Escolar Documentos
Profissional Documentos
Cultura Documentos
CURSO MATLAB-EPN
TUTOR :
TEMA:
INTEGRANTES:
Dentro del cálculo integral, específicamente, es muy frecuente encontrar integrales que
resultan difíciles de calcular debido a su gran extensión o por la poca exactitud de los
resultados obtenidos, causando retrasos y pérdidas de todo tipo.
La regla del trapecio es uno de los métodos más utilizados para calcular aproximaciones
numéricas de integrales definidas. Es la primera de las fórmulas cerradas de integración
de Newton – Cotes, para el caso cuando el polinomio interpolante es de grado uno.
𝒃
𝒇(𝒂) − 𝒇(𝒃)
𝑨 = ∫ 𝒇(𝒙)𝒅𝒙 ≈ (𝒃 − 𝒂)[ ]
𝒂 𝟐
Fuente:
http://repositorio.uned.ac.cr/multimedias/metodos_numericos_ensenanza/modulo4/des
cripcion.html
Es de apreciar que el error que se llega a cometer con la regla del trapecio puede ser
significativo. Una mejor aproximación se obtiene dividiendo el intervalo de integración
en sub intervalos y aplicando en cada uno de ellos la regla trapecial. A este
procedimiento se lo conoce como Regla Trapecial Compuesta.
Fuente: http://ing.unne.edu.ar/computacion/pub/informatica/IN.pdf
Esta es la regla del trapecio para n sub intervalos. Cuantos más sub intervalos se usen,
mejor será la aproximación a la integral, hasta que la importancia de los errores por
redondeo comience a tomar relevancia.
𝒃 𝒇(𝒙𝟎 ) + 𝟐 ∑𝒏−𝟏
𝒊=𝟏 𝒇(𝒙𝒊) + 𝒇(𝒙𝒏 )
𝑨 = ∫ 𝒇(𝒙)𝒅𝒙 ≈ (𝒃 − 𝒂)[ ]
𝒂 𝟐𝒏
REGLA DE SIMPSON 1/3
Además de la regla del trapecio, otra manera de obtener una estimación más exacta de
una integral es utilizar polinomios de orden superior para conectar los puntos. Por
ejemplo, se pueden conectar con un polinomio de tercer orden los puntos f(a), f(b) y el
punto medio entre ellos. A las fórmulas que resultan de calcular la integral bajo estos
polinomios se les llama reglas de Simpson.
Fuente: http://ing.unne.edu.ar/computacion/pub/informatica/IN.pdf
Este método consiste en la aproximación del cálculo del área plana bajo una curva
utilizando trapecios curvilíneos a partir una interpolación con una función cuadrática:
𝒃 (𝒃 − 𝒂) 𝒂+𝒃
𝑨 = ∫ 𝒇(𝒙)𝒅𝒙 ≈ [𝒇(𝒂) + 𝟒𝒇( ) + 𝒇(𝒃)]
𝒂 𝟔 𝟐
Esta aproximación es denominada “simple” debido a que utiliza tan solo un polinomio.
Requiere el conocimiento de tres puntos equiespaciados: los extremos y un punto
central. Aplicando esta expresión utilizando mayor cantidad de puntos intermedios (es
decir, realizando más de un Simpson 1/3 dentro del intervalo) puede definirse la variante
“compuesta” del método para el cual se utilizan N puntos que corresponden a n = N − 1
sub intervalos. Este caso requiere que la cantidad de sub intervalos sean pares (el caso
simple utiliza dos, por lo tanto este debe ser un múltiplo). Por lo tanto, se define un valor
h que corresponde al ancho del sub intervalo o el paso que hay entre puntos. Se calcula
𝑏−𝑎
como ℎ = 𝑛
. Finalmente, la aproximación del área se puede calcular como:
𝒏−𝟐 𝒏−𝟐
𝒃 𝟐 𝟐
𝒉
𝑨 = ∫ 𝒇(𝒙)𝒅𝒙 ≈ [𝒇(𝒂) + 𝒇(𝒃) + 𝟒 ∑ 𝒇(𝒙𝟐𝒌+𝟏) + 𝟐 ∑ 𝒇(𝒙𝟐𝒌) ]
𝒂 𝟑
𝒌=𝟎 𝒌=𝟏
MÉTODO DE MONTECARLO
𝒃
𝒏𝒆
𝑨 = ∫ 𝒇(𝒙)𝒅𝒙 ≈ (𝒃 − 𝒂) ∗ 𝑴
𝒂 𝑵
𝑛𝑒 = Puntos de éxitos
𝑁 = Total de puntos dados
𝑀 = Cota superior
PART III
PROGRAMACIÓN EN MATLAB
main.m
% Datos para las aproximacione
clear; clc;
a = -1;% limite inferior
b = 3;% limite superior
n = 2500;% numero de puntos aleatorios a generar para simulacion de
montecarlo
sim = 100;% numero de simulaciones de montecarlo
result1 = trapecio(a,b,m,f);
result2 = simpson(a,b,m,f);
result3 = 0;
function T = trapecio(a,b,m,fs)
f = inline(fs);
h = (b-a);
h = h/m;
T = 0;
g = 0;
p = 0;
for k = 1:(m-1)
g = k*h;
x = a + g;
p = feval(f,x);
T = T + p;
end
punto_a = a;
punto_b = b;
T = h*(feval(f,punto_a) + feval(f,punto_b))/2+h*T;
end
function s = simpson(a,b,m,fs)
f = inline(fs);
h = (b-a)/(2*m);
s1 = 0;
s2 = 0;
s3 = 0;
s1 = (h/3)*(feval(f,a) + feval(f,b));
for k = 1:(m-1)
x = a + 2*k*h;
s2 = s2 + feval(f,x);
end
s2 = ((2*h)/3)*s2;
for k = 1:m
x = a + h*(2*k-1);
s3 = s3 + feval(f,x);
end
s3 = ((4*h)/3)*s3;
s = s1 + s2 + s3;
end
counter = 0;
for i = 1:n
%Se generan los puntos aleatorios que cumplen las comdiciones la
funcion rand genera un numero seudoaleatorio entre 0 y 1
xi(i) = (b-a)*rand + a;
yi(i) = rand*m;
%Se generan los puntos aleatorios los puntos que estan baja la funcion
y la funcion respectivamente.
graficar(xi,yi,trueX,trueY,A,B,a,b,m,fs);
end
function g = graficar(xi,yi,trueX,trueY,A,B,a,b,m,fs)
Para calcular el área bajo la curva de cualquier función se debe manipular el archivo
(main.m) ya que es el archivo principal.
f : es la función a evaluar.
a y b: son los intervalos en x donde vamos a evaluar f.
n: número de puntos aleatorios a graficar
sim: número de simulaciones
m: número de modos para trapecio y simpson
𝟑
Calcular el área bajo la curva de ∫−𝟏 𝟎. 𝟓𝒙𝟑 𝒅𝒙 = , con los siguientes
parámetros.
PROBLEMA 1:
m = 10;
f = '(0.5).*x.^3';
METODOS DE INTEGRACION
__________________________________________________________
| TRAPECIO | SIMSOMP | MONTECARLO
__________________________________________________________
| 10.160000 | 10.000000 | 6.480000
__________________________________________________________
PROBLEMA 2
a = -1;
b = 3;
n = 20;
sim = 5;
m = 10;
f = '(0.5).*x.^3';
METODOS DE INTEGRACION
__________________________________________________________
| TRAPECIO | SIMSOMP | MONTECARLO
__________________________________________________________
| 10.160000 | 10.000000 | 14.256000
__________________________________________________________
PROBLEMA 3
% Datos para las aproximacione
clear; clc;close
a = -1;
b = 3;
n = 200;
sim = 10;
m = 10;
f = '(0.5).*x.^3';
METODOS DE INTEGRACION
__________________________________________________________
| TRAPECIO | SIMSOMP | MONTECARLO
__________________________________________________________
| 10.160000 | 10.000000 | 9.558000
__________________________________________________________
PROBLEMA 4
% Datos para las aproximacione
clear; clc;close
a = -1;
b = 3;
n = 20000;
sim = 10;
m = 10;
f = '(0.5).*x.^3';
METODOS DE INTEGRACION
__________________________________________________________
| TRAPECIO | SIMSOMP | MONTECARLO
__________________________________________________________
| 10.160000 | 10.000000 | 10.038492
__________________________________________________________
PART IV
CONCLUSIÓN
Se concluye que el Método de Monte Carlo permite calcular el área bajo la curva de una
integral definida mediante una aproximación de simulaciones numéricas, donde dicha
aproximación depende del número puntos n y las simulaciones a realizar. Donde la
relación entre el número de simulaciones y los puntos a evaluar es directamente
proporcional a la aproximación del área calculada.