝑛𝑦 con un polinomio de primer orden, 𝑃1 (𝑥) = 𝑎1 𝑥 + 𝑎2 ,
y haciendo las sustituciones 𝑃𝑛(𝑥) por ln 𝑦 , 𝑎1 por 𝑏, y 𝑎2 por ln 𝑎 tenemos que el
sistema de ecuaciones siguiente nos da el valor de las constantes 𝑏 y 𝑎:
𝑛 ∑ 𝑥𝑗 ∑ ln 𝑓𝑗
ln 𝑎
[ ][ ]=[ ]
∑ 𝑥𝑗 ∑ 𝑥𝑗2 𝑏 ∑ 𝑥𝑗 ln 𝑓𝑗
De forma similar, para ajustar a una curva de la forma
𝑦 = 𝑎𝑥 𝑏
Se toma el logaritmo de la expresión anterior.
ln 𝑦 = 𝑏 ln 𝑥 + ln 𝑎
Comparando con la expresión de 𝑃1 (𝑥) = 𝑎1 𝑥 + 𝑎2 , y sustituyendo, 𝑎1 por 𝑏, 𝑎2 por
ln 𝑎 y 𝑥 por ln 𝑥 , tenemos el sistema de ecuaciones siguiente:
𝑛 ∑ ln 𝑥𝑗 ∑ ln 𝑓𝑗
ln 𝑎
[ ][ ]=[ ]
∑ ln 𝑥𝑗 ∑ ln2 𝑥𝑗 𝑏 ∑ ln 𝑥 ln 𝑓
𝑗 𝑗
Que nos da los valores de las constantes 𝑎 y 𝑏.
EJEMPLOS:
1) Se quiere ajustar los siguientes datos a polinomios de orden 1, 2 y 3.
Xi 0.4 2.5 4.3 5.0 6.0

fi 1 0.50 2.00 2.55 4.00
 Para orden 1
5.0 18.2 𝑎1 10.05
[ ] [𝑎 ] = [ ]
18.2 85.9 2 47.00
0.5301
De donde se obtiene que 𝑎 = [ ]
0.0803
Por lo tanto 𝑃1 (𝑥) = 0.5301𝑥 + 0.803
 Para orden 2
5.0 18.2 85.9 𝑎1 10.05
[18.2 85.9 436.2 ] [𝑎2 ] = [ 47.00 ]
85.9 436.2 2302.0 𝑎3 248.01
0.1981
De donde se obtiene que 𝑎 = [−0.7153]
1.2095
Por lo tanto 𝑃2 (𝑥) = 0.1981𝑥 2 − 0.7153𝑥 + 1.2095
 Para orden 3
5.0 18.2 85.9 436.1960 𝑎1 10.05
18.2 85.9 𝑎2
[ 436.1960 2301.9682 ] [ ] = [ 47.00 ]
85.9 436.1960 2301.9682 12468.7509 𝑎3 248.015
436.1960 2301.9682 12468.7509 68846.5078 𝑎4 1349.6405
−0.0198
0.3909
De donde se obtiene que 𝑎 = [−1.2081]
1.4171
Por lo tanto 𝑃2 (𝑥) = −0.0198𝑥 3 + 0.3909𝑥 2 − 1.2081𝑥 + 1.4171
2) Ajuste los siguientes datos a la forma 𝑦 = 𝑎𝑒 𝑏𝑥
Xi 1 1.5 2 2.5 3
fi 1.2379 0.7598 0.7612 0.4342 0.2123
Ajustamos los datos de la forma exponencial en la matriz:
𝑛 ∑ 𝑥𝑗 ∑ ln 𝑓𝑗
ln 𝑎
[ ][ ]=[ ]
∑ 𝑥𝑗 ∑ 𝑥𝑗2 𝑏 ∑ 𝑥𝑗 ln 𝑓𝑗
Sustituyendo datos:
5 12.7 ln 𝑎 −2.7183
[ ][ ]=[ ]
12.7 42.49 𝑏 −11.1636
De donde ln𝑎 = .5136 𝑦 𝑏 = −0.4163, es decir
𝑦 = 1.6713 exp(−0.4163𝑥) = −1.6713𝑒 −0.4163𝑥
3) Ajuste los siguientes datos a la forma 𝑦 = 𝑎𝑥 𝑏
Xi 1 1.2 2 3.2 5
fi 4.7511 18.4011 5.4736 64.9299 238.4294
𝑛 ∑ ln 𝑥𝑗 ∑ ln 𝑓𝑗
ln 𝑎
[ ][ ]=[ ]
∑ ln 𝑥𝑗 ∑ ln2 𝑥𝑗 𝑏 ∑ ln 𝑥 ln 𝑓
𝑗 𝑗
Sustituyendo datos:
5 3.8712 ln 𝑎 15.8181
[ ][ ]=[ ]
3.8712 4.5881 𝑏 16.0236
De donde ln𝑎 = 1.3256 𝑦 𝑏 = 2.3740, es decir
𝑦 = 3.7645𝑥 2.3740
INTERPOLACION
En el subcampo matemático del análisis numérico, se denomina interpolación a la

obtención de nuevos puntos partiendo del conocimiento de un conjunto discreto de
puntos.
En ingeniería y algunas ciencias es frecuente disponer de un cierto número de puntos
obtenidos por muestreo o a partir de un experimento y pretender construir
una función que los ajuste.
Otro problema estrechamente ligado con el de la interpolación es la aproximación de
una función complicada por una más simple. Si tenemos una función cuyo cálculo
resulta costoso, podemos partir de un cierto número de sus valores e interpolar dichos
datos construyendo una función más simple. En general, por supuesto, no
obtendremos los mismos valores evaluando la función obtenida que si evaluamos la
función original, si bien dependiendo de las características del problema y del método
de interpolación usado la ganancia en eficiencia puede compensar el error cometido.
En todo caso, se trata de, a partir de n parejas de puntos  xk , yk  , obtener una
función f que verifique:
f ( xk )  yk , k  1,...., n
A la que se denomina función interpolante de dichos puntos. A los puntos xk se les
llama nodos.
POLINOMIO DE INTERPOLACION LAGRANGE
El polinomio de Lagrange es simplemente una reformulación del polinomio de
Newton que evita el calcula de las diferencias finitas, y se presenta de manera
concisa como:
n
f n ( x)   f  xi  Li  x 
i 0
Donde:
n x  xj
Li  x   
j 0 xi  x j
j i
Donde  designa el “producto de”. Por ejemplo
 Versión lineal:
x  x1 x  x0
f1 ( x)  f ( x0 )  f ( x1 )
x0  x1 x1  x0
 Versión de segundo orden:
f 2 ( x)  f ( x0 )
 x  x1  x  x2   f ( x )  x  x0  x  x2   f ( x )  x  x0  x  x1 
 x0  x1  x0  x2  1
 x1  x0  x1  x2  2
 x2  x0  x2  x1 
 Versión de tercer orden:
f3 ( x)  f ( x0 )
 x  x1  x  x2  x  x3   f ( x )  x  x0  x  x2  x  x3  
 x0  x1  x0  x2  x  x3  1
 x1  x0  x1  x2  x  x3 
f ( x2 )
 x  x0  x  x1  x  x3   f ( x )  x  x0  x  x1  x  x2 
 x2  x0  x2  x1  x2  x3  3
 x3  x0  x3  x1  x3  x2 
EJERCICIOS
Ejercicio 1:
Calcular el polinomio de interpolación de Lagrange para el siguiente conjunto de
puntos:
xi 0 0.33 0.66 1
yi 1 1.391 1.935
2.718
Solución
i). sustituyendo en la ecuación de tercer orden:
3
f3 ( x)   f  xi  Li  x 
i 0
f 3 ( x)  1
 x  0.33 x  0.66  x  1 
 0  0.33 0  0.66  0  1
1.391
 x  0  x  0.66  x  1 
 0.33  0  0.33  0.66  0.33  1
1.935
 x  0  x  0.33 x  1 
 0.66  0  0.66  0.33 0.66  1
2.718
 x  0  x  0.33 x  0.66 
1  0 1  x1 1  0.66 
ii). Simplificando obtendremos como resultado:
f3 ( x)  4.59137  x  0.33 x  0.66 x  1 
19.06446 x  x  0.66  x  1 
26.13029 x  x  0.33 x  1 
11.93152 x  x  0.33 x  0.66 
 f3 ( x)  0.27432 x3  0.43090 x 2  1.01278 x  1
Ejercicio 2:
Se busca un polinomio cuya grafica pasa por los siguientes puntos:(0;7), (3;7), (6;6)
Solucion:
xi 0 3 6
fi 7 7 6
Como podemos apreciar, hay 3 puntos dados, por lo tanto, nuestro polinomio será de
segundo orden
i). sustituyendo en la ecuación de tercer orden:
2
f 2 ( x)   f  xi  Li  x 
i 0
f 2 ( x)  7
 x  3 x  6   7  x  0  x  6   6  x  0  x  3
 0  3 0  6   3  0  3  6   6  0  6  3
ii). Simplificando obtendremos como resultado:
f3 ( x)  0.3889  x  3 x  6  0.7778x  x  6  0.3333x  x  3
 f3 ( x)  0.0556 x 2  7.1670 x  7.0002
Ejercicio 3:
Con un polinomio de interpolación de Lagrange de segundo grado, evalúe y grafique Ln2
xi 1 4 6
fi 0 1.386294 1.791760
Solucion
2
f 2 ( x)   f  xi  Li  x 
i 0
f 2 (2)  0
 4  2  6   1.386294  2  1 2  6   1.791760  2  1 2  4   0.565844
1  4 1  6   4  1 4  6   6  1 6  4 
0.693147  0.565844
Error= 100%  18.36%
0.693147
Ejercicio 4:
Estimar la velocidad de un paracaidista en T=10s
Tiempo Velocidad media
(s) (cm/s)
1 800
3 2310
5 3090
7 3940
13 4755
Solución
5
f5 ( x)   f  xi  Li  x 
i 0
f5 (10)  800
10  310  510  7 10  13  2310 10  110  5 10  7 10  13  
1  31  51  7 1  13  3  1 3  5  3  7  3  13
3090
10  110  310  7 10  13  3940 10  110  310  5 10  13 
 5  1 5  3 5  7  5  13  7  1 7  3 7  5  3  13
4755
10  110  310  510  7 
13  113  313  5 13  7 
 f5 (10)  258.9453  259
 La velocidad del paracaidista en T=10, es de V=259cm/s
CONCLUSIONES
ANEXOS
MINIMOS CUADRADOS mediante matrices, Documento en Excel
1) Se quiere ajustar los siguientes datos a un polinomio de orden 1

Xi 0.4 2.5 4.3 5 6
fi 1 0.5 2 2.55 4
Solución :
n x f x^2 x.f
1 0.4 1 0.16 0.4
2 2.5 0.5 6.25 1.25
3 4.3 2 18.49 8.6
4 5 2.55 25 12.75
5 6 4 36 24
n=5 18.2 10.05 85.9 47
ESTRUCTURANDO LA MATRIZ
5 18.2 a_2 10.05 Inversa

=
18.2 85.9 a_1 47 0.87421128 -0.18522288
-0.18522288 0.05088541
HALLAMOS LAS VARIABLES

GRÁFICA
a_2 0.08034806 5
=
a_1 0.53012416 4
3 y = 0.5301x + 0.0803
LA ECUACIÓN DE LA RECTA QUEDA DE LA FORMA:
2
Y = 0.5301X+0.0803 1
0
0 2 4 6 8
OTRA FORMA, MEDIANTE EL COMANDO "ESTIMACION.LINEAL"
BIBLIOGRAFÍA

Metodooooooos

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Metodooooooos

Hochgeladen von

Copyright:

Verfügbare Formate

INTEGRACIÓN NUMÉRICA

Donde 𝑓𝑛 (𝑥) es un polinomio de la forma

𝑓𝑛 (𝑥) = 𝑎0 + 𝑎1 𝑥 +…………𝑎𝑛−1 𝑥 𝑛−1 + 𝑎𝑛 𝑥 𝑛

Una línea recta se puede representar como:

El resultado de la integración es:

Geométricamente, la regla del trapecio es equivalente a aproximar el área del trapecio

Todas las fórmulas cerradas de Newton – Cotes se expresan en la forma general de la

ERROR DE LA REGLA DEL TRAPECIO

Debido a que ℎ = 𝑏 − 𝑎 (para un segmento de la regla del trapecio), los límites de

Si se supone que para una h pequeña, el término 𝑓(ɛ) es aproximadamente constante,

Y tomándolos límites de integración

Regla del trapecio Error de truncamiento

𝑓(𝑥) = 0.2 + 25𝑥 − 200𝑥 2 + 675𝑥 3 − 900𝑥 4 + 400𝑥 5

Calculando el valor promedio de la segunda derivada:

Que se sustituye en la ecuación 1.6 y su resultado es:

Si a y b se designan como 𝑥0 y 𝑥𝑛 , respectivamente, la integral se representará como:

Sustituyendo la regla del trapecio en cada integral se obtiene

 REGLA DE SIMPSON 1/3 SIMPLE:

DESARROLLO DEL MODELO DE SIMPSON:

En este procedimiento, se va a tomar el intervalo de anchura 2h (siempre las

Observando la figura, se puede decir que:

𝑓(𝑥𝑖 ) = 𝑦𝑖 = 𝑓(−ℎ) 𝑓(𝑥𝑖+1 ) = 𝑦𝑖+1 = 𝑓(0) 𝑓(𝑥𝑖+2 ) = 𝑦𝑖+2 = 𝑓(ℎ) .Entonces se

𝑓(−ℎ) = 𝑎ℎ2 − 𝑏ℎ + 𝑐 , Se puede tomar esta altura como 𝑦0 = 𝑓(𝑥𝑖 )

𝑓(0) = 𝑐 , se toma esta altura como 𝑦1 = 𝑓(𝑥𝑖+1 )

𝑓(ℎ) = 𝑎ℎ2 + 𝑏ℎ + 𝑐 , y esta altura como 𝑦2 = 𝑓(𝑥𝑖+2 )

En la ecuación 1 se puede expresar de la siguiente manera:

Remplazando las ecuaciones 2 y 3 en la ecuación 4 se tiene:

Interpretando la ecuación 5 con base en la sub área seleccionada 𝐴𝑖 para desarrollar

En el caso que si a y b se denomina como 𝑥0 y 𝑥2 , y 𝑓𝑖 (𝑥𝑖 ) se representa mediante

(𝑥0 − 𝑥2 ) (𝑥0 − 𝑥2 )2 (𝑥0 − 𝑥2 )3

Por lo tanto la regla de Simpson 1/3 simple es:

Esta ecuación se le conoce como la regla de Simpson 1/3, la especificación 1/3 se

Además se puede determinar que la ecuación anterior tiene UN ERROR ASOCIADO

También se puede expresar así:

 REGLA DE SIMPSON 1/3 COMPUESTA O MULTIPLE:

Se utiliza la misma idea que la regla de Simpson

Por lo tanto, aplicando la regla de Simpson a cada sub intervalo se obtiene:

La ecuación anterior es la regla de Simpson 1/3 generalizada a un número de par de

EL ERROR EN ESTE CASO ES DE:

En la derivación, las constantes se determinan requiriendo que la parábola pase a través

La regla de Simpson de 3/8 tiene un error por truncamiento de:

Por lo tanto es algo más exacta que la regla de 1/3

La regla de 3/8 tiene utilidad en las aplicaciones de segmentos múltiples cuando el

LA REGLA DE SIMPSON 3/8 COMPUESTA:

sea múltiplo de 3 y que en cada sumatoria se tome los valores de i=i+3

La regla de Simpson de 3/8 compuesta tiene un error de:

Se tiene un sistema magnético en un transformador, en donde la energía se almacena

Determine la energía almacenada en la inductancia desde λ=20, hasta λ=25Wb.

Además encuentre el error estimado usando la regla de Simpson.

La energía está dada por la siguiente ecuación:

Colocando la ecuación en la integral:

𝜆6 5𝜆5 125 4 2500 3 25000 2

Utilizando el método de Simpson 1/3, hacemos la siguiente aproximación:

𝑖(𝜆0 ) + 4𝑖(𝜆1 ) + 𝑖(𝜆2 )

Determinación de los puntos

𝑖(𝜆1 ) = 𝑖(22.5) = 3.05176

𝑖(𝜆2 ) = 𝑖(25) = 97.6563

El error de truncamiento o error estimado está dado por la ecuación:

El termino 𝑓 (4) (𝜁) lo aproximaremos al promedio de la cuarta derivada.

Sustituyendo la ecuación anterior en la ecuación y colocando los limites de integración

Ya obtenido el valor anterior sustituimos en la ecuación para encontrar el error.

En este caso se concluye que el error es el mismo.}

Calcular el valor aproximado de la integral: