Integración Numérica

Muchas funciones que aparecen en cálculo, física o estadística no tienen una antiderivada expresable con funciones elementales. Un ejemplo clásico es \( f(x) = e^{-x^2} \), la función detrás de la distribución normal. En esos casos no podemos usar el teorema fundamental del cálculo directamente, así que aproximamos el valor de la integral definida \( \int_a^b f(x)\,dx \) usando los valores de \( f \) en varios puntos del intervalo. Eso es integración numérica: reemplazar el cálculo exacto por una suma ponderada de valores conocidos de la función.

Antes de recurrir a estos métodos conviene revisar si la integral tiene una forma cerrada usando técnicas como la integración por sustitución, la integración por partes o la descomposición en fracciones parciales. La integración numérica entra en juego cuando esas herramientas no llegan a una antiderivada elemental, o cuando solo se dispone de datos experimentales en puntos discretos.

La forma más simple de aproximar \( \int_a^b f(x)\,dx \) es dividir el intervalo \([a,b]\) en \( n \) subintervalos iguales de ancho \( h = \frac{b-a}{n} \) y sumar el área de rectángulos con altura \( f(x_i) \). Esta suma de rectángulos (una suma de Riemann) es fácil de calcular pero converge lentamente: su error decrece proporcionalmente a \( h \). Las reglas del trapecio y de Simpson mejoran esta idea usando formas geométricas que se ajustan mejor a la curva.

En lugar de rectángulos, la regla del trapecio conecta puntos consecutivos de la curva con segmentos rectos, formando trapecios. Con nodos \( x_0, x_1, \dots, x_n \) igualmente espaciados y \( h = \frac{b-a}{n} \):

\( \int_a^b f(x)\,dx \approx \frac{h}{2}\Big[f(x_0) + 2f(x_1) + 2f(x_2) + \cdots + 2f(x_{n-1}) + f(x_n)\Big] \)

Los puntos interiores se cuentan dos veces porque cada uno es compartido por dos trapecios consecutivos. El error de este método es del orden de \( h^2 \), claramente mejor que el de los rectángulos.

La regla de Simpson va un paso más allá: en vez de segmentos rectos, ajusta una parábola a cada tres puntos consecutivos. Esto requiere que \( n \) sea par. Con el mismo espaciamiento \( h \):

\( \int_a^b f(x)\,dx \approx \frac{h}{3}\Big[f(x_0) + 4f(x_1) + 2f(x_2) + 4f(x_3) + \cdots + 4f(x_{n-1}) + f(x_n)\Big] \)

Los coeficientes alternan entre 4 (nodos con índice impar) y 2 (nodos interiores con índice par). Como cada parábola describe mejor la curvatura de \( f \), el error de Simpson es del orden de \( h^4 \), mucho más pequeño que el del trapecio para el mismo número de subintervalos.

Aproximemos \( \int_0^2 e^{-x^2}\,dx \) usando \( n = 4 \) subintervalos, por lo que \( h = \frac{2-0}{4} = 0.5 \). Los nodos y valores de la función son:

\( f(0)=1 \), \( f(0.5)\approx 0.7788 \), \( f(1)\approx 0.3679 \), \( f(1.5)\approx 0.1054 \), \( f(2)\approx 0.0183 \)

Regla del trapecio:

\( \frac{0.5}{2}\big[1 + 2(0.7788) + 2(0.3679) + 2(0.1054) + 0.0183\big] \approx 0.8806 \)

Regla de Simpson:

\( \frac{0.5}{3}\big[1 + 4(0.7788) + 2(0.3679) + 4(0.1054) + 0.0183\big] \approx 0.8818 \)

El valor real de esta integral, calculado con métodos avanzados, es aproximadamente \( 0.8821 \). Observa que el trapecio se aleja del valor real por unas 0.0015 unidades, mientras que Simpson se acerca hasta unas 0.0003 unidades, confirmando que Simpson ofrece mayor precisión con el mismo número de nodos.

Usa la regla del trapecio cuando necesites una estimación rápida o cuando solo tengas datos experimentales dispersos. Prefiere la regla de Simpson cuando \( f \) sea suave y \( n \) sea par, ya que su mayor orden de convergencia reduce el error con muy pocos nodos adicionales. Si el intervalo de integración es infinito o la función tiene una discontinuidad, revisa primero el tema de integrales impropias antes de aplicar estas fórmulas, ya que ahí se necesitan ajustes previos al proceso numérico.

Related lessons

• Es Calculus Help