El teorema del valor medio de Lagrange (en su formulación con integrales) nos asegura que dado una función f integrable en un intervalo [a,b] , existe un punto intermedio \eta al intervalo tal que f(\eta) es la altura promedio de la función f , es decir, que f(x) y f(\eta) tienen la misma integral en [a,b] :
\begin{align*}
\int_a^b\!\!f(x) \text{d}x & = \int_a^b\!\!f(\eta) \text{d}x \\ & = f(\eta)(b-a)
\end{align*}
Si en vez de considerar todo el intervalo [a,b], consideramos un subintervalo [x_{k-1},x_k] , entonces pasamos a tener un punto intermedio \eta_k , y el resultado sigue siendo válido:
\begin{align*} \int_{x_{k-1}}^{x_k}\!\!f(x) \text{d}x & = \int_{x_{k-1}}^{x_k}\!\!f(\eta_k) \text{d}x \\
& = f(\eta_k)(x_k-x_{k-1}) \\
& = f(\eta_k){\Delta x}_k
\end{align*}
Si ahora sumamos todos los resultados para cada uno de estos subintervalos [x_{k-1},x_k] , y sabiendo que \displaystyle \int_a^b\!\!f(x) \text{d}x = \sum_{k=1}^n \int_{x_{k-1}}^{x_k}\!\!f(x) \text{d}x , entonces tenemos:
\begin{align*}
\int_a^b\!\!f(x) \text{d}x & = \sum_{k=1}^n \int_{x_{k-1}}^{x_k}\!\!f(\eta_k) \text{d}x \\
& = \sum_{k=1}^n f(\eta_k)(x_k-x_{k-1}) \\
& = \sum_{k=1}^n f(\eta_k){\Delta x}_k \\
\end{align*}Así pues, si queremos hallar el valor de la integral \displaystyle \int_a^b f , esto se reduce a hallar el correspondiente \eta_k (o en su defecto f(\eta_k) ) para cada uno de los n subintervalos [x_{k-1},x_k] . Sin embargo, esta tarea no es especialmente trivial, ya que muchas veces implica resolver dicha integral para luego hallar o bien \eta_k o bien f(\eta_k) . Empero podemos encontrar una familia T de puntos intermedios asociados t_k\in[x_{k-1},x_k] tal que cada uno de los t_k esté suficientemente "cerca" de \eta_k , y que sendos valores ( f(t_k) y f(\eta_k) respectivamente) no sean muy diferentes, a lo sumo una cantidad \varepsilon_k :
\forall \delta_k \gneq 0 \, , \, \exists t_k \in B(\eta_k, \delta_k) \,\big/\, 0\leqslant \big|f(\eta_k)-f(t_k)\big|\lneq \varepsilon_k \leqslant \max_{k=1}^n\big(\varepsilon_k\big) \overset{\text{def}}{=:} \varepsilon
Con todo esto podemos hallar una suma de áreas, que llamaremos suma asociada de Riemann \sigma(f,\mathcal{P}_n,T) , tal que se aproxime suficientemente bien al valor de la integral \displaystyle \int_a^b f , y que difieran como muchísimo \displaystyle \max_{k=1}^n\big(\varepsilon_k\big)(b-a) :
\begin{array}{ccccc}
0 & \leqslant & \big|f(\eta_k)-f(t_k)\big| & \lneq &\varepsilon \\
-\varepsilon &\lneq & f(\eta_k)-f(t_k) & \lneq & \varepsilon \\
-\varepsilon{\Delta x}_k &\lneq & f(\eta_k){\Delta x}_k-f(t_k){\Delta x}_k & \lneq & \varepsilon{\Delta x}_k\\
\displaystyle \sum_{k=1}^n-\varepsilon{\Delta x}_k &\lneq & \displaystyle \sum_{k=1}^n f(\eta_k){\Delta x}_k-\sum_{k=1}^n f(t_k){\Delta x}_k & \lneq & \displaystyle \sum_{k=1}^n \varepsilon{\Delta x}_k\\
-\varepsilon(b-a) &\lneq & \displaystyle \int_a^b\hspace{-3mm}f -\sigma(f,\mathcal{P}_n,T) & \lneq &\varepsilon(b-a) \\
0 &\leqslant & \displaystyle \Bigg| \int_a^b\hspace{-3mm}f -\sigma(f,\mathcal{P}_n,T) \Bigg| & \lneq &\varepsilon(b-a) \\
\end{array} En este GIF animado podemos observar cómo variando el número n de subintervalos [x_{k-1},x_k] se aproxima mejor el valor de la integral.
No hay comentarios:
Publicar un comentario