Mtodos compuestos

Mayoracin del error en el mtodo compuesto de los trapecios

Se ha visto ya que en el caso del mtodo de los trapecios:

Z
|R(f )| = |

f (x)dx (
a

ba
h3
)[f (a) + f (b)]|
max |f 00 (x)|
2
12 x[a,b]

Por tanto, en el caso de los mtodos compuestos:

Z


 b
1
1


f (x)dx h f (a) + f (a + h) + ... f (b) 
|R(f )| = 
 a

2
2


h3

max |f 00 (x)| + ... +

max
|f 00 (x)|
12 x[a,a+h]
x[a+(n+1)h,b]
3
(b a)3
ba
h
x[a, b] |f 00 (x)| =
x[a, b] |f 00 (x)| h2 = o(h2 )
n max |f 00 (x)| =
12 x[a,b]
12n2
12

Frmulas de Gauss
General

En cierto tipo de experimentos podemos jar el valor de las abscisas de la funcio

que pretendemos conocer. En estos casos, Gauss nos proporciona un criterio
para elegir estas abscisas que aumenta notable- mente el grado de precision de
las frmulas de integracio de tipo interpolacin. La idea consiste en aproximar
I(f ) por la expresion ya referida 5.1
Pn
In(f ) = k=0 Ank f (xnk )
considerando ahora como desconocidos no slo Ank sino tambin xnk Veamos
cmo lo conseguimos. Se observa en la fomula anterior que el numero


de
parametros


libres es 2n + 2. Trataremos, por tanto, de que nuestra fomula
sea exacta en P2n+1 espacio vectorial de polinomios de coecientes reales de
grado menor o igual que 2n + 1. Exigiremos entonces que

p(x)dx =
a

n
X

Ank p(xnk ) (pP2n+1 )

(1)

k=0

Sea p pn tal que p xnk = p(xnk ), k = 0, ..., n, el polinomio de grado n de

interpolacio de la nube de puntos xnk , p(xnk ), k = 0...n.como p tambien interpola
esa misma nube de puntos, lo podremos escribir de la siguiente forma: p(x) =
p (x) + (x xn0 )(x xn1 )...(x xnk ).q(x)
con qPn .
si integramos,

Rb

Rb
Rb
Rb
p(x)dx = a [p (x) + (x xn0 )...(x xnk ).q(x)] dx = a p (x)dx + a (x
xn0 ).q(x)dx
Pero la integral de p y de p* son iguales al ser iguales en los nodos, y por
tanto, se tiene que cumplir que
a

(x xn0 )(x xn1 )...(x xnk ).q(x) = 0 qpn

(2)

a
Relacio entre las Fomulas de gaus y los polinomios de Legendre

Si hacemos [a, b] = | 1, 1| en la ecuacion 5.4, , podemos interpretarla como la

busca de una serie de nodos (xnk ), k = 0, n tales que el polinomio (x xn0 )(x
xn1 )...(x xnk ) de grado n + 1 sea ortogonal, segu el producto escalar hp, qi =
R1
p(x)q(x)dx a todos los polinomios q de pn .
1
Supongamos que p(x) barre la base de Legendre, o sea, quep(x) = Lj (x), j= 0, ...n.
Pn+1
Escribiendo q(x)
base ortonormal
se tiene entonces q(x) = i=0 i L
i (x)
D en esa
E
P
n+1
j (x),

0 = hp, qi = L
i=0 i Li (x) = j donde j = 0, j = 0, ..., n.y q(x) =
n+1 (x), es decir, q es proporcional al polinomio de Legendre de grado
n+1 L
n+1 , y tiene, en consecuencia, sus mismas races.
n+1 (x), debePara que (x xn0 )(x xn1 )...(x xnk ) sea proporcional an+1 L
mos escoger como valores (Xkn ), k = 0, ..., n de las abscisas de los nodos los
n+1 (x), polinomio de Legendre de grado n + 1. Una vez que conoceceros deL
mos cules deben ser los nodos, hallamos el valor de la familia de coecientes
(Ank , k = 0, .., n bien mediante la ecuacion (5.2), o bien mediante el mtodo de
los coecientes indeterminados. Si el intervalo de integracio no es [=1, 1], se
hace previamente el cambio de variable t = 2(xa)
ba 1 que se transforma [a,b]
en [-1,1].

integracio multidimensional
Las dicultades que se presentan al tratar de evaluar numricamente integrales
en espacios de mayor dimensin, provienen fundamentalmente de la complejidad
geomtrica de los recintos de integracion. As, mientras que no hay muchos problemas abiertos en integrales en una variable, el caculo numrico de integrales
mutiples es un aea en el que se investiga todava, dado que son fundamentales
para los mtodos numricos de resolucin de ecuaciones en derivadas parciales,
sobre todo en el mtodo de los elementos nitos. Las tcnicas de integracin
numrica ms sencillas para integrales dobles o triples se basan en la sustitucin de la funcio a integrar por su polinomio en varias variables (ver 3.6). Si
estamos en 2D y el recinto es rectangular, la aplicacio es directa:

Z
a

Z
c

f (xi , yi )li (x)lj (y)dxdy

0<i<m
0jn

Como los lmites de integracin son constantes, podemos escribir

2

RbRd
a

f (x, y)dxdy

f (xi , yi )

Rb

0<i<m

Rd
l (x)dx c lj (y)dy
a i

0jn

Nos remitimos al problema 5.6 para una explicacio mas detallada de este
mtodo y otros similares. No todos los recintos de integracion 2D son rectangulares (aunque podramos engaar rellenando con ceros hasta conseguir un
recinto al que se pueda aplicar esta tcnica tan sencilla). Lo que s es cierto es
que cualquier recinto R en el plano puede ser triangulado. Si llamamos Ti a
cada uno de esos n triangulos.

ZZ
f (x, y)dxdy =
R

n Z Z
X
i=1

f (x, y)dxdy
Ti

el problema es ahora estimar cada una de estas integrales extendidas a estos

tringulos, para lo cual remitimos al Captulo 5 de Theodor[29], ya que escapa
a los contenidos de este libro.

Derivacio Numeica
Sea f una funcio real de variable real de clase C1 al menos. Se quiere calcular
una aproximacio al numero


derivada f(x).
(x)
= lim f (x)fh(xh)
f (x) = lim f (x+h)f
h
k0

k0

Si tomamos un paso h pequen, podemos estimar f (x) con la expresin

f (x) '

f (x + h) f (x)
h

(3)

Esta aproximacin hace intervenir los valores de la funcin en los puntos x y

x + h. De modo mas general, podramos pensar, igual que hacamos al integrar
numricamente, en sustituir la funcin f por algn polinomio que la interpole en
el entorno del punto donde queremos evaluar la derivada y estimar la derivada
con la correspondiente a este polinomio. Estas tcnicas de derivacin basadas
en interpolacin con polinomios son las que estudiaremos aqu.

Frmulas de dos puntos

Sea f una funcin de clase C 1 en un entorno cerrado E(x0 ) del punto x0 en el que
se desea estimar la derivada de f. Sea x1 tal que [x0 , x1 ]CE(x0 ). Construyamos
el polinomio de interpolacin de f asociado a los puntos x0 y x1 , ver Figura 5.2.
1
0
p1 (x) = f (x0 ) xxx
+ f (x1 ) xxx
0 x1
1 x0

Derivando este polinomio y evaluando la derivada en x0 obtendremos la aproximacin a la derivada buscada.

3

f (x0 ) = p1 (x0 ) =

f (x1 )f (x0 )
x1 x0

f (x0 +h) f (x0 )

,h
h

= x1 x0

que es precisamente la estimacin inicial (5.5) frmula de dos puntos mirando

hacia adelante o progresiva. Un ejemplo bsico de aplicacin de esta formula
lo encontramos en el problema 5.9. Existe igualmente una version simtrica de
esta frmula tomando el segundo punto a la izquierda de x0 formula de dos
puntos mirando hacia atrs o regresiva.

f (x0 ) =
0.0.1

f (x0 ) f (x0 h)
h

Acotacin del error en la frmula de dos puntos

Es importante tener una idea del error que estamos cometiendo al hacer estas estimaciones. Para calcularlo, derivamos el error de la interpolacin de Lagrange.
Vemoslo en nuestro caso con un polinomio denido por dos puntos (n = 1);

f (x) p1 (x) =

(xx0 )(xx1 )
, f ((x))
2

y derivando esta frmula:

f (x)=P1 (x) = 12 (x=x0)(x=x1 )f ((x)(x) + 21 (x x1 )f ((x))

Hay problemas para estimar el error en puntos distintos de x0 o de x1 , pues no
conocemos el valor de (x). Sin embargo, podemos estimar fcilmente el error
en x0 y en x1 sustituyendo en la expresin anterior.

f (x0)=p1 (x0) =

(x0 x1 )f ((x0 ))
2

f ((x0 ))
, x0
2

< (x0 ) < x1