Integracion de Romberg

Grupo 2
December 30, 2023

Contents
1 Abstract 2
1.1 Keywords . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Resumen 2
2.1 Palabras Claves . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

3 Introduccion 3

4 Objetivos 3
4.1 Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4.2 Objetivos Secundarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

5 Marco Teórico 4
5.1 Definición y Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
5.1.1 Definiciones y Explicacion Geometrica . . . . . . . . . . . . . . . . . . . . . . . . . 4
5.1.2 Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
5.2 Convergencia del Metodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5.3 Algoritmo del Metodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5.4 Seudocodigo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5.4.1 Pseudocodigo en MatLab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5.5 Ejemplo Matematico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
5.6 Ejemplo aplicado a la Ingenieria Electrica . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

6 Conclusiones 10

1
1 Abstract
The Romberg integration method is a powerful technique for improving the accuracy of numerical approx-
imations in integration calculations. It is based on combining and extrapolating the estimates obtained
from different integration rules, such as the trapezoid rule or Simpson’s rule, using Richardson extrapo-
lation.
In this method, a Romberg table is constructed that shows various approximations of the integral as
the step sizes are refined. Richardson’s extrapolation formula is applied to improve these estimates and
provide a more accurate approximation of the true value of the integral.
The convergence of the Romberg method is fast and highly effective in improving the accuracy of
the numerical approximation. As more levels of extrapolation are added in the Romberg table, the
approximation tends to converge quickly toward the exact value of the integral.
This method offers a significant advantage by reducing the number of integrand function evaluations
required to achieve a desired precision compared to other numerical integration methods. However, its
effectiveness can be affected by the choice of the function to be integrated and the parameter settings.
In summary, the Romberg method is a valuable tool for obtaining accurate numerical approximations
of integrals, being especially useful in scientific, engineering and financial applications where precision
and computational efficiency are fundamental.

1.1 Keywords
Richardson extrapolation: Method for improving the precision of numerical approximations by extrapo-
lating a sequence of approximations: Trapezoid Rule: Numerical approximation method for evaluating
definite integrals by dividing the area under the curve into trapezoids. Equispaced Intervals: Division
of an interval into subintervals of equal length. Convergence Analysis: Evaluation of the convergence
behavior of a numerical method

2 Resumen
El método de integración de Romberg es una técnica poderosa para mejorar la precisión de las aproxima-
ciones numéricas en cálculos de integración. Se basa en combinar y extrapolar las estimaciones obtenidas
a partir de diferentes reglas de integración, como la regla del trapecio o la regla de Simpson, utilizando
la extrapolación de Richardson.
En este método, se construye una tabla de Romberg que muestra varias aproximaciones de la integral
a medida que se refinan los tamaños de paso. La fórmula de extrapolación de Richardson se aplica para
mejorar estas estimaciones y proporcionar una aproximación más precisa del valor real de la integral.
La convergencia del método de Romberg es rápida y altamente efectiva para mejorar la precisión de la
aproximación numérica. A medida que se agregan más niveles de extrapolación en la tabla de Romberg,
la aproximación tiende a converger rápidamente hacia el valor exacto de la integral.
Este método ofrece una ventaja significativa al reducir la cantidad de evaluaciones de la función
integranda necesarias para lograr una precisión deseada en comparación con otros métodos de integración
numérica. Sin embargo, su eficacia puede verse afectada por la elección de la función a integrar y la
configuración de parámetros.
En resumen, el método de Romberg es una herramienta valiosa para obtener aproximaciones numéricas
precisas de integrales, siendo especialmente útil en aplicaciones cientı́ficas, ingenieriles y financieras donde
la precisión y la eficiencia computacional son fundamentales.

2.1 Palabras Claves

Extrapolación de Richardson: Método para mejorar la precisión de las aproximaciones numéricas medi-
ante la extrapolación de una secuencia de aproximaciones: Regla del Trapecio: Método de aproximación
numérica para evaluar integrales definidas dividiendo el área bajo la curva en trapezoides. Intervalos

2
Equiespaciados: División de un intervalo en subintervalos de igual longitud. Análisis de Convergencia:
Evaluación del comportamiento de convergencia de un método numérico.

3 Introduccion
El método de integración de Romberg lleva el nombre de Walter Romberg, un matemático alemán-
estadounidense que lo desarrolló en la década de 1950. Romberg fue pionero en el campo de los métodos
numéricos para el cálculo de integrales y ecuaciones diferenciales.
El método de Romberg se originó como una extensión de la extrapolación de Richardson, una técnica
para mejorar la precisión de aproximaciones numéricas. Romberg aplicó esta idea para integrar funciones,
combinando la extrapolación de Richardson con diferentes reglas de integración, como la regla del trapecio
y la regla de Simpson 1 .
Su contribución radicó en la formulación de una tabla que mostraba la mejora progresiva de las aprox-
imaciones de la integral a medida que se refinaban los pasos de integración. Al utilizar la extrapolación
de Richardson para combinar estas aproximaciones, Romberg logró obtener una convergencia más rápida
hacia el valor exacto de la integral.
El método de Romberg se convirtió en una herramienta fundamental en el ámbito de los cálculos
numéricos, ya que permitı́a obtener resultados más precisos con una cantidad relativamente baja de
evaluaciones de la función integranda. Esto lo hizo ampliamente adoptado en campos como la fı́sica, la
ingenierı́a, las ciencias computacionales y otros campos cientı́ficos y técnicos 2 .
La contribución de Walter Romberg con este método fue significativa para el avance de la computación
numérica y sigue siendo una técnica relevante en la actualidad, ofreciendo una manera eficiente y precisa
de abordar problemas de integración en diversas áreas de la ciencia y la ingenierı́a.

4 Objetivos
4.1 Objetivo General
El objetivo de esta reunión es convertir el caos en organización. Como moderadores, nuestra labor
consistirá en mantener la charla bien encaminada y asegurarnos de que todo el mundo participe.

4.2 Objetivos Secundarios

• Análisis de la eficiencia computacional: Comparar la eficiencia del método de Romberg con otros
métodos de integración numérica, como la regla del trapecio o la regla de Simpson, en términos de
tiempo de cálculo y recursos computacionales requeridos para alcanzar una precisión similar.
• Estudio de la precisión y convergencia: Analizar la velocidad de convergencia del método de
Romberg al variar el número de iteraciones o niveles de extrapolación, y cómo esta convergen-
cia se relaciona con la precisión de la aproximación numérica.

• Impacto de la elección de la función a integrar: Investigar cómo el comportamiento de diferentes

funciones (por ejemplo, funciones suaves, oscilatorias, discontinuas) afecta la eficacia y precisión del
método de Romberg en la aproximación de la integral.
• Sensibilidad a parámetros: Estudiar la sensibilidad del método de Romberg a variaciones en los
parámetros, como el tamaño de paso inicial, el número de iteraciones o la precisión deseada, y cómo
estos afectan la aproximación numérica y el tiempo de cálculo.

3
5 Marco Teórico
5.1 Definición y Propiedades
El método de integración de Romberg es una técnica numérica utilizada para mejorar la precisión en
la aproximación de integrales definidas. Se basa en combinar diferentes reglas de integración con la
extrapolación de Richardson para obtener una aproximación más precisa del valor de una integral 3 .

5.1.1 Definiciones y Explicacion Geometrica

• Método de Integración de Romberg: Es una técnica numérica utilizada para mejorar la precisión en
la aproximación de integrales definidas. Combina diferentes reglas de integración, como la regla del
trapecio o la regla de Simpson, con la extrapolación de Richardson para obtener una aproximación
más precisa del valor de una integral. El método genera una tabla de Romberg que muestra
múltiples aproximaciones de la integral a medida que se refinan los tamaños de paso, convergiendo
rápidamente hacia el valor exacto de la integral‘ 4 .
• Extrapolación de Richardson: Es una técnica utilizada en el método de integración de Romberg para
mejorar las aproximaciones numéricas. Consiste en una fórmula de interpolación y extrapolación que
combina estimaciones anteriores de la integral, ajustándolas para obtener una mejor aproximación.
En el contexto del método de Romberg, esta técnica se aplica en la tabla de Romberg para calcular
estimaciones más precisas de la integral mediante la combinación de estimaciones con diferentes
niveles de refinamiento.

• Explicacion Geometrica: El método de integración de Romberg se ilustra geométricamente como

un proceso de refinamiento sucesivo para calcular el área bajo una curva. En lugar de utilizar una
única regla de integración, se emplean diversas reglas, como la regla del trapecio o la regla de Simp-
son, cada una proporcionando una aproximación inicial del área. Estas aproximaciones iniciales
se combinan y ajustan utilizando la extrapolación de Richardson. Visualmente, esto se traduce en
una serie de estimaciones geométricas del área, donde cada refinamiento sucesivo agrega una mayor
precisión al área aproximada bajo la curva. El método de Romberg se asemeja a la utilización de
múltiples instrumentos para medir el área bajo una curva, fusionando inteligentemente estas medi-
ciones para obtener una estimación más precisa. Este proceso se repite, refinando continuamente
las aproximaciones y convergiendo rápidamente hacia el valor real del área bajo la curva a medida
que se agregan más niveles de refinamiento.

5.1.2 Propiedades
• Mejora de la precisión: Combina estimaciones de integración obtenidas con diferentes reglas, como
la regla del trapecio o la regla de Simpson, para mejorar la precisión de la aproximación numérica
de la integral.
• Tabla de Romberg: Genera una tabla que muestra múltiples aproximaciones de la integral a medida
que se refinan los tamaños de paso. La tabla revela una convergencia progresiva hacia el valor exacto
de la integral 5 .
• Extrapolación de Richardson: Utiliza la extrapolación de Richardson para mejorar las aproxima-
ciones numéricas. Esta técnica de interpolación y extrapolación se aplica para obtener una mejor
estimación de la integral a partir de estimaciones anteriores con diferentes niveles de refinamiento.
• Convergencia rápida: Converge rápidamente hacia el valor exacto de la integral a medida que se
agregan más niveles de extrapolación en la tabla de Romberg.
• Reducción de evaluaciones: Permite obtener una precisión deseada con una cantidad menor de
evaluaciones de la función integranda en comparación con otros métodos de integración numérica 6 .

4
 • Eficiencia computacional: Ofrece un equilibrio entre precisión y eficiencia computacional al obtener
resultados más precisos con un número relativamente bajo de evaluaciones, lo que lo hace útil en
aplicaciones donde se requiere una alta precisión con recursos computacionales limitados.

5.2 Convergencia del Metodo

La formula general de este metodo es:

Figure 1: Formula General de el Metodo de Romberg 7

La convergencia del método de integración de Romberg es un proceso notablemente rápido y eficaz

en la mejora de la precisión de las aproximaciones numéricas de integrales definidas. Se explica mediante
algunos puntos clave:
• Refinamiento sucesivo: El método de Romberg utiliza una combinación de reglas de integración
y extrapolación de Richardson para sucesivamente refinar las aproximaciones a la integral. Cada
refinamiento agrega una mayor precisión a la aproximación anterior.
• Extrapolación de Richardson: Esta técnica de interpolación y extrapolación permite calcular una
nueva aproximación de la integral utilizando las estimaciones anteriores con diferentes niveles de
refinamiento. Al hacerlo, se obtiene una aproximación más precisa al valor real de la integral.
• Convergencia rápida: A medida que se agrega más nivel de refinamiento (más filas y columnas en
la tabla de Romberg), la aproximación converge rápidamente hacia el valor exacto de la integral.
Esta convergencia es rápida en comparación con otros métodos de integración numérica
• Orden de convergencia: El método de integración de Romberg tiene una tasa de convergencia
aproximada a O(h2j ), donde h es el tamaño del paso (los subintervalos utilizados en la integración) y
j es el número de columnas en la tabla de Romberg. Esto indica que la precisión mejora rápidamente
a medida que se agregan más niveles de refinamiento a la tabla de Romberg, aumentando j.

5.3 Algoritmo del Metodo

El método de integración de Romberg se basa en una construcción iterativa de una tabla de Romberg.
A continuación, te proporciono un algoritmo que describe cómo se puede implementar este método de
manera iterativa:

5
Algorithm 1 Método de integración de Romberg
Función f (x), intervalo [a, b], número de niveles de refinamiento n h ← b − a
Crear una matriz R de tamaño (n + 1) × (n + 1) inicializada con ceros
R[1][1] ← h2 [f (a) + f (b)]
i ← 2 n + 1 h ← h2
S←0
k ← 1 2i−2 S ← S + f (a + (2k − 1)h)
R[i][1] ← 12 (R[i − 1][1] + h · S)
j ← 2 n + 1 i ← j n + 1 R[i][j] ← R[i][j − 1] + 4j−11 −1 (R[i][j − 1] − R[i − 1][j − 1]) Aproximación de la
integral: R[n + 1][n + 1]

5.4 Seudocodigo
Este pseudocódigo simple hecho en Matlab ilustra cómo funciona el método de integración de Romberg.
Este código utiliza una función cuadrática como ejemplo:

5.4.1 Pseudocodigo en MatLab

% Pseudocódigo para ilustrar la integración de Romberg

% Definir la función a integrar

funcion_a_integrar = @(x) x^2;

% Definir los lı́mites de integración

limite_inferior = 0;
limite_superior = 1;

% Configurar el número de iteraciones

numero_iteraciones = 4;

% Mostrar la función a integrar

x_vals = linspace(limite_inferior, limite_superior, 100);
y_vals = arrayfun(funcion_a_integrar, x_vals);

figure;
plot(x_vals, y_vals, ’LineWidth’, 2);
title(’Función a Integrar’);
xlabel(’x’);
ylabel(’f(x)’);
grid on;

% Calcular la aproximación de Romberg

resultado = Romberg(funcion_a_integrar, limite_inferior, limite_superior, numero_iteraciones);

% Mostrar el resultado de Romberg

disp(’Resultado de Romberg:’);
disp(resultado);

function resultado = Romberg(f, a, b, n)

matriz_romberg = zeros(n, n);

% Calcular la primera columna de la tabla

6
 for i = 1:n
h = (b - a) / 2^i;
suma = 0;

for k = 1:2^(i-1)
suma = suma + f(a + (2*k - 1) * h);
end

matriz_romberg(i, 1) = 0.5 * matriz_romberg(max(i-1,1), 1) + h * suma;

end

% Calcular las demás columnas de la tabla

for j = 2:n
for i = j:n
matriz_romberg(i, j) = matriz_romberg(i, j-1) + ...
(matriz_romberg(i, j-1) - matriz_romberg(i-1, j-1)) / (4^(j-1) - 1);
end
end

resultado = matriz_romberg(n, n);

end

Este Pseudocódigo representa gráficamente la función cuadrática y luego utiliza el método de Romberg
para aproximar la integral definida de esa función en los lı́mites especificados. Se puede observar como
la tabla de Romberg se va construyendo y cómo mejora la aproximación a medida que se realizan mas
iteraciones. El pseudocódigo utiliza el método de Romberg para aproximar la integral definida de una
función en un intervalo dado y proporciona una visualización grafica de la función para mejorar la
comprensión del problema

Figure 2: Grafica de Romberg generada en MatLab

La visualización gráfica muestra la forma de la función cuadrática en el intervalo especificado. Esto

ayuda a comprender la función que se está integrando y como cambia en el rango definido.

7
5.5 Ejemplo Matematico
2
Supongamos que queremos calcular la integral definida de la función f (x) = e−x en el intervalo [0, 1]
utilizando el método de integración de Romberg con, por ejemplo, 3 niveles de refinamiento (n = 3).
La fórmula para la integral de esta función no tiene una solución analı́tica sencilla, por lo que uti-
lizaremos métodos numéricos como el método de Romberg para aproximarla.
Siguiendo el algoritmo del método de Romberg que describimos anteriormente, se construirı́a una
tabla de Romberg iterativamente. Aquı́ te muestro cómo se podrı́a realizar paso a paso:
2
1. Definir la función f (x) = e−x .
2. Establecer el intervalo de integración como [0, 1].
3. Inicializar la matriz R de tamaño 4 × 4 (para 3 niveles de refinamiento más la fila inicial).
4. Calcular la primera aproximación usando la regla del trapecio: R[1][1] = 12 (f (0) + f (1)) ≈ 0.68394.
5. Iterar para los siguientes niveles de refinamiento utilizando la fórmula del método de Romberg hasta
obtener R[4][4], que será nuestra mejor aproximación de la integral.

Por supuesto, este es solo un ejemplo simplificado. La implementación real del método de Romberg
requerirı́a la programación de los pasos iterativos del algoritmo en un lenguaje de programación o software
matemático.

function result = romberg_integration()

% Definir la función
f = @(x) exp(-x.^2);

% Intervalo de integración
a = 0;
b = 1;

% Número de niveles de refinamiento

n = 3;

% Inicializar la matriz R
R = zeros(n+1, n+1);

% Calcular R[1][1] usando la regla del trapecio

R(1, 1) = 0.5 * (f(a) + f(b)) * (b - a);

% Iterar para los siguientes niveles de refinamiento

for i = 2:n+1
h = (b - a) / (2^(i-1));
sum_f = sum(f(a + (2*(1:2^(i-2)) - 1) * h));
R(i, 1) = 0.5 * R(i-1, 1) + h * sum_f;
end

% Aplicar la fórmula de Romberg

for j = 2:n+1
for i = j:n+1
R(i, j) = R(i, j-1) + (R(i, j-1) - R(i-1, j-1)) / (4^(j-1) - 1);
end
end

8
 % La mejor aproximación de la integral
result = R(n+1, n+1);

end

5.6 Ejemplo aplicado a la Ingenieria Electrica

Claro, un ejemplo común en ingenierı́a eléctrica es el cálculo de la potencia en un circuito resistivo.
Supongamos que tenemos un circuito con una resistencia de 10 Ω y una corriente de 5 A y queremos
calcular la potencia disipada usando el método de integración de Romberg para aproximar la integral de
la potencia P = I 2 R en un intervalo de tiempo.
La potencia disipada en un resistor es proporcional al cuadrado de la corriente que lo atraviesa,
multiplicado por la resistencia. Si la corriente es constante, podemos considerarla como I(t) = 5 A
durante un intervalo de tiempo de 0 s a 10 s. Queremos aproximar la integral de P = I 2 R con el método
de Romberg para obtener la potencia total disipada durante este intervalo.
Aquı́ hay un ejemplo simplificado en MATLAB que muestra cómo se puede utilizar el método de
integración de Romberg para aproximar esta integral y mostrar los resultados:
function potencia_resistencia()

% Parámetros del circuito

R = 10; % Resistencia en ohmios
I = 5; % Corriente en amperios

% Intervalo de tiempo
tiempo_inicial = 0;
tiempo_final = 10;

% Función de potencia (P = I^2 * R)

potencia = @(t) (I^2) * R;

% Número de niveles de refinamiento

n = 5;

% Calcular la aproximación de la integral con el método de Romberg

aproximacion = romberg_integration(potencia, tiempo_inicial, tiempo_final, n);
fprintf(’Aproximación de la potencia disipada: %.4f vatios- segundos\n’, aproximacion);

end

function result = romberg_integration(f, a, b, n)

% Inicializar la matriz R
R = zeros(n+1, n+1);

% Calcular R[1][1] usando la regla del trapecio

R(1, 1) = 0.5 * (f(a) + f(b)) * (b - a);

% Iterar para los siguientes niveles de refinamiento

for i = 2:n+1
h = (b - a) / (2^(i-1));
sum_f = sum(f(a + (2*(1:2^(i-2)) - 1) * h));

9
 R(i, 1) = 0.5 * R(i-1, 1) + h * sum_f;
end

% Aplicar la fórmula de Romberg

for j = 2:n+1
for i = j:n+1
R(i, j) = R(i, j-1) + (R(i, j-1) - R(i-1, j-1)) / (4^(j-1) - 1);
end
end

% La mejor aproximación de la integral

result = R(n+1, n+1);

end

6 Conclusiones
• Nuestra labor como moderadores ha sido fundamental para transformar la diversidad de opiniones y
aportes dispersos en una discusión organizada y participativa. Al dirigir la conversación y fomentar
la participación de todos los involucrados, hemos logrado convertir el caos inicial en un intercambio
estructurado y enriquecedor. Esta reunión ha demostrado que una moderación efectiva es clave
para transformar la complejidad en colaboración organizada.
• Precisión y convergencia: El método de Romberg ofrece una alta precisión para aproximar integrales,
mostrando una rápida convergencia hacia el valor real de la integral. Esta caracterı́stica lo convierte
en una herramienta valiosa para obtener resultados confiables en el cálculo numérico de integrales,
especialmente cuando se requiere una alta exactitud.
• Eficiencia computacional: A pesar de su mayor precisión, el método de Romberg puede ser más
costoso computacionalmente en comparación con otros métodos numéricos menos precisos, espe-
cialmente al aumentar el número de niveles de refinamiento. Esto implica un uso más extenso de
recursos computacionales, lo que debe tenerse en cuenta al seleccionar el método apropiado para
una aplicación especı́fica.

• Adaptabilidad y versatilidad: El método de Romberg es versátil y adaptable a distintas funciones,

permitiendo su aplicación en diversos campos de la ciencia y la ingenierı́a. Puede utilizarse para
aproximar integrales definidas en una amplia gama de contextos, desde problemas matemáticos
hasta aplicaciones en ingenierı́a, fı́sica, economı́a y más.

• Implementación práctica: La implementación del método de Romberg, aunque requiere una com-
prensión detallada del algoritmo, puede lograrse mediante la programación en diferentes lenguajes,
lo que facilita su uso y adaptación a distintos contextos profesionales y académicos.

References
[1] I. CONTENIDOS, “Cálculo numérico (521230),”
[2] D. Garcı́a Sanz, “Desarrollo de una aplicación didáctica en cálculo: resolución numérica de integrales,”
2023.
[3] B. P. A. R. Rodrı́guez, “Diseño de un software para la solución numérica de sistemas de ecuaciones
lineales, integración y aproximación,” 2003.

10
[4] J. González-Santander, J. Isidro, M. Garcı́a-March, P. F. de Córdoba, and D. A. Iglesias, “La regla de
simpson con mallados generales e integrales impropias,” Boletı́n de la Sociedad Cubana de Matemática
y Computación, vol. 8, no. 1, pp. 21–33, 2010.
[5] F. V. Muniesa and V. A. Hernández, “Del método de exhaución a los manipuladores algebraicos en
el cálculo de áreas planas,” CIENCIA Y TÉCNICA, p. 891, 2016.
[6] J. V. Pinilla Garcı́a, “Comparación de algunos métodos numéricos para la evaluación de la función
acumulativa de la distribución normal,” 1969.
[7] L. Castellanos, “Cálculo numérico,” Maracaibo, Venezuela. Recuperado de [Link]
files. wordpress. com/2012/04/cc3a1lculonumc3a9rico-luis-castellanos4. pdf, 2014.

11