4.1. Métodos de Newton-Cotes: Trapezoidal compuesto y de Simpson compuesto.

De cara a calcular la integral definida:

𝑏
∫ 𝑓 (𝑥)𝑑𝑥
𝑎

se llaman Métodos de Newton-Cotes a los que se basan en integrar, en lugar de la función dada
f(x), un polinomio de interpolación que aproxime a f(x) en [a, b]. Se trata por tanto de toda una
familia general de métodos, según el polinomio de interpolación que se considere (puede
elegirse diferente grado, diferentes puntos para interpolar, etc.). Para el caso de las
interpolaciones lineal y cuadrática, estos métodos se denominan Método de los Trapecios y
Método de Simpson, respectivamente.

Método de trapezoidal compuesto.

Si el intervalo en el que se realiza la integral es grande, el Método de los Trapecios Simple suele
ser muy impreciso. Para mejorar la exactitud, es posible subdividir el intervalo en otros más
pequeños y aplicar en cada uno de ellos el Método simple.

De esta manera, el Método de los Trapecios compuesto o generalizado consiste en tomar una
partición P = {x0 , x1 , . . . , xn } de [a, b], (x0 = a, xn = b), equiespaciada, es decir: xi+1 − xi = h,
∀i = 1; : : : ; n. Tendremos así que:

𝑏−𝑎
ℎ=
𝑛
Teniendo en cuenta las propiedades básicas de la integral definida:
𝑏 𝑥1 𝑥2 𝑥𝑛
∫ 𝑓 (𝑥)𝑑𝑥 = ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓 (𝑥)𝑑𝑥 + … . . + ∫ 𝑓(𝑥)𝑑𝑥
𝑎 𝑥0 𝑥1 𝑥𝑛−1

Y aplicando a cada integral del método simple:

𝑏
ℎ ℎ ℎ
∫ 𝑓(𝑥)𝑑𝑥 = (𝑓(𝑥0 ) + 𝑓 (𝑥1 )) + ( 𝑓(𝑥1 ) + 𝑓 (𝑥2 )) + ⋯ . + (𝑓 (𝑥𝑛−1 ) + 𝑓 (𝑥𝑛 ))
𝑎 2 2 2

ℎ
= (𝑓(𝑥0 ) + 2𝑓 (𝑥1 ) + 𝑓(𝑥2 ) + ⋯ + (𝑥𝑛−1 ) + 𝑓 (𝑥𝑛 ))
2
Tenemos por lo tanto la expresión final para el método de trapecios generalizados:

𝑏 𝑛−1
ℎ
∫ 𝑓 (𝑥)𝑑𝑥 = (𝑓(𝑎) + 2 ∑ 𝑓(𝑥𝑖 ) + 𝑓(𝑏))
𝑎 2
𝑖=1

Método de Simpson Compuesto

De manera completamente análoga a lo expuesto para el Método de los Trapecios, es posible

generalizar (mejorando la precisión) el Método de Simpson por medio de la subdivisión del
intervalo dado en otros más reducidos. De esta forma si partimos el intervalo [a,b] en n
subintervalos de anchura h = b−a/n tendremos la partición: {x 0, x1,…..,xn}. De cara a aplicar el
Método de Simpson simple paso a paso observamos inmediatamente que n debe ser un número

Sara Cáceres Barba.

par para conseguir que todo [a; b] quede incluido en la integración numérica. Tendremos
entonces:
𝑏 𝑥2 𝑥4 𝑥𝑛
∫ 𝑓 (𝑥)𝑑𝑥 = ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓 (𝑥)𝑑𝑥 + … . . + ∫ 𝑓(𝑥)𝑑𝑥
𝑎 𝑎 𝑥2 𝑥𝑛−2

y los puntos x1, x3,…., xn−1 representaran el papel de “puntos medios” en cada una de

las aplicaciones sucesivas del método simple.

De forma explicita se obtiene:

𝑏
ℎ
∫ 𝑓 (𝑥)𝑑𝑥 = (𝑓(𝑎) + 4𝐼 + 2𝑃 + 𝑓(𝑏))
𝑎 3

Donde I y P representan las sumas:

𝑛−1

𝐼= ∑ 𝑓(𝑥𝑖 ) = 𝑓(𝑥1 ) + 𝑓(𝑥3 ) + ⋯ + 𝑓(𝑥𝑛−1 )

𝑖=1,𝑖𝑚𝑝𝑎𝑟𝑒𝑠

𝑛−2

𝑃= ∑ 𝑓 (𝑥𝑖 ) = 𝑓 (𝑥2 ) + 𝑓 (𝑥4 ) + ⋯ + 𝑓 (𝑥𝑛−2 )

𝑖=2,𝑝𝑎𝑟𝑒𝑠

Sara Cáceres Barba.

4.2. Cuadratura de Gauss-Legendre.

El objetivo de la cuadratura de Gauss - Legendre es determinar las abscisas x1 y x2 y dos

coeficientes w1 y w2 de manera que la fórmula:

sea exacta para polinomios cúbicos de la forma f(x) = a 3x3 + a2x2 + a1x +a0. Como hay que
determinar cuatro números w1, w2, x1 y x2 en la expresión anterior, se deben seleccionar cuatro
condiciones que deben cumplirse. Usando el hecho de que la integración es aditiva, será
suficiente con exigir que la integral anterior sea exacta para las cuatro funciones f(x) = 1, x, x 2,
x3. Por lo tanto, las cuatro condiciones de integración son:

De esta manera, el sistema de ecuaciones no lineales que se debe resolver es:

La solución del sistema anterior está dada por:

Así, se ha encontrado los nodos y los coeficientes o pesos con los que se construye la cuadratura
de Gauss - Legendre. En consecuencia, si f es continua en [-1;1], resulta:

La cuadratura de Gauss - Legendre con dos nodos G2(f) tiene grado de precisión n=3 y si
f Є C4[-1;1], entonces,

Sara Cáceres Barba.

Siendo

Traslación de la Cuadratura de Gauss – Legendre

Para aplicar la cuadratura de Gauss - Legendre en un intervalo [a;b], se debe efectuar el cambio
de variable:

con

De esta manera,

Por lo tanto, la fórmula de cuadratura está dada por:

Sara Cáceres Barba.

4.3. Diferenciación numérica.
A la ecuación se le conoce con un nombre especial en el análisis numérico: diferencia finita
dividida y generalmente se representa como

Donde a ∆fi se le conoce como la primera diferencia hacia adelante y a h se le llama el tamaño
del paso o incremento; esto es, la longitud del intervalo sobre el cual se realiza la aproximación.
Se le llama diferencia “hacia delante”, porque usa los datos en i e i + 1 para estimar la derivada.
Al término completo ∆f/h se le conoce como primer diferencia finita dividida. Esta diferencia
dividida hacia adelante es sólo una de tantas que pueden desarrollarse a partir de la serie de
Taylor para la aproximación de derivadas numéricas. Por ejemplo, las aproximaciones de la
primera derivada utilizando diferencias hacia atrás o diferencias centradas se pueden desarrollar
de una manera similar a la de la

Las primeras usan valores en xi–1 y xi , mientras que las segundas utilizan valores igualmente
espaciados alrededor del punto donde la derivada está estimada Es posible desarrollar
aproximaciones más exactas de la primera derivada incluyendo términos de orden más alto de la
serie de Taylor. Finalmente, todas las versiones anteriores se pueden desarrollar para derivadas
de segundo orden, de tercer orden y de órdenes superiores.

Aproximación a la primera derivada con diferencia hacia atrás. La serie de Taylor se

expande hacia atrás para calcular un valor anterior sobre la base del valor actual,

Truncando la ecuación después de la primera derivada y

reordenando los términos se obtiene

donde el error es O(h), y a ∇fi se le conoce como primera diferencia

dividida hacia atrás

Aproximación a la primera derivada con diferencias centradas. Una tercera forma de

aproximar la primera derivada consiste en restar la ecuación (4.19) de la expansión de la serie
de Taylor hacia adelante:

Sara Cáceres Barba.

4.4. Extrapolación de Richardson.

Hasta aquí hemos visto que hay dos formas para mejorar la estimación obtenida al emplear
diferencias divididas finitas:

1. disminuir el tamaño de paso

2. usar una fórmula de grado superior que emplee más puntos.

Un tercer procedimiento, basado en la extrapolación de Richardson, utiliza dos estimaciones de

la derivada para calcular una tercera aproximación más exacta. Recuerde de la sección que la
extrapolación de Richardson constituye un medio para obtener una mejor estimación de la
integral I por medio de la fórmula.

donde I(h1 ) e I(h2 ) son estimaciones de la integral obtenidas usando dos tamaños de paso, h1 y
h2 . Debido a su conveniencia cuando se expresa como un algoritmo computacional, esta
fórmula usualmente se escribe para el caso en que h2 = h1 /2, como

De manera similar, la ecuación se escribirá para las derivadas como:

Para aproximaciones por diferencia centrada con O(h2 ), la aplicación de esta fórmula dará una
nueva estimación de la derivada de O(h4 ).

Sara Cáceres Barba.

4.5. Derivadas de datos irregularmente espaciados.

Una manera de emplear datos irregularmente espaciados consiste en ajustar un polinomio de

interpolación de Lagrange de segundo grado a cada conjunto de tres puntos adyacentes.

Estos polinomios no requieren que los puntos estén igualmente espaciados. Si se deriva
analíticamente el polinomio se obtiene lo siguiente:
2𝑥− 𝑥𝑖−𝑥𝑖+1 2𝑥− 𝑥𝑖−1 −𝑥𝑖+1 2𝑥− 𝑥𝑖−1−𝑥1
𝑓 ′ (𝑥) = 𝑓 (𝑥𝑖−1 ) (𝑥 + 𝑓 (𝑥𝑖 ) (𝑥 −𝑥 + 𝑓 (𝑥𝑖+1 ) (𝑥
𝑖−1 −𝑥𝑖 )(𝑥𝑖−1 −𝑥𝑖+1 ) 𝑖 𝑖−1 )(𝑥𝑖 −𝑥𝑖+1 ) 𝑖+1 −𝑥𝑖−1 )(𝑥𝑖+1 −𝑥𝑖 )

Donde x es el valor en el cual se quiere estimar la derivada.

La ecuación sirve para estimar la derivada en cualquier punto dentro de un intervalo

determinado por los tres puntos.

Los puntos no tienen que estar igualmente espaciados y, la estimación de la derivada tiene la
misma exactitud que la diferencia centrada.

Ejemplos:

1) Como se muestra en la figura siguiente, un gradiente de temperatura puede medirse

abajo del suelo. El flujo de calor en la interfaz suelo-aire puede calcularse mediante la
ley de Fourier,

𝑑𝑇
𝑞(𝑧 = 0) = −𝑘𝜌𝐶 |.
𝑑𝑧 𝑧=0

Temperatura contra la profundidad

bajo el suelo.

Donde q = flujo de calor (W/m2), k = coeficiente de difusividad térmica en el suelo (3.5× 10-7
m2/s), ρ = densidad del suelo (1 800 kg/m3) y C = calor específico del suelo (840 J/(kg · ºC)).
Observe que un valor positivo del flujo indica que el calor se transfiere del aire al suelo. Utilice
diferenciación numérica para evaluar el gradiente en la interfaz suelo-aire.

Sol.

Formula:

2𝑥− 𝑥𝑖−𝑥𝑖+1 2𝑥− 𝑥𝑖−1 −𝑥𝑖+1 2𝑥− 𝑥𝑖−1−𝑥1

𝑓 ′ (𝑥) = 𝑓 (𝑥𝑖−1 ) (𝑥 + 𝑓 (𝑥𝑖 ) (𝑥 −𝑥 + 𝑓 (𝑥𝑖+1 ) (𝑥
𝑖−1 −𝑥𝑖 )(𝑥𝑖−1 −𝑥𝑖+1 ) 𝑖 𝑖−1 )(𝑥𝑖 −𝑥𝑖+1 ) 𝑖+1 −𝑥𝑖−1 )(𝑥𝑖+1 −𝑥𝑖 )

Sara Cáceres Barba.

Datos:
𝑓 (𝑥𝑖−1 ) = 13.5
𝑓 (𝑥𝑖 ) = 12
𝑓 (𝑥𝑖+1 ) = 10
𝑥𝑖 = 1.25
𝑥𝑖+1 = 3.75
x=0
𝑥𝑖−1 = 0

Sustitución de los datos en la fórmula de diferenciación numérica:

2(0) − 1.25 − 3.75 2(0) − 0 − 3.75

𝑓 ′ (𝑥) = 13.5 + 12
(0 − 1.25)(0 − 3.75) (1.25 − 0)(1.25 − 3.75)
2(0) − 0 − 1.25
+ 10
(3.75 − 0)(3.75 − 1.25)

°C
𝑓 ′ (𝑥) = −1.333333333
cm

Sustitución de los datos del flujo de calor en la interfaz suelo-aire (1 W = 1 J/s).

𝑞(𝑧 = 0) = −(3.5 × 10 − 7)(1800)(840)((−1.333333333)(100))

Q = 70.559 W/m2

2) Dada la siguiente tabla

x f(x)
0,45 0,96848
0,52 0,90640
0,62 0,80227
0,67 0,74278
0,74 0,65042
0,78 0,59260
0,84 0,49850
0,89 0,41296

Determinar la primera derivada en x = 0.7

Se procede de la siguiente manera: se seleccionan los tres puntos más cercanos al valor que
necesitamos evaluar, los cuales son el punto inmediatamente anterior y los dos inmediatamente
siguientes {0.67, 0.74, 0.78} ya que nos dan un intervalo más corto (0.11) Para nuestro caso,
serían:

0,67 0,74278
0,74 0,65042
0,78 0,59260

Sara Cáceres Barba.

 Formula:
2𝑥− 𝑥𝑖−𝑥𝑖+1 2𝑥− 𝑥𝑖−1 −𝑥𝑖+1 2𝑥− 𝑥𝑖−1−𝑥1
𝑓 ′ (𝑥) = 𝑓 (𝑥𝑖−1 ) (𝑥 + 𝑓 (𝑥𝑖 ) (𝑥 −𝑥 + 𝑓 (𝑥𝑖+1 ) (𝑥
𝑖−1 −𝑥𝑖 )(𝑥𝑖−1 −𝑥𝑖+1 ) 𝑖 𝑖−1 )(𝑥𝑖 −𝑥𝑖+1 ) 𝑖+1 −𝑥𝑖−1 )(𝑥𝑖+1 −𝑥𝑖 )

Datos:
𝑓 (𝑥𝑖−1 ) = 0.74278
𝑓 (𝑥𝑖 ) = 0.65042
𝑓 (𝑥𝑖+1 ) = 0.5926
𝑥𝑖 = 0.74
𝑥𝑖+1 = 0.78
𝑥𝑖−1 = 0.67
𝑥 = 0.7

Sustitución de los datos en la fórmula de diferenciación numérica:

2(0.7) − 0.74 − 0.78 2(0.7) − 0.67 − 0.78
𝑓 ′ (. 7) = 0.74278 + 0.65042
(0.67 − 0.74)(0.67 − 0.78) (0.74 − 0.67)(0.74 − 0.78)
2(0.7) − 0.67 − 0.74
+ 0.59260
(0.78 − 0.67)(0.78 − 0.74)

𝑓 ′ (. 7) = −1.30804

Sara Cáceres Barba.