TEMA 8

Primero repasemos el concepto de aproximación lineal.

Definición: Si f(x) es una función derivable en x = x0, entonces una aproximación lineal para f(x) en
x = x0 es dada por la ecuación de la recta tangente
y−y0 = f '(x 0)(x−x0 )

Despejando y nos da una buena aproximación de f(x) siempre y cuando x no esté muy lejos de a. Las
aproximaciones lineales nos permiten aproximar computaciones difíciles, es decir, no son tan exactas
pero son más rápidas de calcular (también para los computadores)
Un uso de los diferenciales también nos da el mismo resultado dy= f '(x 0)·dx (Es lo mismo)

Un método iterativo trata de resolver un problema matemático (como una ecuación o un sistema de
ecuaciones) mediante aproximaciones sucesivas a la solución, empezando desde una estimación inicial.
Esta aproximación contrasta con los métodos directos, que tratan de resolver el problema de una sola
vez (como resolver un sistema de ecuaciones Ax=b encontrando la inversa de la matriz A). Los métodos
iterativos son útiles para resolver problemas que involucran un número grande de variables, donde los
métodos directos tendrían un coste prohibitivo incluso con la potencia del mejor computador
disponible.
• Método de Newton(-Raphson): Nos permite resolver ecuaciones (hallar ceros o raíces) que
serían imposibles de resolver por métodos simbólicos. Sea f(x) una función diferenciable,
f (an)
usamos una fórmula recursiva an+1 =an− que nos dará una mejor aproximación de la
f ' (an)
solución
• Método de Euler: Aunque el método de Newton es de mayor importancia computacional, este
método tiene más importancia teórica. Aquí trazamos una curva poligonal (mediante una tabla)
que se aproxima a la función. Se usa por ejemplo en ecuaciones diferenciales

La idea básica en análisis matemático o numérico es la de utilizar funciones sencillas que nos dan un
resultado aproximado de una función más compleja. Es decir, es la búsqueda de soluciones
aproximadas a problemas complejos de difícil computación.
Tipos de funciones:

1
a) Aproximación de las raíces de una ecuación con un error menor que una cantidad fija: Se emplean
tres métodos: el de la bisección, el de la Regula Falsi y el de Newton Raphson (no confundir con el
polinomio de Newton)
b) Aproximación de una función por un polinomio: Conocemos como el polinomio de Taylor aproxima
la función con un cota de error proporcionada por el resto. Ahora estudiaremos la interpolación. Se
trata de encontrar un polinomio que pasa por n puntos de la gráfica de la función. El método más usado
es el de los polinomios de Lagrange
c) Derivación numérica: Se trata de encontrar una aproximación de la derivada de la función en un
punto. A partir de la expresión del límite que define las derivadas se construyen las fórmulas que las
aproximan
d) Integración numérica: La idea usada es la del método de exhaución, es decir, la propia definición de
integral. Regla de los trapecios

Un ejemplo de polinomio de aproximación sería la fórmula de Taylor, que nos da un polinomio P que
coincidiera con una función dada f y con algunas de sus derivadas en un punto dado
P(a) = f(a), P’(a) = f’ (a), …. , P(n) (a) = f(n) (a)
Existen muchos otros métodos para aproximar una función dada f mediante polinomios, dependiendo
del uso que debe hacerse de la aproximación. Por ejemplo, si queremos desear un polinomio que tome
los mismos valores que f en un cierto número de puntos distintos. Concretamente, si los puntos dados
son x0, x1, …, xn podemos buscar un polinomio P que satisfaga las condiciones
P( x 0)=f (x 0 ), P(x 1)=f ( x 1 ), ... , P(x n )=f (x n)

Puesto que hay n + 1 condiciones a satisfacer intentamos resolver el problema con un polinomio de
n
grado ≤ n, sea éste P( x)=∑ a k x k con n + 1 coeficientes a0, a1, …, an a determinar.
x=0
Las n + 1 condiciones nos conducen a un sistema de n + 1 ecuaciones de primer grado entre los
coeficientes. Según la teoría de las ecuaciones lineales puede demostrarse que este sistema tiene una y
una sola solución; luego el citado polinomio existe siempre. Si el sistema se resuelve por la regla de
Cramer, los coeficientes a0, a1, …, an se expresan como cocientes de determinantes. En la práctica, no
obstante, el polinomio P rara vez se determina de este modo debido a que los cálculos son
extremadamente laboriosos cuando n es grande. Se han desarrollado métodos más sencillos para
calcular los polinomios de aproximación. Algunos de ellos serán discutidos en secciones posteriores. El
polinomio que resuelve el problema antes citado se llama polinomio de interpolación.

Otro tipo corriente de polinomio de aproximación es el llamado de aproximación por mínimos

cuadrados. En este caso, la función dada f está definida y es integrable en un intervalo [a, b] y
buscamos un polinomio P de grado ≤ n tal que el error cuadrático medio sea lo menor posible

2
 b

∫|f (x )−P(x)|2 dx
a

Polinomios de interpolación

Exponemos primero un método de Lagrange. Sea A(x) el polinomio dado por la ecuación
n
A (x )=( x−x 0 )(x−x 1)⋯( x−x n)=∏ ( x−x j)
j=0

Definamos ahora Ak (x) y Ak (xk)

n n
A k (x )=∏ ( x−x j ) y A k (x k )=∏ ( x k −x j )
j=0 j=0
j≠k j≠k

n
f (x k ) A k ( x)
P(x)=∑ Fórmula de interpolación de Lagrange
k=0 A k ( xk )

que podemos expresarla en la forma

n
A k ( x)
P( x)=∑ f ( x k )L k ( x) donde Lk(x) es un polinomio de grado n dado por Lk (x)=
k=0 A k ( xk )

De este modo, para cada x fijo, P(x) es una combinación lineal de los valores prefijados f(x0)… Los
multiplicadores Lk(x) dependen tan sólo de los puntos x0 … y no de los valores prefijados antes citados.
Se llaman coeficientes de interpolación de Lagrange. Otra forma de escribir esta ecuación es
n
x−x j
Lk ( x)=∏
j =0 x k −x j
j ≠k

Esta fórmula proporciona un método eficiente para calcular el número Lk(x) para un x dado

Polinomio de Newton: Proviene del anterior, es una versión mejorada porque nos permite añadir un
punto (n+1) sin tener que recalcular los coeficientes. Es decir, que el paso de Pn a Pn+1 es más sencillo

Pn+1 (x )=Pn ( x)+c n +1 (x−x 0) ....( x−x n)

Siendo Pn(x) y c:
n
Pn (x)=f (x 0 )+ ∑ c k (x−x 0) ....( x−x k−1)
k=1

3
 n
f (x k )
c n=∑
k=0 Ak (x k )

1 Tratamiento numérico de los problemas matemáticos

2 Teoría de la interpolación

3 Métodos de interpolación

4 Construcción del polinomio de interpolación

(Lagrange)

5 Polinomio de interpolación por recurrencia: fórmula

de Newton