NIVERSIDAD NACIONAL DE SAN

ANTONIO ABAD DE CUSCO

ESCUELA PROFESIONAL DE
INGENIERIA DE MINAS

CURSO : METODOS NUMERICOS

DOCENTE : MGT. CARLOS RAMON QUISPE ONOFRE

TEMA:
“METODO DEL TRAPECIO”

ALUMNO :

CASTRO HUAMAN DANIEL 001988

Cusco, FEBRERO de 2021

 CASTRO HUAMAN DANIEL

INTEGRACIÓN NUMÉRICA
REGLA TRAPEZOIDAL
Objetivos: Resolver el problema de cálculo del área bajo la curva entre dos
límites conocidos, dividiendo en N sub áreas para calcular su valor asumiendo
cada sub área como un pequeño trapecio.

Temas:

9 Cálculo de áreas.
9 Método de los trapecios.
9 Programación del método de los trapecios.
9 Cálculo del área de múltiples funciones en base a subclases.

Cálculo de áreas

Uno de los problemas matemáticos más frecuentes es el cálculo del área que se
forma al graficar una función. Por ejemplo, se necesita calcular el área A que
aparece en la siguiente figura por debajo de la función f(x) entre los límites a y
b:

Fig. 1

En donde la función f (x) y los valores a y b son valores conocidos. a se

considera como el limite inferior y b se considera como límite superior.

En este tipo de problemas se pueden obtener dos tipos de soluciones:

9 Soluciones algebraicas: se obtiene una fórmula precisa y exacta para el

área solicitada.
9 Soluciones numéricas: se calcula numéricamente una estimación del área.
 CASTRO HUAMAN DANIEL

difícil) obtener la solución algebraica, por lo que una solución numérica permite
ahorrar tiempo.

REGLA TRAPEZOIDAL O REGLA TRAPECIAL.

La Fig. 2 muestra de color verde como sería el cálculo del área bajo la curva de
la función f (x ) entre los límites a y b si se dividiera dicha subarea en un solo
trapecio. El error que se cometería sería demasiado grande con respecto al área
real que se desea obtener. Dependiendo de la forma de la curva el error que se
cometería sería por exceso o por defecto. En el caso del ejemplo, el error seria
por defecto, es decir el valor que arroje el cálculo de la integral será menor al
valor real del área.

Fig. 2

Si se divide el intervalo (área a calcular) en mas de una sub área, en el caso de

la Fig. 3 (dividida en 3 sub áreas), el error en le cálculo de la integral o área
total, se disminuye.

Fig. 3

La estrategia más simple y que evitaría menor error en el cálculo, consiste en

subdividir el intervalo pedido para el cálculo del área en n sub intervalos de
 CASTRO HUAMAN DANIEL

pequeño tamaño y aproximar el área como la suma de las áreas de cada uno de
los trapecios que se forman:

Fig. 4

De la Fig 4 se puede deducir que dx = (b − a ) / n . Si n es suficientemente grande

(delta sería suficientemente pequeño), el área de los trapecios será
aproximadamente el área pedida. El área total que correspondería a la suma
del área de cada uno de los trapecios se calcula de la siguiente forma:

9 Se determinan los puntos del eje x que delimitarán cada trapecio. Estos
puntos son:
xi= a+i*dx, con i= 0, 1, 2, ..., n
9 Se evalúa la función f en cada uno de los puntos Xi:
yi= f(xi), i= 0, 1, 2, ..., n
9 Se calcula el área de cada trapecio como:
ai= (yi+y(i+1))*dx/2, i= 0, 1, 2, ..., n-1
9 Se suman las áreas de cada uno de los trapecios.

DEDUCCION DEL MÉTODO DEL TRAPECIO: (Deducción del método desde los
Polinomios de Interpolación)

Corresponde al caso donde n=1, es decir:

b
b
∫
a
f ( x)dx ≈ ∫ f1 ( x)dx
a
Donde f1(x), es un polinomio de interpolación (obviamente de grado 1) para
los datos:

x a b
y f(a) f(b)

Del capítulo de interpolación y observando la Fig. 5, se sabe que este polinomio

de interpolación puede expresarse mediante la expresión:
f (b) − f (a) f ( x) − f (a)
=
b−a x−a
 CASTRO HUAMAN DANIEL

Fig 5

f (b) − f (a)
( x − a) = f ( x) − f (a)
b−a

f (b) − f (a)
f1 ( x) = f (a ) + ( x − a)
b−a
Integrando este polinomio, se tiene que:

b
b b
f (b) − f (a )  ( x − a) 2 
∫ f ( x)dx ∫
1 f 1 ( x)dx = f (a ) x +
b−a  2 
a a  a
b
f (b) − f (a )  (b − a ) 2 
∫
a
f1 ( x)dx = f (a )(b − a ) +
b−a  2 
 
 (b − a ) 
b

∫ f ( x)dx
a
1 = f (a )(b − a ) + ( f (b) − f (a )) 
 2 
b
 f (b) − f (a ) 
∫ f ( x)dx
a
1 = (b − a )  f (a ) +
 2 

 f (a) + f (b) 
b

∫ f ( x)dx
a
1 = (b − a) 
 2 

Por lo tanto, se tiene que:

 CASTRO HUAMAN DANIEL

b
 f (a ) + f (b) 
∫ f ( x)dx ≈ (b − a) 
a 2 

Que es conocida como la Regla del Trapecio. Este nombre se debe a la

interpretación geométrica que se le puede dar a la fórmula. El polinomio de
interpolación para una tabla que contiene dos datos, es una línea recta. La
integral, corresponde al área bajo la línea recta en el intervalo [a,b], que es
precisamente el área del trapecio que se forma.

Fig. 6

DESARROLLO DEL MODELO

La regla del trapecio o regla trapezoidal es una de las fórmulas cerradas de

Newton-Cotes.

Considérese la función f (x) , cuya gráfica entre los límites x = a y x = b se

muestra en la Fig. 7. Una aproximación suficiente al área bajo la curva se
obtiene dividiéndola en n subareas de ancho ∆X y aproximando el área de cada
un a de las secciones mediante un trapecio, como se indica en la figura.

Fig. 7
 CASTRO HUAMAN DANIEL

El método de los trapecios es muy simple y se puede explicar de forma fácil a

partir de la figura Fig 8. Suponga que se mira solo la pequeña subarea A1 de la
figura anterior Fig 7.

Fig. 8

∆X = (b − a ) / n . Sería el ancho de cada una de las Sub áreas. n Sería el número

de pequeñas sub áreas en las que se divide el área total que se desea calcular.

Llamando a las ordenadas Yi (i = 0,1, 2, 3, ...., n), las áreas de los trapecios son:

 y + y1 
A1 = ∆X  0 
 2 
 Y + Y2 
A2 = ∆X  1 
 2 
(1)
.
.
 Y + Yn 
An = ∆X  n −1 
 2 
Fig. 9

El área total comprendida entre X = a y X = b está dada por:

A = ∫ f ( x)dx ≅ A1 + A2 + A3 + ... + An (2)

a

Sustituyendo las ecuaciones (1) en la expresión (2) se obtiene:

 CASTRO HUAMAN DANIEL

b
∆X
A = ∫ f ( x)dx ≅ ( y0 + 2 y1 + 2 y 2 + ... + 2 y n−1 + y n ) (3)
a
2

La cual recibe el nombre de Fórmula Trapezoidal, y se puede expresar como:

b
∆X
A = ∫ f ( x)dx ≅ (y0 + y n + 2∑ ( y 2 + y3 + ... + y n−1 )) (4)
a
2

b
∆X  n −1

A = ∫ f ( x)dx ≅  y 0 + y n + 2∑ y i  (5)
a
2  i =1 

Ahora se sabe que y 0 y y n son valores de la evaluación de la función en cada

uno de los límites, es decir y 0 es la función evaluada en el límite a y y n es la
función evaluada en el limite b.
b
∆X  n −1

A = ∫ f ( x)dx ≅  f (a) + f (b) + 2∑ y i  (6)
a
2  i =1 

Ahora, y i sería la evaluación en cada uno de los puntos sobre el eje x de base
común a cada una de las sub áreas.
y1 = f (a + 1dx)
y 2 = (a + 2dx)
y 3 = (a + 3dx)
.
.
.
y i = (a + idx)

Por lo tanto la ecuación general para el cálculo de la integral por el método

trapezoidal será:

b
∆X  n −1

A = ∫ f ( x)dx ≅  f (a ) + f (b) + 2∑ f (a + i * dx)  (7)
a
2  i =1 
Que también se pudiese representar como
b
 f (a ) + f (b) n−1 
A = ∫ f ( x)dx ≅ ∆X  + ∑ f (a + i * dx)  (8)
a  2 i =1 
 CASTRO HUAMAN DANIEL

En esencia, la técnica consiste en dividir el intervalo total en intervalos

pequeños y aproximar la curva y = f (x) en los diversos intervalos pequeños
mediante alguna curva más simple cuya integral puede calcularse utilizando
solamente las ordenadas de los puntos extremos de los intervalos.

Si la función f (x) se puede expresar como una función matemática continua

que tiene derivadas continuas f `(x) y f ``(x) , el error que resulta de aproximar
el área verdadera en una subarea bajo la curva f (x) comprendida entre Xi y
Xi+1 mediante el área de un trapecio, se demuestra que es igual a:

1
et = − f ``(ξ )(∆x) 3 con xi −1 < ξ < xi (9)
12

Este error es la cantidad que se debe agregar al área del trapecio para obtener
el área real. Se llama Error por Truncamiento, ya que es el error que resulta de
utilizar una serie de Taylor truncada, en vez de una serie de Taylor completa,
para representar en forma de serie el área de una faja. Generalmente no se
puede valuar directamente el término mostrado como error por truncamiento.
Sin embargo, se puede obtener una buena aproximación de su valor para cada
faja suponiendo que f '' es suficientemente constante en el intervalo de la faja
(se supone que las derivadas de orden superior son despreciables) y evaluando f
'' para ξ = X i . La estimación del error por truncamiento para la integración
total se obtiene sumando las estimaciones para cada faja. Si la estimación
obtenida para el error total por truncamiento es mayor de lo que se puede
tolerar, se debe utilizar una subarea más angosta o un método más preciso.

Otro error que se introduce al obtener el área aproximada de cada subarea es el

Error por Redondeo. Este se produce cuando las operaciones aritméticas
requeridas se efectúan con valores numéricos que tienen un número limitado de
dígitos significativos.

Se puede demostrar que una aproximación al límite del error por redondeo es:

ye(b − a) 2  1 
eR ≤   (10)
2  ∆x 

Se tiene entonces que el límite en el error por redondeo aumenta

proporcionalmente a (1 / ∆X ) , lo cual pronto domina al error por truncamiento
que es proporcional a ∆X . En realidad, el error por redondeo en sí no crece
2

proporcionalmente con ∆X sino con ∆X en donde 0 < p < 1, pero sin

−1 −p

embargo aún supera al error por truncamiento si ∆X decrece lo suficiente.

 CASTRO HUAMAN DANIEL

El error por redondeo se puede minimizar utilizando aritmética de doble

precisión o mediante compiladores que pueden manejar un gran número de
dígitos significativos.

De la información anterior se puede ver que el error total en el intervalo de

integración deseado, es la suma de los errores de truncamiento y redondeo. Si
el error total se debiera únicamente al error por truncamiento, se podría hacer
tan pequeño como se deseara reduciendo suficientemente el ancho de la faja.
Por ejemplo, bisectando el ancho de la faja se duplicaría el número de errores
por truncamiento que hay que sumar, pero la expresión para el error en cada
faja indica que cada uno sería aproximadamente un octavo de su valor previo.

Sin embargo, disminuyendo el ancho de la faja se afectaría también el error

total al aumentar el error por redondeo, debido al mayor número de
operaciones que hay que efectuar al valuar la ec. (3). Entonces, cuando se
disminuye el ancho de la faja para disminuir el error total, existe un punto
óptimo en el cual disminuciones adicionales del ancho de la faja harían que el
error aumentara en lugar de disminuir, porque el error por redondeo se volvería
dominante. El ancho óptimo de la faja para una función especial se puede
determinar fácilmente en forma experimental en la computadora (suponiendo
que el área real bajo la gráfica de la función se puede valuar) pero es difícil
definirlo analíticamente.

1
x2
Ejemplo: Utilizar la regla del trapecio para aproximar la integral: ∫e dx .
0
Tenga en cuenta que el valor real es 1.4626…

Fig. 10

Solución: Usando la fórmula directamente con los siguientes datos:

a=0
b =1
2
f ( x) = e x
 CASTRO HUAMAN DANIEL

Si se asume el área como un solo trapecio, se tiene que:

1
 f (0) + f (1)  1 + e
∫e
x2
dx ≈ (1 − 0) 
 2  = 2 = 1.85914
0

Observando la Fig. 10 y teniendo en cuenta el resultado obtenido con el método

trapezoidal tomando el área como un solo trapecio (1.85914), se puede
comprobar que dicho valor es superior al valor real que es de 1.4626. El valor
real es el área bajo la curva azul, que corresponde a la función dada y el valor
calculado de 1.85914 corresponde al área bajo la curva de color rojo, que
correspondería a la forma que toma el área asumiéndola como trapecio.

Desarrollado en MatLab se tendría el siguiente resultado.

»syms x
»f=exp(x^2);
»integral=int(f)
integral =
-1/2*i*pi^(1/2)*erf(i*x)

ERF Error de la función.

Y = ERF(X) es el error de la función para cada elemento de X. X debe ser real.
El error de la función está definido como:

erf(x) = 2/sqrt(pi) * integral desde 0 a x de exp(-t^2) dt. Analice lo anterior.

ex 4

Ejemplo: Usar la regla del trapecio para aproximar la integral: ∫ dx

2 x
Solución: Igual que en el ejemplo anterior, se sustituyen los datos de manera
directa en la fórmula del trapecio. En este caso, se tienen los datos:
a=2
b=4
f ( x) = e x / x

Por lo tanto, se tiene que:

4
ex  f (2) + f (4)  e
2
e4
∫2 x dx ≈ ( 4 − 2)  2
=
 2 +
4
= 17.3441

La regla del trapecio se puede ampliar si se subdivide el intervalo [a,b] en

n subintervalos, todos de la misma longitud h=(b-a)/n.
 CASTRO HUAMAN DANIEL

Sea P={x0,x1,x2,.......,xn} la partición que se forma al hacer dicha subdivisión.

Usando propiedades de la integral se tiene que:

b x1 x2 xn

∫ f ( x)dx = ∫ f ( x)dx + ∫ f ( x)dx + ... + ∫ f ( x)dx

a x0 x1 xn −1

Aplicando la regla del trapecio en cada una de las integrales, se tiene:

b
 f ( x0 ) + f ( x1 )   f ( xn−1 ) + f ( xn ) 
∫ f ( x)dx ≈ ( x1 − x0 )  2  + ... + ( x n − x n −1 )  2 
a

Ahora bien, ya que todos los subintervalos tienen la misma longitud h, se tiene
que:

b
h
∫ f ( x)dx ≈ 2 [ f ( x
a
0 ) + 2 f ( x1 ) + 2 f ( x 2 ) + ... + 2 f ( x n −1 ) + f ( x n )]

Sustituyendo el valor de h y usando la notación sigma, se tiene finalmente:

 n −1

b  f ( x 0 ) + 2 ∑ f ( xi ) + f ( x n ) 
∫ f ( x)dx ≈ (b − a)  
i =1

a  2n 
 

Esta es la regla del trapecio para n sub intervalos. Obviamente, se espera que
entre más sub intervalos use, mejor sea la aproximación a la integral.

1
2
Ejemplo: Aplicar la regla del trapecio para aproximar la integral ∫ e x dx si se
0
subdivide en 5 intervalos.

Solución: En este caso, se identifica n=5, y la partición generada es:

P={0.0, 0.2, 0.4, 0.6, 0.8, 1.0}

Así, aplicando la fórmula se tiene que:

 f (0) + 2[ f (0.2) + f (0.4) + f (0.6) + f (0.8)] + f (1) 

1
x2
∫e dx ≈ (1 − 0) 
 2*5 
0
 CASTRO HUAMAN DANIEL

∫ e x2
dx ≈ 1
[
1 + 2 e 0.2 + e 0.4 + e 0.6 + e 0.8 + e 
2 2


2 2
]
0  10 
1
x2
∫e dx ≈ 1.48065
0

Cabe mencionar que el valor verdadero de esta integral es de 1.4626…

Así, se nota que con 5 intervalos, la aproximación no es tan mala. Para hacer
cálculos con más subintervalos, es conveniente elaborar un programa que
aplique la fórmula con el número de subintervalos que se desee y que permita
obtener un valor más cercano al real. Deberírealizar su propio programa y
chequear con 50, 500, 1000, 10000 y 20000 subintervalos, para observar el
comportamiento de la aproximación.

1.2

Ejemplo: Evaluar la función ∫ f ( x)dx , usando la siguiente tabla:

0

x 0 0.10 0.30 0.50 0.70 0.95 1.20

f(x) 0 6.84 4.00 4.20 5.51 5.77 1.0

Fig 11

Solución.

Observe en la fig 9 que en el intervalo [0,0.1] se puede aplicar la regla del

trapecio, en el intervalo [0.1,0.7] la regla de Simpson de 3/8 y en el intervalo
[0.7,1.2] la regla de Simpson de 1/3. Así, se tienen las siguientes integrales:
 CASTRO HUAMAN DANIEL

0.1
0.1 − 0
I1 = ∫ f ( x)dx = [ f (0) + f (0.1)] = 0.842
0 2
0.7
0.7 − 0.1
I2 = ∫ f ( x)dx = [ f (0.1) + 3 f (0.3) + 3 f (0.5) + f (0.7)] = 2.7712
0.1 8
1. 2
1.2 − 0.7
I3 = ∫ f ( x)dx = [ f (0.7) + 4 f (0.95) + f (1.2)] = 2.4658
0. 7 6

Finalmente, la integral buscada es la suma de las tres integrales anteriores:

1.2

∫ f ( x)dx = 0.842 + 2.7712 + 2.4658 = 6.079

0

3.25
Ejemplo: Calcula la integral ∫ f ( x)dx , usando la siguiente tabla de datos:
−1
x -1 -0.5 0 1 1.75 2.5 3.25
f(x) 2 -3 1.5 -1 0.5 0.75 -2

Si se desarrolla la gráfica con Matlab ajustando los datos de la tabla anterior

mediante splines cúbicos, se tendría lo siguiente:

» x=[-1 -0.5 0 1 1.75 2.5 3.25];

» y=[2 -3 1.5 -1 0.5 0.75 -2];
» xx=-1:0.01:3.5;
» yy=spline(x,y,xx);
» plot(x,y,'o',xx,yy)

Fig. 12
 CASTRO HUAMAN DANIEL

Solución combinando varios métodos de integración.

Para este caso, se puede aplicar la regla de Simpson de 1/3 en el intervalo [-

1,0], la regla del trapecio en el intervalo [0,1] y la regla de Simpson de 3/8 en
el intervalo [1,3.25]. Así, se tiene las siguientes integrales:

0
0 − (−1)
I1 = ∫ f ( x)dx ≈ [ f (−1) + 4 f (−0.5) + f (0)] ≈ −1.41667
−1 6
1
1− 0
I 2 = ∫ f ( x)dx ≈ [ f (0) + f (1)] ≈ 0.25
0 2
3.25
3.25 − 1
I3 = ∫ f ( x)dx ≈ [ f (1) + 3 f (1.75) + 3 f (2.5) + f (3.25)] ≈ 0.210938
1 8

Por lo tanto, la integral buscada es la suma de las tres integrales anteriores:

3.25

∫ f ( x)dx ≈ −1.41667 + 0.25 + 0.210938 ≈ −0.955729

−1

Vale la pena comentar que no siempre tiene que suceder que se apliquen
exactamente las tres reglas. En realidad, esto depende de cómo se encuentran
espaciados los intervalos de la tabla de datos y la forma que pueda tener la
curva.

Programación del método de los trapecios bajo lenguaje C (Regla Trapecial o

regla Trapezoidal)

Suponga que la función f evalúa la función f(x). Entonces la siguiente fórmula

permite calcular el área de los trapecios:

area = dx[ f (a) / 2 + f ( x1 ) + f ( x2 ) + ..... f ( xn−1 ) + f (b) / 2]

Que en últimas sería la misma fórmula 8 descrita anetriormente.

Programa en lenguaje C: Se supone que la función area se debe llamar con los
parámetros a,b y n, que serían límite inferior, límite superior y número de sub
áreas respectivamente.

double area(double a, double b, int n)

{ double dx= (b-a)/n;
double sum= (f(a)+f(b))/2; // 1/2*(f(a)+f(b))
double x= a;
for (int i=1; i<n; i++) // + f(a+i*delta), con i=1 ... n-1
 CASTRO HUAMAN DANIEL

{ x+= dx; // x=a+i*dx

sum+= f(x);
}
return dx*sum;
}
double f(double x)
{ double y;
y = ... // Se describiría la función a la cual se le
desea calcular la integral
return y;
}

Esta solución es análoga a la que se programó para buscar los ceros de una
función. El problema de esta solución, es que cuando se desea calcular la
integral de varias funciones distintas, hay que programar una función para
calcular el área de cada función.

Cálculo del área de múltiples funciones en base a subclases

En lenguaje C o Builder de consola, se puede ejecutar el siguiente código parta

que vea el calculo de la integral f(x)=x2. . Si desea encontrar la integral de otra
función debe cambiar la función en el procedimiento f sobre la parte final del
programa.

#include <vcl.h>
#pragma hdrstop
#include <stdio.h>
#include <conio.h>
#include <math.h>
void Lee_Datos(void);
double f(double x);
int n; // Variable para el numero de intervalos
float a,b; // Variables para os limites de la integral
#pragma argsused
int main(int argc, char* argv[])
{ float dx;
double Area;
double Suma = 0;
double Xi;
int i;
clrscr();
printf("\n MÉTODO DE INTEGRACIÓN POR TRAPECIOS ");
printf("\n==================================================");
printf("\n Dada una Función f(x)=x2 ");
printf("\n");
Lee_Datos();
 CASTRO HUAMAN DANIEL

dx = (b-a)/n;
Xi = a;
for ( i = 1; i < n; i++)
{ Xi += dx;
Suma += 2*f(Xi);
}
Area = dx/2 *( f(a) + Suma + f(b));
printf("\n------------------------------------------");
printf("\n Area bajo La Curva es => %.8lf ",Area);
getche();
return 0;
}
void Lee_Datos(void)
{ printf("\n Numero de Subareas => n : ");
scanf("%d",&n);
printf("\n Valor de Límite inferior => a : ");
scanf("%f",&a);
printf("\n Valor de Límite Superior => b : ");
scanf("%f",&b);
}

double f(double x)
{ return x*x; // Ecuación a la cual se le calcula el área bajo la curva
}

Si la idea es crear objetos para evaluar múltiples funciones, entonces cada uno
de estos objetos poseerá un método eval para evaluar la función asignada. La
definición del método se hará en una subclase de una clase base común a todas
las funciones. Se llamará a esta clase Función:

class Funcion extends Program { double eval(double x)

{ return 0.0; }
double area(double a, double b, int n)
{ // el mismo método de antes
return ...;
}
}

Con esta clase ahora es posible calcular en un solo programa el área de sin(x),
de exp(x) y de xk:

class FSin extends Funcion { double eval(double x)

{ return sin(x); }
// area se hereda
}
class FExp extends Funcion { double eval(double x)
 CASTRO HUAMAN DANIEL

{ return exp(x); }
// area se hereda
}
class FXk extends Funcion { int k; FXk(int k)
{ this.k= k; }
double eval(double x)
{ return pow(x, k); }
// area se hereda
}
...
void run()
{ println("area sin(x)= " + new FSin().area(0.0, PI/2, 100));
println("area exp(x)= " + new FExp().area(0.0, 1.0, 100));
println("area x^3= " + new FXk(3).area(0.0, 1.0, 100));
}

En la clase Función también se pueden incluir otros métodos para:

ƒ Graficar un intervalo de la función en una pizarra.

ƒ Buscar el mínimo en un intervalo de la función.
ƒ Buscar el máximo en un intervalo de la función.
ƒ Buscar una raíz de la función en un intervalo.

O si mejor desea utilizar MatLab ó Scilab entonces el código sería así, Se debe
aclarar que la función debe estar contenida en un archivo nombrado funcion.m
en un directorio que este configurado en el Path del MatLab.

clc
format long
echo on
% La función a evaluar esta contenida dentro del archivo 'funcion.m' y se
requiere introducir los valores de los límites, como se indica a continuación
pulsa una tecla...
pause
n= input('Digite el número de subareas => n :');
a= input('Digite el Límite inferior => a :');
b= input('Digite el Límite superior => b :');
dx=(b-a)/n;
suma=0;
% Algoritmo para la sumatoria de la regla trapezoidal de segmentos múltiples
% pulsa una tecla...
pause
for I=1:n-1
xi=a+i*dx
suma=suma+funcion(xi);
end