Apuntes de Calculo Numerico

Juan Manzanero Torrico

2
do.
Cuatrimestre curso 2013-14
2

Indice general
1. El Error en la Interpolacion Polinomica 5
1.1. El error de interpolacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Nodos equiespaciados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Nodos de Chebyshev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4. Nodos de Chebyshev-Gauss-Radau y Chebyshev-Gauss-Lobatto . . . . . . . . . . . . . . . . . . . . . . 9
1.4.1. Comparativa de las distribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5. El error con interpolantes a trozos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2. Cuadratura Numerica 15
2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2. Obtencion de formulas de cuadratura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3. Formulas de cuadraturas cerradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4. Integracion numerica compuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.5. Formulas de cuadraturas abiertas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.6. Cuadratura Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3
4

INDICE GENERAL
Captulo 1
El Error en la Interpolaci on Polinomica
1.1. El error de interpolaci on
Teorema 1.1 Sea f [a, b] con N 1 derivadas contnuas en [a, b] y sea P(x) el polinomio de grado n que interpola
a f en los n + 1 puntos x
0
, x
1
, ..., x
n
del intervalo [a, b]. Entonces x [a, b] (a, b) tal que:
f(x) P(x) =
1
(n + 1)!
f
(n+1)
()
n

i=0
(x x
j
) (1.1)
Demostracion: Como es sabido la expresion del interpolante de grado N que pasa por {x
0
, x
1
, , x
N
} es P
N
(x) =
c
0
+c
1
(xx
0
) +c
2
(xx
0
)(xx
1
) + +c
N1
(xx
0
)(xx
1
) (xx
N
) siendo c
j
= f[x
0
, x
1
, , x
j
] la diferencia
dividida de orden j. Se construye la funcion g(t) denida como:
g(t) = f(t) p(t) (f(x) p(x))
N

i=0
t x
i
x x
i
t [a, b] x = x
i
y como f(x) C
N+1
[a, b] entonces g C
N+1
[a, b] . Esta funcion ademas cumple que:
g(x
k
) =

:
0
f(x
k
) p(x
k
) (f(x) p(x))
N

i=0

:
0
x
k
x
i
x x
i
= 0
g(x) = f(x) g(x) (f(x) g(x))
N

i=0

>
1
x x
i
x x
i
= 0
entonces seg un lo argumentado, como g(x) C
N+1
y posee N + 2 ceros en [a,b], su N + 1-esima derivada, g
(N+1)
tendra un unico cero en un punto [a, b]
1
:
g
(N+1)
() = 0
El valor de la N + 1-esima derivada de g(t) es:
g
(n+1)
(t) = f
(N+1)
(t) P
(N+1)
n
(t) (f(x) g(x))
(N + 1)!

N
i=0
(x x
i
)
y particularizada en se obtiene la expresion del error:
0 = f
(N+1)
() (f(x) p(x))
(N + 1)!

N
i=0
(x x
i
)
f(x) p(x) =
1
(N + 1)!
f
(N+1)
()
N

i=0
(x x
i
)
De esta forma, el termino f
(n+1)
()/(n + 1)! nos cuantica el error y el termino (x x
0
)(x x
1
) (x x
n
) permite
analizar cualitativamente el error.
1
Seg un el teorema de Rolle
5
6 CAP

ITULO 1. EL ERROR EN LA INTERPOLACI

ON POLIN

OMICA
Resulta interesante, pues, destacar que la forma del error solo depende de la distribucion de nodos sobre la que se ha
dividido el espacio x [a, b].
Si

f
(n+1)
()

K es una cota superior de f en x (a, b) entonces se cumple que:

f(x) P(x)

x x
0

x x
1

x x
n

K
(n + 1)!
(1.2)
Como es fundamental conocer la distribucion de puntos en la que se ha dividido el espacio, a continuacion se presentan
los mas usuales.
1.2. Nodos equiespaciados
Son los nodos mas sencillos. Su regla general es:
x
j
= 1 + 2
j
n
, j = 0, , n (1.3)
La forma que adopta el error de interpolacion es la representada:
Figura 1.1: Error de interpolacion con nodos Equiespaciados
(a) Escala lineal (b) Escala logartmica
Figura 1.2: Valor maximo del error de interpolacion con nodos Equiespaciados
1.3. NODOS DE CHEBYSHEV 7
1.3. Nodos de Chebyshev
Los polinomios de Chebyshev T
k
(x), k = 0, 1, se deducen del problema de Sturn-Liouville
(
_
1 x
2
T

k
(x))

+
k
2

1 x
2
T
k
(x) = 0 (1.4)
cuya solucion se obtiene a partir de la relacion recursiva
T
k+1
= 2xT
k
(x) T
k1
(x) (1.5)
con las condiciones iniciales T
0
= 1 y T
1
= x.
Haciendo el cambio de variable tanto en la funcion como en la variable:
x = cos
T
n
(x) = cosn
La anterior relacion se cumple de forma automatica:
cosn = 2coscos(n 1) cos(n 2) (1.6)
(T
n
= 2xT
n1
T
n2
)
De esta forma se obtiene que la funcion de error viene dada por:
(x) = Kcos(n + 1) (1.7)
donde la constante K depende del n umero de nodos en los cuales se realiza la discretizacion. Una vez obtenida la
funcion de error los nodos se obtienen de hallar sus ceros:
(x) = 0 cos(n + 1)
j
= 0 (n + 1)
j
=

2
+ j (1.8)
obteniendo as los nodos de Chebyshev
x
j
= cos(
(2j + 1)
2n + 2
) (1.9)
Figura 1.3: Error de interpolacion con nodos de Chebyshev-Gauss
8 CAP

ITULO 1. EL ERROR EN LA INTERPOLACI

ON POLIN

OMICA
Por supuesto estos nodos tienen sentido para una interpolacion entre 1 x 1, si se pretende interpolar f(x) entre
(a, b) simplemente hay que hacer el cambio de variable:
=
2x b a
b a
(1.10)
de tal forma que x (a, b) y (1, 1).
Derivando la expresion de la derivada de la funcion de error (x) es posible obtener los puntos en los cuales se alcanza
el maximo error:

(x) = 0
Ksin[(n + 1)
j
](n + 1)
sin
j
= 0
j
=
j
n + 1
y
j
= cos(
j
n + 1
) (1.11)
Y los valores maximos que alcanzara (obviamente sera en estos puntos) valdran (x) = K(1)
n
.
El valor de esta K se puede hallar de forma analtica, ya que como se ha argumentado, los nodos de Chebyshev se
eligen de forma que el error esta acotado por este valor. De esta forma se tiene que:
Teorema 1.2 Sea f(x) [1, 1] (si es f [a, b] realizar la transformacion para trasladar a [1, 1]) y sean x
j
los
nodos de Chebyshev para interpolar f(x) en N + 1 nodos, entonces se cumple que:
x = cos, T
k
(x) = cosn (x) = K cos(N + 1) siendo K = 2
N
(1.12)
K = 2
N
Demostracion: Los nodos de Chebyshev se obtienen de obtener los ceros de los polinomios de Chebyshev, de tal forma
que si se dispone de N+1 nodos, el polinomio de menor orden que contiene esa cantidad de ceros es T
N+1
= cos(N+1).
No se debe olvidar que los polinomios de Chebyshev provienen de la relacion de recurrencia T
N+1
(x) = 2xT
N
(x)
T
N1
(x) de tal forma que los primeros polinomios son:
T
0
(x) = 1
T
1
(x) = x = cos
T
2
(x) = 2xT
1
(x) T
0
(x) = 2x
2
1 = cos2
T
3
(x) = 2xT
2
(x) T
1
(x) = 4x
3
3x = cos3
T
4
(x) = 2xT
3
(x) T
2
(x) = 8x
4
8x
2
+ 1 = cos4
Todo polinomio se puede expresar como P
N
(x) = a(x x
0
)(x x
1
) (x x
N
) donde a es el factor que multiplica al
termino de mayor orden. Para los polinomios de Chebyshev se obtiene que a = 2
N1
sin mas que ver la relacion de
recurrencia, por lo que es posible armar:
cos(N + 1) = 2
N
(x x
0
)(x x
1
) (x x
N
) = 2
N
(x) (x) = 2
N
..
K
cos(N + 1)
(a) Escala lineal (b) Escala logartmica
Figura 1.4: Valor maximo del error de interpolacion con nodos Chebyshev-Gauss
1.4. NODOS DE CHEBYSHEV-GAUSS-RADAU Y CHEBYSHEV-GAUSS-LOBATTO 9
1.4. Nodos de Chebyshev-Gauss-Radau y Chebyshev-Gauss-Lobatto
Otra alternativa a los nodos de Chebyshev-Gauss son los nodos de Chebyshev-Gauss-Radau y los nodos de
Chebyshev-Gauss-Lobatto:
x
j
= cos
2j
2n + 1
(Chebyshev Gauss Radau) (1.13)
x
j
= cos
j
n
(Chebyshev Gauss Lobatto) (1.14)
De esta forma, para los nodos de Chebyshev-Gauss-Radau se obtiene una conguracion con n = 10 nodos como la que
se muestra en la gura:
Figura 1.5: Error de interpolacion con nodos de Chebyshev-Gauss-Radau
(a) Escala lineal (b) Escala logartmica
Figura 1.6: Valor maximo del error de interpolacion con nodos Chebyshev-Gauss-Radau
De la misma manera para la distribucion Chebyshev-Gauss-Lobatto:
10 CAP

ITULO 1. EL ERROR EN LA INTERPOLACI

ON POLIN

OMICA
Figura 1.7: Error de interpolacion con nodos de Chebyshev-Gauss-Lobatto
(a) Escala lineal (b) Escala logartmica
Figura 1.8: Valor maximo del error de interpolacion con nodos Chebyshev-Gauss-Lobatto
1.5. EL ERROR CON INTERPOLANTES A TROZOS 11
1.4.1. Comparativa de las distribuciones
Superponiendo en el mismo graco todas las distribuciones de error vistas hasta ahora:
Figura 1.9: Error de interpolacion
1.5. El error con interpolantes a trozos
En este apartado, se considerara la interpolacion de una funcion f(x) en (1, 1) en N + 1 puntos mediante inter-
polantes a trozos de orden 2m + 1 (para que el grado sea impar y siempre este centrado en uno de los nodos).
Si la interpolacion se diera mediante interpolante contnuo (de grado N) el error de interpolacion sera
(x) =
N

k=0
(x x
k
)
sin embargo, al emplear interpolantes a trozos o splines, la expresion del error cambia sutilmente:

j
(x) =
k=j+m

k=jm
(x x
k
) (1.15)
donde el subndice j expresa que el interpolante esta centrado en el nodo x
j
.
El error, sin embargo, diere en la funcion (x) en una constante que depende de la funcion (y es lo unico que depende
de esta):
E(x) =
(x)
(N + 1)!
f
(N+1)
() (Interpolaci oncontinua) (1.16)
E
j
(x) =
(x)
(2m + 1)!
f
(2m+1)
() (Interpolaci ona trozos) (1.17)
Derivando la expresion del error para obtener su valor en los puntos nodales (donde hacemos colocacion, es decir,
donde nos interesa):
E

j
(x) =

j
(x)
(2m + 1)!
f
(2m+1)
() +

j
(x)
(2m + 1)!
f
(2m+1)
()
d
dx
(1.18)
E

j
(x
j
) =

j
(x
j
)
(2m + 1)!
f
(2m+1)
() +

:
0

j
(x
j
)
(2m + 1)!
f
(2m+1)
()
d
dx
=

j
(x
j
)
(2m + 1)!
f
(2m+1)
() (1.19)
12 CAP

ITULO 1. EL ERROR EN LA INTERPOLACI

ON POLIN

OMICA
Donde

j
(x
j
) es la derivada de la funcion error de interpolacion centrada en el nodo x
j
y particularizada en uno de
los nodos (el propio x
j
o por ejemplo tambien un extremo x
j+m
).

(x
l
) =
k=j+m

k=jm
k=l
(x
l
x
k
) (1.20)
Por ejemplo la derivada del error en el punto en el cual se centra el interpolante

(x
j
)

= (x 2x 3x mx)
2
= (m!x
m
)
2
= (m!)
2
x
2m
(1.21)
Y tambien en el punto extremo del dominio a trozos

(x
j+m
)

= (x 2x 3x 2mx) = (2m)!x
2m
(1.22)
De tal forma que como se verica que (2m)! > (m!)
2
la derivada del error en (x) es mucho mas acusada en los
extremos que en punto en el que se realiza la colocacion.
El error de interpolacion es:

j
(x
j
)

j
(x
j
)
(2m + 1)!
f
(2m+1)
() =
(m!)
2
x
2m
(2m + 1)!
f
(2m+1)
() (Punto medio) (1.23)

E
j
(x
j+m
)

=
(x)
(2m + 1)!
f
(2m+1)
() =
(2m)!x
2m
(2m + 1)!
f
(2m+1)
() (Punto extremo) (1.24)
Por ejemplo, con una distribucion de nodos equiespaciada entre (1, 1) con N + 1 nodos el espaciado sera x = 2/N
y en funcion del n umero de nodos con los que se construya el interpolante se tiene:
m = 1
_

j
(x
j
)

= x
2

j
(x
j+1
)

= 2x
2
m = 2
_

j
(x
j
)

= 2x
4

j
(x
j+2
)

= 4!x
4
m =
N
2
_

j
(x
j
)

= (
N
2
)!x
N

j
(x
j+m
)

= N!x
N
La utilidad de estas derivadas reside en poder determinar la pendiente de la curva
max
(N) tomando ademas m como
par ametro, de tal forma que, tomando logaritmos y teniendo en cuenta que x = 2/N:
log(

max

) (2m + 1) logN
1.5. EL ERROR CON INTERPOLANTES A TROZOS 13
Figura 1.10: Error con interpolantes a trozos
14 CAP

ITULO 1. EL ERROR EN LA INTERPOLACI

ON POLIN

OMICA
Captulo 2
Cuadratura Numerica
2.1. Introducci on
El objetivo del captulo es la obtencion de:
I(f) =
_
b
a
f(x)dx
siendo [a, b] un intervalo cerrado y compacto.
El termino cuadratura numerica diere del termino integracion numerica: el primero se reere al calculo numerico de
_
b
a
f(x)dx mientras que el segundo se reserva para referirse a la resolucion de ecuaciones diferenciales.
Supongamos f(x) a aproximar, y g(x) la funcion que aproxima. Entonces, si

f(x) g(x)

ocurre que:

f(x) g(x)

_
b
a
f(x)dx
_
b
a
g(x)dx

b a

(2.1)
Ademas ocurre que la integracion numerica es mucho mas estable que la derivacion numerica ya que peque nas modi-
caciones en la funcion a derivar pueden producir cambios drasticos en el valor de su derivada, mientras que esto no
ocurre en la integracion.
Los metodos de integracion numerica se basan en los metodos de aproximacion de funciones mediante polinomios
interpolantes, de tal forma que al nal el resultado se reducira a calcular:
I
N
(f) =
0
f(x
0
) +
1
f(x
1
) +
N
f(x
N
) =
j=N

j=0

j
f(x
j
) (2.2)
siendo {x
0
, x
1
, , x
N
} una particion de [a, b] (Nodos de cuadratura) y {
0
,
1
, ,
N
} los pesos o coecientes de
cuadratura.
El objetivo se convierte en hallar la combinacion lineal que aproxime el valor de la integral:
I(f) I
N
(f) I(f) = I
N
+ E
N
(f)
Se dene el grado de exactitud de la f ormula de cuadratura como el grado del polinomio para el cual la
cuadratura obtiene el valor exacto.
2.2. Obtencion de f ormulas de cuadratura
Supongamos {x
0
, x
1
, , x
N
} [a, b] y sus respectivas f
i
= f(x
i
). El polinomio de grado N que pasa por estos
puntos es
1
:
P
N
(x) = F
0
l
0
(x) + F
1
l
1
(x) + + F(x
N
)l
N
(x)
1
Utilizando la forma de Lagrange
15
16 CAP

ITULO 2. CUADRATURA NUM

ERICA
Ademas conocemos la expresion que estima el error:
f(x) = P
N
(x) +
N

j=0
(x x
j
)
f
(N+1)
()
(N + 1)!
, [a, b]
integrando ambos:
_
b
a
f(x)dx =
_
b
a
P
N
(x)dx +
_
b
a
N

j=0
(x x
j
)
f
(N+1)
()
(N + 1)!
dx
. .
E
N+1
= I
N+1
(f) + E
N+1
(f)
como conocemos la expresion de P
N
(x) con la forma de Lagrange
P
N
(x) = F
0
l
0
(x) + F
1
l
1
(x) + + F(x
N
)l
N
(x)
_
b
a
f(x)dx = f
0
_
b
a
l
0
(x)dx
. .

0
+ + f
N
_
b
a
l
N
(x)dx
. .

N
+
_
b
a
N

j=0
(x x
j
)
f
(N+1)
()
(N + 1)!
dx (2.3)
De aqu una vez mas se concluye que si f(x) es un polinomio de grado N entonces el error es identicamente nulo ya
que f
(N+1)
(x) = 0 x. Dado {x
0
, x
1
, , x
N
} se obtienen un conjunto de pesos (los
j
) que hacen que el grado de
exactitud sea N.
2.3. F ormulas de cuadraturas cerradas
Sean N+1 puntos equiespaciados en el intervalo [a, b]. Variando el valor de N se obtienen las formulas de cuadraturas
cerradas o de Newton-Cotes mediante (2.3):
x
j
= a + x j, j = 0, , N, x =
b a
N
N = 1 :Regla del trapecio I(f) =
x
2
(f
0
+ f
1
) + o(x
3
) (2.4)
N = 2 :Regla de Simpson I(f) =
x
3
(f
0
+ 4f
1
+ f
2
) + o(x
4
) (2.5)
N = 3 :Regla de Simpson
3
8
I(f) =
3x
8
(f
0
+ 3f
1
+ 3f
2
+ f
3
) + o(x
5
) (2.6)
N = 4 :Regla de Newton-Cotes I(f) =
2x
45
(7f
0
+ 32f
1
+ 12f
2
+ 32f
3
+ 7f
4
) + o(x
6
) (2.7)
Gracias a la aproximacion del error resulta muy intuitivo conrmar que este resulta tremendamente inuido por la
magnitud del intervalo x, ya que por ejemplo en la formula del trapecio reducir el intervalo a la mitad se traduce en
reducir en 1/8 el error.
Se trabajara, pues, con interpolantes a trozos, ya que el error sera mucho menor, lo que da lugar a las reglas de
integracion numerica compuesta
2.4. Integraci on numerica compuesta
Esta claro que cualquiera de las formulas de Newton-Cotes producen un resultado mas preciso cuanto menor sea la
longitud del intervalo de integracion [a, b] ya que hace disminuir el paso de integracion x. Normalmente el interva-
lo de integracion es grande lo que dara lugar a formulas con un n umero elevado de nodos (mas complicadas de obtener).
En lugar de utilizar un polinomio de grado alto se descompondra dicho intervalo en subintervalos mas peque nos y en
cada uno de ellos se emplean las formulas de Newton-Cotes de orden bajo (trapecio o Simpson).
2.5. F

ORMULAS DE CUADRATURAS ABIERTAS 17

Regla compuesta del trapecio: Subdividimos el intervalo de integracion [a, b] en N subintervalos de anchura
x = (b a)/N. En cada uno de dichos subintervalos la regla del trapecio produce el resultado:
I
i
(f) =
_
xi+1
xi
f(x)dx =
x
2
[f(x
i
) + f(x
i+1
)] + o(x
3
)
Sumando todas las integrales:
I(f) =
N1

i=0
I
i
(f) =
N1

i=0
_
xi+1
xi
f(x)dx =
N1

i=0
x
2
[f(x
i
) + f(x
i+1
)] =
x
2
[f(a) + 2
N1

i=1
f(x
i
) + f(b)] + o(x
2
)

2
(2.8)
La regla del trapecio compuesta sigue siendo de orden 1, es decir, es exacta a la hora de integrar una recta (y ademas
se gana el poder integrar rectas diferentes a tramos si los cambios en la denicion se dan en los nodos).
Regla compuesta de Simpson: Este metodo presenta una dicultad adicional, ya que el n umero N de
subintervalos ha de ser par para poder aplicar la regla de Simpson simple cada dos subintervalos consecutivos. Entonces
sea N = 2m, se cumple x = (b a)/2m. A cada par de intervalos se le aplicara la formula:
I
2i
(f) =
_
x2i+2
x2i
f(x)dx =
x
3
[f(x
2i
) + 4f(x
2i+1
) + f(x
2i+2
)] + o(x
5
), i = 0, 1, , m1
Cuando se suman las contribuciones de cada par de intervalos se obtiene la integral por la regla compuesta de Simpson:
I(f) =
m1

i=0
I
2i
(f) =
x
3
[f(x
0
) + 2
m1

i=1
f(x
2i
)
. .
pares
+4
m

i=1
f(x
2i+1
)
. .
impares
+f(x
2m
)] + o(x
4
) (2.9)
2.5. F ormulas de cuadraturas abiertas
Las formulas abiertas de Newton-Cotes tienen su utilidad en que se evita evaluar la funcion f(x) a integrar en los
extremos del intervalo de integracion. Resulta util cuando el valor de f es desconocido en los extremos o bien cuando
la integral es impropia.
Se tienen N + 1 nodos en el intervalo x [a, b]. En este caso es x = (b a)/(N + 2) y se considerara x
0
= a + x y
x
N
= b x y los extremos son x
1
= a y x
N+1
= b. En funcion del valor elegido de N se obtienen diferentes reglas
de integracion:
N = 0 :Regla del punto medio
_
x1
x1
f(x)dx =2xf
0
+ o(x
3
) (2.10)
N = 1 :
_
x2
x1
f(x)dx =
3x
2
(f
0
+ f
1
) + o(x
3
) (2.11)
2
NO es una errata, efectivamente se pierde precision ya que se han sumado N terminos o(x
3
) con x N
1
18 CAP

ITULO 2. CUADRATURA NUM

ERICA
Figura 2.1: Newton cotes abiertas
2.6. Cuadratura Gaussiana
Sean {x
0
, x
1
, , x
N
;
0
,
1
, ,
N
} el objetivo de la cuadratura Gaussiana es buscar la mejor aproximacion de
3
:
_
b
a
f(x)dx =
N

j=0

j
f(x
j
) +
_
b
a
N

j=0
(x x
j
)
f
(N+1)
()
(N + 1)!
dx (2.12)
Entonces consiste en mantener el mismo conjunto de puntos y se fuerza a que el error sea nulo. Sabiendo que:
f
(N+1)
()
(N + 1)!
= f[x
0
, x
1
, , x
N
, x] (2.13)
Entonces, la mejor eleccion para x y sera aquella que permita obtener el resultado exacto para polinomios del
mayor grado posible.
Ejemplo N=1 El intervalo de integracion sera [1, 1]. El objetivo es determinar
1
,
2
, x
1
, x
2
de tal forma que
la f ormula de integracion
_
1
1
f(x)dx
1
f(x
1
) +
2
f(x
2
) ofrece el resultado exacto cuando f(x) es un polinomio
de grado 2(2) 1 = 3 o menor, es decir, cuando f(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
, a
0
, a
1
, a
2
, a
3
. Entonces decir que
f(x) = f(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
posee integral exacta equivale a armar que tambien la tienen {1, x, x
2
, x
3
}.
Integrando cada uno de ellos:

1
1 +
2
1 =
_
1
1
1dx = 2 (2.14)

1
x
1
+
2
x
2
=
_
1
1
xdx = 0 (2.15)

1
x
2
1
+
2
x
2
2
=
_
1
1
x
2
dx =
2
3
(2.16)

1
x
3
1
+
2
x
3
3
=
_
1
1
x
3
dx = 0 (2.17)
La solucion de este sistema es unica y es:

1
= 1,
2
= 1, x
1
=

3
3
, x
2
=

3
3
3
Notar que el grado de exactitud de la expresion es N
2.6. CUADRATURA GAUSSIANA 19
y permite obtener la formula de cuadratura gaussiana
_
1
1
f(x)dx f(

3
3
) + f(

3
3
) (2.18)