Juan Pablo Ortega Lara
Desarrollo Analisis Numerico:
Primera Parte:
3
∫ 𝑙𝑛 (𝑥 2 + 1) 𝑑𝑥
1
𝟑−𝟏 𝟐
h= = 𝟒 = 0.5
𝟒
1. x0= 1 𝑓(𝑥0) = 𝑙𝑛(12 + 1) = ln (2)
2. x1= 1.5 𝑓(𝑥1) = 𝑙𝑛(1.52 + 1) = ln (3.25)
3. x2= 2.0 𝑓(𝑥2) = 𝑙𝑛(22 + 1) = ln (5)
4. x3= 2.5 𝑓(𝑥3) = 𝑙𝑛(2.52 + 1) = ln (7.25)
Aproximacion:
3
∫ 𝑙𝑛 (𝑥 2 + 1) 𝑑𝑥 = 0.5 ( 𝑙𝑛(2) + 𝑙𝑛(3.25) + 𝑙𝑛(5) + 𝑙𝑛(7.25))
1
Codigo Matlab:
f = @(x) log(x.^2 + 1); % Función a integrar
a = 1; % Límite inferior
b = 3; % Límite superior
n = 4; % Número de subintervalos
h = (b - a) / n; % Ancho de cada subintervalo
x = a:h:(b - h); % Puntos del extremo izquierdo
suma = sum(f(x)); % Suma de las áreas de los rectángulos
I_rect = h * suma; % Aproximación con regla de los rectángulos
fprintf('Aproximación (Rectángulos): %.6f\n', I_rect);
% Valor exacto con integral numérica
I_exacto = integral(f, a, b);
fprintf('Valor exacto: %.6f\n', I_exacto);
% Cálculo del error Aproximación (Rectángulos): 2.731121
error = abs(I_exacto - I_rect); Valor exacto: 3.141903
fprintf('Error: %.6f\n', error); Error: 0.410783
Reflexión: La regla de los rectángulos es simple, pero menos precisa. Su error depende
mucho del comportamiento de la función.
Segunda Parte:
2
2
∫ ⅇ −𝑥 𝑑𝑥 𝑐𝑜𝑛 𝑛 = 4
0
2−0
ℎ= = 0.5
4
1. x0 = 0 𝑓(𝑥0) = ⅇ 0 = 1
2. x1 = 0.5 𝑓(𝑥0) = ⅇ −0.25
3. x2= 1 𝑓(𝑥0) = ⅇ −1
4. x3 = 1.5 𝑓(𝑥0) = ⅇ −2.25
5. x4 = 2.0 𝑓(𝑥0) = ⅇ −4
Aproximacion:
2
2
∫ ⅇ −𝑥 𝑑𝑥 = 0.25 ( 1 + 2 (ⅇ −0.25 + ⅇ −1 + ⅇ −2.25 ) + ⅇ −4 )
0
Codigo Matlab:
f = @(x) exp(-x.^2); % Definimos la función f(x) = e^(-x^2)
a = 0; % Límite inferior
b = 2; % Límite superior
n = 4; % Número de subintervalos
h = (b - a) / n; % Ancho de subintervalo
x = a:h:b; % Vector con los nodos (extremos de subintervalos)
y = f(x); % Evaluamos la función en esos puntos
% Fórmula de la regla del trapecio
I_trap = (h/2) * (y(1) + 2*sum(y(2:end-1)) + y(end));
fprintf('Aproximación (Trapecios): %.6f\n', I_trap);
% Valor exacto usando la función integral
I_exacto = integral(f, a, b);
fprintf('Valor exacto: %.6f\n', I_exacto);
% Error absoluto
error = abs(I_exacto - I_trap);
fprintf('Error: %.6f\n', error);
% Gráfica
xx = linspace(a, b, 100); % Puntos para curva
yy = f(xx); % Evaluación en curva
plot(xx, yy, 'b-', 'LineWidth', 2); hold on; % Curva azul
for i = 1:n
fill([x(i) x(i) x(i+1) x(i+1)], [0 y(i) y(i+1) 0], 'r', 'FaceAlpha', 0.3); % Trapecios rojos
end
title('Regla del Trapecio: e^{-x^2}'); Aproximación (Trapecios): 0.880619
xlabel('x'); ylabel('f(x)'); Valor exacto: 0.882081
grid on; Error: 0.001463
Reflexión: La regla de los trapecios mejora la precisión al considerar la pendiente entre
dos puntos.
Tercera Parte:
𝜋
sin(𝑥)
∫ 𝑐𝑜𝑛 𝑛 4
0 𝑥+1
𝜋−0 𝜋
ℎ = =
4 4
sin(0)
1. x0 = a = 0 (x0) = 𝑓(0) = =0
0+1
𝜋 √2
𝜋 𝜋 sin( )
4 2
2. x1 = a + h = 4
(x1) = 𝑓 ( 4 ) = 𝜋 = 𝜋
+1 +1
4 4
𝜋
𝜋 𝜋 sin( ) 1
2
3. x2 = a + 2h = (x2) = 𝑓 ( 2 ) = 𝜋 𝜋=
2 +1 +1
2 2
3𝜋 √2
3𝜋 3𝜋 sin( )
4 2
4. x3 = a + 3h = (x3) = 𝑓 ( 4 ) = 3𝜋 = 𝜋
4 +1 3 +1
4 4
sin(𝜋)
5. x4 = b = 𝜋 (x4) = 𝑓(𝜋) = =0
𝜋+1
Aproximacion:
𝜋
𝜋
𝜋 𝜋 3𝜋
∫ 𝑓(𝑥) 𝑑𝑥 = 4 (0 + 4𝑓 ( ) + 2𝑓 ( ) + 4𝑓 ( ) + 0)
0 3 4 2 4
Codigo Matlab:
f = @(x) sin(x)./(x + 1); % Definimos la función
a = 0; % Límite inferior
b = pi; % Límite superior
n = 4; % Número de subintervalos (debe ser par)
h = (b - a)/n; % Ancho del subintervalo
x = a:h:b; % Nodos
y = f(x); % Evaluamos la función
% Aplicamos la fórmula de Simpson 1/3:
I_simp = (h/3) * (y(1) + 4*sum(y(2:2:end-1)) + 2*sum(y(3:2:end-2)) + y(end));
fprintf('Aproximación (Simpson): %.6f\n', I_simp);
% Valor exacto aproximado
I_exacto = integral(f, a, b);
fprintf('Valor exacto: %.6f\n', I_exacto);
% Error absoluto Aproximación (Simpson): 0.839045
error = abs(I_exacto - I_simp); Valor exacto: 0.843811
fprintf('Error: %.6f\n', error); Error: 0.004766
Reflexión: La regla de Simpson proporciona mayor exactitud para funciones suaves, ya que
ajusta parábolas entre los puntos.
