Está en la página 1de 39

1.

Interpolacin Polinomica
La interpolacin polinomica consiste en obligar a que la funcin
interpoladora sea un polinomio. Este tipo de interpolacin posee la ventaja de que
los polinomios son funciones muy fciles de tratar y adems son sencillas de
derivar e integrar. No obstante, la interpolacin polinomica no es adecuada para
aproximar funciones que son acotadas ya que los polinomios no tienen esta
propiedad.
Con frecuencia se tiene que estimar valores intermedios entre valores
conocidos. La interpolacin polinomica es el mtodo ms sencillo para realizar
estos clculos.
Recurdese que la formula general de un polinomio de n-ensimo orden es:
n

f ( x )=a 0+ a1 x + a2 x +...+an x = a i x
n

i=0

Para n+1 puntos, existe uno y solo un polinomio d n-ensimo orden o


menor que pasa a travs de todos los puntos. Por ejemplo, sabemos que por dos
puntos pasa una lnea recta (polinomio de grado 1), al igual sucede que por tres
puntos pasa una parbola (polinomio de grado 2). El polinomio de interpolacin
consiste en determinar el nico polinomio de n-ensimo orden que se ajusta a los
n+1 puntos dados. Este polinomio proporciona una frmula para calcular los
valores intermedios.
Sin embargo existe uno y solo un polinomio de n ensimo orden que se
ajusta a los n+1; existen una gran variedad de formulas matemticas mediante las
cuales se puede expresar esta polinomio, algunos de ellos conocidos son los
polinomios de Newton y los de Lagrange.

2. Polinomios de Interpolacin con Diferencias Divididas de Newton


El Polinomio de Interpolacin con Diferencias Divididas de Newton, entre
otros es la forma ms popular adems de las ms til. Las formulas de resolverlo
se basan en un desarrollo polinmico alrededor de un punto.
Se pueden ir agregando trminos al polinomio si se desea aumentar el
grado del mismo, sin tener que modificar los coeficientes de orden inferior. Cabe
sealar que en este tipo de interpolacin, el polinomio construido no tiene por qu
tener el mismo orden que el nmero de puntos en la tabla. El resultado de la
interpolacin truncada deja solamente un error residual (o de truncamiento) entre
el valor de la interpolacin y el valor que hubiera obtenido con el polinomio de
grado mximo que pase por todos los puntos.
Antes de presentar la ecuacin general, se estudiaran las interpretaciones
de primero y segundo orden debido a su fcil deduccin visual.
a. Interpolacin Lineal: es la forma ms simple de interpolacin,
consiste en conectar dos puntos con una lnea recta.
La forma ms sencilla de obtener un valor cerca del punto p es suponer
que se tomara en este rango el propio valor de y p (lo que corresponde a
un polinomio de grado 0, o sea una funcin constante):
y= y p (1)
Si dicha asignacin no resulta ser suficientemente precisa, se puede decidir
representar la variacin de yi vs. xi, por una aplicacin lineal (polinomio de grado
1) que se podr utilizar entre los puntos (xp, yp) y (xp+1, yp+1).
y=a0+ a1 x
Los valores de
a0 =

a0

y p +1 x p y p x p+1
x p x p +1

y de a1

(2)

se obtienen mediante:
a1=

(3)

y p y p+1
x px p +1

(4)

Reemplazando las soluciones obtenidas en la ecuacin original de la recta, se


obtiene:
y=

y p+1 x p y p x p +1 y p y p +1
+
x (5)
x px p+ 1
x px p+1

Al reordenar la expresin, queda una de las dos expresiones (dependiendo de


cmo se reagrupan los trminos):
y= y p + ( x x p )

y p+1 y p
y y p+1
( 6 ) y= y p +1+ ( xx p +1 ) p
(7)
x p+1x p
x p x p +1

Son formulas de interpolacin lineal. Estas dos ecuaciones son por supuesto
equivalentes ya que por dos puntos pasa una y solo una recta. La primera forma
tiene como ventaja que puede ser obtenida como una modificacin de la ecuacin
(1) a la cual se le aadi un trmino que se anula cuando x=xp.
De igual forma se puede constatar que el valor de yp, se le suma un trmino que
toma en cuenta la diferencia entre el punto de interpolacin y el punto de partida,
multiplicado por un trmino de diferencias de y dividida por una diferencia de x. La
literatura suele dar el nombre de diferencia dividida a esta relacin tal como:
x
x
[ p , x p+1 ]
(8)
y p+1 y p y p y p+1
[ p+1 , x p ]=
=
=f
x p+1x p x p x p +1
f

Se puede tambin recalcar que esta diferencia dividida es igual a la expresin:


x
x
y p+1
(x p+1x p ) (9)
y
[ p+1 , x p ]= p

( px p +1)+

Esta notacin indica que se trata de un polinomio de interpolacin de primer orden.


Ejemplo 1: Estime el sen (/4) mediante interpolacin lineal teniendo los
valores de sen(0)=0 y sen(/2)=1. Despus; reptanse el procedimiento y
use el intervalo menor de sen (/6)= (1/2) y sen(/2)=1
Solucin: Usamos la ecuacin (6) y una interpolacin lineal para sin (/4) desde
x=0 hasta x= (/2) para obtener:
f1

1
0 )=
( 4 )=0+ 10
(

4
2
0
2

Que representa un error: Et=29.2893%. Con el intervalo menor desde x= (/6)


hasta x= (/2) se obtiene

f1

1
1
2
5
= +
=
4 2 4 6 8

2 6

()

Por lo tanto, usando el intervalo ms pequeo reduce el error relativo,


Et=11.611%.

b. Interpolacin Cuadrtica: Una estrategia que mejora la


aproximacin es la de introducir cierta curvatura en la lnea que
conecta a los puntos. Si se dispone de tres puntos, lo anterior
mencionado se puede llevar a cabo con un polinomio de segundo
orden (llamado tambin polinomio cuadrtico o parbola ); se puede
utilizar una ecuacin cuadrtica que cumpla con el conjunto de
ecuaciones siguientes:
y p=a0 +a1 x p + a2 x 2 p (10)
y p+1=a0 +a1 x p+1 +a2 x 2p +1
y p+2 =a0 +a 1 x p+2 +a 2 x 2 p+2

Existe una sola ecuacin cuadrtica solucin de este conjunto de tres ecuaciones:
y p +2 y p +1 y p+1 y p

y p y p +1 x p +2x p+1 x p+1 x p


y= y p + ( x x p )
+
( xx p+1 ) ( xx p ) (11)
x px p+1
x p+2x p
En esta expresin aparece un nuevo trmino de diferencias divididas de segundo
orden tal como:
y p y p+1 y p+1 y p+2

x px p+1 x p+1 x p +2 f [ x p , x p +1 ]f [ x p +1 , x p+2 ] (12)


f [ x p , x p +1 , x p+2 ]=
=
x px p+ 2
x px p+ 2

x p +2 , x
y p +2 y p +1 y p +1 y p

x p +2x p+1 x p +1x p f [ x p+ 2 , x p+1 ]f [ x p +1 , x p ]


[ p+1 , x p ]=
=
(13)
x p+2x p
x p+2x p
f

x p +2 , x
[ p+1 , x p ]
(14)
f [ x p , x p +1 , x p+2 ]=f [ x p , x p+2 , x p +1 ]=...=f [ x p +2 , x p , x p+1 ] =f

Y tambin:
f [ x p , x p +1 , x p+2 ]=

yp
y p +1
y p +2
+
+
( x px p+1 ) ( x p x p +2) ( x p +1x p ) ( x p+1 x p +2) ( x p +2x p ) (x p+ 2x p +1) (

15)

As la ecuacin (11) se transforma con esta nueva escritura:


y=f [ x p ] + f [ x p , x p +1 ] ( x x p ) + f [ x p , x p+1 , x p +2 ] ( x x p ) ( xx p+1)

(16)

Ejemplo 2: Ajuste un polinomio de segundo grado a los tres puntos del


ejemplo 1
x p=0 y p=0

x p+1=

3
y =
3 p+1 2

x p+2=

y =1
2 p+ 2

sese el polinomio para evaluar sen (/4)


Solucin: Aplicando la ecuacin 11 por separado tenemos:

Para 1er termino:


y= y p

y=0

Para 2do termino:

y y p +1
y 1= p
x px p+1

3 0
y 1=

2
=0,0144337567297406

0
3

Para 3er termino:

y p +2 y p +1 y p+1 y p

x p +2x p+1 x p+1 x p


y 2=
x p+2x p

3
1
2
0,0144337567297406

2 6
y 2=
=0.00011075485

0
2

Ahora si sustituyendo los valores obtenidos en los anteriores procesos en la


ecuacin (11) tenemos el polinomio
y=0+ 0,0144337567297406 ( x x p ) 0.00011075485 ( xx p +1) ( x x p )

y=0+ 0,0144337567297406 ( x )0.00011075485 ( x ) x

Que se evala en x =

para

y=0,873797632095822

Que representa un error relativo de et = 2,69056442964422%.


Este proceso nos permite tener el valor requerido en menos repeticiones con
respecto a la interpolacin lineal.

c. Forma general de los polinomios de interpolacin de Newton:


los anlisis se pueden generalizar en el ajuste de un polinomio de nensimo orden de los n+1 puntos.
El polinomio de n-simo grado es:
f n ( x )=b 0+ b1 ( xx 0 ) +b2 ( xx 0 ) ( xx 1) + +b n ( xx 0 ) ( xx n1 ) (17)

los puntos asociados con datos se utilizan para evaluar los coeficientes b0, b1,...,
bn. Para un polinomio de n-simo grado se requieren n + 1 puntos: [x0, f(x0)], [x1,
f(x1)],..., [xn, f(xn)]. Usamos estos datos y las siguientes ecuaciones para evaluar
los coeficientes:
b0 =f ( x 0 ) (18)
b1=f [ x1 , x 0 ] ( 19 )
b2=f [ x 2 , x 1 , x 0 ] ( 20 )
bn =f [ x n , x n1 , , x 0 ] ( 21 )
Donde las evaluaciones de la funcin colocadas entre parntesis son diferencias
divididas finitas. Por ejemplo, la primera diferencia dividida finita en forma general
se representa como
f [ x i , x j ]=

f ( xi ) f ( x j )
x ix j

( 22 )

La segunda diferencia dividida finita, que representa la diferencia de las dos


primeras diferencias divididas, se expresa en forma general como
f [ x i , x j , x k ]=

f [ x i , x j ] f [ x j , x k ]
23
x ix k

Generalizando la definicin de diferencias divididas para rdenes superiores, se


tiene:
f [ x p , x p +1 , . , x q 1 , xq ]=

f [ x p , . , xq 1 ]f [x p+1 , . , x q ]
x p xq

(24)

Estas diferencias sirven para evaluar los coeficientes en las ecuaciones (18) a
(21), los cuales se sustituirn en la ecuacin (17) para obtener el polinomio de
interpolacin

f n ( x )=f ( x0 ) + ( xx 0 ) f [ x1 , x0 ] + ( x x0 ) ( xx 1 ) f [ x 2 , x 1 , x 0 ] ++ ( x x0 ) ( xx 1 ) ( xx n1 ) f [ x n , x n1 , , x 0 ] (25
La ecuacin general para orden n nos quedara:

f [ x p , x p +1 , . , x q 1 , xq ] =
i= p

yi
q

(x jx i )

(26)

i= p
j i

Como se ha visto en las ecuaciones (6) y (7), la ecuacin de la recta puede ser
escrita en dos formas distintas. En realidad, cualquiera sea el orden del polinomio,
existen numerosas formas de escribir las mismas expresiones, dependiendo de la
secuencia de los puntos sobre la cual se apoya la construccin del polinomio.
Ejemplo 3: Siguiendo con el ejemplo 1, ahora agregando un cuarto punto.
Construir un polinomio de interpolacin de Newton con diferencias divididas
de tercer orden.
x p=0 f ( x 0 ) =0

x p+1=

1
f ( x 1 )=
6
2

x p+2=

3
f ( x2)=
3
2

x p+3=

f ( x 3 ) =1
2

Solucin:
Utilizando la ecuacin (17), con n = 3, el polinomio de tercer grado es
f n ( x )=b 0+ b1 ( xx 0 ) +b2 ( xx 0 ) ( xx 1) + b3 ( xx 0 )( xx1 ) ( xx2 )
Las primeras diferencias divididas del problema son [ecuacin (22)]
1
0
2
f [ x 1 , x 0 ]=
=0.01666667

0
6

3 1
f [ x 2 , x 1 ]=

2 2
=0.01220085

3 6

3
1
2
f [ x 3 , x 2 ]=
=0.00446582

2 3
Las segundas diferencias divididas son [ecuacin (23)]

f [ x 2 , x 1 , x 0 ]=

f [ x 3 , x 2 , x 1 ]=

0.012200850.01666667
=7.443 X 105

0
3
0.004465820.01220085
=0.00012892

2 6

La tercera diferencia dividida es [ecuacin (24) con n = 3]


f [ x 3 , x 2 , x 1 , x 0 ]=

0.00012892(7.443 X 105 )
=6.05490 X 107

0
2

Los resultados de f[x1, x0], f[x2, x1, x0] y f[x3, x2, x1, x0] representan los
coeficientes b1, b2 y b3 de la ecuacin (4), respectivamente. Junto con b0 = f(x0)
= 0.0, la ecuacin (4) es

f 3 ( x )=0+ 0.01666667 ( x )7.443 X 105 ( x ) x

6.05490 X 107 ( x ) x
6
6

)( x 3 )

La cual sirve para evaluar f3 ( 4 ) =0.70588929, que representa un error relativo:


et = 0.17%.

3. Esquema Grafico de la Naturaleza Recursiva de una Diferencia


Dividida Finita

4. Tipos de Interpolacin de Newton


Se utilizan cuatro formas bsicas de escribir los polinomios, denominadas
expresin de Newton diagonal hacia delante, expresin de Newton diagonal hacia

atrs, expresin de Newton zig-zag hacia delante y expresin de Newton zig-zag


hacia atrs. Ciertos autores utilizan el nombre de Newton-Gregory para los
llamados aqu Newton diagonal y mtodo de Gauss al mtodo de Newton zig-zag.
Obsrvese que los coeficientes del polinomio de interpolacin de Newton, se
encuentran en la parte superior de la tabla de diferencias divididas. El polinomio
de interpolacin de Newton se define de la siguiente manera:
f x b0 b1 x x0 b2 x x0 x x1 bn x x0 x x1 x xn 1 (27)

Expresin de Newton diagonal hacia delante: El desarrollo completo del


polinomio de Newton diagonal hacia delante, se obtiene mediante la
siguiente ecuacin partiendo del punto p de la tabla.
n

pn ( x )= y p+
i=1

p +i1

( ( )) [
i=1

xx i f x p , x p +1 , . , x p +i ]

(28)

Cabe sealar que todos los coeficientes de diferencias divididas que


aparecen en la frmula pertenecen a la diagonal superior de la tabla 1.

Expresin de Newton diagonal hacia atrs: El desarrollo completo del


polinomio de Newton diagonal hacia atrs, es muy parecido al caso anterior,
siendo esta vez la diagonal inferior la que se describe en la tabla (partiendo
del punto q de la tabla).
n

pn ( x ) = y p +
i=1

p +i1

( ( )) [
j= p

xx j f x p , x q1 , . , x qi ]

(29)

El polinomio de Newton diagonal hacia atrs utiliza, a partir de un punto


dado, la diagonal regresiva de la tabla de diferencias (divididas).

Expresin de Newton zig-zag hacia delante: Se prefiere a menudo


utilizar otra forma para construir un polinomio de interpolacin que empiece
cerca de un valor k de la tabla. En este caso, para evitar hacer clculos
previos para saber cul es el punto original de la tabla que se debe utilizar
para un grado dado, se construye un polinomio que empieza en el punto k y
luego se apoya en las diferencias divididas, primero hacia delante y luego
hacia atrs y as sucesivamente. Introduciendo el trmino de divisin entera
( \ ):
n

pn ( x )= y k +
i=1

k+1

( (
j=1

xx k +t

i/2

) f [ x k1/ 2 , . x k , . , x k+(i +1)/ 2 ]

(30)

Donde t vale 1 si j es par, -1 si j es impar. Este polinomio se construye a


partir del punto yk, y luego se utiliza las diferencias (divididas) primero hacia
delante y luego alterando hacia atrs y hacia delante.

Expresin de Newton zig-zag hacia atrs: El desarrollo completo del


polinomio de Newton zig-zag hacia atrs que se inicia en el punto k
corresponde a la expresin:
n

pn ( x )= y k +
i=1

k+1

( (
j=1

xx k +t

i/2

) f [ x k(i+1 )/ 2 , . x k , . , x k+i/ 2 ]

(31)

Este polinomio se construye a partir del punto y k, y luego se utiliza las


diferencias (divididas) primero hacia atrs y luego alterando hacia delante y
hacia atrs.

Ejemplo 4: Obtener el polinomio de interpolacin usando la frmula de


interpolacin de Newton en diferencias divididas con los datos de la tabla
que aparece a continuacin, e interpolar en el punto x= 4.
xk

-7

-5

yk

-37

-7

-127

-1

-127

-91

2
De: f(x)= -13 x 3 x

Sabemos que si tenemos los n+1 puntos (xi,yi), i=0... n, y queremos calcular el
polinomio que interpola endichos puntos utilizando la frmula de interpolacin de
Newton en diferencias divididas, hemos de usar:
n

pn ( x )= y p+
i=1

p +i1

( ( )) [
i=1

xx i f x p , x p +1 , . , x p +i ]

En las que aparecen las diferencias divididas f[x0,...,xi], obtenidas a partir de los
valores proporcionados por la tabla inicial. Calculamos entonces la tabla de
diferencias divididas:

Donde se ha expresado por brevedad la diferencia dividida f[xk,xk+1,...,xk+p]


como f[xk|| xk+p].La diagonal de la tabla dediferencias divididas, en color rojo, es
entonces: [37,15,3,0,0,0], que se corresponde exactamente con el conjuntode
valoresque aparece en la frmula y por tanto, los polinomios de Newton son los
siguientes
p0 (x) = -37 (interpolaen el primer punto)
p1 (x) = -15 (x-3) +

p0

(x) = 15 x+8 (interpola en los 2 primeros puntos)

p2 x) = 3 ( x3 ) ( x1 ) +

p1

(x) = 13 x23 x (interpola entodoslos

puntos)
O tambin:
p(x) =37 15(x3)3( x3 ) ( x1 ) =13

3 x

Si se quiere interpolar en un punto concreto, lo mejor es tomar el polinomio de


interpolacin en su forma de Newton y reordenarlo al estilo Ruffini-Horner
expresando el polinomio como:
p(x) =37+(x3) (15+(x1) (3))
lo que supone realizar a lo sumo 4 sumas/restas y 2 multiplicaciones para
interpolar en un punto x. Para interpolar entonces en x= 4, basta sustituir la x de
la expresin reordenada anterior por su valor 4 para obtener p(4) =37.Si se
tuviera el polinomio en su forma normal, como combinacin lineal de {1,x,x2,...,xn},
deberamos usar el algoritmo clsico de Ruffini-Horner, ya que supondra 2 sumas
y 2 multiplicaciones, como se ve a continuacin. En este caso, para obtener el
valor en x = 4 del polinomio de interpolacin p(x) = 13 x23 x colocamos los
coeficientes de mayor a menor exponente y operamos de la forma usual
-4

o bien

-3
-3

-3
9

-1
-37

p(4) = (3 . (4)3) . (4) 1 = 37


Obteniendo el mismo resultado que antes, p(4) = 37, con el mismo nmero de
multiplicaciones y la mitad de sumas/restas.

5. Errores en los Polinomios Interpolantes de Newton.


Ntese que la estructura de la ecuacin (16) es similar a la de la expansin
de la serie de Taylor en el sentido de que los trminos agregados secuencialmente
consideran el comportamiento de orden superior de la funcin representada. Estos
trminos son diferencias divididas finitas y, por lo tanto, representan
aproximaciones a las derivadas de orden superior. En consecuencia como sucede
con la serie de Taylor, si la funcin representativa es un polinomio de n-ensimo
orden, el polinomio interpolante de n-ensimo orden basado en n+1 llevara a
resultados exactos.
Tambin como en el caso de la serie de Taylor, se puede obtener una
formulacin del error de truncamiento. Recurdese que la ecuacin del error de
truncamiento en la serie de Taylor se expresa en forma general como:
xi +1x i

( n+1 )
( )
f
Rn=

( n+1 ) !

(32)

En donde es un punto cualquiera dentro del intervalo

[ x i , x i+1 ]

. Una

representacin anloga del error de un polinomio interpolante de n-ensimo orden


esta dada por:
( n+1 )
( )
f
R n=
( xx 0 ) ( xx 1 ) . ( xx n )
( n+1 ) !

(33)

En donde es un punto cualquiera dentro del intervalo que contiene las


incgnitas y los datos. Para uso de esta formula la funcin en cuestin debe ser
conocida y diferenciable. Y usualmente, este no es el caso afortunadamente,
existe una frmula alternativa que no requiere conocimiento previo de la funcin.
En vez de ello, se usa una diferencia dividida finita que aproxima la (n+1)-enesima
derivada:
Rn=f [ x , x n , x n1 , .. , x 0 ] ( xx 0 ) ( xx 1 ) ( x x n) .(34)

En donde

f [ x , x n , x n1 , .., x 0 ]

es la (n+1)-ensima diferencia dividida. Ya que la

ecuacin anterior, contiene incgnita

f ( x ) , esta no se puede resolver y obtener

el error. Sin embargo, si se dispone de un dato adicional

f ( x n+1 ) , la ecuacin

anterior da una expresin del error como:


Rn=f [ x , x n , x n1 , .. , x 0 ] ( xx 0 ) ( xx 1 ) ( x x n)

(35)

Ejemplo 5: Con la ecuacin (16) estime el error en la interpolacin


polinomial de segundo grado del ejemplo 2. Use el dato adicional f(x3) =f(

6 ) = 0.8660254 para obtener sus resultados.


Solucin:
Recuerde que en el ejemplo 4 el polinomio de interpolacin de segundo grado

proporcion una estimacin, f2( 4 ) = 0,873797632095822 , que representa un


error de 0.70710678 0,873797632095822 =-0.16669085. Si no se hubiera
conocido el valor verdadero, como usualmente sucede, la ecuacin (16), junto con
el valor adicional en x3, pudo haberse utilizado para estimar el error,

R2=f [ x 3 , x2 , x1 , x0 ] ( x ) x

R2=6.05490 X 107 ( x ) x

)( x 2 )

)( x 2 )

Donde el valor de la diferencia dividida finita de tercer orden es como se calcul


antes en el ejemplo 6. Esta expresin se evala en x = 2 para obtener
R2=6.05490 X 107

( 4 )( 4 3 )( 4 2 )=0.01838929

Que es aproximado al valor de magnitud que el error verdadero.

6. Polinomios de Interpolacin de Lagrange

En anlisis numrico, el polinomio de Lagrange, llamado as en honor a


Joseph-Louis de Lagrange, es una forma de presentar el polinomio que interpola
un conjunto de puntos dado. Lagrange public este resultado en 1795, pero lo
descubri Edward Waring en 1779 y fue redescubierto ms tarde por Leonhard
Euler en 1783. Dado que existe un nico polinomio interpolador para un
determinado conjunto de puntos, resulta algo engaoso llamar a este polinomio el
polinomio interpolador de Lagrange. Un nombre ms apropiado es interpolacin
polinmica en la forma de Lagrange.
El polinomio de interpolacin de Lagrange corresponde a otra forma de
escribir el mismo polinomio de interpolacin de grado n que pasa exactamente por
el conjunto de n+1 puntos (xi,yi). La idea principal es la de crear un polinomio de
grado n que se caracteriza por valer 1 cuando se evala en xi y valer 0 cuando se
evala en cualquier otro punto de la tabla:
Li ( x=x i ) =1

Li ( x=x k 1 )=0

i y k son puntos de la tabla. Gracias a esta definicin, la expresin del polinomio


de interpolacin puede ser escrita como (aqu tambin n=q-p):
q

pn ( x ) = L i ( x ) y i
i= p

Ya que cada uno de los Li(x) es un polinomio de grado n que se anula para
cualquier valor de k distinto de i (o sea que todos los xk, son races de este
polinomio) su expresin general es de la forma:
q

Li ( x )=ai ( xx k )
k= p
k i

Ahora bien, por el hecho de que este polinomio se vuelve igual a la unidad en el
punto xi, la siguiente ecuacin se cumple:
i=

1
q

( x ix k )
k= p
k i

a
Esto significa que la expresin general del polinomio de Lagrange es:

( xx k )
Li =

k= p
k i
q

( x ix k )
k= p
ki

Cuya forma ms prctica en computacin es (reduce los errores en los clculos


intermedios)
q

( xx k )
k= p ( xi x k )

Li ( x ) =
k i

Reemplazando esta ltima expresin en la definicin del polinomio de Lagrange,


se obtiene la frmula:
q

pn ( x )=
i= p

( xx )

( x xk )
k= p
k i

yi

Esta expresin indica que el valor de interpolacin obtenido con el polinomio de


Lagrange corresponde a un promedio ponderado de todos los valores que
pertenecen a la tabla de datos originales (coeficiente igual a 1 para este punto e
iguales a 0 para todos los otros). En el caso de los puntos intermedios, se
ponderan cada uno de los valores de la tabla por un nmero proporcional a cun
distante est ese punto de cualquiera de los otros puntos de la tabla de datos.

Ejemplo 6: Calcular el polinomio de Lagrange usando los siguientes datos:

Solucin:
Tenemos que:
f ( x) y0l0 ( x) y1l1 ( x) y2l ( x) y3l3 ( x)

f ( x) 2l0 ( x) l1 ( x) 2l2 ( x) 3l3 ( x)


Donde:

( x 3)( x 5)( x 7) ( x 3)( x 5)( x 7)

( 2)( 4)( 6)
48
( x 1)( x 5)( x 7) ( x 1)( x 5)( x 7)
l1 ( x )

( 2)( 2)( 4)
16
( x 1)( x 3)( x 7) ( x 1)( x 3)( x 7)
l2 ( x )

(4)( 2)( 2)
16
( x 1)( x 3)( x 5) ( x 1)( x 3)( x 5)
l3 ( x )

(6)( 4)( 2)
48
l0 ( x)

Sustituyendo arriba, el polinomio de Lagrange queda definido como sigue:


( x 3)( x 5)( x 7) ( x 1)( x 5)( x 7) ( x 1)( x 3)( x 7) ( x 1)( x 3)( x 5)


24
16
8
16

f ( x)

Calculando para x=4, tenemos que f(x)=-1.208

7. Desventaja de su uso
Si se aumenta en nmero de puntos a interpolar (o nodos) con la intencin
de mejorar la aproximacin a una funcin, tambin lo hace el grado del polinomio
interpolador as obtenido, por norma general. De este modo, aumenta la dificultad
en el clculo, hacindolo poco operativo manualmente a partir del grado 4, dado
que no existen mtodos directos de resolucin de ecuaciones de grado 4, salvo
que se puedan tratar como ecuaciones bicuadradas, situacin extremadamente
rara.
La tecnologa actual permite manejar polinomios de grados superiores sin
grandes problemas, a costa de un elevado consumo de tiempo de computacin.
Pero, a medida que crece el grado, mayores son las oscilaciones entre puntos

consecutivos o nodos. Se podra decir que a partir del grado 6 las oscilaciones son
tal que el mtodo deja de ser vlido, aunque no para todos los casos.
Sin embargo, pocos estudios requieren la interpolacin de tan slo 6
puntos. Se suelen contar por decenas e incluso centenas. En estos casos, el
grado de este polinomio sera tan alto que sera inoperable. Por lo tanto, en estos
casos, se recurre a otra tcnica de interpolacin, como por ejemplo a la
Interpolacin polinmica de Hermite o a los splines cbicos
Otra gran desventaja, respecto a otros mtodos de interpolacin, es la
necesidad de recalcular todo el polinomio si se vara el nmero de nodos.

8. Aproximacin
A diferencia del criterio utilizado para la interpolacin, la aproximacin no
busca pasar exactamente por todos los puntos simultneos. Pero a su vez no
quiere alejarse demasiado de ninguno. Es conveniente medir de alguna forma el
grado de alejamiento o de error que se comete en la evaluacin de cada punto. Se
define con este fin el residuo en cada punto como la diferencia entre la imagen
experimental del punto i y su valor aproximado a travs de la funcin propuesta.
r i= y i f ( x i )
El error cometido en la evaluacin de todos los puntos puede ser estimado
fcilmente mediante el clculo de la norma del vector residuo:

(
q

r e =

2
i

r=

i= p

i=p

y if ( x i ) )

La expresin de f(xi) es genrica, sin embargo, es comn buscar una


funcin de aproximacin obtenida como una combinacin lineal de funciones
elementales
n

f ( x i )=C 0 f 0 ( x i ) +C1 f 1 ( x 1 ) ++C n f n ( x i )= C j f j ( xi )


j=o

Cabe sealar que cuando se conoce la ley fsica que rige el sistema al cual
corresponden los puntos experimentales, es recomendable utilizar la ecuacin
especfica en vez de la frmula expuesta previamente.

9. Regresin por el mtodo de mnimo cuadrados


Cuando se asocia un error sustancial a los datos, la interpolacin polinomial
es inapropiada y puede llevar a resultados no satisfactorios cuando se usa para

predecir valores intermedios. Los datos experimentales a menudo son de ese tipo.
Una estrategia ms apropiada en estos casos es la de obtener una funcin
aproximada que ajuste adecuadamente el comportamiento o la tendencia
general de los datos, sin coincidir necesariamente con cada punto en particular.
Una lnea recta puede usarse en la caracterizacin de la tendencia de los datos
sin pasar cobre ningn punto en particular. Una manera de determinar la lnea, es
inspeccionar de manera visual los datos graficados y luego trazar la mejor lnea a
travs de los puntos. Aunque este enfoque recurre al sentido comn y es vlido
para clculos a simple vista es deficiente ya que es arbitrario. Es decir, a menos
que los puntos definan una lnea recta perfecta (en cuyo caso la interpolacin seria
apropiada), cada analista trazara rectas diferentes.
La manera de quitar esta subjetividad es considerar un criterio que
cuantifique la suficiencia del ajuste. Una forma de hacerlo es obtener una curva
que minimice la diferencia entre los datos y la curva y el mtodo para llevar a cabo
este objetivo es al que se le llama regresin con mnimos cuadrados.
El mtodo de los mnimos cuadrados es un mtodo general que se basa en
el uso de la norma euclidiana para calcular la norma del residuo. Se busca el
mnimo error cuadrtico entre los puntos experimentales y sus valores
aproximados. Las funciones que se suelen utilizar son expresiones de uso sencillo
al anlisis. Los casos ms comunes son la regresin lineal (o sea, la aproximacin
por una recta) y las aproximaciones polinmicas.

Regresin lineal: La regresin lineal, a pesar de su sencillez, sigue siendo


muy utilizada en los clculos ingenieriles. Esto se debe a varios factores,
entre los cuales se destacan la rapidez con la cual puede ser obtenida y lo
importante que es el conocer la tendencia de un fenmeno, la cual se
aprecia directamente al ojear los coeficientes de la recta obtenida. La
ecuacin buscada es de la forma:

y=C 0 +C1 X
La norma euclidiana del residuo es por ende:

(
q

r e =

i= p

y i ( C0 +C 1 x i ) )

Su mnimo ser alcanzado cuando las dos ecuaciones siguientes son ciertas
simultneamente:
r e
r e
=0
=0
C0
C 1
Al desarrollar los clculos de las derivadas parciales, se obtiene:

2 ( y i( C0 +C 1 x i ) ) =0
i= p
q

2 x i ( y i( C 0 +C1 x i) )=0
i=p

Reagrupando los trminos en forma adecuada, se llega a una forma matricial muy
sencilla

xi

i= p
q

i= p
q

xi xi xi
i =p

i=p

) ( )
C0
=
C1

( )

yi
i= p
q

xi yi
i=p

Obviando los lmites de la sumatoria para aliviar la nomenclatura, se obtiene la


expresin final:

q p+1
xi

xi
x 2i

)( ) (
C0
=
C1

yi
xi yi

La solucin de este sistema de dos ecuaciones con dos incgnitas es inmediata:


C 1=

( q p+1 ) x i y i x i y i

( q p+1 ) x 2i x i x i
x i xi y i y i x 2i

y iC i xi
C0 =
=
2
qp +1
( q p+1 ) x i x i y i
Cabe sealar que existen dos usos especiales de la regresin lineal a
formulaciones que no son lineales. Se trata de la expresin exponencial y de la
regresin de potencias. La primera corresponde a la expresin y = C0 exp (c1x)
mientras que la segunda es y = coxc1. Al recordar la propiedad de la funcin
logartmica Ln(ab)=Ln(a) + Ln(b) se obtienen las ecuaciones:
ln ( y )=ln ( C 0 ) +C1 X
ln ( y )=ln ( C0 ) +C 1 ln ( X )
Estas son expresiones de dos rectas de coeficientes Ln(co) y c1. Se recuerda que
se debe solamente hacer un cambio de variable de una sola variable en el primer
caso y de las dos variables en el segundo caso. Este procedimiento es totalmente
equivalente al haber dibujado una recta en un papel semi-logartmico (primer caso)
o en un papel log-log (segundo caso).

Regresin polinmica: En numerosos casos de la ingeniera, se requieren


expresiones matemticas ms elaboradas que una sencilla recta para
aproximar un conjunto de datos. La primera alternativa que se suele recurrir
es la aproximacin polinmica. El procedimiento de clculo es ms largo
que en el caso de la regresin lineal, pero los resultados son ms precisos.
La expresin de aproximacin buscada es de forma:
n

pn ( xi ) = C j x ij
j=0

Utilizando la forma matricial para la expresin del residuo, se tiene:


r e = yP c
Siendo P la matriz (q-p+1)x(n+1) de las potencias polinmicas a cada uno
de los q-p+1 puntos del conjunto de datos

Por un conjunto de q-p+1 puntos pasa un solo polinomio de grado q-p. Esto
implica que el grado n del polinomio de aproximacin no puede ser superior a q-p
(nq-p). Si n es igual a q-p, la matriz P es cuadrada y se puede obtener una norma
del residuo exactamente nula. Si n<q-p, entonces el sistema es sobre-determinado
y existe una infinidad de soluciones. Sin embargo existe una sola que minimice la
norma del vector residuo. Se puede demostrar que la solucin que minimiza el
residuo es de la forma:
0=P T yPT PC
Razn por la cual el vector solucin puede ser obtenido por la frmula:
[PT P]c =[ PT y ]
En donde el producto de la matriz transpuesta
P(q p +1)x (n +1)

P(nT +1)x(q p +1)

por la matriz

arroja una matriz cuadrada de tamao (n+1)x(n+1), y el vector

columna se obtiene por multiplicacin de la matriz

P(nT +1)x(q p +1)

por el vector

columna y(q-p+1)x1. El resultado de estos productos genera el sistema matricial


siguiente:

Regresin multifuncin multivariable: El concepto de la aproximacin


por el mtodo de los mnimos cuadrados puede ser generalizado a una
funcin ms compleja del tipo:
n

f ( x i )=C 0 f 0 ( x i ) +C1 f 1 ( x 1 ) ++C n f n ( x i )= C j f j ( xi )


j=o

En esta expresin x representa un vector de variables x. La norma del residuo se


calcula mediante la expresin matricial:
r e = yF C
Siendo F la matriz (q-p+1)x(n+1) que contiene todas las evaluaciones de las n+1
funciones fj realizadas en los q-p+1 puntos xi

La solucin de este problema sobredimensionado se obtiene por la ecuacin:


[F T F] c=[ FT y ]
Esta expresin puede ser desarrollada y el resultado matricial (utilizando una
nomenclatura simplificada) es:

Donde en realidad:

f j f k = f j ( x i ) f k ( x i )
y i f j = y i f j ( x i )
10. Coeficientes de Regresin
Es conveniente establecer un mecanismo que pueda permitir la cooperacin entre
varias funciones distintas y decidir cul es la ms adecuada. Se sabe que cada
uno de los conjuntos de coeficientes obtenido minimiza el error cuadrtico (en
realidad la norma euclidiana), pero hay una diferencia apreciable entre cada una
de estas normas. El criterio de seleccin debe basarse en el valor de dicha norma.
Es por ende conveniente, al final del procedimiento volver a calcular el residuo en
cada punto para obtener esta norma. A veces es preferible en vez de calcular la
norma del residuo, presentar un valor adimensional como lo es la relacin entre la
norma del residuo y la norma del vector imagen y.
e=

r e
y e

Para medir la calidad de la aproximacin, existe como alternativa la medicin del


coeficiente de regresin. El coeficiente de regresin puede ser medido de varias
formas. Las principales definiciones que se encuentran son:

Los coeficientes de regresin se caracterizan normalmente por ser valores


comprendidos entre 0 y 1.

11. Diferenciacin Numrica


Diferenciacin numrica es una tcnica de anlisis numrico para producir
una estimacin del derivado de la funcin matemtica o funcin subprograma
usando valores de la funcin y quizs del otro conocimiento sobre la funcin.
El clculo de la derivada de una funcin puede ser un proceso "difcil" ya
sea por lo complicado de la definicin analtica de la funcin o por que esta se
conoce nicamente en un nmero discreto de puntos.

Cuando derivamos una funcin en forma analtica, generamos una segunda


funcin que se usa para calcular la derivada para diferentes valores de la variable
independiente.
La funcin que ser diferenciada estar usualmente en una de las
siguientes tres formas:
Una funcin simple contina tal como un polinomio, una exponencial
o una funcin trigonomtrica.
Una funcin continua complicada que es difcil o imposible de
diferenciar de una manera directa.
Una funcin tabulada donde los valores de x y f(x) estn dados en un
nmero de puntos discretos, como es frecuente en el caso de datos
experimentales o de campo.
Para aproximar la derivada numricamente usaremos cocientes de
diferencias.

Donde y y f(x) son representaciones alternativas de la variable dependiente y x es


la variable independiente. Si se permite que x se aproxime a cero, la diferencia
se torna como una derivada.

Para derivar las formulas usaremos el Teorema de Taylor

12. Tipos de diferenciacin numrica


Existen 3 diferentes tipos de aproximacin numrica:
o Aproximacin a la primera derivada con diferencias hacia atrs
La serie de Taylor se puede expandir hacia atrs para calcular un valor anterior
sobre el valor actual, dada por:

Truncando la ecuacin despus de la primera derivada y ordenando los trminos


se obtiene:

Donde los errores es 0 (h) y el diferencial indica la primer diferencia dividida hacia
atrs.

o Aproximacin a la primera derivada con diferencias hacia adelante

Donde al diferencial se le conoce como la primera diferencia hacia adelante y a h


se le llama tamao del paso, esto es, la longitud del intervalo sobre el cual se hace
la aproximacin. Se le llama diferencia " hacia adelante " ya que usa los datos (i) e
(i+1) para estimar la derivada. Al termino completo (o sea, la diferencial entre h) se
conoce como primera diferencia dividida finita.

o Aproximacin a la primera derivada con diferencias centrales


Una tercera forma de aproximar la primera derivada es restar la ecuacin de la
expansin en serie de Taylor hacia adelante:

Para obtener:

Que se puede resolver para:

Esta ltima ecuacin es una representacin de las diferencias centrales de


la primera derivada. Ntese que el error de truncamiento es del orden de en
contraste con las diferencias divididas hacia adelante y hacia atrs, las cuales
fueron de orden h.
Por lo tanto, el anlisis de la serie de Taylor ha llevado a la informacin
prctica de que la diferencia central es la representacin ms exacta de la
derivada. Por ejemplo, si se parte el tamao del paso a la mitad usando
diferencias hacia atrs o hacia adelante, el error se reducir aproximadamente a la
mitad, mientras que para diferencias centrales, el error se reduce a la cuarta parte.

Ejemplo 7:
Sea la funcin ln x , calcular las derivadas por mtodos numricos en el punto
x=5 , en base a la siguiente tabla, con h=0.1 , aplicando la formula de la
segunda diferencia finita hacia adelante, hacia atrs, central.

4.7

f (x) 1.54756

4.8

4.9

5.0

5.1

5.2

5.3

1.56862

1.58922

1.60944

1.62924

1.64866

1.6677

Solucin:
Para

f ( x )=ln x . El valor verdadero de

Primera derivada

f ' ( 5 )=0 . 2 y f ' ' ( 5 )=0 . 04

f ' ( x0 )=

f ' ( x0 )=

f ( x 0 +2) + 4 f ( x 0+1 )3 f ( x0 )
2h

f ( 5.2 ) +4 f ( 5.1 )3 f ( 5 )
2(0.1)

1.64866+ 4 ( 1.62924 )3 ( 1.60944 ) 1.64866+6.516964.82832


=
0.2
0.2
f ' ( x0 )=

Er =

||

0.03998
=0.1999
0.2

V v V a 0.20.1999
=
=1 104 , E=|1 104 100 |=0.01
Vv
0.2

Segunda derivada
f ' ' ( x0 )=

f ( x 0 +3 ) +4 f ( x 0+2 )5 f ( x 0+1 ) +2 f ( x 0 )
h2

f ' ' ( x0 )=

f ( 5.3 ) + 4 f ( 5.2 )5 f ( 5.1 )+ 2 f ( 5 )


( 0.1 )2

f ' ' ( x0 )=

1.6677+ 4 ( 1.64866 )5 ( 1.62924 )+ 2 ( 1.60944 )


0.01

' ' ( x0 )

Er =

1.6677+6.594648.1462+3.21888 3.8 104


=
=0.038
0.01
0.01

||

V v V a 0.04(0.038)
=
=0.05, E=|0.05 100 |=5
Vv
0.04

o Diferencias finitas hacia atrs


Primera derivada
f ' ( x0 )=

f ( x 0) f ( x 01 ) f ( 5 ) f ( 4.9) 1.609441.58922
=
=
=0.2022
h
0.1
0.1

Er =

||

V v V a 0.20.2022
=
=0.011, E=|E r 100 |=( 0.011 ) 100 =1.1
Vv
0.2

Segunda derivada
f ' ' ( x0 )=

f ' ' ( x0 )=

Er =

f ( x 0 )2 f ( x 01 ) +f ( x 02 )
h

f ( 5 )2 f ( 4.9 ) + f ( 4.8 )
(0.1)2

1.609442 ( 1.58922 )+1.56862 3.8 104


=
=0.038
0.01
0.01

||

V v V a 0.04(0.038)
=
=0.05, E=|E r 100 |=( 0.05 ) 100 =5
Vv
0.04

o Diferencias finitas central


Primera derivada
f ' ( x0 )=

Er =

f ( x 0+1 )f ( x 01) f ( 5.1 ) f ( 4.9 ) 1.629241.58922 0.04002


=
=
=
=0.2001
2h
0.2
0.2
2 ( 0.1 )

||

V v V a 0.20.2001
=
=5 104 , E=| Er 100 |=0.05
Vv
0.2

Segunda derivada
f ' ' ( x0 )=

Er =

' ' ( x0 )

f ( x 0+1 )2 f ( x 0 ) + f ( x 01)
h

f (5.1 ) 2 f ( 5 ) +f ( 4.9 )
2
(0.1)

1.629242 ( 1.60944 )+ 1.58922 1.629243.21888+1.58922


=
=0.042
0.01
0.01

||

V v V a 0.04(0.042)
=
=0.05, E=|Er 100 |=( 0.05 ) 100 =5
Vv
0.04

13. Integracin Numrica

En anlisis numrico la integracin numrica constituye una amplia gama


de algoritmos para calcular el valor numrico de una integral definida y, por
extensin, el trmino se usa a veces para describir algoritmos numricos para
resolver ecuaciones diferenciales. El trmino cuadratura numrica (a menudo
abreviado a cuadratura) es ms o menos sinnimo de integracin numrica,
especialmente si se aplica a integrales de una dimensin a pesar de que para el
caso de dos o ms dimensiones (integral multiple) tambin se utiliza.
En ingeniera se presenta con frecuencia la necesidad de integrar una
funcin que sera, en general, de una de las tres formas siguientes:

Una funcin simple y continua tal como un polinomio, una funcin


exponencial o una funcin trigonomtrica.
Una funcin complicada y continua que es difcil o imposible de integrar
directamente.
Una funcin tabulada en donde los valores de x y f(x) se dan en un conjunto
de puntos discretos, como es el caso a menudo, de datos experimentales

El problema bsico considerado por la integracin numrica es calcular una


solucin aproximada a la integral definida:

Este problema tambin puede ser enunciado como un problema de valor


inicial para una ecuacin diferencial ordinaria, como sigue:

Encontrar y(b) es equivalente a calcular la integral. Los mtodos


desarrollados para ecuaciones diferenciales ordinarias, como el mtodo de RungaKutta pueden ser aplicados al problema reformulado. En este artculo se discuten
mtodos desarrollados especficamente para el problema formulado como una
integral definida.

14. Tipos de integracin numrica


Se dispone de formas cerradas y abiertas de integracin. Las formas
cerradas son aquellas donde los datos al inicio y final de los lmites de integracin
son conocidos. Las formas abiertas tienen lmites de integracin que se extienden
ms all del rango de los datos. Los cuales son:
Mtodo del trapecio. La regla del trapecio es la primera de las formulas
cerradas de integracin de Newton Cotes. Corresponde al caso donde el
polinomio de la ecuacin es de primer grado:

Una lnea recta se puede representar como:

El rea bajo esta lnea recta es una aproximacin de la integral de () entre los
limites y b:

El resultado de la integracin es:

Que se denomina regla del trapecio.


Geomtricamente, la regla trapezoidal es equivalente a aproximar el rea
del trapezoide bajo la lnea recta que conecta f(a) y f(b). Podemos trabajar el rea
asumiendo que el trapezoide est sobre un lado, por lo que la integral se
representa como:

La regla del trapecio se puede ampliar si subdividimos el intervalo


subintervalos, todos de la misma longitud

en

Sea
la particin que se forma al hacer dicha subdivisin. Usando
propiedades de la integral tenemos que:

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

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

Sustituyendo el valor de h y usando la notacin sigma, tenemos finalmente:

Esta es la regla del trapecio para n subintervalos. Obviamente, esperamos que


entre ms subintervalos usemos, mejor sea la aproximacin a la integral.

Mtodo de Simpson: Otra forma de obtener una estimacin ms exacta de


una integral es con el uso de polinomios de orden superior para conectar
los puntos. Por ejemplo, si hay un punto extra a la mitad del camino entre
f(a) y f(b), los tres puntos se pueden conectar con una parbola. Si hay dos
puntos igualmente espaciados entre f(a) y f(b), los cuatro puntos se pueden
conectar con un polinomio de tercer orden. Las frmulas que resultan al
tomar las integrales bajo esos polinomios son conocidas como regla de
Simpson.

o La regla se Simpson : resulta cuando un polinomio de interpolacin de


segundo grado se sustituye en la ecuacin:

Si se designan y b como x y x , y (x) se representan por un polinomio de


Lagrange de segundo grado, la integral se transforma en:

Despus de la integracin y de las manipulaciones algebraicas se obtiene la


siguiente frmula:

Donde, en este caso, h=(b - )/2. Esta ecuacin se conoce como regla de
Simpson 1/3, y es la segunda frmula de integracin cerrada de Newton-Cotes. La
especificacin 1/3 se origina del hecho de que h est dividida en 3 en la
ecuacin.
Agrupando nuevamente para llevarla a un formato ms conocido se tiene

Donde a=x0, b=x2 y x1=punto a la mitad del camino entre a y b.


Al igual que con la regla del trapecio, podemos extender la regla de Simpson de
1/3, si subdividimos el intervalo

en

subintervalos de la misma longitud

.
Sea
denotemos por

la particin que se forma al hacer la subdivisin, y


el punto medio en cada subintervalo.

Aplicamos primero propiedades bsicas de la integral definida:

Ahora, aplicamos la regla de Simpson de 1/3, en cada una de las integrales de


arriba:

Sustitumos

y usamos la notacin sigma:

Regla de Simpson 3/8: En una manera similar a la derivacin de la regla


trapezoidal y de Simpson 1/3, un polinomio de Lagrange de tercer orden se
puede ajustar a cuatro puntos e integrarse:

Para obtener:

Donde h = (b-a)/3. Esta ecuacin se llama regla de Simpson 3/8 debido a que
h se multiplica por 3/8. Esta es tambin una frmula de integracin cerrada y la
podemos expresar en el formato que se viene utilizando para quedar como:

Donde a=x0, b=x3 y x1 , x2 = puntos a la mitad del camino entre a y b.


Al igual que en los dos casos anteriores, la regla de Simpson de 3/8, se puede
extender si subdividimos el intervalo

en

intervalos de la misma longitud

Sea

la particin determinada de esta forma. Cada subintervalo

lo dividimos en tres partes iguales, y sean


determinados as:

Aplicando la regla de

los puntos

en cada uno de los intervalos tenemos:

Esta ltima, es la regla de Simpson de 3/8 para n subintervalos todos de la misma


longitud.

15 Integracion en Intervalos Desiguales


Cuando la longitud de los subintervalos no es igual, se usa una
combinacin de la regla Trapezoidal y las reglas de Simpson, procurando seguir el
siguiente orden jerrquico:

1) Simpson
: Esta se aplica, si contamos con 4 puntos igualmente
espaciados.

2) Simpson : Esta se aplica si falla (1) y contamos con 3 puntos igualmente


espaciados.
3) Regla Trapezoidal: Solo se aplica si no se cumple

Ejemplo 8: Evaluar

, usando la siguiente tabla :

Solucin.
Vemos que en el intervalo

podemos aplicar la regla del trapecio, en el

intervalo
la regla de Simpson de 3/8 y en el intervalo
Simpson de 1/3. As, tenemos las siguientes integrales:

la regla de

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