Professional Documents
Culture Documents
1. POLINOMIOS DE TAYLOR
Como calcula un ordenador el valor del numero e?, que hace la maquina desde que tecleamos
exp(1) hasta que aparece 2.718281828459? El hardware de los ordenadores no incluye la funcion
exponencial; los chips solo pueden sumar, restar, multiplicar, dividir y comparar. Una instruccion
como exp(1) pone en marcha una serie prefijada de estas operaciones cuyo resultado es una
aproximacion de e que tiene la precision determinada por el fabricante.
Las funciones matematicas que consisten en sumar, restar, multiplicar o dividir numeros reales son
los polinomios y cocientes de polinomios, y el teorema de Taylor objeto central de esta leccion
es muy importante porque nos dice como estimar el error que cometemos al aproximar una funcion
mediante polinomios. Como idea inicial, consideremos una curva y = f (x). Si fijamos un punto
a y tomamos un punto x cerca de a, ya sabes que el valor proporcionado por la recta tangente,
y(x) = f (a) + f (a)(x a), es una buena aproximacion de f (x), pero cuanto de buena?, y si
ajustamos una parabola en vez de una recta? Veamos estas ideas con un ejemplo.
Ejemplo. Consideremos la funcion exponencial f (x) = ex (su grafica esta en rojo en la parte
superior de la figura de la pagina siguiente). La recta tangente a su grafica para x = 0 es y = 1 + x.
Si aproximamos e = f (1) por el valor en la recta tangente para x = 1, obtenemos y = 2, que es
bastante pobre. Esta recta tangente (en azul) es la unica recta y = p(x) = a + bx que verifica
p(0) = f (0) y p (0) = f (0). Podemos intentar mejorar esta aproximacion construyendo una
parabola p(x) = a + bx + cx2 que cumpla p(0) = f (0), p (0) = f (0) y p (0) = f (0). Derivando e
igualando se obtiene a = 1, b = 1 y c = 1/2, as que la parabola es p(x) = 1 + x + x2 /2 (en verde),
que proporciona para x = 1 una aproximacion algo mejor p(1) = 2.5 del numero e.
18
2. Polinomios de Taylor
19
Podemos continuar as para mejorar las aproximaciones. En el siguiente paso, con una cubica (en
naranja), obtendramos 2.67 y despues, con un polinomio de grado cuatro (en violeta), 2.71 que
ya tiene una precision de dos cifras decimales. En la figura anterior se puede observar como los
sucesivos polinomios que se van construyendo de esta manera se van pegando mas y mejor a la
curva exponencial; el de grado cuatro es casi indistinguible de la propia curva exponencial en el
intervalo.
Planteamiento. La idea esta ya clara: construir polinomios que vayan coincidiendo con los valores
de una funcion y de sus derivadas en un punto y estudiar si estos polinomios se van aproximando
mas y mejor a la funcion dada. Necesitaremos que la funcion que deseamos aproximar pueda
derivarse varias veces, as que empezaremos por darle un nombre a estas funciones.
Funciones de clase C n y C . Sea I R un intervalo. Se dice que una funcion f : I R es
de clase C n en I cuando es n veces derivable en I y su derivada n-esima f (n) es continua en I. El
conjunto de todas las funciones de clase C n en I se denota por C n (I).
Si existen todas las derivadas de f en I entonces se dice que es de clase C en I. El conjunto
de todas las funciones de clase C en I se denota por C (I); las funciones habituales de las
aplicaciones son de clase C en los intervalos de trabajo.
Polinomio de Taylor. Sean I R un intervalo abierto, a I y f una funcion de clase C n (I).
Entonces existe un unico polinomio p de grado menor o igual que n tal que
p(a) = f (a),
p (a) = f (a),
p (a) = f (a),
... ,
f (a)
f (a)
f (n) (a)
(x a)2 +
(x a)3 + +
(x a)n ,
2!
3!
n!
f (k) (a)
k=0
k!
(x a)k
y, si se quiere especificar el grado del polinomio, a veces se escribe pn (x) para resaltar n.
Observemos que el polinomio de Taylor de grado 1 de f centrado en a es p(x) = f (a) + f (a)(x a)
cuya grafica es, precisamente, la recta tangente a la grafica de f en el punto (a, f (a)).
20
k=0
y son los polinomios con los que se trabaja habitualmente porque, como vamos a ver enseguida,
con ellos se pueden construir los polinomios de Taylor de las funciones habituales.
Polinomios de Maclaurin de las funciones mas habituales. (1) Si la funcion f es ella misma
un polinomio de grado m, entonces coincide con su polinomio de Maclaurin de grado m o superior.
Si queremos su polinomio de Maclaurin de un grado inferior n < m, entonces basta con truncar la
expresion de f hasta el grado n.
(2) El polinomio de Maclaurin de grado n de la funcion exponencial ex es
p(x) = 1 +
x
x2
x3
xn
+
+
+ +
.
1!
2!
3!
n!
x3
x5
x2k+1
+
+ (1)k
3!
5!
(2k + 1)!
( 1) 2
( 1) ( n + 1) n
x+
x + +
x .
1!
2!
n!
( 1)( 2) ( n + 1)
=
n!
n
y se llama coeficiente binomial. Con esta notacion, el polinomio p se escribe
( )
( )
( )
2
n
p(x) = 1 +
x+
x + +
x .
1
2
n
2. Polinomios de Taylor
21
(2) f (x) = ex x
x
2
(5) f (x) = 0 et dt
(8) f (x) = arctan(x)
22
2. APROXIMACION DE FUNCIONES
Resto de Taylor. La cuestion ahora es saber si, efectivamente, los polinomios de Taylor de una
funcion se aproximan a la propia funcion cerca del centro. Para ello, tenemos que estudiar el error
que se comete al aproximar la funcion mediante sus polinomios de Taylor, es decir, el tamano de
la diferencia entre la funcion y los polinomios de Taylor.
Sean I R un intervalo, a un punto interior a dicho intervalo y f una funcion de clase C n (I). La
funcion rn (x) = f (x) pn (x) que nos da la diferencia entre los valores que toma la funcion f y los
que toma su polinomio de Taylor pn centrado en a de grado n se llama n-esimo resto de Taylor
de f en a. El Teorema de Taylor, que daremos a continuacion, nos permite estimar, mediante una
cota, el tamano de este error.
Teorema de Taylor. Sean I R un intervalo, a un punto interior de dicho intervalo y f : I R
una funcion de clase C n+1 en I. Sea pn el polinomio de Taylor de grado n de f alrededor de a.
Entonces, para cada x I existe un punto c (que depende de x y esta entre a y x) tal que
rn (x) = f (x) pn (x) =
f (n+1) (c)
(x a)n+1 .
(n + 1)!
Esta expresion del resto (hay otras que no estudiaremos) se conoce como forma de Lagrange y es
especialmente interesante porque podemos analizar como influyen los terminos que aparecen en
ella. As, si x esta cerca de a, entonces (x a)n+1 se hace mas pequeno conforme crece n, lo que
ayuda a que la aproximacion mejore. Asimismo, al crecer n tambien crece, y muy rapidamente,
el denominador (n + 1)!, por lo que eso tambien mejora la aproximacion. El factor f (n+1) (c), sin
2. Polinomios de Taylor
23
embargo, es mas problematico. Como desconocemos c, solo en algunas ocasiones podremos tener
una idea de su tamano. En general, que el tamano de las derivadas sucesivas de una funcion sea
grande indica que su grafica oscila mucho, por lo que, en este caso, las aproximaciones no seran
demasiado buenas. Volveremos sobre esto un poco mas adelante.
El caso n = 0 del teorema de Taylor es especialmente importante y se conoce como el teorema del
valor medio de Lagrange.
Teorema del valor medio de Lagrange. Sea f : [a, b] R una funcion continua en [a, b] y
derivable en (a, b). Entonces existe un punto c (a, b) tal que
f (b) f (a) = f (c)(b a).
Este teorema es el que permite establecer que una funcion es creciente en un intervalo si su derivada
es positiva en dicho intervalo y que es decreciente si su derivada es negativa. Ademas, admite varias
interpretaciones sencillas. Una: que c es un punto del intervalo en el que la recta tangente a la
curva de ecuacion y = f (x) por el punto (c, f (c)) es paralela a la recta r que pasa por los puntos
(a, f (a)) y (b, f (b)). Otra: que (c, f (c)) es un punto de la curva en el que la distancia (medida
bien verticalmente, bien perpendicularmente) a la recta r alcanza un maximo local. Otra mas en
terminos de velocidades: si [a, b] es un intervalo temporal, el teorema del valor medio nos dice que
hay algun punto c del intervalo en el que la velocidad del movil f (c) coincide con la velocidad
media en el tramo; en este principio se basan los llamados radares de tramo.
lm rn (x) = lm
xa
24
Ejemplo. Veamos como se utiliza esta informacion para calcular de manera aproximada los valores
que toma una funcion y dar cotas del error de dicha aproximacion con el ejemplo concreto que vimos
al comienzo. Vamos a usar el polinomio de Taylor de grado 15 para obtener una aproximacion del
numero e = e1 , la base de los logaritmos neperianos y de la funcion exponencial. Tomando x = 1
obtenemos
p15 (1) = 1 +
1
1
1
1
1
+ + + + +
= 2.7182818284589944 . . .
1! 2! 3! 4!
15!
Cuanto de buena es esta aproximacion del numero e? Si en una calculadora tecleamos 1 y luego
pulsamos exp, obtenemos 2.718281828459, que coincide con la suma anterior en sus primeros 12
decimales (porque el duodecimo se ha redondeado). Pero, coinciden estas 12 cifras con las del
numero e? Veamos que s. De acuerdo con el teorema de Taylor existe un punto c [0, 1] tal que
e = e1 = p15 (1) +
ec
.
16!
Puesto que 0 < c < 1, tenemos ec < e1 < 3 lo que, a su vez, implica
|e p15 (1)| =
ec
3
<
< 1.433844 1013 .
16!
16!
En consecuencia, todas las cifras de la aproximacion de e dada por 2.718281828459 son correctas
porque el error (valga lo que valga) debe ser menor que 2 1013 = 0.0000000000002.
Indicaciones para acotar el error. Como hemos comentado antes, el error del polinomio de
Taylor
f (n+1) (c)
error =
(x a)n+1
(n + 1)!
contiene tres factores que influyen de distinta manera. Por un lado, la precision aumenta cuando
elegimos n grande y x esta cerca de a, pero disminuye cuando n es pequeno o el valor de x se aleja
de a; por tanto, debemos elegir n suficientemente grande y restringir el valor maximo de |x a|
para que el error no exceda una cota especificada. Con respecto a f (n+1) (c), como no conocemos
el valor del punto intermedio c, lo que se hace es buscar una cota superior M del factor |f (n+1) (c)|
y tener en cuenta que el valor absoluto del error satisface la relacion
|error| = |rn (x)|
M |x a|n+1
,
(n + 1)!
siendo M max{|f (n+1) (c)| : c esta entre a y x}. Lo que hemos hecho en el ejemplo anterior es,
concretamente, tomar M = 3.
EJERCICIOS DE LA SECCION 2
Ejercicio 1. Aproxima el numero sen(0.5) usando el polinomio de Maclaurin de grado 5 y da una
cota del error de la aproximacion. Que ocurre si tomas el polinomio de grado 6? De que grado
tendras que tomar el polinomio de Maclaurin para asegurar que el error es menor que 1010 ?
Ejercicio 2. Aproxima log(0.9) usando el polinomio de Maclaurin de grado 4 de log(1 + x) y da
una cota del error de la aproximacion. De que grado tendras que tomar el polinomio de Maclaurin
para asegurar que el error cometido es menor que 1010 ?
2. Polinomios de Taylor
25
entonces tambien existe el lmite del cociente de las funciones y vale lo mismo:
f (x)
= L.
xa g(x)
lm
xa
xa
f (x)
= 1.
xa g(x)
lm
26
f (x)
0
de la forma
y
xa h(x)
0
f (x)
f (x) g(x)
f (x)
g(x)
g(x)
= lm
= lm
lm
= lm
.
xa h(x)
xa g(x) h(x)
xa g(x) xa h(x)
xa h(x)
lm
Es decir, para resolver una indeterminacion de la forma 0/0, podemos sustituir las funciones
involucradas por infinitesimos equivalentes y simplificar el calculo del lmite. El ejemplo principal
de infinitesimo equivalente a uno dado es el primer termino no nulo de sus polinomios de Taylor
centrados en dicho punto.
Cero de orden k. Sea I un intervalo abierto y a I. Sea f una funcion de clase C n (I) que
cumple, para un cierto k 1,
f (a) = 0,
f (a) = 0,
f (a) = 0,
... ,
f (k1) (a) = 0,
f (k) (a) = 0;
xa
f (x)
=1
p(x)
2. Polinomios de Taylor
27
EJERCICIOS DE LA SECCION 3
Ejercicio 1. Calcula los siguientes lmites usando la regla de LHopital (los dos primeros son los
dos ejemplos de aplicacion de la regla propuestos en el libro de LHopital; los otros estan extrados
de las pruebas de acceso).
3
2a3 x x4 a a2 x
a2 ax
(1) lm
(2)
lm
4
xa
xa a
ax
a ax3
(
)
(
)2
(3) lm ex esen(x) /x2
(4) lm+ x log(x)
x0
x0
(1)
lm
tan(sen(2x))
x0
3x
sen(x) tan(x)
(4) lm
2
x0 x(ex cos(x2 ))
(2)
lm
et dt.
2
a sen(x) xex
es finito, calcula el valor de a y el de dicho lmite.
x0
x2
x0+
x tan(x) 2 + 2 cos(x)
.
xa
x(a cos(x))
.
x0 log(1 x3 )
ax2 + bx + 1 cos(x)
= 1.
x0
sen(x2 )
Ejercicio 10. Halla los valores de los parametros a y b para los que las funciones
f (x) = ax (sen(x))3 + bx3
f (x)
es un numero real no nulo. Para que valores de a y b son
x0 g(x)
infinitesimos equivalentes?
28
Ejercicio 11. Calcula el siguiente lmite segun los valores de los parametros a y b,
x sen(x) bx2
.
x0 (1 cos(x))(ea sen(x) 1)2
lm
arctan(x2 ) ax2
.
x0 sen2 (x) bx2
xeax sen(bx)
.
x0
cx2 + x3
2. Polinomios de Taylor
29
todos ellos contienen un cero de f . La sucesion (xn ) que se genera se aproxima a un cero x de f
y el error que se comete puede ser estimado mediante la cota
|xn x |
ba
2n
para todo n = 1, 2, . . .
Este metodo tiene el inconveniente de que es un poco lento, como vamos a ver en el siguiente
ejemplo.
Ejemplo. Queremos resolver la ecuacion x3 2x 5 = 0. Si dibujamos la grafica del polinomio
f (x) = x3 2x 5 podemos ver que unicamente tiene una raz x que, ademas, esta entre a = 2 y
b = 2.2 porque f (2) = 1 < 0 y f (2.2) 1.25 > 0 . Vamos a utilizar el metodo de biseccion para
calcular x con una precision de 103 ; es decir, tres cifras decimales.
A partir del intervalo [2, 2.2] generamos x1 = 2.1 y como f (2.1) 0.061 > 0, sabemos x esta
en el intervalo [2, 2.1]. Tomamos ahora el punto medio x2 = 2.05 y como f (2.05) 0.484 > 0,
sabemos x esta en el intervalo [2.05, 2.1]. En el siguiente paso tomamos x3 = 2.075 y calculamos
f (2.075) = 0.216 < 0, entonces x esta en el intervalo [2.075, 2.1]. Continuando de esta manera
obtenemos (las cuentas estan hechas con todos los decimales que permite la maquina, pero solo se
muestran los tres primeros)
x4 = 2.088,
x5 = 2.098,
x6 = 2.097,
x7 = 2.095,
x8 = 2.095
y como los tres primeros decimales de x7 y x8 coinciden, podemos asegurar que x 2.095 con
una precision de 103 .
La formula del error del metodo nos garantiza, de hecho, esta precision ya que
|x8 x |
ba
0.2
= 8 0.0008 < 103 ;
8
2
2
es mas, esta formula tambien predice que debemos dar 8 pasos para asegurar que alcanzamos la
0.2
ba
= n < 103 .
precision deseada ya que n = 8 es el primer numero para el que
n
2
2
El
smbolo se lee es aproximadamente igual a y significa que las primeras cifras decimales del numero a la
izquierda coinciden con las que se muestran a la derecha.
30
Dar 8 pasos supone evaluar la funcion 9 veces, lo que consume mucho tiempo. El metodo de
Newton proporciona buenas aproximaciones con mucho menos esfuerzo. Veamos con este mismo
ejemplo la idea, muy simple, que lo sustenta. Dibujamos la grafica del polinomio f (x) = x3 2x5
en el intervalo [2, 2.2] (la curva roja en la figura siguiente) y trazamos la recta tangente (en azul)
a la curva en el punto de abscisa x0 = 2.2. Podemos ver que el punto de corte x1 de esta recta
tangente con el eje OX esta mucho mas cerca de x que 2.2.
punto de abscisa x0 = 2.2 viene dada por la ecuacion y = f (x0 ) + f (x0 ) x x0 . El punto de
corte x1 de esta recta
con )el eje OX es el punto para el que y = 0; en consecuencia despejando x1
(
x1 = x0
f (x0 )
.
f (x0 )
1.248
2.1.
12.52
Ahora podemos hacer lo mismo, pero a partir de la nueva aproximacion x1 : calculamos el punto de
corte x2 de la recta tangente a la curva en el punto de abscisa x1 = 2.1 con el eje OX, obteniendo
Como f (x) = 3x2 2, tenemos f (x0 ) = 1.248 y f (x0 ) = 12.52, con lo que x1 = 2.2
x2 = x1
f (x1 )
= 2.095;
f (x1 )
esto es, el metodo proporciona, en solo dos pasos, el mismo valor aproximado de x que obtuvimos
con el metodo de biseccion; no hemos dibujado la nueva recta tangente y el punto x2 en el dibujo
anterior porque son indistinguibles de la curva y el punto x .
Si quisieramos mayor precision, entonces a partir de x2 realizamos el mismo proceso para hallar
un punto x3 y, as, sucesivamente.
El metodo de Newton. El metodo de Newton para hallar una solucion x de una ecuacion
f (x) = 0 consiste en determinar una buena aproximacion inicial x0 de la solucion x y, a partir de
ella, construir la sucesion de aproximaciones
xn+1 = xn
f (xn )
f (xn )
n = 0, 1, 2, . . .
2. Polinomios de Taylor
31
Como se aprecia en la figura, lo que hacemos geometricamente es ir construyendo una lnea quebrada de la siguiente manera: punto en OX, vertical a la curva, recta tangente, corte de la tangente
con OX, vertical a la curva, recta tangente, corte de la tangente con OX, . . .
Si el punto inicial x0 esta lo suficientemente cerca de x , entonces puede asegurarse que las aproximaciones sucesivas x1 , x2 , x3 , . . . se acercan a x tanto como se quiera y de manera muy rapida; es
decir, con unos pocos pasos podemos determinar x con toda la precision que haga falta; de hecho,
la velocidad de aproximacion es tal que el numero de cifras decimales correctas practicamente se
dobla de una aproximacion a la siguiente.
Aproximacion de races cuadradas. Si queremos hallar la raz cuadrada de un numero a > 0,
y aplicamos el metodo de Newton a la funcion f (x) = x2 a. La iteracion nos queda
(
)
1
a
xn+1 =
xn +
n = 0, 1, 2, . . .
2
xn
Se puede comprobar con unos cuantos casos que la rapidez de convergencia es realmente asombrosa
si
se compara con la forma habitual de hallar races cuadradas a mano. Vamos a usarlo para calcular
5: Empezando con x0 = 2 obtenemos
2 + 5/2
x1 =
= 2.25,
2
2.25 + 5/2.25
x2 =
= 2.236111111,
2
2.236111111 + 5/2.236111111
x3 =
= 2.236067978,
2
2.36067978 + 5/2.236067978
= 2.236067978
x4 =
2
y ya se repiten todos los valores a partir de este, de manera que hemos conseguido una exactitud
de nueve cifras decimales.
En general, si queremos usar el metodo de Newton puede, de hecho, que no tengamos forma de
asegurar que el punto inicial esta lo suficientemente cerca de la solucion. Para soslayar esta dificultad, existen teoremas de convergencia global; es decir, teoremas que garantizan la convergencia
del metodo sea cual sea el punto de partida dentro de un intervalo adecuado. Uno de los mas
simples y utiles es el siguiente.
32
2. Polinomios de Taylor
33
EJERCICIOS DE LA SECCION 4
Ejercicio 1. La funcion f (x) = 0.6 cos(x) tiene un cero en el intervalo [0, /2]. Aplica el
metodo de biseccion para calcularlo con una precision de 102 . Para obtener una precision de
105 , cuantos pasos habra que dar?
Ejercicio 2. Usa la calculadora y alguna de las paginas web que se citan al final del guion para
hallar los ceros de las siguientes funciones con el metodo de biseccion y una precision de 102 .
f1 (x) = ex 2 x,
f2 (x) = x sen(x) 1,
f3 (x) = x3 + x 1,
f4 (x) = 2x x.
Ejercicio 3. Utiliza el metodo de Newton para resolver las ecuaciones de los ejercicios anteriores
con la calculadora y alguna de las paginas web que se citan al final del guion.
Ejercicio 4. Usa el metodo de Newton para calcular con tres cifras decimales las races cuadradas
de los numeros 8, 69, 111 y 1000 usando aproximaciones iniciales adecuadas.
Ejercicio 5. Comprueba que la ecuacion x3 + 2x2 + 10x = 20 tiene una solucion en el intervalo
[1, 2] y utiliza el metodo de Newton para hallar dicha solucion tomando x0 = 2 como punto inicial
con una tolerancia de 104 .
Ejercicio 6. Utiliza la calculadora y alguna de las paginas web que se citan al final del guion para
resolver las siguientes ecuaciones en el intervalo indicado usando el metodo de Newton. Parte de
un valor inicial adecuado y obten la solucion con una tolerancia de 103 .
(1) x3 + x2 + x 1 = 0 en el intervalo [0, 1].
(2) xex = 1 en el intervalo [0, 1].
(3) log(x) + x = 5 en el intervalo [3, 4].
Ejercicio 7. Si queremos calcular la raz n-esima de un numero positivo a, cual es la iteracion
generada por el metodo de Newton para resolver la ecuacion xn = a? Aplica este metodo para
calcular las races cubicas de 20 y 100 y la raz quinta de 12.
Ejercicio 8. Para el polinomio f (x) = x3 5x2 2x + 2 calcula:
(1) el numero de races reales que tiene,
(2) para cada raz, un intervalo que la contenga y donde se verifiquen las condiciones del
teorema de convergencia global del metodo de Newton,
(3) una aproximacion de dichas races aplicando dicho metodo con tres cifras decimales.
Ejercicio 9. Para el polinomio g(x) = x5 5x3 + 4x 1 calcula:
(1) el numero de races reales que tiene,
(2) para cada raz, un intervalo que la contenga y donde se verifiquen las condiciones del
teorema de convergencia global del metodo de Newton,
(3) una aproximacion de dichas races aplicando dicho metodo con tres cifras decimales.
Ejercicio 10. Para el polinomio f (x) = 3x3 2x2 + 2 calcula:
(1) el numero de races reales que tiene.
(2) para cada raz, un intervalo que la contenga y en el que se verifiquen las condiciones del
teorema de convergencia global del metodo de Newton.
(3) para cada raz, la aproximacion con tres cifras decimales que se obtiene al aplicar el metodo
de Newton tomando como punto inicial el que establece el teorema de convergencia global
para el intervalo determinado en el apartado anterior.
34
Ejercicio 11. Halla, trabajando con una precision de dos cifras decimales, el punto de corte de
la curva logartmica y = log(x) con la hiperbola y = 1/x. Para ello, determina un intervalo donde
pueda aplicarse el teorema de convergencia global de Newton-Fourier.
(
)2
Ejercicio 12. Dibuja la curva de ecuacion r = / para 0 2 y encuentra las coordenadas (x, y) de su punto mas alto. Para ello deberas resolver una ecuacion usando el metodo de
Newton; hazlo probando en primer lugar que la solucion se obtiene para un angulo en el intervalo
[/2, 3/4]; luego aplica adecuadamente el Teorema de Convergencia Global trabajando con una
precision de dos cifras decimales.
Ejercicio 13. Los circuitos electronicos de algunos de los primeros computadores solo podan
sumar, restar y multiplicar, pero no dividir. Para hallar 1/a se puede aplicar el metodo de Newton
a la funcion f (x) = a 1/x. Comprueba que en la aplicacion del metodo a esta funcion no se
requiere hacer divisiones y usalo para hallar 1/1.37 con ocho cifras decimales.
Ejercicio 14. Comprueba que la ecuacion x = tan(x) tiene infinitas soluciones. Utiliza el metodo
de Newton para hallar sus dos primeras races positivas con una precision de tres cifras decimales.
Ejercicio 15. Sea f : R R la funcion dada por f (x) = log(1 + x2 ) + 1 x2 . Prueba que f
cumple las condiciones del teorema de convergencia global de Newton-Fourier en [1, 2] y halla el
cero que tiene la funcion f en [1, 2] usando el metodo de Newton con una precision de tres cifras
decimales.
Ejercicio 16. Se quiere obtener la solucion positiva mas grande de la ecuacion x3 3x + 1 = 0.
Para ello, determina un intervalo que la contenga en el que se cumplan las condiciones del teorema
de convergencia global de Newton-Fourier y usa el metodo de Newton con una precision de tres
cifras decimales.
Ejercicio 17. El punto x = 1 es una raz simple del polinomio p(x) = x3 2x + 1 y una raz
doble del polinomio q(x) = x3 3x + 2. Aplica el metodo de Newton partiendo de x0 = 1.2 para
comprobar que la velocidad de convergencia es sensiblemente inferior en el caso del polinomio q.
5. SUCESIONES Y SERIES
Iteracion y convergencia. La generacion de una sucesion de valores a1 , a2 , a3 , . . . repitiendo,
a partir de una aproximacion inicial a0 , la aplicacion de un mismo procedimiento para obtener
cada termino an+1 a partir del anterior an se conoce como iteracion; el metodo de Newton es un
ejemplo importante de metodo iterativo.
Una sucesion construida de esta manera se llama sucesion iterada y el objetivo de un metodo
iterativo es que la sucesion de valores que se obtiene nos permita aproximarnos a la solucion de
un problema tanto como marque la precision que se requiera, en cuyo caso se dice que la sucesion
converge a la solucion buscada. La iteracion es una tecnica fundamental en la resolucion numerica
mediante herramientas computacionales de muchos problemas de ingeniera.
La idea intuitiva de sucesion que converge se aproxima tanto como queramos a la solucion
de un problema es bastante clara pero, como sabemos que, efectivamente, la sucesion generada
por un cierto metodo converge? Este es un problema delicado y no siempre facil. Empezaremos
esta seccion presentando la nocion de sucesion convergente; el resto lo dedicaremos a ver algunos
ejemplos especiales.
2. Polinomios de Taylor
35
Esta definicion es analoga a la definicion de lm f (x), el lmite de una funcion f (x) cuando x
x
tiende a y, como en el caso de las funciones, la pregunta clave es saber si una sucesion converge.
Hay varios criterios y tecnicas para determinar si una sucesion converge, pero su estudio general
se escapa de los objetivos de esta asignatura; solo recogemos el que, probablemente, es el mas util
e intuitivo.
Sucesiones monotonas y acotadas.. Diremos que una sucesion (an ) es monotona creciente
cuando an an+1 para cada n = 0, 1, 2, . . . Diremos que una sucesion (an ) es monotona decreciente
cuando an an+1 para cada n = 0, 1, 2, . . .
Diremos que una sucesion (an ) esta acotada cuando existe un numero real M tal que |an | M
para cada n = 0, 1, 2, . . .
Pues bien, toda sucesion monotona (creciente o decreciente) y acotada es convergente.
Sucesion geometrica. Sea r un numero real. La sucesion 1, r, r2 , r3 , . . . , rn , . . . se llama sucesion
geometrica de razon r y su comportamiento segun los valores de r es el siguiente:
(1) Si |r| < 1, entonces lm rn = 0.
n
a1 = 1/2,
a2 = 1/4,
a3 = 1/8,
... ,
an = 1/2n ,
...
1 1 1
1
1
+ + + + n = 2 n.
2 4 8
2
2
Si dividimos un rectangulo de 2 1 por la mitad, luego una de sus mitades por la mitad en dos
cuartos, luego uno de estos cuartos por la mitad en dos octavos y as sucesivamente, cada an
representa una de estas mitades y sn representa la superficie que van acumulando estas mitades.
Vemos que la sucesion (sn ) tambien es convergente y su lmite vale 2, el area del rectangulo
completo.
36
1 1 1
Decimos, en este caso, que la serie geometrica 1 + + + + es convergente y su suma vale 2.
2 4 8
Este es un ejemplo ilustrativo de una situacion especial que aparece a menudo en las aplicaciones:
la construccion de sumas acumuladas de los terminos de una sucesion previamente dada.
Serie numerica. Dada una sucesion de numeros reales a0 , a1 , a2 , . . . , an , . . . , se define la suma
parcial n-esima de dicha sucesion como sn = a0 + a1 + a2 + an .
Se dice
que la serie de termino general an , que se denota por n=0 an o, simplemente, por n an
o bien
an , es convergente cuando la sucesion (sn ) de sus sumas parciales converge a un numero
real s = limn sn que se llama suma de la serie. Esto se representa como
s = a0 + a1 + a2 + + an +
o bien como
s=
an .
n=0
axn = a + ax + + axn +
n=0
Esta serie se conoce como serie geometrica de razon x y primer termino a y es una serie convergente
si, y solo si, |x| < 1, en cuyo caso su suma es
n=0
1 xn+1
a
=
.
1x
1x
En cursos anteriores has usado, de hecho, series geometricas de razon 1/10 para hallar la representacion de un decimal periodico como una fraccion. Por ejemplo, cuando escribimos 7.777 . . . lo
que queremos decir es
7.777 . . . = 7 +
7
7
7
7
7
7
7
70
+
+
+ = 7 +
+ 2 + 3 + =
=
.
10 100 1000
10 10
10
1 (1/10)
9
De hecho, la representacion decimal de los numeros reales no es mas que una expresion para la
suma de una serie:
= 3.14159 . . . = 3 +
4
1
5
9
1
+ 2 + 3 + 4 + 5 +
10 10
10
10
10
2. Polinomios de Taylor
37
x2
x3
xn
+
+ +
,
2
3!
n!
ec(x) n+1
x
, entonces, es facil probar que
(n + 1)!
ec(x) n+1
x
=0
n (n + 1)!
lm (ex pn (x)) = lm
con lo que podemos expresar ex como el lmite de la sucesion de sus polinomios de Maclaurin
(
)
x2
x3
xn
x
e = lm pn (x) = lm 1 + x +
+
+ +
.
n
n
2
3!
n!
Puesto que cada polinomio se obtiene del anterior sumando un nuevo termino, estamos ante un
ejemplo de serie convergente. El lmite puede verse como un polinomio infinito, en el que ya se
han sumado todos los terminos que van apareciendo
ex = 1 + x +
x2
x3
xn
+
+ +
+
2
3!
n!
lo que se conoce como una serie de potencias. La importancia de los polinomios de Taylor radica
aqu en que son las sumas finitas que es necesario conocer para construir la serie, la suma infinita.
Esto que hemos hecho para la exponencial y antes para la funcion 1/(1x), expresarlas como series
de potencias polinomios infinito puede hacerse con la mayora de las funciones que aparecen
en la practica, aunque un estudio profundo de este hecho escapa de los objetivos de la asignatura.
EJERCICIOS DE LA SECCION 5
Ejercicio 1. Calcula el lmite de las siguientes sucesiones y determina, en cada caso, un termino
a partir del cual se puede asegurar que todos distaran del lmite menos que 104 .
(
)
(
)
( n )
( n )
1
2n + 4
(1)
10
,
(2)
2
+
,
(3)
,
(4)
e
.
n
n
n2 n
n+1 n
Ejercicio 2. Estudia, la convergencia de las siguientes sucesiones:
(1) (n2 3n )n ,
(2)
(n1 4n )n ,
(4) (n2 5n )n .
Ejercicio 3. Dado un numero natural n se define el factorial de n, que se escribe n!, como el
producto de todos los numeros naturales desde el 1 hasta el propio n, es decir
n! = 1 2 3 4 (n 1) n.
As, 1! = 1, 2! = 2, 3! = 6, 4! = 24, 5! = 120, . . . Por convencion, se toma 0! = 1.
Prueba que la sucesion (n!) de los factoriales crece muy rapidamente y diverge a infinito; en
xn
n2
= 0 y que lmn
= 0 para cualquier valor de x.
particular, prueba que lmn
n!
n!
38
Ejercicio 4. Usa la forma de Lagrange del resto de Taylor para probar que si x R, entonces
sen(x) = x
x3
x5
x7
+
+
3!
7!
7!
cos(x) = 1
x2
x4
x6
+
+
2!
4!
6!
Ejercicio 5. Usa la forma de Lagrange del resto de Taylor para probar que si x [0, 1), entonces
(1 + x) =
( )
n=0
( )
( )
( )
2
n
x =1+
x+
x + +
x +
n
1
2
n
log(1 + x) =
(1)n1
n=1
( R)
x2
x3
xn
xn
=x
+
+ (1)n1
+
n
2
3
n
es decir,
p3 + 6p2 + 10p 1 = 0.
Como p es muy pequeno, Newton desprecia los terminos p3 + 6p2 , con lo que queda 10p 1 = 0 y, por tanto,
p = 1/10 = 0.1. Con este valor de p se escribe ahora x1 = 2 + p = 2.1 y es facil ver que, para el caso de un
polinomio, este procedimiento de pasar de la aproximacion inicial x0 a x1 despreciando las potencias superiores de p
al desarrollar el polinomio es exactamente escribir p = f (x0 )/f (x0 ). Tomando x1 = 2.1 como nueva aproximacion
de x , de manera que x = 2.1 + q con q mas pequeno que p, Newton repite el procedimiento para hallar q = 0.005,
con lo que x 2.095.
En 1690, Joseph Raphson incluyo en su libro Analysis Aequationum Universalis una descripcion simplificada del
metodo de Newton como un metodo puramente algebraico, solo para polinomios, pero lo da en terminos de aproximaciones sucesivas evitando los desarrollos polinomiales usados por Newton. En el ejemplo, Raphson dice que
p puede calcularse, para x0 = 2 como p = (5 2x0 x30 )/(3x20 2), y as sucesivamente, pero no reconoce en el
denominador el valor de la derivada. Por esta contribucion, en muchos textos el metodo de Newton se conoce como
metodo de Newton-Raphson.
2. Polinomios de Taylor
39
Finalmente, en 1740 Thomas Simpson describio el metodo tal como lo hemos hecho nosotros, como un metodo
iterativo para resolver ecuaciones no lineales usando las propiedades de la derivadas y, ademas, lo extendio a
sistemas de dos ecuaciones con dos incognitas (que estudiaras en la asignatura de Metodos Matematicos de segundo
curso); a el se le debe, entonces, buena parte del credito por la importancia y versatilidad del metodo.
El primer teorema de convergencia global fue dado por Fourier en 1818; a partir de este trabajo se han desarrollado
diversos teoremas de convergencia tanto para el caso de una ecuacion como de varias. El mas importante es,
probablemente, el dado en 1940 por Leonid V. Kantorovich (galardonado con el Premio Nobel de Economa en
1975), que puede aplicarse a situaciones muy generales.
Puede parecer extrano que el teorema del valor intermedio de Bolzano no fuera probado hasta 1817 por Bernard
Bolzano. Hasta entonces nadie haba puesto en duda que si la grafica y = f (x) de una funcion continua en un
intervalo tiene puntos a ambos lados del eje OX, entonces hay un punto x en el que f (x ) = 0. Si embargo,
las crticas a los fundamentos del calculo infinitesimal, surgidas a lo largo del siglo xviii, llevaron a Bolzano a
plantearse un nuevo modo de desarrollar esta disciplina. En su el trabajo de 1817, Bolzano describio en terminos
puramente aritmeticos los conceptos de lmite, convergencia y continuidad, planteando, de paso, el problema de
formular la propia nocion de numero real. Un concepto clave para el desarrollo de la fundamentacion rigurosa del
calculo infinitesimal que se llevo a cabo a lo largo del siglo xix es el de sucesion convergente, al que hemos dedicado
la ultima seccion y que ya aparece en el trabajo de Bolzano y en el otro trabajo pionero sobre estas cuestiones, el
de Augustin Cauchy publicado en 1821.
Sobre sucesiones y series. Historicamente las series anteceden a las sucesiones; como hemos dicho, las series de
potencias son la tercera gran herramienta de los inventores del calculo infinitesimal, tras la derivada y la integral.
De las aplicaciones que hemos recogido aqu, senalemos que la Regla de LHopital fue probada por Johann Bernoulli
en 1696 y que el teorema de Taylor fue probado por Brook Taylor en 1712.
Los procedimientos de aproximaciones sucesivas existieron desde el origen de las matematicas. As, Arqumedes
obtuvo la aproximacion 22/7 construyendo sucesiones de polgonos regulares inscritos y circunscritos a un crculo
para aproximar su area por defecto y exceso, respectivamente. Sin embargo, el concepto de sucesion convergente
fue formalmente establecido a comienzos del siglo xix para el desarrollo de la fundamentacion rigurosa del calculo
infinitesimal que se llevo a cabo a lo largo del siglo.
Los trabajos de Bolzano y Cauchy citados antes pusieron en tela de juicio que toda la variedad de procedimientos
de aproximacion que se haban creado fueran realmente convergentes. La busqueda de nociones de convergencia
que fueran aritmeticamente rigurosas, alejadas de los peligros logicos a los que poda conducir la mera intuicion
geometrica, acabo cristalizando en las nociones de lmites de funciones y de sucesiones numericas, as como de
diversas nociones de convergencia de sucesiones de funciones, que se utilizan hoy en da, notablemente a traves de
la escuela dirigida en Alemania por Karl Weierstrass.
El libro de Antonio Duran que se cita en la bibliografa contiene informacion mas extensa sobre estos temas.
Bibliografa
G.L. Bradley y K.J. Smith, Calculo, vol. 1, Seccion 2.9 y Captulo 8.
A. Duran, Historia, con personajes, de los conceptos del calculo, Captulo 3.
R.E. Larson, R.P. Hostetler y B.H. Edwards, Calculo, vol. 1, Seccion 3.8 y Captulo 8.
G.B. Thomas, Jr., Calculo de una variable, Secciones 4.6, 10.8 y 10.9.
Paginas web de interes sobre los polinomios de Taylor:
http://www.wolframalpha.com
http://www.matematicasvisuales.com/html/analisis/analisis.html
Paginas web de interes para la resolucion numerica de ecuaciones:
http://keisan.casio.com/exec/system/1222999061
http://www.wolframalpha.com/
http://keisan.casio.com/exec/system/1244946907