Anda di halaman 1dari 33

CAPTULO 22

Integracin de ecuaciones
En la introduccin de la parte seis destacamos que las funciones que vayan a integrarse
de manera numrica son principalmente de dos tipos: una tabla de valores o una
funcin. La forma de los datos tiene una influencia importante en los procedimientos
que se utilizan para evaluar la integral. Con informacin tabulada, se est limitando al
nmero de puntos que se tengan. En cambio, si se tiene la funcin, se pueden generar
tantos valores de f(x) como se requieran para alcanzar una exactitud aceptable
(recuerde la figura PT6.7).
Este captulo se ocupa de dos tcnicas expresamente diseadas para analizar los
casos donde se tiene la funcin. Ambas aprovechan la posibilidad de generar valores
de la funcin para desarrollar esquemas eficientes para la integracin numrica. La
prime- ra se basa en la extrapolacin de Richardson, que es un mtodo que combina
dos esti- maciones numricas de la integral para obtener un tercer valor ms exacto. El
algoritmo computacional para implementar de manera muy eficiente la extrapolacin
de Richard- son se llama integracin de Romberg. Esta tcnica es recursiva y se utiliza
para generar una estimacin de la integral dentro de una tolerancia de error
preespecificada.
El segundo mtodo se denomina cuadratura de Gauss. Recuerde que en el ltimo
captulo los valores de f(x) en las frmulas de Newton-Cotes se determinaron para valores especficos de x. Por ejemplo, si se utiliza la regla del trapecio para determinar
una integral, estamos restringidos a tomar el promedio ponderado de f(x) en los
extremos del intervalo. Las frmulas de cuadratura de Gauss emplean valores de x que
estn entre a y b, de forma que resulta una estimacin mucho ms exacta de la
integral.
Adems de estas dos tcnicas estndar, dedicamos una seccin final a la
evaluacin de integrales impropias. En este anlisis nos concentraremos en integrales
con lmites finitos y en mostrar cmo un cambio de variable y de frmulas de
integracin abierta son tiles en tales casos.

22.1

ALGORITMOS DE NEWTON-COTES PARA ECUACIONES


En el captulo 21 presentamos algoritmos para versiones de aplicacin mltiple de la
regla del trapecio y de las reglas de Simpson. Aunque estos seudocdigos pueden usarse para analizar ecuaciones, en nuestro esfuerzo por hacerlos compatibles tanto con los
datos como con las funciones, no pueden aprovechar la ventaja de estas ltimas.
La figura 22.1 muestra los seudocdigos que estn expresamente diseados para
casos donde la funcin es analtica. En particular, observe que ni los valores de la
varia- ble independiente, ni de la dependiente se pasan a la funcin por medio de su
argumento, como fue el caso para los cdigos del captulo 21. Para la variable
independiente x, se da el intervalo de integracin (a, b) y el nmero de segmentos.
Esta informacin se em- plea despus para generar valores igualmente espaciados de x

dentro de la funcin. Para la variable dependiente, los valores de la funcin en la


figura 22.1 se calculan llamando a la funcin que est analizndose, f(x).

22.2 INTEGRACIN DE
ROMBERG

FIGURA 22.1
Algoritmos de las
reglas
a) del trapecio y
b) de Simpson
1/3 de
aplicaciones mltiples
donde se tiene la
funcin.

649

a)
b)
FUNCTION TrapEq (n, a, b)
FUNCTION SimpEq (n, a, b)
h = (b a) / n
h = (b a) / n
x = a
x = a
sum = f(x)
sum = f(x)
DOFOR i = 1, n 1
DOFOR i = 1, n 2, 2
x = x + h
x = x + h
sum = sum + 2 * f(x)
sum = sum + 4 * f(x)
END DO
x = x + h
sum = sum + f(b)
sum = sum + 2 * f(x)
END DO
TrapEq = (b a) * sum / (2 * n)
x = x + h
END TrapEq
sum = sum + 4 * f(x)
sum = sum + f(b)
SimpEq = (b a) * sum/(3 * n)
END SimpEq

Desarrollamos programas de precisin simple, basados en esos seudocdigos,


para analizar el trabajo implicado y los errores en que se incurre al usar
progresivamente ms segmentos para estimar la integral de una funcin simple. Para
una funcin analtica, las ecuaciones del error [ecuaciones (21.13) y (21.19)] indican
que el aumento en el n- mero de segmentos n resultar en estimaciones ms exactas
de la integral. Esta obser- vacin es justificada en la figura 22.2, la cual es una grfica
del error verdadero contra n para la integral de f(x) = 0.2 + 25x 200x2 + 675x3 900x4
+ 400x5. Observe cmo el error disminuye conforme n se incrementa. Sin embargo,
note tambin que para grandes valores de n, el error empieza a aumentar conforme los
errores de redondeo empiezan a dominar. Observe adems que se requiere un nmero
muy grande de evaluaciones de la funcin (y, por lo tanto, de ms trabajo de clculo)
para alcanzar altos niveles de preci- sin. Como una consecuencia de estas
desventajas, la regla del trapecio y las reglas de Simpson de aplicacin mltiple
algunas veces resultan inadecuadas para resolver pro- blemas en contextos donde se
necesitan alta eficiencia y errores mnimos.

22.2

INTEGRACIN DE ROMBERG
La integracin de Romberg es una tcnica diseada para obtener integrales numricas
de funciones de manera eficiente. Es muy parecida a las tcnicas analizadas en el captulo 21, en el sentido de que se basa en aplicaciones sucesivas de la regla del trapecio.
Sin embargo, a travs de las manipulaciones matemticas, se alcanzan mejores resultados con menos trabajo.

22.2 INTEGRACIN DE
ROMBERG
22.2.1 Extrapolacin de Richardson

650

Recuerde que en la seccin 10.3.3 usamos refinamiento iterativo para mejorar la


solucin de un conjunto de ecuaciones lineales simultneas. Hay tcnicas de
correccin del error para mejorar los resultados de la integracin numrica con
base en la misma estimacin de la integral. Dichos mtodos usan dos estimaciones de
una integral para

Error relativo porcentual verdadero

FIGURA 22.2
Valor absoluto del
error relativo
porcentual verdadero
contra el nmero de
segmentos para la
determinacin de la
integral de f(x) = 0.2 +
25x 200x2
+ 675x3 900x4 +
400x5,
evaluada desde a = 0
hasta b = 0.8
mediante la regla del
trapecio de aplicacin
mltiple y la regla de
Simpson 1/3 de
aplicacin mltiple.
Observe que ambos
resultados indican que
para un gran nmero
de segmentos, los
errores
de redondeo limitan la
precisin.

100

10

1
Regla del trapecio
101

102

103

104
Lmite de precisin

105
Regla de Simpson 1/3
106

Lmite de precisin
1416
2832128512
Segmentos

64 256 1 024 4 096 16 384


2 048 8 192

calcular una tercera ms exacta y, en general, se les conoce como extrapolacin de Richardson.
La estimacin y el error correspondiente a la regla del trapecio de aplicacin mltiple se representa de manera general como:
I = I(h) + E(h)
donde I = el valor exacto de la integral, I(h) = la aproximacin obtenida de una
aplicacin con n segmentos de la regla del trapecio, con un tamao de paso h = (b
a)/n, y E(h) = el error de truncamiento. Si hacemos, por separado, dos estimaciones
usando tamaos de paso h1 y h2 y tenemos valores exactos del error,

I(h1) + E(h1) = I(h2) + E(h2)

(22.1)

Ahora recuerde que el error de la regla del trapecio de aplicacin mltiple puede representarse en forma aproximada mediante la ecuacin (21.13) [con n = (b a)/h]:
b a 2
(22.2)
h f
E
12

Si se supone que f es
constante para todo tamao de paso, la ecuacin 22.2 se utiliza
para determinar la razn entre los dos errores, que ser
E(h1) h 21
E(h2 ) h 22

(22.3)

Este clculo tiene el importante efecto de eliminar el trmino f de los clculos. Al


hacerlo, fue posible utilizar la informacin contenida en la ecuacin (22.2) sin un
cono- cimiento previo de la segunda derivada de la funcin. Para lograr esto, se
reordena la ecuacin (22.3) para dar

2
h
E(h1) E(h 2) h
2
1

que se puede sustituir en la ecuacin (22.1):


2
h
I(h ) E(h ) 1 I(h ) E(h )
1
2
2
2
h2
de donde se despeja
E(h2 ) I(h ) I(h )
1
2
2

1 (h1 /h2 )

As, hemos desarrollado un estimado del error de truncamiento en trminos de las


estima- ciones de la integral y de sus tamaos de paso. La estimacin se sustituye
despus en
I = I(h2) + E(h2)
para obtener una mejor estimacin de la integral:
I I(h2 )

1
[I(h2 ) I(h1)]
(h1/h2 )2 1

(22.4)

Se puede demostrar (Ralston y Rabinowitz, 1978) que el error de esta estimacin es


O(h4). As, hemos combinado dos estimaciones con la regla del trapecio de O(h2) para
obtener una nueva estimacin de O(h4). En el caso especial donde el intervalo es dividido a la mitad (h2 = h1/2), esta ecuacin se convierte en
1

[I(h2 ) I(h1)]
2 1
2
o, agrupando trminos,
I I(h2 )

4
3

I(h )
2

I(h )
1

(22.5)

EJEMPLO 22.1 Correcciones del error en la regla del trapecio


Planteamiento del problema. En el captulo anterior (ejemplo 21.1 y tabla 21.1) empleamos varios mtodos de integracin numrica para evaluar la integral de f(x) = 0.2
+ 25x 200x2 + 675x3 900x4 + 400x5 desde a = 0 hasta b = 0.8. Por ejemplo, las
aplica- ciones simples y mltiples de la regla del trapecio dieron los siguientes
resultados:
Segmen
tos
1

2
4

0
.
0
.
0
.

Integra
l0.172
8
1.068
8
1.484
8

et %
89.
5
34.
9
9.5

Use esta informacin junto con la ecuacin (22.5) para calcular mejores estimaciones
de la integral.
Solucin. Si se combinan las estimaciones con uno y dos segmentos resulta:
I

4
3

(1.0688)

1
3

(0.1728) 1.367467

El error de la integral mejorada es Et = 1.640533 1.367467 = 0.273067 (et = 16.6%),


que es mejor al de las estimaciones sobre las que se bas.
De la misma manera, las estimaciones con dos y cuatro segmentos se combinan
para obtener
I

4
3

(1.4848)

1
3

(1.0688) 1.623467

que representa un error Et = 1.640533 1.623467 = 0.017067 (et = 1.0%).


La ecuacin (22.4) proporciona una forma de combinar dos aplicaciones de la
regla del trapecio con un error O(h2), para calcular una tercera estimacin con un error
O(h4). Este procedimiento es un subconjunto de un mtodo ms general para combinar
inte- grales y obtener mejores estimaciones. As, en el ejemplo 22.1, calculamos dos
integra- les mejoradas de O(h4) con base en tres estimaciones con la regla del trapecio.
Estos dos clculos mejorados pueden, a su vez, combinarse para generar un valor an
mejor con O(h6). En el caso especial donde las estimaciones originales con la regla del
trapecio se basan en la divisin sucesiva de la mitad del tamao de paso, la ecuacin
usada para una exactitud O(h6) es
16
1
I
Im
Il
(22.6)
15
15
donde Im e Il son las estimaciones mayor y menor, respectivamente. De manera similar,
dos resultados O(h6) se combinan para calcular una integral que es O(h8) utilizando

64
63

Im

1
63

Il

(22.7)

EJEMPLO 22.2 Correccin del error de orden superior en estimaciones de la integral


Planteamiento del problema. En el ejemplo 22.1 usamos la extrapolacin de Richardson para calcular dos estimaciones de la integral de O(h4). Utilice la ecuacin (22.6)
para combinar esas estimaciones y calcular una integral con O(h6).
Solucin. Las dos estimaciones de la integral de O(h4) obtenidas en el ejemplo 22.1
fueron 1.367467 y 1.623467. Se sustituyen tales valores en la ecuacin (22.6) y se
obtiene
16
1
I
(1.623467) (1.367467) 1.640533
15
15
que es el resultado correcto hasta siete cifras significativas que se utilizaron en este
ejemplo.
22.2.2 El algoritmo de integracin de Romberg
Observe que los coeficientes en cada una de las ecuaciones de extrapolacin
[ecuaciones (22.5), (22.6) y (22.7)] suman 1. De esta manera, representan factores de
ponderacin que, conforme aumenta la exactitud, dan un peso relativamente mayor a
la mejor esti- macin de la integral. Estas formulaciones se expresan en una forma
general muy ade- cuada para la implementacin en computadora:
4k 1 I

j,k1

I j,k j1,k1
4k 1 1

(22.8)

donde Ij+1,k1 e Ij,k1 = las integrales ms y menos exactas, respectivamente; e Ij,k = la integral mejorada. El subndice k significa el nivel de la integracin, donde k = 1 corresponde a la estimacin original con la regla del trapecio, k = 2 corresponde a O(h4), k =
3 a O(h6), y as sucesivamente. El subndice j se usa para distinguir entre las
estimacio- nes ms (j + 1) y menos (j) exactas. Por ejemplo, con k = 2 y j = 1, la
ecuacin (22.8) se convierte en
I1,2

4I2,1 I1,1

3
que es equivalente a la ecuacin (22.5).
La forma general representada por la ecuacin (22.8) se atribuye a Romberg, y su
aplicacin sistemtica para evaluar integrales se denomina integracin de Romberg.
La figura 22.3 es una representacin grfica de la sucesin de estimaciones de la
integral generadas usando este procedimiento. Cada matriz corresponde a una sola
iteracin. La primera columna contiene las evaluaciones de la regla del trapecio,
designadas por Ij,1, donde j = 1 indica una aplicacin con un solo segmento (el tamao
de paso es b a), j
= 2 corresponde a una aplicacin con dos segmentos [el tamao de paso es (b a)/2], j
= 3 corresponde a una aplicacin de cuatro segmentos [el tamao de paso es (b a)/4],

y as sucesivamente. Las otras columnas de la matriz se generan mediante la


aplicacin sis- temtica de la ecuacin (22.8) para obtener sucesivamente mejores
estimaciones de la integral.

O (h )
a)

O (h )

0.172800
1.068800

FIGURA 22.3
b)
0.172800
Representacin grfica
1.068800
de la sucesin de
1.484800
estimaciones
de
la integral generadas
usando
la integracin de Romberg.
c)
0.172800

Segunda iteracin.
c) Tercera iteracin.

1.484800
1.600800

O (h )

O (h )

1.367467

1.367467
1.623467

1.367467
1.623467
1.639467

1.640533

1.640533
1.640533

1.64
0533

Por ejemplo, la primera iteracin (figura 22.3a) consiste en calcular las


estimaciones con la regla del trapecio para uno y dos segmentos (I1,1, e I2,1). La
ecuacin (22.8) se utiliza despus para calcular el elemento I1,2 = 1.367467, el cual tiene
un error de O(h4). Ahora, debemos verificar y establecer si este resultado es adecuado
a nuestras ne- cesidades. Como en los otros mtodos aproximados de este libro, se
requiere un criterio de paro, o de terminacin, para evaluar la exactitud de los
resultados. Un mtodo que es
til para el propsito actual es [ecuacin (3.5)]

I1,k

I1,k 1
I1,k
100%

(22.9)

donde a = una estimacin del error relativo porcentual. De esta manera, como sucedi
en los anteriores procesos iterativos, se compara la nueva estimacin con un valor
ante- rior. Cuando la diferencia entre los valores anteriores y nuevos representada por
a est por debajo de un criterio de error preespecificado s, termina el clculo. En la
figura 22.3a, esta evaluacin indica 87.4% de cambio con respecto a la primera
iteracin.
El objetivo de la segunda iteracin (figura 22.3b) es obtener la estimacin O(h6),
I1,3. Para hacerlo, se determina una estimacin ms con la regla del trapecio, I3,1 =
1.4848. Despus, sta se combina con I2,1 usando la ecuacin (22.8) para generar I2,2 =
1.623467. El resultado se combina, a su vez, con I1,2 para obtener I1,3 = 1.640533. Se
aplica la ecua- cin (22.9) para determinar que este resultado representa un cambio del
22.6% cuando se compara con el resultado previo, I1,2
La tercera iteracin (figura 22.3c) contina con el proceso de la misma forma. En
tal caso, la estimacin del trapecio se suma a la primera columna y, despus, se aplica
la ecuacin (22.8) para calcular en forma sucesiva integrales ms exactas a lo largo de
la diagonal inferior. Despus de slo tres iteraciones, debido a que se evala un polinomio de quinto grado, el resultado (I1,4 = 1.640533) es exacto.
La integracin de Romberg es ms eficiente que las reglas del trapecio y de
Simpson
analizadas en el captulo 21. Por ejemplo, para la determinacin de una integral como

la de la figura 22.1, la regla de Simpson 1/3 requerira una aplicacin con 256
segmentos para dar un estimado de 1.640533. Aproximaciones ms finas no sern
posibles debido al error de redondeo. En cambio, la integracin de Romberg ofrece un
resultado exacto (a siete cifras significativas) basada en la combinacin de
aplicaciones de la regla del

22.3 CUADRATURA DE
GAUSS

655

trapecio con uno, dos, cuatro y ocho segmentos; es decir, con slo 15 evaluaciones de
la funcin!
La figura 22.4 representa el seudocdigo para la integracin de Romberg.
Mediante el uso de ciclos, este algoritmo implementa el mtodo en una forma
eficiente. La integra- cin de Romberg est diseada para casos en donde se conoce la
funcin que se va a inte- grar. Esto se debe a que el conocimiento de la funcin
permite las evaluaciones requeridas para la implementacin inicial de la regla del
trapecio. Los datos tabulados rara vez estn en la forma requerida para dividirlos a la
mitad sucesivamente como se requiere.

22.3

CUADRATURA DE GAUSS
En el captulo 21 estudiamos frmulas de integracin numrica o cuadratura conocidas
como ecuaciones de Newton-Cotes. Una caracterstica de estas frmulas (con
excepcin del caso especial de la seccin 21.3) fue que la estimacin de la integral se
bas en va- lores igualmente espaciados de la funcin. En consecuencia, la
localizacin de los puntos que se usaron en estas ecuaciones eran predeterminados o
fijos.
Por ejemplo, como se describe en la figura 22.5a, la regla del trapecio se basa en
obtener el rea bajo la lnea recta que une los valores de la funcin, en los extremos
del intervalo de integracin. La frmula que se utiliza para calcular esta rea es
I (b a)

f (a) f (b)
2

(22.10)

donde a y b son los lmites de integracin y b a = el ancho del intervalo de


integracin. Debido a que la regla del trapecio necesita los puntos extremos, existen
casos como el de la figura 22.5a, donde la frmula puede dar un gran error.
Ahora, suponga que se elimina la restriccin de los puntos fijos y se tuviera la libertad de evaluar el rea bajo una lnea recta que uniera dos puntos cualesquiera de la

FIGURA 22.4
Seudocdigo para
la integracin de
Romberg, que usa
la versin de
segmentos del
mismo tamao de
la regla del
trapecio, a partir
de la figura 22.1.

FUNCTION Romberg (a, b, maxit, es)


LOCAL I(10, 10)
n = 1
I1,1 = TrapEq(n, a, b)
iter = 0
DOFOR
iter = iter + 1
n = 2iter
liter+1,1 = TrapEq(n, a, b)
DOFOR k = 2, iter + 1
j = 2 + iter k
Ij,k = (4 k1 * Ij+1,k1 Ij,k-1)/(4 k
1) END DO
ea = ABS((I1,iter+1 I2,iter)/I1,iter+1) * 100
IF (iter maxit OR ea es) EXIT

E
N
D

22.3 CUADRATURA DE
DO
GAUSS
Romberg = I1,iter+1
END Romberg

656

f (x)

FIGURA 22.5
a) Representacin
grfica de la regla del
trapecio como el rea
bajo la lnea recta que
une los puntos
extremos fijos. b) Se
obtiene una mejor
estimacin de la
integral tomando el
rea bajo la lnea recta
que pasa por dos
puntos intermedios.
Estos puntos se ubican
en una forma
adecuada, de tal
manera que se
equilibran los errores
positivo y negativo.

a)
f (x)

b)

curva. Al ubicar esos puntos en forma inteligente, definiramos una lnea recta que
equilibrara los errores negativo y positivo. As que, como en la figura 22.5b,
llegaramos a una mejor estimacin de la integral.
Cuadratura de Gauss es el nombre de una clase de tcnicas para realizar tal estrategia. Las frmulas particulares de cuadratura de Gauss descritas en esta seccin se
denominan frmulas de Gauss-Legendre. Antes de describir el procedimiento, mostraremos que las frmulas de integracin numrica, como la regla del trapecio, pueden
obtenerse usando el mtodo de coeficientes indeterminados. Este mtodo se emplear
despus para desarrollar las frmulas de Gauss-Legendre.
22.3.1 Mtodo de coeficientes indeterminados
En el captulo 21 obtuvimos la regla del trapecio integrando un polinomio de
interpola- cin lineal y mediante un razonamiento geomtrico. El mtodo de
coeficientes indeter- minados ofrece un tercer procedimiento que tambin tiene
utilidad para encontrar otras tcnicas de integracin, como la cuadratura de Gauss.

Para ilustrar el procedimiento, la ecuacin (22.10) se expresa como


I c0 f(a) + c1f(b)

(22.11)

donde las c = constantes. Ahora observe que la regla del trapecio deber dar resultados
exactos cuando la funcin que se va a integrar es una constante o una lnea recta. Dos

ecuaciones simples que representan esos casos son y = 1 y y = x. Ambas se ilustran en


la figura 22.6. As, las siguientes igualdades se debern satisfacer:
c0 c1

(ba)/2

(ba)/2

1 dx

y
c

ba
0

ba
1

(ba)/2

x dx

(ba)/2

o, evaluando las integrales,


c0 + c1 = b a

FIGURA 22.6
Dos integrales que debern evaluarse exactamente por la regla del
trapecio: a) una constante y b) una lnea recta.

y
y=1

(b a)
2

ba
2

a)
y
y=x

(b a)
2

ba
2

b)

ba

c
0

ba

2
2
stas son dos ecuaciones con dos incgnitas que se resuelven para encontrar
c
0

c
1

ba

2
que, al sustituirse en la ecuacin (22.11), da
ba
ba
2 f (a) 2 f (b)
que es equivalente a la regla del trapecio.
I

22.3.2 Desarrollo de la frmula


Legendre de dos puntos

de Gauss-

As como en el caso anterior para la obtencin de la regla del trapecio, el objetivo de la


cuadratura de Gauss es determinar los coeficientes de una ecuacin de la forma
I c0 f(x0) + c1f(x1)

(22.12)

donde las c = los coeficientes desconocidos. Sin embargo, a diferencia de la regla del
trapecio que utiliza puntos extremos fijos a y b, los argumentos de la funcin x0 y x1 no
estn fijos en los extremos, sino que son incgnitas (figura 22.7). De esta manera, ahora se tienen cuatro incgnitas que deben evaluarse y, en consecuencia, se requieren
cuatro condiciones para determinarlas con exactitud.
As, como con la regla del trapecio, es posible obtener dos de esas condiciones al
suponer que la ecuacin (22.12) ajusta con exactitud la integral de una constante y de

FIGURA 22.7
Representacin grfica de las variables desconocidas x0 y x1 para la
integracin por medio de la cuadratura de Gauss.
f (x)
f (x1)

f (x0)

x0

x1

una funcin lineal. Despus, para tener las otras dos condiciones, slo se ampliar este
razonamiento al suponer que tambin ajusta la integral de una funcin parablica (y =
x2) y de una cbica (y = x3). Al hacerlo, se determinan las cuatro incgnitas y adems
se obtiene una frmula de integracin lineal de dos puntos que es exacta para cbicas.
Las cuatro ecuaciones que habr que resolver son:
c0 f (x0 ) c1 f (x1)

c f (x ) c f (x )
c0 f (x0 ) c1 f (x1)
0

c0 f (x0 ) c1 f (x1)

(22.13)

1 dx

2
1

1
1

x dx 0
2

x dx

2
3

(22.14)
(22.15)

1 3
1

x dx 0

(22.16)

Las ecuaciones (22.13) a (22.16) pueden resolverse simultneamente para encontrar


c0 c1 1
1
x0 0.5773503
3
1
x1
0.5773503
3
que se sustituye en la ecuacin (22.12) para obtener la frmula de Gauss-Legendre de
dos puntos
I f 1 f 1

3 3

(22.17)

As, llegamos al interesante resultado de que la simple suma de los valores de la funcin
en x 1 / 3 y 1/ 3 genera una estimacin de la integral que tiene una exactitud de
tercer grado.
Observe que los lmites de integracin en las ecuaciones (22.13) a (22.16) son desde
1 a 1. Esto se hizo para simplificar la matemtica y para hacer la formulacin tan
gene- ral como sea posible. Es posible utilizar un simple cambio de variable para
transformar otros lmites de integracin a esta forma. Esto se realiza suponiendo que
una nueva va- riable xd est relacionada con la variable original x en una forma lineal,
como sigue
x = a0 + a1xd

(22.18)

Si el lmite inferior, x = a, corresponde a xd = 1, estos valores se sustituyen en la ecuacin (22.18):

a = a0 + a1(1)

(22.19)

De manera similar, el lmite superior, x = b, corresponde a xd = 1, para tener


b = a0 + a1(1)

(22.20)

Las ecuaciones (22.19) y (22.20) podrn resolverse simultneamente para obtener


ba

a
0

(22.21)

y
ba

a
1

(22.22)

2
que se sustituye en la ecuacin (22.18) con el siguiente resultado:
x

(b a) (b a)xd
2

(22.23)

Esta ecuacin se diferencia para dar


ba
dx
dx

(22.24)

2
Las ecuaciones (22.23) y (22.24) pueden sustituirse ahora por x y dx, respectivamente,
en la ecuacin que se habr de integrar. Tales sustituciones efectivamente transforman
el intervalo de integracin sin cambiar el valor de la integral. El siguiente ejemplo ilustra cmo se hace esto en la prctica.
EJEMPLO 22.3 Frmula de Gauss-Legendre de dos puntos
Planteamiento del problema. Con la ecuacin (22.17) evale la integral de
f(x) = 0.2 + 25x 200x2 + 675x3 900x4 + 400x5
entre los lmites x = 0 y x = 0.8. Recuerde que ste fue el problema que resolvimos en
el captulo 21, con las frmulas de Newton-Cotes. El valor exacto de la integral es
1.640533.
Solucin. Antes de integrar la funcin, debemos realizar un cambio de variable para
que los lmites sean de 1 a +1. Para ello, sustituimos a = 0 y b = 0.8 en la ecuacin
(22.23) para obtener
x = 0.4 + 0.4xd
La derivada de esta relacin es [ecuacin (22.24)]
dx = 0.4dxd

Ambas ecuaciones se sustituyen en la ecuacin original para dar

0.8

(0.2 25x 200x 675x 900x 400x 2 ) dx


3
) 200(0.4
) 675(0.4 0.4x )
1
0.4x
[0.2 25(0.4
0.4x

900(0.4 0.4xd ) 400(0.4 0.4xd ) ]0.4dxd

As, el lado derecho est en la forma adecuada para la evaluacin mediante


ra de Gauss. La funcin transformada se evala en 1 / 3 que es igual a 0.5
I 0.516741 + 1.305837 = 1.822578
que representa un error relativo porcentual de 11.1%. El resultado es comp

22.3.3 Frmulas con ms puntos


Aparte de la frmula de dos puntos descrita en la seccin anterior, se pueden desarrollar
versiones con ms puntos en la forma general
I c0 f(x0) + c1f(x1) + + cn1f(xn1)

(22.25)

donde n = nmero de puntos. Los valores de las c y las x para frmulas de hasta seis
puntos se resumen en la tabla 22.1.
TABLA 22.1 Factores de ponderacin c y argumentos de la funcin x
usados en las frmulas de Gauss-Legendre.
Pun
tos
2

Factor
de
ponderac
c0 = 1.0000000
c1 = 1.0000000

c0 = 0.5555556
c1 = 0.8888889
c2 = 0.5555556

c0 =
c1 =
c2 =
c3 =

0.3478548
0.6521452
0.6521452
0.3478548

c0 =
c1 =
c2 =
c3 =
c4 =

0.2369269
0.4786287
0.5688889
0.4786287
0.2369269

c0 =
c1 =
c2 =
c3 =
c4 =
c5 =

0.1713245
0.3607616
0.4679139
0.4679139
0.3607616
0.1713245

Argument
os de la
funcin
x0 =
0.577350269
x1 =
x0 =
0.774596669
x1 = 0.0
x2 =
x0 =
0.861136312
x1 =
0.339981044
x2 =
x0 =
0.906179846
x1 =
0.538469310
x2 = 0.0
x3 =
x0 =
0.932469514
x1 =
0.661209386
x2 =
0.238619186
x3 =

Error
de
truncamie
f (4)(x )
f (6)(x )

f (8)(x )

f (10)(x )

f (12)(x )

EJEMPLO 22.4 Frmula de Gauss-Legendre de tres puntos


Planteamiento de problema.
Use la frmula de tres puntos con la tabla 22.1 para
estimar la integral de la misma funcin que en el ejemplo 22.3.
Solucin.De acuerdo con la tabla 22.1, la frmula de tres puntos es
I = 0.5555556f(0.7745967) + 0.8888889f(0) + 0.5555556f(0.7745967)
que es igual a
I = 0.2813013 + 0.8732444 + 0.4859876 = 1.640533
que es exacta.

Como la cuadratura de Gauss requiere evaluaciones de la funcin en puntos


irregu- larmente espaciados dentro del intervalo de integracin, no es apropiada para
los casos donde la funcin no se conoce. Es decir, para problemas que tratan con datos
tabulados, ser necesario interpolar para el argumento dado. Sin embargo, cuando se
conoce la funcin, su eficiencia es de una ventaja decisiva, en particular cuando se
deben realizar muchas evaluaciones de la integral.
EJEMPLO 22.5 Aplicacin de la cuadratura de Gauss al problema del paracaidista en cada
Planteamiento del problema. En el ejemplo 21.3 se us la regla del
cacin mltiple para evaluar
d gm10
e (c/ m)t ] dt
c[1
0

donde g = 9.8, c = 12.5 y m = 68.1. El valor exacto de la integral se d


dio del clculo, igual a 289.4351. Recuerde que la mejor estimacin ob
regla del trapecio con 500 segmentos fue 289.4348 con unt 1
Repita
este clculo usando la cuadratura de Gauss.
Solucin.Despus de modificar la funcin, se obtienen los siguientes resultados: Estimacin con dos puntos
Estimacin con tres puntos = 289.4393 Estimacin con cuatro puntos = 289.4352 Estimacin con cinco pun
As, las estimaciones con cinco y seis puntos dan resultados que son exactos hasta la sptima cifra significa

22.3.4 Anlisis del error en la cuadratura de Gauss


El error en las frmulas de Gauss-Legendre por lo general se especifica mediante (Carnahan y colaboradores, 1969)
2n3

[(n 1)!]

E t (2n 3)[(2n 2)!]3 f (2n2)

()

(22.26)

663

22.4 INTEGRALES
IMPROPIAS

donde n = el nmero de puntos menos uno y f(2n+2)() = la (2n + 2)-sima derivada de


la funcin, despus del cambio de variable con localizada en algn lugar en el
intervalo desde 1 hasta 1. Una comparacin de la ecuacin (22.26) con la tabla 21.2
indica la superioridad de la cuadratura de Gauss respecto a las frmulas de NewtonCotes, siem- pre que las derivadas de orden superior no aumenten sustancialmente
cuando se incre- mente n. El problema 22.8 al final de este captulo ilustra un caso
donde las frmulas de Gauss-Legendre tienen un desempeo pobre. En tales
situaciones, se prefieren la regla de Simpson de aplicacin mltiple o la integracin de
Romberg. No obstante, en muchas de las funciones encontradas en la prctica de la
ingeniera, la cuadratura de Gauss proporciona un medio eficiente para la evaluacin
de las integrales.

22.4

INTEGRALES IMPROPIAS
Hasta aqu, hemos analizado exclusivamente integrales que tienen lmites finitos e integrandos acotados. Aunque esos tipos son de uso comn en ingeniera, habr ocasiones
en que se deban evaluar integrales impropias. En esta seccin nos ocuparemos de un
tipo de integral impropia. Es decir, una con lmite inferior y/o lmite superior +.
Tales integrales a menudo se resuelven con un cambio de variable, que transforma
el lmite infinito en uno finito. La siguiente identidad sirve para este propsito y
trabaja con cualquier funcin decreciente hacia cero, por lo menos tan rpido como
1/x2, con- forme x se aproxima a infinito:
b

f (x) dx

1/
a

1/b

1 1
f
dt
t

para ab > 0. Por lo tanto, se utiliza slo cuando a es positiva y b es , o cuando a es y b es negativa. En los casos
donde los lmites son desde a un valor positivo o desde un valor negativo a , la integral puede calcularse en dos
partes. Por ejemplo,
b

f (x) dx

f (x) dx

f (x) dx

(22.28)

donde A se elige como un valor negativo lo suficientemente grande para que la


funcin comience a aproximarse a cero, en forma asinttica por lo menos tan rpido
como 1/x2. Despus que la integral se divide en dos partes, la primera podr evaluarse
con la ecua- cin (22.27) y la segunda con una frmula cerrada de Newton-Cotes
como la regla de Simpson 1/3.
Un problema al usar la ecuacin (22.27) para evaluar una integral es que la
funcin trasformada ser singular en uno de los lmites. Pueden usarse las frmulas de
integra- cin abierta para evitar este dilema, ya que permiten la estimacin de la
integral sin emplear los puntos extremos del intervalo de integracin. Para tener
mxima flexi- bilidad, se requiere una de las frmulas abiertas vistas en la tabla 21.4
de aplicacin mltiple.
Las frmulas abiertas de aplicacin mltiple podrn combinarse con las frmulas
cerradas para los segmentos interiores y frmulas abiertas para los extremos. Por
ejem- plo, si se combinan la regla del trapecio de segmentos mltiples y la regla del

22.4 INTEGRALES
IMPROPIAS
punto medio se obtiene

664

xn

f (x) dx h

f (x )
1

x0

f (x ) 3 f (x
n2

i2

Adems, es posible desarrollar frmulas semiabiertas para casos donde uno u otro
extremo del intervalo es cerrado. Por ejemplo, una frmula que es abierta en el lmite
inferior y cerrada en el superior est dada como sigue:
3

xn

f (x) dx h

f (x )

x0

f (x ) 1 f (x )
n1

i2

Aunque se pueden usar estas relaciones, una frmula preferida es (Press y


colaboradores, 1992)
xn

(x f (x))] dx h[ f (x

1/2

(22.29)

) f (x3/2 ) f (xn3/2 ) f

n1/2

x0

que se conoce como la regla extendida del punto medio. Observe que esta frmula se
basa en lmites de integracin que estn h/2 despus y antes del primer y del ltimo
dato respectivamente (figura 22.8).
EJEMPLO 22.6 Evaluacin de una integral impropia
Planteamiento del problema. La distribucin normal acumulativa es una frmula
importante en estadstica (figura 22.9):
x

N(x)

(E22.6.1)

1 x2/2
e dx
2

donde x = (y y )/sy se llama la desviacin estndar normalizada, la cual representa


un cambio de variable para escalar la distribucin normal, de tal forma que est
centrada en cero y la distancia a lo largo de la abscisa se mida en mltiplos de la
desviacin es- tndar (figura 22.9b).
La ecuacin (E22.6.1) representa la probabilidad de que un evento sea menor que
x. Por ejemplo, si x = 1, la ecuacin (E22.6.1) se utiliza para determinar la probabilidad
de que ocurra un evento que es menor que una desviacin estndar por arriba de la
media, es decir N(1) = 0.8413. En otras palabras, si ocurren 100 eventos, aproximadamente 84 sern menores que la media ms una desviacin estndar. Como la ecuacin
(E22.6.1) no puede evaluarse de una manera funcional simple, se resuelve
xn 5/2
xn 3/2
xn 1/2
x1/2
x3/2
x5/2
numricamenx0

xn

FIGURA 22.8

1 e x2/2 dx
N(x) = 1 2w

a)

y 2sy y sy

b)

y + syy + 2sy

N(x)
1

1 e x2/2 dx
N(x) = 1 2w

0.5

c)

FIGURA 22.9
a) La distribucin normal, b) la abscisa transformada en trminos de la
desviacin normal estandarizada, y c) la distribucin normal
acumulada. El rea sombreada en a) y el punto en c) representan la
probabilidad de que un evento aleatorio sea menor que la media ms
una desviacin estndar.

te y se presenta en tablas estadsticas. Con la ecuacin (22.28), la regla de Simpson 1/3


y la regla extendida del punto medio determine N(1) en forma numrica.
Solucin. La ecuacin (E22.6.1) se expresa en trminos de la ecuacin (22.28) como
sigue:

x /2
x /2
N(x)
2e 2 dx 1 e 2 dx
1

2
2

La primera integral se evala empleando la ecuacin (22.27):


2

x /2

dx

1/2

t2

1/( 2t )

dt

Despus la regla extendida del punto medio con h = 1/8 se emplear para estimar
1

1/2

t2 e

1/( 2 2 )
t

[f
(x

dt
8

1
8

7/16

)f
(x

5/16

)f
(x

3/16

)f
(x

1/16

)]

[0.3833 0.0612 0 0] 0.0556

Para estimar la segunda integral se usa la regla de Simpson 1/3 con h = 0.5, como sigue
1

x2 /2

dx

[1 (2)]

0.1353 4(0.3247 0.8825 0.8825) 2(0.6065 1) 0.6065


3(6)

2.0523
Entonces, el resultado final se calcula mediante

N(1)

1
(0.0556 2.0523) 0.8409
2

que representa un error et = 0.046 por ciento.

El clculo anterior mejora de diferentes maneras. Primero, se podran


utilizar frmu- las de grado superior; por ejemplo, mediante una integracin
de Romberg. Segundo, pueden usarse ms puntos. Press y colaboradores
(1986) exploran con detalle ambas opciones.
Adems de los lmites infinitos, hay otras formas en las cuales una
integral llega a ser impropia. Ejemplos comunes incluyen casos donde la
integral es singular tanto en los lmites como en un punto dentro de la
integral. Press y colaboradores (1986) ofrecen un excelente anlisis sobre las
formas de manejar esas situaciones.