Muchas funciones que aparecen en física, ingeniería, estadística y matemáticas aplicadas simplemente no tienen antiderivadas de forma cerrada. La gaussiana e^(−x²), la función sinc, la mayoría de las integrales de longitud de arco y la gran mayoría de las integrales que surgen de datos de mediciones reales entran en esta categoría. La integración numérica — aproximar una integral muestreando la función en un número finito de puntos — es la forma en que los científicos e ingenieros en ejercicio calculan estos valores. Los tres métodos que implementa esta calculadora abarcan el espectro desde el más simple (Trapecio) hasta el más eficiente (Simpson).
Por Qué Tres Métodos en Lugar de Uno
La Regla del Trapecio es la más simple: conecta puntos de muestra adyacentes con líneas rectas y suma las áreas de los trapecios resultantes. Su error escala como O(h²), lo que significa que reducir el tamaño de paso h a la mitad disminuye el error por un factor de cuatro. La Regla del Punto Medio evalúa la función en el centro de cada subintervalo — de forma algo contraintuitiva, funciona mejor que el Trapecio para el mismo n porque cancela los errores de curvatura de primer orden que el Trapecio acumula. La Regla de Simpson ajusta una parábola a cada tres puntos de muestra consecutivos; esto captura exactamente la curvatura cuadrática, dejando únicamente términos de error de cuarto orden. El resultado práctico es dramático: con n=100, Simpson típicamente entrega 8–10 dígitos correctos donde el Trapecio entrega 3–4. El coste es solo una restricción adicional — Simpson necesita un número par de subintervalos — y el requisito de que la función integranda sea suficientemente suave.
Cómo Leer la Columna de Error
La calculadora reporta un valor exacto para las siete funciones predefinidas porque se dispone de antiderivadas de forma cerrada: ∫xⁿ = xⁿ⁺¹/(n+1), ∫sin x = −cos x, ∫eˣ = eˣ, ∫1/x = ln x, ∫√x = (2/3)x^(3/2). Comparar la estimación numérica con el valor exacto proporciona una medida honesta del error del método. Para funciones sin antiderivada en forma elemental, los profesionales ejecutan dos métodos con el mismo n y tratan el desacuerdo entre ellos como estimación del error. Un enfoque más riguroso usa cuadratura adaptativa — refinando h solo donde la función integranda cambia rápidamente — pero para integrales suaves y bien comportadas, Simpson a n fijo en el rango 50–200 suele ser suficiente y más rápido.
Cuándo Falla la Integración Numérica
Las tasas de convergencia indicadas anteriormente asumen que la función integranda es suave — concretamente, que las derivadas relevantes están acotadas en [a, b]. Para 1/x integrada cerca de cero, o √x integrada en x=0 (donde la derivada es infinita), la convergencia se degrada significativamente porque los análisis de error de los métodos dependen de expansiones de Taylor que fallan. Lo mismo se aplica a las integrandes oscilatorias como sin(1000x) sobre [0, 1] — se necesita un n suficientemente grande para resolver cada oscilación. Para integrales impropias (límites infinitos o integrandas que se disparan en los extremos), los trucos de cambio de variable son el remedio estándar. La pestaña de Visualización de Riemann ilustra esto: arrastra el deslizador a n pequeño y observa cómo los rectángulos de aproximación se pierden las regiones empinadas de la curva. A medida que n crece, los rectángulos se ciñen a la curva, pero para integrales problemáticas se puede ver que la convergencia se detiene.