Muitas funções encontradas em física, engenharia, estatística e matemática aplicada simplesmente não possuem primitivas de forma fechada. O gaussiano eˣ^(−x²), a função sinc, a maioria das integrais de comprimento de arco e a grande maioria das integrais decorrentes de dados de medição reais se enquadram nesta categoria. A integração numérica – aproximar uma integral por meio da amostragem da função em um número finito de pontos – é a forma como os cientistas e engenheiros em atividade os calculam. Os três métodos que esta calculadora implementa abrangem o espectro do mais simples (Trapezoidal) ao dramaticamente mais eficiente (Simpson), e compreender suas propriedades de convergência é essencial para escolher a ferramenta certa.
Por que três métodos em vez de um
A Regra do Trapezoidal é a mais simples: conecte pontos de amostra adjacentes com linhas retas e some as áreas trapezoidais resultantes. Seu erro é dimensionado como O(h²), o que significa que reduzir pela metade o tamanho do passo h reduz o erro por um fator de quatro. A regra do ponto médio avalia a função no centro de cada subintervalo - de forma um tanto contra-intuitiva, isso tem um desempenho melhor do que Trapezoidal no mesmo n porque cancela erros de curvatura de primeira ordem que Trapezoidal acumula. A Regra de Simpson ajusta uma parábola a cada três pontos amostrais consecutivos; isso captura exatamente a curvatura quadrática, deixando para trás apenas termos de erro de quarta ordem. O resultado prático é dramático: em n = 100, o Simpson normalmente fornece 8–10 dígitos corretos, enquanto o Trapezoidal fornece 3–4. O custo é apenas uma restrição extra - o Simpson precisa de um número par de subintervalos - e o requisito de que o integrando seja suave o suficiente para que as quartas derivadas sejam limitadas.
Lendo a coluna de erro
A calculadora informa um valor exato para as sete funções integradas porque primitivas de forma fechada estão disponíveis: ∫xⁿ = xⁿ⁺¹/(n+1), ∫sin x = −cos x, ∫eˣ = eˣ, ∫1/x = ln x, ∫√x = (2/3)x^(3/2). A comparação da estimativa numérica com o valor exato fornece uma medição honesta do erro do método, em vez de um intervalo de confiança auto-relatado. Para funções sem primitivas na forma elementar (a Gaussiana, a função de erro, integrais de Fresnel), os profissionais executam dois métodos no mesmo n e tratam a discordância entre eles como uma estimativa de erro. Uma abordagem mais rigorosa usa quadratura adaptativa - refinando h apenas onde o integrando está mudando rapidamente - mas para integrandos suaves e bem comportados, Simpson's de n fixo com n na faixa de 50-200 geralmente é suficiente e mais rápido.
Quando a integração numérica falha
As taxas de convergência citadas acima assumem que o integrando é suave - especificamente, que as derivadas relevantes são limitadas por [a, b]. Para 1/x integrado próximo de zero, ou √x integrado em x=0 (onde a derivada é infinita), a convergência se degrada significativamente porque as análises de erro dos métodos dependem de expansões de Taylor que falham. O mesmo se aplica a integrandos oscilatórios como sin(1000x) over [0, 1] — você precisa de um n grande o suficiente para resolver cada oscilação, o que pode ser punitivo. Para integrais impróprias (limites infinitos ou integrandos que explodem nas extremidades), truques de transformação de variáveis (substituição para comprimir um intervalo infinito em um intervalo finito) são a solução padrão. A guia Visualização de Riemann torna isso concreto: arraste o controle deslizante para n pequeno e observe como os retângulos aproximados perdem regiões íngremes da curva. À medida que n cresce, os retângulos se estreitam contra a curva, mas para integrandos problemáticos você pode ver a estagnação da convergência.