Diferenciación e
integración numérica
Motivación
• Definición del diccionario de diferencias: marcar por diferencias,
distinguir, percibir la diferencia en o entre
• En el contexto de las matemáticas, LA DERIVADA que sirve como
vehículo fundamental para la diferenciación, representa la razón de
cambio de una variable dependiente con respecto a una
independiente
• La definición matemática de la derivada empieza con una
aproximación por diferencias
Δy f ( xi + Δx ) − f ( xi )
=
Δx Δx
• Si se permite que Δx se aproxime a cero la diferencia se convierte
en una derivada
dy f ( xi + Δx ) − f (xi )
= lim
dx Δx→0 Δx
Motivación
• En cálculo el proceso inverso de la diferenciación es la integración
• Definición del diccionario de integrar: llevar junto, como partes, en
un todo; unir; indicar la cantidad total
• Matemáticamente, la integración se representa por
b
Æ integral de la función f(x) con respecto a la variable
I = f ( x )dx
∫ independiente x, evaluada entre los límites a y b
a
• La integral es el valor total, o sumatoria de f(x)dx sobre el rango x=a
hasta b
• Para funciones que están por encima del eje x, la integral
corresponde al área bajo la curva de f(x) en a y b
Motivación
• La discriminación de la diferenciación y el llevar junto de la
integración se vinculan en forma estrecha con procesos que están
inversamente relacionados
• Por ejemplo, si se tiene una función dada y(t) que específica la
posición de un objeto como función del tiempo, la diferenciación
proporciona un medio para determinar su velocidad,
dy (t )
v(t ) =
dt
• De manera inversa, si se tiene la velocidad como función del
tiempo, la integración se usará para determinar su posición
t
y (t ) = ∫ v(t )dt
0
Motivación
• De esta manera, podemos generalizar que la evaluación de la
integral b
I = ∫ f ( x )dx
a
es equivalente a resolver la ecuación diferencial
= f (x )
dy
dx
para una y(b) dada la condición inicial y(a) = 0
Métodos empleados antes de la era de las
computadoras
• La función que será diferenciada o integrada estará usualmente en
una de las siguientes tres formas:
1. Una función simple continua tal como un polinomio, una
exponencial, o trigonométrica
2. Una función continua complicada que es difícil o imposible de
diferenciar o integrar de manera directa
3. Una función tabulada donde los valores de x y f(x) están dados en
un número de puntos discretos (datos experimentales)
• En los casos 2 y 3 se deben usar métodos aproximados
Métodos empleados antes de la era de las
computadoras
Diferenciación gráfica por áreas desiguales
• Se tabulan los datos (x,y), para cada intervalo se calcula una
diferencia dividida simple Δy/Δx para estimar la pendiente
• Estos valores se grafican como una curva de paso contra x
• Luego, se dibuja una curva suave que intenta aproximar el área
bajo la curva de pasos, equilibrando las áreas negativas y positivas
• Las derivadas para valores dados de x pueden leerse de la curva
Métodos empleados antes de la era de las
computadoras
x Y Δy/Δx 70
0 0 66,7 60
3 200 50 50
40
6 350 40
30
9 470 30
20
15 650 23.3 10
18 720 0
0 2 4 6 8 10 12 14 16 18 20
x Δy/dx
0 76.5
3 57.5
6 45
9 36.25
15 25
18 21.5
Métodos empleados antes de la era de las
computadoras
Integración gráfica
• Se gráfica la función sobre una cuadricula y se cuentan el número
de cuadros que aproximan el área
• En número de cuadros multiplicado por el área de los cuadros es
una aproximación del área bajo la curva
Barras
• Se divide el área en barras verticales, con una altura igual al valor
de la función en el punto medio de cada barra. La suma del área de
los rectángulos es una aproximación del área bajo la curva
Diferenciación numérica
• De la expansión de la serie de Taylor hasta el término de primer orden
f (xi +1 ) = f ( xi ) + f ' (xi )(xi +1 − xi ) + R1
• Se puede obtener la primera diferencia hacia delante
f ( xi +1 ) − f (xi )
f ' ( xi ) = + O( xi +1 − xi )
xi +1 − xi
• Esta diferencia dividida hacia delante no es sino una de tantas que se
pueden desarrollar mediante serie de Taylor para la aproximación de
derivadas numéricas
Diferenciación numérica
Aproximación a la primera derivada con diferencia hacia atrás
• La serie de Taylor se puede expandir hacia atrás para calcular un
valor anterior a partir de un valor actual
f ' ' ( xi ) 2
f (xi −1 ) = f (xi ) − f ' (xi )h + h −K
2!
• Truncando la expansión después de la 1ra derivada y ordenando
f ( xi ) − f ( xi −1 )
f ' (xi ) ≅
f(b)
xi-1 xi
Diferenciación numérica
Aproximación a la primera derivada con diferencias centrales
• Una tercera forma de aproximar la 1ra derivada es restando la
expansión de serie de Taylor hacia atrás de la expansión hacia
delante para obtener
f ' ' ' ( xi ) 3
f (xi +1 ) = f ( xi −1 ) + 2 f ' ( xi )h + h +K
3!
• Despejando
f(b)
f ( xi +1 ) − f ( xi −1 ) f (3) ( xi ) 2
f ' ( xi ) ≅ − h +K
2h 6
La diferencia central es la representación más
exacta de la derivada xi-1 xi
Diferenciación numérica
Aproximaciones por diferencias finitas de derivadas de orden superior
• Escribiendo la expansión en serie de Taylor hacia delante para
f(xi+2) en términos de f(xi)
f ' ' ( xi )
f ( xi + 2 ) = f ( xi ) + f ' ( xi )2h + (2h )2 + K
2!
• La expansión en serie de Taylor hacia delante para f(xi+1) puede
multiplicarse por dos y restarse a esta ecuación para obtener
f ( xi + 2 ) − 2 f ( xi +1 ) = − f ( xi ) + f ' ' ( xi )h 2 + K
• Despejando
f ( xi + 2 ) − f ( xi +1 ) + f (xi )
f ' ' ( xi ) = + O(h )
2da diferencia finita
2 hacia adelante
h
Diferenciación numérica
• 2da diferencia finita hacia atrás
f ( xi ) − 2 f ( xi −1 ) + f ( xi − 2 )
f ' ' ( xi ) = 2
+ O(h )
h
• 2da diferencia finita central
f ( xi +1 ) − 2 f ( xi ) + f ( xi −1 )
f ' ' ( xi ) =
h2
+ ( )
O h 2
Métodos numéricos de integración
• fórmulas de Newton-Cotes
– Regla trapezoidal
– Regla 1/3 de Simpson
– Regla 3/8 de Simpson
• Cuadratura de Gauss
Fórmulas de Newton-Cotes
• Se basan en la estrategia de reemplazar una función complicada o
datos discretos con una función aproximada que sea fácil de
integrar b b
I = ∫ f ( x )dx ≅ ∫ f n ( x )dx
a a
donde fn(x) es un polinomio de la forma
f n ( x ) = a0 + a1 x + a2 x 2 + K + an −1 x n −1 + an x n
• La integral se puede también aproximar mediante una serie de
polinomios aplicada por pedazos a la función o datos sobre
segmentos de longitud constante
Fórmulas de Newton-Cotes
• Se dispone de formas cerradas y abiertas de fórmulas de Newton-
Cotes
• FORMAS CERRADAS: son aquellas donde los datos al inicio y al
final de los limites de integración son conocidos
• FORMAS ABIERTAS: tienen limites de integración que se
extienden más allá del rango de los datos
– No se usan por lo general para integración definida
– Sin embargo, se utilizan para evaluar integrales impropias y en la
solución de ecuaciones diferenciales ordinarias
Regla Trapezoidal
• Corresponde al caso donde el polinomio es de primer orden
b b
I = ∫ f ( x )dx ≅ ∫ f1 ( x )dx
a a
f (b ) − f (a )
f1 ( x ) = f (a ) + (x − a )
b−a
• El área bajo esta línea recta es un estimado de la integral de f(x)
entre los limites a y b
⎡ f (b ) − f (a )
(x − a )⎤⎥ dx
b
I = ∫ ⎢ f (a ) +
a ⎣
b−a ⎦
• El resultado de la integración es
f (a ) + f (b )
I = (b − a ) Regla Trapezoidal
2
Regla Trapezoidal
• Geométricamente, la regla trapezoidal
es equivalente a aproximar el área del
trapezoide bajo la línea que conecta
f(a) y f(b)
f(b)
• La fórmula para calcular el área de un
trapezoide es la altura por el promedio
de las bases. En nuestro caso el
trapezoide esta de lado y la integral se f(a)
representa como
I = ancho x altura promedio
o a b
I = (b - a) x altura promedio
f (a ) + f (b )
• Todas las fórmulas cerradas de I = (b − a )
Newton-Cotes pueden expresarse en 2
el formato general de la ecuación
anterior, y sólo difieren con respecto a
la formulación de la altura promedio
Error de la regla Trapezoidal
• Una estimación para el error de truncamiento local de una sola
aplicación de la regla trapezoidal es
1
f ' ' (ξ )(b − a )
3
Et = −
12
• donde ξ está en algún lugar en el intervalo de a hasta b
• Esta ecuación indica que si la función sujeta a integración es lineal,
la regla trapezoidal es exacta
• Para funciones con curvatura puede ocurrir un error
Aplicación múltiple de la regla
Trapezoidal
• Una forma de mejorar la exactitud de la regla trapezoidal es dividir
el intervalo de integración [a,b] en un número de segmentos y
aplicar el método a cada uno de ellos
• Las integrales de los segmentos se suman para obtener la integral
de la función en [a,b]
• Si hay n+1 puntos base igualmente espaciados (x0, x1, x2,… xn),
entonces hay n segmentos de igual anchura; h = (b-a)/n
• Si a y b son designados como x0 y xn, respectivamente la integral
total se representa como
x1 x2 xn
I= ∫ f (x )dx + ∫ f (x )dx + K + ∫ f (x )dx
x0 x1 xn−1
Aplicación múltiple de la regla
Trapezoidal
• Sustituyendo la regla trapezoidal se obtiene
f ( x0 ) + f ( x1 ) f ( x1 ) + f ( x2 ) f ( xn −1 ) + f ( xn )
I =h +h +K+ h
2 2 2
• Agrupando términos se obtiene
h⎡ n −1
⎤
I = ⎢ f ( x0 ) + 2∑ f ( xi ) + f (xn )⎥
2⎣ i =1 ⎦
• También se puede expresar como
n −1
f ( x0 ) + 2∑ f ( xi ) + f ( xn )
I = (b − a ) i =1
2n
Aplicación múltiple de la regla
Trapezoidal
• Un error para la regla trapezoidal de múltiple aplicación se puede
obtener al sumar los errores individuales de cada segmento para
dar
(b − a) n
3
f ' ' (ξ i )
3 ∑
Et = −
12n i =1
• Este resultado se puede simplificar al estimar la media de la
segunda derivada para todo el intervalo como
n
∑ f ' ' (ξ )
i
f ''≅ i =1
n
• Quedando el error de truncamiento como Ea =−
(b − a)
3
f ''
12n 2
• Así, si el número de segmentos se duplica, el error de truncamiento
disminuirá a un cuarto
Conclusiones - Regla Trapezoidal
• Para aplicaciones individuales con buen comportamiento de las
funciones, la regla trapezoidal de múltiples segmentos es casi fina
para obtener el tipo de exactitud requerido en muchas aplicaciones
de ingeniería
• Si se requiere de alta exactitud, la regla trapezoidal demanda un
gran esfuerzo computacional
• Los errores de redondeo presentan una limitación en nuestra
habilidad para determinar integrales. Esto se debe tanto a la
precisión de la máquina como a los diversos cálculos involucrados
en técnicas simples como la regla trapezoidal de múltiples
segmentos
Seudo código para la regla trapezoidal
FUNCTION Trapezoidal(h,n,f)
sum = f0
DO i = 1,n-1
sum = sum + 2*fi
END DO
sum = sum + fn
integral = h * sum / 2
END Trapezoidal
Reglas de Simpson
• Otra forma de obtener una estimación
más exacta de un integral es con el uso
de polinomios de orden superior para
conectar puntos
Regla de Simpson 1/3
• Usa interpolación polinomial de segundo orden
b b
I = ∫ f ( x )dx ≅ ∫ f 2 ( x )dx
a a
• Si a y b se designan como x0 y x2, y f2(x) es representada por un
polinomio de Lagrange de 2do orden, la integral se transforma en
I = ∫⎢
⎡ ( x − x1 )( x − x2 )
x2
f ( x0 ) +
( x − x0 )( x − x2 )
f (x1 ) +
( x − x0 )( x − x2 ) ⎤
f ( x2 )⎥ dx
x0 ⎣
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 ) ⎦
• Integrando se obtiene
f (x0 ) + 4 f ( x1 ) + f (x2 )
I≅
h
[ f (x0 ) + 4 f (x1 ) + f (x2 )] h=
b−a I ≅ (b − a )
3 2 6
donde a = x0; b = x2 y x1 = punto a la mitad de camino entre a y b
Error de la regla de Simpson 1/3
• La regla de Simpson 1/3 tiene un error de truncamiento de
1
Et = − h 5 f (4 ) (ξ ) Et =−
(b − a)
5
f (4 ) (ξ )
90 2880
• La regla de Simpson 1/3 es más exacta que la regla trapezoidal
• El error es proporcional a la cuarta derivada
• El término del coeficiente de tercer orden se hace cero durante la
integración de la interpolación polinomial
• En consecuencia la regla de Simpson 1/3 tiene una precisión de
tercer orden aún cuando se basa en sólo tres puntos
• Da resultados exactos para polinomios cúbicos aún cuando se
deriva de una parábola
Aplicación múltiple de la regla de
Simpson 1/3
• La regla de Simpson 1/3 se puede mejorar al dividir el intervalo de
integración en un número de segmentos de igual anchura,
h = (a-b)/n
• La integral total se puede representar como
x2 x4 xn
I= ∫ f (x )dx + ∫ f (x )dx + K + ∫ f (x )dx
x0 x2 x n −2
• Sustituyendo la regla de Simpson 1/3
I ≅ 2h
[ f (x0 ) + 4 f (x1 ) + f (x2 )] + 2h [ f (x2 ) + 4 f (x3 ) + f (x4 )] + K + 2h [ f (xn−2 ) + 4 f (xn−1 ) + f (xn )]
6 6 6
• Combinando términos
n −1 n−2 Se debe usar un
f ( x0 ) + 4 ∑ f (x ) + 2 ∑ f (x ) + f (x )
i j n
número par de
segmentos para
I ≅ (b − a ) i =1, 3, 5 j = 2, 4, 6
3n implementar el
método
Aplicación múltiple de la regla de
Simpson 1/3
• La regla de Simpson 1/3 está limitada a casos en los que los
valores son igualmente espaciados
• Además, está limitada a situaciones donde hay un número par de
segmentos y un número impar de puntos
• Un error estimado para la aplicación de la regla de Simpson 1/3 se
obtiene sumando los errores individuales de los segmentos y
sacando el promedio de la derivada,
Ea =−
(b − a)
5
f
(4 )
180n 4
Seudo código para la regla de
Simpson 1/3
FUNCTION Simpson13(h,n,f)
sum = f0
DO i = 1,n-1,2
sum = sum + 4*fi + 2*fi+1
END DO
sum = sum + 4*fi + 2*fi+1
integral = h*sum/3
END Simpson13
Regla de Simpson 3/8
• Se ajusta un polinomio de Lagrange de tercer orden a cuatro puntos
y se integra b b
I = ∫ f ( x )dx ≅ ∫ f 3 ( x )dx
a a
para obtener
3h b−a
I ≅ [ f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + f (x3 )] h=
3
8
I ≅ (b − a )
[ f (x0 ) + 3 f (x1 ) + 3 f (x2 ) + f (x3 )]
8
• La regla de Simpson 3/8 tiene un error de
3
Et = − h 5 f (4 ) (ξ ) Et =−
(b − a)
5
f (4 ) (ξ )
80 6480
Esta regla es más exacta que la de 1/3
Regla de Simpson 3/8
• La regla de Simpson 1/3 es a menudo el método de preferencia, ya
que alcanza exactitud de tercer orden con tres puntos más que los
cuatro puntos requeridos para la versión 3/8
• Sin embargo, la regla 3/8 tiene la utilidad cuando el número de
segmentos es impar
• Una estrategia para mantener precisión de 3er orden a través de
todo el intervalo de integración es usar la regla de Simpson 1/3 en
los primeros segmentos y la regla de Simpson 3/8 en los últimos
tres
Seudo código para la estrategia de integración
usando la Regla de Simpson 1/3 y 3/8
FUNCTION SimpsonT(a,b,n,f)
H = (b - a)/n
IF n = 1 THEN
sum = trapezoidal(h,fn-1,fn)
ELSE
m = n
odd = n/2 – INT(n/2)
IF odd > n/2 AND n > 1 THEN
sum = sum + Simp38(h,fn-3,fn-2,fn-1,fn)
m = n - 3
END IF
IF m > 1 THEN
sum = sum + Simpson13(h,m,f)
END IF
END IF
integral = sum
END SimpsonT
Seudo código para la estrategia de integración
usando la Regla de Simpson 1/3 y 3/8
FUNCTION Simp38(h,f0,f1,f2,f3)
Simp38 = 3*h*(f0 + 3*(f1 + f2) + f3)/8
END Simp38
Integración con segmentos desiguales
• Para los casos donde los datos están separados por segmentos
desiguales un método para la integración es aplicar la regla
trapezoidal a cada segmento y sumar los resultados
f ( x0 ) + f ( x1 ) f ( x1 ) + f ( x2 ) f ( xn −1 ) + f ( xn )
I = h1 + h2 + K + hn
2 2 2
hi = ancho del segmento i
• Si alguno de los segmentos adyacentes son de igual anchura, se
puede evaluar la integral aplicando las reglas de Simpson a estos
segmentos
Integración de ecuaciones
• Se estudiarán dos métodos para el cálculo de integrales cuando se
dispone de la función
1. INTEGRACIÓN DE ROMBERG: se basa en la extrapolación de
Richardson, el cual es un método que combina dos estimaciones
numéricas de la integral para obtener una tercera, que tiene un
valor más exacto. Puede usarse para generar una estimación de la
integral dentro de una tolerancia de error especificada
2. CUADRATURA DE GAUSS: las fórmulas de cuadratura de Gauss
emplean valores de x que están posicionados entre a y b de forma
tal que resulta una estimación de la integral mucho más exacta
Integración de Romberg
• Está basada en aplicaciones sucesivas de la regla trapezoidal
• Sin embargo, se alcanzan mejores resultados con menos esfuerzo
Integración de Romberg
EXTRAPOLACIÓN DE RICHARDSON
• Usa dos estimaciones de la integral para calcular una tercera más
exacta
• El error estimado y asociado con una aplicación múltiple de la regla
trapezoidal puede representarse de manera general como
valor exacto de la integral
I = I (h ) + E (h )
I:
I(h): estimación de I con n segmentos de la
regla trapezoidal
E(h): error de truncamiento
• Si hacemos dos estimaciones por separado usando los pasos h1 y
h2 y considerando valores exactos del error, se tiene
I (h1 ) + E (h1 ) = I (h2 ) + E (h2 )
Integración de Romberg
EXTRAPOLACIÓN DE RICHARDSON
• El error de la regla trapezoidal puede representarse de manera
aproximada como
b−a 2
E≅− h f ''
12
• Suponiendo f’’ constante sin importar el tamaño del paso, se puede
determinar la razón de los dos errores,
E (h1 ) h1
2
≅ 2
E (h2 ) h2 De esta forma se remueve f’’
2
E (h1 ) ≅ E (h2 ) 1 2
h
• Reordenando
h2
2
I (h1 ) + E (h2 ) 1 2 ≅ I (h2 ) + E (h2 )
• Sustituyendo, h
h2
Integración de Romberg
EXTRAPOLACIÓN DE RICHARDSON
• Luego,
Estimación del error de truncamiento en
I (h1 ) − I (h2 )
E (h2 ) ≅ 2
términos de las estimaciones de la
1 − ⎛⎜ 1 ⎞⎟
h integral y del tamaño de segmento
⎝ h2 ⎠
• Esta estimación de error se puede sustituir en
I = I (h2 ) + E (h2 ) Para obtener una estimación mejorada de
la integral
1
I ≅ I (h2 ) + 2
[I (h2 ) − I (h1 )]
⎛ h1 ⎞ − 1
⎜ h ⎟
⎝ 2⎠
Integración de Romberg
EXTRAPOLACIÓN DE RICHARDSON
• Se puede demostrar que el error de dicha estimación es O(h4). La
estimación de la regla trapezoidal era O(h2)
• Para el caso especial donde el intervalo es la mitad, h2 = h1
2
1
I ≅ I (h2 ) + 2 [I (h2 ) − I (h1 )]
2 −1
4 1
I≅ I (h2 ) − I (h1 )
3 3
Integración de Romberg
Ejemplo
• Calcule la integral de
a = 0, b = 0.8 f (x ) = 0,2 + 25 x − 200 x 2 + 675 x 3 − 900 x 4 + 400 x 5
I v = 1.6405
4
I≅ (1.0688) − 1 (0.1728) = 1.3674
n h I 3 3
1 0.8 0.1728
4
2 0.4 1.0688 I≅ (1.4848) − 1 (1.0688) = 1.6235
3 3
4 0.2 1.4848
Integración de Romberg
• En este ejemplo calculamos dos integrales mejoradas con error
O(h4) sobre la base de tres estimaciones de la regla trapezoidal
• Esos dos cálculos mejorados pueden, a su vez, combinarse para
obtener un mejor valor con error O(h6)
• Para el caso especial donde las estimaciones del trapezoide
original están basadas sobre sucesivas mitades de tamaño de
segmento, la ecuación para obtener la exactitud de O(h6) es,
16 1 Im: estimación mayor
I ≅ I m − Il
15 15 Il: estimación menor
Integración de Romberg
• De manera similar dos resultados O(h6) pueden combinarse para
calcular una integral que es O(h8),
64 1
I≅ I m − Il
63 63
• Se puede observar que los coeficientes en las ecuaciones de
extrapolación van aumentando hasta 1. Estos representan factores
ponderados que al aumentar la exactitud dan un peso relativamente
mayor sobre la estimación de la integral superior
• Estas formulaciones se pueden expresar en una forma general,
Ij+1,k-1: integral más exacta
4 k −1 I j +1,k −1 − I j ,k −1
I j ,k ≅ k −1
Ij,k-1: integral menos exacta
k = 1 Æ Regla trapezoidal O(h2)
4 −1 Ij,k: integral mejorada k = 2 Æ O(h4)
k: el nivel de la integración k = 3 Æ O(h6)
Seudo código para la integración de
Romberg
FUNCTION Romberg (a,b,maxit,es)
LOCAL I(10,10)
n = 1
I1,1 = TrapEq(n,a,b)
iter = 0
DO
iter = iter + 1
n = 2iter
Iiter+1,1 = TrapEq(n,a,b)
DO k = 2, iter+1
j = 2 + iter – k
Ij,k = (4k-1 * Ij+1,k-1 – Ij,k-1)/(4k-1 – 1)
END DO
ea = ABS(I1,iter+1 – I1,iter)/I1,iter+1)*100
IF(iter ≥ maxit OR ea ≤ es) EXIT
END DO
Romberg = I1,iter+1
END Romberg
TrapEq Æ es una función que evalúa la integral de la función usando la regla
trapezoidal
Cuadratura de Gauss
• Las fórmulas de cuadratura de Gauss emplean valores de x que
están posicionados entre a y b de forma tal que resulta una
estimación de la integral muchas más exacta
• Las fórmulas particulares de cuadratura de Gauss se denominan
fórmulas de Gauss-Legendre
Fórmula de Gauss-Legendre de dos puntos
• El objetivo de la cuadratura de Gauss es determinar los
coeficientes de una ecuación de la forma
I ≅ c0 f (x0 ) + c1 f ( x1 ) (I)
donde: c0 y c1 son coeficientes desconocidos
x0 y x1 son valores de x posicionados entre a y b, desconocidos
• Tenemos un total de 4 incógnitas que deben ser evaluadas, por lo
que se requieren 4 condiciones para determinarlas con exactitud
1. La ecuación (I) ajusta exactamente a la integral de una constante, f(x) = 1
2. La ecuación (I) ajusta exactamente a la integral de una función lineal, f(x) = x
3. Supongamos que también ajusta la integral de una función cuadrática , f(x) = x2
4. Supongamos que también ajusta la integral de una función cúbica, f(x) = x3
Fórmula de Gauss-Legendre de dos puntos
• Para hacer esto, determinamos las 4 incógnitas y en la condición
derivamos una fórmula de integración lineal que es exacta para
cúbicas
• Las 4 ecuaciones que habrán que resolverse son
1 1
c0 f ( x0 ) + c1 f ( x1 ) = ∫ 1dx = 2 c0 f ( x0 ) + c1 f ( x1 ) = ∫ xdx = 0
−1 −1
1 1
2
c0 f ( x0 ) + c1 f ( x1 ) = ∫ x dx = 2
c0 f ( x0 ) + c1 f ( x1 ) = ∫ x 3 dx = 0
−1
3 −1
• Resolviéndose simultáneamente se obtiene
c0 = c1 = 1 Sustituyendo se obtiene la fórmula de Gauss-
x0 = − 1 = −0.5773503 Legendre de dos puntos
3
x1 = 1
3
= 0.5773503 I ≅ f ⎛⎜ − 1 ⎞⎟ + f ⎛⎜ 1 ⎞⎟
⎝ 3⎠ ⎝ 3⎠
Fórmula de Gauss-Legendre de dos puntos
• Así, llegamos a un resultado interesante en que la simple suma de
los valores de la función en x = ± 1 3 dan una estimación de la
integral que tiene una exactitud de tercer orden
• Observe que se usaron los limites de integración desde -1 a 1, con
el objetivo de hacer la formulación tan general como sea posible
• Se emplea un cambio de variable para trasladar otros límites de
integración a esta forma
Fórmula de Gauss-Legendre de dos puntos
• Suponiendo que una nueva variable xd se relaciona con la variable
original x en una forma lineal, dada por
x = a0 + a1 xd
• Si el límite inferior, x = a corresponde a xd = -1, sustituyendo se
obtiene
a = a0 + a1 (− 1)
• Si el límite superior, x = b corresponde a xd = 1, sustituyendo se
obtiene b = a + a (1)
0 1
• Resolviendo b+a b−a
a0 = a1 =
2 2
• Sustituyendo
x=
(b + a ) + (b − a )xd dx =
b−a
dxd
2 2
Estas dos últimas ecuaciones podrán sustituirse para x y dx, respectivamente, en la ecuación
que se habrá de integrar
Fórmula de Gauss-Legendre de dos puntos
Ejemplo
• Integre f (x ) = 0,2 + 25 x − 200 x 2 + 675 x 3 − 900 x 4 + 400 x 5
entre 0 y 0.8
• Primero se realiza el cambio de variable
x = 0.4 + 0.4 xd dx = 0.4dxd
0.8
∫ (0,2 + 25x − 200 x )
+ 675 x 3 − 900 x 4 + 400 x 5 dx
2
[ ]
1
= ∫ 0,2 + 25(0.4 + 0.4 xd ) − 200(0.4 + 0.4 xd ) + 675(0.4 + 0.4 xd ) − 900(0.4 + 0.4 xd ) + 400(0.4 + 0.4 xd ) 0.4dxd
2 3 4 5
−1
f ( xd ) → xd = − 1 → f ⎛⎜ − 1 ⎞⎟ = 0.516741
3 ⎝ 3⎠
f (xd ) → xd = 1 → f ⎛⎜ 1 ⎞⎟ = 1.305867
3 ⎝ 3⎠
I ≅ 0.516741 + 1.305867 = 1.822578
Fórmulas de Gauss-Legendre de punto
superior
• Más allá de la fórmula de dos puntos descrita en la sección
anterior, se puede desarrollar versiones de punto superior en la
forma general
I ≅ c0 f ( x0 ) + c1 f (x1 ) + K + cn −1 f ( xn −1 )
donde n = número de puntos
• Los valores de las c y las x incluyendo la fórmula con seis puntos
se resumen en la siguiente tabla
Factores de peso c y argumentos de la función
x usados en las fórmulas de Gauss-Legendre
Puntos Factores de peso Argumentos de la función Error de truncamiento
c0 = 1.0 x0 = -0.577350269
2 ≈ f(4)(ξ)
c1 = 1.0 x1 = 0.577350269
c0 = 0.5555556 x0 = -0.774596669
3 c1 = 0.8888889 x1 = 0.0 ≈ f(6)(ξ)
c2 = 0.5555556 x2 = 0.774596669
c0 = 0.3478548 x0 = -0.861136312
c1 = 0.6521452 x1 = -0.339981044
4 ≈ f(8)(ξ)
c2 = 0. 6521452 X2 = 0. 339981044
c3 = 0. 3478548 X3 = 0. 861136312
c0 = 0.2369269 x0 = -0.906179846
c1 = 0.4786287 x1 = -0.538469310
5 c2 = 0.5688889 x2 = 0.0 ≈ f(10)(ξ)
c3 = 0.4786287 x3 = 0.538469310
c4 = 0.2369269 x4 = 0.906179846
c0 = 0.1713245 x0 = -0.932469514
c1 = 0.3607616 x1 = -0.661209386
c2 = 0.4679139 x2 = -0.238619186
6 ≈ f(12)(ξ)
c3 = 0.4679139 x3 = 0.238619186
c4 = 0.3607616 x4 = 0.661209386
c5 = 0.1713245 X5 = 0.932469514
Fórmulas de Gauss-Legendre de punto
superior
• Debido a que la cuadratura de Gauss requiere evaluaciones de la
función en puntos espaciados uniformemente dentro del intervalo
de integración, no es apropiada para casos donde la función se
desconoce
• Así, no es adecuada para problemas con datos tabulados
• Sin embargo, cuando se conoce la función, su eficiencia puede ser
una ventaja decisiva, en particular cuando se deben realizar
muchas evaluaciones de la integral
Análisis de error para la cuadratura de
Gauss
• El error para las fórmulas de Gauss-Legendre se especifica por lo
general con
2 2 n +3 [(n + 1)!]
4
Et = f (2 n + 2 ) (ξ )
(2n + 3)[(2n + 2)!]
donde n = número de puntos menos uno
y f(2n+2)(ξ) = la (2n+2)-ésima derivada de la función después del
cambio de variable con ξ localizada en algún lugar sobre el
intervalo desde -1 a 1
• Al comparar esta ecuación con la tabla queda expuesta la
superioridad de la cuadratura de Gauss sobre las fórmulas de
Newton-Cotes, contando con que las derivadas de orden superior
no aumenten sustancialmente con un incremento en n
