Tema 3

Integraci
on y Derivaci
on
Num
ericas
3.1

Introducci
on

Presentaremos en este tema algunas tecnicas basicas de integraci

on y de derivaci
on
numericas.

3.2

Integraci
on Num
erica

Se llama genericamente Integraci

on Numerica al conjunto de tecnicas y metodos que se
han desarrollado para el calculo aproximado de integrales definidas.
Z

I=

f (x) dx
a

En aquellos casos en los que simplemente se conoce la funcion f (x) por medio de una
tabla de datos, estas tecnicas son absolutamente necesarias si se quiere evaluar la integral de alguna manera. Ademas, aun conociendose la funcion en forma analtica, con
frecuencia es difcil (o incluso imposible) calcular una primitiva de dicha funcion de cara
a aplicar la Regla de Barrow.

3.3

M
etodos de Newton-C
otes

Estudiaremos en esta seccion un tipo de metodos de integraci

on numerica denominados
Metodos de Newton-Cotes. La idea esencial de estos metodos es sustituir la funcion a
integrar por alguno de sus polinomios de interpolacion. Se trata por tanto de toda una
familia general de metodos, seg
un el polinomio de interpolacion que se considere. Aunque
en principio en un metodo general de Newton-Cotes podra ser valida cualquier eleccion
37

38

TEMA 3

de puntos para realizar la interpolacion, es habitual restringirse al caso en el que los

puntos estan equiespaciados. En particular, se denominan Formulas de Newton-Cotes a
las expresiones que se obtienen en tal situacion. Ademas, si los lmites de integraci
on,
a y b, son los puntos primero y u
ltimo de los considerados para calcular los polinomios
de interpolacion, se dice que tenemos Formulas de Newton-Cotes cerradas, mientras que
se llaman Formulas abiertas a aquellas para las cuales no se conocen los valores del
integrando en los extremos.

3.3.1

M
etodo de los Trapecios

El Metodo de los Trapecios es un Metodo de Newton-Cotes basado en la interpolacion

lineal. Se trata por tanto, de cara a integrar f (x) desde el punto (a, f (a)) hasta (b, f (b)),
de aproximar f (x) por su polinomio de interpolacion lineal en [a, b] (ver figura).
f (x) P1 (x) =
y as:

xa
xb
f (a) +
f (b) ,
ab
ba
Z

I=

f (x) dx '
a

P1 (x) dx =

fHxL

x [a, b]

ba
(f (a) + f (b))
2

P1 HxL

x
a

x
a

En definitiva se trata de aproximar el valor de la integral I por el area del trapecio

(suponiendo que la funcion es positiva para todo x [a, b]) que determinan las rectas
x = a, x = b, el eje de abscisas y la recta que une los puntos: (a, f (a)) y (b, f (b)), y de
ah el nombre del metodo.
Si recordamos la expresion del error de la interpolacion lineal, suponiendo que f (x)
es continua y derivable dos veces en el intervalo [a, b]:
(x) = f (x) P1 (x) ;

(x) =

f 00 ()
(x a)(x b),
2

Tendremos entonces que:

Z
I=

f (x)dx =
a

ba
(f (a) + f (b)) + E
2

ab

39

Y DERIVACION
NUMERICAS

INTEGRACION

donde el error de la integracion numerica E ser

a, obviamente:
Z

E=
a

f 00 ()
(x)dx =
2

(x a)(x b) dx
a

Integrando en la expresion anterior, y llamando h = b a, se concluye facilmente en que:

3

h3 00

E = f () |E| M2
12
12
siendo M2 el valor maximo que alcance la derivada segunda de la funcion en el intervalo
dado [a, b].

3.3.2

M
etodo de los Trapecios compuesto

Si el intervalo en el que se realiza la integral es grande, el Metodo de los Trapecios Simple

suele ser muy impreciso. Para mejorar la exactitud, es posible subdividir el intervalo en
otros mas peque
nos y aplicar en cada uno de ellos el Metodo simple.
De esta manera, el Metodo de los Trapecios compuesto o generalizado consiste en
tomar una particion P = {x0 , x1 , . . . , xn } de [a, b], (x0 = a, xn = b), equiespaciada, es
decir: xi+1 xi = h, i = 1, . . . , n. Tendremos as que:
ba
n

h=

Teniendo en cuenta las propiedades basicas de la integral definida:

Z

f (x) dx =
a

x1

f (x)dx +
x0

x2

xn

f (x)dx + . . . +
x1

f (x)dx
xn1

y aplicando a cada integral el Metodo simple:

Z

f (x) dx
a

h
h
h
(f (x0 ) + f (x1 )) + (f (x1 ) + f (x2 )) + . . . + (f (xn1 ) + f (xn )) =
2
2
2

h
(f (x0 ) + 2 (f (x1 ) + f (x2 ) + . . . + f (xn1 )) + f (xn ))
2
Tenemos por tanto la siguiente expresion para el Metodo de los Trapecios Generalizado:

!
Z b
n1
X
h
f (a) + 2
f (xi ) + f (b)
f (x) dx
2
a
=

i=1

En lo que respecta al error de integraci

on, sera evidentemente igual a la suma de los
errores de cada una de las aplicaciones del metodo simple:
E = E1 + E2 + . . . + En =

h3
h2
h3 00
f (1 ) f 00 (2 ) . . . f 00 (n )
12
12
12

40

TEMA 3

si denominamos M2 al maximo de la funcion f 00 (x) en [a, b] tendremos finalmente:

3

h
(b a) 2

E nM2 =
h M2
12
12
donde se ha sustituido |E| = E, dado que habitualmente se considera E como definido
no negativo. Observamos por tanto que al aumentar el n
umero n de subintervalos
(o equivalentemente disminuir la anchura h de los mismos) la precision del metodo se
incrementa en un factor proporcional a h2 .
Ejemplo: Como primer ejemplo plantearemos el calculo de una integral que es facilmente
evaluable de forma exacta, para poder as comprobar directamente la precision del metodo.
Calculemos la integral:
Z 1
xdx
(x
+
1)(x
+ 2)
0
utilizando la regla de los trapecios compuesta con n = 8 subintervalos.
De forma exacta:
Z
I

=
0

x
dx =
(x + 1)(x + 2)

[ ln(x + 1) + 2 ln(x +

0
1
2)]0

1
2
+
x+1 x+2

dx =

= 0.1177830

Donde se ha utilizado:
x
A
B
A(x + 2) + B(x + 1)
=
+
=
(x + 1)(x + 2)
x+1 x+2
(x + 1)(x + 2)
(
x = 1 A = 1
x = A(x + 2) + B(x + 1)
x = 2 B = 2
Utilicemos ahora el Metodo de los Trapecios con n = 8. Dividimos as el intervalo [0, 1] en 8
subintervalos y calculamos los correspondientes valores de la funcion integrando:
x
f (x) =
(x + 1)(x + 2)
x0
0.
f (x0 )
0.

x1
0.125
f (x1 )
0.05228

x2
0.25
f (x2 )
0.08888

x3
0.375
f (x3 )
0.11483

x4
0.5
f (x4 )
0.13333

x5
0.625
f (x5 )
0.14652

x6
0.75
f (x6 )
0.15584

x7
0.875
f (x7 )
0.162319

x8
1.0
f (x8 )
0.16666

De acuerdo con la formula antes deducida:

h
I
[f (x0 ) + 2 (f (x1 ) + f (x2 ) + f (x3 ) + f (x4 ) + f (x5 ) + f (x6 ) + f (x7 )) + f (x8 )]
2
0.125

[0 + 2(0.05228 + 0.0888 + 0.11483 + 0.1333 + 0.14652 + 0.15584 + 0.162319)+

2
+0.1666] 0.117166
Observamos que la aproximacion al resultado exacto es razonablemente buena. En la proxima
seccion completaremos este ejercicio mediante el uso del Metodo de Simpson y comprobaremos
que proporciona una aproximacion todava mejor.

41

Y DERIVACION
NUMERICAS

INTEGRACION

Si realizamos el mismo calculo con un n

umero diferente de subintervalos, se obtienen los siguientes
resultados:
n
n=1
n=2
n=3
n=4
n=5
n = 10
n = 100

3.3.3

In
0.08333
0.108333
0.113492
0.11535
0.11622
0.11739
0.1177791

M
etodo de Simpson

El Metodo de Simpson es un metodo de Newton-Cotes de segundo orden, es decir basado

en integrar un polinomio de interpolacion de segundo grado, de la forma siguiente:
Dada la funcion f (x) en [a, b], necesitaremos un tercer punto para poder calcular un
polinomio de interpolacion de grado dos, tomamos para ello el punto medio de dicho
ba
intervalo, es decir: xm = a+b
2 , y denominaremos h = 2 a la semianchura del intervalo. De esta forma el polinomio de interpolacion de grado 2 que pasa por (a, f (a)),
(xm , f (xm )) y (b, f (b)), calculado por el Metodo de Newton, sera:
P2 (x) = f (a) +

f (a) + f (b) 2f (xm )

f (xm ) f (a)
(x a) +
(x a)(x xm )
h
2h2

No es difcil calcular la integral de P2 (x) entre a y b, de manera que se obtiene:

Z b
Z b
h
f (x) dx
P2 (x) dx = (f (a) + 4f (xm ) + f (b))
3
a
a
que es la formula del Metodo de Simpson (o Metodo de Simpson simple).
Analizaremos a continuacion el error que se comete en esta aproximaci
on. Como
veremos, se obtiene un resultado diferente al que podramos intuir a primera vista.
El error, obviamente, sera:
Z b

h
E =
f (x) dx (f (a) + 4f (xm ) + f (b))
3
a
y para obtener una expresion sencilla E vamos a utilizar, en este caso1 , el desarrollo de
Taylor de la funcion f (x), suponiendo que f (x) es derivable al menos cuatro veces en un
abierto que contenga a [a, b].
1

Es interesante comprobar que la tecnica utilizada en el Metodo de los Trapecios para deducir el
error en la integraci
on numerica es ahora inservible, pues proporciona aparentemente que el error es
siempre nulo. Ver secci
on siguiente.

42

TEMA 3

En tal situacion, apliquemos la formula de Taylor a la funcion f (x) en x = xm hasta

tercer orden:
f (x) = P3 (x) + R4 (x) =
f 000 (xm )
f 00 (xm )
(x xm )2 +
(x xm )3 + R4 (x)
2
3!
El resto de Taylor, R4 (x), escrito en forma de Lagrange, sera:
= f (xm ) + f 0 (xm )(x xm ) +

f (4) ()
(x xm )4
4!
Teniendo en cuenta este resultado, f (a) y f (b) pueden escribirse de la forma:
R4 (x) =

f 00 (xm )
f 000 (xm )
f (4) ()
(h)2 +
(h)3 +
(h)4
2
3!
4!
f 00 (xm ) 2 f 000 (xm ) 3 f (4) () 4
f (b) = f (xm + h) = f (xm ) + f 0 (xm )h +
h +
h +
h
2
3!
4!
y as tendremos:

h
h
1
(f (a) + 4f (xm ) + f (b)) =
6f (xm ) + f 00 (xm )h2 + f (4) ()h4 =
3
3
12
00
f (xm ) 3
1
= 2hf (xm ) +
h + f (4) ()h5
3
36
Por su parte, la integral exacta tambien puede ser escrita en terminos del polinomio de
Taylor y del resto:
Z b
Z b
f 00 (xm ) 3 f (4) () 5
f (x)dx =
(P3 (x) + R4 (x)) dx = 2hf (xm ) +
h +
h
3
60
a
a
f (a) = f (xm h) = f (xm ) + f 0 (xm )(h) +

tras simplifcar los resultados. Finalmente el error de integraci

on sera:

(4)

Z b
f () 5 f (4) () 5 1 (4)

h
5

h
h = f () h
E=
f (x)dx (f (a) + 4f (xm ) + f (b)) =
60

3
36
90
a
Si denominamos M4 al valor maximo alcanza la derivada cuarta de la funcion en el
intervalo [a, b], tendremos finalmente:

1 5
b a 4

E h M4 =
h M4
90
180
Una curiosa consecuencia de este resultado es que si tenemos que integrar un polinomio
de grado 3, la integracion exacta por la regla de Barrow y la aproximada por el
Metodo de Simpson (independientemente de la anchura del intervalo) coinciden, el error
es exactamente cero, dado que la derivada cuarta de un polinomio de grado tres es nula
(no olvidemos que el metodo de Simpson se basa en integrar un polinomio de grado 2,
diferente por tanto al integrando, polinomio de grado 3).
Una explicacion grafica de este resultado la observamos en la Figura 6.1.

43

Y DERIVACION
NUMERICAS

INTEGRACION

xm

Figura 3.1: Grafica de un polinomio de grado 3 en un intervalo [a, b] y del correspondiente

polinomio de grado dos (en gris) que interpola los puntos de abscisa a, xm y b. Puede observarse
como el error de interpolaci
on (por defecto) entre a y xm es identico al error (por exceso) entre
xm y b.

M
etodo cuadr
atico general
En el apartado anterior se ha planteado el Metodo de Simpson como un Metodo de
Newton-Cotes de orden dos (cuadratico) tal que se considera en la interpolacion, ademas
de los puntos inicial y final del intervalo, es decir: (a, f (a)) y (b, f (b)), el punto medio
de dicho intervalo: xm = a+b
2 (xm , f (xm )), con h = b xm = xm a. De manera
general, si se toman los puntos {(a, f (a)), (p, f (p)), (b, f (b))}, con a < p < b, tendremos:
Z b
Z b
f (x) dx
P2 (x) dx
a

siendo P2 (x) el polinomio de interpolacion cuadratico determinado por los tres puntos
citados:
P2 (x) = f (a) + y01 (x a) + y012 (x a)(x p)
con

f (p) f (a)
f (b) f (p)
y12 y01
,
y12 =
,
y012 =
pa
bp
ba
El resultado de la integracion, para este caso, es:
Z b

h1 + h2
f (x) dx
(2h1 h2 )h2 f (a) + (h1 + h2 )2 f (p) + (2h2 h1 )h1 f (b)
6h1 h2
a
y01 =

siendo h1 = p a y h2 = b p. Evidentemente, en el caso h1 = h2 = h, es decir, si p es

exactamente el punto medio, se recupera la expresion calculada en el apartado anterior
para el Metodo de Simpson.
En lo que respecta al error, tendremos:
Z b
Z b 000
f ()
E=
(x) dx =
(x a)(x p)(x b) dx
3!
a
a

44

TEMA 3

siendo (a, b). El resultado de la integraci

on nos proporciona la expresion:
E=

f 000 ()
(b a)3 (h1 h2 )
72

que explica la razon por la cual en el Metodo de Simpson el error deba expresarse en
terminos de la derivada cuarta de la funcion, dado que la formula anterior se hace nula
para el caso h1 = h2 . Evidentemente esto no significa que el error en el Metodo sea cero,
sino que no es posible expresar el error, para el Metodo de Simpson, como una cantidad
proporcional a un valor de la derivada tercera de la funcion.

3.3.4

M
etodo de Simpson Compuesto

De manera analoga a lo expuesto para el Metodo de los Trapecios, es posible generalizar

(mejorando la precision) el Metodo de Simpson por medio de la subdivision del intervalo
dado en otros mas reducidos.
Partiremos el intervalo [a, b] en n subintervalos equiespaciados de anchura h = ba
n ,
tenemos as la particion: {x0 , x1 , . . . , xn }, en la que tomaremos necesariamente que n
sea un n
umero par. De esta forma podremos aplicar el Metodo de Simpson simple a las
sucesivas n2 parejas de subintervalos determinadas por la particion. Para ello separamos
la integral:
Z

x2

f (x) dx =
a

x4

f (x)dx +

xn

f (x)dx + . . . +
x2

f (x)dx
xn2

y los puntos x1 , x3 , . . . , xn1 representar

an el papel de puntos medios en cada una de
las aplicaciones sucesivas del metodo simple, mientras que x0 , x2 , . . . , xn son los puntos
iniciales y finales en cada caso.
Z

f (x) dx
a

h
h
(f (a) + 4f (x1 ) + f (x2 )) + (f (x2 ) + 4f (x3 ) + f (x4 )) + . . .
3
2

que podemos escribir de forma compacta en la forma:

Z

f (x) dx
a

h
(f (a) + 4I + 2P + f (b))
3

donde I y P representan las sumas:

n1
X

I=

f (xi ) = f (x1 ) + f (x3 ) + . . . + f (xn1 )

i=1, impares

P =

n2
X
i=2, pares

f (xi ) = f (x2 ) + f (x4 ) + . . . + f (xn2 )

45

Y DERIVACION
NUMERICAS

INTEGRACION

Para el analisis del error, tenemos que en cada uno de los

n
2

pasos:

E M4
90
y as el error de integracion en el Metodo compuesto vendr
a dado por:
5
5

n
h
h n

1
2
2

E
M4 + M4 + ... + M4
M4
90
90 2
donde se denota M4i a los maximos de la derivada cuarta en cada aplicacion del metodo
simple y M4 al maximo de la derivada cuarta en todo el intervalo [a, b].
Concluimos por tanto en la expresion:

b a 4

h M4
E
180
Dado que el error en el Metodo de los Trapecios estaba acotado por una expresion que
dependa de h2 , y que ahora, en el Metodo de Simpson, obtenemos que la dependencia
es en h4 , en principio la precision del este u
ltimo sera mayor que la del primero.
Ejemplo. Repetiremos el ejemplo anterior utilizando ahora el Metodo de Simpson compuesto,
con n = 8.

Z
0

x dx
(x + 1)(x + 2)

La tabla de valores antes obtenida era:

x0
0.
f (x0 )
0.

x1
0.125
f (x1 )
0.05228

x2
0.25
f (x2 )
0.08888

x3
0.375
f (x3 )
0.11483

x4
0.5
f (x4 )
0.13333

x5
0.625
f (x5 )
0.14652

x6
0.75
f (x6 )
0.15584

x7
0.875
f (x7 )
0.162319

x8
1.0
f (x8 )
0.16666

de manera que
I

h
[f (x0 ) + 4 (f (x1 ) + f (x3 ) + f (x5 ) + f (x7 )) + 2 (f (x2 ) + f (x4 ) + f (x6 )) + f (x8 )]
3
0.125

[4(0.05228 + 0.11483 + 0.14652 + 0.162319) + 2(0.0888 + 0.1333 + 0.15584) + 0.1666]

3
0.117773

que como vemos es un valor mas cercano al obtenido de manera exacta que el calculado por
Metodo de los Trapecios, 0.117166.
Para otros valores de n:

46

TEMA 3

n
n=1
n=2
n=3
n=4
n=5
n=6
n=8
n = 10
n = 100

I(Trapecios)
0.08333
0.108333
0.113492
0.11535
0.11622

0.11739
0.1177791

I(Simpson)
0.116667
0.117689
0.117763
0.117776
0.11778
0.117783

Ejemplo. Calcular un valor aproximado, con un error menor a 0.003, de la integral

Z

ex dx

0
2

Antes de comenzar el ejercicio conviene recordar que la funcion f (x) = ex no posee ninguna
funcion primitiva que pueda expresarse en terminos de funciones conocidas. El uso de un metodo
numerico es por tanto, en este caso, obligado.
Si aplicamos el Metodo de Simpson, el error vendra dado por la expresion:

h4

E (b a)
M4 , M4 f (4) (x) , x [0, 1]
180
Calcularemos as las cuatro primera derivadas de f (x):
2

f 00 (x) = 2(1 + 2x2 )ex

f 0 (x) = 2xex ,
2

f 000 (x) = 4(3x + 2x3 )ex ,

f (iv) (x) = 4(4x4 + 12x2 + 3)ex

No es difcil observar que para x [0, 1] se tiene que f (iv) (x) es creciente, de modo que el maximo
valor de dicha funcion coincide con el valor en x = 1, esto es, f (iv) (1) = 4e1 (4+12+3) < 4319 =
228, por lo que consideraremos que M4 228. Probemos ahora, para diferentes valores de n:

E(2) 0.0791
5
19
(b a)
E(n)
228
=
E(4) 0.0049

180n4
15n4
E(6) 0.0010
de manera que tomaremos n = 6 h = 16 , y estara garantizada la precision pedida.
xi
=
f (xi )
=

x0
0.
f (x0 )
1.

x1
1/6
f (x1 )
1.02817

x2
1/3
f (x2 )
1.11752

x3
1/2
f (x3 )
1.28403

x4
2/3
f (x4 )
1.55962

x5
5/6
f (x5 )
2.0026

x6
1.
f (x6 )
2.71828

Finalmente:
I

h
[f (x0 ) + 4 (f (x1 ) + f (x3 ) + f (x5 )) + 2 (f (x2 ) + f (x4 )) + f (x6 )]
3
1/6
[1 + 4(1.02817 + 1.28403 + 2.0026) + 2(1.11752 + 1.55962) + 2.71828]
3
1.4628

47

Y DERIVACION
NUMERICAS

INTEGRACION

Ejemplo. Una cuerda vibra adoptando la forma: y = sen x, entre las abscisas x = 0 y x = 4
en un instante t0 . Calc
ulese aproximadamente la longitud de la cuerda, utilizando un metodo
numerico con n = 8.
Dado que tenemos que calcular la longitud determinada por la grafica de la funcion f (x) = sen x,
entre x = 0 y x = 4, aplicaremos la formula:
Z bp
Z 4p
0
2
L=
1 + (f (x)) dx =
1 + cos2 xdx
a

Calcularemos esta integral por el Metodo de Simpson con n = 8 h = 0.5.

p
g(x) = 1 + cos2 x

xi
=
g(xi )
=

x0
0.
g(x0 )
1.41421

x1
0.5
g(x1 )
1.33047

x2
1.0
g(x2 )
1.13663

x3
1.5
g(x3 )
1.0025

x4
2.0
g(x4 )
1.08313

x5
2.5
g(x5 )
1.28134

x6
3.0
g(x6 )
1.40715

x7
3.5
g(x7 )
1.37002

x8
4.0
g(x8 )
1.19468

h
[g(x0 ) + 4 (g(x1 ) + g(x3 ) + g(x5 ) + g(x7 )) + 2 (g(x2 ) + g(x4 ) + g(x6 )) + g(x8 )]
3
0.5
[1.41421 + 4(1.33047 + 1.0025 + 1.28134 + 1.37002)+

3
+ 2(1.13663 + 1.08313 + 1.40715) + 1.19468] 4.96667

Es posible calcular de forma mas precisa, por otros metodos, este resultado, obteniendose:
4.966615, por lo que deducimos que el Metodo de Simpson proporciona un valor muy correcto
en este caso.

Ejemplo. Un agricultor desea conocer la superficie aproximada de un prado limitado por una
carretera, dos caminos perpendiculares a ella y la ribera de un ro, de manera que si colocamos
unos ejes cartesianos sobre la carretera (eje OX) y uno de los caminos (eje OY, abscisa x = 0),
el segundo camino sera la recta vertical x = 2 (unidades en cientos de metros). Se toman varias
medidas desde la carretera hasta la ribera, obteniendose las siguientes coordenadas para los
puntos de la ribera: (0, 1.5), (0.5, 1.8), (1, 2.1), (1.5, 1.75), (2, 1.3).
Calcular aproximadamente el area de dicho terreno utilizando las reglas de los trapecios y
de Simpson. Determinar el area si extendemos el terreno hasta la abscisa x = 2.5 sabiendo que
el ro en tal caso pasa por el punto (2.5, 1.1).
En este caso desconocemos la funcion de forma explcita, teniendo en cuenta tan solo los
valores de la tabla que nos han sido facilitados. Se tiene:
xi
=
f (xi )
=

x0
0.
f (x0 )
1.5

x1
0.5
f (x1 )
1.8

x2
1.0
f (x2 )
2.1

x3
1.5
f (x3 )
1.75

x4
2.0
f (x4 )
1.3

48

TEMA 3

de modo que usando el metodo de los trapecios podemos escribir

I1

h
[f (x0 ) + 2 (f (x1 ) + f (x2 ) + f (x3 )) + f (x4 )]
2
0.5
[1.5 + 2(1.8 + 2.1 + 1.75) + 1.3]
2
3.4333

mientras que si usamos el metodo de Simpson se llega a

I2

h
[f (x0 ) + 4 (f (x1 ) + f (x3 )) + 2 (f (x2 )) + f (x4 )]
3
0.5
[1.5 + 4(1.8 + 1.75) + 2(2.1) + 1.3]
3
3.5333

Si se a
nade un nuevo punto, la tabla sera:
xi
=
f (xi )
=

x0
0.
f (x0 )
1.5

x1
0.5
f (x1 )
1.8

x2
1.0
f (x2 )
2.1

x3
1.5
f (x3 )
1.75

x4
2.0
f (x4 )
1.3

x5
2.5
f (x5 )
1.1

Ahora la regla de los trapecios proporcionara:

I

h
[f (x0 ) + 2 (f (x1 ) + f (x2 ) + f (x3 ) + f (x4 )) + f (x5 )]
2
0.5

[1.5 + 2(1.8 + 2.1 + 1.75 + 1.3) + 1.1]

2
4.125

mientras que si el metodo de Simpson no es aplicable de forma directa dado que estamos considerando un n
umero impar de subintervalos en este caso. Lo que podemos hacer es considerar
el Metodo de Simpson para los 4 subintervalos primeros y estimar la integral en el quinto subintervalo mediante el Metodo de los Trapecios. As queda
I = I2 + I 0 = 3.5333 +

3.3.5

M
etodo de Simpson

0.5
(1.3 + 1.1) 4.13333
2

3
8

Aunque lo habitual el denominar Metodo de Simpson al que ha sido expuesto en los

apartados anteriores, es tambien frecuente llamar Metodo de Simpson al caso en el que
se integra un polinomio de interpolacion de grado tres. En tal situacion se llama Metodo
ubico que
de Simpson 13 al anteriormente expuesto y Metodo de Simpson 38 al de tipo c
presentaremos ahora.
Repitiendo los razonamiento desarrollados para el caso anterior, pero ahora tomando
tres subintervalos de igual anchura para partir [a, b], es decir los puntos:
{(a, f (a)), (a + h, f (a + h)), (a + 2h, f (a + 2h)), (b, f (b)) }

49

Y DERIVACION
NUMERICAS

INTEGRACION

donde h =

ba
3 ,

tendremos que la integral de f (x) puede ser aproximada por la expresion:

f (x) dx
a

3h
(f (a) + 3 (f (a + h) + f (a + 2h)) + f (b))
8

El analisis del error nos conduce a que en este caso:

3 5
b a 4

E h M4 =
h M4
80
80
por lo que, salvo constantes, el orden de precision (h4 ) es el mismo que en el Metodo
de Simpson 31 . La principal novedad que aporta este metodo es que es aplicable en el
caso de tener un n
umero de subintervalos igual a 3 (o en general a cualquier m
ultiplo
de tres). Por esta razon, si se dispone de un n
umero impar de intervalos dados y no se
desea aplicar el Metodo de los Trapecios, es posible aplicar el Metodo de Simpson 83 a
los tres primeros (o los tres u
ltimos) subintervalos, y el Metodo de Simpson 13 al resto
(que obviamente ya es un n
umero par).

3.3.6

F
ormulas de Newton-C
otes cerradas y abiertas

Tal y como hemos visto, el Metodo de los Trapecios, el Metodo de Simpson y el Metodo
de Simpson 38 son casos particulares de los Metodos de Newton-Cotes, para puntos
equiespaciados, de orden uno, dos y tres respectivamente.
De manera general se llaman Formulas de Newton-Cotes cerradas a las que se obtienen integrando polinomios de interpolacion para puntos equiespaciados desde x0 = a
hasta xn = b. Su expresion general es:
Z b
f (x) dx = h (w0 y0 + w1 y1 + . . . + wn yn ) + E
a

donde y w0 , . . . , wn son constantes (estas u

ltimas reciben el nombre de pesos).
En la siguiente tabla se detallan las constantes y la expresion del error correspondientes a varios ordenes diferentes (notese que los tres primeros casos son los ya calculados:
Trapecios, Simpson y Simpson 38 ):
Constantes, Pesos y Error para las Formulas de Newton-Cotes cerradas

n
1
2
3
4
5
6

1
2
1
3
3
8
2
45
5
288
1
140

wj ,

j = 0, 1, . . . , n
1 1
1 4 1
1 3 3 1
7 32 12 32 7
19 75 50 50 75 19
41 216 27 272 27 216 41

E
3
h12 f 00 ()
5
h90 f (4) ()
5
(4)
3h
()
80 f
7
8h
(6)
945 f ()
7
(6)
()
275h
12096 f
9
9h
(8)
1400 f ()

50

TEMA 3

Por su parte, las Formulas de Newton-Cotes abiertas se construyen de la siguiente

manera:
Caso n = 1. Supongamos que queremos integrar la funcion f (x) entre a y b integrando
un polinomio de interpolacion de grado uno, pero sin utilizar los valores f (a) y f (b)
(por no ser conocidos, o por cualquier otra razon). Elegiremos as dos puntos, x1 y x2 ,
de tal manera que la particion {a = x0 , x1 , x2 , b = x3 } sea equiespaciada, con h = ba
3 ,
y calcularemos la integral, entre a y b, del polinomio de interpolacion que pasa por
(x1 , f (x1 )) y (x2 , f (x2 )). Se obtiene as la Formula de Newton-Cotes abierta de orden 1:

Z b
Z b
Z b
3h
y2 y1
f (x) dx
P1 (x) dx =
y1 +
(x x1 ) dx =
(y1 + y2 )
x2 x1
2
a
a
a
con y1 = f (x1 ) e y2 = f (x2 ).
Caso n = 2. Para el caso de polinomios de interpolacion grado 2, un razonamiento
similar nos lleva a la formula:
Z b
4h
f (x) dx
(2y1 y2 + 2y3 )
3
a
siendo ahora la particion: {a = x0 , x1 , x2 , x3 , x4 = b}, con h = ba
4 .
Podemos escribir entonces, de manera general:
Z b
f (x) dx = h (w1 y1 + . . . + wn+1 yn+1 ) + E
a

ba
n+2 ,

siendo h =
y denotando E el error de integraci
on. En la siguiente tabla se muestran
los pesos para los primeros casos.
Constantes, Pesos y Error para las Formulas de Newton-Cotes abiertas

n
1
2
3
4
5
6

3
2
4
3
5
24
6
20
7
1440
8
945

wj ,

j = 1, . . . , n + 1
1 1
2 -1 2
11 1 1 11
11 -14 26 -14 11
611 -453 562 562 -453 611
460 -954 2196 -2459 2196 -954 460

E
h3 00
4 f ()
28h5 (4)
()
90 f
95h5 (4)
()
144 f
41h7 (6)
()
140 f
5257h7 (6)
()
8640 f
3956h9 (8)
()
14175 f

Si se compara el error de las Formulas cerradas y abiertas para un mismo orden, se

observa que el de la formula abierta es considerablemente mayor, por lo que la utilidad de
estas formulas se reduce al caso en el que desconocen los valores de la funcion integrando
en los extremos de integracion. Finalmente, observando la tabla anterior vemos que
para ordenes altos los pesos son cantidades considerablemente grandes y con cambios de
signo. Teniendo en cuenta que de manera general la resta de cantidades grandes genera
bastantes errores de redondeo, no es aconsejable utilizar Formulas abiertas de grados
altos.

51

Y DERIVACION
NUMERICAS

INTEGRACION

3.4

Cuadraturas de Gauss

A diferencia de las Formulas de Newton-Cotes, que utilizan una particion equiespaciada

del intervalo de integracion fijada a priori, las diferentes tecnicas de Cuadraturas de
Gauss se basan en determinar una serie de puntos del intervalo de tal manera que
se optimice tanto la precision como el gasto computacional requerido, de hecho la
precision de las cuadraturas gaussianas es aproximadamente el doble de la obtenida con
una Formula de Newton-Cotes cerrada que utilice el mismo n
umero de puntos.

Cuadraturas de Gauss-Legendre
La idea fundamental de este metodo es la siguiente: Se trata de plantear una expresion
de la forma:
Z 1
f (x) dx w1 f (x1 ) + . . . + wn f (xn )
1

donde los nodos x1 , . . . , xn sean puntos del intervalo [1, 1] (en principio desconocidos)
y de tal manera que resulte exacta para el caso de que f (x) sea un polinomio de grado
menor o igual que 2n 1.
Analizaremos de entrada el caso mas sencillo, con n = 2. Sean x1 y x2 los nodos y w1 y
w2 los correspondientes pesos, tendremos:
Z 1
f (x) dx = w1 f (x1 ) + w2 f (x2 ) + E
1

y la formula ha de ser exacta para polinomios de grado menor o igual que tres. Si
integramos de forma exacta los monomios: 1, x, x2 y x3 , tendremos:
2
= w1 x21 + w2 x22 , 0 = w1 x31 + w2 x32
3
puesto que el error de integracion E ha de ser nulo en estos casos. Las cuatro ecuaciones
que hemos obtenido son faciles de resolver, y se obtiene:
2 = w1 + w2 ,

0 = w1 x1 + w2 x2 ,

w1 = w2 = 1 ;
Tendremos as la formula:
Z 1

f (x) dx = f

1
x1 = ,
3
1

1
x2 =
3

+f

+E

de la cuadratura gaussiana de orden n = 2 (por depender de dos puntos del intervalo).

Para el caso en el que la integral que queramos calcular tenga lmites de integraci
on
diferentes a los dados en la formula anterior, siempre es posible redefinir la variable en
la forma siguiente:
Z
Z b
ba 1
f (x) dx
f (t) dt =
2
1
a

52

TEMA 3

siendo:
2t a b
ba
x=
dt =
dx ,
ba
2
Ejemplo: Calculemos la integral

f(x) = f

(b a)x + (a + b)
2

sen t2 dt

usando la cuadratura de Gauss con n = 2.

Realizamos en primer lugar el cambio de variable:
2

Z 2
Z
dx
1 1
x+3

dx
x = 2t 3 , dt =
sen t2 dt =
sen
2
2 1
2
1
Y as tendremos:
Z

1
!2
!2
1
+3
3 + 3
1
3
0.4685
sen t2 dt sen
+ sen
2
2
2

Si se calcula dicha integral por medios mas precisos se obtiene un valor de 0.49450, lo que indica
que la cuadratura gaussiana es bastante aceptable en este caso (sobre todo si se compara con el
resultado obtenido por el metodo de los trapecios o de Simpson).

De manera general, si queremos establecer una formula para la integral:

Z 1
f (x) dx w1 f (x1 ) + . . . + wn f (xn )
1

que dependa tan solo del valor de la funcion f (x) en n puntos del intervalo [1, 1],
(x1 , . . . , xn ) y tal que sea exacta para el caso de polinomios de grado 2n 1, es posible
repetir el razonamiento anterior y obtener los correspondientes pesos y nodos. El resultado que se obtiene es el siguiente: Los nodos seran, para cada valor de n, las races del
correspondiente polinomio de Legendre de grado n:
P0 (x) = 1 ,

P1 (x) = x ,

1
P2 (x) = (3x2 1) ,
2

1
P3 (x) = (5x3 3x) , . . .
2

1
((2n 1)x Pn1 (x) + (n 1) Pn2 (x))
n
Mientras que los pesos se corresponden con la expresion:

Z 1
n
Y
x

x
j

wi =
dx
x

x
i
j
1
Pn (x) =

j=1,j6=i

Estas formulas de cuadratura gaussiana suelen denominarse cuadraturas de GaussLegendre, dado que los polinomios relevantes para el calculo son precsamente los de
Legendre.

53

Y DERIVACION
NUMERICAS

INTEGRACION

Otras Cuadraturas de Gauss

Cuadraturas de Gauss-Hermite: De manera analoga a lo expuesto en la seccion anterior,
nos plantearemos ahora una formula de cuadratura para integrales de la forma:
Z
2
ex f (x) dx

de tal forma que la formula de la cuadratura:

Z
2
ex f (x) dx w1 f (x1 ) + . . . + wn f (xn )

sea exacta en el caso de que f (x) sea un polinomio de grado menor o igual que 2n 1.
Razonamientos analogos a los antes expuestos conducen a que en este caso los nodos:
x1 , . . . , xn , sean las races del polinomio de Hermite de grado n correspondiente.
H0 (x) = 1 ,

H1 (x) = 2x ,

H2 (x) = 4x2 2 ,

H3 (x) = 8x3 12x

Hn+1 (x) = 2xHn (x) 2nHn1 (x)

Cuadraturas de Gauss-Laguerre: Para integrales de la forma:
Z
ex f (x) dx w1 f (x1 ) + . . . + wn f (xn )
0

Los nodos son ahora las races de los polinomios de Laguerre:

L0 (x) = 1 ,

L1 (x) = 1 x ,

Ln+1 (x) =

1
L2 (x) = (x2 4x + 2)
2

1
((2n + 1 x)Ln (x) n Ln1 (x))
n+1

Cuadraturas de Gauss-Chebyshev: Finalmente la formula

Z 1
f (x)

dx w1 f (x1 ) + . . . + wn f (xn )
1 x2
1
conduce (imponiendo, al igual que en los casos anteriores, que sea exacta para polinomios
de grado 2n 1) a que los nodos han de ser las races de los polinomios de Chebyshev:
T0 (x) = 1 ,

T1 (x) = x ,

T2 (x) = 2x2 1 , . . . ,

Tn+1 (x) = 2x Tn (x) Tn1 (x)

Las races pueden expresarse en terminos sencillos:

k 12
, k = 1, . . . , n
n
mientras que para este caso los pesos resultan ser wi = n , i = 1, . . . , n. Por tanto la
formula de la cuadratura se reduce en este caso a:
Z 1
f (x)

dx (f (x1 ) + . . . + f (xn ))
2
n
1x
1
xk = cos

54

TEMA 3

3.5

Derivaci
on Num
erica

La derivacion o diferenciacion numerica consiste en evaluar derivadas de una funcion

usando u
nicamente los valores que toma la funcion en una serie de puntos. La tecnica
de aproximar las derivadas por diferencias tiene muchas aplicaciones, en particular a la
resolucion numerica de ecuaciones diferenciales y ecuaciones en derivadas parciales.
Si recordamos la definicion de derivada de una funcion f (x) en un punto x:
f (x + h) f (x)
h0
h

f 0 (x) = lim

tendremos que una primera aproximaci

on al valor de f 0 (x) lo tendremos con la expresion:
f 0 (x)

f (x + h) f (x)
h

De cara a analizar el error de la aproximaci

on, supongamos que f (x) es derivable dos
veces en un entorno del punto x y apliquemos la Formula de Taylor a f (x + h) en x:
f (x + h) = f (x) + f 0 (x) h +

f 00 () 2
h
2

para alg
un (x, x + h). Despejando tendremos:
f 0 (x) =

f 00 ()
f (x + h) f (x)

h
h
2

De manera que la aproximacion lleva asociado un error proporcional a h y a la derivada

segunda de la funcion en un punto indeterminado. Denominando M2 al maximo que
alcance f 00 (x) en [x, x + h] tendremos:

f (x + h) f (x)
0

f (x)
, M2
h
2
Una aproximacion similar se obtiene desarrollando la funcion f (x h):

f (x) f (x h)
0
f (x)
, M2
h
2
Es posible, sin embargo, mejorar la precision de la siguiente manera: Consideremos
los polinomios de Taylor de las funciones f (x + h) y f (x h), suponiendo que la funcion
es al menos tres veces derivable:
f 00 (x) 2 f 000 (1 ) 3
h +
h
2
6
f 00 (x) 2 f 000 (2 ) 3
h
h
f (x h) = f (x) f 0 (x) h +
2
6
f (x + h) = f (x) + f 0 (x) h +

 Y DERIVACION
NUMERICAS

INTEGRACION

55

Si restamos ambas expresiones y despejamos tendremos:

f (x + h) f (x h)
h2 000
f 0 (x) =

f (1 ) + f 000 (2 )
2h
12
de manera que la aproximacion (a veces denominada aproximaci
on central) tendra aso2
ciado un error proporcional a h :

2
h

f (x + h) f (x h)
0

f (x)
, M3
2h
12
siendo M3 el maximo de la derivada tercera en [x h, x + h].
De manera analoga se obtiene una aproximaci
on para la derivada segunda:
2

f (x + h) 2f (x) + f (x h)
00

,
M4
f (x)
2
h
12
Es interesante comentar que con las formulas anteriores pueden aparecer graves errores
de redondeo, sobre todo si los datos de la funcion no se conocen con demasiada precision
y ademas h es muy peque
na, debido a las sustracciones que es necesario realizar (y los
errores de redondeo que suelen llevar aparejados).
Existen otros metodos de derivaci
on numerica que no estudiaremos en esta asignatura
dado el tiempo limitado de que disponemos. Ver por ejemplo: Kincaid y Cheney,
Analisis Numerico, captulo 7, o Nakamura, Applied Numerical Methods with software, captulo 5.
Ejemplo: Calcular la derivada primera de f (x) = tan x en x = 1 por los metodos anteriores,
usando h = 0.1, 0.05 y 0.02. Calcular el error (en porcentaje) comparando con el valor exacto:
f 0 (1) = cos2 1 = 3.425518821.
h = 0.1
tan(1 + 0.1) tan(1)
f 0 (1)
= 4.0735 , 18.9%
0.1
tan(1) tan(1 0.1)
f 0 (1)
= 2.9724 , 13.2%
0.1
tan(1 + 0.1) tan(1 0.1)
f 0 (1)
= 3.5230 , 2.8%
0.2
h = 0.05
tan(1 + 0.05) tan(1)
f 0 (1)
= 3.7181 , 8.5%
0.05
tan(1) tan(1 0.05)
= 3.1805 , 7.1%
f 0 (1)
0.05
tan(1 + 0.05) tan(1 0.05)
f 0 (1)
= 3.4493 , 0.69%
0.1
h = 0.02
tan(1 + 0.02) tan(1)
f 0 (1)
= 3.5361 , 3.2%
0.02
tan(1) tan(1 0.02)
f 0 (1)
= 3.3224 , 3.0%
0.02
tan(1 + 0.02) tan(1 0.02)
= 3.4293 , 0.11%
f 0 (1)
0.04