C5b Integracion

Capítulo 7
Integración numérica
El problema de evaluar integrales definidas proviene tanto, de las matemáticas, así como de
muchas otras áreas de la ciencia y la ingeniería. En cualquier curso básico de Cálculo, se aprende
a calcular integrales simples, tales como
Z 1 Z π
x
e dx o cos(x)dx,
0 0
donde los resultado respectivos son −1 + e y 0. Pero, ¿qué ocurre al intentar calcular las
integrales: Z 1 Z π
x2

e dx y cos x2 dx?
0 0
El Segundo Teorema Fundamental del Cálculo (teorema A.4) establece que para calcular la
integral definida de una función continua f (x), basta con encontrar una función F (x) que
cumpla que F ′ = f y así se tiene que:
Z b
f (x)dx = F (b) − F (a).
a
Sin embargo, no siempre es posible encontrar la función F , denominada primitiva o antiderivada,

2
como lo es en caso en que f (x) = ex . A este tipo de funciones se les llama funciones no
elementales. Así, en la práctica lo que se hace es aproximar el valor de la integral numéricamente,
por medio de una serie de puntos y valores reales de la forma:
Z b Xn
f (x)dx ≈ wk f (xk ). (7.1)
a k=0
A esta aproximación se le denomina cuadratura numérica, donde las contantes wk son de-
nominadas los pesos y xk es el punto de cuadratura asociado al peso wk , mientras que n + 1 es
la cantidad de puntos y de pesos de cuadratura.
Por ejemplo, un esquema de aproximación numérica o cuadratura numérica, consiste en apro-
ximar el área bajo la curva f (x) por un trapecio, como se muestra en la figura 7.1.
En la ecuación (7.1), para n = 1, se obtiene una aproximación la integral de la forma:
Z b
b−a b−a b−a
f (x)dx ≈ [f (a) + f (b)] = f (a) + f (b),
a 2 2 2
351
352 Capítulo 7. Integración numérica
Figura 7.1: Aproximación de la integral por un trapecio.
donde w0 = w1 = b−a 2
, x0 = a y x1 = b. A esta cuadratura se le conoce como la regla del
trapecio. Así, si se programa esta cuadratura en MATLAB, de la forma:
a = 0; % Límite inferior
b = 1; % Límite superior
I = (b - a)/2 * (exp( a^2 ) + exp( b^2 )); % Regla del trapecio
I % Mostrar aproximación
2
se puede obtener en I una aproximación para la integral de ex en [0, 1]. El resultado corresponde
a I = 1.8591. Este valor es una aproximación “aceptable” para el valor real 1.4626, el cual
puede ser obtenido con alguna cuadratura más precisa, como las que se considerán en las
siguientes secciones, donde se describen tres tipos de integración numérica: las cuadraturas de
Newton-Cotes, el método de extrapolación de Richarson y las cuadraturas de Gauss-Legendre.
En cualquiera de las tres tećnicas, lo único que se necesita para realizar la integración de una
función de manera numérica, es una lista de pesos (wk ), una lista de puntos de cuadratura (xk )
y poder evaluar dicha función en cada punto de cuadratura.
7.1. Cuadraturas de Newton-Cotes

Considere la función f definida y continua sobre [a, b], es decir f ∈ C[a, b] y suponga que se
desea evaluar la integral Z b
I = f (x)dx.
a
Suponiendo además, que no se conoce la primitiva o antiderivada de f , entonces es necesario
aproximar f por medio de una función fácil de integrar, como por ejemplo los polinomios,
debido a que:
b
Z b Z bXn n n
k
X αk k+1 X αk
pn (x)dx = αk x dx = x = bk+1 − ak+1 . (7.2)
a a k=0 k=0
k+1
k=0
k+1
a
Así, la idea consiste en aproximar la función f por un polinomio interpolador, como el de

Lagrange de grado n, pn ∈ Pn , para luego integrar pn y con ello aproximar la integral de f por
7.1. Cuadraturas de Newton-Cotes 353
medio de la integrar de pn , es decir,

Z b Z b
f (x)dx ≈ pn (x)dx. (7.3)
a a
Para ello, considere el soporte S = {x0 , x1 , . . . , xn } tal que, por simplicidad, los nodos del
soporte estén igualmente espaciados, es decir,
xi = a + ih, para i = 0, 1, . . . , n,
donde h = n1 (b − a). Dado que el polinomio de interpolación de Lagrange de grado n para la

función f , con el conjunto soporte S mencionado anteriormente, es de la forma
n n
X Y x − xi
pn (x) = Lk (x)f (xk ), con Lk (x) = . (7.4)
i=0
xk − xi
k=0
i6=k
Luego, de las ecuaciones (7.3) y (7.4), se obtiene que:

Z b n
X
f (x)dx ≈ wk f (xk ), (7.5)
a k=0
donde
Z b
wk = Lk (x)dx, para k = 0, 1, . . . , n. (7.6)
a
Los valores wk , con k = 0, 1, . . . , n, son conocidos como pesos de cuadratura, mientras que
los nodos xi ∈ S son llamados puntos de cuadratura. La regla de cuadratura numérica,
expresada en la ecuación (7.5) es conocida como la cuadratura de Newton-Cotes de orden
n.
Dependiendo de la cantidad de puntos en el conjunto soporte S, se definen las fórmulas de
integración. Si n = 1, entonces se conoce como regla del trapecio, si n = 2 se conoce como regla
de Simpson y si n = 4, se conoce como regla de Boole. A continuación se describen las reglas
del trapecio y de Simpson, mientras que la regla de Boole queda como ejercicio para el lector
(Ejercicio 17 de la página 377).
Para n = 1, es decir para dos puntos x0 = a y x1 = b, el polinomio de interpolación de

Lagrange de grado n para la función f es dado por
p1 (x) = L0 (x)f (a) + L1 (x)f (b),

x−b x−a
= f (a) + f (b),
a−b b−a
1
= [(b − x)f (a) + (x − a)f (b)] .
b−a
Luego, integrando el polinomio p1 (x) de a hasta b, se obtiene la cuadratura numérica

Z b Z Z
f (a) b f (b) b
f (x)dx ≈ (b − x)dx + (x − a)dx,
a b−a a b−a a

f (a) (b − b)2 (b − a)2 f (b) (b − a)2 (a − a)2
= − + + − ,
b−a 2 2 b−a 2 2
b−a b−a b−a
= f (a) + f (b) = [f (a) + f (b)] .
2 2 2
Esta cuadratura numérica con dos puntos de cuadratura x0 = a, x1 = b y con pesos
w0 = w1 = 21 (b − a), es conocida como regla del trapecio y se ilustra gráficamente en
la figura 7.1.
Para n = 2, de la ecuación (7.5), se obtienen los puntos de cuadratura x0 = a, x1 = 21 (a+b)

y x2 = b, así de (7.6), se obtiene que:
Z b Z b
(x − x1 )(x − x2 )
w0 = L0 (x)dx = dx,
a a (x0 − x1 )(x0 − x2 )
Z 1
t(t − 1) b − a b−a
= dt = ,
−1 2 2 6
donde es conveniente realizar el cambio de variable x = 21 (b − a)t + 12 (b + a). De forma

similar, se obtiene w1 = 32 (b − a) y w2 = b−a
6
. Entonces:
Z b
f (x)dx ≈ w0 f (x0 ) + w1 f (x1 ) + w2 f (x2 ),
a

b−a 2 a+b b−a
= f (a) + (b − a)f + f (b),
6 3 2 6

b−a a+b
= f (a) + 4f + f (b) .
6 2
A esta cuadratura se le conoce como la regla de Simpson y consiste en aproximar el

área bajo la curva f por medio de un parábola, tal y como se muestra en la figura 7.2..
Observación: Nótese que como los wk no dependen de la función f , entonces estos pueden ser
precalculados y con ello el costo mayor dependerá de qué tan complejo sea evaluar los f (xk ),
para cada punto de cuadratura xk , con k = 0, 1, . . . , n. Además, como los puntos de cuadratura
están igualmente espaciados, entonces se considera h = x1 − x0 y con ello, se puede escribir las
reglas anteriores de la forma:
Z b
h
Regla del trapecio: f (x)dx ≈ [f (a) + f (b)], para h = b − a.
a 2
Z b
h a+b
Regla de Simpson: f (x)dx ≈ f (a) + 4f + f (b) , para h = 12 (b − a).
a 3 2
Figura 7.2: Aproximación de la integral por una parábola.
Ejemplo 7.1.
Considere f (x) = x1 sen(x) y aproxime el valor de la integral de f en el intervalo [1, 3].
Utilice las dos reglas anteriores. Luego, determine el error relativo, tomando como valor
exacto a 0.9025694576.
Solución. Primero, utilizando la regla del trapecio, se tiene que h = 3 − 1 = 2 y con ello se
obtiene: Z 3
sen(x) 2 sen(1) sen(3)
dx ≈ + ≈ 0.8885109875,
1 x 2 1 3
3−1 3+1
mientras que para la regla de Simpson, h = 2
= 1, x0 = 1, x1 = 2
= 2 y x2 = 3. Entonces,
Z 3
sen(x) 1 sen(1) sen(2) sen(3)
dx ≈ +4· + ≈ 0.9023686137.
1 x 3 1 2 3
Luego, el error relativo de la regla del trapecio es 0.01558, mientras que el de la regla de Simpson
corresponde a 0.00022. Nótese que la regla de Simpson proporciona una mejor aproximación
ya que esta brinda cuatro dígitos significativos, mientras que la regla del trapecio brinda dos
dígitos significativos.
Definición 7.1 (Estimado de error).

El error En obtenido en la ecuación (7.5) es definido como
Z b n
X
En (f ) = f (x)dx − wk f (xk ). (7.7)
a k=0
Dado que las cuadraturas de Newton-Cotes son obtenidas por medio de aproximar la función f
por medio del polinomio interpolador de Lagrange, entonces es posible utilizar el estimado de
error de este polinomio (teorema 5.3), para obtener una cota para En (f ) al asumir condiciones
de regularidad sobre f . Esta cota se presenta en el siguiente resultado.
Teorema 7.1.
Considere un entero n ≥ 1 y suponga que f es una función real, definida y continua sobre
un intervalo cerrado [a, b] de , tal que las derivadas de f de orden n + 1 existen y son
continuas sobre [a, b]. Entonces,
Z b
Mn+1
|En (f )| ≤ |πn+1 (x)|dx,
(n + 1)! a
n
Q
donde Mn+1 = máx |f (n+1) (ζ)| y πn+1 (x) = (x − xj ).
ζ∈[a,b] j=0
Demostración. De la definición de los pesos wk , (7.6), se tiene que:

Z b n
X Z b Xn Z b
En (f ) = f (x)dx − wk f (xk ) = f (x)dx − Lk (x)dx f (xk ),
a k=0 a k=0 a
Z b n
Z bX Z b" n
X
#
= f (x)dx − Lk (x)f (xk )dx = f (x) − Lk (x)f (xk ) dx,
a a k=0 a k=0
Z b
= [f (x) − pn (x)] dx,
a
donde pn (x) es el polinomio interpolador de Lagrange para f en los puntos (xi , f (xi )), i =
0, 1, . . . , n. Por lo tanto, se obtiene que:
Z b Z b

|En (f )| = [f (x) − pn (x)] dx ≤
|f (x) − pn (x)| dx.
a a
Luego, de la expresión (5.4), dada por:

Mn+1
|f (x) − pn (x)| ≤ |πn+1 (x)|,
(n + 1)!
se obtiene que:
Z b Z b
Mn+1 Mn+1
|En (f )| ≤ |πn+1 (x)|dx = |πn+1 (x)|dx,
a (n + 1)! (n + 1)! a
de donde se concluye el resultado deseado.
Así, en el caso de la regla del trapecio (n = 1) se tiene que:

Z Z
M2 b M2 b (b − a)3 h3
|E1 (f )| ≤ |(x − a)(x − b)|dx = (x − a)(b − x)dx = M2 = M2 .
2 a 2 a 12 12
Por lo tanto, |E1 (f )| ≤ 12 h3 M2 , donde M2 = máx |f ′′(ζ)|. Similarmente, se puede verificar que
ζ∈[a,b]
la regla de Simpson (n = 2), cumple que:
Z
M3 b a+b 4 4
dx = (b − a) M3 = 4h M3 .

|E2 (f )| ≤ (x − a) x − (x − b)
3! a 2 196 49
4 4
Por lo tanto, |E2 (f )| ≤ 49
h M3 , donde M3 = máx |f ′′′ (ζ)|. Nótese que la regla del trapecio es
ζ∈[a,b]
exacta cuando f es un polinomio de grado 1, mientras que la regla de Simpson es exacta para
polinomios de grado 2.
Por otro lado, si se aplica la regla de Simpson a f (x) = x3 sobre [a, b], entonces se tiene que:
Z b " 3 #
3 b−a 3 a+b 3
x dx ≈ a +4 +b ,
a 6 2

b − a 3 a3 3a2 b 3ab2 b3 3
= a + + + + +b ,
6 2 2 2 2
b−a 3 b − a4
4
= a + a2 b + ab2 +3 = ,
4 4
Rb
lo cual corresponde al valor exacto de a x3 dx. Así, nótese que para f (x) = α1 x3 +α2 x2 +α3 x+α4 ,
se tiene que:
Z b Z b Z b
3 2 3
α1 x + α2 x + α3 x + α4 dx = α1 x dx + α2 x2 + α3 x + α4 dx.
a a a
Aplicando la regla de Simpson a las dos integrales anteriores, se obtendría que esta regla es
exacta para polinomios de grado 3 en general, lo cual no se refleja en la cota de error anterior.
Por esta razón es que dicha cota no es considerada y más bien se utilice la brindada por el
siguiente resultado.
Teorema 7.2.
Suponga que f es una función real, definida y continua sobre [a, b], tal que su cuarta
derivada es continua sobre [a, b]. Entonces,
Z b
b−a a+b (b − a)5 (4)
E2 (f ) = f (x)dx − f (a) + 4f + f (b) = − f (ξ),
a 6 2 2880
para algún ξ ∈ ]a, b[.
Demostración. Considere el cambio de variable

a+b b−a
x = + t = x1 + ht,
2 2
con el cual se tiene que:
Z b
h a+b
E2 (f ) = f (x)dx − f (a) + 4f + f (b) ,
a 3 2
Z 1
a+b b−a h a+b
= h f + t dt − f (a) + 4f + f (b) .
−1 2 2 3 2
Definiendo F (t) = f (x1 + ht), entonces se tiene que

Z 1
1
E2 (f ) = h F (t)dt − [F (−1) + 4F (0) + F (1)] ,
−1 3
así, considerando
Z t
t
G(t) = F (s)ds − [F (−t) + 4F (0) + F (t)] , para t ∈ [−1, 1],
−t 3
se obtiene que E2 (f ) = hG(1). Luego, al definir
H(t) = G(t) − t5 G(1), para t ∈ [−1, 1],
donde H(0) = H(1) = 0, entonces aplicando el teorema de Rolle, se tiene que existe ζ1 ∈ ]0, 1[
tal que H ′ (ζ1) = 0, donde:
H ′ (t) = G′ (t) − 5t4 G(1),

Z t ′
t
= F (s)ds − [F (−t) + 4F (0) + F (t)] − 5t4 G(1),
−t 3
2 2 4 t t
= F (−t) + F (t) − F (0) + F ′ (−t) − F ′ (t) − 5t4 G(1).
3 3 3 3 3
Similarmente, debido a que H ′ (ζ1 ) = H ′ (0) = 0, entonces por el teorema de Rolle, existe
ζ2 ∈ ]0, ζ1[ tal que H ′′ (ζ2) = 0, donde:
1 1 t t
H ′′ (t) = − F ′ (−t) + F ′ (t) − F ′′ (−t) − F ′′ (t) − 20t3 G(1).
3 3 3 3
Nótese que H ′′ (ζ2 ) = H ′′ (0) = 0, por lo que existe ζ3 ∈ ]0, ζ2 [ tal que H ′′′ (ζ3 ) = 0, donde:
t
H ′′′ (t) = − [F ′′′ (t) − F ′′′ (−t)] − 60t2 G(1).
3
Así, se tiene que
ζ3 ′′′
H ′′′ (ζ3) = − [F (ζ3 ) − F ′′′ (−ζ3 )] − 60ζ32G(1) = 0,
3
y aplicando el teorema del valor medio a la función F ′′′ , se obtiene que existe ζ4 ∈ ]−ζ3 , ζ3 [ tal
que
ζ3 (4)
− F (ζ4 ) [ζ3 − (−ζ3 )] − 60ζ32G(1) = 0,
3
2ζ 2
− 3 F (4) (ζ4 ) + 90G(1) = 0,
3
como ζ3 6= 0, entonces se concluye que
1 (4)
G(1) = − F (ζ4 ).
90
Ahora, debido a que F (t) = f (x1 + ht), entonces F (4) (t) = h4 f (4) (x1 + ht), de donde se obtiene
que
1 1
G(1) = − h4 f (4) (x1 + hζ4 ) = − h4 f (4) (ξ).
90 90
Por lo tanto, existe ξ ∈ ]a, b[ tal que
1 5 (4) (b − a)5 (4)
E2 (f ) = hG(1) = − h f (ξ) = − f (ξ),
90 2880
y con ello se obtiene lo que se deseaba probar.
Observación: Del teorema anterior se concluye que

(b − a)5 h5
|E2 (f )| ≤ M4 = M4 ,
2880 90
por lo que la regla de Simpson es exacta para polinomios de grado 3. Más generalmente, se
puede probar que si n es impar, entonces las cuadraturas de Newton-Cotes son exactas para
polinomios de grado n, mientras que si n es par estas son exactas para polinomios de grado
n + 1 (Ejercicio 21 de la página 377).
Ejemplo 7.2.
Considere f (x) = ln(x) y aproxime el valor de la integral de f en el intervalo [2, 5],
por medio de las reglas del trapecio y de Simpson. Luego, determine el error absoluto y
finalmente calcule la cota para el error de ambas reglas.
Solución. Primero, utilizando la regla del trapecio, se tiene que h = 5 − 2 = 3 y con ello se
obtiene: Z 5
3
ln(x)dx ≈ [ln(2) + ln(5)] ≈ 3.453877639,
2 2
mientras que para la regla de Simpson, h = 5−3 2
= 1.5, x0 = 2, x1 = 5+2
2
= 3.5 y x2 = 5.
Entonces, Z 5
1.5
ln(x)dx ≈ [ln(2) + 4 ln(3.5) + ln(5)] ≈ 3.656818483.
2 3
Luego, dado que Z 5
ln(x)dx = (x ln(x) − x)|52 ≈ 3.660895201,
2
entonces, con ello el error absoluto de la regla del trapecio es 0.207017562, mientras que el de
la regla de Simpson corresponde
1 1 a 0.004076718. Ahora, como f ′′ (x) = − x12 , entonces en [2, 5]
se cumple que M2 = 22 = 4 , por lo que:
h3 33 1 9
|E1 (f )| ≤ M2 = · = = 0.5625.
12 12 4 16
Nótese como el error real 0.207017562 es menor que la cota anterior. Similarmente, como
(4) 6 6 3
f (x) = − x4 , entonces en [2, 5] se cumple que M4 = 24 = 8 , por lo que:

h5 1.55 3 81
|E2 (f )| ≤ M4 = · = ≈ 0.03164.
90 90 8 2560
Nuevamente, se cumple que el error real 0.004076718 está por debajo de la cota anterior.
Aspectos computacionales
Debido a que las reglas de integración del trapecio y de Simpson no corresponden a técnicas
iterativas, asumiendo que la función f esta definida en todos los puntos de [a, b], entonces ambas
reglas se pueden programar como se muestra en los algoritmos 7.1 y 7.2, respectivamente.
Algoritmo 7.1: ReglaTrapecio.

Recibe: f función continua, a y b en límites de integración.
Rb
Retorna: I ∈ aproximación de a f (x)dx.
1 I ← 21 (b − a) · (f (a) + f (b))
Algoritmo 7.2: ReglaSimpson.

Recibe: f función continua, a y b en límites de integración.
Rb

1 I ← 61 (b − a) · f (a) + 4 · f a+b
2
+ f (b)
!
En el caso de la técnica general, cuadraturas de Newton-Cotes para n ∈ , se debe implementar
la expresión (7.5), de la cual la mayor complejidad consiste en determinar los pesos wk , dados
por:
Z b
wk = Lk (x)dx, para k = 0, 1, . . . , n.
a
Para ello, se puede utilizar el algoritmo 5.2 de la página 280, para encontrar los coeficientes
del polinomio Lk (x) y con ellos realizar la integración en [a, b], tal y como se muestra en la
expresión (7.2), de donde se obtiene el algoritmo 7.3 para integrar polinomios.
Algoritmo 7.3: EvaluarIntegral.

Recibe: c ∈ n coeficientes de un polinomio, a y b en límites de integración.
Rb Pn
Retorna: I ∈ aproximación de a cn+1−k xk dx.
k=1
1 I←0
2 A←a
3 B←b
4 Para k ← 1 hasta n hacer
5 I ← I + k1 cn+1−k · (B − A)
6 A←A·a
7 B ←B·b
Con el algoritmo 7.3 es posible implementar las cuadraturas de Newton-Cotes para cualquier
!
n ∈ tal y como se muestra en el algoritmo 7.4.
Algoritmo 7.4: NewtonCotes.

Recibe: f función continua, a y b en límites de integración, n ∈ grado del polinomio.
Rb
1 h ← n1 (b − a)
2 x ∈ n+1
3 Para i ← 1 hasta n + 1 hacer
4 xi ← a + (i − 1) · h
5 I←0
6 Para k ← 1 hasta n + 1 hacer
7 d ← Lk(x, k)
8 w ← EvaluarIntegral(d, a, b)
9 I ← I + w · f (xk )
Ejemplo 7.3.
Utilice n = 1, 2, . . . , 10, junto a las cuadraturas de Newton-Cotes, para aproximar la
integral
Z 1
2
e2x+1 (2 sen(πx) + π cos(πx)) dx = e2 + 1.
−1
2
Determine además, los errores en cada aproximación.
Solución. Ingresando en MATLAB la función f (x) = e2x+1 (2 sen(πx) + π cos(πx)), como:

function [y] = f( x )
y = exp(2*x+1) * ( 2*sin(pi*x) + pi*cos(pi*x) );
return
entonces, ejecutando el siguiente fragmento de código en MATLAB:

n = 10; % Número de aproximaciones
a = -0.5; % Límite inferior
b = 0.5; % Límite superior
valorExacto = exp(1)^2 + 1;
I = zeros(n, 1); % Lista de resultados
E = zeros(n, 1); % Lista de errores
for k = 1 : n
valorAprox = NewtonCotes(a, b, k);
I(k) = valorAprox;
E(k) = abs( valorExacto - valorAprox );
end
[(1:n)', I, E] % Mostrar resultados
se obtienen los resultados de la siguiente tabla:
n Integral Error
1 6.389056098930650 2.000 × 100
2 7.822841514759263 5.662 × 10−1
3 8.147224259073964 2.418 × 10−1
4 8.399069018614430 1.001 × 10−2
5 8.394726460756901 5.670 × 10−3
6 8.389125515389358 6.942 × 10−5
7 8.389097625698918 4.153 × 10−5
8 8.389053147046566 2.952 × 10−6
9 8.389054212432884 1.886 × 10−6
10 8.389056113747364 1.482 × 10−8
Nótese que el error decrece a medida que n aumenta, lo cual puede inducir a concluir que las
cuadraturas de Newton-Cotes convergen a la integral cuando n → +∞, sin embargo, como se
verá a continuación (Observación 4) esto no es correcto.
Observaciones importantes
Entre las observaciones más importantes de las cuadraturas de Newton-Cotes, se describen las
siguientes:
1. Debido a que la fórmula de los pesos wk (7.6), no depende de la función, entonces si se

tiene una colección de funciones f1 , f2 , . . . , fm continuas en [a, b], los pesos y puntos de
cuadraturas serían los mismos para todas estas funciones, por lo que se sigue el proceso:
1. Calcular los xk ← a + kh, para k = 0, 1, . . . , n

Rb
2. Determinar los wk ← a Lk (x)dx, para k = 0, 1, . . . , n
3. Para i = 1 hasta m hacer
Xn
4. Ii ← wk fi (xk )
k=0
5. Fin
De esta forma el costo de calcular los pesos y los puntos se reduce significativamente, por
tal razón en la práctica a una cuadratura numérica en general se conoce únicamente
por un listado o tabla de pesos y puntos, y estas pueden ser adquiridas de libros, artículos,
sitios de internet, o bien con los algoritmos presentes en este capítulo.
2. Así, como las cuadraturas no depende de la función a integrar (sólo su estimado de error),
también es posible hacer que estas sean independientes del intervalo de integración, por
medio de un cambio de variable. Por ejemplo, el cambio de variable x = (b − a)t + a,

realiza la siguiente transformación:
Z b Z 1
f (x)dx = (b − a) f ((b − a)t + a)dt,
a 0
y como
Z 1 n
X
g(t)dt ≈ wk g(tk ),
0 k=0
entonces tomando g(t) = f ((b − a)t + a), se puede concluir que

Z b n
X
f (x)dx ≈ (b − a) wk f ((b − a)tk + a), (7.8)
a k=0
donde wk y tk , para k = 0, 1, . . . , n, corresponden a una cuadratura en el intervalo [0, 1].

De manera general, si se construye una cuadratura en un intervalo [â, b̂], dada por ŵk y
x̂k , para k = 0, 1, . . . , n, entonces una cuadratura wk y xk , para el intervalo [a, b] es de la
forma:
b−a (b − a)x̂k + ab̂ − âb
wk = ŵk y xk = ,
b̂ − â b̂ − â
para k = 0, 1, . . . , n. Es decir,
Z b n
! $
b−aX (b − a)x̂k + ab̂ − âb
f (x)dx ≈ ŵk f .
a b̂ − â k=0 b̂ − â
3. La idea general de las cuadraturas de Newton-Cotes, consiste en aproximar la función a

integrar por el polinomio interpolador de Lagrange dando puntos igualmente espaciados
en el intervalo de integración. Sin embargo esto es por comodidad únicamente. Los puntos
no tienen porqué estar igualmente espaciados ni dentro del intervalo de integración para
obtener el polinomio interpolador. La razón de seleccionarlos igualmente espaciados es
para poder escribir el estimado de error de manera simplificada, sin embargo, algunas
veces es útil utilizar como puntos de cuadratura a puntos por fuera del intervalo de
integración. Por ejemplo, considere la cuadratura:
Z 1
f (x)dx ≈ c−1 f (−1) + c0 f (0) + c1 f (1).
0
Los coeficientes ci corresponden a los pesos y se determinan de manera idéntica a los wk ,

tomando x−1 = −1, x0 = 0 y x1 = 1, con lo que:
1 1
L−1 (x) = x(x − 1), L0 (x) = 1 − x2 y L1 (x) = x(x + 1).
2 2
De esta forma:
Z 1 Z 1 Z 1
1 2 5
c−1 = L−1 (x)dx = − , c0 = L0 (x)dx = y c1 = L1 (x)dx = .
0 12 0 3 0 12
Por lo tanto, la cuadratura es dada por:

Z 1
1 2 5
f (x)dx ≈ − f (−1) + f (0) + f (1).
0 12 3 12
Además, el estimado de error se calcula con el teorema 7.1, el cual para esta cuadratura
1
es de la forma 24 M3 , por lo que la cuadratura es exacta para polinomios de grado 2 o
menor. La diferencia con respecto a los demás estimados de error, es que en este caso M3
corresponde al valor máximo de f ′′′ en el intervalo [−1, 1] y no en [0, 1], debido a que los
puntos de cuadratura se encuentran en [−1, 1].
4. Del estimado de error del teorema 7.1, se puede apreciar que cuando n → +∞, el error
En (f ) se reduce y con ello se puede deducir que las cuadraturas de Newton-Cotes converge
al valor de la integral cuando n → +∞. Sin embargo, esto no es correcto incluso para
funciones suaves. Un ejemplo de esto es la función de Runge, la cual al ser interpolada
por Lagrange, con n grande, el error de la interpolación crece a medida que n crece. Estos
es conocido como el fenónemo de Runge y se ilustró en la tabla 5.1 del capítulo previo.
Así, considerando la integral de esta función, dada por
Z 5
1 1
2
dx = 2 arccot ≈ 2.746801533,
−5 1 + x 5
y utilizando las cuadraturas de Newton-Cotes para n = 1, 2, . . . , 16, se obtienen los datos

presentes en la tabla 7.1.
n Integral Error n Integral Error

1 0.384615384615384 2.362186 9 2.398617897840791 0.348184
2 6.794871794871794 4.048070 10 4.673300555652464 1.926499
3 2.081447963800906 0.665354 11 3.244772940283657 0.497971
4 2.374005305039785 0.372796 12 −0.312936515699722 3.059738
5 2.307692307692313 0.439109 13 1.919797216906639 0.827004
6 3.870448673470786 1.123647 14 7.899544640719118 5.152743
7 2.898994409748402 0.152193 15 4.155558992839614 1.408757
8 1.500488907127783 1.246313 16 −6.241437311330682 8.988239
Tabla 7.1: Fenónemo de Runge, para las cuadraturas de Newton-Cotes.
Los resultados de la tabla 7.1 no evidencian que la cuadratura converge al incrementar n,

es más, se puede apreciar que el error no disminuye cuando n crece. De hecho, al tomar
n = 1, 2, . . . , 100, se puede observar en la figura 7.3 que el error va aumentando de manera
oscilatoria. Este comportamiento está relacionado con el hecho de que los pesos wk en las
cuadraturas de Newton-Cotes no son todos positivos cuando, en este caso particular,
n > 8. En la demostración del teorema 7.4 se puede apreciar con claridad la necesidad de
la no negatividad.
R5 1
Figura 7.3: Comportamiento de los errores al aproximar −5 1+x2
dx.
7.1.1. Fórmulas compuestas

Considere la integral Z 2
2
e−x dx ≈ 1.76416278,
−2
la cual si se aproxima por la regla del trapecio se obtiene que:
Z 2
−x2 2 − (−2) h −(−2)2 −(2)2
i
e dx ≈ e +e = 4e−4 ≈ 0.0732625556, (7.9)
−2 2
mientras que si se aproxima por la regla de Simpson se tiene que:
Z 2
−x2 2 − (−2) h −(−2)2 −(0)2 −(2)2
i
e dx ≈ e + 4e +e ,
−2 6
4
= [2 + e−4 ] ≈ 2.69108751. (7.10)
3
Nótese como ambas aproximaciones son incorrectas, ya que la del trapecio es muy pequeña,
mientras que la regla de Simpson excede bastante el valor real. Esto se puede apreciar en la
figura 7.4.
Debido a que no es posible incrementar mucho el valor de n, con el fin de obtener una mejor
aproximación (según la observación 4 de la página 364), entonces es necesario encontrar alguna
técnica alternativa para mejorar la precisión de las reglas del trapecio y de Simpson.
Una técnica que mejora significativamente la precisión en la aproximación de una integral,
consiste en dividir el intervalo de integración [a, b], en un creciente número de subintervalos de
tamaño decreciente, y entonces, utilizar una cuadratura numérica de orden n fijo en cada uno de
los subintervalos. Continúa siendo la idea de aproximar la función a integrar por un interpolador,
pero en este caso el interpolador no es un polinomio, sino un trazador. Las cuadraturas basadas
en esta técnica se denominan cuadraturas compuestas y se ilustran en la figura 7.5.
R2 2
Figura 7.4: Aproximación del trapecio (izquierda) y de Simpson (derecha) para −2
e−x dx.
Figura 7.5: Idea general de las cuadraturas compuestas.
Sea f una función continua en [a, b], construyendo una partición del intervalo [a, b], en m ≥ 2
subintervalos de igual longitud, de la forma [xi , xi+1 ], para i = 0, 1, . . . , m − 1, entonces se
cumple que:
Z b m−1
X Z xi+1 m−1
X
A = f (x)dx = f (x)dx = Ai ,
a i=0 xi i=0
donde

b−a
xi = a + ih = a + i , para i = 0, 1, 2, . . . , m.
m
Así, considerando la cuadratura
Z xi+1 n
X (i) (i)
Ai = f (x)dx ≈ wk f (xk ),
xi k=0
se obtiene la cuadratura compuesta con m subintervalos dada por:

Z b m−1
XX n
(i) (i)
f (x)dx ≈ wk f (xk ), (7.11)
a i=0 k=0
Rb
Por ejemplo, si la cuadratura corresponde a la regla del trapecio, entonces el valor de a
f (x)dx
se puede aproximar de la siguiente manera compuesta:
Z b m−1
Xh
f (x)dx ≈ [f (xi ) + f (xi+1 )] ,
a i=0
2
h h h h h h
= f (x0 ) + f (x1 ) + f (x1 ) + f (x2 ) + . . . + f (xm−1 ) + f (xm ),
2 2 2 2 2 2
h
= [f (x0 ) + 2f (x1 ) + 2f (x2 ) + . . . + 2f (xm−1 ) + f (xm )] .
2
Definición 7.2.
Para m ≥ 2, se define la regla del trapecio compuesta de la forma:
Z b
h
f (x)dx ≈ [f (x0 ) + 2f (x1 ) + 2f (x2 ) + . . . + 2f (xm−1 ) + f (xm )] ,
a 2
" m−1
#
h X b−a
= f (x0 ) + 2 f (xk ) + f (xm ) , con h = .
2 k=1
m
Luego, como el error de la regla del trapecio satisface que:

(b − a)3
|E1 (f )| ≤M2 ,
12
entonces para determinar el error E1 (f, h) de la regla del trapecio compuesta, nótese que:
Z b
h
E1 (f, h) = f (x)dx − [f (x0 ) + 2f (x1 ) + . . . + 2f (xm−1 ) + f (xm )],
a |2 {z }
Regla del trapecio compuesta
X Z xi+1
m−1
h

= f (x)dx − [f (xi ) + f (xi+1 )] ,
i=0 xi 2
m−1
X [xi ,xi+1 ]
= E1 (f ).
i=0
Así, por la estimación del error en la regla del trapecio simple, se tiene que:
m−1
X [x ,x ] X (xi+1 − xi )3
m−1
i i+1 ′′
|E1 (f, h)| ≤ |E1 (f )| ≤ máx |f (t)| ,
i=0 i=0
12 t∈[xi ,xi+1 ]
m−1 3
m−1
X h
′′ h3 X ′′
= máx |f (t)| ≤ máx |f (t)| ,
i=0
12 t∈[xi ,xi+1 ] 12 i=0 t∈[a,b]
h3
= · m · M2 .
12
b−a b−a
Ahora, dado que h = m
, entonces se tiene que m = h
y con ello:
h3 b − a h2
|E1 (f, h)| ≤ · · M2 = (b − a) M2 . (7.12)
12 h 12
Definición 7.3.
Para m ≥ 2, se define la regla del Simpson compuesta de la forma:
Z b
h
f (x)dx ≈ [f (x0 ) + 4f (x1 ) + 2f (x2 ) + . . . + 2f (x2m−2 ) + 4f (x2m−1 ) + f (x2m )] ,
a 3
" m m−1
#
h X X b−a
= f (x0 ) + 4 f (x2k−1 ) + 2 f (x2k ) + f (x2m ) , con h = .
3 2m
k=1 k=1
El patrón de los coeficientes en la regla de Simpson compuesta es: 1, 4, 2, 4, . . ., 2, 4, 1, tal y

como se muestra en la siguiente figura:
Luego, de manera análoga a la regla del trapecio compuesta, el estimado de error para la regla
de Simpson compuesta es de la forma:

h5 b−a h4
|E2 (f, h)| ≤ · · M4 = (b − a) M4 . (7.13)
90 2h 180
Ejemplo 7.4.
Utilice la regla del trapecio compuesta y la regla de Simpson compuesta, con m = 3, para
R2 2
aproximar la integral −2 e−x dx.
1 2−(−2)
Solución. En el caso de la regla del trapecio compuesta, h = m
(b − a) = 3
= 43 , así la
distribución de puntos corresponde a:
2 2
x0 = −2, x1 = − , x2 = y x3 = 2.
3 3
Con ello se tiene que:
Z 2
2 h −(−2)2 2 2 2 2
i 2 h −4 i
+ 2e−(− 3 ) + 2e−( 3 ) + e−(2) =
2 2 4
e−x dx ≈ e 2e + 4e− 9 ,
−2 3 3
≈ 1.734235221.
1 2−(−2)
Luego, para la regla de Simpson compuesta, h = 2m
(b − a) = 2·3
= 23 , con lo que:
4 2 2 4
x0 = −2, x1 = − , x2 = − , x3 = 0, x4 = , x5 = y x6 = 2.
3 3 3 3
Así, se obtiene la aproximación:
Z 2
2 h −(−2)2 4 2 2 2 2 2 4 2
i
+ 4e−(− 3 ) + 2e−(− 3 ) + 4e−(0) + 2e−( 3 ) + 4e−( 3 ) + e−(2) ,
2 2 2
e−x dx ≈ e
−2 9
2 h −4 4 16
i
= 2e + 4e− 9 + 8e− 9 + 4 ≈ 1.767435412.
9
Nótese como ambas aproximaciones son mejores que las presentadas en (7.9) y en (7.10), lo
cual se ilustra en la figura 7.6.
R2 2
Figura 7.6: Aproximación compuesta del trapecio (izq.) y de Simpson (der.) para −2
e−x dx.
Observación: Considerando nuevamente la integral

Z 5
1 1
dx = 2 arccot ≈ 2.746801533,
−5 1 + x2 5
y utilizando las cuadraturas compuestas del trapecio y de Simpson para m = 1, 2, . . . , 16, se

obtienen los datos presentes en la tabla 7.2.
m Error Trapecio Error Simpson m Error Trapecio Error Simpson

1 2.362 × 100 4.048 × 100 9 2.494 × 10−2 7.402 × 10−3
2 2.446 × 100 9.649 × 10−2 10 9.307 × 10−3 3.894 × 10−3
3 8.539 × 10−1 4.734 × 10−1 11 8.279 × 10−3 2.090 × 10−3
4 5.390 × 10−1 1.294 × 10−1 12 1.637 × 10−3 1.113 × 10−3
5 2.699 × 10−1 1.024 × 10−1 13 3.234 × 10−3 5.929 × 10−4
6 1.415 × 10−1 4.500 × 10−2 14 3.028 × 10−4 3.178 × 10−4
7 8.130 × 10−2 2.670 × 10−2 15 1.599 × 10−3 1.682 × 10−4
8 3.769 × 10−2 1.348 × 10−2 16 6.899 × 10−4 9.082 × 10−5
Tabla 7.2: Fenómeno de Runge, para las cuadraturas compuestas del trapecio y de Simpson.
Nótese que las cuadraturas compuestas son una mejor técnica que las no compuestas, ya que no
se está incrementando el grado del polinomio interpolante y sin embargo, los errores decrecen
a medida que el número de subintervalos (m) crece.
Los pseudocódigos de las reglas compuestas del trapecio y de Simpson se presentan en los
algoritmos 7.5 y 7.6, respectivamente.
Algoritmo 7.5: ReglaTrapecioCompuesta.

Recibe: f ∈ C[a, b], a y b en límites de integración, m ∈
Rb
! número de subintervalos.
1 h ← m1 · (b − a)
2 I ← f (a)
3 x←a+h
4 Para i ← 1 hasta m − 1 hacer
5 I ← I + 2 · f (x)
6 x←x+h
h
7 I← 2
· (I + f (b))
Algoritmo 7.6: ReglaSimpsonCompuesta.

Rb
1
1 h ← 2m · (b − a)
2 I ← f (a)
3 x←a+h
4 Para i ← 1 hasta m − 1 hacer
5 I ← I + 4 · f (x) + 2 · f (x + h)
6 x←x+2·h
h
7 I← 3
· (I + 4 · f (x) + f (b))
Para el caso de la regla compuesta general (7.11), se considerarán los n + 1 pesos y puntos
de la cuadratura en el intervalo [0, 1] y luego se realizará una transformación para obtener la
cuadratura en cada subintervalo [xi , xi+1 ], para i = 0, 1, . . . , m − 1. De esta forma, tal como se
muestra en (7.8), se obtiene que:
Z xi+1 n
X
Ai = f (x)dx ≈ h wk f (htk + xi ).
xi k=0
De esta forma se pueden precalcular los valores de wk y xk en [0, 1] y con ellos aproximar la
integral en cada Ai , tal y como se muestra en el algoritmo 7.7.
Algoritmo 7.7: NewtonCotesCompuesta.

Recibe: f función continua, a y b en límites de integración, n ∈ ! grado del polinomio,
!
m ∈ número de subintervalos.
Rb
1 % Calcular cuadratura en [0,1]

2 t, w ∈ n+1
4 ti ← n1 · (i − 1)
6 d ← Lk(t, k)
7 wk ← EvaluarIntegral(d, 0, 1)
8 % Recorrer subintervalos
9 h ← m1 · (b − a)
10 I←0
11 x←a
12 Para i ← 1 hasta m hacer
14 I ← I + h · wk · f (h · tk + x)
15 x←x+h
7.1.2. Integración de Romberg
Cuando se utiliza el método de extrapolación de Richardson para mejorar la precisión de la

regla del trapecio compuesta, se obtiene un esquema de integración numérica, denominado:
integración de Romberg, la cual se describe a continuación.
Considere f ∈ C 2 [a, b] y x0 , x1 , . . ., xm un partición uniforme de [a, b], donde x1 −x0 = x2 −x1 =
. . . = xm − xm−1 = h, con h = m1 (b − a) y m ≥ 2. Entonces la regla del trapecio compuesta es
de la forma:
Z b m−1
Xh h2
f (x)dx = [f (xi ) + f (xi+1 )] − (b − a) f ′′ (ξ),
a i=0
2 12
para algún ξ ∈ ]a, b[. Ahora, considerando las aproximaciones obtenidas de esta regla compuesta
al usar varios valores para m, de la forma mk = 2k−1 , para k = 1, 2, . . . , n y hk = b−a
mk
= 2b−a
k−1 .
Entonces, la regla del trapecio compuesta se puede expresar como:

 
Z b 2k−1
X−1
hk  h2k ′′
f (x)dx = f (a) + f (b) + 2 f (a + ihk ) − (b − a) f (ξk ),
 (7.14)
a 2 i=1
12
donde ξk ∈ ]a, b[. Luego, se introduce la notación Rk,1 para denotar la ecuación (7.14), con lo
que se realiza la aproximación por trapecios, es decir:

 
2k−1 −1
hk  X
Rk,1 = f (a) + f (b) + 2 f (a + ihk ) .
2 i=1
Ahora, nótese que esta ecuación se puede escribir de forma recursiva (Ejercicio 24):
 
2Xk−2
1
Rk,1 = Rk−1,1 + hk−1 f (a + (2i − 1)hk ) (7.15)
2 i=1
para cada k = 2, 3, . . . , n. Ahora, si f ∈ C ∞ [a, b], entonces la regla del trapecio compuesta se
puede escribir con un término de error alternativo en la forma:
Z b +∞
X +∞
X
f (x)dx − Rk,1 = Ki h2i
k = K1 h2k + Ki h2i
k, (7.16)
a i=1 i=2
donde Ki , para cada i, es independiente de hk , este sólo depende de f (2i−1) (a) y f (2i−1) (b). Con
la regla del trapecio compuesta en esta forma, se puede eliminar el término que contiene h2k , al
combinar esta ecuación con su correspondiente que tiene hk , reemplazada por hk+1 = 21 hk , es
decir:
Z b +∞ +∞ +∞
X X Ki h2i K1 h2k X Ki h2i
f (x)dx − Rk+1,1 = Ki h2i
k+1 = k
= + k
. (7.17)
a i=1 i=1
22i 4 i=2
4 i
Ahora, al multiplicar la ecuación (7.17) por cuatro y restarle la ecuación (7.16), se obtiene una
fórmula con error de truncamiento O(h4k ), dada por:
Z b +∞
Rk+1,1 − Rk,1 X Ki 1 − 4i−1
f (x)dx − Rk+1,1 − = i−1
h2i
k .
a 3 i=2
3 4
Así, es posible aplicar la extrapolación a esta fórmula, para obtener un resultado O(h6k ) y así
sucesivamente. Para simplificar la notación, se define:
Rk,1 − Rk−1,1
Rk,2 = Rk,1 + ,
3
para cada k = 2, 3, . . . , n y se aplica el procedimiento de extrapolación de Richardson a estos
valores. Luego, continuando con esta notación, para cada k = 2, 3, . . . , n y j = 2, 3, . . . , k, se
obtiene una fórmula de aproximación O(h2j k ), definida por:
Rk,j−1 − Rk−1,j−1
Rk,j = Rk,j−1 + . (7.18)
4j−1 − 1
La ecuación (7.18) define el método de Romberg. Además, los resultados generados con estas
fórmulas se pueden representa en una tabla, como la 7.3.
O(h2 ) O(h4 ) O(h6 ) O(h8 ) ··· O(h2n )

R1,1
R2,1 R2,2
R3,1 R3,2 R3,3
R4,1 R4,2 R4,3 R4,4
.. .. .. .. ..
. . . . .
Rn,1 Rn,2 Rn,3 Rn,4 ··· Rn,n
Tabla 7.3: Estructura, a nivel de tabla, del método de Romberg.
En resumen: Las fórmulas para la integración de Romberg vienen dadas por:


b−a

 hk = k−1
, para k = 1, 2, . . . , n



 2


 b−a

 R1,1 = [f (a) + f (b)] ,


 2
 
2Xk−2
 1


 Rk,1 = Rk−1,1 + hk−1 f (a + (2i − 1)hk ) , para k = 2, 3, . . . , n


 2 i=1




 Rk,j = Rk,j−1 + Rk,j−1 − Rk−1,j−1 , para k = 2, 3, . . . , n y j = 2, 3, . . . , k.


4j−1 − 1
Ejemplo 7.5.
Considere la integral Z 1
2 2
√ e−x dx.
π 0
Aproxime dicha integral utilizando el método de Romberg de orden cinco.
Solución. Al aproximar dicha integral utilizando el método de Romberg, con n = 5, se genera

la siguiente matriz triangular inferior de tamaño 5 × 5, de entradas Ri,j :
O(h2 ) O(h4 ) O(h6 ) O(h8 ) O(h10 )

0.77174333
0.82526296 0.84310283
0.83836778 0.84273605 0.84271160
0.84161922 0.84270304 0.84270083 0.84270066
0.84243051 0.84270093 0.84270079 0.84270079 0.84270079
Por lo tanto, una aproximación para la integral es dada por: R5,5 = 0.84270079.
Con respecto a la implementación, esta es similar a la del algoritmo 6.2 y se presenta en 7.8,
haciendo uso de la regla del trapecio compuesta 7.5.
Algoritmo 7.8: Romberg.

Recibe: f función continua, a y b en límites de integración, n ∈
Rb
! orden de Richardson.
1 r∈ n
2 Para k ← 1 hasta n hacer
3 rk ← ReglaTrapecioCompuesta(f, a, b, 2k−1 )
4 Para j ← 1 hasta n − 1 hacer
1
5
v← j
4 −1
6 Para i ← 1 hasta n − j hacer
7 ri ← (1 + v) · ri+1 − v · ri
8 I ← r1
Ejercicios (sección 7.1)
♦ Tradicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1. Considere la función f y el intervalo I = [a, b]. Dado que f es integrable en I, utilice la

Rb
regla del trapecio y la regla de Simpson para aproximar a f (x)dx, para los siguientes
valores:
1
a) f (x) = log(x)
, I = [2, 5]. d ) f (x) = ex log(x), I = [1, 2].
x √
b) f (x) = ee , I = [−1, 2]. e) f (x) = x3 − 1, I = [1, 2].
√
c) f (x) = log(log(x)), I = [8, 10]. f ) f (x) = x2 3 1 + x2 , I = [0, 1].
2. Repita el ejercicio anterior para las reglas compuestas del trapecio y de Simpson, utili-
zando m = 4 subintervalos.
Rb
3. Determine un cota de error al aproximar a
f (x)dx, con las reglas del trapecio y de
Simpson. Utilice los valores:
a) f (x) = ln(−x), a = −2 y b = −1. c) f (x) = cos(−2x), a = 0 y b = 2.

b) f (x) = 2x , a = −3 y b = 3. d ) f (x) = sen(x), a = 1 y b = 2.
2
4. Considere la función f definida por f (x) = e−x y el intervalo [0, 4]. Dado que f es
R4
integrable en [0, 4], utilice la regla del trapecio compuesta para aproximar 0 f (x)dx,
para:
a) m = 3 subintervalos. c) m = 7 subintervalos.
b) m = 4 subintervalos. d ) m = 10 subintervalos.
5. Considere la función f definida por f (x) = sen(2x)

2x
y el intervalo [1, 4]. Dado que f es
R4
integrable en [1, 4], utilice la regla de Simpson compuesta para aproximar 1 f (x)dx,
para:
a) m = 5 subintervalos. c) m = 9 subintervalos.
b) m = 7 subintervalos. d ) m = 11 subintervalos.
6. Considere una cuadratura en [−1, 1] de la forma

Z 1
f (x)dx ≈ w0 f (−α) + w1 f (α),
−1
donde 0 < α < 1.
a) Teniendo en cuenta que para funciones de la forma fk (x) = xk , con k = 0, 1, 2, la

cuadratura es exacta, determine α, w0 y w1 .
b) Muestre que la cuadratura obtenida en el inciso anterior es exacta para polinomios
de grado menor o igual a 3.
c) ¿Pueden encontrarse valores para esas variables de tal forma que la cuadratura sea
exacta de grado 4?
7. Calcule el error en la aproximación de las integrales

Z 1 Z 1
4
x dx y x5 dx,
0 0
utilizando la regla del trapecio y la regla de Simpson. Encuentre el valor de la constante

C, para la cual la regla del trapecio da un resultado correcto para el cálculo de
Z 1
(x5 − Cx4 )dx,
0
y muestre que la regla del trapecio da una mejor aproximación que la regla de Simpson
cuando 15
14
< C < 8574
.
8. Determine los valores de cj , j = −1, 0, 1, 2, tales que la cuadratura:
Q(f ) = c−1 f (−1) + c0 f (0) + c1 f (1) + c2 f (2),
da un valor correcto para la integral

Z 1
f (x)dx,
0
donde f es cualquier polinomio de grado 3. Muestre que con esos valores para los pesos,
y bajo apropiadas condiciones sobre f , se cumple que:
Z 1
11
f (x)dx − Q(f ) ≤ M4 .

0 720
Z 0
9. ¿Cuántos subintervalos son necesarios para aproximar e3x dx con tres decimales co-
−3
rrectos, usando la regla del trapecio compuesta?
10. Sea T̂ el triángulo cuyos vértices son (0, 0), (1, 0) y (0, 1).
a) Construya un polinomio interpolador para f (x, y) que sea exacto para polinomios de
grado menor o igual a uno en T̂ .
b) Defina una cuadratura para integral la función f (x, y) en T̂ .
11. Por medio de la integración de Romberg, determine R3,3 para las integrales:
Z 3 Z π Z 7
2
2
4
3x 2 x
a) x ln(x)dx b) e sen(2x)dx c) √ dx
1 0 3 x2 − 4
12. Considere la función f definida por f (x) = sen(4x2 ) en el intervalo [1, 4].
R4
a) Utilice la regla de Simpson compuesta para aproximar 1 f (x)dx, para m = 3 subin-
tervalos.
R4
b) Utilice la integración de Romberg para aproximar 1 f (x)dx, para orden n = 3.
c) Compare ambos resultados previos por medio del error relativo.
♦ De programación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13. El estimado de error de la regla de Simpson compuesta está dado por:

(b − a)5
|E2 (f, h)| ≤ M4 .
2880m4
a) ¿Cuál es el valor mínimo para m, si se desea que el error en la regla compuesta de
Simpson sea menor a una tolerancia dada tol?
R3
b) ¿Cuántos subintervalos son necesarios para aproximar 2 sen(2x)dx, por medio de
la regla compuesta de Simpson, con una tolerancia de 10−13 ?
c) Utilice MATLAB para aproximar la integral del inciso anterior, utilizando la regla
de Simpson compuesta y cuyo error sea menor a 10−13 .
14. La función error es dada por

Z x
2 2
erf(x) = √ e−t dt. (7.19)
π 0
Implemente en MATLAB la rutina erf(x, m), la cual aproxima esta integral por medio
de la regla de Simpson compuesta, con m subintervalos.
+
15. Considere la función, F (x) : → definida por
Z x
1 2
F (x) = √ e−t dt.
π −∞
a) Implemente en MATLAB la rutina Func(x, tol), la cual calcule el valor de F (x)

con un error no mayor que tol. Explique la idea general de su rutina. Sugeren-
cia: Pruebe que F (0) = 21 y luego utilice la regla del trapecio compuesta.
b) Utilice el método de Newton, para aproximar la solución de la ecuación F (x) = 0.51.
16. Implemente en MATLAB el algoritmo 7.8 y utilícelo para aproximar las integrales del
ejercicio 1, para varios valores de n ∈ .
♦ Avanzados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17. Dada f ∈ C 6 [a, b], pruebe que

Z b
2h
f (x)dx ≈ [7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )] ,
a 45
donde h = 41 (b − a) y xk = a + hk, para k = 0, 1, 2, 3, 4. Además, pruebe que
8h7 (6)
E4 (f ) = |f (ξ)|,
945
para algún ξ ∈ ]a, b[. Esta regla de integración se conoce como la regla de Boole.
18. Sea T (m) la regla del trapecio compuesta y S(2m) la regla de Simpson compuesta, defi-
nidas en una partición de m subintervalos. Muestre que
4 1
S(2m) = T (2m) − T (m).
3 3
19. Denotando por T (m) a la cuadratura del trapecio compuesta sobre [a, b], usando una
partición uniforme de m subintervalos, considere la función f ∈ C 4 [a, b] y muestre que
T (m) − T (2m)
lı́m = 4.
m→+∞ T (2m) − T (4m)
20. Con la notación usual de las cuadraturas de Newton-Cotes de la ecuación (7.4) en el

intervalo [a, b] y usando un conjunto soporte cuyos elementos son igualmente espaciados,
es decir, si xk ∈ S entonces xk = a + kh, para k = 0, 1, . . . , n. Muestre que wk = wn−k ,
para k = 0, 1, . . . , n. Es decir, los pesos presentan simetría.
n+1
21. Considere el polinomio pn+1 (x) = x − a+b 2
, n ≥ 1, en el intervalo [a, b] y el resultado
del ejercicio anterior. Muestre que las cuadraturas de Newton-Cotes, usando n + 1 puntos
xk = a + kh, k = 0, 1, . . . , n, es exacta para todo polinomio de grado n + 1, donde n es
par.
!
22. Sea f una función de al menos clase C 2 ( ). Considere la siguiente cuadratura:
Z b
a+b
f (t)dt ≈ (b − a)f .
a 2
a) Muestre que para todo h > 0 y todo x ∈ , existe ξ ∈ [x, x + h], tal que
Z x+h
h h3
f (t)dt = hf x + + f ′′ (ξ).
x 2 24
b) Muestre que la regla compuesta, aplicada a una partición uniforme de [a, b] de n

intervalos, satisface el estimado de error:
Z
b n−1
X
f (mi ) ≤ Ch2 .

f (t)dt − h
a
i=0
23. Sea Ω = [0, 1] × [0, 1] y n un número positivo. Considere los puntos xi = ni , yj = nj , para
i, j = 0, 1, . . . , n.
a) Construya el polinomio de interpolación pn el cual interpola la función f en los

puntos (xi , yi ), para i, j = 0, 1, . . . , n. Explique la idea de la construcción.
b) Extienda la idea de las cuadraturas de Newton-Cotes al dominio Ω. Encuentre una
expresión de los pesos en función de los pesos de las cuadraturas de una dimensión.
24. a) Demuestre que para todo k se cumple que:

2k−1
X−1 2Xk−2 2k−2
X−1
i 1
f a + hk−1 = f a+ i− hk−1 + f (a + ihk−1 ).
i=1
2 i=1
2 i=1
b) Utilice el resultado del inciso anterior para probar la igualdad (7.15).
7.2. Cuadraturas de Gauss-Legendre

La familia de cuadraturas de Newton-Cotes fue construida al reemplazar la función a integrar f ,
por su polinomio interpolador de Lagrange, utilizando puntos igualmente espacidos. Siguiendo
esta idea, pero reemplazando la función f por el polinomio interpolador de Hermite, es posi-
ble obtener otra familia alternativa de cuadraturas, denominada: cuadraturas de Gauss o
cuadraturas Gaussianas.
Así, suponga que f es continua y diferenciable en un intervalo [a, b]. Suponga además, que
ω es una función de peso, definida, continua, positiva e integrable sobre ]a, b[. El objetivo es
construir una cuadratura numérica para aproximar la integral:
Z b
I = ω(x)f (x)dx.
a
La idea consiste en aproximar f por su polinomio interpolador de Hermite en los n + 1 puntos

xk , para k = 0, 1, . . . , n, en [a, b], dado por p2n+1 ∈ P2n+1 y definido como:
n
X
p2n+1 (x) = [Hk (x)f (xk ) + Kk (x)f ′ (xk )] ,
k=0
7.2. Cuadraturas de Gauss-Legendre 379
para k = 0, 1, . . . , n, donde:
Hk (x) = [Lk (x)]2 (1 − 2L′k (xk )(x − xk )) ,
Kk (x) = [Lk (x)]2 (x − xk ),

n
Y x − xi
Lk (x) = .
i=0 k
x − xi
i6=k
De esta manera se tiene que:

Z b Z b
ω(x)f (x)dx ≈ ω(x)p2n+1 (x)dx,
a a
n
X n
X
= Wk f (xk ) + Vk f ′ (xk ), (7.20)
k=0 k=0
donde Z Z
b b
Wk = ω(x)Hk (x)dx y Vk = ω(x)Kk (x)dx.
a a
El problema de la cuadratura (7.20) es que depende de valores de f ′ , por lo que se debe encontrar
una forma de hacer que Vk sea cero para todo k = 0, 1, . . . , n, y con ello la cuadratura quede
expresada únicamente en términos de valores de f . Además, como la cuadratura (lista de puntos
y pesos) no debe depender de f , entonces para lograr que Vk = 0, se deben imponer condiciones
sobre los puntos xk , k = 0, 1, . . . , n, los cuales en Newton-Cotes pueden seleccionarse libremente.
Así, primero nótese que:
 
n
Y 1 
Kk (x) = Lk (x) [Lk (x)(x − xk )] = Lk (x) ·   · (x − x0 ) · . . . · (x − xn ),

i=0
xk − xi 
i6=k
n
Q
donde, denotando Ck = (xk − xi )−1 y πn+1 (x) = (x − x0 ) · . . . · (x − xn ), entonces se tiene
i=0
i6=k
que: Z Z
b b
Vk = ω(x)Kk (x)dx = Ck ω(x)Lk (x)πn+1 (x)dx.
a a
Por otro lado,
Hk (x) = [Lk (x)]2 − 2L′k (xk )[Lk (x)]2 (x − xk ) = [Lk (x)]2 − 2L′k (xk )Kk (x),
por lo que Z Z
b b
Wk = ω(x)Hk (x)dx = ω(x)[Lk (x)]2 dx − 2L′k (xk )Vk .
a a
Luego, dado que
Z b
hf, gi = ω(x)f (x)g(x)dx,
a
es un producto interior cuando ω(x) es positiva, entonces para que Vk = 0 para todo k, se debe
cumplir que hLk , πn+1 i = 0. Para ello, nótese que como Lk es un polinomio de grado n y πn+1 un
polinomio de grado n + 1, entonces para que hLk , πn+1 i = 0, debe ocurrir que Lk sea ortogonal
a πn+1 , bajo el producto h·, ·i en [a, b], para todo k = 0, 1, . . . , n. Esto es posible si πn+1 es el
polinomio de grado n + 1 que forma parte de una base ortogonal para Pn+1 en [a, b]. Para lo
cual, basta considerar los xk , para k = 0, 1, . . . , n, como las raíces del polinomio ortogonal de
grado n+1 en [a, b], bajo el producto interior h·, ·i, debido a que πn+1 (x) = (x−x0 )·. . .·(x−xn ).
En resumen: para determinar una cuadratura numérica al estilo de Gauss, dada una función
de peso ω(x), se debe seguir el siguiente procedimiento:
1. Seleccionar el orden de la cuadratura, esto se hace al considerar n ∈ .
2. Calcular el n+1 polinomio ortogonal, tomando por ejemplo, la base canónica qk (x) = xk ,
para k = 0, 1, . . . , n + 1 y utilizando el proceso de ortogonalización de Gram-Schmidt:
ϕ0 (x) = 1,
k−1
X hqk , ϕj i
ϕk (x) = qk (x) − ϕj (x),
j=0
hϕ j , ϕ j i
para obtener ϕn+1 (x).
3. Determinar las n + 1 raíces del polinomio ortogonal ϕn+1 y nombrarlas como

x0 , x1 , . . . , xn .
4. Utilizar los xk como los puntos de cuadratura y entonces determinar los pesos de la
forma: Z b
Wk = ω(x)[Lk (x)]2 dx.
a
5. Si se desea integrar la función f en [a, b], entonces considerar:

Z b n
X
ω(x)f (x)dx ≈ Wk f (xk ).
a k=0
Ejemplo 7.6.
Considere el caso de n = 1, con la función de peso ω(x) ≡ 1 sobre el intervalo ]−1, 1[ y
encuentre la cuadratura de Gauss correspondiente.
Solución. Dado que n = 1, entonces se deben encontrar las raíces del polinomio ortogonal de
grado 2. Para ello, considere la base canónica:
q0 (x) = 1, q1 (x) = x y q2 (x) = x2 .

Ahora, aplicando el proceso de ortogonalización de Gram-Schmidt, se tiene que:
ϕ0 (x) = 1,
R1
hx, 1i xdx
ϕ1 (x) = x − · 1 = x − R−11 = x,
h1, 1i dx −1
R1 2 R1 3
2 2 x dx x dx
hx , 1i hx , xi 1
ϕ2 (x) = x2 − ·1− · x = x2 − −1
R1 − R−1
1 · x = x2 − .
h1, 1i hx, xi dx x2 dx 3
−1 −1
q
1
Luego, como las raíces de ϕ2 (x) = x − 2
3
corresponden a: x = ± 13 , entonces se tiene que:
√ √
3 3
x0 = − y x1 = .
3 3
De esta forma, los polinomios de Lagrange son dados por:
√ √
3 1 3 1
L0 (x) = x+ y L1 (x) = − x+ .
2 2 2 2
Mientras que, los pesos son de la forma:
Z 1
√ "2
!
1 3
W0 = + x dx = 1,
−1 2 2
Z 1! √ "2
1 3
W1 = − x dx = 1.
−1 2 2
Por lo tanto, la cuadratura de Gauss con dos puntos corresponde a:

Z 1 ! √ " !√ "
3 3
f (x)dx ≈ W0 f (x0 ) + W1 f (x1 ) = f − +f . (7.21)
−1 3 3
Nótese que como n = 1, esta cuadratura es exacta para polinomios de grado 2 · 1 + 1 = 3.
Observación: Observe que a diferencia de las cuadraturas de Newton-Cotes, en las de Gauss

los puntos de cuadratura no tienen libertad de elección, pero en consecuencia, como el polinomio
de Hermite es de grado 2n + 1, entonces la cuadratura es exacta cuando f es un polinomio de
grado 2n + 1 o menor. Es decir, con menos puntos se obtiene una mayor precisión. Además,
con el objetivo de simplificar el problema de integración, es usual tomar ω(x) ≡ 1, obteniendo
los polinomios de Legendre durante el proceso de ortogonalización de Gram-Schmidt. Por esa
razón, este método es conocido como las cuadraturas de Gauss-Legendre. Similarmente,
por ejemplo, si ω(x) = (1 − x)α (1 + x)β , para α, β > −1, se obtienen los polinomios de Jacobi,
1
mientras que si se toma ω(x) = √1−x 2 , se obtienen los polinomios de Chebyshev del primer
tipo.
Además, debido al costo que conlleva determinar el n + 1 polinomio ortogonal, lo usual es
construir las cuadraturas en un intervalo fijo, como ]−1, 1[ y de esta forma, cuando se desea
utilizar la cuadratura en [a, b], se escribe de la forma:
b−a 1
Z b
b−a a+b
Z
f (x)dx = f z+ dz, (7.22)
a 2 −1 2 2
n
b−aX b−a a+b
≈ Wk f zk + .
2 k=0 2 2
Ejemplo 7.7.
R2 2
Utilice la cuadratura (7.21) para aproximar la integral −2
e−x dx.
Solución. En este caso a = −2 y b = 2, por lo que se debe realizar una transformación al

intervalo [−1, 1], para lo cual se utiliza la expresión (7.22) y con ello:
Z 2
2 − (−2) 1 −( 2−(−2)
Z Z 1
(−2)+2 2
−x2
e dx = e 2
z+ 2 ) dz = 2
2
e−4z dz.
−2 2 −1 −1
Luego, utilizando la cuadratura (7.21), se obtiene que:

Z 2 Z 1 √ 2 √ 2
−x2 −4z 2 −4 − 33 −4 33
e dx = 2 e dz ≈ 2 e +e ,
−2 −1
− 43
= 4e ≈ 1.054388552.
En la figura 7.7 se ilustra la aproximación a esta integral, por la cuadratura de Gauss-Legendre

para n = 1 .
R2 2
Figura 7.7: Aproximación de la cuadratura (7.21) para −2
e−x dx.
R2 2
Observación: La aproximación del ejemplo anterior, para −2 e−x dx, no se debe comparar
con las aproximaciones obtenidas en el ejemplo 7.4, ya que estas últimas son determinadas
por técnicas compuestas, mientras que la del ejemplo 7.7 es obtenida por una cuadratura no
compuesta. Sin embargo, el valor obtenido: 1.054388552, al compararlo (por error relativo) con
los valores en (7.9) y en (7.10), se obtiene que la cuadratura (7.21) es mejor que la regla del
trapecio y de Simpson, ya que esta posee menor error y realiza la misma cantidad de evaluaciones
que la regla del trapecio. Por lo tanto, si se considera la versión compuesta de esta cuadratura,
se obtendrán resultados más precisos y con menor complejidad que los del ejemplo 7.4.
Por otro lado, en la tabla 7.4 se presentan algunas cuadraturas de Gauss-Legendre para n ≤ 4
(máximo cinco puntos). Además, en la figura 7.8 se presenta la distribución de los puntos en
]−1, 1[, tanto para las cuadraturas de Gauss-Legendre como para las de Newton-Cotes.
n Puntos Pesos
0 x0 = 0 W0 = 2
√
x0 = − 31 3 W0 = 1
1 √
x1 = 13 3 W1 = 1
8
x0 = 0 W0 = 9
√
2 x1 = − 51 15 W1 = 5
9
√
x2 = 15 15 W2 = 5
9
1
p √ 1
√
x0 = − 35 525 − 70 30 W0 = 36
(18 + 30)
1
p √ 1
√
x1 = 35 525 − 70 30 W1 = 36
(1830)+
3 p √ √
1 1
x2 = − 35 525 + 70 30 W2 = 36 (18 − 30)
1
p √ 1
√
x3 = 35 525 + 70 30 W3 = 36 (18 − 30)
128
x0 = 0 W0 = 225
1
p √ 1
√
x1 = − 21 245 − 14 70 W1 = 900
+ 13 70)
(322
1
p √ 1
√
4 x2 = 21 245 − 14 70 W2 = 900 (322 + 13 70)
1
p √ 1
√
x3 = − 21 245 + 14 70 W3 = 900 (322 − 13 70)
1
p √ 1
√
x4 = 21 245 + 14 70 W4 = 900 (322 − 13 70)
Tabla 7.4: Cuadraturas de Gauss-Legendre para n ≤ 4.

Figura 7.8: Distribución de puntos: Newton-Cotes (izquierda) y Gauss-Legendre (derecha).
Teorema 7.3.
Suponga que ω es una función de peso, definida, continua, positiva e integrable sobre ]a, b[,
y f una función definida y continua sobre [a, b], tal que las derivadas de f de orden 2n + 2
existen y son continuas sobre [a, b]. Así, si Gn (f ) denota la cuadratura de Gauss para n + 1
puntos, entonces
Z b Z b
M 2n+2
ω(x)[πn+1 (x)]2 dx,

ω(x)f (x)dx − Gn (f ) ≤

a (2n + 2)! a
n
donde M2n+2 = máx |f (2n+2) (ζ)| y πn+1 (x) =
Q
(x − xj ).
ζ∈[a,b] j=0
Demostración. (ejercicio)
Observación: Del teorema anterior se puede apreciar que las cuadraturas de Gauss son exactas
cuando f es un polinomio de grado 2n + 1 o menor. Además, a diferencia de las cuadraturas
de Newton-Cotes, es posible demostrar la convergencia de las cuadraturas de Gauss, Gn (f ),
cuando n → +∞, tal y como se muestra en el siguiente resultado.
Teorema 7.4 (Convergencia de las cuadraturas de Gauss).

Suponga que la función peso ω es definida, positiva, continua e integrable sobre un intervalo
abierto ]a, b[. Suponga además, que la función f es continua sobre [a, b]. Entonces,
Z b
lı́m Gn (f ) = ω(x)f (x)dx.
n→+∞ a
Demostración. Considere ε0 > 0, como f es continua en [a, b], entonces por el teorema de
aproximación de Weierstrass (teorema 5.1 de la página 270), existe un polinomio pN de grado
N = N(ε0 ) tal que
|f (x) − pN (x)| ≤ ε0 , para todo x ∈ [a, b]. (7.23)

De esta forma se tiene que:

Z b Z b Z b
ω(x)f (x)dx − Gn (f ) = ω(x)[f (x) − pN (x)]dx + ω(x)pN (x)dx
a a a
− Gn (pN ) + Gn (pN ) − Gn (f ). (7.24)
Rb
Luego, denotando W = a
ω(x)dx, de (7.23) se tiene que:
Z b

ω(x)[f (x) − p N (x)]dx ≤ ε0 W.
(7.25)
a
Por otro lado, según la definición de Gn (·), se obtiene que:

n
X n
X
|Gn (f ) − Gn (pN )| ≤ Wk [f (xk ) − pN (xk )] ≤ ε0 |Wk | ,

k=0 k=0
y como los pesos Wk son positivos, además de que las cuadraturas de Gauss son exactas para
cualquier función constante, entonces
n
X Z b
|Gn (f ) − Gn (pN )| ≤ ε0 Wk = ε0 ω(x)dx = ε0 W. (7.26)
k=0 a
Ahora, considere N0 como la parte entera de 12 N, de donde se tiene que para n ≥ N0 y con ello,
las cuadraturas de Gauss son exactas para polinomios de grado 2n + 1 ≥ 2N0 + 1 ≥ N, por lo
que
Z b
ω(x)pN (x)dx − Gn (pN ) = 0, siempre que n ≥ N0 . (7.27)
a
Seguidamente, tomando valor absoluto en (7.24) y utilizando (7.25), (7.26) y (7.27) se obtiene
que:
Z b Z b Z b

ω(x)f (x)dx − Gn (f )
≤
ω(x)[f (x) − p N (x)]dx +

ω(x)p N (x)dx − Gn (p N )

a a a
+ |Gn (pN ) − Gn (f )| ,
≤ ε0 W + 0 + ε0 W = 2ε0 W, siempre que n ≥ N0 .
1
Finalmente, para ε > 0 dado, considere ε0 = 2W
ε y buscando el correspondiente N0 = N0 (ε)
se concluye que
Z b

ω(x)f (x)dx − Gn (f ) ≤ ε, siempre que n ≥ N0 ,
a
lo cual demuestra la convergencia de la cuadratura de Gauss a la integral.

7.2.1. Construcción directa y aspectos computacionales
El cálculo de las cuadraturas de Gauss es similar al de las cuadraturas de Newton-Cotes, siempre

que se conozcan las raíces del n + 1 polinomio ortogonal. En caso contrario, primero se debe
determinar este polinomio, para luego encontrar las raíces. En el siguiente ejemplo se ilustra
un método más directo para encontrar los puntos y pesos de las cuadraturas de Gauss, cuyo
costo principal recae en la complejidad de resolver dos sistemas lineales.
Ejemplo 7.8 (Construcción directa para n = 1).

Considere el caso de n = 1, con la función de peso ω(x) ≡ 1 sobre el intervalo ]−1, 1[ y
encuentre la cuadratura de Gauss correspondiente.
Solución. Como n = 1 entonces se deben encontrar dos puntos x0 y x1 , así como dos pesos W0
y W1 , para que la cuadratura sea de la forma:
Z 1
f (x)dx ≈ W0 f (x0 ) + W1 f (x1 ).
−1
Además, esta cuadratura debe ser exacta para polinomios de grado, a lo más, 2 · 1 + 1 = 3. Por
lo que considerando la base canónica qk (x) = xk , para k = 0, 1, 2, 3, se obtiene que:
Z 1 Z 1
qk (x)dx = xk dx = W0 xk0 + W1 xk1 , para k = 0, 1, 2, 3.
−1 −1
Luego, como (
1
0 si k es impar,
Z
k
x dx = 2
−1 k+1
si k es par,
entonces se tiene el sistema no lineal:



 2 = W0 + W1 ,


 0 = W0 x0 + W1 x1 ,


2 (7.28)
 = W0 x20 + W1 x21 ,
3




= W0 x30 + W1 x31 .

 0
Con el objetivo de encontrar los valores de W0 , W1 , x0 y x1 , sin tener que resolver el sistema
no lineal, considere el polinomio:
π2 (x) = (x − x0 )(x − x1 ),
cuyas raíces son los puntos de cuadratura desconocidos. Expandiendo π2 se tiene que:
π2 (x) = x2 + px + q.
Ahora, con el fin de determinar p y q, multiplique por q la primera ecuación del sistema, por p
la segunda y por 1 la tercera. Así, sumando las tres nuevas ecuaciones se obtiene que:
2
2q + 0p + = W0 q + W1 q + W0 px0 + W1 px1 + W0 x20 + W1 x21 ,
3
= W0 (q + px0 + x20 ) + W1 (q + px1 + x21 ),
= W0 π2 (x0 ) + W1 π2 (x1 ).
Luego, como x0 y x1 son las raíces de π2 , entonces π2 (x0 ) = π2 (x1 ) = 0 y con ello se tiene que
q = − 31 . Similarmente, multiplicando por q la segunda ecuación, por p la tercera y por 1 la
cuarta, al sumar las tres nuevas ecuaciones se obtiene que:
2
0q + p + 0 · 1 = W0 qx0 + W1 qx1 + W0 px20 + W1 px21 + W0 x30 + W1 x31 ,
3
= W0 x0 (q + px0 + x20 ) + W1 x1 (q + px1 + x21 ),
= W0 x0 π2 (x0 ) + W1 x1 π2 (x1 ) = 0.
Por lo que p = 0 y con ello:
√ ! √ !
1 3 3
π2 (x) = x2 − = x− x+ ,
3 3 3
así, √ √
3 3
x0 = − y x1 = .
3 3
Una vez determinados los puntos, para encontrar los pesos, basta con sustituir los valores de
los puntos en las primeras dos ecuaciones de (7.28) para obtener el sistema lineal:
(
√
+ W1 = 2,
W0 √
− 3 W0 + 33 W1 = 0,
3
cuya solución es dada por: W0 = W1 = 1.
Observación: La estrategia empleada en la solución del ejemplo anterior, evita tener que utili-
zar Gram-Schmidt para determinar el polinomio ortogonal π2 . Además, evita tener que utilizar
integración para determinar los pesos. El método general es dado de la siguiente manera:
1. Dado n ∈ , se debe considerar el sistema no lineal:

W0 + W1 + . . . + Wn = 2,
W0 x0 + W1 x1 + . . . + Wn xn = 0,
2
W0 x20 + W1 x21 + . . . + Wn x2n = ,
3
.. .. .. ..
. . . = .
1 + (−1)k
W0 xk0 + W1 xk1 + . . . + Wn xkn = ,
k+1
.. .. .. ..
. . . = .
2n+1 2n+1 2n+1
W0 x0 + W1 x1 + . . . + Wn xn = 0.
Luego, considere el vector r ∈ !2n+2, tal que rk = 1+(−1)

k+1
k
, para k = 0, 1, . . . , 2n + 1.
2. Ahora, considere el polinomio ortogonal

n
Y
πn+1 (x) = (x − xi ) = xn+1 + an xn + an−1 xn−1 + . . . + a1 x + a0 .
i=0
Así, con el fin de encontrar los a0 , a1 , . . . , an , se sustituye en el sistema no lineal, de tal

manera que se obtenga el sistema lineal (n + 1) × (n + 1):
    
rn rn−1 · · · r1 r0 an −rn+1
 rn+1 rn · · · r2 r1    an−1 
   −rn+2 
 .. .. .. ..   ..  =  ..
  

 . . · · · . .  .   . 
    
 r2n−1 r2n−2 · · · rn rn−1   a1   −r2n 
r2n r2n−1 · · · rn+1 rn a0 −r2n+1
3. Una vez resuelto el sistema anterior, se deben encontrar las raíces del polinomio πn+1 ,
resolviendo la ecuación πn+1 (x) = 0. Para ello se pueden seguir las ideas de la sección
3.5.2 sobre cómo encontrar todas raíces de un polinomio.
4. Un vez encontrados los x0 , x1 , . . . , xn , se pueden determinar los W0 , W1 , . . . , Wn al resolver

el sistema lineal (n + 1) × (n + 1):
1 1 ··· 1 1
    
W0 r0
 x0 x1 · · · xn−1 xn    W1 
   r1 
 .. .. .. ..   ..  =  .. 
  
 . . ··· . .  . 
    . 
 n−1 n−1  
 x0 x1 · · · xn−1 n−1 xn−1  
n W n−1
  r n−1

xn0 xn1 · · · xnn−1 xnn Wn rn
Así, considerando los pasos anteriores, en el algoritmo 7.9 se presenta el pseudocódigo para
determinar el listado de puntos y de pesos de una cuadratura de Gauss-Legendre en [−1, 1].
Donde en la línea 16 se utiliza el método de deflación del algoritmo 3.8, el cual se puede sustituir
por la rutina root() predefinida en MATLAB, en caso de que se desee implementar en dicho
paquete computacional. Además, en el caso de que se requieran las cuadraturas para otro
intervalo [a, b] distinto de [−1, 1], basta cambiar la línea 3 del algoritmo 7.9 por la instrucción:
1" k
b − ak

rk ←
k
Ejemplo 7.9.
Considere la integral
5
1 1
Z
2
dx = 2 arccot ≈ 2.746801533.
−5 1+x 5
Utilizando las cuadraturas de Gauss-Legendre para n = 1, 2, . . . , 16, aproxime el valor de

esta integral y determine el error absoluto.
Algoritmo 7.9: GaussLegendre.

Recibe: n ∈ , donde n + 1 corresponde al número de puntos y pesos de la cuadratura.
!
Retorna: x, w ∈ n+1 cuadratura de Gauss-Legendre en [−1, 1].
1 !
r ∈ 2n+2
2 Para k ← 1 hasta 2n + 2 hacer
rk ← k1 1 − (−1)k
"
3
4 !
A ∈ (n+1)×(n+1) , b ∈ n+1!
5 k ←n+2
7 bi ← −rk
8 Para j ← 1 hasta n + 1 hacer
9 aij ← rk−j
10 k ←k+1
11 Resolver el sistema: Aa = b
12 !
c ∈ n+2
13 c1 ← 1
15 ci+1 ← ai
16 x ← Deflacion(c)
18 bi ← ri
19 Para j ← 1 hasta n + 1 hacer
20 aij ← xi−1
j
21 Resolver el sistema: Aw = b
Solución. Utilizando el fragmento de código:
n = 16; % Número de aproximaciones

a = -5; % Límite inferior
b = 5; % Límite superior
valorExacto = 2*acot(1/5);
I = zeros(n, 1); % Lista de resultados
E = zeros(n, 1); % Lista de errores
for k = 1 : n
[x, w] = GaussLegendre( k ); % Cuadratuta en [-1,1]
valorAprox = 0;
for i = 1 : length(x)
t = 1/2 * ( (b-a)*x(i) + a + b); % Cambio de intervalo
valorAprox = valorAprox + (b-a)/2 * w(i) * f(t);
end
I(k) = valorAprox;
E(k) = abs( valorExacto - valorAprox );
end
[(1:n)', I, E] % Mostrar resultados
donde al ejecutar este fragmento, se obtienen los siguientes datos:
n Integral Error n Integral Error

1 1.071428571428572 1.675 × 100 9 2.651859424120212 9.494 × 10−2
2 4.791666666666667 2.045 × 100 10 2.812290560888382 6.549 × 10−2
3 1.854636591478698 8.922 × 10−1 11 2.703527206386878 4.327 × 10−2
4 3.534739601954481 7.879 × 10−1 12 2.776232619429219 2.943 × 10−2
5 2.308502792118858 4.383 × 10−1 13 2.727170391906802 1.963 × 10−2
6 3.080610401070950 3.338 × 10−1 14 2.760067369288624 1.327 × 10−2
7 2.540609588214983 2.062 × 10−1 15 2.737915528410168 8.886 × 10−3
8 2.893513485517738 1.467 × 10−1 16 2.752788805148617 5.987 × 10−3
de los cuales se puede apreciar que el error disminuye a medida que n aumenta. Nótese la gran
ventaja de las cuadraturas de Gauss en comparación a las de Newton-Cotes, al comparar los
resultados anteriores con los de la tabla 7.1.
Observación: Del fragmento de código del ejemplo anterior, se tiene que una manera de evaluar
una integral por medio de las cuadraturas de Gauss, es con la rutina:
% Evaluar una integral con Gauss-Legendre
function [I] = IntegrarGaussLegendre(a, b, n)
[x, w] = GaussLegendre( n );
I = 0;
for i = 1 : length(x)
t = 1/2 * ( (b-a)*x(i) + a + b );
I = I + (b-a)/2 * w(i) * f(t);
end
return
7.2.2. Fórmulas compuestas

Similar a las cuadraturas compuestas de Newton-Cotes, considere una división de m ≥ 2
subintervalos sobre [a, b], de la forma [xi , xi+1 ], para i = 0, 1, . . . , m − 1. Así, al considerar
ω(x) ≡ 1 por simplicidad, se tiene, para h = m1 (b − a), que:
Z b m−1
X Z xi+1
f (x)dx = f (x)dx,
a i=0 xi
donde
xi = a + ih, para i = 0, 1, . . . , m.
Ahora, mapeando los subintervalos [xi , xi+1 ], i = 0, 1, . . . , m − 1, al intervalo [−1, 1], mediante
el cambio de variable:
1 1
x = (xi + xi+1 ) + ht, para t ∈ [−1, 1],
2 2
se obtiene que
b m−1 Z 1 m−1
1 X 1 X
Z
f (x)dx = h gi (t)dt = h Ai ,
a 2 i=0 −1 2 i=0
donde 1
1 1
Z
gi (t) = f (xi + xi+1 ) + ht y Ai = gi (t)dt.
2 2 −1
Luego, las cuadraturas compuestas de Gauss, son obtenidas al aplicar las cuadraturas simples
de Gauss a cada integral Ai , de donde:
b m−1 n m−1 n
1 XX 1 XX 1 1
Z
f (x)dx ≈ h Wk gi (tk ) = h Wk f (xi + xi+1 ) + htk ,
a 2 i=0 2 i=0 2 2
k=0 k=0
con tk los puntos de cuadratura en ]−1, 1[ y Wk los correspondientes pesos para k = 0, 1, . . . , n.

Un estimado de error para esta fórmula compuesta, es dada por:
(b − a)2n+3
En (f, h) = Cn 2n+3 2n+2
f (2n+2) (η),
2 m (2n + 2)!
R1
con η ∈ ]a, b[ y Cn = −1
[πn+1 (t)]2 dt.
Por ejemplo, al considerar n = 0, se tiene la cuadratura de Gauss
Z 1
f (x)dx ≈ 2f (0),
−1
conocida como la regla del punto medio, de donde se obtiene que la regla del punto medio
compuesta es dada por:
1 m−1
1 X 1 1
Z
f (x)dx ≈ h 2f (xi + xi+1 ) + h · 0 ,
−1 2 i=0 2 2
m−1
X
1
= h f a+ i+ h .
i=0
2
La cual tiene por error a:

(b − a)3 ′′
E0 (f, h) = f (η),
24m2
para η ∈ ]a, b[. Además, en el algoritmo 7.10 se presenta la regla del punto medio compuesta,
mientras que el pseudocódigo de las cuadraturas compuestas de Gauss-Legendre, en general, se
presenta en el algoritmo 7.11.
Algoritmo 7.10: ReglaPuntoMedioCompuesta.

Rb
1 h ← m1 · (b − a)
2 I←0
I ← I + f a + i − 12 · h
" "
4
5 I ←h·I
Algoritmo 7.11: GaussLegendreCompuesta.

Recibe: f función continua, a y b en límites de integración, n ∈ ! grado del polinomio,
!
m ∈ número de subintervalos.
Rb
1 % Calcular cuadratura en [-1,1]

2 (t, w) ← GaussLegendre(n)
3 % Recorrer subintervalos
4 h ← m1 · (b − a)
5 I←0
6 x←a
9 v ← 12 · (h · tk + 2 · x + h)
10 I ← I + h2 · wk · f (v)
11 x←x+h
Ejercicios (sección 7.2)
♦ Tradicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1. Utilizando la cuadratura de Gauss-Legendre para n = 1 (2 puntos), aproxime las integrales

del ejercicio 1 de la página 374.
2. Determine los puntos y los pesos de cuadratura para la función peso ω(x) = − ln(x),
sobre el intervalo ]0, 1[, para n = 0 y n = 1.
3. Muestre que la cuadratura de Gauss para ω(x) = 1 y n = 1 en ]0, 1[ es dada por:

r ! r !
1
1 1 1 1 1 1
Z
f (x)dx ≈ f − + f + .
0 2 2 12 2 2 12
4. Considere la siguiente regla de cuadratura

Z 0
1
f (x)dx ≈ f − .
−1 2
R a+h
a) Aproxime a f (t)dt, usando la cuadratura previa.
b) Muestre que si f (x) = x2 sen(x), entonces |f ′ (x)| ≤ 3x2 .
R3
c) Derive una cota superior para el error cometido, cuando se aproxima x2 sen(x)dx,
2
usando la cuadratura previa.
5. Suponiendo que no se consideren las raíces del n + 1 polinomio ortogonal como puntos de
las cuadraturas de Gauss, entonces para n = 2 la cuadratura es de la forma:
Z 1
f (x)dx ≈ W0 f (−1) + W1 f (0) + W2 f (1) + W3 f ′ (−1) + W4 f ′ (0) + W5 f ′ (1).
−1
Encuentre los valores de wi , para que la cuadratura sea exacta si f ∈ P5 .

R2R1
6. Utilice alguna cuadratura numérica (Newton o Gauss) y aproxime la integral: 0 −1
2y−x dydx.
♦ De programación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7. Implemente en MATLAB los algoritmos 7.9 y 7.11. Valide su implementación por medio
de algunos experimentos numéricos.
8. Considere la integral Z 1
x2
ee dx.
0
a) Aproxime esta integral por medio de las cuadraturas de Gauss-Legendre con n = 20.
b) Aproxime esta integral por medio de las cuadraturas de Gauss-Legendre compuesta
con n = 5 y m = 10.
Rb
9. a) Determine cuantos subintervalos son necesarios para aproximar la integral a f (x)dx
por medio de la regla del punto medio compuesta, con un error menor a tol.
b) Implemente en MATLAB el algoritmo 7.10.
c) Aproxime, con una tolerancia de 10−8, la integral:
Z 1
π sen(x2 )
dx.
0 2x
♦ Avanzados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10. Los pesos, Wk , de las cuadraturas de Gauss relativas a la función peso ω(x) se obtienen
de la forma Z 1
Wk = ω(x)L2k (x)dx.
−1
Muestre que también se cumple que

Z 1
Wk = ω(x)Lk (x)dx.
−1
(Esta es una forma más simple de determinar los pesos. La forma original es útil a la hora
de verificar que todos los pesos son positivos.)
11. Suponga que f admite una segunda derivada continua sobre [0, 1]. Muestre que existe un
punto ξ en ]0, 1[ tal que
Z 1
1 2 1
xf (x)dx = f + f ′′ (ξ).
0 2 3 72
12. Para cualquier entero n ≥ 0, sea Tn (x) el polinomio de Chebyshev
Tn (x) = cos(n arc cos(x)).
Muestre que (Tn ) es una familia de polinomios ortogonales, para el producto interior
Z 1
1
hp, qi = √ p(x)q(x)dx.
−1 1 − x2

C5b Integracion

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

C5b Integracion

Cargado por

Copyright:

Formatos disponibles

Capítulo 7

Sin embargo, no siempre es posible encontrar la función F , denominada primitiva o antiderivada,

Figura 7.1: Aproximación de la integral por un trapecio.

7.1. Cuadraturas de Newton-Cotes

Así, la idea consiste en aproximar la función f por un polinomio interpolador, como el de

medio de la integrar de pn , es decir,

donde h = n1 (b − a). Dado que el polinomio de interpolación de Lagrange de grado n para la

Luego, de las ecuaciones (7.3) y (7.4), se obtiene que:

Para n = 1, es decir para dos puntos x0 = a y x1 = b, el polinomio de interpolación de

p1 (x) = L0 (x)f (a) + L1 (x)f (b),

Luego, integrando el polinomio p1 (x) de a hasta b, se obtiene la cuadratura numérica

Para n = 2, de la ecuación (7.5), se obtienen los puntos de cuadratura x0 = a, x1 = 21 (a+b)

donde es conveniente realizar el cambio de variable x = 21 (b − a)t + 12 (b + a). De forma

A esta cuadratura se le conoce como la regla de Simpson y consiste en aproximar el

Figura 7.2: Aproximación de la integral por una parábola.

Definición 7.1 (Estimado de error).

Demostración. De la deﬁnición de los pesos wk , (7.6), se tiene que:

Luego, de la expresión (5.4), dada por:

de donde se concluye el resultado deseado.

Así, en el caso de la regla del trapecio (n = 1) se tiene que:

para algún ξ ∈ ]a, b[.

Demostración. Considere el cambio de variable

Deﬁniendo F (t) = f (x1 + ht), entonces se tiene que

se obtiene que E2 (f ) = hG(1). Luego, al deﬁnir

H(t) = G(t) − t5 G(1), para t ∈ [−1, 1],

H ′ (t) = G′ (t) − 5t4 G(1),

Observación: Del teorema anterior se concluye que

Algoritmo 7.1: ReglaTrapecio.

Algoritmo 7.2: ReglaSimpson.

Algoritmo 7.3: EvaluarIntegral.

Algoritmo 7.4: NewtonCotes.

Determine además, los errores en cada aproximación.

Solución. Ingresando en MATLAB la función f (x) = e2x+1 (2 sen(πx) + π cos(πx)), como:

entonces, ejecutando el siguiente fragmento de código en MATLAB:

se obtienen los resultados de la siguiente tabla:

1. Debido a que la fórmula de los pesos wk (7.6), no depende de la función, entonces si se

1. Calcular los xk ← a + kh, para k = 0, 1, . . . , n

medio de un cambio de variable. Por ejemplo, el cambio de variable x = (b − a)t + a,

entonces tomando g(t) = f ((b − a)t + a), se puede concluir que

donde wk y tk , para k = 0, 1, . . . , n, corresponden a una cuadratura en el intervalo [0, 1].

3. La idea general de las cuadraturas de Newton-Cotes, consiste en aproximar la función a

Los coeﬁcientes ci corresponden a los pesos y se determinan de manera idéntica a los wk ,

Por lo tanto, la cuadratura es dada por:

y utilizando las cuadraturas de Newton-Cotes para n = 1, 2, . . . , 16, se obtienen los datos

n Integral Error n Integral Error

Tabla 7.1: Fenónemo de Runge, para las cuadraturas de Newton-Cotes.

Los resultados de la tabla 7.1 no evidencian que la cuadratura converge al incrementar n,

7.1.1. Fórmulas compuestas

Figura 7.5: Idea general de las cuadraturas compuestas.

Así, considerando la cuadratura

se obtiene la cuadratura compuesta con m subintervalos dada por:

Luego, como el error de la regla del trapecio satisface que:

El patrón de los coeﬁcientes en la regla de Simpson compuesta es: 1, 4, 2, 4, . . ., 2, 4, 1, tal y

Observación: Considerando nuevamente la integral

y utilizando las cuadraturas compuestas del trapecio y de Simpson para m = 1, 2, . . . , 16, se

m Error Trapecio Error Simpson m Error Trapecio Error Simpson

Algoritmo 7.5: ReglaTrapecioCompuesta.

Algoritmo 7.6: ReglaSimpsonCompuesta.

Algoritmo 7.7: NewtonCotesCompuesta.

1 % Calcular cuadratura en [0,1]

7.1.2. Integración de Romberg

Cuando se utiliza el método de extrapolación de Richardson para mejorar la precisión de la

Entonces, la regla del trapecio compuesta se puede expresar como: