Este temario corresponde en exclusiva a la especialidad de Matemáticas del Cuerpo de Profesores de Enseñanza Secundaria (código 590/512) — una de las aproximadamente 50 especialidades oficiales de este cuerpo. No cubre ninguna otra especialidad de Secundaria (Lengua Castellana y Literatura, Geografía e Historia, Física y Química, Biología y Geología, Inglés, Filosofía, Tecnología, Dibujo, Música...) ni los cuerpos de Maestros o de Profesores Técnicos de Formación Profesional, que tienen temarios propios y distintos, todavía no publicados en OpositaGratis. El cuestionario específico (Parte A) que se reproduce aquí es el fijado con carácter estatal por el entonces Ministerio de Educación y Ciencia, y sigue siendo, más de tres décadas después, el temario base que las distintas Administraciones educativas —las 17 comunidades autónomas más Ceuta y Melilla, cada una competente para convocar su propia oposición— citan y desarrollan en sus resoluciones de convocatoria anual, al no existir una versión posterior que lo haya derogado o sustituido con carácter general para esta especialidad. Cada convocatoria autonómica concreta puede añadir particularidades propias (requisitos lingüísticos en comunidades con lengua cooficial, la prueba de programación y unidad didáctica, u otras variaciones menores de redacción), que no están reflejadas en este índice.
El Tema 31 aborda el problema práctico que queda sin resolver cuando el catálogo de métodos analíticos del tema 30 no basta: numerosas funciones continuas, incluso de apariencia sencilla, no admiten primitiva expresable mediante funciones elementales (e^(-x²), sen(x)/x, integrales elípticas), y en la práctica experimental es aún más habitual disponer únicamente de una función tabulada en un número finito de puntos, sin ninguna expresión algebraica cerrada. La integración numérica proporciona, en ambos casos, procedimientos sistemáticos para obtener una aproximación tan precisa como se desee del valor de la integral definida, apoyándose en la propia definición de integral como límite de sumas de Riemann y en las técnicas de interpolación polinómica desarrolladas en el tema 24, de las que la mayoría de los métodos de cuadratura numérica no son sino una aplicación directa. El tema conecta de forma natural el análisis matemático puro con el cálculo científico aplicado, y tiene una relevancia creciente en la formación del profesorado por su vínculo directo con el uso de hojas de cálculo y software matemático en el aula, herramientas cada vez más presentes en la enseñanza de las matemáticas aplicadas de bachillerato.
Necesidad de métodos numéricos ante funciones sin primitiva elemental
Como se estableció en el tema 30, existen funciones continuas y perfectamente definidas —e^(-x²), sen(x)/x, 1/ln x, o los integrandos que aparecen al calcular longitudes de arco y áreas de superficies de revolución— cuya primitiva, aunque existe por el primer teorema fundamental del cálculo, no puede expresarse mediante ninguna combinación finita de funciones elementales, lo que hace inaplicable directamente la regla de Barrow para calcular su integral definida. A esta dificultad teórica se añade una dificultad práctica de origen distinto: en ciencias experimentales, ingeniería y economía, es extremadamente frecuente disponer de una función únicamente a través de una tabla finita de valores medidos (temperatura frente al tiempo, velocidad de un vehículo registrada por un sensor, ingresos mensuales de una empresa), sin ninguna fórmula algebraica subyacente conocida, situación en la que el propio concepto de 'primitiva' pierde sentido operativo y solo cabe estimar el valor de la integral a partir de los datos disponibles. En ambos escenarios —función sin primitiva elemental conocida y función solo tabulada— los métodos de integración numérica, que sustituyen el cálculo exacto de una primitiva por la aproximación del área bajo la curva mediante figuras geométricas sencillas (rectángulos, trapecios, parábolas), constituyen la única vía práctica disponible para obtener un valor numérico de la integral con la precisión requerida por el problema.
Suma de Riemann como fundamento teórico
Toda la integración numérica se apoya, en última instancia, en la propia definición rigurosa de la integral definida como límite de sumas de Riemann: dada una partición del intervalo [a,b] en n subintervalos mediante puntos a=x0<x1<...<xn=b, y elegido un punto de muestra xi* en cada subintervalo [xi-1,xi], la suma de Riemann ∑(i=1 hasta n) f(xi*)·(xi-xi-1) aproxima la integral mediante la suma de las áreas (con signo) de n rectángulos de base variable y altura f(xi*); se demuestra que, si f es continua en [a,b], estas sumas convergen al valor de la integral definida cuando el ancho máximo de los subintervalos de la partición tiende a cero, independientemente de cómo se elijan los puntos de muestra xi*, resultado que constituye la definición formal moderna de integral definida (atribuida a Bernhard Riemann, con antecedentes en el propio Cauchy). Todos los métodos concretos que se desarrollan en este tema —rectángulo, trapecio, Simpson— no son sino elecciones particulares y optimizadas de los puntos de muestra y de la forma geométrica de aproximación en cada subintervalo, diseñadas para que la convergencia hacia el valor exacto de la integral sea lo más rápida posible al aumentar el número de subintervalos, en lugar de recurrir a la elección arbitraria y poco eficiente que sugiere la definición puramente teórica de Riemann.
Regla del rectángulo o del punto medio
La regla del rectángulo aproxima la integral en cada subintervalo mediante el área de un rectángulo cuya altura es el valor de la función en un punto representativo del subintervalo; la variante más eficaz y de uso más extendido en la práctica es la regla del punto medio, que toma como altura el valor de f evaluado en el punto medio de cada subintervalo, mi=(xi-1+xi)/2, en lugar del extremo izquierdo o derecho (variantes menos precisas pero conceptualmente más simples, que corresponden al caso más elemental de suma de Riemann del punto anterior): ∫(a,b) f(x)dx ≈ h·∑(i=1 hasta n) f(mi), con h=(b-a)/n el ancho constante de cada subintervalo en una partición equiespaciada. La regla del punto medio, pese a su sencillez conceptual (un único valor de la función por subintervalo), resulta ser exacta para funciones lineales (compensa el error de aproximar por un valor constante mediante la simetría del punto medio respecto de la pendiente) y tiene un error global de orden h² (de orden h³ en cada subintervalo), aproximadamente la mitad en valor absoluto y de signo contrario al del trapecio, con mejor comportamiento que las variantes de extremo izquierdo o derecho, lo que la convierte en la elección preferida cuando se opta por el método del rectángulo antes que por métodos más elaborados como el trapecio o Simpson.
Regla del trapecio
La regla del trapecio mejora la aproximación anterior sustituyendo, en cada subintervalo [xi-1,xi], el área bajo la curva no por un rectángulo sino por el trapecio determinado por los dos valores de la función en los extremos del subintervalo, f(xi-1) y f(xi), lo que equivale, en términos del tema 24, a interpolar linealmente la función en cada subintervalo y calcular exactamente la integral de dicho segmento interpolador. La fórmula del trapecio simple en un único subintervalo es (h/2)·[f(xi-1)+f(xi)], y sumando sobre todos los subintervalos de una partición equiespaciada de ancho h se obtiene la fórmula compuesta del trapecio, ∫(a,b) f(x)dx ≈ (h/2)·[f(x0) + 2f(x1) + 2f(x2) + ... + 2f(xn-1) + f(xn)], en la que los valores extremos del intervalo global contribuyen con coeficiente 1 y los valores interiores con coeficiente 2 (porque cada uno pertenece simultáneamente a dos trapecios consecutivos). Esta regla es exacta para funciones polinómicas de grado uno (rectas), ya que en ese caso el segmento interpolador coincide exactamente con la propia función, y tiene un error de truncamiento del orden de h² sobre el intervalo completo, mejora sustancial respecto de un muestreo puramente rectangular sin ser todavía tan precisa como la regla de Simpson del punto siguiente.
Regla de Simpson
La regla de Simpson refina aún más la aproximación sustituyendo, en cada pareja de subintervalos consecutivos, la función por la única parábola (polinomio interpolador de grado dos, tema 24) que pasa por los tres puntos correspondientes a los extremos y al punto medio de dicha pareja, e integrando exactamente dicha parábola en lugar de la función original; esto exige un número par de subintervalos n, agrupados en n/2 parejas. La fórmula compuesta de Simpson resultante es ∫(a,b) f(x)dx ≈ (h/3)·[f(x0) + 4f(x1) + 2f(x2) + 4f(x3) + ... + 4f(xn-1) + f(xn)], con el patrón característico de coeficientes 1-4-2-4-2-...-4-1, en el que los puntos de índice impar (centros de cada pareja) reciben coeficiente 4 y los de índice par interiores coeficiente 2. La ventaja decisiva de esta regla es su orden de precisión: al basarse en una aproximación cuadrática en lugar de lineal, es exacta no solo para rectas sino también para toda función polinómica de grado hasta tres (resultado algo sorprendente, consecuencia de una cancelación de errores en la propia fórmula), y su error de truncamiento es del orden de h⁴, un orden de magnitud netamente superior en precisión al de la regla del trapecio para un mismo número de subintervalos, razón por la que es, con diferencia, el método de cuadratura más utilizado en la práctica cuando se dispone de valores de la función en puntos equiespaciados.
Error en los métodos de integración numérica
Cada uno de los métodos anteriores admite una fórmula explícita para acotar el error de truncamiento cometido al sustituir la integral exacta por su aproximación numérica, fórmulas que, de forma análoga a la del error de interpolación polinómica (tema 24) y al resto de la fórmula de Taylor (tema 27), involucran una derivada de orden superior de f evaluada en un punto desconocido del intervalo: para la regla del trapecio compuesta, el error es E = -[(b-a)/12]·h²·f''(ξ) para cierto ξ∈(a,b); para la regla de Simpson compuesta, el error es E = -[(b-a)/180]·h⁴·f^(4)(ξ). Estas fórmulas muestran que, si f'' o f^(4) (según el método) están acotadas en el intervalo, el error tiende a cero cuando h→0 (es decir, cuando n→∞), y permiten además, disponiendo de una cota de la derivada correspondiente, determinar de antemano cuántos subintervalos son necesarios para garantizar una precisión prefijada, sin necesidad de calcular efectivamente la aproximación con distintos valores de n hasta observar estabilización del resultado. Es importante señalar que, si la derivada relevante (f'' para el trapecio, f^(4) para Simpson) se anula idénticamente —como ocurre para funciones polinómicas de grado suficientemente bajo—, el error teórico es exactamente cero, coherente con la exactitud de estos métodos para polinomios de grado uno y tres respectivamente, ya señalada en los puntos 4 y 5.
Orden de convergencia de un método numérico
Se dice que un método de integración numérica tiene orden de convergencia p si su error de truncamiento es proporcional a h^p cuando el ancho del subintervalo h tiende a cero, de modo que reducir h a la mitad reduce el error aproximadamente en un factor 2^p; así, la regla del trapecio, con error proporcional a h², tiene orden de convergencia 2 (al duplicar el número de subintervalos, el error se reduce aproximadamente a la cuarta parte), mientras que la regla de Simpson, con error proporcional a h⁴, tiene orden de convergencia 4 (duplicar el número de subintervalos reduce el error a una dieciseisava parte), lo que explica la enorme ventaja práctica de Simpson frente al trapecio para alcanzar una precisión dada con un número mucho menor de evaluaciones de la función. Este concepto de orden de convergencia es una noción central y transversal en todo el análisis numérico, no restringida a la integración: se aplica igualmente a métodos de resolución numérica de ecuaciones (método de Newton-Raphson, de orden cuadrático), a la resolución numérica de ecuaciones diferenciales (métodos de Euler y de Runge-Kutta, de órdenes crecientes), y en general a cualquier procedimiento algorítmico que aproxime un valor exacto mediante un parámetro de discretización que se hace tender a cero, siendo el orden de convergencia el criterio estándar para comparar la eficiencia relativa de métodos alternativos que resuelven un mismo problema.
Partición del intervalo de integración
La elección de la partición del intervalo [a,b] —el conjunto de puntos x0,x1,...,xn en los que se evalúa la función— es un elemento de diseño relevante en cualquier método de integración numérica: la partición equiespaciada, con xi=a+ih y h=(b-a)/n constante, es la más habitual por su sencillez computacional y porque simplifica notablemente las fórmulas compuestas de los puntos 3, 4 y 5, pero no siempre es la más eficiente, especialmente cuando la función presenta comportamientos muy distintos en distintas zonas del intervalo (variación rápida en una región, prácticamente constante en otra). En esos casos, una partición adaptativa, con subintervalos más estrechos en las zonas donde la función varía rápidamente (donde |f''| o |f^(4)| son grandes, según la fórmula de error del punto 6) y más anchos donde la función es más suave, puede alcanzar una precisión comparable con un número total de evaluaciones de la función sustancialmente menor; esta es, precisamente, la estrategia que emplean los algoritmos de cuadratura adaptativa implementados en el software matemático moderno (calculadoras científicas avanzadas, hojas de cálculo, sistemas de álgebra computacional), que ajustan automáticamente el tamaño del subintervalo en cada región según una estimación del error local, optimizando así el equilibrio entre precisión alcanzada y coste computacional invertido.
Comparación de precisión entre métodos
Para un mismo número de evaluaciones de la función (y, por tanto, un coste computacional comparable), la regla de Simpson proporciona sistemáticamente una precisión muy superior a la del trapecio, y esta a su vez superior a la del rectángulo simple, jerarquía que se explica directamente por el orden creciente del polinomio interpolador subyacente a cada método —grado 0 (constante) para el rectángulo, grado 1 (recta) para el trapecio, grado 2 (parábola) para Simpson— y por el correspondiente orden de convergencia creciente (1, 2 y 4 respectivamente, siendo el del rectángulo simple de orden 1 salvo en su variante de punto medio, que alcanza orden 2 por una compensación de simetría ya señalada en el punto 3). En la práctica, esta jerarquía de precisión debe sopesarse frente a otras consideraciones: la regla de Simpson exige que la función sea razonablemente suave (con derivada cuarta acotada) para que su ventaja teórica se materialice plenamente, y puede comportarse peor que el trapecio ante funciones con comportamientos irregulares, discontinuidades en derivadas de orden bajo, o ruido experimental significativo en los datos tabulados, situación en la que un método de orden más bajo pero más robusto frente a irregularidades puede resultar, paradójicamente, preferible en la práctica aplicada.
Aplicación a datos experimentales tabulados
Cuando los únicos datos disponibles de una función son un conjunto finito de valores medidos experimentalmente en puntos concretos, sin conocimiento de ninguna expresión algebraica de la función original —situación habitual al calcular, por ejemplo, la distancia recorrida por un vehículo a partir de mediciones discretas de su velocidad, o el trabajo realizado por una fuerza variable registrada por un sensor en instantes concretos—, los métodos de integración numérica del trapecio o de Simpson (aplicables siempre que los puntos estén equiespaciados, o mediante generalizaciones específicas si no lo están) constituyen la única vía disponible para estimar la integral, sustituyendo el cálculo exacto mediante primitiva —imposible al no disponer de fórmula algebraica— por la aproximación geométrica directamente basada en los datos tabulados. Esta aplicación conecta de forma inmediata este tema con el tema 24 (interpolación de datos tabulados) y con la práctica experimental de la física, la química y la ingeniería, donde la integración numérica de series temporales de mediciones (caudal de un río, consumo eléctrico, velocidad de un móvil) es una tarea rutinaria y de primer orden práctico, muy anterior en su uso cotidiano a la propia formalización teórica moderna de los métodos que aquí se sistematizan.
Fórmulas de Newton-Cotes
Las reglas del rectángulo, del trapecio y de Simpson no son sino los tres primeros casos particulares de una familia más general de métodos de cuadratura, las llamadas fórmulas de Newton-Cotes, que se obtienen sustituyendo la función, en cada subintervalo o grupo de subintervalos con nodos equiespaciados, por su polinomio interpolador de Lagrange de grado k (tema 24), e integrando exactamente dicho polinomio: k=0 da lugar a la regla del rectángulo, k=1 a la del trapecio, k=2 a la de Simpson (a veces llamada regla de Simpson 1/3), y k=3 a la denominada regla de Simpson 3/8, con coeficientes y orden de precisión progresivamente mayores a medida que aumenta el grado del interpolador empleado. Sin embargo, esta progresión no puede extenderse indefinidamente sin límite: para grados muy altos de interpolación con nodos equiespaciados, las fórmulas de Newton-Cotes heredan el mismo fenómeno de Runge que afecta a la interpolación polinómica de grado alto (tema 24), pudiendo llegar a producir coeficientes negativos en la fórmula de cuadratura, lo que provoca inestabilidad numérica y amplificación de errores de redondeo; esta limitación práctica es la razón por la que, en aplicaciones que requieren muy alta precisión, se prefiere aplicar las fórmulas de Newton-Cotes de bajo grado (trapecio o Simpson) de forma compuesta sobre muchos subintervalos pequeños, en lugar de emplear una única fórmula de Newton-Cotes de grado muy elevado sobre todo el intervalo.
Cuadratura gaussiana
A diferencia de las fórmulas de Newton-Cotes, que fijan de antemano los nodos como equiespaciados y solo optimizan los coeficientes de la combinación lineal, la cuadratura gaussiana, desarrollada por Carl Friedrich Gauss, deja libres tanto los nodos como los coeficientes, eligiéndolos de forma óptima (mediante la teoría de polinomios ortogonales, en particular los polinomios de Legendre) para maximizar el grado del polinomio que la fórmula integra de manera exacta con un número dado de puntos de evaluación: con solo n puntos cuidadosamente elegidos (no equiespaciados, sino concentrados de forma específica según las raíces del polinomio de Legendre de grado n), la cuadratura gaussiana integra de forma exacta cualquier polinomio de grado hasta 2n-1, aproximadamente el doble de grado de exactitud que una fórmula de Newton-Cotes con el mismo número de puntos (esta integra exactamente hasta grado n-1, o n si n es impar). Esta eficiencia notablemente superior tiene como contrapartida una mayor complejidad matemática en su construcción (los nodos no admiten, en general, expresión sencilla y deben tabularse o calcularse mediante los ceros de los polinomios de Legendre) y la exigencia práctica de poder evaluar la función en puntos arbitrarios del intervalo (no siempre posible si los datos disponibles son estrictamente los de una tabla experimental de puntos fijos y equiespaciados), razón por la cual la cuadratura gaussiana se emplea sobre todo cuando la función tiene expresión analítica conocida (aunque sin primitiva elemental) y se busca la máxima precisión con el mínimo número de evaluaciones posibles.
Método de Montecarlo para integración
El método de Montecarlo aborda el cálculo aproximado de una integral desde una perspectiva radicalmente distinta a las fórmulas de cuadratura deterministas anteriores, apoyándose en la generación de números aleatorios: para estimar ∫(a,b) f(x)dx, se generan N puntos aleatorios xi distribuidos uniformemente en [a,b], se evalúa f en cada uno, y se aproxima la integral mediante (b-a)·(1/N)·∑f(xi), estimación que converge al valor exacto de la integral cuando N→∞ por la ley de los grandes números de la probabilidad (esta media muestral converge al valor esperado de f sobre una distribución uniforme en [a,b], que es precisamente la integral dividida por la longitud del intervalo). La ventaja decisiva de este método frente a las fórmulas de cuadratura deterministas es que su orden de convergencia (del orden de 1/√N, relativamente lento en una dimensión, pero independiente de la dimensión del problema) no se deteriora al aumentar el número de variables de integración, mientras que los métodos deterministas del tipo Newton-Cotes o gaussiano sufren un crecimiento exponencial del coste computacional al extenderse a integrales múltiples de varias variables, fenómeno conocido como la 'maldición de la dimensionalidad'; por esta razón, el método de Montecarlo es, en la práctica computacional moderna, el método de elección casi obligado para calcular integrales de muchas variables, como las que aparecen en física estadística, finanzas cuantitativas o aprendizaje automático.
Aplicación a problemas físicos (trabajo, distancia recorrida)
La integración numérica tiene aplicaciones directas y de uso constante en física, precisamente en aquellas situaciones en las que la magnitud a integrar —una fuerza variable, una velocidad instantánea— se conoce solo a través de una tabla de valores medidos por un sensor o un instrumento, sin expresión algebraica cerrada: el trabajo realizado por una fuerza variable F(x) al desplazar un objeto desde x=a hasta x=b se calcula, exactamente, mediante W=∫(a,b) F(x)dx, integral que, si F solo se conoce tabulada en instantes discretos, se estima directamente aplicando la regla del trapecio o de Simpson sobre esos mismos datos, sin necesidad de ajustar previamente ninguna función algebraica a los datos. De forma análoga, la distancia total recorrida por un móvil cuya velocidad v(t) se registra en instantes discretos de tiempo se estima mediante d=∫v(t)dt, aproximada numéricamente por los mismos métodos, aplicación que conecta directamente este tema con la interpretación física de la integral como magnitud acumulada a partir de una tasa de variación conocida (la velocidad es la derivada de la posición, tema 28, y la integración recupera la posición a partir de la velocidad, relación inversa que ilustra de manera muy concreta el teorema fundamental del cálculo del tema 30 en un contexto físico tangible para el alumnado).
Uso de hojas de cálculo o software para integración numérica
La implementación práctica de los métodos de integración numérica de este tema —trapecio, Simpson, o incluso Montecarlo— es extraordinariamente sencilla mediante una hoja de cálculo estándar (Excel, Google Sheets, LibreOffice Calc): basta tabular los valores de f en una columna de nodos equiespaciados, aplicar la fórmula compuesta correspondiente mediante operaciones aritméticas elementales sobre esa columna (una suma ponderada con los coeficientes característicos de cada método), y comparar el resultado obtenido con distintos números de subintervalos para observar empíricamente la convergencia del método sin necesidad de programación especializada. Esta accesibilidad convierte a la integración numérica en un contenido con fuerte proyección didáctica en el aula de bachillerato (Matemáticas II y Matemáticas Aplicadas a las Ciencias Sociales II) y en proyectos interdisciplinares con física y tecnología, donde el alumnado puede experimentar de primera mano cómo mejora la precisión de la aproximación al refinar la partición, sin necesidad de dominar previamente el aparato teórico completo del cálculo de primitivas del tema 30. El software de cálculo simbólico y numérico más avanzado (GeoGebra, sistemas de álgebra computacional, lenguajes de programación científica) implementa además, de forma automática y transparente para el usuario, algoritmos de cuadratura adaptativa (punto 8) mucho más sofisticados que las fórmulas compuestas manuales, ajustando automáticamente la partición para alcanzar una tolerancia de error prefijada.
Fórmulas compuestas del trapecio y de Simpson sobre varios subintervalos
El término 'compuesta' que acompaña habitualmente a las reglas del trapecio y de Simpson (puntos 4 y 5) hace referencia precisamente a la aplicación repetida de la fórmula simple (definida originalmente sobre un único subintervalo, o pareja de subintervalos en el caso de Simpson) sobre una partición del intervalo total [a,b] en muchos subintervalos pequeños, sumando las contribuciones de cada uno; esta composición es la que produce los característicos patrones de coeficientes 1-2-2-...-2-1 (trapecio) y 1-4-2-4-...-4-1 (Simpson) ya presentados, en los que los nodos interiores reciben mayor peso relativo que los extremos por pertenecer simultáneamente a dos (o más) subdivisiones consecutivas de la fórmula simple. Esta estrategia de composición —dividir el intervalo total en muchos trozos pequeños y aplicar en cada uno una fórmula simple de bajo grado, en lugar de aplicar una única fórmula de grado muy alto sobre todo el intervalo— es exactamente la misma filosofía, y persigue exactamente el mismo objetivo, que la interpolación segmentaria por splines del tema 24 frente a la interpolación polinómica de grado alto: evitar el fenómeno de Runge y las inestabilidades numéricas asociadas a los polinomios de grado elevado, manteniendo en su lugar un control preciso y localizado del error mediante subdivisión, principio metodológico recurrente en prácticamente todo el análisis numérico aplicado.
Relación entre el grado del polinomio interpolador y el método de cuadratura
Como se ha señalado de forma dispersa a lo largo del tema, existe una correspondencia exacta y sistemática entre el grado del polinomio interpolador empleado en cada subintervalo (tema 24) y el método de cuadratura resultante: interpolar mediante una constante (grado 0, el valor de la función en un punto) da la regla del rectángulo; mediante una recta (grado 1, los valores en los dos extremos) da la regla del trapecio; mediante una parábola (grado 2, los valores en los extremos y el punto medio) da la regla de Simpson; y, en general, interpolar mediante un polinomio de grado k con k+1 nodos equiespaciados y calcular la integral exacta de dicho polinomio interpolador produce la correspondiente fórmula de Newton-Cotes de orden k (punto 11). Esta correspondencia no es una mera coincidencia expositiva, sino la razón estructural profunda de por qué todos estos métodos de cuadratura funcionan: al sustituir la función original, difícil o imposible de integrar exactamente, por un polinomio que la aproxima bien localmente (con el error de interpolación acotado según la fórmula del tema 24), y calcular la integral exacta de ese polinomio (tarea trivial, ya que integrar un polinomio es siempre inmediato, tema 30), se obtiene una aproximación de la integral original cuya precisión hereda directamente la precisión del interpolador subyacente, vínculo conceptual que unifica en un único principio metodológico prácticamente todo el contenido de este tema.
Estimación del error de truncamiento en los métodos numéricos
Más allá de las fórmulas teóricas de error que involucran una derivada de orden superior evaluada en un punto desconocido ξ (punto 6), en la práctica computacional resulta habitual estimar el error de un método numérico sin necesidad de acotar dicha derivada, mediante la técnica de comparar los resultados obtenidos con dos particiones distintas del intervalo (por ejemplo, duplicando el número de subintervalos) y observar cómo varía el valor de la aproximación: si el método tiene orden de convergencia p (punto 7), la diferencia entre ambas aproximaciones proporciona una estimación práctica y fiable del error, técnica conocida genéricamente como extrapolación de Richardson, que además puede emplearse para combinar ambas aproximaciones y obtener una estimación de orden de convergencia todavía superior al del método original (aplicada sistemáticamente a la regla del trapecio, esta técnica de combinación da lugar, de hecho, precisamente a la regla de Simpson, ilustrando una conexión adicional entre ambos métodos más allá de la ya señalada correspondencia con el grado del interpolador). Esta estrategia práctica de refinamiento sucesivo y comparación de resultados es la que efectivamente implementan, de forma automatizada, los algoritmos de cuadratura adaptativa del software matemático moderno (punto 8 y 15), que detienen el proceso de refinamiento precisamente cuando la diferencia entre dos aproximaciones sucesivas cae por debajo de la tolerancia de error especificada por el usuario.
Aplicación de la integración numérica a funciones tabuladas experimentalmente
Retomando y sistematizando la aplicación ya introducida en el punto 10, conviene subrayar que, en el contexto experimental (a diferencia del contexto puramente teórico de una función sin primitiva elemental pero de expresión conocida), la elección del método de integración numérica más adecuado debe tener en cuenta no solo el orden de convergencia teórico del método, sino también la presencia de ruido de medición en los datos: la regla de Simpson, al basarse en una interpolación cuadrática que puede amplificar oscilaciones locales del ruido experimental (fenómeno relacionado con el sobreajuste ya discutido en el tema 24 al comparar interpolación con regresión), no siempre es preferible en la práctica a la regla del trapecio, más robusta frente a datos ruidosos aunque de menor orden de convergencia teórico en ausencia de ruido. Esta consideración práctica ilustra un principio general del análisis numérico aplicado que trasciende la mera comparación de órdenes de convergencia en el caso ideal (función suave, datos exactos): la elección del método óptimo depende del contexto real de aplicación, incluyendo la calidad de los datos disponibles, y no puede reducirse a la simple regla de que 'un método de mayor orden de convergencia es siempre preferible', matización importante que conviene transmitir al futuro profesorado de matemáticas más allá del tratamiento puramente formal de los métodos.
Ventajas de los métodos numéricos frente al cálculo simbólico de primitivas
Aunque el cálculo exacto de una primitiva mediante las técnicas del tema 30, cuando es posible, proporciona información más rica que una simple aproximación numérica (permite evaluar la integral para cualquier límite de integración sin recalcular desde cero, y ofrece comprensión analítica de la dependencia funcional del resultado respecto de los parámetros del problema), los métodos numéricos de este tema presentan ventajas prácticas decisivas en un número muy amplio de situaciones: son aplicables universalmente a cualquier función continua tabulada o computable, independientemente de que admita o no primitiva elemental; su precisión puede controlarse y mejorarse de forma sistemática simplemente refinando la partición, sin necesidad de manipulación algebraica adicional; y su implementación computacional es directa y eficiente incluso para integrales múltiples de varias variables (especialmente mediante el método de Montecarlo, punto 13), donde el cálculo simbólico de primitivas resulta, en la inmensa mayoría de los casos, sencillamente inviable. Por estas razones, en la práctica científica, ingenieril y económica contemporánea, la inmensa mayoría de las integrales que se calculan efectivamente —ya sea en simulaciones físicas, en modelos financieros o en análisis de datos experimentales— se resuelven mediante métodos numéricos y no mediante el cálculo exacto de una primitiva, reservándose este último, en la práctica profesional habitual, para los casos en que se dispone de él y aporta información analítica adicional relevante para el problema.
Ejemplo numérico resuelto: aproximación de π mediante ∫(0,1) 4/(1+x²)dx
Como la integral exacta de 4/(1+x²) entre 0 y 1 vale 4·arctan(1)=π≈3,141593, esta función permite comparar los métodos con un valor de referencia conocido. Con n=2 subintervalos (h=0,5) los valores de la función son f(0)=4, f(0,5)=3,2 y f(1)=2: el trapecio compuesto da (0,5/2)·[4+2·3,2+2]=3,1; el punto medio, con f(0,25)≈3,7647 y f(0,75)=2,56, da 0,5·(3,7647+2,56)≈3,1624; y Simpson da (0,5/3)·[4+4·3,2+2]≈3,1333. Con n=4 (h=0,25) el trapecio da ≈3,1312 y Simpson ≈3,14157; con n=8 el trapecio da ≈3,13899 y Simpson ≈3,141593 (acierta ya cinco cifras decimales). Se observa el comportamiento teórico: al duplicar n, el error del trapecio se divide aproximadamente por 4 (orden 2) y el de Simpson aproximadamente por 16 (orden 4). El ejemplo ilustra además un patrón general: los errores del trapecio y del punto medio tienen signos contrarios (aquí el trapecio queda por debajo y el punto medio por encima del valor exacto) y el del punto medio es aproximadamente la mitad en valor absoluto.
Determinación a priori del número de subintervalos
Las fórmulas de error permiten fijar de antemano n para garantizar una tolerancia ε. Basta acotar la derivada relevante en [a,b] y despejar n. Ejemplo: para aproximar ∫(0,1) e^(-x²)dx con error menor que 10⁻⁶ mediante el trapecio, como f''(x)=(4x²-2)e^(-x²) cumple |f''|≤2 en [0,1], se exige (1/12)·h²·2≤10⁻⁶, es decir h²≤6·10⁻⁶, h≤2,45·10⁻³ y por tanto n≥409. Con Simpson, como f^(4)(x)=(16x⁴-48x²+12)e^(-x²) cumple |f^(4)|≤12 en [0,1], se exige (1/180)·h⁴·12≤10⁻⁶, es decir h⁴≤1,5·10⁻⁵, h≤0,0622 y por tanto n≥17, que al ser n par obliga a tomar n=18. La diferencia (más de 400 nodos frente a 19) muestra la ventaja práctica del orden 4. El valor de referencia es ∫(0,1) e^(-x²)dx≈0,746824. Hay que recordar que estas cotas son pesimistas (cota superior del error, no su valor), y que n debe ser par en Simpson y múltiplo de 3 en la regla de Simpson 3/8.
Signo del error, convexidad y cotas con funciones monótonas
El signo del error depende de la curvatura de la función. Si f es convexa (f''>0) en [a,b], la cuerda queda por encima de la gráfica y el trapecio compuesto sobrestima la integral, mientras que el punto medio (cuya tangente queda por debajo de la gráfica) la subestima; si f es cóncava ocurre lo contrario. En consecuencia, para f''>0 el valor exacto queda entre el punto medio y el trapecio, lo que proporciona un intervalo de confianza práctico, y la combinación (2M+T)/3 de ambas reglas da precisamente la regla de Simpson compuesta. Otra cota elemental, muy útil didácticamente, es la de las sumas de Riemann con funciones monótonas: si f es creciente, la suma con extremo izquierdo es una cota inferior y la de extremo derecho una cota superior (y al revés si f es decreciente), con diferencia entre ambas igual a h·|f(b)-f(a)|, lo que garantiza el error máximo de cada una sin derivar. Las sumas de Riemann con extremos son métodos de orden 1: su error es aproximadamente proporcional a h.
Regla de Simpson 3/8 y regla de Boole
La regla de Simpson 3/8 resulta de integrar el polinomio de grado 3 que interpola cuatro nodos equiespaciados: ∫(x0,x3) f ≈ (3h/8)·[f(x0)+3f(x1)+3f(x2)+f(x3)], con error local de orden h⁵ proporcional a f^(4) (concretamente -(3/80)h⁵f^(4)(ξ)). Su fórmula compuesta, que exige un número de subintervalos múltiplo de 3, presenta el patrón de coeficientes 1-3-3-2-3-3-2-...-3-3-1. Pese a usar un polinomio de grado 3 su grado de exactitud es también 3 (como Simpson 1/3) y su orden global es 4, de modo que no mejora el orden de Simpson 1/3; se utiliza sobre todo para completar un intervalo cuando el número de subintervalos es impar (aplicando 3/8 a tres de ellos y 1/3 al resto). La siguiente fórmula cerrada de Newton-Cotes (cinco nodos, polinomio de grado 4) es la regla de Boole: (2h/45)·[7f(x0)+32f(x1)+12f(x2)+32f(x3)+7f(x4)], de grado de exactitud 5 y error local proporcional a h⁷f^(6). Regla mnemotécnica: las fórmulas con un número impar de nodos (Simpson 1/3, Boole) ganan un grado de exactitud por simetría respecto de las de número par de nodos.
Extrapolación de Richardson y método de Romberg
El método de Romberg sistematiza la extrapolación de Richardson. Se calculan los trapecios compuestos R(k,0) con 2^k subintervalos (cada uno reutiliza los nodos del anterior, sólo hay que evaluar los nuevos puntos medios) y se combinan mediante R(k,j)=R(k,j-1)+[R(k,j-1)-R(k-1,j-1)]/(4^j-1). La segunda columna (j=1) coincide exactamente con las reglas de Simpson compuestas, la tercera (j=2) con las de Boole, y cada nueva columna elimina el siguiente término del desarrollo del error en potencias pares de h (h², h⁴, h⁶...), elevando el orden a 2, 4, 6, 8... Esta extrapolación se apoya en el desarrollo asintótico del error del trapecio (fórmula de Euler-Maclaurin) y funciona bien para funciones suficientemente regulares. Una consecuencia curiosa de Euler-Maclaurin es que, para funciones periódicas regulares integradas sobre un período completo, el trapecio converge más rápido que cualquier potencia de h, porque desaparecen los términos de borde del error.
Cuadratura de Gauss-Legendre: nodos y pesos usuales
La cuadratura de Gauss-Legendre aproxima ∫(-1,1) f(t)dt≈∑ wi·f(ti), con ti las raíces del polinomio de Legendre de grado n y pesos wi positivos que suman 2. Los casos más usados son: n=1 (t=0, w=2, equivale al punto medio), exacto para grado 1; n=2 (t=±1/√3≈±0,5774, w=1 y 1), exacto hasta grado 3; n=3 (t=0 con w=8/9 y t=±√(3/5)≈±0,7746 con w=5/9), exacto hasta grado 5. Para un intervalo cualquiera [a,b] se aplica el cambio lineal x=(b-a)t/2+(a+b)/2, de modo que ∫(a,b) f(x)dx≈((b-a)/2)·∑ wi·f(xi). Los pesos son siempre positivos, lo que garantiza estabilidad numérica incluso con n grande (a diferencia de Newton-Cotes de grado alto), y para funciones analíticas el error decrece de forma geométrica con n. Otras familias gaussianas (Chebyshev, Laguerre, Hermite) se adaptan a pesos distintos o intervalos no acotados, y existen reglas anidadas como Gauss-Kronrod, que reutilizan nodos para estimar el error y se emplean en los integradores adaptativos modernos.
Errores de redondeo, estabilidad y límites del refinamiento
El error total de una aproximación numérica es la suma del error de truncamiento (propio de la fórmula, decreciente al reducir h) y del error de redondeo (debido a la aritmética de precisión finita, que crece en general al aumentar el número de operaciones). Por ello reducir indefinidamente h no mejora siempre el resultado: a partir de cierto n el redondeo empieza a dominar y el error deja de disminuir. Las reglas de coeficientes positivos (trapecio, Simpson, Gauss-Legendre) son numéricamente estables, pues la suma de los valores absolutos de los pesos es igual a b-a y el error de redondeo queda acotado por ese factor multiplicado por el error unitario de las evaluaciones. En cambio, las fórmulas de Newton-Cotes de grado alto (a partir de nueve nodos, es decir, grado 8, aparecen pesos de distinto signo) amplifican los errores. Además, si f presenta una singularidad, una derivada no acotada o un salto, las fórmulas de error pierden validez y el orden real baja; conviene entonces dividir el intervalo en los puntos problemáticos o realizar un cambio de variable previo.
Integrales impropias, datos no equiespaciados y funciones con irregularidades
Las fórmulas compuestas suponen f acotada y regular en [a,b]. Ante una integral impropia de segunda especie (integrando no acotado en un extremo, por ejemplo ∫(0,1) dx/√x) no se pueden evaluar los nodos extremos; suele resolverse con un cambio de variable que elimine la singularidad (x=u² convierte la integral anterior en ∫(0,1) 2du) o separando la parte singular y tratándola analíticamente. En las integrales de primera especie (intervalo infinito) se trunca el intervalo hasta un valor suficientemente grande acotando la cola, o se usan cambios de variable a un intervalo finito o reglas gaussianas específicas (Laguerre, Hermite). Si los datos tabulados no están equiespaciados, el trapecio se generaliza sin dificultad: I≈∑(xi-xi-1)·[f(xi-1)+f(xi)]/2. La regla de Simpson requiere en cambio nodos equiespaciados o fórmulas modificadas. Con funciones definidas a trozos o con saltos, se integra por separado cada tramo regular, porque el orden de convergencia de cualquier fórmula se degrada si la discontinuidad queda dentro de un subintervalo.
Aplicaciones geométricas, probabilísticas y físicas de la cuadratura
Además de las aplicaciones al trabajo y a la distancia (punto 14), la cuadratura numérica resuelve de forma habitual: (1) el cálculo de áreas bajo curvas sin primitiva elemental y de longitudes de arco L=∫√(1+f'(x)²)dx, cuyo integrando raramente admite primitiva; (2) el cálculo de volúmenes de sólidos de revolución y de secciones conocidas, V=∫A(x)dx, a partir de áreas de secciones medidas en una tabla (como en el cálculo del volumen de un depósito o de una presa); (3) las probabilidades de la distribución normal, P(a≤X≤b)=∫(a,b) (1/(σ√(2π)))e^(-(x-μ)²/(2σ²))dx, cuya densidad no tiene primitiva elemental y que históricamente se tabulaba mediante estas técnicas; (4) el valor medio de una función, (1/(b-a))∫(a,b)f, útil en física (valores eficaces y medios) y en economía; y (5) la resolución de ecuaciones diferenciales por métodos de tipo cuadratura, como el método del trapecio implícito o los de Adams. En ingeniería es habitual aplicar el trapecio a series de datos (caudales, consumos energéticos, registros de sensores) para obtener volúmenes acumulados o energías totales.
Cuadro comparativo de los principales métodos de cuadratura
Resumen para memorizar (h=(b-a)/n, n número de subintervalos). Rectángulo con extremo izquierdo o derecho: polinomio de grado 0, grado de exactitud 0, orden de error global h. Punto medio: grado 0 con nodo central, grado de exactitud 1, error (b-a)/24·h²f''(ξ), orden 2. Trapecio: grado 1, grado de exactitud 1, error -(b-a)/12·h²f''(ξ), orden 2. Simpson 1/3: grado 2, n par, grado de exactitud 3, error -(b-a)/180·h⁴f^(4)(ξ), orden 4. Simpson 3/8: grado 3, n múltiplo de 3, grado de exactitud 3, orden 4. Boole: grado 4, grado de exactitud 5, orden 6. Gauss-Legendre con n nodos: grado de exactitud 2n-1, nodos no equiespaciados. Montecarlo: error probabilístico del orden de 1/√N, independiente de la dimensión. Regla general: el grado de exactitud es el mayor grado de polinomio que la fórmula integra sin error, y el orden de convergencia compuesto es igual al grado de exactitud más uno.
Ideas clave para el examen — memoriza esto
La integración numérica es necesaria cuando la función no tiene primitiva elemental (e^(-x²), sen x/x) o solo se conoce por una tabla experimental de valores.
Toda la integración numérica se fundamenta en la suma de Riemann: ∑f(xi*)·Δx converge a la integral cuando el ancho máximo de los subintervalos tiende a 0.
Regla del punto medio: h·∑f(mi); exacta para rectas, error global de orden h² (aprox. la mitad del trapecio y de signo contrario) — mejor que evaluar en los extremos del subintervalo.
Regla del trapecio compuesta: (h/2)[f(x0)+2f(x1)+...+2f(xn-1)+f(xn)]; equivale a interpolar linealmente en cada tramo; exacta para rectas, error de orden h².
Regla de Simpson compuesta: (h/3)[f(x0)+4f(x1)+2f(x2)+...+4f(xn-1)+f(xn)], patrón 1-4-2-4-...-1; interpola con parábolas, exacta hasta polinomios de grado 3, error de orden h⁴.
Error del trapecio: -(b-a)/12·h²·f''(ξ); error de Simpson: -(b-a)/180·h⁴·f^(4)(ξ) — fórmulas análogas al error de interpolación (tema 24) y al resto de Taylor (tema 27).
Orden de convergencia p: el error es proporcional a h^p; trapecio orden 2, Simpson orden 4 — Simpson converge mucho más rápido al refinar la partición.
Fórmulas de Newton-Cotes: cuadratura basada en interpolar con polinomio de grado k y nodos equiespaciados; k=0 rectángulo, k=1 trapecio, k=2 Simpson; grados muy altos sufren el fenómeno de Runge.
Cuadratura gaussiana: nodos y coeficientes optimizados (no equiespaciados, vía polinomios de Legendre); con n puntos integra exactamente hasta grado 2n-1, aproximadamente el doble que Newton-Cotes con n puntos (grado n-1, o n si n es impar).
Método de Montecarlo: aproxima la integral mediante el promedio de f en puntos aleatorios; converge como 1/√N, y no sufre la maldición de la dimensionalidad en integrales múltiples.
Cada método de cuadratura corresponde exactamente a integrar el polinomio interpolador de un grado dado (tema 24): grado 0→rectángulo, grado 1→trapecio, grado 2→Simpson.
La partición adaptativa concentra subintervalos donde la derivada relevante es grande, optimizando precisión frente a coste computacional; así funciona el software moderno.
Extrapolación de Richardson: comparar resultados con distinta partición estima el error práctico sin necesidad de acotar la derivada; aplicada al trapecio genera la regla de Simpson.
Con datos experimentales ruidosos, un método de mayor orden (Simpson) puede amplificar el ruido; a veces el trapecio, más robusto, es preferible en la práctica.
Aplicaciones físicas directas: trabajo W=∫F(x)dx y distancia recorrida d=∫v(t)dt a partir de datos tabulados de fuerza o velocidad.
Las hojas de cálculo permiten implementar trapecio y Simpson con operaciones aritméticas elementales, sin necesidad de programación especializada.
Frente al cálculo simbólico de primitivas, los métodos numéricos son universales, controlables en precisión y escalables a integrales multivariable, por lo que dominan la práctica científica aplicada.
Grados de exactitud: rectángulo (extremo) 0; punto medio 1; trapecio 1; Simpson 1/3 y 3/8: 3; Boole: 5; Gauss-Legendre con n nodos: 2n-1.
Simpson exige n par (parejas de subintervalos); Simpson 3/8 exige n múltiplo de 3. Error típico de examen: aplicar Simpson con n impar.
Coeficientes del trapecio compuesto: 1-2-2-...-2-1 (con factor h/2); de Simpson: 1-4-2-4-...-4-1 (con factor h/3). No confundir el factor h/2 con h/3.
Error del punto medio: (b-a)/24·h²f''; la mitad en valor absoluto que el del trapecio y de signo contrario. Si f es convexa, trapecio sobrestima y punto medio subestima.
La combinación (2M+T)/3 de punto medio y trapecio da la regla de Simpson; la extrapolación de Richardson aplicada al trapecio también (S=(4T2n-Tn)/3).
Al duplicar n: el error del trapecio y del punto medio se divide por 4 aprox. (orden 2); el de Simpson por 16 aprox. (orden 4); el de sumas con extremos por 2 (orden 1).
Ejemplo de referencia: ∫(0,1) 4/(1+x²)dx=π; trapecio con n=2 da 3,1 y Simpson con n=2 da 3,1333; Simpson con n=8 ya da 3,141593.
Para error menor que 10⁻⁶ en ∫(0,1) e^(-x²)dx hacen falta n≥409 con el trapecio pero basta n=18 con Simpson (cota |f''|≤2 y |f^(4)|≤12).
Gauss-Legendre con 2 nodos: t=±1/√3, pesos 1 y 1 (exacto hasta grado 3); con 3 nodos: 0 y ±√(3/5), pesos 8/9 y 5/9 (exacto hasta grado 5). Los pesos son positivos.
Método de Romberg: tabla de trapecios extrapolados; su segunda columna coincide con Simpson y la tercera con Boole.
Error total = truncamiento (baja con h) + redondeo (sube con n): refinar indefinidamente no mejora el resultado.
El orden de convergencia teórico exige regularidad: con singularidades o saltos dentro del intervalo el orden real cae; hay que partir el intervalo o cambiar de variable.
Si los datos tabulados no son equiespaciados, el trapecio sigue siendo aplicable con anchos variables xi-xi-1; Simpson estándar no.
12 preguntas sobre este tema, en orden aleatorio. Sin registro, sin límite de intentos.
Pregunta 1 de 120 aciertos
Con el trapecio compuesto y datos tabulados no equiespaciados, la aproximación de la integral se calcula como:
Preguntas frecuentes
¿De qué trata el Tema 31 de Secundaria?
El Tema 31 aborda el problema práctico que queda sin resolver cuando el catálogo de métodos analíticos del tema 30 no basta: numerosas funciones continuas, incluso de apariencia sencilla, no admiten primitiva expresable mediante funciones elementales (e^(-x²), sen(x)/x, integrales elípticas), y en la práctica experimental es aún más habitual disponer únicamente de una función tabulada en un número finito de puntos, sin ninguna expresión algebraica cerrada. La integración numérica proporciona, en ambos casos, procedimientos sistemáticos para obtener una aproximación tan precisa como se desee del valor de la integral definida, apoyándose en la propia definición de integral como límite de sumas de Riemann y en las técnicas de interpolación polinómica desarrolladas en el tema 24, de las que la mayoría de los métodos de cuadratura numérica no son sino una aplicación directa. El tema conecta de forma natural el análisis matemático puro con el cálculo científico aplicado, y tiene una relevancia creciente en la formación del profesorado por su vínculo directo con el uso de hojas de cálculo y software matemático en el aula, herramientas cada vez más presentes en la enseñanza de las matemáticas aplicadas de bachillerato.
¿Qué hay que memorizar del Tema 31 para el examen?
La integración numérica es necesaria cuando la función no tiene primitiva elemental (e^(-x²), sen x/x) o solo se conoce por una tabla experimental de valores. Toda la integración numérica se fundamenta en la suma de Riemann: ∑f(xi*)·Δx converge a la integral cuando el ancho máximo de los subintervalos tiende a 0. Regla del punto medio: h·∑f(mi); exacta para rectas, error global de orden h² (aprox. la mitad del trapecio y de signo contrario) — mejor que evaluar en los extremos del subintervalo. Regla del trapecio compuesta: (h/2)[f(x0)+2f(x1)+...+2f(xn-1)+f(xn)]; equivale a interpolar linealmente en cada tramo; exacta para rectas, error de orden h². Regla de Simpson compuesta: (h/3)[f(x0)+4f(x1)+2f(x2)+...+4f(xn-1)+f(xn)], patrón 1-4-2-4-...-1; interpola con parábolas, exacta hasta polinomios de grado 3, error de orden h⁴. Error del trapecio: -(b-a)/12·h²·f''(ξ); error de Simpson: -(b-a)/180·h⁴·f^(4)(ξ) — fórmulas análogas al error de interpolación (tema 24) y al resto de Taylor (tema 27). Orden de convergencia p: el error es proporcional a h^p; trapecio orden 2, Simpson orden 4 — Simpson converge mucho más rápido al refinar la partición. Fórmulas de Newton-Cotes: cuadratura basada en interpolar con polinomio de grado k y nodos equiespaciados; k=0 rectángulo, k=1 trapecio, k=2 Simpson; grados muy altos sufren el fenómeno de Runge. Cuadratura gaussiana: nodos y coeficientes optimizados (no equiespaciados, vía polinomios de Legendre); con n puntos integra exactamente hasta grado 2n-1, aproximadamente el doble que Newton-Cotes con n puntos (grado n-1, o n si n es impar). Método de Montecarlo: aproxima la integral mediante el promedio de f en puntos aleatorios; converge como 1/√N, y no sufre la maldición de la dimensionalidad en integrales múltiples. Cada método de cuadratura corresponde exactamente a integrar el polinomio interpolador de un grado dado (tema 24): grado 0→rectángulo, grado 1→trapecio, grado 2→Simpson. La partición adaptativa concentra subintervalos donde la derivada relevante es grande, optimizando precisión frente a coste computacional; así funciona el software moderno. Extrapolación de Richardson: comparar resultados con distinta partición estima el error práctico sin necesidad de acotar la derivada; aplicada al trapecio genera la regla de Simpson. Con datos experimentales ruidosos, un método de mayor orden (Simpson) puede amplificar el ruido; a veces el trapecio, más robusto, es preferible en la práctica. Aplicaciones físicas directas: trabajo W=∫F(x)dx y distancia recorrida d=∫v(t)dt a partir de datos tabulados de fuerza o velocidad. Las hojas de cálculo permiten implementar trapecio y Simpson con operaciones aritméticas elementales, sin necesidad de programación especializada. Frente al cálculo simbólico de primitivas, los métodos numéricos son universales, controlables en precisión y escalables a integrales multivariable, por lo que dominan la práctica científica aplicada. Grados de exactitud: rectángulo (extremo) 0; punto medio 1; trapecio 1; Simpson 1/3 y 3/8: 3; Boole: 5; Gauss-Legendre con n nodos: 2n-1. Simpson exige n par (parejas de subintervalos); Simpson 3/8 exige n múltiplo de 3. Error típico de examen: aplicar Simpson con n impar. Coeficientes del trapecio compuesto: 1-2-2-...-2-1 (con factor h/2); de Simpson: 1-4-2-4-...-4-1 (con factor h/3). No confundir el factor h/2 con h/3. Error del punto medio: (b-a)/24·h²f''; la mitad en valor absoluto que el del trapecio y de signo contrario. Si f es convexa, trapecio sobrestima y punto medio subestima. La combinación (2M+T)/3 de punto medio y trapecio da la regla de Simpson; la extrapolación de Richardson aplicada al trapecio también (S=(4T2n-Tn)/3). Al duplicar n: el error del trapecio y del punto medio se divide por 4 aprox. (orden 2); el de Simpson por 16 aprox. (orden 4); el de sumas con extremos por 2 (orden 1). Ejemplo de referencia: ∫(0,1) 4/(1+x²)dx=π; trapecio con n=2 da 3,1 y Simpson con n=2 da 3,1333; Simpson con n=8 ya da 3,141593. Para error menor que 10⁻⁶ en ∫(0,1) e^(-x²)dx hacen falta n≥409 con el trapecio pero basta n=18 con Simpson (cota |f''|≤2 y |f^(4)|≤12). Gauss-Legendre con 2 nodos: t=±1/√3, pesos 1 y 1 (exacto hasta grado 3); con 3 nodos: 0 y ±√(3/5), pesos 8/9 y 5/9 (exacto hasta grado 5). Los pesos son positivos. Método de Romberg: tabla de trapecios extrapolados; su segunda columna coincide con Simpson y la tercera con Boole. Error total = truncamiento (baja con h) + redondeo (sube con n): refinar indefinidamente no mejora el resultado. El orden de convergencia teórico exige regularidad: con singularidades o saltos dentro del intervalo el orden real cae; hay que partir el intervalo o cambiar de variable. Si los datos tabulados no son equiespaciados, el trapecio sigue siendo aplicable con anchos variables xi-xi-1; Simpson estándar no.
¿Hay preguntas de test de este tema exacto?
Sí, 12 preguntas tipo test sobre este tema, en el apartado "Ponte a prueba" de esta misma página. Sin registro y sin límite de intentos.
¿De dónde sale el temario de este tema?
Del índice oficial de BOE núm. 226, de 21 de septiembre de 1993, páginas 27400 a 27438 (Orden de 9 de septiembre de 1993, del Ministerio de Educación y Ciencia, BOE-A-1993-23257), Anexo III — cuestionario específico (Parte A) de la especialidad Matemáticas del Cuerpo de Profesores de Enseñanza Secundaria (Temario oficial estatal de referencia — especialidad Matemáticas (Cuerpo de Profesores de Enseñanza Secundaria)).
Fuentes de este desarrollo
R.L. Burden y J.D. Faires, "Análisis numérico" (Cengage), capítulo de diferenciación e integración numéricas (fórmulas de Newton-Cotes, Romberg, cuadratura gaussiana)
K. Atkinson, "An Introduction to Numerical Analysis" (Wiley), capítulo de integración numérica
J. Stoer y R. Bulirsch, "Introduction to Numerical Analysis" (Springer), capítulo de integración y extrapolación de Romberg
W.H. Press et al., "Numerical Recipes" (Cambridge University Press), capítulo de integración de funciones
P.J. Davis y P. Rabinowitz, "Methods of Numerical Integration" (Academic Press)
Real Decreto 243/2022, de 5 de abril, por el que se establecen la ordenación y las enseñanzas mínimas del Bachillerato — saberes de Sentido de la medida y Sentido algebraico/análisis (aplicaciones de la integral)
Mientras tanto, practica con tests gratis de Secundaria.