Capitulo 5

Captulo 5:
Integracin (Mtodos de Cuadratura) y

Diferenciacin Numrica
Justino Alavez Ramrez
Divisin Acadmica de Ciencias Bsicas
Universidad Jurez Autnoma de Tabasco
Noviembre, 2015
J. Alavez-Ramrez (DACB-UJAT)
Mtodos de cuadratura
Noviembre de 2015
1 / 37
Contenido
Integracin Numrica (Mtodos de Cuadratura)

Frmula de Newton-Cotes
Convergencia y error de cuadratura
Regla de Simpson compuesta
Diferenciacin Numrica
Anlisis de sensibilidad
Frmulas de diferencias finitas
Noviembre de 2015
2 / 37
1. Integracin Numrica (Mtodos de Cuadratura)

1.1. Frmulas de Newton-Cotes
Noviembre de 2015
3 / 37

Problema. Dada f : [a, b] R acotada e integrable en [a, b], calcular
una aproximacin de
Z b
f (x)dx.
a
Noviembre de 2015
3 / 37

una aproximacin de
Z b
f (x)dx.
a
Solucin. Elegimos n = {x1 , x2 , . . . , xn } una particin de [a, b], es

decir
a = x1 < x2 < < xn = b.
Los elementos de n se llamarn puntos de cuadratura.
Noviembre de 2015
3 / 37

una aproximacin de
Z b
f (x)dx.
a
Solucin. Elegimos n = {x1 , x2 , . . . , xn } una particin de [a, b], es

decir
a = x1 < x2 < < xn = b.
Los elementos de n se llamarn puntos de cuadratura.
Consideramos tambin el polinomio interpolante de Lagrange de grado
n 1 de los puntos (x1 , f (x1 ), (x2 , f (x2 )), . . . , (xn , f (xn ), que ahora se
escribe como
pn1 (x) = f (x1 )`1 (x) + f (x2 )`2 (x) + + f (xn )`n (x).
Noviembre de 2015
3 / 37
Construimos la regla o frmula de cuadratura, que se denota por Qn (f ),

como:
Z
Qn (f )
pn1 (x)dx
:=
a
Noviembre de 2015
4 / 37

como:
Z
Qn (f )
pn1 (x)dx
:=
a
[f (x1 )`1 (x) + f (x2 )`2 (x) + + f (xn )`n (x)]dx
=
a
Noviembre de 2015
4 / 37

como:
Z
Qn (f )
pn1 (x)dx
:=
a
[f (x1 )`1 (x) + f (x2 )`2 (x) + + f (xn )`n (x)]dx
=
a
Z
= f (x1 )
Z
`2 (x)dx + + f (xn )
`1 (x)dx + f (x2 )
a
`n (x)dx
a
Noviembre de 2015
4 / 37

como:
Z
Qn (f )
pn1 (x)dx
:=
a
[f (x1 )`1 (x) + f (x2 )`2 (x) + + f (xn )`n (x)]dx
=
a
Z
= f (x1 )
Z
`2 (x)dx + + f (xn )
`1 (x)dx + f (x2 )
a
`n (x)dx
a
= c1 f (x1 ) + c2 f (x2 ) + + cn f (xn )
Donde
Z
ck =
`k (x)dx,
k = 1 : n.
Noviembre de 2015
4 / 37

como:
Z
Qn (f )
pn1 (x)dx
:=
a
[f (x1 )`1 (x) + f (x2 )`2 (x) + + f (xn )`n (x)]dx
=
a
Z
= f (x1 )
Z
`2 (x)dx + + f (xn )
`1 (x)dx + f (x2 )
a
`n (x)dx
a
= c1 f (x1 ) + c2 f (x2 ) + + cn f (xn )
Donde
Z
ck =
`k (x)dx,
k = 1 : n.
Una alternativa para aproximar la integral de f (x) en [a, b] es tomar

Z b
f (x)dx
= Qn (f ).
a
Noviembre de 2015
4 / 37
Frmulas o regla de Newton-Cotes

Cuando los puntos de cuadratura se eligen uniformemente espaciados
en [a, b] como:
ba
, n 2.
xk = a + (k 1)h , k = 1 : n , h =
n1
La frmula Qn (f ) se le llama la regla de Newton - Cotes1 .
1
2
Isaac Newton (16431727) y Roger Cotes (16821716).

Matemtico ingls Thomas Simpson (17101761).
Noviembre de 2015
5 / 37

en [a, b] como:
ba
, n 2.
xk = a + (k 1)h , k = 1 : n , h =
n1
Para n = 2, se tiene la regla del trapecio:
h
Q2 (f ) = [f (a) + f (b)] .
2
1
2

Noviembre de 2015
5 / 37

en [a, b] como:
ba
, n 2.
xk = a + (k 1)h , k = 1 : n , h =
n1
h
Q2 (f ) = [f (a) + f (b)] .
2
Para n = 3, se tiene la regla de Simpson2 :
h
Q3 (f ) = [f (a) + 4f ((a + b)/2) + f (b)] .
3
1
2

Noviembre de 2015
5 / 37

en [a, b] como:
ba
, n 2.
xk = a + (k 1)h , k = 1 : n , h =
n1
h
Q2 (f ) = [f (a) + f (b)] .
2
Para n = 3, se tiene la regla de Simpson2 :
h
Q3 (f ) = [f (a) + 4f ((a + b)/2) + f (b)] .
3
Para n = 4, se tiene la regla 3/8 de Simpson:

3
2a + b
a + 2b
Q4 (f ) = h f (a) + 3f
+ 3f
+ f (b) .
8
3
3
1
2

Noviembre de 2015
5 / 37
Deduccin de la regla de Simpson:

s
x1 = a
s
x2 =
a+b
2
s
x3 = b
Noviembre de 2015
6 / 37

h
s
x1 = a
Z
c1 =
s
x2 =
a+b
2
s
x3 = b
`1 (x)dx
a
Noviembre de 2015
6 / 37

h
s
x1 = a
Z
c1 =
a+b
2
x2 =
Z
`1 (x)dx =
s
x3 = b
(x x2 )(x x3 )
dx
(x1 x2 )(x1 x3 )
Noviembre de 2015
6 / 37

h
s
x1 = a
Z
c1 =
a+b
2
x2 =
Z
`1 (x)dx =
a
1
2h2
s
x3 = b
(x x2 )(x x3 )
dx
(x1 x2 )(x1 x3 )
(x x2 )(x x3 )dx
a
Noviembre de 2015
6 / 37

h
s
x1 = a
Z
c1 =
a+b
2
x2 =
Z
`1 (x)dx =
a
1
2h2
s
x3 = b
(x x2 )(x x3 )
dx
(x1 x2 )(x1 x3 )
(x x2 )(x x3 )dx
a
Haciendo el cambio de variable: z = x x2 , entonces
Noviembre de 2015
6 / 37

h
s
x1 = a
Z
c1 =
a+b
2
x2 =
Z
`1 (x)dx =
a
1
2h2
s
x3 = b
(x x2 )(x x3 )
dx
(x1 x2 )(x1 x3 )
(x x2 )(x x3 )dx
a

Z h
1
c1 =
z(z h)dz
2h2 h
Noviembre de 2015
6 / 37

h
s
x1 = a
Z
c1 =
a+b
2
x2 =
Z
`1 (x)dx =
a
1
2h2
s
x3 = b
(x x2 )(x x3 )
dx
(x1 x2 )(x1 x3 )
(x x2 )(x x3 )dx
a

Z h
1
1 1 3 h 2 h
c1 =
z(z h)dz =
z z
2
2h2 h
2h2 3
h
Noviembre de 2015
6 / 37

h
s
x1 = a
Z
c1 =
a+b
2
x2 =
Z
`1 (x)dx =
a
1
2h2
s
x3 = b
(x x2 )(x x3 )
dx
(x1 x2 )(x1 x3 )
(x x2 )(x x3 )dx
a

Z h
1
1 1 3 h 2 h
c1 =
z(z h)dz =
z z
2
2h2 h
2h2 3
h
=

1 1 3 1 3 1 3 1 3
h
h
+
h
+
h
2
3
2
2h2 3
Noviembre de 2015
6 / 37

h
s
x1 = a
Z
c1 =
a+b
2
x2 =
Z
`1 (x)dx =
a
1
2h2
s
x3 = b
(x x2 )(x x3 )
dx
(x1 x2 )(x1 x3 )
(x x2 )(x x3 )dx
a

Z h
1
1 1 3 h 2 h
c1 =
z(z h)dz =
z z
2
2h2 h
2h2 3
h
=

1 1 3 1 3 1 3 1 3
h
h
+
h
+
h
2
3
2
2h2 3

1 2 3
h
2h2 3
Noviembre de 2015
6 / 37

h
s
x1 = a
Z
c1 =
a+b
2
x2 =
Z
`1 (x)dx =
a
1
2h2
s
x3 = b
(x x2 )(x x3 )
dx
(x1 x2 )(x1 x3 )
(x x2 )(x x3 )dx
a

Z h
1
1 1 3 h 2 h
c1 =
z(z h)dz =
z z
2
2h2 h
2h2 3
h
=

1 1 3 1 3 1 3 1 3
h
h
+
h
+
h
2
3
2
2h2 3
h
.
3

1 2 3
h
2h2 3
Noviembre de 2015
6 / 37
Ejercicio 1. Verifica que

Z b
4
c2 =
`2 (x)dx = h
3
a
Z
y
c3 =
`3 (x)dx =
a
h
.
3
Noviembre de 2015
7 / 37

Z b
4
c2 =
`2 (x)dx = h
3
a
Z
y
c3 =
`3 (x)dx =
a
h
.
3
As que la regla de Simpson ser

Q3 (f )
= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 )
Noviembre de 2015
7 / 37

Z b
4
c2 =
`2 (x)dx = h
3
a
Z
y
c3 =
`3 (x)dx =
a
h
.
3

Q3 (f )
= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 )

h
4
a+b
h
=
f (a) + h f
+ f (b)
3
3
2
3
Noviembre de 2015
7 / 37

Z b
4
c2 =
`2 (x)dx = h
3
a
Z
y
c3 =
`3 (x)dx =
a
h
.
3

Q3 (f )
= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 )

h
4
a+b
h
=
f (a) + h f
+ f (b)
3
3
2
3

a+b
h
f (a) + 4f
+ f (b) .
=
3
2
Noviembre de 2015
7 / 37

Z b
4
c2 =
`2 (x)dx = h
3
a
Z
y
c3 =
`3 (x)dx =
a
h
.
3

Q3 (f )
= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 )

h
4
a+b
h
=
f (a) + h f
+ f (b)
3
3
2
3

a+b
h
f (a) + 4f
+ f (b) .
=
3
2
Ejercicio 2. Deduzca la regla del trapecio y la regla 3/8 de Simpson.
Noviembre de 2015
7 / 37

Z b
4
c2 =
`2 (x)dx = h
3
a
Z
y
c3 =
`3 (x)dx =
a
h
.
3

Q3 (f )
= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 )

h
4
a+b
h
=
f (a) + h f
+ f (b)
3
3
2
3

a+b
h
f (a) + 4f
+ f (b) .
=
3
2
Ejercicio 2. Deduzca la regla del trapecio y la regla 3/8 de Simpson.

Ejercicio 3. Sea f C [a, b] y a = x1 < x2 < < xn = b una particin de
[a, b]. Si |f (n) (x)| Mn para todo x [a, b], entonces
max |f (x) pn1 (x)|
x[a,b]
donde h = max
k =1:n1
Mn h n
4n
(1)
|xk +1 xk | y pn1 (x) es el polinomio interpolante de los
puntos (xk , f (xk )), k = 1 : n .

Noviembre de 2015
7 / 37
1.2. Convergencia y error de cuadratura
Noviembre de 2015
8 / 37

La sucesin {Qn (f )}n1 es convergente?
Qu tan exacta es la frmula de cuadratura Qn (f )?
Noviembre de 2015
8 / 37

Para responder a estas preguntas, analizamos el error de truncamiento
(o de cuadratura) que est dado por
Z b
En (f ) :=
f (x)dx Qn (f )
a
Noviembre de 2015
8 / 37

Z b
Z b
Z b
f (x)dx
pn1 (x)dx
En (f ) :=
f (x)dx Qn (f ) =
a
Noviembre de 2015
8 / 37

Z b
Z b
Z b
f (x)dx
pn1 (x)dx
En (f ) :=
f (x)dx Qn (f ) =
a
[f (x) pn1 (x)]dx.
=
a
Noviembre de 2015
8 / 37

Z b
Z b
Z b
f (x)dx
pn1 (x)dx
En (f ) :=
f (x)dx Qn (f ) =
a
[f (x) pn1 (x)]dx.
=
a
Teorema 1 (de convergencia)

Si f C n [a, b] y existe M > 0 tal que f (n) (x) M para todo n 1 y
para todo x [a, b], entonces
Z
lim Qn (f ) =
n
f (x)dx .
a
Noviembre de 2015
8 / 37
Prueba:

Z

Z

b

b

f (x)dx Qn (f ) = [f (x) pn1 (x)]dx

a

a
Noviembre de 2015
9 / 37
Prueba:

Z

Z

b

b


a

a
Z b
|f (x) pn1 (x)| dx
Noviembre de 2015
9 / 37
Prueba:

Z

Z

b

b


a

a
Z b
|f (x) pn1 (x)| dx
max |f (x) pn1 (x)| dx
b
x[a,b]
Noviembre de 2015
9 / 37
Prueba:

Z

Z

b

b


a

a
Z b
|f (x) pn1 (x)| dx
x[a,b]
Mhn
dx ,
4n
por (1)
Noviembre de 2015
9 / 37
Prueba:

Z

Z

b

b


a

a
Z b
|f (x) pn1 (x)| dx
x[a,b]
Mhn
dx ,
4n
Mhn
(b a),
4n
por (1)
como h =
ba
n1
Noviembre de 2015
9 / 37
Prueba:

Z

Z

b

b


a

a
Z b
|f (x) pn1 (x)| dx
x[a,b]
Mhn
dx ,
4n
Mhn
(b a),
4n
Mhn+1 n 1
4
n
por (1)
como h =
ba
n1
Noviembre de 2015
9 / 37
Prueba:

Z

Z

b

b


a

a
Z b
|f (x) pn1 (x)| dx
x[a,b]
Mhn
dx ,
4n
por (1)
Mhn
(b a),
4n
Mhn+1 n 1
0 .
4
n n
como h =
ba
n1
Por lo tanto,
Z
lim Qn (f ) =
n
f (x)dx .
a
Noviembre de 2015
9 / 37
En la ltima desigualdad anterior se observa que una cota para el error

absoluto en la aproximacin es

Z
1

b

(2)
f (x)dx Qn (f ) hn+1 max f (n) (x) .

4
a
axb
Noviembre de 2015
10 / 37


Z
1

b

(2)

4
a
axb
Algunas consecuencias:
Noviembre de 2015
10 / 37


Z
1

b

(2)

4
a
axb
En general la frmula de cuadratura Qn (f ) es exacta para polinomios de
grado n 1.
Noviembre de 2015
10 / 37


Z
1

b

(2)

4
a
axb
grado n 1.
La regla del trapecio Q2 (f ) es exacta para polinomio grado 1.
Noviembre de 2015
10 / 37


Z
1

b

(2)

4
a
axb
grado n 1.
La regla de Simpson Q3 (f ) es exacta para polinomio de grado 2.
Noviembre de 2015
10 / 37


Z
1

b

(2)

4
a
axb
grado n 1.
La regla 3/8 de Simpson Q4 (f ) es exacta para polinomio de grado 3.
Noviembre de 2015
10 / 37


Z
1

b

(2)

4
a
axb
grado n 1.
Noviembre de 2015
10 / 37


Z
1

b

(2)

4
a
axb
grado n 1.
La cota en (2) se puede mejorar para n impar, que es el caso por ejemplo de
la regla de Simpson.
Noviembre de 2015
10 / 37


Z
1

b

(2)

4
a
axb
grado n 1.
La cota en (2) se puede mejorar para n impar, que es el caso por ejemplo de
la regla de Simpson.
Recordamos que si f C n [a, b], se sigue de la frmula del error en la aproximacin polinomial, que el error de cuadratura tambin se puede expresar
como
Z
En (f ) :=
a
1
f (x)dx Qn (f ) =
n!
f (n) (x )n (x)dx.
a
Noviembre de 2015
10 / 37
Donde
n (x) = (x x1 )(x x2 ) (x xn )
Ralston and Rabinowitz (1978) dicen que utilizando el teorema del
valor medio generalizado para integrales y otros resultados, es posible
probar que:
Noviembre de 2015
11 / 37
Donde
n (x) = (x x1 )(x x2 ) (x xn )
probar que:
Si f C n [a, b] y n es par, entonces existe (a, b) tal que
En (f ) =
f (n) ()
n!
n (x)dx.
a
Noviembre de 2015
11 / 37
Donde
n (x) = (x x1 )(x x2 ) (x xn )
probar que:
En (f ) =
f (n) ()
n!
n (x)dx.
a
Si f C n+1 [a, b] y n es impar, entonces existe (a, b) tal que

En (f ) =
f (n+1) ()
(n + 1)!
xn (x)dx.
(3)
Noviembre de 2015
11 / 37
Donde
n (x) = (x x1 )(x x2 ) (x xn )
probar que:
En (f ) =
f (n) ()
n!
n (x)dx.
a
Si f C n+1 [a, b] y n es impar, entonces existe (a, b) tal que

En (f ) =
f (n+1) ()
(n + 1)!
xn (x)dx.
(3)
As que la frmula de cuadratura Qn (f ) para n impar es exacta para

polinomios de grado n.
Noviembre de 2015
11 / 37
Para el caso de la regla de Simpson se tiene el siguiente resultado:

Teorema 2
Sean a = x1 < x2 < x3 = b con x2 = a + h y h = (b a)/2.
Si f C 4 [a, b], entonces existe (a, b) tal que
Z
x3
f (x)dx =
x1
h5 (4)
h
[f (x1 ) + 4f (x2 ) + f (x3 )]
f ().
3
90
Noviembre de 2015
12 / 37

Teorema 2
Z
x3
f (x)dx =
x1
h5 (4)
h
[f (x1 ) + 4f (x2 ) + f (x3 )]
f ().
3
90
As que la regla de Simpson es exacta para polinomios de grado 3
Noviembre de 2015
12 / 37

Teorema 2
Z
x3
f (x)dx =
x1
h5 (4)
h
[f (x1 ) + 4f (x2 ) + f (x3 )]
f ().
3
90

Prueba:
Noviembre de 2015
12 / 37

Teorema 2
Z
x3
f (x)dx =
x1
h5 (4)
h
[f (x1 ) + 4f (x2 ) + f (x3 )]
f ().
3
90

Prueba: En este caso, n = 3, por lo que se sigue de (3) que debe existir
(a, b) tal que
Z
f (4) () x3
x3 (x)dx.
E3 (f ) =
4!
x1
Noviembre de 2015
12 / 37

Teorema 2
Z
x3
f (x)dx =
x1
h5 (4)
h
[f (x1 ) + 4f (x2 ) + f (x3 )]
f ().
3
90

Prueba: En este caso, n = 3, por lo que se sigue de (3) que debe existir
(a, b) tal que
Z
f (4) () x3
x3 (x)dx.
E3 (f ) =
4!
x1
Z x3
4
x3 (x)dx = h5 .
15
x1

(4)
f ()
4 5
f (4) () 5
h
=
h .
Por lo tanto, E3 (f ) =
4!
15
90
Noviembre de 2015
12 / 37
1.3. Regla de Simpson compuesta
Noviembre de 2015
13 / 37

Sea f C 4 [a, b] y una particin uniforme de [a, b] dada por
xk = a + (k 1)h ,
k = 1 : n,
h = (b a)/(n 1) ,
n 2.
Noviembre de 2015
13 / 37

xk = a + (k 1)h ,
k = 1 : n,
h = (b a)/(n 1) ,
n 2.
Si n es impar, entonces [a, b] se puede dividir en un nmero par de subintervalos. Por ejemplo, para n = 3:
h
s
s
s
a+b
b = x3
a = x1
x2 = 2
Noviembre de 2015
13 / 37

xk = a + (k 1)h ,
k = 1 : n,
h = (b a)/(n 1) ,
n 2.
h
s
s
s
a+b
b = x3
a = x1
x2 = 2
Para n = 5:
h
a = x1
x2
x3
x4
s
b = x5
Noviembre de 2015
13 / 37

xk = a + (k 1)h ,
h = (b a)/(n 1) ,
k = 1 : n,
n 2.
h
s
s
s
a+b
b = x3
a = x1
x2 = 2
Para n = 5:
h
a = x1
x2
x3
x4
s
b = x5
Aplicando la regla de Simpson en cada subintervalo de la forma:

[x2k 1 , x2k +1 ],
k = 1 : (n 1)/2
Resulta
Z
x2k +1
f (x)dx =
x2k 1
donde
h
h5 (4)
[f (x2k 1 ) + 4f (x2k ) + f (x2k +1 )]
f (k )
3
90
x2k 1 < k < x2k +1 .
As que
Noviembre de 2015
13 / 37
f (x)dx =
a
(n1)/2 Z x2k +1
X
k =1
f (x)dx
x2k 1
Noviembre de 2015
14 / 37
f (x)dx =
a
(n1)/2 Z x2k +1
X
f (x)dx
x2k 1
k =1
(n1)/2
(n1)/2
h X
h5 X (4)
[f (x2k 1 ) + 4f (x2k ) + f (x2k +1 )]
f (k )
3
90
k =1
k =1
Noviembre de 2015
14 / 37
f (x)dx =
(n1)/2 Z x2k +1
X
f (x)dx
x2k 1
k =1
(n1)/2
(n1)/2
h X
h5 X (4)
[f (x2k 1 ) + 4f (x2k ) + f (x2k +1 )]
f (k )
3
90
k =1
k =1
(n3)/2
(n1)/2
X
X
h
=
f (a) + 2
f (x2k +1 ) + 4
f (x2k ) + f (b)
3
k =1
k =1
(n1)/2
h5 X (4)
f (k ) S(h) + ET (h)
90
k =1
Noviembre de 2015
14 / 37
f (x)dx =
(n1)/2 Z x2k +1
X
f (x)dx
x2k 1
k =1
(n1)/2
(n1)/2
h X
h5 X (4)
[f (x2k 1 ) + 4f (x2k ) + f (x2k +1 )]
f (k )
3
90
k =1
k =1
(n3)/2
(n1)/2
X
X
h
=
f (a) + 2
f (x2k +1 ) + 4
f (x2k ) + f (b)
3
k =1
k =1
(n1)/2
h5 X (4)
f (k ) S(h) + ET (h)
90
k =1
Donde S(h) es la regla de Simpson compuesta y ET (h) es el error de truncamiento total, dados por
(n3)/2
(n1)/2
X
X
h
f (a) + 2
f (x2k +1 ) + 4
f (x2k ) + f (b)
S(h) =
3
k =1
ET (h) =
(n1)/2
h5 X (4)
f (k ) ,
90
k =1
x2k 1 < k < x2k +1 .
k =1
Noviembre de 2015
14 / 37

Sea f integrable en [a, b], n 3 impar y
xk = a + (k 1)h ,
k = 1 : n,
h=
ba
.
n1
Noviembre de 2015
15 / 37

xk = a + (k 1)h ,
Entonces
Z
k = 1 : n,
h=
ba
.
n1
f (x)dx = S(h) + ET (h)

a
Noviembre de 2015
15 / 37

xk = a + (k 1)h ,
Entonces
Z
k = 1 : n,
h=
ba
.
n1
f (x)dx = S(h) + ET (h)

a
Donde
S(h) =
h
f (a) + 2
3
(n3)/2
(n1)/2
f (x2k +1 ) + 4
k =1
f (x2k ) + f (b) .
k =1
Noviembre de 2015
15 / 37

xk = a + (k 1)h ,
Entonces
Z
k = 1 : n,
h=
ba
.
n1
f (x)dx = S(h) + ET (h)

a
Donde
S(h) =
h
f (a) + 2
3
(n3)/2
(n1)/2
f (x2k +1 ) + 4
k =1
f (x2k ) + f (b) .
k =1
Si adems, f C (4) [a, b], entonces el error total se simplifica como

ET (h) =
b a 4 (4)
h f () .
180
Noviembre de 2015
15 / 37
Algoritmo de la regla de Simpson compuesta para aproximar:

Z b
f (x)dx
a
Noviembre de 2015
16 / 37

Z b
f (x)dx
a
Entrada: f , a, b, tol y nmax.
Noviembre de 2015
16 / 37

Z b
f (x)dx
a

Salida: Valor S de la integral, N, h y ER.
Noviembre de 2015
16 / 37

Z b
f (x)dx
a

Salida: Valor S de la integral, N, h y ER.
N = 3, S0 = f (a) + f (b)
Mientras ER tol y N nmax, hacer
h = (b a)/(n 1)
Para k = 2 : n 1, hacer
x = a + (k 1)h
Si k es par, S2 S2 + f (x)
En caso contrario, S1 S1 + f (x)
S = h(S0 + 2S1 + 4S2 )/3
Estimar el error relativo ER
N =N +2
Terminar
Noviembre de 2015
16 / 37
function [N,h,S,ER] = SimpsonC(a,b,fun,tol,nmax)

%
% Input:
%
[a,b] intervalo de integracin.
%
fun
nombre de la funcin f=fun(x) que define
%
la funcin a integrar sobre [a,b].
%
tol
tolerancia para el clculo de la integral.
%
nmax nmero mximo de iteraciones.
%
% Output:
%
N
valor de n con que se alcanza convergencia.
%
h
tamao de paso h=(b-a)/(N-1).
%
S
valor aproximado de la integral.
%
ER error relativo de la aprox. S a la integral.
%
% Sintaxis: [N,h,S,ER]=SimpsonC(0,2*pi,@fun1,1.0e-7,100)
%
[N,h,S,ER]=SimpsonC(1,2.5,@fun4,1.0e-5,150)
%
N = 3;
S0=feval(fun,a)+feval(fun,b);
ER=1;
Noviembre de 2015
17 / 37
while (ER >= tol && N <= nmax),

h=(b-a)/(N-1);
S1=0.0; % sumatoria de f(x_{2k+1})
S2=0.0; % sumatoria de f(x_{2k})
for k=2:N-1;
x=a+(k-1)*h;
r=k-2*fix(k/2);
if r == 0;
S2=S2+feval(fun,x);
else
S1=S1+feval(fun,x);
end
end
S=h*(S0+2*S1+4*S2)/3;
ER=pi*(h^4)/(1440*abs(S));
%
ER=10731.917*h^4/abs(S);
fprintf(N=%3.d h=%e S=%10.8f ER=%e\n,N,h,S,ER);
N=N+2;
end
Noviembre de 2015
18 / 37
if N > nmax
disp(Se requieren ms iteraciones para)
disp(alcanzar la precisin deseada.)
else
disp(Terminacin exitosa!)
end
end
Noviembre de 2015
19 / 37
Ejemplo 1 Z
Aproximar
sen(x/2)dx con siete dgitos significativos correctos.
Noviembre de 2015
20 / 37
Ejemplo 1 Z
Aproximar
Solucin:
f (x) = sen(x/2),
1
f 000 (x) = cos(x/2)
8
1
f 00 (x) = sen(x/2),
4

1
1

y f (4) (x) =
sen(x/2) = f (4) (x)
16
16
f 0 (x) =
1
cos(x/2),
2
Noviembre de 2015
20 / 37
Ejemplo 1 Z
Aproximar
Solucin:
1
f 00 (x) = sen(x/2),
4

1
1
1

f 000 (x) = cos(x/2) y f (4) (x) =
sen(x/2) = f (4) (x)
8
16
16
Por lo que el error de truncamiento total ser

b a 4 (4)
2 h4

h f ()
=
h4 .
|ET (h)| =
180
180 16
1440
f (x) = sen(x/2),
f 0 (x) =
1
cos(x/2),
2
Noviembre de 2015
20 / 37
Ejemplo 1 Z
Aproximar
Solucin:
1
f 00 (x) = sen(x/2),
4

1
1
1

f 000 (x) = cos(x/2) y f (4) (x) =
sen(x/2) = f (4) (x)
8
16
16
Por lo que el error de truncamiento total ser

b a 4 (4)
2 h4

h f ()
=
h4 .
|ET (h)| =
180
180 16
1440
f (x) = sen(x/2),
f 0 (x) =
1
cos(x/2),
2
As que se propone iterar hasta que se satisfaga que

Z

!,

E (h)
2

T

ER =
f (x)dx S(h)
S(h) =
h4 < 107
0

S(h) 1440|S(h)|
si S(h) 6= 0.
Noviembre de 2015
20 / 37
Resultados:
n
S(h)
Error Relativo
Dg. Sign.
3
5
7
9
11
13
15
17
19
21
23
25
27
29
3.141593e+000
1.570796e+000
1.047198e+000
7.853982e-001
6.283185e-001
5.235988e-001
4.487990e-001
3.926991e-001
3.490659e-001
3.141593e-001
2.855993e-001
2.617994e-001
2.416610e-001
2.243995e-001
4.18879020
4.00911951
4.00172638
4.00053834
4.00021903
4.00010525
4.00005669
4.00003318
4.00002070
4.00001357
4.00000926
4.00000654
4.00000475
4.00000353
5.073390e-002
3.312973e-003
6.556234e-004
2.075050e-004
8.500081e-005
4.099307e-005
2.212731e-005
1.297070e-005
8.097568e-006
5.312824e-006
3.628734e-006
2.562130e-006
1.860171e-006
1.382975e-006
1
3
3
4
4
4
5
5
5
5
6
6
6
6
Noviembre de 2015
21 / 37
S(h)
Error Relativo
Dg. Sign.
31
33
35
37
39
41
43
45
47
49
51
53
55
2.094395e-001
1.963495e-001
1.847996e-001
1.745329e-001
1.653470e-001
1.570796e-001
1.495997e-001
1.427997e-001
1.365910e-001
1.308997e-001
1.256637e-001
1.208305e-001
1.163553e-001
4.00000268
4.00000207
4.00000162
4.00000129
4.00000104
4.00000085
4.00000070
4.00000058
4.00000048
4.00000041
4.00000035
4.00000030
4.00000025
1.049450e-006
8.106749e-007
6.361082e-007
5.061004e-007
4.076734e-007
3.320525e-007
2.731805e-007
2.267964e-007
1.898521e-007
1.601334e-007
1.360087e-007
1.162608e-007
9.997048e-008
6
6
6
6
6
7
7
7
7
7
7
7
7
Z
Tabla 1: Aproximaciones de
sen(x/2)dx.
0
Noviembre de 2015
22 / 37
Ejemplo 2
Z
Aproximar
2.5
ex cos x 2 dx con 5 dgitos significativos correctos.
Noviembre de 2015
23 / 37
Ejemplo 2
Z
Aproximar
Solucin:
2.5
1
2
f (x) = ex cos x 2 ,
1 x 2.5
Noviembre de 2015
23 / 37
Ejemplo 2
Z
Aproximar
Solucin:
2.5
1
2
1 x 2.5

2
2
f (4) (x) = 20 56x 2 + 16x 4 ex sen x 2 4 + 96x 2 + 48x 4 ex cos x 2
y que

(4)

f (x) max f (4) (x) 1.287830 106 .
1x2.5
Noviembre de 2015
23 / 37
Ejemplo 2
Z
Aproximar
Solucin:
2.5
1
2
1 x 2.5

2
2
y que

(4)

f (x) max f (4) (x) 1.287830 106 .
1x2.5
Por lo que el error de truncamiento total ser:

b a 4 (4) 1.5 1.287830 106 4

h f ()
h = 10 731.917 h4 .
|ET (h)| =
180
180
Noviembre de 2015
23 / 37
Ejemplo 2
Z
Aproximar
Solucin:
2.5
1
2
1 x 2.5

2
2
y que

(4)

f (x) max f (4) (x) 1.287830 106 .
1x2.5
Por lo que el error de truncamiento total ser:

b a 4 (4) 1.5 1.287830 106 4

h f ()
h = 10 731.917 h4 .
|ET (h)| =
180
180
As que se propone iterar hasta que se satisfaga que
Z

!,

E (h) 10 731.917
2

T

ER =
f (x)dx S(h)
S(h) =
h4 < 105
0

S(h)
|S(h) |
si S(h) 6= 0.
Noviembre de 2015
23 / 37
x 10
0
1
2
3
4
5
6
7
8
9
10
11
12
13
0.9
1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9
2.1 2.2 2.3 2.4 2.5 2.6
Figura 1: Grfica de
2
2
f (4) (x) = 20 56x 2 + 16x 4 ex sen x 2 4 + 96x 2 + 48x 4 ex cos x 2 .
Noviembre de 2015
24 / 37
Resultados:
n
S(h)
Error Rel.
Dg. Sign.
3
5
7
9
11
13
15
17
19
21
23
25
27
29
7.500000e-001
3.750000e-001
2.500000e-001
1.875000e-001
1.500000e-001
1.250000e-001
1.071429e-001
9.375000e-002
8.333333e-002
7.500000e-002
6.818182e-002
6.250000e-002
5.769231e-002
5.357143e-002
108.48497576
49.59219073
47.29663227
47.69530455
47.94692927
48.06661710
48.12537632
48.15617552
48.17337566
48.18352731
48.18980801
48.19385278
48.19654855
48.19839915
3.130061e+001
4.279461e+000
8.863538e-001
2.781037e-001
1.133135e-001
5.450970e-002
2.938705e-002
1.721513e-002
1.074349e-002
7.047316e-003
4.812785e-003
3.397862e-003
2.466795e-003
1.833908e-003
0
1
1
1
1
2
2
2
2
2
2
2
2
2
Noviembre de 2015
25 / 37
S(h)
Error Rel.
Dg. Sign.
31
33
35
37
39
41
43
45
47
49
51
53
55
57
59
5.000000e-002
4.687500e-002
4.411765e-002
4.166667e-002
3.947368e-002
3.750000e-002
3.571429e-002
3.409091e-002
3.260870e-002
3.125000e-002
3.000000e-002
2.884615e-002
2.777778e-002
2.678571e-002
2.586207e-002
48.19970264
48.20064165
48.20133166
48.20184772
48.20223980
48.20254194
48.20277776
48.20296397
48.20311256
48.20323229
48.20332963
48.20340941
48.20347530
48.20353009
48.20357597
1.391595e-003
1.074953e-003
8.434661e-004
6.710713e-004
5.405561e-004
4.402835e-004
3.622206e-004
3.007169e-004
2.517306e-004
2.123250e-004
1.803372e-004
1.541527e-004
1.325528e-004
1.146071e-004
9.959811e-005
2
4
4
4
4
4
4
4
5
5
5
5
5
5
5
Noviembre de 2015
26 / 37
S(h)
Error Rel.
Dg. Sign.
61
63
65
67
69
71
73
75
77
79
81
83
85
87
89
2.500000e-002
2.419355e-002
2.343750e-002
2.272727e-002
2.205882e-002
2.142857e-002
2.083333e-002
2.027027e-002
1.973684e-002
1.923077e-002
1.875000e-002
1.829268e-002
1.785714e-002
1.744186e-002
1.704545e-002
48.20361460
48.20364732
48.20367519
48.20369904
48.20371954
48.20373725
48.20375260
48.20376597
48.20377766
48.20378790
48.20379692
48.20380488
48.20381193
48.20381818
48.20382376
8.696765e-005
7.627737e-005
6.718035e-005
5.939997e-005
5.271402e-005
4.694285e-005
4.194030e-005
3.758673e-005
3.378368e-005
3.044968e-005
2.751700e-005
2.492904e-005
2.263830e-005
2.060474e-005
1.879447e-005
5
5
5
5
5
5
5
5
5
5
5
6
6
6
6
Noviembre de 2015
27 / 37
S(h)
Error Rel.
Dg. Sign.
91
93
95
97
99
101
103
105
1.666667e-002
1.630435e-002
1.595745e-002
1.562500e-002
1.530612e-002
1.500000e-002
1.470588e-002
1.442308e-002
48.20382873
48.20383318
48.20383718
48.20384077
48.20384400
48.20384693
48.20384957
48.20385197
1.717872e-005
1.573292e-005
1.443608e-005
1.327015e-005
1.221958e-005
1.127095e-005
1.041262e-005
9.634457e-006
6
6
6
6
6
6
6
6
2.5
Tabla 2: Aproximaciones de
ex cos x 2 dx.
Con la funcin quadl de MATLAB se obtiene

48.203881703581217
con un error de 106 usando una frmula de cuadratura adaptiva recursiva de orden alto.
Noviembre de 2015
28 / 37
2. Diferenciacin Numrica
2.1. Anlisis de sensibilidad
El problema de la diferenciacin numrica es un problema sensible inherente, es decir, pequeas perturbaciones en los datos
casi siempre causan cambios bruscos en los resultados.
Noviembre de 2015
29 / 37
Por ejemplo, f (x) = sen(x) es continuamente diferenciable en todo
R, y
g(x) = sen(x) + 0.02 cos(100x)
es una perturbacin continuamente diferenciable de f que difiere
de f en a lo ms 0.02, es decir
kg f k = max |g(x) f (x)| = 2.0 102
xR
Noviembre de 2015
29 / 37
Por ejemplo, f (x) = sen(x) es continuamente diferenciable en todo
R, y
g(x) = sen(x) + 0.02 cos(100x)
es una perturbacin continuamente diferenciable de f que difiere
de f en a lo ms 0.02, es decir
kg f k = max |g(x) f (x)| = 2.0 102
xR
Las integrales correspondientes son casi iguales, por ejemplo

Z 2.4
Z 2.4
g(x)dx
f (x)dx = 1.43449 1.43410 = 3.9 104
0.8
0.8
Noviembre de 2015
29 / 37
Mientras que
kg 0 f 0 k = max |g 0 (x) f 0 (x)| = 2 .
xR
Por ejemplo,
f 0 (1.52367) = 4.71064 102
Mientras que
g 0 (1.52367) = 1.95289
Y
kg 0 f 0 k =
max
0.8x2.4
|g 0 (x) f 0 (x)| = 2 .
Por lo que ambas funciones, f y g, tienen propiedades diferenciables completamente diferentes.
Noviembre de 2015
30 / 37
1.1
Recta tangente a g
1
Recta tangente a f
0.9
0.8
f (x) = sen(x)
g(x) = sen(x) + 0.02 cos(100x)
d (1.52367, 0.99889)
0.7
0.6
0.6
0.8
1.2
1.4
1.6
1.8
2.2
2.4
Figura 2: Sensibilidad inherente de la derivada.

Noviembre de 2015
31 / 37
2.2. Frmulas de diferencias finitas

Sea f : R R de clase C (R) y x R.
Desarrollando f en series de Taylor alrededor de x para h > 0, se
tiene
1
1
f (x + h) = f (x) + f 0 (x)h + f 00 (x)h2 + f 000 (x)h3 +
2
6
(4)
1
1
f (x h) = f (x) f 0 (x)h + f 00 (x)h2 f 000 (x)h3 +
2
6
(5)
Noviembre de 2015
32 / 37

tiene
1
1
f (x + h) = f (x) + f 0 (x)h + f 00 (x)h2 + f 000 (x)h3 +
2
6
(4)
1
1
f (x h) = f (x) f 0 (x)h + f 00 (x)h2 f 000 (x)h3 +
(5)
2
6
De (4) se obtiene la frmula de diferencia prospectiva dada por
f 0 (x) =
f (x + h) f (x)
+ O(h) .
h
Noviembre de 2015
32 / 37

tiene
1
1
f (x + h) = f (x) + f 0 (x)h + f 00 (x)h2 + f 000 (x)h3 +
2
6
(4)
1
1
f (x h) = f (x) f 0 (x)h + f 00 (x)h2 f 000 (x)h3 +
(5)
2
6
De (4) se obtiene la frmula de diferencia prospectiva dada por
f 0 (x) =
f (x + h) f (x)
+ O(h) .
h
De (5) se obtiene la frmula de diferencia retrospectiva, tambin

dada por
f (x) f (x h)
f 0 (x) =
+ O(h) .
h
Noviembre de 2015
32 / 37
Restando (5) de (4) se obtiene la frmula de diferencia central

f 0 (x) =
f (x + h) f (x h)
+ O(h2 ) ,
2h
que resulta ser una frmula de segundo orden.
Noviembre de 2015
33 / 37
Restando (5) de (4) se obtiene la frmula de diferencia central

f 0 (x) =
f (x + h) f (x h)
+ O(h2 ) ,
2h
que resulta ser una frmula de segundo orden.

Ahora, sumando (4) con (5), se obtiene la frmula de diferencia
central para la segunda derivada
f 00 (x) =
f (x + h) 2f (x) + f (x h)
+ O(h2 ) ,
h2
que tambin es de segundo orden.
Noviembre de 2015
33 / 37
Ejemplo 3
Comportamiento numrico de la frmula de diferencia prospectiva
cuando se aplica para aproximar la derivada de f (x) = ex en x = 0.
Se sabe que f 0 (0) = 1.
Noviembre de 2015
34 / 37
Ejemplo 3
En la tabla 3 se muestran las aproximaciones correspondientes
para diferentes valores de h.
Noviembre de 2015
34 / 37
Ejemplo 3
Observa en la tabla 3 que las mejores aproximaciones se alcanzan
con 107 h 1011 .
Noviembre de 2015
34 / 37
Ejemplo 3
con 107 h 1011 .
Esto sugiere considerar
h = eps = 1.4901 108 ,

donde eps es el epsilon de la mquina binaria a doble precisin
(recuerda que u = eps/2, donde u es la unidad de redondeo del
sistema de punto flotante).
Noviembre de 2015
34 / 37
Ejemplo 3
con 107 h 1011 .
Esto sugiere considerar
h = eps = 1.4901 108 ,

donde eps es el epsilon de la mquina binaria a doble precisin
(recuerda que u = eps/2, donde u es la unidad de redondeo del
sistema de punto flotante).
De hecho, calculando con MATLAB:
f (h) f (0)
e eps 1
f (0) =
=
=1
h
eps
0
se obtiene la derivada exacta de f (x) = ex en x = 0.

Noviembre de 2015
34 / 37
h
101
102
103
104
105
106
107
108
109
1010
1011
1012
1013
1014
1015
1016
1017
(eh 1)/h
1.051709180756477
1.005016708416795
1.000500166708385
1.000050001667141
1.000005000006965
1.000000499962184
1.000000049433680
9.999999939225290 101
1.000000082740371
1.000000082740371
1.000000082740371
1.000088900582341
9.992007221626409 101
9.992007221626409 101
1.110223024625157
0
0
Tabla 3: Aproximaciones de f 0 (x) = ex en x = 0 por la frmula de diferencia
prospectiva.
Noviembre de 2015
35 / 37
Es posible construir frmulas de mayor orden eligiendo puntos

equidistantes, por ejemplo x 2h, x h, x, x + h, x + 2h.
Noviembre de 2015
36 / 37

Desarrollando f en su serie de Taylor alrededor de x con pasos
2h y 2h, se obtienen frmulas de diferencias centrales de cuarto
orden para f 0 (x) y f 00 (x) dadas por
f 0 (x) =
f (x + 2h) + 8f (x + h) 8f (x h) + f (x 2h)
+ O(h4 ),
12h
y
f 00 (x) =
f (x + 2h) + 16f (x + h) 30f (x) + 16f (x h) f (x 2h)

+O(h4 ),
12h2
Noviembre de 2015
36 / 37

Desarrollando f en su serie de Taylor alrededor de x con pasos
2h y 2h, se obtienen frmulas de diferencias centrales de cuarto
orden para f 0 (x) y f 00 (x) dadas por
f 0 (x) =
f (x + 2h) + 8f (x + h) 8f (x h) + f (x 2h)
+ O(h4 ),
12h
y
f 00 (x) =
f (x + 2h) + 16f (x + h) 30f (x) + 16f (x h) f (x 2h)

+O(h4 ),
12h2
Frmulas de diferencias centrales de segundo orden para f 000 (x) y

f (4) (x), dadas por
f 000 (x) =
f (x + 2h) f (x + h) + 2f (x h) f (x 2h)
+ O(h2 ),
2h3
y
f (4) (x) =
f (x + 2h) 4f (x + h) + 6f (x) 4f (x h) + f (x 2h)

+O(h2 ).
h4
Noviembre de 2015
36 / 37
Referencias
Burden, R.L. y Faires, J.D. (1998). Anlisis Numrico. 6a Edicin. Mxico:

International Thomson Editores.
Eldn, L. and Wittmeyer-Koch, L. (1990). Numerical Analysis: An Introduction.

USA: Academic Press.
Heath, M.T. (2002). Scientific Computing: An Introductory Survey. 2nd ed. USA:
McGraw-Hill.
Johnston, R.L. (1982). Numerical Methods: A Software Approach. New York:

John Wiley & Sons.
Ralston, A. and Rabinowitz, P. (1978). A First Course in Numerical Analysis. 2nd

Edition. USA: McGraw-Hill.
Mathews, J.H. and Fink, K.D. (1999). Mtodos Numricos con MATLAB.
Espaa: Prentice Hall.
Vandergraft, J.S. (1983). Introduction to Numerical Computations. 2nd Edition.

USA: Academic Press.
Noviembre de 2015
37 / 37

Capitulo 5

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Capitulo 5

Hochgeladen von

Copyright:

Verfügbare Formate

Captulo 5:

Integracin (Mtodos de Cuadratura) y

Integracin Numrica (Mtodos de Cuadratura)

1. Integracin Numrica (Mtodos de Cuadratura)

1. Integracin Numrica (Mtodos de Cuadratura)

1. Integracin Numrica (Mtodos de Cuadratura)

Solucin. Elegimos n = {x1 , x2 , . . . , xn } una particin de [a, b], es

1. Integracin Numrica (Mtodos de Cuadratura)

Solucin. Elegimos n = {x1 , x2 , . . . , xn } una particin de [a, b], es

Construimos la regla o frmula de cuadratura, que se denota por Qn (f ),

Construimos la regla o frmula de cuadratura, que se denota por Qn (f ),

[f (x1 )`1 (x) + f (x2 )`2 (x) + + f (xn )`n (x)]dx

Construimos la regla o frmula de cuadratura, que se denota por Qn (f ),

[f (x1 )`1 (x) + f (x2 )`2 (x) + + f (xn )`n (x)]dx

Construimos la regla o frmula de cuadratura, que se denota por Qn (f ),

[f (x1 )`1 (x) + f (x2 )`2 (x) + + f (xn )`n (x)]dx

= c1 f (x1 ) + c2 f (x2 ) + + cn f (xn )

Construimos la regla o frmula de cuadratura, que se denota por Qn (f ),

[f (x1 )`1 (x) + f (x2 )`2 (x) + + f (xn )`n (x)]dx

= c1 f (x1 ) + c2 f (x2 ) + + cn f (xn )

Una alternativa para aproximar la integral de f (x) en [a, b] es tomar

Frmulas o regla de Newton-Cotes

Isaac Newton (16431727) y Roger Cotes (16821716).

Frmulas o regla de Newton-Cotes

Isaac Newton (16431727) y Roger Cotes (16821716).

Frmulas o regla de Newton-Cotes

Isaac Newton (16431727) y Roger Cotes (16821716).

Frmulas o regla de Newton-Cotes

Isaac Newton (16431727) y Roger Cotes (16821716).

Deduccin de la regla de Simpson:

Deduccin de la regla de Simpson:

Deduccin de la regla de Simpson:

Deduccin de la regla de Simpson:

Deduccin de la regla de Simpson:

Haciendo el cambio de variable: z = x x2 , entonces

Deduccin de la regla de Simpson:

Haciendo el cambio de variable: z = x x2 , entonces

Deduccin de la regla de Simpson:

Haciendo el cambio de variable: z = x x2 , entonces

Deduccin de la regla de Simpson:

Haciendo el cambio de variable: z = x x2 , entonces

Deduccin de la regla de Simpson:

Haciendo el cambio de variable: z = x x2 , entonces

Deduccin de la regla de Simpson:

Haciendo el cambio de variable: z = x x2 , entonces

Ejercicio 1. Verifica que

Ejercicio 1. Verifica que

As que la regla de Simpson ser

= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 )

Ejercicio 1. Verifica que

As que la regla de Simpson ser

= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 )

Ejercicio 1. Verifica que

As que la regla de Simpson ser

= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 )

Ejercicio 1. Verifica que

As que la regla de Simpson ser

= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 )

Ejercicio 2. Deduzca la regla del trapecio y la regla 3/8 de Simpson.

Ejercicio 1. Verifica que

As que la regla de Simpson ser

= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 )

Ejercicio 2. Deduzca la regla del trapecio y la regla 3/8 de Simpson.