TEMA 31. Integración numérica.

Métodos de integración

TEMA 31. Integración numérica. Métodos de integración.

1. Introducción
El origen de la integración es el cálculo del área de diferentes superficies, así el comienzo
del cálculo integral puede fijarse en la matemática de la Grecia clásica donde ya estaba presen-
te el concepto de área así como los métodos para el cálculo de las mismas mediante el méto-
do de exhaución. Arquímedes es el matemático más importante en el cálculo de áreas en esta
época.

En el siglo XVII destacan los trabajos de Newton y Leibnitz, que continúan con los métodos
de exhaución para el cálculo de áreas de diferentes curvas. Si bien no es hasta el siglo XIX
cuando los matemáticos Rieman y Cauchy dieron al método de exhaución una base matemáti-
ca, surgiendo el concepto de integral y relacionando la misma con el concepto de derivada
utilizada con anterioridad.

La mayoría de áreas encerradas por una curva y el eje se realiza por la regla de Barrow
b
area = ∫ | f ( x) | dx =| F (b) − F (a) | , pero algunas veces no se puede hacer por este método:
a

- No hay expresión algebraica de f(x) (tenemos tabla de valores o curva)

- No siempre es posible calcular la primitiva F(x).

Si esto ocurre se usan métodos numéricos de integración que nos das valores aproximados
del resultado, siendo los más importantes: la integración por Suma de Riemann, Integración
por interpolación, método de Newton-Cotes. También son estos los métodos usados por los
programas informáticos para calcular las integrales definidas, dado su gran potencia de cálculo
su resultado puede ser prácticamente exacto.

2. Conceptos previos.
2.1.Método de exhaución.
El método de exhaución fue descrito por Eudoxo matemático griego pupilo de Platón y
completado con posterioridad por Arquímides.

Consistente en recubrir las superficies por figuras cuyas áreas se conozcan (cuadrados) de
forma iterativa (aproximaciones sucesivas) hasta que los cuadrados tengan tamaño casi infi-
nitésimo y recubran exactamente la superficie. Este método se completa con el paso al límite,
concepto que se desarrolló mucho después de manos de Barrow y Rieman. Veamos un ejem-
plo gráfico:

Area(R’)≤area(A)≤area(R’’)

Jose Luis Lorente (preparador oposiciones secundaria www.joseluislorente.es) 1

 TEMA 31. Integración numérica. Métodos de integración

Este método fue usado por la Grecia clásica también para calcular el área aproximada del
círculo a partir de recubrir este por polígonos inscritos e inscritos regulares de n lados y hacer
tender n a infinito.

Utilizando el límite y el área de un

polígono regular se calcula el área
exacta: An=área polígono n lados ins-in
crito en la circunferencia de radio r

π  π  π  π 
n·2·r·sen ·r·cos  n·2·r·sen ·r·cos  2n·r·π ·r·1
per·ap n n area = lim An = lim n n= n = π ·r 2
an = =
2 2 n →∞ n→∞ 2 2

2.2.Cálculo de áreas de algunas superfici

superficies
es por exhaución.
Ejemplo 1, cálculo del área de un segmento de longitud LL:: por invariancia del área a rota-
rot
ciones y traslaciones podemos suponer el segmento centrado en el origen y sobre el eje OX:
A={0}x[0,l]. Se cumple que A ⊆ ({0}x[0,1] ∪ {0}x[1,2] ∪ ... ∪ {0}x[n − 1, n]) con n∈
n y n≥l.
Todos los segmentos {0}x[i,i+1] tienen la misma área pues se pueden obtener a partir de tras-
tra
laciones del segmento {0}x[0,1] , así se cumple: a( A) ≤ n·a({0}x[0,1])

 1   1  1
Po otro lado a ({0}x[0,1]) ≤ a [0, ] x[0,1]  ∀m∈
, y a [0, ] x[0,1]  = pues con m
 m   m  m
 1 
rectángulos  [0, ] x[0,1]  cubrimos un cuadrado [0,1]x[0,1] cuyo área es 1. De esta forma se
 m 
n
cumple a ( A) ≤ n·a ({0}x[0,1]) ≤ ∀m∈
. Haciendo m tender a ∞,, se cumple a(A)≤0,
a(A) luego
m
se cumple que como el area definida positiva a(A)=0.

≤x≤1, 0≤y≤x2}
o 2, área encerrada por la curva y=x2 y el eje OX (A={(x,y)∈
 : 0≤
Ejemplo

Dividimos el segmento [0,1] en n partes iguales (partición), y recubrimos A con dos familias
de rectángulos:
2
 k k + 1  k +1
1. Superiores al área, A1: formados por la base  , y altura  
 n n   n 
2
 k k + 1 k 
2. Inferiores al área, A2: formados por la base  , y altura  
 n n  n

Jose Luis Lorente (preparador

dor oposiciones secundaria www.joseluislorente.es) 2
 TEMA 31. Integración numérica. Métodos de integración

Se cumple que para todo n a(A1)≥a(A)≥a(A2), y cuanto más grande sea n mas se aproximan
las dos áreas. Calculemos a(A1) y a(A2):

n −1 n −1
(k + 1) 2 1 1 1 n
1 n·(n + 1)(2n + 1)
a( A1 ) = ∑ · = ∑ (k + 1) = 3
2
∑i 2
= ·
k =0 n2 n n3 k =0 n i =1 n3 6

n −1 n −1
k2 1 1 1 (n − 1)·(n)(2n − 1)
a( A2 ) = ∑ 2
· = 3 ∑ (k ) ·2
=
k =0 n n nk =0 n3 6
1 n·( n + 1)( 2n + 1) 1
Haciendo tender n a infinito se cumple lim a ( A1 ) = lim 3 · = y
n →∞ n →∞ n 6 3
1 ( n − 1)·( n)(2n − 1) 1
lim a ( A2 ) = lim 3 · = y por tanto como a(A1)≥a(A)≥a(A2) el área exacta
n →∞ n→ ∞ n 6 3
es a(A)=1/3.

3. Integración definida, integral de Riemann

3.1.Partición de [a,b]
Se llama partición de un intervalo [a,b] a un conjunto finito de puntos denotados
Π([a,b])={x0,x1,…,xn} donde se verifica a=x0<x1<x2<…<xn=b. Lo más usual es que las particiones
sean con los puntos equiespaciados, es decir xi+1-x1=cte ∀i∈{0,1,…,n-1}. La separación máxima
entre dos puntos de la parición se denomina diámetro.

Veamos un ejemplo: {0, 1/n, 2/n, …,(n-1)/n, 1} es una partición de [0,1] ∀n∈*. Denota-
remos por ℘[, ] al conjunto de todas las particiones del intervalo [a,b].

Sean Π([a,b]) y Π’([a,b])∈
℘[, ] se dice que Π([a,b]) es más fina que Π’([a,b]) si se cum-
ple que Π’⊆Π, es decir Π tiene al menos los mismos puntos que Π’. Por ejemplo Π([0,1])={0,
0.1, 0.2,…,0.9,1} es más fina que Π’([0,1])={0.2, 0.4,…,0.8,1}

3.2.Sumas de Riemann
Sea f una función real acotada y definida en [a,b] y Π([a,b]) ])∈℘[, ] se llama suma infe-
rior de Riemann de la función f y partición Π y se denota como s(f, Π) a la siguiente suma:
n −1
s ( f , Π ) = ∑ m k ( f , Π )·( x k +1 − x k ) con Π={x0=a, x1, x2, …, xn=b} y mk =inf{f(x): x∈[xk, xk+1 ]}
k =0

Sea f una función real acotada y definida en [a,b] y Π([a,b]) ])∈℘[, ] se llama suma su-
perior de Riemann de la función f y partición Π y se denota como S(f, Π) a la siguiente suma:
n−1
S ( f , Π) = ∑ M k ( f , Π)·(xk +1 − xk ) con Π={x0=a, x1, x2, …, xn=b} y Mk =sup{f(x): x∈[xk, xk+1 ]}
k =0

Notación: por comodidad trabajaremos con Mk y mk

Un ejemplo de sumas de Riemann superior e inferior es el ejemplo 2 del anterior apartado,

donde f(x)=x2 donde Π={0.1/n,…,(n-1)/n,1} y al ser f(x) creciente Mk=((k+1)/n)2 y mk=(k/n)2 y se
1 n·(n + 1)(2n + 1) 1 ( n − 1)·(n)(2n − 1)
cumple S(f,Π)= 3
· y s(f,Π)= 3 ·
n 6 n 6

Jose Luis Lorente (preparador oposiciones secundaria www.joseluislorente.es) 3

 TEMA 31. Integración numérica. Métodos de integración

Observaciones:

1. Mk·(xk+1-xk) define al área de los rectángulos sobre la curva f(x)

y mk·(xk+1-xk) el área de los rectángulos bajo la función f(x).
2. La condición de que f esté acotada en [a,b] es necesario para
que mk y Mk definidos.

Proposición: ∀ Π, Π’ ∈℘[, ] tal que Π⊇Π’ se cumple la si-

guiente desigualdad: s(f, Π’)≤s(f, Π ) ≤S(f, Π)≤S(f,Π’)

Demostración: la igualdad s(f, Π ) ≤S(f, Π’) es trivial por la de-

finición de mk y Mk de mínimo y máximo.

Para demostrar la desigualdad S(f, Π)≤S(f,Π’) la demostramos

suponiendo que tiene un punto más Π que Π’ si tuviera más pun-
tos a mayores repetimos el procedimiento Π’={x0,x1,…,xk,xk+1,…,xn}
y Π={x0, x1,…,xk,y, xk+1,…,xn}. Las sumas S(f, Π) S(f,Π’) sólo se diferencian en las áreas en el in-
tervalo [xk, xk+1] que en el caso de S(f,Π) tiene dos intervalos [xk,y] e [y,xk+1]. Se cumple que el
máximo en [xk, xk+1] es mayor o igual que el máximo en [xk,y] e [y,xk+1] pues el primer intervalo
incluye a los dos anteriores, es decir Mk(f,Π’)≥Mk(f, Π) y Mk(f,Π’)≥Mk+1(f, Π). Calculemos
S(f,Π’)-S(f,Π)=Mk(f,Π’)·(xk+1-xk)-Mk+1(f,Π)·(xk+1-y)- Mk(f,Π)(y - xk)≥ Mk(f,Π’)(xk+1-xk)- Mk(f,Π’)(xk+1-
y)- Mk(f,Π’)(y-xk)= Mk(f,Π’)(xk+1-xk)- Mk(f,Π’)((xk+1-y)-(y-xk))=0, se cumple así que S(f,Π’)-S(f,Π)≥0

S(f,Π’) ≥S(f,Π).

La demostración s(f, Π’)≤s(f, Π ) es equivalente.

Veamos gráficamente la demostración:

≤ ≤ ≤

Corolario: Para cualquier partición de [a,b] se cumple que s(f,Π)≥S(f,Π`).

Demostración: tomamos Π’’=Π∪Π’ que es más fina que Π’ y Π. Así por la proposición ante-
rior: s(f, Π’)≤s(f, Π’’ ) ≤S(f, Π’’)≤S(f,Π)

3.3.Integral superior e inferior de Riemann

Dada una función f definida y acotada en [a,b] se llama integral superior de Riemann de f
b
en [a,b] y se denota como ∫a
f (x ) a la suma superior de Riemann con menor valor:

f ( x) = inf {S ( f , Π ) ∀Π ∈℘[ a, b]}

b
∫a

Jose Luis Lorente (preparador oposiciones secundaria www.joseluislorente.es) 4

 TEMA 31. Integración numérica. Métodos de integración

Dada una función f definida y acotada en [a,b] se llama integral inferior de Riemann de f
b
en [a,b] y se denota como ∫a
f (x ) a la suma inferior de Riemann con mayor valor:

f ( x ) = sup{s ( f , Π ) ∀Π ∈℘[ a, b]}

b
∫a

Observación: por la proposición vista en apartado anterior tendremos que la partición que
nos generan las integrales superior e inferior de Riemann es la más fina.

1 3n − 1
Ejemplo: f(x)=x2 y [a,b]=[0,1] Π={0,1/n,2/n,…,(n-1)/n,1} se cumple s(f,Π)= − y
3 6n 2
1 3n − 1 b 1 b 1
S(f,Π)= +
3 6n 2
, luego las integrales de Rieamann serán con n→∞ ∫a
x2 = , ∫ x2 = .
3 a 3

3.4.Integral Riemann
Una función f(x) definida en [a,b] se dice que es integrable Riemann en este intervalo si y
b b
sólo si se cumple la siguiente igualdad: ∫ f (x ) = ∫ f (x ) . Si la función es integrable Rie-
a a

mann se llama integral de Riemann al resultado de las integrales superior o inferior y se deno-
b b b
ta como ∫a
f ( x) = ∫
a
f (x ) = ∫
a
f (x )

Proposición: una función f(x) es integrable Riemann en [a,b] si y sólo si se cumple que para
todo ε>0 ∃Π∈℘[a,b] tal que S(f,Π)-s(f,Π)<ε.

Demostración: por definición de convergencia.

4. Integración basada en la Interpolación.

4.1.Interpolación polinómica
Consiste en obtener una aproximación de la función, llamado polinomio interpolador de
grado n y denotado como g(x), a partir de un conjunto de n+1 puntos de la grafica de la fun-
ción {(x0,y0), (x1,y1),…,(xn,yn)}. Tendremos así que el valor de la integral aproximada será igual a
b b
∫a
f ( x) ≈ ∫ g ( x) .
a

El polinomio interpolador es único, si bien hay diferentes métodos de cálculo, uno de ellos
es el método de Lagrange: P ( x) = L0 ( x)· f ( x0 ) + ... + Ln ( x)· f ( x n ) , siendo Li(x) un polinomio
de grado n, interpoladores de Lagrange, que se anula en todos los valores de xj≠xi y que en xi
1 si i = j
vale la unidad, es decir Li ( x j ) = δ ij =  . Por el teorema fundamental del ágebra
0 si i ≠ j
( x − x0 )·( x − x1 )·...·( x − xi −1 )( x − xi +1 )·...( x − x n )
este polinomio será Li = . De esta forma:
( x1 − x0 )·...·( xi − xi −1 )( xi − xi +1 )·....( xi − x n )

n n n (x − x j )
g ( x) = Pn ( x) = ∑ f ( xi )·Li ( x) = ∑ f ( xi )·∏
i =0 i =0 j =0 ( xi − x j )
j ≠i

Jose Luis Lorente (preparador oposiciones secundaria www.joseluislorente.es) 5

 TEMA 31. Integración numérica. Métodos de integración

Hay otros métodos de expresar una función de forma aproximada a partir de una función,
por ejemplo truncando una serie de Taylor en un orden n. Veamos un ejemplo.

1 1 n xk n
1 n
1
∫0
e x dx ≈ ∫
0
∑
k = 0 k!
dx = ∑
k = 0 ( k + 1)·k!
= ∑
k = 0 ( k + 1)!

Este método basado en el desarrollo de Taylor no se puede usar sino tenemos la expresión
analítica de la función, así si tenemos sólo valores de la función o la gráfica debemos acudir a
la interpolación polinómica.

5. Fórmulas de integración de Newton-Cotes

Las fórmulas de integración numérica de Newton-Cotes más utilizadas son las que se des-
criben en los siguientes puntos.

5.1. Regla del trapecio simple

Es el caso más sencillo cuando sustituimos f(x) por un polinomio interpolador de grado 1,
es decir recta que pasa por los puntos (a,f(a)), (b,f(b)). Se llama así por ser el área de un trape-
cio como se puede ver en el siguiente gráfico.

b b f (b) − f (a) 
∫ f ( x)dx ≈ ∫  f (a) +
144444 −4
( x − a) ·dx =
b2 a 4444 3
a a

ecuacion recta

(b − a)·( f (a) + f (b))

=
2

El error cometido en este método puede ser por

exceso o por defecto. En las sumas superiores e infe-
riores de Riemann por el contrario los errores eran por
defecto o por exceso respectivamente. Aunque no se
conozca si es por defecto o por exceso el error este es
inferior o igual al error cometido por las sumas de Riemann con un único intervalo:
(b − a )( f ( a ) + f (b))
S (Π 0 , f ) = (b − a )·max{ f ( a ), f (b)} ≥ ≥ s (Π 0 , f ) = (b − a )·min{ f ( a ), f (b)}
2
El error cometido en la aproximación conocida la función f(x) vendrá marcada por la función de
f ' ' (ξ x )
error que en una interpolación se puede expresar como e( x) = ( x − a)( x − b) , siendo
2!
b f ' ' (ξ x )
ξ x ∈[a,b]. De esta forma el error de la integral es e = ∫ a 2
( x − a )( x − b)dx . Se cumple

f ' ' (ξ x ) b (b − a ) 3
2 ∫a
por tanto e = ( x − a )( x − b ) dx =| f ' ' (ξ x )· | con ξ x ∈[a,b].
12

5.2.Regla del trapecio con múltiples segmentos

Como se puede ver en el anterior apartado el error es proporcional al cubo de la longitud
del intervalo de integración (b-a), lo que hace que para intervalos grandes el error puede llegar
ser muy grande, cosa que intuitivamente se ve también de forma evidente.

Jose Luis Lorente (preparador oposiciones secundaria www.joseluislorente.es) 6

 TEMA 31. Integración numérica. Métodos de integración

Si tenemos la partición Π={a=x0, x1,….,xn=b}, podemos aplicar la regla del trapecio en cada
uno de de los n subintervalos (xi,xi+1) de forma análoga a lo realizado en las sumas de Riemann.
De esta forma el valor aproximado de la función se aproxima más que el método simple, y
como veremos cuando mayor sea el número de puntos (más pequeño el valor de los interva-
los) menor será el error. El error cometido por este método siempre será menor o igual que el
cometido con la sumas de Riemann con la misma partición, pues el trapecio se ajusta más a la
función que no los cuadrados.

Aplicando la regla del trapecio simple en los n intervalos el resultado será el siguiente:

n n
f ( xi ) − f ( xi −1 )
I = ∫ f ( x) = ∑ ∫ f ( x)dx ≈ ∑ ∫ ( f ( xi −1 ) +
b xi xi
( x − xi −1 )dx
a
i =1
xi −1
i =1
xi −1 xi − xi −1
n
f ( xi −1 ) + f ( xi )
Integrando el resultado es I ≈ ∑ (x
i =1
i − xi −1 )
2
.

Vemos una gran similitud con las sumas de Riemann con la diferencia de que en vez de
multiplicar el intervalo por el máximo Mk o el mínimo mk se multiplica por el valor medio de los
f ( xi −1 ) + f ( xi )
valores de la función de los extremos: .
2
Si tomamos una partición con puntos equidistantes se cumple que (xi-xi-1)=(b-a)/n para to-
dos los valores de i de la suma. De esta forma la suma será

n −1
b−a n b−a b−a 
I≈ ∑
2n i =1
f ( x i −1 ) + f ( x i ) = ·
2n 
 f ( a ) + f (b ) + 2 ∑
i =1
f (a + i· )
n 

Gráficamente el método equivale a calcu-

lar el área por una línea poligonal que pase
por los n+1 puntos de la partición.

El error cometido será la suma de los erro-

res de cada trapecio respecto a la curva en
su intervalo. Aplicando la fórmula vista
para los trapecios simples se cumple:

3
b−a
 
 n  n
(b − a ) 3 (b − a) 3
e=
12
∑
i =1
f ' ' (ζ i ) ≤
12·n 3
·M ·n =
12·n 2
·M siendo M = sup{f(x) : x [a, b]}

Vemos que el error tienda a cero cuando el número de intervalos tiende a infinito (orden n2)

5.3.Regla de Simpson 1/3 simple

Buscamos que el error tienda a cero de forma más rápida que en los métodos anteriores.
En el método que vamos a tratar el error tiende a cero con orden n5. En este primer apartado
trataremos el caso simple donde n=1. Para el caso simple necesitamos tener una partición de 3
puntos Π={x0=a, x1,x2=b } , donde a<x1<b. A partir de estos tres puntos aproximaremos al fun-

Jose Luis Lorente (preparador oposiciones secundaria www.joseluislorente.es) 7

 TEMA 31. Integración numérica. Métodos de integración

ción como un polinomio interpol

interpolador
dor de segundo grado, cuya expresión será :
( x − x 1 )( x − x 2 ) ( x − x 0 )( x − x 2 ) ( x − x 0 )( x − x 1 )
p2 ( x) = f (x0 ) + f ( x1 ) + f (x2 )
( x 0 − x 1 )( x 0 − x 2 ) ( x 1 − x 0 )( x 1 − x 2 ) ( x 2 − x 0 )( x 2 − x 1 )

a+b
Generalmente se toma x1 como el punto medio de a y b, x1 = , con lo que de esta
2
forma la integral del polinomio interpolador en el intervalo (a,b) vendrá dada por:

b h
I ≈ ∫ p 2 ( x) = ( f ( a ) + 4 f ( a + h) + f (b)) con h=tamaño intervalo= (b-a)/2
(b
a 3

Para el cálculo del error desarrollaremos por Taylor la

función del valor aproximado dell error de la integral en
función de h:

a+2h h
E (h) = ∫ f ( x ) dx − ( f ( a ) + f ( a + h) + f ( a + 2h))
a 3
Siendo nulas las 3 primeras derivadas (las dos primeras
pr
era lógico pues si f(x) fuera polinomio
nomio de segundo
segu grado
el error sería nulo al ser p2(x)=f(x)). Calculando el error
f ' 4 (δ ) 5
mos que e = −
de de Taylor para n=4 tenemos h con δ ∈[a,b]. Si f’4( ξ x )=max{|f’4(x)| con
90
f ' 4 (ξ x ) 5
h) ≤
x∈[a,b]} se cumple que E (h h Notemos que
ue además de que el error para
90
funciones
ciones polinómicas de grado menor o igual que 3 el error es nulo
nulo.

5.4.Regla de Simpson 1/3 con múltiples segmentos.

Como hemos visto en el apartado anterior el método de Simpson nos genera que el error
se proporcional a la quinta
uinta potencia de la separación de los puntos de la partición, h. De esta
forma si conseguimos que h sea muy pequeña el error decrece mucho más rápido que en los
métodos anteriores (sumas de Rieman y Trapecios).

Como tenemos que agrupar los puntos de 3 en tres, de forma que los puntos de los extre- extr
mos de los subintervalos pertenezca a dos de estos subintervalos se tiene que cumplir que el
número de puntos de la partición sea impar. Por comodidad en los cálculos tomaremos
to que
n=par, siendo la partición Π={x0,x1,…,xn+1) entonces n/2 el número
tenemos n+1 puntos, siendo n=pa
de subintevalos que serán estarán formados por los puntos {x2i-2, x2i-1, x2i} con i={1,2,…n/2}. De
b n/2 x21 n/2 x2 i
esta forma se cumple I = ∫ f ( x )dx = ∑ ∫ f ( x )dx ≈ ∑ ∫ p 2 ( x )dx . Si tomamos los
a x2 i − 2 x2 i − 2
i =1 i =1

puntos equidistantes una distancia h=(b-a)/n

a)/n y utilizando el resultado de Simpson simple

h n/2 b−a n / 2−2 n/2

I≈ ∑ 2i − 2
3 i =1
( f ( x ) + 4 f ( x 2 i −1 ) + f ( x 2i ) =
3n
( f ( x 0 ) + 2 ∑i =1
f ( x 2i ) + 4 ∑
i =1
f ( x 2 i −1 ) + f ( x n ))

El error será la suma de los errores parciales de cada subintevalo:

Jose Luis Lorente (preparador

dor oposiciones secundaria www.joseluislorente.es) 8
 TEMA 31. Integración numérica. Métodos de integración

h5 n / 2 h5 n (b − a) 5
e= ∑
90 1
| f ' 4
(ξ xi ) |≤
90
·M · =
2 180·n 4
·M siendo M=max{|f’4(x)| con x∈[a,b]}

5.5. Método de Simpson 3/8 simple.

Este método aproximamos la función a un polinomio de interpolación de tercer grado, es
b b
por ello necesitaremos 4 puntos {x0, x1, x2, x3}, siendo por tanto ∫a
f ( x) ≈ ∫ p3 ( x)dx . De igual
a

forma que en el polinomio interpolador de segunda grado podemos expresar el polinomio

como ( x − x 1 )( x − x 2 )( x − x 3 ) ( x − x 0 )( x − x 2 )( x − x 3 ) +
p3 (x) = f (xo ) + f ( x1 )
( x 0 − x 1 )( x 0 − x 2 )( x 0 − x 3 ) ( x 1 − x 0 )( x 1 − x 2 )( x 1 − x 3 )
( x − x 0 )( x − x 1 )( x − x 3 ) ( x − x 0 )( x − x 1 )( x − x 2 ) , dondex =a y x =b
+ f (x2 ) + f ( x3 ) 0 3
( x 2 − x 0 )( x 2 − x 1 )( x 2 − x 3 ) ( x 2 − x 0 )( x 2 − x 1 )( x 2 − x 3 )
y tomaremos puntos equidistantes con lo que x1=a+h, x2=a+2h con h=(b-a)/3. Integrado p3(x):

3
( f ( x0 ) + 3 f ( x1 ) + 3 f ( x 2 ) + f ( x3 ) )
b
I ≈ ∫ p3 ( x) =
a 8
a+ 2h
Para calcular el error cometido E (h) = ∫ ( f ( x) − p( x))dx
a
que desarrollando por Tay-
lor al igual que hicimos con el método de 1/3 se cumple que el error (resto de Lagrange) es:

3 5 4 3 5
e=− h f ' (δ )
| e |≤ h ·M siendo M=max{|f(x)|: a≤x≤b}
80 80

5.6.Método de Simpson 3/8 con múltiples segmentos.

Como hemos visto en apartado anterior el error del método de Simpson es proporcional a
la quinta potencia de h, si conseguimos reducir este intervalo el error será muy pequeño. Esto
es lo que vamos a conseguir dividiendo el intervalo [a,b] en una partición con múltiples puntos
y aplicando el método anterior cada 4 puntos. Para poder dividir el intervalo de 4 en 4 puntos
con dos los extremos en común es necesario que n-1 puntos sea múltiplo de 3 (una vez cogido
los 4 primeros puntos tenemos que añadir puntos de 3 en 3), Π={a=x0, x1, x2,…,xn=b} con n=3.
Aplicamos así el método de Simpson 3/8 a cada uno de los intervalos [x3i-3,x3i] con i=1,2,…,n/3:
b n/3 3i n/3 3i
I = ∫ f ( x ) dx = ∑ ∫ f ( x ) dx ≈∑ ∫ p 3 ( x ) dx . Tomando puntos equidistantes h=(b-a)/n
a 3i −3 3i − 3
i =1 i =1

el valor aproximado de la integral numérica vendrá definido como:

3h n / 3
I≈ ∑ f ( x3i −3 ) + 3 f ( x3i −2 ) + 3 f ( x3i −1 ) + f ( x3i )
8 i =1
n / 3− 3
3h  n/3 n/3

=  f ( x 0 ) + 3∑ f ( x3i − 2 ) + 2 ∑ f ( x 3i ) + 3∑ f ( x3i −1 ) + f ( x n ) 
8  i =1 i =1 i =1 
Jose Luis Lorente (preparador oposiciones secundaria www.joseluislorente.es) 9
 TEMA 31. Integración numérica. Métodos de integración

Siendo el error cometido como la suma de los errores en cada subintervalo:

3h 5 n/3
3h 5 n (b − a) 5
e=
80
∑ f '4 (δ ) → | e | ≤
i =1 80
·M · →| e |≤
3 80·n 4
·M siendo M = max{| f ( x) | a ≤ x ≤ b}

Vemos que el error cometido es proporcional al cometido con el mismo número de

puntos es proporcional en el Simpson 3/8 respecto a Simpson 1/3 pero siendo inferior en la
proporción 8/18 en el método de Simpson 1/3.

5.7.Regla de Simpson para un número para de puntos.

Si tenemos una partición con un número n+1 par de puntos, {x0,…,xn}, no podemos aplicar
directamente el método de Simpson 1/3. Una solución es aplicar la regla de Simpson 3/8 para
los 4 primeros puntos {x0, x1, x2, x3} y la regla de Simpson 1/3 para los n-2 puntos {x3, x4, …,xn}
que son ahora sí son impares. Aplicando el método descrito con anterioridad su valor será:

3h h ( n −1) / 2
I≈ ( f ( x0 ) + 3 f ( x1 ) + 3 f ( x 2 ) + f ( x3 )) + ∑ ( f ( x 2i −1 ) + 4 f ( x 2i ) + f ( x 2i +1 ) )
8 3 i =2

Y el error será:
3 4 1 ( n −1) / 2 4
e ≤ M ·h
80
f ' (δ 1 ) +
5
∑ f ' (δ 2i ) |
90 i = 2

6. Integral de Romberg.
6.1.Regla recursiva del trapecio n=2m.
Si denotamos por T(n) al valor numérico obtenido por integración numérica por el método
del trapecio con n subintervalos (n+1 puntos) de anchura (b-a)/n, se cumple que como vimos

b−a n b−a
T (n) = ∑
n k =0
' f (a + k   donde por
 n 
∑' indicamos que el primer y el último

término divididos entre dos, (f(a)+f(b))/2.

Se puede relacionar T(n) con T(2n) sin necesidad de calcular todo el sumatorio, pues las
mitad de los puntos ya están en T(n) aunque contribuyen la mitad al ser la mitad en intervalo

T ( n ) (b − a ) n b−a
T ( 2n ) =
2
+ ∑
2n k =1
f ( a + ( 2k − 1)
2n
)

Podemos generalizar este método siempre que se divida el intervalo a la mitad respecto el
intervalo anterior, podemos empezar con 2 intervalos, luego con 4, 8; es decir de la forma 2m:
m −1
T (2 m−1 ) (b − a ) 2 b−a
T (2 ) =
m

2
+
2 m ∑
k =1
f (a + (2k − 1) m )
2

Jose Luis Lorente (preparador oposiciones secundaria www.joseluislorente.es) 10

 TEMA 31. Integración numérica. Métodos de integración

Para asentar lo explicado veamos un ejemplo: queremos calcular la integral en [0,1] de f(x)

f (0) f (1) 1  f ( 0) f (1)  1 1

T (1) = + → T ( 2) =  + f (1 / 2) +  = T (1) + f (1 / 2) →
2 2 2 2 2  2 2
11 1  1 1
T (4) =  f (0) + f (1 / 4) + f (1 / 2) + f (3 / 4) + f (1)  = T (2) + ( f (1 / 4) + f (3 / 4) )
42 2  2 4

6.2. Método de extrapolación de Richardsom

Mediante este método podemos obtener una mejor aproximación de la integral, I, cono-
ciendo 2 valores aproximados de la misma, I(h1) e I(h2) cuyos errores llamaremos E(h1) y E(h2):

I=I(h1)+E(h1) (1) y I=I(h2)+E(h2) (2)

Como vimos en el apartado 5 el error es, usando el método del trapecio, para h1 y h2:
(b − a ) 3 2 
E (h1 ) = C· = C·(b − a )·h1  2
n1
2
  h2 
 E (h2 ) ≈ E (h1 )·  (3)
(b − a ) 3
 h1 
= C·(b − a )·h2 
2
E (h2 ) = C·
n2
2


2
h 
Igualando (1) y (2) utilizando el error de (3) tenemos que I (h1 ) + E(h1 ) ≈ I (h2 ) + E(h1 )· 2 
 h1 
con lo que podemos aproximar el error de E(h1) mediante el valor de la integral en h1 Y h2:

I (h2 ) − I (h1 ) I (h2 ) − I (h1 ) h12 ·I (h2 ) − h22 ·I (h1 )

E (h1 ) =
I 2 ( h1 ) = I ( h1 ) + =
h1  h2 
2
h12 − h22
1− 1 −  
h2
 h1 

Tenemos así que el nuevo valor de la integral I2(h2) es mejor aproximación que la inicial
I(h1), por lo que si procedemos de forma iterativa podemos mejorar el resultado en cada paso

6.3.Método de Romberg
Utilizando lo visto en los dos subapartados anteriores podemos construir un método itera-
tivo que nos mejore los resultado de la integral en cada paso. Veamos el procedimiento:

Calculamos a partir de la integral recursiva del trapecio 2m I(h1), I(h2), I(h3),…,I(hn) cum-
pliendo que hj+1=hj/2, es decir el doble de intervalos. Una vez calculados aplicamos el método
de extrapolación de Richardsom de forma escalonada como veremos a continuación:

I(h1)
I2(h1)
I(h2) I3(h1)
I2(h2) I4(h1)
I(h3) I3(h2)
I2(h3)
I(h4)

Jose Luis Lorente (preparador oposiciones secundaria www.joseluislorente.es) 11

 TEMA 31. Integración numérica. Métodos de integración

Donde las únicas que hay que calcular son las 4 primeras, por ejemplo
h12 I (h1 )
h12 I (h2 ) −
4 4 I (h2 ) − I (h1 )
I 2 (h1 ) = 2
=
h 3
h12 − 1
4
h 2 I ( h2 )
h22 I (h3 ) − 2
4 4 I (h3 ) − I (h2 )
I 2 (h2 ) = 2
=
h 3
h22 − 2
4
…

1
Ejemplo: I = ∫ x dx
2
h1=1, h2=1/2 y h3=1/4
0

 f (0) f (1)  1 1 f (1/ 2) 3 1 f (1/ 4) + f (3/ 4) 11

I1 (h1 ) = 1· +  = ; I1 (h2 ) = I (h1 ) + = , I1(h3 ) = I (h2 ) + =
 2 2  2 2 2 8 2 4 32
4·I 1 (h2 ) − I 1 (h1 ) 1 4·I 1 (h3 ) − I 1 (h2 ) 1
I 2 (h1 ) = = , I 2 (h2 ) = =
3 3 3 3

4·I 2 (h2 ) − I 2 (h1 ) 1

I 3 (h1 ) = =
3 3
I(h1)=1/2
I2(h1)=1/3
I(h2)=3/8 I3(h1)=1/3
I2(h2)=1/3
I(h3)=11/32

7. Contexto con secundaria.

Las integrales definidas y su aplicación en el cálculo de áreas se abordan en las Matemáti-
cas II de 2º de Bachillerato, siendo un ejercicio típico en la PAU. Los métodos numéricos abor-
dados es este temo no están en el currículo de secundaria ni de bachillerato.

Jose Luis Lorente (preparador oposiciones secundaria www.joseluislorente.es) 12