Integración numérica

Martı́n D. Safe

Departamento de Matemática, Universidad Nacional del Sur

Métodos Numéricos “A”

2.o cuatrimestre 2020
Integración numérica (1)

I En esta unidad estudiamos métodos para aproximar el valor de

una integral definida en un intervalo [a, b]:
Zb
f(x) dx.
a

I En muchos casos una primitiva de f no puede expresarse en

términos de funciones elementales, por lo que será
conveniente aplicar reglas de integración numérica, también
llamadas cuadraturas numéricas o simplemente cuadraturas.
I La idea básica que usaremos para construir tales reglas será
interpolar la función fR por un polinomio
Rb p, para luego
b
aproximar la integral a f(x) dx por a p(x) dx.
Integración numérica (2)
I Sean x0 , x1 , . . . , xn puntos distintos en [a, b].
I Sea p ∈ Pn el polinomio interpolador de f en dichos puntos.
I Escrito en la base de Lagrange asociada `0 , `1 , . . . , `n :
Xn
p(x) = f(xi )`i (x).
i=0
I Proponemos la regla Q de integración numérica que consiste
en aproximar la integral de f por la integral del polinomio
interpolador p:
Zb Zb Xn
Q(f) = p(x) dx = f(xi )`i (x) dx
a a i=0

X
n Zb !
= f(xi ) `i (x) dx
i=0 a

X
n Zb
= Ai f(xi ) donde cada Ai = `i (x) dx.
i=0 a
Integración numérica (3)
I Obtenemos ası́ las reglas de cuadratura por interpolación:

X
n Zb
Q(f) = Ai f(xi ) donde Ai = `i (x) dx.
i=0 a

I Los puntos x0 , x1 , . . . , xn se llaman los nodos y los

A0 , A1 , . . . , An se llaman los pesos de la fórmula.
I Los pesos A0 , A1 , . . . , An solo dependen de los nodos
x0 , x1 , . . . , xn y del intervalo [a, b]. Una vez hallados, pueden
Rb
usarse para aproximar la integral a f(x) dx para cualquier f.
I Analizaremos distintas reglas de cuadratura por interpolación.
I En las del primer tipo, los nodos se eligen equiespaciados.
Estas reglas se llaman de reglas de Newton-Cotes.
I Para las del segundo tipo, elegiremos los nodos de modo de
maximizar el grado de exactitud. Las reglas ası́ obtenidas se
llaman reglas de cuadratura gaussiana.
Regla del punto medio (4)
I La regla del punto medio es la regla de cuadratura por
interpolación en un único punto: el punto medio a+b
2 del
intervalo.

a+b


f 2

x
a a+b b
2
Regla del punto medio (5)

I El polinomio interpolador p de f en el punto a+b

2 es el
polinomio constante
 
a+b
p(x) = f .
2
I La fórmula que se obtiene para la regla del punto medio, que
denotaremos por M(f), es entonces:
Zb
M(f) = p(x) dx
a
Zb  
a+b
= f dx
a 2
 
a+b
= (b − a)f .
2
Regla del punto medio (6)
 
a+b
M(f) = (b − a)f
2

a+b


f 2

x
a a+b b
2
Regla del trapecio (7)
I La regla del trapecio es la regla de cuadratura por
interpolación en los extremos a y b del intervalo [a, b].

f(a)

f(b)

x
a b
Regla del trapecio (8)
I El polinomio interpolador p de f en los extremos a y b del
intervalo [a, b] es la recta

f(b) − f(a)
p(x) = f(a) + (x − a).
b−a
I La fórmula que se obtiene para la regla del trapecio, que
denotaremos T (f), es entonces:
Zb Zb
f(b) − f(a)
T (f) = p(x) dx = f(a) + (x − a) dx
a a b−a
f(b) − f(a) (b − a)2
= (b − a)f(a) +
 b−a 2
2f(a) + f(b) − f(a)
= (b − a)
2
f(a) + f(b)
= (b − a) .
2
Regla del trapecio (9)

f(a) + f(b)
T (f) = (b − a)
2

f(a)

f(b)

x
a b
Regla de Simpson (10)
I La regla de Simpson es la cuadratura por interpolación en los
extremos y el punto medio del intervalo [a, b].

f(a) a+b


f 2

f(b)

x
a a+b b
2
Regla de Simpson (11)
I Es decir, los puntos de interpolación son
a+b
x0 = a, x1 = , y x2 = b.
2
I Podemos escribir el polinomio p que interpola f en dichos
puntos mediante la fórmula de interpolación de Lagrange:
X
2
p(x) = f(xi )`i (x) = f(x0 )`0 (x) + f(x1 )`1 (x) + f(x2 )`2 (x)
i=0
donde {`0 , `1 , `2 } es la base de Lagrange correspondiente a los
puntos de interpolación x0 , x1 y x2 .
I Luego, la cuadratura por la regla de Simpson, que denotamos
S(f), es
Zb
S(f) = p(x) dx
a
Zb X 2
!
X2 Zb
= f(xi )`i (x) dx = f(xi ) `i (x) dx.
a i=0 i=0 a
Regla de Simpson (12)
Rb
I Para simplificar los cálculos de las integrales a `i (x) dx
resulta conveniente utilizar el siguiente cambio de variable
b−a
[0, 2] → [a, b], t 7→ x = a + ht donde h =
2
I Notemos que x0 = a, x1 = a+b 2 = a + h y x2 = b = a + 2h.
I Como xi = a + hi para cada i = 0, 1, 2, el cambio de variable
permite escribir los polinomios de la base de Lagrange ası́:
Y x − xj
`i (x) =
xi − xj
06j62, j6=i
Y a + ht − (a + hj) Y t−j
= = .
a + hi − (a + hj) i−j
06j62, j6=i 06j62, j6=i
| {z }
φi (t):=

I Al contrario que los polinomios `i , los polinomios φi solo

dependen de i y no del intervalo [a, b].
Regla de Simpson (13)
I Como el cambio de variable
[0, 2] → [a, b]
b−a
t 7→ x = a + ht donde h =
2
hace que
Y t−i
`i (x) = φi (t) =
t−j
06j62, j6=i
entonces
Zb Zb X
2
S(f) = p(x) dx = f(xi )`i (x) dx
a a i=0

X
2 Zb X
2 Z2
= f(xi ) `i (x) dx = f(xi ) h φi (t) dt
i=0 a i=0 0

X2 Z2
=h αi f(xi ) donde αi = φi (t) dt.
i=0 0
Regla de Simpson (14)
R
I Los pesos αi = 02 φi (t) dt se pueden calcular directamente.
Por ejemplo,
Z2 Z2
(t − 1)(t − 2)
α0 = φ0 (t) dt = dt
0 0 (0 − 1)(0 − 2)
Z 2
1 2 2 t3 3t2  1
= t − 3t + 2 dt = − + t = .
2 0 6 4 0 3
4 1
Con cálculos similares pueden hallarse α1 = y α2 = .
3 3
I Se obtiene ası́ la fórmula para la regla de Simpson:
X
2
S(f) = h αi f(xi )
i=0
   
b−a 1 4 a+b 1
= f(a) + f + f(b)
2 3 3 2 3
   
b−a a+b
= f(a) + 4f + f(b) .
6 2
Regla de Simpson (15)
   
b−a a+b
S(f) = f(a) + 4f + f(b)
6 2

f(a) a+b


f 2

f(b)

x
a a+b b
2
Ejemplos de cálculo (16)
I Consideremos por ejemplo la integral
Z1 1
1  π  π π
2
dx = arctan x  = − − = .
−1 x + 1 4 4 2

x=−1
I Si aplicamos la regla del punto medio obtenemos
 
a+b
M(f) = (b − a)f = 2f(0) = 2 × 1 = 2.
2
I Si aplicamos la regla del trapecio obtenemos
b−a 1 1
T (f) = (f(a) + f(b)) = f(−1) + f(1) = + = 1.
2 2 2
I Si aplicamos la regla de Simpson obtenemos
   
b−a a+b
S(f) = f(a) + 4f + f(b)
6 2
 
1 1 1 1 5
= (f(−1) + 4f (0) + f(1)) = +4×1+ = .
3 3 2 2 3
I Los errores son ≈ 0,43, ≈ 0,57 y ≈ 0,09, respectivamente.
Fórmulas para el error (17)
Teorema
Si f tiene segunda derivada continua en [a, b] entonces para la
regla del punto medio vale que
Zb
(b − a)3 00
 
a+b
f(x) dx = (b − a)f + f (ξ),
a 2 24

para algún ξ ∈ [a, b].

Teorema
Si f tiene segunda derivada continua en [a, b] entonces para la
regla del trapecio vale que
Zb
b−a (b − a)3 00
f(x) dx = (f(a) + f(b)) − f (ξ),
a 2 12

para algún ξ ∈ [a, b].

Fórmulas para el error (18)

Teorema
Si f tiene cuarta derivada continua en [a, b] entonces para la regla
de Simpson vale que
Zb
f(x) dx
a
(b − a)5 (4)
   
b−a a+b
= f(a) + 4f + f(b) − f (ξ)
6 2 2880

para algún ξ ∈ [a, b].

Reglas de Newton-Cotes cerradas (19)
I Las reglas de cuadratura del trapecio y de Simpson son casos
particulares de las llamadas reglas de Newton-Cotes cerradas.
I La regla de Newton-Cotes cerrada en n + 1 nodos es la
cuadratura por interpolación en n + 1 nodos equiespaciados
desde a hasta b, ambos inclusive:

x0 = a, x1 = a+h, x2 = a+2h, ..., xn = a+nh = b.

Es decir,
b−a
xi = a + hi para i = 0, 1, . . . , n donde h = .
n
I Luego, de nuevo el cambio de variables x = a + ht hace que
Y t−j
`i (x) = φi (t) donde φi (t) = .
i−j
06j6n, j6=i
Reglas de Newton-Cotes cerradas (20)
I Como `i (x) = φi (t) con el cambio de variables
[0, n] → [a, b]
t 7→ x = a + ht
entonces el valor de la cuadratura por la regla de
Newton-Cotes cerrada de n + 1 nodos es
Zb Zb Xn
Q(f) = p(x) dt = f(xi )`i (x) dx
a a i=0

X
n Zb
= f(xi ) `i (x) dx
i=0 a

Xn Zn
= f(xi ) h φi (t) dt
i=0 0

Xn Zn
=h αi f(xi ) donde αi = φi (t) dt.
i=0 0
Fórmulas de Newton-Cotes cerradas (21)
Fórmula para la regla de Newton-Cotes cerrada de n + 1 nodos:

X
n
Q(f) = h αi f(a + hi)
i=0

donde
Zn Y
b−a t−j
h= , αi = φi (t) dt y φi (t) = .
n 0 i−j
06j6n, j6=i

Los valores de αi se encuentran tabulados. Por ejemplo:

n α1 α2 α3 α4 α5 Nombre
1 1 1 regla del trapecio
2 1/3 4/3 1/3 regla de Simpson
3 3/8 9/8 9/8 3/8 regla de 3/8
4 14/45 64/45 8/15 64/45 14/45 regla de Boole
Grado de exactitud (22)
I Consideremos una regla de cuadratura
X
n
Q(f) = Ai f(xi ),
i=0
donde x0 , x1 , . . . , xn son nodos distintos dos a dos en el
intervalo [a, b] y A0 , A1 , . . . , An son algunos pesos.
I Vamos a denotar
Zb
I(f) = f(x) dx.
a

Decimos que la regla de cuadratura Q tiene grado de exactitud

k si la igualdad Q(p) = I(p) se cumple para todo p ∈ Pk pero
no se cumple para algún p ∈ Pk+1 .

I Por la linealidad de Q y de I, Q tiene grado de exactitud k si

y solo si Q(xj ) = I(xj ) para cada j = 0, 1, . . . , k pero
I(xk+1 ) 6= Q(xk+1 ).
Grado de exactitud (23)
I Si Q(f) es una regla de cuadratura por interpolación en n + 1
nodos entonces, para todo p ∈ Pn , resulta que
Zb
Q(p) = p(x) dx = I(p),
a

ya que p es su propio polinomio interpolador en los n + 1

nodos (por la unicidad del polinomio interpolador).
I Luego, toda cuadratura por interpolación en n + 1 nodos
tiene grado de exactitud al menos n.
I En particular, las reglas de Newton-Cotes cerradas en n + 1
nodos tienen grado de exactitud al menos n.
I De hecho, puede probarse que las reglas de Newton-Cotes
cerradas en n + 1 nodos tienen grado de exactitud n si n es
impar y grado de exactitud n + 1 si n es par.
I Por ejemplo, la regla del trapecio (n = 1) tiene grado de
exactitud 1 y la regla de Simpson (n = 2) tiene grado de
exactitud 3.
Regla del trapecio compuesta (24)
I Supongamos que se conocen los valores de una función f en
n + 1 puntos x0 , x1 , . . . , xn equiespaciados desde a hasta b,
ambos inclusive. Es decir, xi = a + ih donde h = b−a n .
I En lugar de utilizar una regla de Newton-Cotes con n + 1
nodos podemos utilizar la regla del trapecio en cada intervalo
[xi , xi+1 ], para i = 0, 1, . . . , n − 1.
I Obtenemos ası́ la siguiente aproximación:
Zb X xi+1 − xi
n−1
f(x) dx ≈ (f(xi ) + f(xi+1 ))
a 2
i=0
X
n−1
!
h
= f(x0 ) + 2 f(xi ) + f(xn )
2
i=1
X
n−1
!
h
= f(a) + 2 f(a + hi) + f(b) .
2
i=1

Esta cuadratura se llama regla del trapecio compuesta.

Regla del trapecio compuesta (25)

X
n−1
!
h b−a
f(a) + 2 f(a + hi) + f(b) donde h =
2 n
i=1

y
n=5
f(a)

f(b)

x
a b
Regla del trapecio compuesta (26)

Teorema (Regla del trapecio compuesta)

Sea f que tiene segunda derivada continua en [a, b]. Si n es un
natural y h = (b − a)/n entonces
Zb
f(x) dx
a
X
n−1
!
h (b − a)3 00
= f(a) + 2 f(a + ih) + f(b) − f (ξ),
2 12n2
i=1

para algún ξ ∈ [a, b].

Regla de Simpson compuesta (27)
I De forma similar, supongamos que se conocen los valores de f
en 2n + 1 puntos equiespaciados x0 , x1 , . . . , x2n desde a
hasta b. Es decir, xi = a + hi donde h = b−a 2n .
I Si aplicamos la regla de Simpson en el intervalo [x2i , x2i+2 ]
para cada i = 0, 1, . . . , n, obtenemos la siguiente
aproximación:
Zb X
n−1
h
f(x) dx ≈ (f(x2i ) + 4f(x2i+1 ) + f(x2i+2 ))
a 3
i=0
X
n−1 X
n−1
!
h
= f(x0 ) + 4 f(x2i+1 ) + 2 f(x2i ) + f(x2n )
3
i=0 i=1
X
n−1 X
n−1
!
h
= f(a) + 4 f(a + (2i+1)h) + 2 f(a + 2ih) + f(b) .
3
i=0 i=1

Esta cuadratura se llama regla de Simpson compuesta.

Regla de Simpson compuesta (28)
X
n−1 X
n−1
!
h
f(a) + 4 f(a + (2i+1)h) + 2 f(a + 2ih) + f(b)
3
i=0 i=1
b−a
donde h =
2n

y
n=3
f(a)

f(b)

x
a a + 2h a + 4h b
Regla de Simpson compuesta (29)

Teorema (Regla de Simpson compuesta)

Sea f que tiene cuarta derivada continua en [a, b]. Si n es un
natural y h = (b − a)/(2n) entonces
Zb X
n−1
h
f(x) dx = f(a) + 4 f(a + (2i+1)h) +
a 3
i=0
X
n−1
!
(b − a)5 (4)
2 f(a + 2ih) + f(b) − f (ξ),
2880n4
i=1

para algún ξ ∈ [a, b].

Integración de Romberg (30)
I Denotemos
h
T (h) = (f(a) + 2f(a + h) + · · · + 2f(b − h) + f(b))
2
la regla de trapecio compuesta con h = b−a n (es decir, la
obtenida aplicando la regla del trapecio a n subintervalos de
igual longitud h).
I Si f tiene derivada 2m-ésima continua en [a, b] puede
probarse que

T (h) = I(f) + c1 h2 + c2 h4 + · · · + cm h2m−2 + O(h2m )

Rb
donde I(f) = a f(x) dx y donde c1 , c2 , . . . , cm−1 son
constantes (que dependen de f y del intervalo a y b).
I La regla T (h) se dice de orden 2 porque su error es O(h2 ).
Integración de Romberg (31)
I Como

T (h) = I(f) + c1 h2 + c2 h4 + c3 h6 + c4 n8 + · · ·

con
c1 2 c2 4 c3 6 c4 8
T (h/2) = I(f) + h + 4n + 6h + 8h + ···
22 2 2 2
podemos cancelar el término de orden 2 definiendo
4 T (h/2) − T (h)
T2 (h) =
4−1
c2 5c3 6 21c4 8
= I(f) − h4 − h − h − ···
4 16 64
= I(f) + c20 h4 + c30 h6 + c40 h8 + · · ·

I Obtenemos ası́ una nueva regla de cuadratura T2 (h) → I(f)

cuando h → 0 que es de de orden 4 (su error es O(h4 )).
Integración de Romberg (32)
I De forma similar, como

T2 (h) = I(f) + c20 h4 + c30 h6 + c40 h8 + · · ·

c20 4 c30 6 c40 8

T2 (h/2) = I(f) + h + 6h + 8h + ···,
24 2 2
podemos cancelar el término de orden 4 definiendo

16 T2 (h/2) − T2 (h)
T3 (h) =
16 − 1
c0 c0
= I(f) − 3 h6 − 4 h8 + · · ·
20 16
= I(f) + c300 h6 + c400 h8 + · · ·

I La regla T3 (h) → I(f) es de orden 6 (su error es O(h6 )).

Integración de Romberg (33)
El procedimiento puede continuarse de la siguiente forma:

4k−1 Tk−1 (h/2) − Tk−1 (h)

Tk (h) = donde T1 (h) = T (h).
4k − 1

I Cada regla de cuadratura Tk (h) resulta de orden 2k.

I La regla T2 (h) coincide con la regla de Simpson compuesta.
(Ver Práctico.)
I La regla T3 (h) es una regla de Boole compuesta.
I Para k > 4, las reglas Tk (h) ya no son reglas de
Newton-Cotes compuestas.
I Cada Tk (h) es la extrapolación de Richardson de Tk−1 (h).
(Ver Práctico.)
Integración de Romberg (34)
I Para aplicar la integración de Romberg se define

 
(k) b−a
In = Tk para cada n múltiplo de 2k−1 .
n/2k−1

(1)
= T1 b−a b−a



I En particular, In n = T n es el valor de la
regla del trapecio compuesta para n subintervalos.
I Por la relación de recurrencia entre las reglas Tk

4k−1 Tk−1 (h/2) − Tk−1 (h)

Tk (h) =
4k − 1
tenemos que

(k−1) (k−1)
(k)
4k−1 In − In/2
In = .
4k−1 − 1
Integración de Romberg (35)
I Forman una tabla como la de diferencias divididas:

(1)
I1 = T (b − a)
(1) (1)
(2) 4I2 − I1
I2 =
4−1
(2) (2)
(1) b−a

(3) 16I4 − I2
I2 = T 2 I4 =
16 − 1
(1) (1) (3) (3)
(2) 4I4 − I2 (4) 64I8 − I4
I4 = I8 =
4−1 64 − 1
(2) (2)
(1) b−a

(3) 16I8 − I4
I4 = T 4 I8 =
16 − 1
(1) (1)
(2) 4I8 − I4
I8 =
4−1
(1) b−a


I8 = T 8

I En general, para el cálculo de I(k) 2m alcanza con conocer los

(1) (1) (1)
valores I1 , I2 , . . . , I2m , que son reglas del trapecio
compuestas para 1, 2, . . ., 2m subintervalos.
Integración de Romberg (36)
Por ejemplo:

Consideremos por ejemplo el problema de aproximar la integral

Z π/2
π2 π
(x2 + x + 1) cos x dx = + −2
0 4 2
= 2,03819742706723 . . . .

La aproximación
(4)
I32 = 2,03819742706378 . . .

tiene un error absoluto de ≈ 3,45 × 10−12 mientras resulta de

combinar las aproximaciones por la regla del trapecio compuesta
(1) (1) (1) (1) (1) (1)
I1 , I2 , I4 , I8 , I16 , I32 , la más exacta de las cuales (que es
(1)
I32 ) tiene un error absoluto de ≈ 1,21 × 10−3 .
Polinomios de Legendre (37)

Los polinomios de Legendre se definen por:

P0 (x) = 1
P1 (x) = x
k2
Pk+1 (x) = xPk (x) − Pk−1 (x) para todo k > 1.
4k2 − 1

Una propiedad importante de estos polinomios es la siguiente:

Teorema
Para cada k > 0, Pk es un polinomio mónico de grado k que tiene
k ceros simples y todos ellos en (−1, 1).
Polinomios de Legendre (38)

Los primeros polinomios de Legendre con sus ceros son:

P0 (x) = 1
P1 (x) = x x1 = 0
1 1 1
P2 (x) = x2 − x0 = − √ , x1 = √
3 3 3
√ √
3 3 3
P3 (x) = x3 − x x0 = − √ , x1 = 0, x2 = √
5 5 5
Cuadratura gaussiana (39)

I Supongamos que queremos aproximar

Z1
I(f) = f(x) dx
−1

mediante una regla de cuadratura

X
n
Q(f) = Ai f(xi )
i=0

en nodos x0 , x1 , . . . , xn ∈ [−1, 1] distintos entre sı́.

I Vamos a ver qué elección de los nodos nos permite obtener
una regla de cuadratura con el mayor grado de exactitud
posible.
Cuadratura gaussiana (40)
Observación
Para ninguna elección de nodos xi y pesos Ai , la regla

X
n
Q(f) = Ai f(xi )
i=0

puede alcanzar un grado de exactitud al menos 2n + 2.

Demostración.
Para verlo, consideremos ωn (x) = (x − x0 )(x − x1 ) · · · (x − xn ).
Claramente, ω2 tiene grado 2n + 2. Y tenemos que

X
n X
n Z1
Q(ω2 ) = Ai ω(xi )2 = Ai 0 = 0 < ω(x)2 dx = I(ω2 ).
i=0 i=0 −1
Cuadratura gaussiana (41)
I Sea n = 0 y busquemos un nodo x0 y un peso A0 para que

Q(f) = A0 f(x0 )

tenga grado de exactitud al menos 2n + 1 = 1.

Utilizamos el método de los coeficientes indeterminados.
El grado de exactitud 1 equivale al sistema de ecuaciones

A0 = Q(1) = I(1) = 2
A0 x0 = Q(x) = I(x) = 0

cuya única solución es A0 = 2 y x0 = 0.

Por lo tanto,
Q(f) = 2f(0)
es la única cuadratura de 1 nodo con grado de exactitud 1.
Notemos que esta es precisamente la regla del punto medio.
Cuadratura gaussiana (42)
I Fijemos n = 1 y busquemos los posibles −1 6 x0 < x1 6 1 y
A0 y A1 tales que la regla de cuadratura

Q(f) = A0 f(x0 ) + A1 f(x1 )

tenga grado de exactitud 2n + 1 = 3.

Esto equivale a que Q(xj ) = I(xj ) para cada j = 0, 1, 2, 3.
Es decir,



A0 + A1 = Q(1) = I(1) = 2

 A x + A x = Q(x) = I(x) = 0
0 0 1 1

 A x 2
+ A 2 2 2
1 x1 = Q(x ) = I(x ) = 2/3


0 0
A0 x30 + A1 x31 = Q(x3 ) = I(x3 ) = 0.

La única solución de este sistema (no lineal) de ecuaciones es

1 1
x0 = − √ , x1 = √ , A0 = A1 = 1.
3 3
Cuadratura gaussiana (43)

Concluimos que la única cuadratura de 2 nodos que tiene

grado de exactitud 3 es
   
1 1
Q(f) = f − √ +f √ .
3 3

I En este ejemplo, los nodos son los ceros del polinomio de

Legendre P2 . Esto no es una casualidad.
I De hecho, Gauss demostró que la única cuadratura de n + 1
nodos con grado de exactitud 2n + 1 es la cuadratura por
interpolación en los ceros del polinomio de Legendre Pn+1 .
Cuadratura gaussiana (44)

Se llama cuadratura gaussiana (o de Gauss-Legendre) de n + 1

nodos a la regla de cuadratura en [−1, 1]:

X
n
Gn (f) = Ai f(xi )
i=0

por interpolación en los nodos x0 , x1 , . . . , xn que son las n + 1

raı́ces del polinomio de Legendre Pn+1 .

Teorema
Para cada n > 0, la cuadratura gaussiana Gn tiene grado de
exactitud 2n + 1. Más aún, es la única de n + 1 nodos con ese
grado de exactitud.
Cuadratura gaussiana (45)
I Como G0 es la única cuadratura de 1 nodo con grado de
exactitud 1 debe coincidir con la que hallamos
G0 (f) = 2f(0).
I Como G1 es la única cuadratura de 2 nodos con grado de
exactitud 3 debe coincidir con la que hallamos
   
1 1
G1 (f) = f − √ +f √ .
3 3
√ √
3 3
I Como los ceros de P3 son x0 = − √ , x1 = 0 y x2 = √
5 5
entonces
√ ! √ !
3 3
G2 (f) = A0 f − √ + A1 f(0) + A2 f √ .
5 5
Ejercicio: Hallar A0 , A1 y A2 por el método de los coeficientes
indeterminados sabiendo que G2 (xj ) = I(xj ) para j = 0, 1, 2.
Cuadratura gaussiana (46)
I Por ejemplo, la aproximación de la integral
Z1 1
1  π  π π
2
dx = arctan x = − − =
−1 x + 1 4 4 2

x=−1

por la regla de cuadratura gaussiana G1 (de dos nodos) es:

   
1 1
G1 (f) = f − √ +f √
3 3
1 1 1 3
= 2 +  2 =21 = .
3 +1
2
− √13 + 1 √1
3
+1

El error absoluto es ≈ 0,07.

Recordemos que la regla de Simpson (que tiene el mismo
grado de exactitud 3) aproxima la misma integral con un error
≈ 0,09 (con un nodo más).
Cuadratura gaussiana (47)
I Consideramos la regla de cuadratura gaussiana de n + 1
nodos en [−1, 1]:
X
n
Gn (f) = Ai f(xi ).
i=0
I Para obtener la regla de cuadratura guassiana de n + 1 nodos
en un intervalo arbitrario [a, b] debemos utilizar los nodos y
pesos modificados de la siguiente forma:
b−a a+b b−a
x̂i = xi + y Âi = Ai .
2 2 2
I Es decir,

X
n
b−aX
n 
b−a a+b

Ĝn (f) = Âi f(x̂i ) = Ai f xi + .
2 2 2
i=0 i=0
Cuadratura gaussiana (48)
I Por ejemplo, la aproximación de la integral
Zπ
sin x
dx
−π x

mediante una cuadratura gaussiana con 2 nodos es

X1
b−aX
1 
b−a a+b

Âi f(x̂i ) = Ai f xi +
2 2 2
i=0 i=0
X1  
π
 
π

=π Ai f (πxi ) = π f − √ +f √
i=0
3 3
√ √ !
sin(−π/ 3) sin(π/ 3) √ π
=π √ + √ = 2 3 sin √ .
−π/ 3 π/ 3 3
El error absoluto es ≈ 0,342 y el error relativo es ≈ 0,092.
Si hubiésemos aplicado la regla de Simpson, dichos errores
serı́an ≈ 0,485 y ≈ 0,130, respectivamente.
Análisis del error (49)

Teorema
Si f tiene (2n + 2)-ésima derivada continua en [−1, 1] entonces

22n+3 (n + 1)!4 (2n+2)

I(f) − Gn (f) = f (ξ)
(2n + 2)!3 (2n + 3)

para algún ξ ∈ [−1, 1].

Convergencia (50)

Teorema
Si f es una función continua en [−1, 1] → R entonces
Z1
lı́m Gn (f) = f(x) dx.
n→∞ −1

I Esto contrasta con el caso de las reglas de Newton-Cotes

cerradas de n + 1 nodos cuando n → ∞ ya que se puede
demostrar que en este caso las sucesivas cuadraturas pueden
no converger cuando n → ∞.
Convergencia (51)

I Por ejemplo, no hay convergencia para de la reglas de

Newton-Cotes cerradas de n + 1 nodos cuando n → ∞
aplicadas a la función de Runge
1
f(x) =
1 + 25x2
que es una función analı́tica en [−1, 1] (es decir, la fórmula de
Taylor es exacta en un entorno de cada punto de [−1, 1]).
I Para este tipo de funciones, en cambio la convergencia de las
cuadraturas gaussianas es exponencial:
C
|I(f) − Gn (f)| <
kn
para algunos C > 0 y k > 1.