Método trapezoidal en integrais
Nas matemáticas aplicadas, atopámonos a miúdo co problema de calcular a área baixo unha curva. Teoricamente, isto pódese resolver usando integrais definidas. Non obstante, na práctica, non todas as funcións se integran analiticamente facilmente. Algunhas funcións son complexas, os datos só están dispoñibles en forma tabular ou os modelos carecen de primitivas simples. En situacións como estas, os métodos numéricos vólvense esenciais. Un dos métodos numéricos máis coñecidos e utilizados é a regra trapezoidal, unha técnica de aproximación para integrais que divide a área baixo unha curva en formas trapezoidais.
Concepto básico de integral definida
Xeometricamente, a integral definida \(\int_a^bf(x)\,dx\) pódese entender como a área delimitada pola curva \(y=f(x)\), o eixe \(x\) e as liñas verticais \(x=a\) e \(x=b\). Se \(f(x)\ge 0\), a integral é unha área positiva. Se a función ten valores negativos nun certo intervalo, a integral dá unha "área con signo".
O principal problema xorde cando:
1. A función \(f(x)\) non ten ningunha primitiva que se poida expresar mediante funcións elementais.
2. O valor de \(f(x)\) só se coñece nalgúns puntos (datos experimentais).
3. A computación simbólica é ineficiente ou imposible.
Aquí é onde se emprega o método trapezoidal para aproximar o valor integral utilizando os valores da función en certos puntos.
Idea do método trapezoidal
O método trapezoidal comeza cunha idea simple: aproximar unha curva cunha liña recta en cada subintervalo. Mentres que o método da suma de Riemann usa lados perpendiculares e unha área rectangular, o método trapezoidal usa dous extremos no subintervalo e conéctaos cunha liña recta. A área baixo a liña recta forma un trapecio, non un rectángulo.
Supoñamos que queremos calcular:
\[
\int_a^bf(x)\,dx
\]
Dividimos o intervalo \([a,b]\) en \(n\) subintervalos de igual lonxitude. A lonxitude de cada subintervalo é:
\[
h=\frac{ba}{n}
\]
Puntos divisorios:
\[
x_0=a, x_1=a+h, x_2=a+2h, x_n=b
\]
Cos valores da función:
\[
f(x_0), f(x_1), ∫, f(x_n)
\]
En cada subintervalo \([x_{i-1}, x_i]\), a área baixo a curva aproxímase pola área do trapezoide:
\[
A_i \approx\frac{h}{2}\left[f(x_{i-1}) + f(x_i)\right]
\]
Entón, a área total (aproximación integral) obtense sumando todos os trapecios:
\[
\int_a^bf(x)\,dx \approx \sum_{i=1}^{n}\frac{h}{2}\left[f(x_{i-1}) + f(x_i)\right]
\]
Se se ordena, a fórmula da regra trapezoidal composta convértese en:
\[
\int_a^b f(x)\,dx \approx \frac{h}{2}\left[f(x_0)+2f(x_1)+2f(x_2)+\cdots+2f(x_{n-1})+f(x_n)\right]
\]
Observe o patrón de coeficientes: os puntos finais \(x_0\) e \(x_n\) multiplícanse por 1, mentres que os puntos do medio multiplícanse por 2.
Exemplo de cálculo sinxelo
Supoñamos que queremos achegarnos a:
\[
\int_0^2 x^2\,dx
\]
Analiticamente, a integral é \(\left.\frac{x^3}{3}\right|_0^2=\frac{8}{3}\approx 2{,}6667\). Non obstante, usaremos o método trapezoidal con \(n=4\).
1. Intervalo \([0,2]\), entón:
\[
h=\frac{2-0}{4}=0{,}5
\]
2. Titik-titik: \(x_0=0\), \(x_1=0{,}5\), \(x_2=1\), \(x_3=1{,}5\), \(x_4=2\)
3. Valor da función:
\(f(0)=0\)
\(f(0{,}5)=0{,}25\)
\(f(1)=1\)
\(f(1{,}5)=2{,}25\)
\(f(2)=4\)
Usa a fórmula do trapecio composto:
\[
T=\frac{h}{2}\left[f(x_0)+2f(x_1)+2f(x_2)+2f(x_3)+f(x_4)\right]
\]
\[
T=\frac{0{,}5}{2}\left[0+2(0{,}25)+2(1)+2(2{,}25)+4\right]
\]
\[
T=0{,}25\left[0{,}5+2+4{,}5+4\right]=0{,}25(11)=2{,}75
\]
O resultado aproximado de 2,75 é bastante próximo ao valor exacto de 2,6667, cun erro de arredor de 0,0833.
Erro no método trapezoidal
O método trapezoidal é un método de aproximación, o que significa que sempre hai unha diferenza entre o valor aproximado e o valor integral real. A magnitude do erro está influenciada por:
1. Número de subintervalos \(n\): canto maior sexa \(n\), menor será \(h\) e, en xeral, máis precisos serán os resultados.
2. Curvatura da función: se a función é moi curva (ten unha segunda derivada grande), o método trapezoidal pode ser menos preciso que os métodos de orde superior.
Para funcións suficientemente suaves (con segundas derivadas continuas), o erro do método trapezoidal composto pódese estimar:
\[
E_T = -\frac{(ba)}{12}h^2 f”(\xi)
\]
para algún \(\xi\) entre \(a\) e \(b\). A partir desta fórmula pódese ver que o erro é proporcional a \(h^2\). É dicir, se reducimos \(h\) á metade (é dicir, o dobre do número de subintervalos), o erro redúcese aproximadamente nun cuarto.
Vantaxes do método trapezoidal
O método trapezoidal é popular por varias razóns:
1. Sinxelo e rápido
O cálculo é relativamente sinxelo e mesmo pódese facer manualmente para casos pequenos.
2. Adecuado para datos tabulares
Se o valor de \(f(x)\) só se coñece en puntos discretos (por exemplo, os resultados das medicións), este método pódese aplicar directamente.
3. Mellor precisión que o método rectangular
Dado que emprega dous puntos finais e aproxima a función cunha liña recta, xeralmente é máis precisa que a aproximación rectangular para o mesmo número de particións.
4. Estable para moitas aplicacións de enxeñaría
Moitos problemas de física e enxeñaría (por exemplo, o cálculo de traballo, enerxía, área da sección transversal, descarga, etc.) pódense abordar con este método.
Limitacións do método trapezoidal
Aínda que é útil, este método ten limitacións:
1. Menos preciso para funcións moi curvas
Dado que só emprega unha aproximación lineal en cada subintervalo, as funcións con cambios rápidos ou curvas pronunciadas requiren un valor grande de \(n\).
2. Non é un método de orde superior
Erros da orde de \(h^2\); outros métodos como o de Simpson poden dar erros menores no mesmo número de subintervalos (sempre que a función sexa suficientemente suave).
3. Sensible á selección de intervalos
Se o intervalo é demasiado amplo e \(n\) é pequeno, os resultados poden desviarse significativamente.
Peche
O método de integración trapezoidal é unha das técnicas máis fundamentais da integración numérica. Ao dividir un intervalo en partes pequenas e substituír a curva por unha liña recta en cada parte, podemos aproximar a integral sen ter que atopar analiticamente a antiderivada. A fórmula é sinxela, fácil de implementar e especialmente útil cando os datos son discretos ou a función é difícil de integrar.
Non obstante, os usuarios do método trapezoidal deben prestar atención ao número de subintervalos e ao comportamento da función que se integra. Para funcións moi curvas ou cando se require unha alta precisión, aínda se pode usar o método trapezoidal aumentando \(n\), ou pódense considerar outros métodos numéricos como os de Simpson ou Romberg. Cun bo coñecemento, o método trapezoidal convértese nunha ferramenta eficaz e práctica para resolver diversos problemas integrais en ciencia, enxeñaría e economía.
