Aprox&Poli Ort

1
Temas de Analisis
Teoria de Aproximacion y Polinomios Ortogonales
Wilfredo Urbina R.
Escuela de Matematicas, Facultad de Ciencias,
Universidad Central de Venezuela,
Apt. 47195 Los Chaguaramos, Caracas 1041-A
wurbina@euler.ciens.ucv.ve
2
Indice general
1. Introduccion a la Teora de Aproximacion 5
1.1. El Teorema de Weierstras y el Teorema de Taylor . . . . . . . . . . . 6
1.2. Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3. Interpolacion y Polinomios de Lagrange . . . . . . . . . . . . . . . . . 15
2. Teora de Polinomios Ortogonales 31
2.1. Propiedades de los polinomios ortogonales . . . . . . . . . . . . . . . 36
2.2. Los polinomios ortogonales clasicos . . . . . . . . . . . . . . . . . . . 40
2.2.1. Los polinomios de Legendre . . . . . . . . . . . . . . . . . . . 41
2.2.2. Los polinomios de Tchebychev . . . . . . . . . . . . . . . . . . 42
2.2.3. Los polinomios de Jacobi . . . . . . . . . . . . . . . . . . . . . 46
2.2.4. Los polinomios de Laguerre . . . . . . . . . . . . . . . . . . . 46
2.2.5. Los polinomios de Hermite . . . . . . . . . . . . . . . . . . . . 47
3. Aplicaciones 51
3.1. Aplicaciones de los polinomios de Tchebychev . . . . . . . . . . . . . 51
3.1.1. Discusion sobre el error en la interpolacion polinomial. . . . . 51
3.1.2. Economizacion de Series de Taylor . . . . . . . . . . . . . . . 54
3.2. Metodo de los mnimos cuadrados. . . . . . . . . . . . . . . . . . . . 56
3.2.1. Desarrollos en polinomios Legendre . . . . . . . . . . . . . . . 59
3.2.2. Desarrollos en polinomios Tchebychev . . . . . . . . . . . . . 60
3.3. Formula de cuadratura de Gauss-Jacobi. . . . . . . . . . . . . . . . . 62
3
4

INDICE GENERAL
Captulo 1
Introduccion a la Teora de
Aproximacion
Como es bien sabido al nal de los cursos de Calculo, la diferenciacion es la herra-
mienta fundamental para la el estudio de funciones suaves. El capitulo obligatorio de
Aplicaciones de la Derivada, permite, ademas de calcular maximos y mnimos de
funciones, proposito original por el que se desarrollo este concepto, conocer los inter-
valos de crecimiento y decrecimiento, los intervalos de concavidad y convexidad con
lo cual podemos obtener una idea aproximada de la funcion en cuestion. Ademas el
Teorema de Taylor es el primer resultado importante para la aproximacion de una fun-
cion en un punto, que fue la herramienta para el desarrollo de las tablas matematicas
(trigonometricas, logartmicas, etc). As pues, la derivada es una herramienta clave
para la aproximacio n de funciones. Estos son los puntos de partida de lo que hoy
conocemos como Teora de de Aproximacion y que en estas notas intentaremos dar
breve introduccion. La Teora de Aproximacion es pues una evolucion del Calculo, con
innidad de aplicaciones practicas pero que a un los matematicos mas puros deberan
conocer por la tambien innidad de aplicaciones teoricas como trataremos de mostrar
en aca.
Por otra parte, los Polinomios Ortogonales aparecen de manera natural en el
contexto de las Ecuaciones Diferenciales Parciales con la aplicacion del Metodo de
separacion de variables el siglo pasado. Podemos decir que las series de Fourier son
el prototipo, correspondiente al uso de coordenadas rectangulares y los polinomios
ortogonales y otras funciones especiales aparecen cuando se utilizan otras represen-
taciones geometricas. Historicamente ellos aparecen en las investigaciones de cierto
tipo de fracciones contnuas debidas a T.J. Stieltjes. En todo caso, el desarrollo de la
Teora de Polinomios Ortogonales es relativamente mas reciente y podemos decir que
la cumbre de su formalizacion la hallamos en el libro de G.Szego de 1939 donde se
desarrolla toda la teora a partir de la nocion de ortogonalidad.
5
6 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
Como veremos a lo largo del desarrollo de estas notas la relacion entre la Teora
de Aproximacion y la de los Polinomios Ortogonales es muy estrecha. Tendremos
oportunidad, en el captulo 3, de ver aplicaciones de una en otra y viceversa.
Finalmente, hoy en dia, debido al incremento exponencial de la capacidad de
calculo de las computadoras y del desarrollo de paquetes matematicos (Mathematica,
MatLab, Maple, Derive), es posible hacer experientacion en Matematica y topicos
como los que tratamos en estas notas se prestan para utilizar esas herramientas para
profundizar y explorar mas exaustivamente. Sin embargo en ellas no haremos enfasis
en esa direccion pero recomendamos a los interesados a revisar, por ejemplo, el libro
de S. Nakamura [11]. Tampoco pretendemos que ellas sustituyan un curso de Calculo
Numerico que aunque comparte topicos comunes con estas notas, usualmente tiene
un enfasis diferente.
1.1. El Teorema de Weierstras y el Teorema de
Taylor
Una de las mas utiles y bien conocidas clases de funciones reales de variable real
son los polinomios algebraicos, es decir las funciones de la forma
P(x) = a
n
x
n
+ +a
1
x +a
0
,
donde n es un entero no negativo y a
0
, a
1
, , a
n
son constantes reales (pero que
en general podran ser tambien complejas). Como sabemos desde el bachillerato, los
polinomios tiene propiedades muy buenas se pueden sumar, restar , multiplicar e in-
cluso dividir mediante el algoritmo de Euclides tienendo as propiedades similares,
como estructura algebraica, a los enteros. Ademas los polinomios se pueden evaluar
facilmente, es facil hallar la derivada y la integral indenida de un polinomio y el resul-
tado es de nuevo un polinomio, tienen la sorprendente propiedad, como lo demostro el
matematico aleman Karl Weierstrass (1815-1897) en su famoso teorema pueden apro-
ximar uniformemente a funciones continuas en un intervalo [a, b] dado. Por todas estas
razones, las clase de los polinomios se usa con frecuencia para aproximar funciones, ya
que la propia idea de Teora de Aproximacion es hacer aproximaciones de funciones
generales con funciones sencillas, faciles de calcular.
Veamos este ultimo resultado con mas detenimiento
Teorema 1.1 (Teorema de aproximacion de Weierstrass) Sea f es una funcion de-
nida y continua en un intervalo [a, b], dado > 0 exite un polinomio P tal que
|f(x) P(x)| < ,
para todo x [a, b].
1.1. EL TEOREMA DE WEIERSTRAS Y EL TEOREMA DE TAYLOR 7
Hay varias pruebas de este resultado. Existe una prueba constructiva, mediante
los polinomios de Bernstein, que introdujo el matematico ruso Sergei N. Berns-
tein (1880-1957) en 1912 y cuyo esquema damos a continuacion. Supongamos, para
simplicar, que [a, b] = [0,1]; por un apropiado cambio de variable siempre podemos
podemos reducirnos a este caso. Denimos los polinomios de Bernstein como :
B
n
(x) =
n
k=0
_
n
k
_
f(
k
n
)x
k
(1 x)
nk
, 0 x 1.
Si f es acotada en [0,1], entonces se puede ver que
lm
n
B
n
(x) = f(x),
en cada punto x donde f sea continua. Si f es continua en todo x [0, 1], entonces
la convergencia de P
n
a f es uniforme en [0,1], es decir,
max
0x1
|f(x) B
n
(x)| 0,
si n .
As pues, en una bandade ancho 2 alrededor de f siempre podemos hallar un
polinomio completamente contenido en dicha banda como se muestra en la gura 1.
Figura 1
8 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
Mas a un, los polinomios de Bernstein imitan muy bien el comportamiento de la
funcion f. Por ejemplo, si f es k veces continuamente diferenciable en [0,1], entonces
max
0x1
|f
(k)
(x) B
(k)
n
(x)| 0,
si n .
Ahora bien, aunque el teorema de Weierstrass es muy importante desde el punto
de vista teorico, en terminos practicos no es muy util dado que la convergencia de los
polinomios de Bernstein a la funcion es, en general, muy lenta.
Por otra parte, del curso de Calculo recordamos que tenemos un resultado que
permite aproximar una funcion suave mediante polinomios, el famoso Teorema de
Taylor, recordemoslo de manera explicita
Teorema 1.2 (Teorema de Taylor) Sea f : [a, b] R es una funcion tal que f
C
n
([a, b]) y f
(n+1)
existe en (a, b). Sea x
0
[a, b], para toda x (a, b) existe una
= (x) (a, b) enttre x
0
y x tal que
f(x) = f(x
0
) + (x x
0
)f
(x
0
) +
(x x
0
)
2
2!
f(x
0
) + +
(x x
0
)
n
n!
f
(n)
(x
0
)
+
f
(n+1)
()
(n + 1)!
(x x
0
)
(n+1)
. (1.1)
Recordemos que el Teorema de Taylor no es sino la generalizacion del Teorema del
valor medio para funciones (n + 1) veces diferenciables y su demostracion se puede
obtener a partir de el.
Demostracion:
Supongamos que x x
0
y denimos una funcion auxiliar F : [x, x
0
] R, me-
diante la formula
F(x
) = f(x
0
) [f(x
) + (x
0
x
)f
(x
) +
(x
0
x
)
2
2!
f(x
) + +
(x
0
x
)
n
n!
f
(n)
(x
)]
+
A(x
0
x
)
(n+1)
(n + 1)!
(1.2)
donde A es una constante a ser especicada. Como f, f
, f, , f
(n)
son continuas
en [x, x
0
] [a, b] y f es (n + 1) veces derivable en (x, x
0
) (a, b), tenemos que F es
continua en [x, x
0
] y diferenciable en (x, x
0
).
A =
(n + 1)!
(x
0
x)
(n+1)
[f(x
0
)+f(x)+(x
0
x)f
(x)+
(x
0
x)
2
2!
f(x)+ +
(x
0
x)
n
n!
f
(n)
(x)],
(1.3)
entonces F(x) = 0.
Luego, F satisface las hipotesis del Teorema de Rolle en [x, x
0
] y por tanto existe
(x, x
0
) tal que F
() = 0. Como
F
(x) =
(x
0
x)
n
n!
f
(n+1)
(x)
A(x
0
x
)
(n)
n!
,
tenemos que A = f
(n+1)
(), sustituyendo en (1.3) y despejando obtenemos la formu-
la (1.1) con lo que se concluye la prueba.
La f ormula (1.1) se llama fomula de Taylor de f, alrededor de x
0
, con residuo, en
honor al matematico ingles Brook Taylor (1685 - 1731) quien en 1715 fue el primero
en dar una expasion en serie innita de una funcion. El termino
R
n
() =
f
(n+1)
()
(n + 1)!
(x x
0
)
(n+1)
(1.4)
se llama formula del residuo escrito en la forma de Lagrange, y no es sino un
error de truncamiento. J.L. Lagrange (1736-1813) fue uno de los grandes matematicos
franceses de todos los tiempos que, como veremos, hizo trascendentales aportes en la
Teora de Interpolacion.
Ejercicio Propuesto 1.1 Hay otras formas de escribir el residuo, por ejemplo, si
f
(n+1)
es una funcion integrable, probar la forma integral del residuo
R
n
() =
1
n!
_
x
0
(x y)
n
f
(n+1)
(y)dy. (1.5)
Si denimos
P
n
(x) = f(a) + (x x
0
)f
(x
0
) +
(x x
0
)
2
2!
f(x
0
) + +
(x x
0
)
n
n!
f
(n)
(x
0
),
tenemos que P
n
(x
0
) = f(x
0
), P
n
(x
0
) = f
(x
0
), P
n
(x
0
) = f(x
0
), , P
(n)
n
(x
0
) =
f
(n)
(x
0
), y
f(x) P
n
(x) =
(x x
0
)
(n+1)
(n + 1)!
f
(n+1)
() = R
n
().
A P
n
lo llamamos polinomio de Taylor de grado n de f alrededor de x
0
. En el caso
que x
0
= 0, el polinomio de Taylor se llama polinomio de MacLaurin en honor a
Colin MacLaurin (1698-1746), uno de los principales matematicos de su tiempo.
Ejercicio Propuesto 1.2 Probar que el polinomio de Taylor de grado n de una fun-
cion f alrededor de un punto x
0
es el unico polinomio que coincide con f y sus deri-
vadas hasta orden n en x
0
.
10 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
Ejercicio Propuesto 1.3 De una prueba alternativa del teorema de Taylor usando
directamente el Teorema del valor medio.
Recordemos que dada una aproximacion deseada, estimando el residuo R
n
po-
demos determinar el grado del polinomio aproximante de Taylor para obtener esa
aproximacion. Luego la formula de Taylor permite hallar de una manera constructi-
va polinomios aproximantes, pero para ello tenemos que pedir que la funcion sea no
solo continua sino por lo menos (n + 1) veces diferenciable. Ademas es claro que la
aproximacion se da alrededor del punto x
0
, es decir, la aproximacion es buena para
puntos cercanos a x
0
. Discutimos estas observaciones con mas detenimiento mediante
los siguientes ejemplos.
Ejemplo 1.1 El polinomio de Taylor de tercer grado de f(x) =
1 +x alrededor de
x
0
= 0 es
P
3
(x) =
1
2
x
1
4
1
2!
x
2
+
3
8
1
3!
x
3
= 1 +
1
2
x
1
8
x
2
+
1
16
x
3
.
Si por ejemplo queremos calcular

1,1, tenemos
_
1,1 = f(0,1) P
3
(0,1) = 1 +
1
2
(0,1)
1
8
(0,1)
2
+
1
16
(0,1)
3
= 1, 0488125.
El error esta dado por R
3
(0,1) y una estimacion de ese error es
|R
3
(0,1)| =
|
15
16
(1 +)
7/2
|
4!
(0,1)
4
15
(16)(24)
(0,1)
4
max
[0,0,1]
(1 +)
7/2
=
0,0005
128
3,91 10
6
Como el valor real de

1,1 es 1.0488088, el error real es alrededor de 3,7 10
6
.
En la tabla 1 comparamos varios valores de la funcion f(x) =
1 +x con los
respectivos valores del polinomio de Taylor de tercer grado P
3
(x) y el error asociado.
Observese que a medida que nos alejamos del punto x
0
= 0 la aproximacion de P
3
a
f es peor.
Ejemplo 1.2 El polinomio de Taylor de grado 4 de f(x) = e
x
, alrededor de x
0
= 0
es
P
4
(x) = 1 +x +
1
2
x
2
+
1
6
x
3
+
1
24
x
4
,
El error que se comete aproximando a f por P
4
en el intervalo [-1,1] se estima me-
diante el resto R
5
(x) =
1
120
x
5
e
, con entre 0 y x,tenemos

1
120
x
5
R
5
(x)
e
120
x
5
, 0 x 1,
Tabla 1
x 0.1 0.5 1 2 10
f(x) 1.048809 1.2247 1.414 1.73 3.32
P
3
(x) 1.048813 1.2266 1.438 2.00 56.00
|R
3
(x)| 0.000004 0.0019 0.024 0.27 52.68
e
1
120
|x|
5
R
5
(x)
1
120
|x|
5
, 1 x 0.
El error crece si |x| crece y
max
1x1
|R
5
(x)| =
e
120
= 0,0226.
Ademas es claro que el error no se distribuye uniformemente en el intervalo [-1,1], es
mucho mayor hacia los extremos que hacia el origen como se observa en la gura 2
Figura 2
12 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
Usualmente pensamos que la aproximacion de los polinomios de Taylor mejora a
medida que aumenta el grado, sin embargo ese no es siempre el caso como veremos
en el siguiente ejemplo extremo.
Ejemplo 1.3 Consideremos la funcion f(x) = 1/x y calculemos sus polinomios de
Taylor alrededor de x
0
= 1
P
n
(x) =
n
k=0
f
(k)
k!
(x 1)
k
=
n
k=0
(1)
k
(x 1)
k
.
Para valores crecientes del grado n en P
n
para aproximar f(1/3), obtenemos
n 0 1 2 3 4 5 6 7
P
n
(3) 1 -1 3 -5 11 -21 43 - 85
La razon por lo que esta tecnica de aproximacion falla es que el residuo
R
n
() =
(1)
(n+1)
(x 1)
n+1
n+2
,
con 1 < < x, crece en valor absoluto si n crece. El crecimiento del error resulta del
hecho que x = 3 no esta lo sucientemente cerca de x
0
= 1, vease la Figura 3.
Figura 3
La dicultad que se presenta en el ejemplo anterior es muy com un; esto limita
generalmente el uso de la aproximacion con polinomios de Taylor a situaciones don-
de solo se necesitan aproximaciones en puntos muy cercanos a x
0
. Para computos
ordinarios es mucho mas eciente usar metodos que incluyan informacion de varios
puntos. De esto dedicaremos la siguiente seccion.
Finalmente, la desventaja del uso de polinomios en las aproximaciones es su ten-
dencia a oscilar. Esta tendencia causa con frecuencia que las cotas de error de las
aproximaciones polinomicas excedan signicativamente el error de aproximacion pro-
medio. Una alternativa a esto es la introducccion de una nueva clase de funciones
aproximantes, la clase de las funciones racionales.
Una funcion racional R de grado N, es una funcion de la forma
R(x) =
P(x)
Q(x)
=
p
n
x
n
+ +p
1
x +p
0
q
m
x
m
+ +q
1
x +q
0
, (1.6)
donde N = n +m.
La tecnica de f
aproximacion de Pade consiste en escoger R tal que f

(k)
(0) =
R
(k)
(0) para cada k = 0, 1, , N. La aproximacion de Pade es la extension de la
aproximacion polinomica de Taylor a funciones racionales.
14 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
1.2. Ejercicios Propuestos
1. Recuerdese que los polinomios de Bernstein se denen como
B
n
(x) =
n
k=0
_
n
k
_
f(
k
n
)x
k
(1 x)
nk
, 0 x 1.
a) Verique que
n
k=0
_
n
k
_
x
k
(1 x)
nk
= 1 (1.7)
y utilicelo para hallar el polinomio de Bernstein de tercer grado para las
funciones f(x) = 1 y g(x) = x, x [0, 1].
b) Usando la identidad
_
n 1
k 1
_
=
k
n
_
n
k
_
,
y (1.7) demostrar que para cada n
B
n
(x) =
_
n 1
n
_
x
2
+
1
n
x.
Determine n tal que
|B
n
(x) x
2
| 10
6
se satisface para todo x [0, 1].
2. Para ilustrar que los polinomios de Bernstein B
n
no son una buena aproxima-
cion, calcule el polinomio de grado 4, B
4
para la funcion f(x) = senx, x [0, 1].
Comparelo con el polinomio de Taylor de grado 4, P
4
alrededor de x = 1/2.
3. Use el resto en la forma de Lagrange para estimar el error involucrado en usar
x por senx para aproximar sen 1
.
4. Encontar el menor entero n necesario para aproximar a f(x) = 1/x en x = 1,25
con una precision de 10
8
, usando el polinomio de Taylor de grado n alrededor
de x
0
= 1.
5. a) Sea f(x) = ln(1 + x). Encuentre el polinomio de Taylor de cuarto grado
para f, P
4
alrededor de x
0
= 0 y uselo para aproximar ln(1,1). Encuentre
una cota para el error de esta aproximacion.
b) Sea F(x) =
_
x
0
(1 +t)
1
dt. Usando el polinomio de Taylor de tercer grado,
P
3
para g(x) = (1 +x)
1
, alrededor de x
0
= 0, aproxime F(0,1). Compare
este resultado con el obtenido anteriormente.
1.3. INTERPOLACI
ON Y POLINOMIOS DE LAGRANGE 15
1.3. Interpolacion y Polinomios de Lagrange
Como vimos anteriormente los polinomios aproximantes, que se obtienen por el
Teorema de Taylor, coinciden con la funcion y un n umero nito de sus derivadas en un
punto dado y por lo tanto este tipo de aproximacion polinomial solo sirve en intervalos
peque nos para funciones cuyas derivadas existen y son faciles de evaluar, lo cual no
siempre es el caso. As los polinomios de Taylor son, en general de poca utilidad para
la aproximacion de funciones y es necesario buscar metodos alternativos.
Analicemos en primer lugar la interpolacion lineal, que es la base de muchos
metodos numericos. Consideremos dos puntos distintos en el plano, (x
0
, y
0
), (x
1
, y
1
),
queremos hallar un polinomio de grado uno que pase por ellos. Este problema es
exactamente igual al de aproximar una funcion f por medio de un poliomio de primer
grado, que coincida con ella en los puntos f(x
0
) = y
0
, f(x
1
) = y
1
.
Recordemos, del curso de precalculo, que la solucion de este problema no es sino
la lnea recta que pasa por los puntos (x
0
, y
0
), (x
1
, y
1
) que viene dada por la ecuacion
(pendiente-interseccion)
y =
(y
0
y
1
)
(x
0
x
1
)
(x x
1
) +y
1
,
=
(x x
1
)
(x
0
x
1
)
y
0
+
(x x
0
)
(x
1
x
0
)
y
1
.
As pues, si consideramos el polinomio de primer grado
P(x) =
(x x
1
)
(x
0
x
1
)
y
0
+
(x x
0
)
(x
1
x
0
)
y
1
,
tenemos que P(x
0
) = y
0
y P(x
1
) = y
1
. Es claro, por consideraciones geometricas (por
una par de puntos en el plano pasa una y solo una lnea recta) que este polinomio
es unico.
Observese que el polinomio lineal P se construye usando los los polinomios de
primer grado
L
0
(x) =
(x x
1
)
x
0
x
1
)
y L
1
(x) =
(x x
0
)
x
1
x
0
)
(1.8)
y que ellos son tales que verican
L
0
(x
0
) = 1, L
0
(x
1
) = 0 y L
1
(x
0
) = 0, L
1
(x
1
) = 1.
Si estamos aproximando a una funcion f en el intervalo [x
0
, x
1
], es claro que el
error que se comete al sustituir f por P desaparece en x
0
y x
1
y el maximo del error
en el ocurre aproximadamente cerca del punto medio
1
2
(x
0
+x
1
), vease la gura 4.
16 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
Figura 4
La tecnica usada para construir P es el metodo de interpolacion, usado por
ejemplo, para hallar valores que no aparecen en las tablas trigonometricas y logartmi-
cas.
El problema general, el problema de interpolacion polinomial, es entonces,
dados n+1 puntos en el plano (x
0
, y
0
), (x
1
, y
1
), (x
n
, y
n
) hallar un polinomio P que
pase (interpole) por esos puntos, es decir
P(x
i
) = y
i
, i = 0, , n. (1.9)
De nuevo este problema es exactamente igual al de aproximar una funcion f por
medio de un poliomio, que coincida con ella en los puntos
f(x
i
) = y
i
, i = 0, , n.
La preguntas naturales son existe este polinomio ?, si es as, cual es su grado?,
es unico?, y nalmente como se puede construir a partir de los datos.?
Si escribimos,
P(x) = a
m
x
m
+ +a
1
x +a
0
,
para un polinomio general de grado m, vemos que tenemos m+1 incognitas, a
0
, a
1
, , a
m
,
como de (1.9) obtenemos n + 1 condiciones sobre P es razonable considerar el caso
1.3. INTERPOLACI
m = n. Entonces tenemos
a
n
x
n
0
+ +a
1
x
0
+a
0
= y
0
a
n
x
n
1
+ +a
1
x
1
+a
0
= y
1
.
.
.
a
n
x
n
n
+ +a
1
x
n
+a
0
= y
n
.
Esto es pues un sistema de n +1 ecuaciones lineales con n +1 incognitas y resolverlo
es completamente equivalente a resolver el problema de interpolacion polinomial.
La matriz del sistema
_
_
1 x
0
x
n
0
1 x
1
x
n
1
.
.
.
1 x
n
x
n
n
_
_
se llama matriz de Vandermonde de orden n.
Ejercicio Propuesto 1.4 Dena V
n
(x), como
V
n
(x) = det
_
_
1 x
0
x
n
0
1 x
1
x
n
1
.
.
.
1 x
n
x
n
n
_
_
1. Probar que V
n
(x) es un polinomio de grado n, que sus races son x
0
, x
1
, , x
n1
y obtenga la formula
V
n
(x) = V
n1
(x
n1
)(x x
0
) (x x
n1
).
[Indicacion: desarrolle por menor de la ultima la.]
2. Probar que el determinante de la matriz de Vandermonde es
0j<in
(x
i
x
j
).
El resultado fundamental del problema de interpolacion es el siguiente,
Teorema 1.3 Dados n+1 n umeros distintos x
0
, x
1
, , x
n
, y n+1 ordenadas y
0
, y
1
, , y
n
hay un polinomio de grado a o mas n que interpole estos puntos, es decir, que veri-
que la condicion (1.9). Este polinomio es unico en el conjunto de todos los polinomios
de grado a lo mas n.
18 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
Demostracion:
Daremos una prueba constructiva, obteniendo explcitamente el polinomio inter-
polante. Consideremos , en primer lugar, el problema de interpolacion especial donde
y
k
= 1, y
i
= 0 para i = k,
para 0 k n. Queremos un polinomio L
n,k
de grado a lo mas n, con n ceros
x
i
, i = k. Entonces
L
n,k
(x) = c(x x
0
)(x x
1
) (x x
k1
)(x x
k+1
) (x x
n
)
para alguna constante c. La condicion que L
n,k
(x
k
) = 1, implica que
c = [(x
k
x
0
)(x
k
x
1
) (x
k
x
k1
)(x
k
x
k+1
) (x
k
x
n
)]
1
,
luego
L
n,k
(x) =
n
i=0,i=k
(x x
i
)
(x
k
x
i
)
, k = 0, 1, , n. (1.10)
El polinomio del problema general de interpolacion (1.9) se escribe entonces como
P(x) =
n
k=0
y
k
L
n,k
(x). (1.11)
P, que llamaremos el polinomio interpolante de Lagrange o simplemente poli-
nomio de Lagrange, es un polinomio de grado a lo mas n ya que cada L
n,k
es de
grado n.
Para probar la unicidad, si suponemos que Q es otro polinomio de grado a lo mas
n que satisface (1.9), entonces P Q es un polinomio de grado a lo mas n que tiene
n + 1 ceros y por tanto P y Q tienen que ser iguales.
Los polinomios L
n,k
los llamaremos polinomios interpolantes basicos de La-
grange de grado n. En la gura 5 tenemos un ejemplo de uno de grado 4
1.3. INTERPOLACI
Figura 5
Ejercicio Propuesto 1.5 De una prueba alternativa del teorema anterior usando
argumentos de sistemas de ecuaciones. Sin embargo, la cantidad de trabajo involucrado
para obtener el polinomio interpolante por esta va es excesivo y por ello este enfoque
no es es recomendable.
[Indicacion: use la matriz de Vandermonde.]
La unicidad del polinomio interpolante es de gran uso practico, debido a que se
pueden obtener varias otras formulas para el problema de interpolacion y la unicidad
garantiza que todas ellas son el mismo polinomio interpolante. En particular notese
que la representacion dada del polinomio interpolante en el teorema anterior no viene
dada en la forma usual
P(x) = a
n
x
n
+ +a
1
x +a
0
.
Existen varias maneras de representar P por una formula explicita, cada una de ellas
sugiere un algoritmo para calcular P.
20 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
Ejemplo 1.4 El polinomio de grado a lo mas 2 que pasa por los puntos (0,1),(-1,2)
y (1,3) es
P(x) =
(x + 1)(x 1)
(0 + 1)(0 1)
1 +
(x 0)(x 1)
(1 0)(1 1)
2 +
(x 0)(x + 1)
(1 0)(1 + 1)
3 =
3
2
x
2
+
1
2
x + 1.
Ejemplo 1.5 Si queremos hallar el polinomio interpolante de segundo grado para
f(x) = 1/x con nodos x
0
= 2, x
1
= 2,5, x
2
= 4, tenemos
P(x) = f(x
0
)L
2,0
+f(x
1
)L
2,1
+f(x
2
)L
2,2
=
(x 2,5)(x 4)
(2 2,5)(2 4)
(0,5) +
(x 2)(x 4)
(2,5 2)(2,5 4)
(0,4) +
(x 2)(x 2,5)
(4 2)(4 2,5)
(0,25)
= (x
2
6,5x + 10)(0,5) + (4x
2
+ 24x 32)
0,4
3
+ (x
2
4,5x + 5)
0,25
3
= 0,005x
2
0,425x + 1,15.
La aproximacion a f(3) =
1
3
es P(3) = 0,325. Compare este resultado con el
ejemplo 1.3 donde ning un polinomio de Taylor (desarrollado alrededor de x
0
= 1) se
pudo usar para dar una aproximacion razonable de f(3) =
1
3
.
Queremos ahora estimar una cota del error involucrado en la aproximacion de una
funcion mediante un polinomio interpolante de Lagrange (1.11).
Teorema 1.4 Dados n + 1 n umeros distintos x
0
, x
1
, , x
n
, en un intervalo [a, b] y
si f C
n+1
[a, b], entonces para cada x [a, b] existe un n umero = (x) (a, b) tal
que, si P es el polinomio interpolante de Lagrange (1.11), entonces
f(x) = P(x) +
f
(n+1)
((x))
(n + 1)!
(x x
0
)(x x
1
) (x x
n
). (1.12)
Demostracion:
En primer lugar, notese que si x = x
k
para k = 0, 1, , n, entonces f(x
k
) =
P(x
k
), y es ese caso se puede tomar arbitrariamente en (a, b) para satisfacer la
ecuacion (1.12).
Si x = x
k
, para cualquier k = 0, 1, , n, entonces denimos la funcion auxiliar
F(t) = f(t) P(t) [f(x) P(x)]
(t x
0
)(t x
1
) (t x
n
)
(x x
0
)(x x
1
) (x x
n
)
= f(t) P(t) [f(x) P(x)]
n
i=0
(t x
i
)
(x x
i
)
.
1.3. INTERPOLACI
Como f C
n+1
[a, b], P C
[a, b] y x = x
k
, para cualquier k, F C
n+1
[a, b].
Para t = x
k
F(x
k
) = f(x
k
) P(x
k
) [f(x) P(x)]
n
i=0
(x
k
x
i
)
(x x
i
)
= 0.
Ademas
F(x) = f(x) P(x) [f(x) P(x)]
n
i=0
(x x
i
)
(x x
i
)
= 0.
Luego F tiene n + 2 ceros en (a, b), x, x
0
, x
1
, , x
n
. Por el Teorema de Rolle F
tiene n + 1 ceros en (a, b). Inductivamente F

(j)
tiene n + 2 j ceros en (a, b), para
j = 0, 1, 2, , n+1. Sea = (x) (a, b) tal que F
(n+1)
() = 0, es decir, es el cero
de F
(n+1)
, entonces
0 = F
(n+1)
() = f
(n+1)
() P
(n+1)
() [f(x) P(x)]
d
n+1
t
n+1
[
n
i=0
(t x
i
)
(x x
i
)
])|
t=
.
Como P es un polinomio de grado a lo mas n, P
(n+1)
0. Ademas, como
n
i=0
(tx
i
)
(xx
i
)
es un polinomio en t de grado n + 1, tenemos que
d
n+1
t
n+1
[
n
i=0
(t x
i
)
(x x
i
)
] =
(n + 1)!
n
i=0
(x x
i
)
.
Por tanto,
0 = f
(n+1)
() [f(x) P(x)]
(n + 1)!
n
i=0
(x x
i
)
,
y despejando, obtenemos
f(x) = P(x) +
f
(n+1)
()
(n + 1)!
n
i=0
(x x
i
).
Notese que la forma del error obtenida en este caso es muy similar a la obteni-
da para polinomios de Taylor. El polinomio de Taylor de grado n alrededor de x
0
,
concentra toda la informacion conocida en x
0
y el termino del residuo tiene la forma
f
(n+1)
()
(n + 1)!
(x x
0
)
(n+1)
.
22 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
El polinomio de interpolacion de Lagrange de grado n usa la informacion en los
diferentes n umeros x
0
, x
1
, , x
n
y, en vez de (xx
0
)
n+1
, su formula de error contiene
un producto de n + 1 terminos,
f
(n+1)
()
(n + 1)!
n
i=0
(x x
i
).
Esta formula del error es un resultado teorico importante, ya que los polinomios
de Lagrange se usan extensivamente para derivar metodo numericos de derivaci on
e integracion. Sin embargo su uso practico esta restingido a funciones cuyas deri-
vadas tengan cotas conocidas, de manera de poder estimar el error. Mas adelante,
en el captulo 3 de aplicaciones, discutiremos como se deben escoger los n umeros
x
0
, x
1
, , x
n
, de forma de minimizar el error.
Ejemplo 1.6 Consideremos la funcion f(x) = senx, 0 x , y consideremos
una aproximacion por interpolacion con 5 puntos equiespaciados 0, /4, /2, , El
polinomio de interpolacion P es un polinomio de grado cuatro que pasa por los pun-
tos (0, 1), (/2,
2/2), (/2, 1), (, 0). El error e(x) = senx P(x), lo gracamos,

multiplicado por 100, junto con la graca del seno, en la gura 6.
Figura 6
1.3. INTERPOLACI
Observese que el error oscila y que su magnitud es mayor en los intervalos cer-
canos a los extremos, 0 y . Este comportamento del error es tpico de todas las
interpolaciones polinomicas equiespaciadas, aunque la forma real de la distribucion
del error cambia dependiendo de la funcion interpolada y de la longitud del intervalo
de interpolacion.
Ejemplo 1.7 Consideremos la funcion f(x) = e
x
, 0 x 1. Queremos hacer una
tabla para f usando la interpolacion lineal, es decir, usando el polinomio de Lagrange
de grado uno, tal que las cifras en la tabla tengan d cifras decimales y que la diferencia
entre valores adjacentes de x, es decir el tama no del paso, sea h. Por el teorema
anterior el error de la interpolacion lineal es, si x
j
x x
j+1
|f(x) P(x)| = |
f
(2)
()
2!
(x x
j
)(x x
j+1
)|
|f
(2)
()|
2
|(x jh)(x (j + 1)h)|
1
2
max
[0,1]
e
max
x
j
xx
j+1
|(x jh)(x (j + 1)h)|
e
2
h
2
4
=
eh
2
8
.
Si d 6, para obtener un error absoluto maximo de 10
6
, h deber ser tal que
eh
2
8
< 10
6
o h < 1,72 10
3
.
Si la tabla es exacta solo hasta la quita cifra decimal, es imposible obtener valores
exactos en la sexta cifra con interpolacion.
En el siguiente ejemplo veremos tecnicas de interpolacion cuando no podemos
estimar el error mediante la formula (1.12).
Ejemplo 1.8 Consideremos la funcion de Bessel de primera clase de orden cero,
J
0
(x) =
k=0
(
1
4
x
2
)
k
(k!)
2
.
La siguiente tabla muestra valores de J
0
en varios puntos,
Queremos estimar el valor J
0
(1,5) a partir de varios polinomios de Lagrange. En
este caso,como no conocemos la cuarta derivada de J
0
no podemos utilizar la formula
del error (1.12). Trabajemos pues directamente con las aproximaciones.
24 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
x 1.0 1.3 1.6 1.9 2.2
J
0
(x) 0.7651977 0.6200860 0.4554022 0.2818186 0.1103623
Como 1.5 esta entre 1.3 y 1.6, entonces tomando x
0
= 1,3, x
1
= 1,6 para construir
el polinomio interpolante de grado uno, cuyo valor en 1.5 esta dado por
P
1
(1,5) =
(1,5 1,6)
(1,3 1,6)
(0,6200860) +
(1,5 1,3)
(1,6 1,3)
(0,4554022) = 0,5102968.
Se pueden usar dos polinomios interpolantes de grado dos, uno tomando x
0
=
1,3, x
1
= 1,6, x
2
= 1,9, que da
P
2
(1,5) =
(1,5 1,6)(1,5 1,9)
(1,3 1,6)(1,3 1,9)
(0,6200860) +
(1,5 1,3)(1,5 1,9)
(1,6 1,3)(1,6 1,9)
(0,4554022)
+
(1,5 1,3)(1,5 1,6)
(1,9 1,3)(1,9 1,6)
(0,2818186) = 0,5112857,
y el otro tomando x
0
= 1,0, x
1
= 1,3, x
2
= 1,9, en cuyo caso se obtiene el valor
P
2
(1,5) = 0,5124715.
En el caso de polinomios de Lagrange de tercer grado hay dos elecciones posi-
bles. Una tomando x
0
= 1,3, x
1
= 1,6, x
2
= 1,9, x
3
= 2,2, que da el valor P
3
(1,5) =
0,5118302. La otra se obtiene tomando x
0
= 1,0, x
1
= 1,3, x
2
= 1,6, x
3
= 1,9, obte-
nie ndose el valor

P
3
(1,5) = 0,5118127.
El polinomio de Lagrange de cuarto grado utiliza todos los valores de la tabla x
0
=
1,0, x
1
= 1,3, x
2
= 1,6, x
3
= 1,9, x
4
= 2,2 y se obtiene el valor P
4
(1,5) = 0,5118200.
Como P
3
(1,5),

P
3
(1,5) y P
4
(1,5) coinciden todos dentro de 2 10
5
unidades,
esperamos que P
4
(1,5) sea la aproximacion mas precisa y que sea correcta dentro de
2 10
5
unidades. Sabiendo que el valor de f(1,5) es 0.5118277, se pueden calcular
las precisiones reales de cada una de estas aproximaciones y de alli se puede concluir
que P
3
(1,5) es la aproximacion mas exacta. Sin embargo sin el conocimiento del valor
real de f(1,5), P
4
(1,5) sera aceptado como mejor aproximacion.
As pues, como es difcil trabajar con el termino de error (1.12), no se sabe ge-
neralmente el grado del polinomio necesario para lograr la precision deseada hasta
que los calculos hayan sido completados. La practica usual, como se hizo en el ejem-
plo anterior, consiste en comparar los resultados obtenidos de varios polinomios de
interpolacion hasta obtener la concordancia apropiada. Ademas es de notar, en el
1.4. EJERCICIOS PROPUESTOS 25
ejemplo anterior, que el trabajo realizado para calcular, por ejemplo, la aproximacion
mediante el polinomio de segundo grado no reduce el trabajo necesario para calcular
la aproximacion de tercer grado, tampoco es mas facil de obtener la aproximacion de
cuarto grado ya conocida la de tercer grado. Por ello es necesario buscar una manera
mas eciente para obtener una aproximacion con polinomios de interpolacion, como
se ilustrara en los ejercicios.
Por otra parte, hemos visto ue el polinomio de Taylor de grado n de una funci on
f alrededor de x
0
, coinciden con f y sus n primeras derivadas en el punto x
0
. En
cambio el polinomio interpolante de Lagrange de f en x
0
, x
1
, , x
n
, coincide con
f en los puntos x
0
, x
1
, , x
n
. Los polinomios osculantes son una generalizaci on
de ambas nociones. Estos polinomios tienen la propiedad que dados n + 1 n umeros
distintos x
0
, x
1
, , x
n
y los enteros no negativos m
0
, m
1
, , m
n
, el polinomio os-
culante aproxima a una funcion f C
m
[a, b], donde m = max(m
0
, m
1
, , m
n
) y
x
i
[a, b], para cada i = 0, 1, , n, es el polinomio de menor grado con la propiedad
de que coincide con la funcion f y todas sus derivadas hasta orden m
i
en x
i
para
i = 0, 1, , n. Observese que si n = 0 el polinomio osculante es el polinomio de
Taylor y cuando m
i
= 0, i = 0, 1, , n, es el polinomio interpolante de Lagrange en
x
0
, x
1
, , x
n
.
En el caso que m
i
= 1 para cada i = 0, 1, , n, los polinomios osculantes que
se obtienen se denominan polinomios interpolantes de Hermite, en honor al
matematico frances Charles Hermite (1822- 1901), que contribuyo mucho al desarrollo
del Algebra y el Analisis. Para una funcion dada f estos polinomios no solo coinciden
con f en x
0
, x
1
, , x
n
, sino que, como sus primeras derivadas coinciden tambien con
las de f, tiene la misma apariencia que la funcion en (x
i
, f(x
i
)), en el sentido que las
lneas tangentes al polinomio y a la funcion coinciden, vease el problema 7 propuesto,
para mas detalles.
1. Use los polinomios interpolantes de Lagrange apropiados, de grado uno, dos,
tres y cuatro para aproximar
a) f(0,5) si f(0,2) = 0,9798652, f(0,4) = 0,9177710, f(0,6) = 0,8080348, f(0,8) =
0,6386093, f(1,0) = 0,3843735.
b) f(2,5) si f(2,0) = 0,5103757, f(2,2) = 0,5207843, f(2,4) = 0,5104147, f(2,6) =
0,4813306, f(2,8) = 0,4359160.
2. Consideremos la siguiente tabla de valores para el seno
26 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
x 0.30 0.32 0.33 0.35
sen x 0.29552 0.31457 0.32404 0.34290
a) Use los valores de la tabla para construir un polinomio de Lagrange de
grado dos. Encuentre una aproximacion para sen 0.34 y use la ecuacion
(1.12) para determinar una cota para el error.
b) Use los valores de la tabla para construir un polinomio de Lagrange de
grado tres. Aproxime sen 0.34 y determine una cota para el error.
3. Sea f(x) = e
x
, 0 x 2, y consideremos la siguiente tabla de valores
x 0.0 0.5 1.0 2.0
f(x) 1.00000 1.64872 2.71828 7.38906
a) Aproxime f(0,25) usando la interpolacion lineal con x
0
= 0, x
1
= 0,5.
b) Aproxime f(0,75) usando la interpolacion lineal con x
0
= 0,5, x
1
= 1.
c) Aproxime f(0,25) y f(0,75) usando el polinomio interpolante de segundo
grado con x
0
= 0, x
1
= 1, x
2
= 2.
d) Cuales aproximaciones son mejores? y porque? .
4. a) Demostrar que los polinomios interpolantes basicos de Lagrange verican
n
k=0
L
n,k
(x) = 1,
para todo x.
b) Sea A(x) =
n
k=0
(x x
k
). Demostrar que el polinomio interpolante de
grado n, en x
0
, , x
n
se puede escribir como
P(x) = A(x)
n
k=0
f(x
k
)
(x x
k
)
(x
k
)
.
Ademas verique, usando la regla de LHopital, que el lmite de la expresion
en la derecha es f(x
k
) si x x
k
.
5. Interpolacion iterada. Queremos estudiar algoritmos que permitan construir
el polinomio interpolante recursivamente. Para ello necesitamos una notaci on
adecuada. Sean x
0
, x
1
, , x
n
los puntos en los que la funcion f sera interpolada.
Para simplicar denotemos por f
k
= f(x
k
). Consideraremos polinomios que
interpolan a f en algunos pero no todos los puntos x
0
, x
1
, , x
n
. Si S W =
{x
0
, x
1
, , x
n
}, S = , denotemos por P
S
el polinomio que interpola a f en los
puntos de S, es decir, si S contiene k + 1 puntos, P
S
es el unico polinomio de
grado a lo mas k tal que
P
S
(x
i
) = f
i
, x
i
S.
a) Sean S y T dos subconjuntos propios de W teniendo todos los puntos
comunes salvo x
i
S y x
j
T. Probar que entonces
P
ST
=
(x
i
x)P
T
(x) + (x
j
x)P
S
(x)
x
i
x
j
.
b) Algoritmo de Aitken: Para d = 0, 1, 2, , n, genere los polinomios P
k,d
de la siguiente manera:
P
k,0
(x) = f
k
, k = 0, 1, , n;
P
k,d+1
(x) =
(x
k
x)P
d,d
(x) (x
d
x)P
k,d
(x)
x
k
x
d
,
para k = d + 1, d + 2, , n. Probar que P
k,d
= P
{x
0
,x
1
, ,x
d1
,x
k
}
, d =
0, 1, , n; k = d + 1, d + 2, , n, y que en particular P
n,n
= P
W
.
c) Algoritmo de Neville: Para d = 0, 1, 2, , n, genere los polinomios P
k,d
de la siguiente manera:
P
k,0
(x) = f
k
, k = 0, 1, , n;
P
k,d+1
(x) =
(x
k
x)P
k1,d
(x) (x
kd1
x)P
k,d
(x)
x
k
x
kd1
,
para k = d + 1, d + 2, , n. Probar que P
k,d
= P
{x
kd
,x
kd+1
, ,x
k
}
, d =
0, 1, , n; k = d, d + 1, d + 2, , n, y que en particular P
n,n
= P
W
.
6. Interpolacion de Newton Dados n + 2 puntos distintos x
0
, x
1
, , x
n
, x
n+1
.
Sea P
n
el polinomio de grado a lo mas n que coincide con una funcion f en
x
0
, x
1
, , x
n
y sea P
n+1
el polinomio de grado a lo mas n +1 que coincide con
f en x
0
, x
1
, , x
n
, x
n+1
28 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
a) Probar que existe una constante c
n+1
, determinada por unicidad por f y
los puntos de interpolacion x
0
, x
1
, , x
n
, x
n+1
, tal que
P
n+1
(x) = P
n
(x) +c
n+1
(x x
0
)(x x
1
) (x x
n
).
b) Probar la formula de interpolacion de Newton: si x
0
, x
1
, , x
n
son
n umeros distintos
P
n
(x) = f(x
0
) +
n
k=1
c
k
(x x
0
)(x x
1
) (x x
k1
).
c) Demostrar que
c
n
=
n
k=0
f(x
k
)
A
k
(x
k
)
,
donde A
k
(x) =
n
j=0,j=k
(x x
j
).
7. Interpolacion de Hermite. Si f C
1
[a, b] y x
0
, x
1
, , x
n
n umeros distintos
en [a,b],
a) Probar que siguiente polinomio coincide con f y f
en x
0
, x
1
, , x
n
H
2n+1
(x) =
n
k=0
f(x
k
)H
n,k
(x) +
n
k=0
f
(x
k
)

H
n,k
(x),
donde
H
n,k
(x) = [1 2(x x
k
)L
n,k
(x)]L
2
n,k
(x),
y
H
n,k
(x) = (x x
k
)L
2
n,k
(x).
[Indicacion: demostrar que
H
n,k
(x
k
) = 1, H
n,k
(x
j
) = 0, j = k, H
n,k
(x
j
) = 0.
y
H
n,k
(x
j
) = 0, 0 j n,

H
n,k
(x
k
) = 1,

H
n,k
(x
j
) = 0, j = k.]
b) Demostrar que H
2n+1
es el unico polinomio de menor grado coincide con
f y f
en x
0
, x
1
, , x
n
[Indicacion: Suponga que hay otro polinomio P con estas propiedades y
considere Q = H
2n+1
P y D
en x
0
, x
1
, , x
n
.]
c) Si f C
(2n+2)
[a, b], entonces
f(x) H
2n+1
(x) =
f
(2n+2)
()
(2n + 1)!
n
i=0
(x x
i
)
2
,
para alg un con a < < b.
[Indicacion: Use el mismo metodo que en la derivacion del error de Lagran-
ge, deniendo la funcion auxiliar
F(t) = f(t) H
2n1
(t) [f(x) H
2n1
(x)]
n
i=0
(t x
i
)
2
(x x
i
)
2
.]
8. Formulas de cuadratura. Con frecuencia para evaluar una integral
_
b
a
f(x)dx,
se usa un metodo basico llamado cuadratura numerica, que consiste en apro-
ximar la integral mediante una suma de la forma
n
k=0
a
k
f(x
k
).
Una manera de obtener formulas de cuadratura es mediante los polinomios
interpolantes de Lagrange. Dados x
0
, x
1
, , x
n
n umeros distintos en el intervalo
[a, b], si P
n
(x) =
n
k=0
y
k
L
n,k
(x), es el polinomio interpolante de Lagrange de
f de grado n en los puntos x
0
, x
1
, , x
n
, entonces integrando P
n
y su error de
truncamiento sobre [a, b], obtenemos la formula de cuadratura
_
b
a
f(x)dx =
_
b
a
n
k=0
y
k
L
n,k
(x)dx +
_
b
a
f
(n+1)
((x))
(n + 1)!
n
k=0
(x x
k
)dx
=
n
k=0
a
n,k
f(x
k
) +
1
(n + 1)!
_
b
a
f
(n+1)
((x))
n
k=0
(x x
k
)dx,
donde = (x) (a, b) para cada x y
a
n,k
=
_
b
a
L
n,k
(x)dx,
para cada k = 0, 1, , n. En el caso equiespaciado x
i
= x
0
+ kh, para k =
0, 1, , n, donde x
0
= a, x
n
= b y h = (b a)/n, esta formula se llama
formula cerrada de Newton-Cotes de n + 1 puntos.
a) Obtener la forma explcita de la regla del trapecio usando polinomios
interpolantes de Lagrange de grado uno.
b) Obtener la forma explcita de la regla de Simpson usando polinomios
interpolantes de Lagrange de grado dos.
30 CAP
ITULO 1. INTRODUCCI
ON A LA TEOR
IA DE APROXIMACI
ON
Captulo 2
Teora de Polinomios Ortogonales
La Teora de Polinomios Ortogonales se puede desarrollar hoy en dia para medidas
en R muy generales. Sin embargo, para los propositos del curso nos restringiremos a
una clase muy especial de ellas, las medidas absolutamente continuas, es decir aquellas
para las cuales existe una funcion no negativa, tal que
(dx) = (x)dx,
La funcion se llama funcion peso.
Ademas, consideremos que una de funcion peso en el intervalo (a, b), que puede
ser innito, tal que los momentos
c
n
=
_
b
a
x
n
(x)dx (2.1)
existen y son nitos para todo n N.
Denimos L
2
(a, b) como el espacio de todas las funciones medibles tales que

_
b
a
[f(x)]
2
w(x)dx < . (2.2)
Denimos el producto interior en L
2
(a, b), como

< f, g >=
_
b
a
f(x)g(x)w(x)dx, (2.3)
para f, g L
2
(a, b).
Ejercicio Propuesto 2.1 Verique que <, > satisface efectivamente las propiedades
de un producto interior, es decir
31
32 CAP
ITULO 2. TEOR
IA DE POLINOMIOS ORTOGONALES
1. < f, g >=< g, f > .
2. < f, f > 0
3. < f, f >= 0 si y solo si f 0 en (a, b) salvo un conjunto de medida -cero.
4. < f, g >=< f, g >= < f, g > .
5. < f
1
+f
2
, g >=< f
1
, g > + < f
2
, g > .
Denimos la norma dos, o norma eucldea en L
2
(a, b), como

||f||
2
=
_
< f, f > =
_
b
a
[f(x)]
2
w(x)dx. (2.4)
Ejercicio Propuesto 2.2 Demostrar la desigualdad de Cauchy-Schwartz: para todo
f, g L
2
(a, b)
| < f, g > | ||f||
2
||g||
2
. (2.5)
[Indicacion: considere < f +g, f +g > como un trinomio en ..]
Ejercicio Propuesto 2.3 Demostrar que (2.4) satisface las propiedades de norma,
es decir
1. ||f||
2
= 0 si y solo si f 0 en (a, b) salvo un conjunto de medida -cero.
2. ||f||
2
= ||||f||
2
.
3. ||f +g||
2
||f||
2
+||g||
2
. (Desigualdad triangular)
Dados f, g L
2
(a, b) decimos que son ortogonales en L

2
(a, b) si < f, g >= 0.

Una familia de funciones es un sistema ortogonal si cada miembro es ortogonal
a cualquier otro miembro de la familia. Un sistema ortonormal es una familia
ortogonal y que cada miembro tiene norma 1.
Ejercicio Propuesto 2.4 Demostrar que un sistema ortogonal cualquiera {f
k
} es
una familia linealmente independiente en (a, b).
[Indicacion: una familia innita {f
k
} es linealmente independiente si toda sub-
familia nita {f
n
k
}
m
k=1
es linealmente independiente, es decir, si
1
f
n
1
(x) +
2
f
n
2
(x) + +
m
f
nm
(x) = 0, x (a, b),
entonces
1
=
2
= +
m
= 0.]
33
Queremos obtener una base de polinomios, a partir de la base canonica de los
monomios {1, x, x
2
, }, que sea un sistema ortogonal en L
2
(a, b). Para ello como

sabemos existe el metodo debido a Jorgen Pedersen Gram (1850-1916) y a Erhard
Schimidt (1845-1921), que es un procedimiento constructivo,
Teorema 2.1 (Metodo de Gram-Schmidt) Existe una sucesion de polinomios {P
n
}
n0
tal que el grado de P
n
sea n y
= 0 para todo n = m, n, m 0. (2.6)
Ademas podemos construir la sucesion con las propiedades adicionales
1. Que {P
n
}
n0
sea ortonormal, es decir
= 1 (2.7)
2. Que el coeciente principal de P
n
, a
n
, es decir el coeciente de x
n
en P
n
, sea
positivo.
Con estas propiedades adicionales, la sucesion {P
n
}
n0
es unica.
Demostracion:
Sea P
0
(x) = c una constante. Escojamos c tal que ||P
0
||
2
= 1 y c > 0. Entonces
= c
2
_
b
a
(x)dx = 1,
lo que implica que
c = [
_
b
a
(x)dx]
1/2
.
Para construir P
1
, comenzamos con
Q
1
(x) = x +a
1,0
P
0
(x),
tal que < Q
1
, P
0
>= 0. Luego
0 =< x, P
0
> +a
1,0
,
lo que implica que
a
1,0
=
< x, P
0
>

=
_
b
a
x(x)dx/[
_
b
a
(x)dx]
1/2
.
34 CAP
ITULO 2. TEOR
Denimos
P
1
(x) =
Q
1
(x)
||Q
1
||
2
,
note que por construccion
|||P
1
||
2
= 1, = 0.
Inductivamente, para construir P
n
, denimos primero
Q
n
(x) = x
n
+a
n,n1
P
n1
+ +a
n,0
P
0
(x),
y escogemos las constantes a
n,j
tal que Q
n
sea ortogonal a P
j
, j = 0, 1, , n 1.
Entonces,
< Q
n
, P
j
>= 0, implica que a
n,j
= < x
n
, P
j
>, j = 0, 1, , n 1.
Denimos a P
n
como
P
n
(x) =
Q
n
(x)
||Q
n
||
2
.
Se continua la construccon inductivamente.
Ejercicio Propuesto 2.5 En la demostracion del Metodo de Gram-Schmidt cons-
truimos una familia ortonormal, modique la demostraccion para construir una fa-
milia simplemente ortogonal.
Lema 2.1 Sea {P
n
}
n0
un sistema polinomios ortogonales en L
2
(a, b) . Si P es un
polinomio de grado n, entonces
P(x) =
n
k=0
< P, P
k
>

P
k
(x). (2.8)
Demostracion:
Comenzamos probando que todo polinomio se puede escribir como combinacion
lineal de los polinomios ortogonales {P
n
}
n0
de grado no mayor al de el.
Como el grado de P
0
es cero, tenemos que P
0
(x) = c, con c una constante y por
tanto
1
c
P
0
(x) = 1.
Como el grado de P
1
es uno, tenemos, por el metodo de ortogonalizacion de Gram-
Schmidt,
P
1
(x) = c
1,1
x +c
1,0
P
0
(x),
35
con c
1,1
= 0 y entonces
x =
1
c
1,1
[P
1
(x) c
1,0
P
0
(x)].
Por induccion en el metodo de Gram-Schmidt
P
n
(x) = c
n,n
x
n
+c
n,n1
P
n1
(x) + +c
n,0
P
0
(x),
con c
n,n
= 0 y entonces
x
n
=
1
c
n,n
[P
n
(x) c
n,n1
P
n1
(x) c
n,0
P
n
(x)].
Luego, cada monomio se puede escribir como una combinacion lineal de los polinomios
ortogonales {P
n
}
n0
de grado no mayor al de el. De all se sigue entonces facilmente
que un polinomio arbitrario P de grado m se puede escribir como
P(x) =
m
P
m
(x) + +
0
P
0
(x),
para algunos
0
, ,
m
. Luego por ortogonalidad obtenemos, para k = 0, , m
< P, P
k
>=
m
i=0
i
=
k
,
Luego,
k
=
< P, P
k
>

,
con lo que se concluye la demostracion.
Otra manera constructiva de construir una familia de polinomios ortogonales es
a partir de los momentos dela medida . Decimos que la familia polinomios {P
n
} es
ortogonal en L
2
(a, b) si
1. P
n
es de grado exactamente n, tal que el coeciente principal a
n
es positivo.
2. Para todo k = 0, 1, , n 1,
=
_
b
a
P
n
(x)x
k
w(x)dx = 0. (2.9)
Ejercicio Propuesto 2.6 Demostrar que esta denicion de un sistema de polino-
mios ortogonales es equivalente a la dada anteriormente.
[Indicacion: usar el resultado anterior.]
36 CAP
ITULO 2. TEOR
Ahora bien, si escribimos,
P
n
(x) = a
n
x
n
+ +a
1
x +a
0
,
vemos que tenemos n + 1 incognitas, a
0
, a
1
, , a
n
, entonces, suponiendo conocidos
la sucesion de momentos {m
k
}, de la condicion anterior tenemos
a
n
m
n
+ +a
1
m
1
+m
0
= 0
a
n
m
n+1
+ +a
1
m
2
+m
1
= 0
.
.
.
a
n
m
2n1
+ +a
1
m
n
+m
n1
= 0.
Esto es pues, un sistema de n ecuaciones lineales con n + 1 incognitas. Luego no
podemos armar unicidad para la solucion de este sistema y por tanto los polino-
mios ortogonales quedan determinados salvo una constante multiplicativa. Podemos
considerar {p
n
}, los polinomios ortogonales monicos, que son aquellos polino-
mios ortogonales cuyo coeciente principal a
n
es igual a uno, entonces si podemos
garantizar unicidad. del sistema anterior.
Ejercicio Propuesto 2.7 Mediante el metodo de Cramer para la resolucion de sis-
temas de ecuaciones lienales demostrar que una expresion para el polinomio monico
p
n
es
p
n
(x) =
m
0
m
1
m
n
m
1
m
2
m
n+1

m
n1
m
n
m
2n1
1 x x
n
m
0
m
1
m
n1
m
1
m
2
m
n

m
n1
m
n
m
2n2
.
2.1. Propiedades de los polinomios ortogonales
Vamos ahora a discutir como la relacion de ortogonalidad les conere una serie de
interesantes y utiles propiedades a los polinomios ortogonales.
2.1. PROPIEDADES DE LOS POLINOMIOS ORTOGONALES 37
Teorema 2.2 (Relacion de recurrencia) Los polinomios ortogonales {P
n
}
n0
satis-
facen la siguiente relacion de recurrencia a tres terminos,
P
n
(x) = (A
n
x +B
n
)P
n1
(x) C
n
P
n2
, (2.10)
P
1
(x) = 0, P
0
(x) = 1.
donde A
n
, B
n
, C
n
son constantes, A
n
> 0, C
n
> 0,
A
n
=
a
n
a
n1
, C
n
=
A
n

A
n1

,
y a
n
es el coeciente principal de P
n
.
Demostracion:
Considermos el polinomio
Q(x) = P
n
(x) A
n
xP
n1
(x),
donde A
n
=
an
a
n1
. Por denicion el grado de Q es menor o igual a n 1 y por
tanto se puede escribir como una combinacion lineal de los n1 primeros polinomios
ortogonales,
Q(x) =
0
P
0
(x) +
1
P
1
(x) + +
n1
P
n1
(x).
Por la ortogonalidad, tenemos
k
=
< Q, P
k
>

=
 a
n
< xP
n1
, P
k
>

;
como = 0, k = 0, 1, , n 1, y
< xP
n1
, P
k
>=
_
b
a
xP
n1
(x)P
k
(x)(x)dx = 0,
para k = 0, 1, , n 3.
Luego, obtenemos
k
= 0 para k = 0, 1, , n 3.
Por tanto,
P
n
(x) A
n
xP
n1
(x) =
n2
P
n2
(x) +
n1
P
n1
(x),
o equivalentemente
P
n
(x) = [A
n
x +
n1
]P
n1
(x) +
n2
P
n2
(x).
38 CAP
ITULO 2. TEOR
Por otra parte, multiplicando la relacion de recurrencia por P
n2
, obtenemos
_
b
a
P
n2
(x)P
n
(x)(x)dx = 0 = A
n
_
b
a
P
n1
(x)xP
n2
(x)(x)dx C
n
,
y la integral de la derecha es igual a
_
b
a
P
n1
(x)(a
n2
x
n1
+ )(x)dx =
a
n2
a
n1
_
b
a
P
n1
(x)(P
n1
(x) +Q(x))(x)dx
=
a
n2
a
n1
_
b
a
[P
n1
(x)]
2
(x)dx
=
a
n2
a
n1
,
donde Q es un polinomio de grado menor o igual a n 2. Con esto se concluye la
demostracion.
Este relacion es de gran utilidad, tanto teorica como practica, en particular, es
facil generar mediante ella la familia de polinomios ortogonales en el computador. El
recproco de este resultado es un celebre teorema de J. Favard en 1935.
Teorema 2.3 (Formula de Christoel-Darboux) Los polinomios ortogonales {P
n
}
n0
satisfacen la siguiente relacion
n
k=0
P
k
(x)P
k
(y)

=
1
A
n+1

P
n+1
(x)P
n
(y) P
n
(x)P
n+1
(y)
(x y)
, (2.11)
para x = y.
Demostracion:
La demostracion de esta formula se obtiene de la relacion de recurrencia.
P
n+1
(x)P
n
(y) P
n
(x)P
n+1
(y) = [(A
n+1
x +B
n+1
)P
n
(x) C
n+1
P
n1
(x)]P
n
(y)
P
n
(x)[(A
n+1
y +B
n+1
)P
n
(y) C
n+1
P
n1
(y)]
= A
n+1
(x y)P
n
(x)P
n
(y) +C
n+1
[P
n
(x)P
n1
(y) P
n1
(x)P
n
(y)].
Por lo tanto,
1
A
n+1

P
n+1
(x)P
n
(y) P
n
(x)P
n+1
(y)
(x y)
=
P
n
(x)P
n
(y)

+
C
n+1
A
n+1

P
n
(x)P
n1
(y) P
n1
(x)P
n
(y)
(x y)
=
P
n
(x)P
n
(y)

+
1
A
n

P
n
(x)P
n1
(y) P
n1
(x)P
n
(y)
(x y)
.
2.1. PROPIEDADES DE LOS POLINOMIOS ORTOGONALES 39
La demostracion se concluye iterando el argumento.
Esta identidad fue probada inicialmente por E. B. Christoel (??-??) para el caso
de los polinomios de Legendre y fue posteriormente generalizada por Darboux (??-??)
para sistemas de polinomios ortogonales para una funcion peso general.
Dado f L
2
[a, b], denimos sus coecientes de -Fourier, como
(k) =
1

_
b
a
f(x)P
n
(x)(x)dx, (2.12)
y para cada n 1 la suma parcial
s
n
(f, x) =
n
k=0
(k)
P
k
(x)

. (2.13)
Entonces, de la formula de Christoel-Darboux (2.11), una expresion integral para
s
n
(f), obtenemos
s
n
(f, x) =
n
k=0
(k)
P
k
(x)

=
n
k=0
1

_
b
a
f(y)P
k
(y)(y)dy
P
k
(x)

=
_
b
a
f(y)[
n
k=0
P
k
(x)P
k
(y)

](y)dy
=
1
A
n+1

_
b
a
f(y)
P
n+1
(x)P
n
(y) P
n
(x)P
n+1
(y)
(x y)
(y)dy
En el caso especial x = y, obtenemos de (2.11)
n
k=0
[P
k
(x)]
2

=
1
A
n+1

[P
n+1
(x)P
n
(x) P
n
(x)P
n+1
(x)]. (2.14)
Los ceros de los polinomios ortogonales {P
n
}
n0
tienen propiedades muy especia-
les, una de ellas la veremos en el siguiente resultado:
Teorema 2.4 Los ceros de los polinomios ortogonales {P
n
}
n0
son reales y distintos
y estan todos en el intervalo (a, b).
Demostracion:
40 CAP
ITULO 2. TEOR
Observese, en primer lugar que debido a la ortogonalidad,
_
a
b
P
n
(x)(x)dx = 0,
para todo n 1, y por lo tanto existe al menos un punto en (a, b) donde P
n
cambia
de signo. Si x
1
, x
2
, , x
m
, m n son todos los ceros de P
n
en (a, b) donde el cambia
de signo, entonces el polinomio
(x x
1
)(x x
2
) (x x
m
)P
n
(x),
no cambia de signo en (a, b), es decir es siempre positivo o negativo en (a, b), lo que
implica que
_
a
b
(x x
1
)(x x
2
) (x x
m
)P
n
(x)(x)dx = 0.
Si suponemos que m < n lo anterior contradice el hecho que, por ortogonalidad
tenenos
_
a
b
(x x
1
)(x x
2
) (x x
m
)P
n
(x)(x)dx = 0.
Por lo tanto m = n y como P
n
no puede tener sino a lo mas n raices, entonces
x
1
, x
2
, , x
n
deben ser simples.
Otra interesante propiedad de los ceros de {P
n
}
n0
queda como ejercicio.
Ejercicio Propuesto 2.8 De la formula (2.14), obtenemos que
P
n+1
(x)P
n
(x) P
n
(x)P
n+1
(x) > 0,
para todo x real.
Utilizar este hecho para probar que P
n
y P
n+1
no tienen ceros comunes. Mas a un
probar que entre dos ceros de P
n
hay al menos un cero de P
m
, para m > n.
2.2. Los polinomios ortogonales clasicos
Los sistemas de polinomios ortogonales associados con los nombres de ?? Laguerre,
C. Hermite y K.G.J.Jacobi (que incluyen como casos especiales los nombrados por
P.L.Tchebychev, A.M. Legendre y L. Gegenbauer) son, sin lugar a dudas, los que se
han estudiado mas extensivamente y que tienen aplicaciones diversas. A estos sistemas
es los que se llaman de forma generica como polinomios ortogonales clasicos.
2.2. LOS POLINOMIOS ORTOGONALES CL
ASICOS 41
2.2.1. Los polinomios de Legendre
Los polinomios ortogonales de Legendre {P
n
}, deben su nombre a matematico
frances Adrien Marie Legendre (1752-1833) que los encontro en su trabajo sobre
Teora de Potencial, y son aquellos polinomios en [1, 1] ortogonales respecto al peso
(x) = 1.
Los polinomios de Legendre satisfacen la siguiente formula de recurrencia
(n + 1)P
n+1
(x) = (2n + 1)xP
n
(x) nP
n1
(x), (2.15)
Los primeros cinco polinomios de Legendre son
P
0
(x) 1, P
1
(x) = x, P
2
(x) =
1
2
(3x
2
1),
P
3
(x) =
1
4
(10x
3
6x), P
4
(x) =
1
8
(35x
4
30x
2
+ 3).
Las gracas de ellas, en el intervalo [1, 1], se presentan en la siguiente gura
Figura 7
42 CAP
ITULO 2. TEOR
2.2.2. Los polinomios de Tchebychev
Los polinomios de Tchebychev aparecen cuando Pafnuti Liwowich Tchebychev
(1821-1894), famoso matematico ruso que aporto notables contribuciones el Calculo
de Probabilidades y a otras ramas de las Matematicas, estaba estudiando el movi-
miento de las uniones entre las ruedas de una locomotora de vapor. Desde entonces se
convirtieron en un ingrediente fundamental en Matematicas Aplicadas. Debido a su
importancia y su forma explcita, haremos un estudio detallado de ellos, dando prue-
bas directas y elementales de sus propiedades a un cuando ellas se pueden deducir del
caso general discutido anteriormente.
Sea x + iy un n umero complejo de modulo uno. Por el desarrollo de Newton
tenemos,
(x +iy)
n
=
n
k=0
_
n
k
_
x
nk
(iy)
k
,
para todo entero n 0. Si tomamos x = cos , y = sin , y consideramos la parte real
de cada termino; puesto que por la formula de Moivre
(x +iy)
n
= (cos +i sin )
n
= e
in
= cos n +i sin n,
obtenemos
cos n = x
n
_
n
2
_
x
n2
y
2
+
_
n
4
_
x
n4
y
4

Dado que y
2
= sin
2
= 1 cos
2
= 1 x
2
, el termino de la derecha de la igualdad
anterior es un polinomio en x de grado n. Ese polinomio se llama el polinomio de
Tchebychev de primera especie y se denota por T
n
.
Por el calculo anterior, obtenemos la representacion explcita de T
n
,
T
n
(x) =
[n/2]
k=0
_
n
2k
_
x
n2k
(iy)
2
k. (2.16)
Ademas, si 1 x 1 , entonces tenemos que
T
n
(x) = cos(n(arc cos x)). (2.17)
De la conocida relacion
_

0
cos m cos nd = 0, si m = n
haciendo el cambio de variable x = cos , obtenemos
_
1
1
T
m
(x)T
n
(x)
1
1 x
2
dx = 0, si m = n,
ASICOS 43
lo cual quiere decir que los polinomios de Tchebychev de primer tipo son polinomios
ortogonales en [1, 1] respecto al peso (x) = 1/
1 x
2
.
Los polinomios de Tchebychev satisfacen la siguiente formula de recurrencia
T
n+1
(x) = 2xT
n
(x) T
n1
(x), (2.18)
que se obtiene de la identidad trigonometrica
cos(n + 1) + cos(n 1) = 2 cos cos n.
Los primeros cinco polinomios de Tchebychev son
T
0
(x) 1, T
1
(x) = x, T
2
(x) = 2x
2
1,
T
3
(x) = 4x
3
3x, T
4
(x) = 8x
4
8x
2
+ 1.
Las gracas de ellas, en el intervalo [1, 1], se presentan en la siguiente gura
Figura 8
La formula de recurrencia demuestra que todos los coecientes de T
n
son enteros
y el coeciente principal es 2
n1
.
44 CAP
ITULO 2. TEOR
Teorema 2.5 Si n 1 el polinomio T
n
tiene ceros en los n puntos de [1, 1]
x
k
= cos
(2k + 1)
2n
, k = 0, 1, 2, , n 1.
Luego T
n
tiene la factorizacion
T
n
(x) = 2
n1
n1
k=0
(x x
k
) = 2
n1
n1
k=0
(x cos
(2k + 1)
2n
).
Demostracion:
Como
T
n
(x) = cos(n(arc cos x)) = cos n,
y cos n = 0 si y solo si n es m ultiplo impar de /2, tenemos que T
n
(x) = 0 para
x [1, 1] si n(arc cos x) = (2k + 1)/2 para k Z. Los valores k = 0, 1, , n 1
dan n ceros distintos de T
n
en (1, 1). Puesto que T
n
es de grado n no puede tener
mas de n ceros, estos son todos los ceros del polinomio T
n
.
Corolario 2.1 En el intervalo [-1,1] los valores extremos de T
n
son 1 y 1, alcan-
zados alternativamente en los n + 1 puntos
t
k
= cos
k
n
, k = 0, 1, , n.
Demostracion:
Por el Teorema de Rolle, los valores extremos de T
n
, deben presentarse entre
dos ceros consecutivos. Por el resultado anterior existen entonces n 1 extremos en
(1, 1). Pero los valores extremos de cos n son 1, 1 y son alcanzados en los puntos
x = cos
k
n
, k = 1, , n 1 y en los extremos x = 1, x = 1.
Por consiguiente en [1, 1] los valores extremos {1, 1} son alcanzados alternati-
vamente en los puntos
t
k
= cos
k
n
,
para k = 0, 1, , n.
Ejercicio Propuesto 2.9 Demostrar las siguientes relaciones diferenciales para los
polinomos de Tchebychev de primer tipo T
n
,
1. La derivada de T
n
es
T
n
(x) =
nsin n
sin
, = arc cos x.
ASICOS 45
2. T
n
satisface la ecuacion diferencial
(1 x
2
)y
xy
+n
2
y = 0.
3. T
n
satisface la siguiente formula de Rodrigues, en honor a Olinde Rodrigues
(1794-1851), economista y reformador frances,
T
n
(x) = (1)
n
1 x
2
2
n
n!
(2n)!
d
n
dx
n
(1 x
2
)
n1/2
.
Ejercicio Propuesto 2.10 Considere U
n
(x) =
sin(n+1)x
sinx
, x = cos [1, 1], los
polinomios de Tchebychev de segundo tipo. Utilizando argumentos similares
a los hecho para los polinomios de Tchebychev de primer tipo probar las siguientes
armaciones:
1. Demostrar que {U
n
} satisface la relacion de recurrencia
U
n+1
(x) = 2xU
n
U
n1
.
2. Determinar la forma explcita de los polinomios U
0
, U
1
, , U
5
, y grafquelos en
[1, 1].
3. Demostrar la acotacion |U
n
(x)| n + 1, x [1, 1].
4. Obtener la relacion de ortogonalidad,
_
1
1
U
m
(x)U
n
(x)
1 x
2
dx = 0, si m = n,
lo cual quiere decir que los polinomios de Tchebychev de segundo tipo son poli-
nomios ortogonales en [1, 1] respecto al peso (x) =
1 x
2
.
5. U
n
(1 x
2
)y
3xy
+n(n + 2)y = 0.
6. U
n
satisface la siguiente formula de Rodrigues
1 x
2
U
n
(x) = (1)
n
2
n
(n + 1)!
(2n + 1)!
d
n
dx
n
[(1 x
2
)
n+1/2
].
46 CAP
ITULO 2. TEOR
2.2.3. Los polinomios de Jacobi
Los polinomios ortogonales de Jacobi,{P
(,)
n
}, deben su nombre a Karl Gustav
Jacob Jacobi (??-??), que los introdujo en 1859, y son aquellos polinomios en [1, 1]
ortogonales respecto al peso (x) = (1 x)
(1 +x)
, , > 1.
Los polinomios de Jacobi satisfacen la siguiente formula de recurrencia
2(n + 1)(n + + + 1)(2n + +)P
(,)
n+1
(x) =
(2n + + + 1)[(2n + +)(2n + + + 2) + (2n + +)x + (
2
2
)]P
(,)
n
(x)
2(n +)(n +)(2n + + + 2)P
(,)
n1
(x),
Casos especiales de ellos son:
1. Los polinomios de Legendre, {P
n
}, con = = 0.
2. Los polinomios de Tchebychev de primera especie, {T
n
}, con = = 1/2.
3. Los polinomios de Tchebychev de segunda especie, {U
n
}, con = = 1/2.
4. Los polinomios de Gegenbauer (??-??) o ultraesfericos, {C
()
n
}, con = =
1/2 > 1/2.
2.2.4. Los polinomios de Laguerre
Los polinomios ortogonales de Laguerre (??-??),{L
n
}, son aquellos polinomios en
[0, ) ortogonales respecto al peso (x) = e
x
. Ellos fueron estudiados originalmente
por ?? Laguerre aunque aparecen en trabajos previo de N. K. Abel, J.L. Lagrange y
P.L. Tchebychev.
Los polinomios de Laguerre satisfacen la siguiente formula de recurrencia
(n + 1)L
n+1
(x) = (2n + 1 x)L
n
(x) nL
n1
(x), (2.19)
Los primeros cinco polinomios de Laguerre son
L
0
(x) 1, L
1
(x) = x + 1, L
2
(x) =
1
2
x
2
2x + 1,
L
3
(x) =
1
6
x
3
+
3
2
x
2
3x + 1, L
4
(x) =
1
24
x
4
2
3
x
3
+ 3x
2
4x + 1.
Las gracas de ellas, en el intervalo [0, ), se presentan en la siguiente gura
ASICOS 47
Figura 9
Los polinomios ortogonales de de Sonine-Laguerre o de Laguerre generalizados,{L
n
},
son aquellos polinomios en [0, ) ortogonales respecto al peso (x) = x
e
x
, > 1.
2.2.5. Los polinomios de Hermite
Los polinomios ortogonales de Hermite,{H
n
}, que no deben ser confundidos con los
polinomios interpolantes de Hermite considerados en el captulo anterior, son aquellos
polinomios en (, ) ortogonales respecto al peso (x) = e
x
2
. Previo al estudio
de Hermite de estos polinomios, ellos fueron considerados por P.L. Tchebychev y
aparecen por primera vez en la famosa Mecanica Celeste de Pierre Simon Laplace.
Los polinomios de Hermite satisfacen la siguiente formula de recurrencia
H
n+1
(x) = 2xH
n
(x) 2nH
n1
(x), (2.20)
Los primeros cinco polinomios de Hermite son
H
0
(x) 1, H
1
(x) = 2x, H
2
(x) = 4x
2
2,
H
3
(x) = 8x
3
12x, H
4
(x) = 16x
4
48x
2
+ 12.
48 CAP
ITULO 2. TEOR
Las gracas de ellas, en (, ), se presentan en la siguiente gura
Figura 10
1. Sean {P
n
} los polinomios de Legendre
a) Demostrar que P
n
(1 x
2
)y
2xy
+n(n + 1)y = 0.
[Indicacion: usar el metodo de coecientes indeterminados para la repre-
sentacion en serie de la solucion]
b) Demostrar que P
n
P
n
(x) =
(1)
n
2
n
n!
d
n
dx
n
[(1 x
2
)
n
].
2. Sean {L
n
} los polinomios de Laguerre
a) Demostrar que L
n
xy
(1 x)y
+ny = 0.
b) Demostrar que P
n
L
n
(x) =
1
e
n
n!
d
n
dx
n
[x
n
e
x
].
3. Sean {L
n
} los polinomios de Hermite
a) Demostrar que P
n
y
2xy
+ 2ny = 0.
b) Demostrar que P
n
P
n
(x) =
(1)
n
2
n
n!
d
n
dx
n
[(1 x
2
)
n
].
50 CAP
ITULO 2. TEOR
Captulo 3
Aplicaciones
En este Captulo daremos varias aplicaciones que muestran como la Teora de
Aproximacion y la Teora de los Polinomios Ortogonales se interrelacionan entre s,
mostrando como la aplicacion de nociones de una en otra permite obtener resultados
importantes.
3.1. Aplicaciones de los polinomios de Tchebychev
3.1.1. Discusion sobre el error en la interpolacion polinomial.
Recordemos que la formula del error (1.12) para la aproximacion de una fun-
cion f mediante un polinomio interpolante de Lagrange en los puntos x
0
, x
1
, , x
n
,
incluidos en un intervalo [a, b], es
f(x) P(x) =
f
(n+1)
((x))
(n + 1)!
(x x
0
)(x x
1
) (x x
n
),
para alg un (a, b).
Luego la funcion f se supone derivable hasta el orden n + 1 en (a, b) y es
un punto desconocido en (a, b). Para estimar ese error son necesarias cotas para la
derivada f
(n+1)
y para el producto
A(x) =
n
k=0
(x x
k
) = (x x
0
)(x x
1
) (x x
n
).
Como A es un polinomio, su valor absoluto posee un maximo en alg un punto del
intevalo [a, b]. Este maximo dependera de la eleccion de los puntos x
0
, x
1
, , x
n
y
es natural procurar elegir esos puntos de manera que la norma de A sea lo menor
posible.
51
52 CAP
ITULO 3. APLICACIONES
Como hemos visto en un ejemplo anterior, en el captulo 1, los picos de error locales
de la interpolacion de Lagrange empleando punto equiespaciados son mnimos en la
parte media pero aumentan hacia los extremos del intervalo. El problema es como
reducir el error maximo de una interpolacion. La idea sera redistribuir los puntos
de modo que el tama no del intervalo sea mayor enla parte media y menor en los
extremos. El problema es hallar una distribucion optima de los puntos x
0
, x
1
, , x
n
.
El primero en resolver este problema fue P.L. Tchebychev. La solucion de Tcheby-
chev conduce a la introduccion de los Polinomios de Tchebychev, ya estudiados en el
captulo anterior. La propiedad clave para resolver este problema viene dada por el
siguiente resultado:
Teorema 3.1 Sea P un polinomio monico de grado n cualquiera y consideremos la
norma innito en [1, 1],
||P||
= max
1x1
|P(x)|.
Tenemos entonces la desigualdad
||
T
n
||
||P||
,
donde

T
n
= T
n
/2
n1
, es el polinomio monico de Tchebychev.
La igualdad se cumple si y solo si P =

T
n
.
Demostracion:
Por las propiedades de los polinomios de Tchebychev, tenemos que el polinomio
T
n
toma sus valores extremos, 1/2
n1
y 1/2
n1
, alternativamente en los n+1 puntos
distintos t
k
= cos
k
n
. Por tanto
||
T
n
||
= 1/2
n1
.
Demostremos ahora que suponer la desigualdad
||P||
< 1/2
n1
, (3.1)
nos conduce a una contradiccion.
Si P verica la desigualdad (3.1) y consideremos el polinomio diferencia
R(x) =

T
n
(x) P(x),
dado que

T
n
y P son polinomios monicos de grado n, entonces R es un polinomio de
grado a lo mas n 1.
Ademas, en los puntos t
k
, tenemos
R(t
k
) =
(1)
k
2
n1
P(t
k
) = (1)
k
[
1
2
n1
(1)
k
P(t
k
)].
3.1. APLICACIONES DE LOS POLINOMIOS DE TCHEBYCHEV 53
Por hip otesis, el factor entre corchete es positivo y por consiguiente R(t
k
) tiene signos
alternados en los n+1 puntos t
0
, t
1
, , t
n
. Puesto que R es continua, por el Teorema
del valor intermedio para funciones continuas, debe anularse por lo menos una vez
entre dos cambios de signo consecutivos. Luego, R tiene por lo menos n ceros, pero
como tiene grado a lo mas n1, debe ser identicamente nulo, ello implica que P =

T
n
y por tanto
||P||
= ||
T
n
||
= 1/2
n1
,
lo cual contradice la hipotesis (3.1).
Ejercicio Propuesto 3.1 Dado un polinomio Q un polinomio de grado n cualquiera,
con coeciente principal a
n
y consideremos
||Q||
= max
axb
|Q(x)|.
Probar que
||Q||
|a
n
|
(b a)
n
2
2n1
.
Ademas probar que la igualdad es valida si
Q(x) = |a
n
|
(b a)
n
2
2n1
T
n
(
2x a b
b a
).
[Indicacion: utilice la transformacion t =
2xab
ba
, y el teorema anterior]
Volvamos ahora al analisis de la formula del error (1.12) . Si elegimos como puntos
de interpolacion x
0
, x
1
, , x
n
los n + 1 ceros del polinomio de Tchebychev T
n+1
podemos escribir entonces
f(x) P(x) =
T
n+1
(x)
2
n
(n + 1)!
f
(n+1)
((x)).
Sabemos que los puntos x
0
, x
1
, , x
n
estan todos en el intervalo (1, 1) y vienen
dados por la formula
x
k
= cos(
(2k + 1)
2(n + 1)
),
para k = 0, 1, , n.
Si x esta en el intervalo [1, 1], sabemos que |T
n+1
(x)| 1 y el error viene estimado
por la desigualdad
|f(x) P(x)|
1
2
n
(n + 1)!
|f
(n+1)
((x))|.
54 CAP
Si la interpolacion se efect ua en el intervalo [a, b] y tomamos a los puntos
y
k
=
b a
2
x
k
+
b +a
2
,
como puntos de interpolacion, el producto
A(x) = (x y
0
)(x y
1
) (x y
n
),
satisface la desigualdad |A(x)|
(ba)
n+1
2
2n+1
, para todo x [a, b] y por tanto
|f(x) P(x)|
(b a)
n+1
2
2n+1
(n + 1)!
|f
(n+1)
((x)).|
3.1.2. Economizacion de Series de Taylor
Los polinomios de Tchebychev pueden usar se tambien para reducir el grado de
un polinomio aproximante con una perdida de precision mmima. Esta es una tecnica
particularmente util cuando el polinomio aproximante que se esta usando es un po-
linomio de Taylor. Recuerde que los polinomios de Taylor son muy exactos cerca del
punto x
0
alrededor del cual se desarrollan y que como hemos visto elerror crece muy
rapidamente cuando nos alejamos de el. Por ello es necesatio considerar un polinomio
de Taylor de grado sucientemente grande para lograr una tolerancia de error dada.
Ahora bien, en primer lugar, recuerdese que por el lema 2.1 tenemos que los mono-
mios x
k
se pueden representar en terminos de los polinomios T
k
, como aparece en la
tabla 2.
Tabla 2
k T
k
x
k
0 1 T
0
1 x T
1
2 2x
2
1
1
2
T
0
+
1
2
T
2
3 4x
3
3x
3
4
T
1
+
1
4
T
3
4 8x
4
8x
2
+ 1
3
8
T
0
+
1
2
T
2
+
1
8
T
4
5 16x
5
20x
3
+ 5x
5
8
T
1
+
5
16
T
3
+
1
16
T
5
6 32x
6
48x
4
+ 18x
2
1
5
16
T
0
+
15
32
T
2
+
3
16
T
4
+
1
32
T
6
3.1. APLICACIONES DE LOS POLINOMIOS DE TCHEBYCHEV 55
En segundo lugar, debido a que los polinomios de Tchebychev tiene sus valores
extremos (maximos y mnimos) distribuidos uniformemente en el intervalo [1, 1]
estos se pueden usar para reducir el grado del polinomio de Taylor sin exceder la
tolerancia del error. Ilustraremos este metodo mediante el siguiente ejemplo.
Ejemplo 3.1 Como hemos visto en un ejemplo en el Captulo 1, funcion f(x) = e
x
se puede aproximar en el intervalo [1, 1], mediante el polinomio de MacLaurin de
grado cuatro,
P
4
(x) = 1 +x +x
2
+
1
2
x
2
+
1
6
x
3
+
1
24
x
4
,
con un error de,
|R
5
(x)| = |
x
5
e
120
|
1
120
= 0,0226.
Supongamos que es tolerable un error real de 0.05 y consideremos el caso que se
presenta si reemplazamos el termino del polinomio de Taylor que contiene x
4
pr los
polinomios de Chebychev equivalentes de grado menor o igual que cuatro. Luego,
P
4
(x) = 1 +x +
1
2
x
2
+
1
6
x
3
+
1
24
[
3
8
T
0
(x) +
1
2
T
2
(x) +
1
8
T
4
(x)]
= 1 +x +
1
2
x
2
+
1
6
x
3
+
1
64
+
1
48
(2x
2
1) +
1
192
T
4
(x)
=
191
192
+x +
13
24
x
2
+
1
6
x
3
+
1
192
T
4
(x)
Como max
x[1,1]
|T
4
(x)| = 1, entonces |
1
192
T
4
(x)|
1
192
= 0,0053, entonces
|R
5
(x)| +|
1
192
T
4
(x)| 0,0226 + 0,0053 = 0,0283,
que es todava menor que la tolerancia 0,05.
Por ello se puede omitir el termino de cuarto grado
1
192
T
4
(x) del polinomio apro-
ximante; el polinomio de tercer grado
P(x) =
191
192
+x +
13
24
x
2
+
1
6
x
3
,
dara la exactitud deseada en el intervalo [1, 1].
Para tratar de eliminar el termino de tercer grado reemplazamos x
3
,
P(x) =
191
192
+x +
13
24
x
2
+
1
6
[
3
4
T
1
(x) +
1
4
T
3
(x)]
=
191
192
+
9
8
x +
13
24
x
2
1
24
T
3
(x).
56 CAP
Sin embargo, max
x[1,1]
|
1
24
T
3
(x)| = 0,0417, lo cual combinado con el error posible
0,0283, da una cota de error de 0,07 que excede la tolerancia de 0,05. Por lo tanto P
es el polinomio de menor grado adecuado para esta aproximacion.
3.2. Metodo de los mnimos cuadrados.
Dado un intervalo [a, b] el problema general de mnimos cuadrados es el
siguiente. Dado f L
2
[a, b] el problema es si existe un polinomio R
n
de grado a lo
mas n tal que minimice la distancia en media cuadratica,
||f r||
2
2
=
_
b
a
[f(x) r(x)]
2
(x)dx (3.2)
entre todos los polinomios de grado a lo mas n.
Usualmente la aproximacion de mnimos cuadrados da una buena aproximaci on
uniforme, superior a la aproximacion porpolinomiosde Taylor.
El problema de la aproximacion de mnimos cuadrados para ajustar una colec-
cion de datos es un problema de gran importancia en aplicaciones y es estudiado en
Estadstica profundamente, pedro no lo discutiremos en estas notas.
Si denimos
F(a
0
, a
1
, , a
n
) =
_
b
a
[f(x)
n
k=0
a
k
x
k
]
2
(x)dx, (3.3)
el problema mnimos cuadrados se reduce a minimizar F cuando los coecientes
a
0
, a
1
, , a
n
varian sobre todos los n umeros reales. Una condicion necesaria para
que un punto (a
0
, a
1
, , a
n
) sea un punto minimizante es que
F
a
i
= 0, i = 0, 1, , n. (3.4)
Suponiendo que podemos diferenciar (3.3) y usando la condicion anterior, obtenemos
el sistema lineal
n
k=0
a
k
_
b
a
x
k+i
(x)dx =
_
b
a
f(x)x
i
(x)dx, i = 0, 1, , n, (3.5)
que se llaman ecuaciones normales.
En general, los sistemas que aparecen aca son muy sensibles a peque nas perturba-
ciones por lo cual las soluciones no son satisfactorias, es decir, este enfoque no da un
3.2. M
ETODO DE LOS M
INIMOS CUADRADOS. 57
metodo numerico estable. Sin embargo, el metodo es rescatable considerando {P
n
}
n0
los polinomios ortonormales respecto a la funcion peso . Por el Lema (2.1) sabemos
que el polinomio r de grado a lo mas n se puede representar como
r(x) =
n
k=0
b
k
P
k
(x).
Entonces dado f L
2
[a, b],
||f r||
2
2
=
_
b
a
[f(x) r(x)]
2
(x)dx
=
_
b
a
[f(x)
n
k=0
b
k
P
k
(x)]
2
(x)dx = G(b
0
, b
1
, , b
n
).
Se trata entonces de minimizar G. Como antes podriamos considerar la condicion
G
b
i
= 0, i = 0, 1, , n,
sin embargo, utilizaremos otro tipo de razonamiento para aprovechar la condicion de
ortonormalidad de los polinomios {P
n
}
n0
.
0 G(b
0
, b
1
, , b
n
) = < f
n
k=0
b
k
P
k
, f
n
k=0
b
k
P
k
>
= < f, f > 2
n
k=0
b
k
< f, P
k
> +
n
k=0
n
j=0
b
k
b
j

= ||f||
2
2
2
n
k=0
b
k
< f, P
k
> +
n
k=0
b
2
k
= ||f||
2
2
k=0
< f, P
k
> +
n
k=0
[< f, P
k
> b
k
]
2
.
Por lo tanto, G alcanza un mnimo si y solo si
b
k
=< f, P
k
>, k = 0, 1, , n.
Entonces la aproximacion de mnimos cuadrados existe, es unica y esta dada por
R
n
(x) =
n
k=0
< f, P
k
> P
k
(x). (3.6)
58 CAP
Mas a un,
||f R
n
||
2
=
_
||f||
2
||R
n
||
2
= [||f||
2
2
k=0
< f, P
k
>
2
]
1/2
,
es decir,
||f||
2
2
= ||R
n
||
2
2
+||f R
n
||
2
2
.
En particular, obtenemos la desigualdad de Bessel
||R
n
||
2
2
=
n
k=0
< f, P
k
>
2
||f||
2
2
. (3.7)
Como una observacion, con una importante aplicacion practica, tenemos
R
n+1
(x) = R
n
(x)+ < f, P
n+1
> P
n+1
(x). (3.8)
Ademas,
Teorema 3.2 Si [a, b] es un intervalo nito, si f L
2
[a, b],
lm
n
||f R
n
||
2
= 0. (3.9)
Demostracion:
Por la denicion de R
n
como un polinomio minimizante para ||f r||
2
,tenemos
||f R
1
||
2
||f R
2
||
2
||f R
n
||
2

Sea > 0 arbitrario. Entonces por el Teorema de Weirstrass, existe un polinomio Q
de grado, digamos m tal que
max
axb
|f(x) Q(x)|

c
,
con c =
_
_
b
a
(x)dx. y por la denicion de R
n
,
||f R
m
||
2
||f Q||
2
= [
_
b
a
[f(x) Q(x)]
2
(x)dx]
1/2
[
_
b
a
2
c
2
(x)dx]
1/2
= .
y por tanto
||f R
n
||
2
,
3.2. M
ETODO DE LOS M
para todo n m. Como es arbitrario esto prueba (3.9).
Como consecuencia de este resultado obtenemos la identidad de Parseval
||f||
2
= [
k=0
< f, P
k
>
2
]
1/2
. (3.10)
Observese que el resultado anterior no prueba convergencia uniforme de R
n
a f.
Sin embargo, con hipotesis adicionales de diferenciabilidad de f ello se puede obtener.
3.2.1. Desarrollos en polinomios Legendre
Para resolver el problema de mnimos cuadrados en un intervalo [a, b] con (x) 1,
lo podemos convertir a un problema en el intervalo [1, 1], mediante el cambio de
variable
x =
b +a + (b a)t
2
, con t [1, 1].
Este cambio de variable establece una correspondencia biunvoca entre polinomios de
grado m en [a, b] y polinomios de grado m en [1, 1] para todo m 0.
Dado f L
2
[a, b], denimos

F(t) = f(
b +a + (b a)t
2
),
para t [1, 1], entonces
_
b
a
[f(x) R
n
(x)]
2
dx = (
b a
2
)
_
1
1
[F(t)

R
n
(t)]
2
dt,
donde

R
n
(t) = r
n
(
b+a+(ba)t
2
). As pues, minimizar ladistancia ||f R
n
||
2
en [a, b] es
equivalente a minimizar ||F

R
n
||
2
en [1, 1], por lo que podemos restringir nuestro
estudio al problema de mnimos cuadrados en [1, 1].
Dado f L
2
[1, 1], consideramos los polinomios de Legendre, debidamente normalizados,{
n
}
0
(x) =
1
2
,
n
(x) =
_
2n + 1
2
(1)
n
1
2
n
n!
d
n
dx
n
(1 x
2
)
n
, n 1.
La aproximacion de mnimos cuadrados de Legendre de f es entonces
R
n
(x) =
n
k=0
< f,
k
>
k
(x), < f,
k
>=
_
1
1
f(x)
k
(x)dx, (3.11)
los coecientes < f,
k
> se llaman coecientes de Legendre.
60 CAP
3.2.2. Desarrollos en polinomios Tchebychev
Si consideramos ahora la funcion peso (x) =
1
1x
2
, y los polinomios de Tcheby-
chev adecuadamente normalizados
0
(x) =
1
,
n
(x) =
_
2
T
n
(x), , n 1.
la aproximacion de mnimos cuadrados de Tchebychev de f L
2
[1, 1] es
entonces
C
n
(x) =
n
k=0
< f,
k
>
k
(x), < f,
k
>=
_
1
1
f(x)
k
(x)
dx
1 x
2
. (3.12)
Usando la denicion de
n
en terminos de T
n
tenemos
C
n
(x) =
n
k=0
c
k
T
k
(x), (3.13)
donde
c
0
=
1
_
1
1
f(x)T
0
(x)
dx
1 x
2
y c
k
=
2
_
1
1
f(x)T
k
(x)
dx
1 x
2
, k 1.
El desarrollo de Tchebychev esta intimamente relacionado con el desarrollo de
Fourier de cosenos: usando x = cos , 0 ,
C
n
(x) =
n
k=0
c
k
cos k,
donde
c
0
=
1
_

0
f(cos )d y c
k
=
2
_

0
f(cos ) cos kd, k 1,
es decir, la truncacion luego de n + 1 terminos de la serie de Fourier
f(cos ) =
k=0
c
k
cos k.
Luego si el desarrollo de Fourier en cosenos en [0, ] de f(cos ) esta dada, entonces
por el cambio de variable = cos
1
x obtenemos el desarrollo de Tchebychev de f(x).
Por razones practicas, se puede ver que la aproximacion de mnimos cuadrados de
Tchebychev es mas util que la aproximacion de mnimos cuadrados de Legendre. Los
3.2. M
ETODO DE LOS M
errores maximos de la aproximacion de mnimos cuadrados de Tchebychev esta siem-
pre muy cerca de los errores dela aproximacion minimax, que es una aproximacion
uniforme.
Ilustremos con un ejemplo lo discutido en esta seccion:
Ejemplo 3.2 Consideremos la funcion f(x) = e
x
en el intervalo [1, 1], y sea R
1
(x) =
a
0
+a
1
x un polinomio cualquiera de grado uno. Si queremos minimizar
||f r||
2
2
=
_
1
1
[f(x) r(x)]
2
dx =
_
1
1
[e
x
a
0
a
1
x]
2
dx = F(a
0
, a
1
),
podemos proceder directamente y considerar F(a
0
, a
1
) como un polinomio cuadratico
en dos variables a
0
, a
1
,
F(a
0
, a
1
) =
_
1
1
[e
2x
+ +a
2
0
+b
1
x
2
2b
0
e
x
2b
x
e
x
+ 2b
0
b
1
]dx,
Para hallar el mnimo consideramos las condiciones necesarias
0 =
F
a
0
=
_
1
1
a
0
[e
x
a
0
a
1
x]
2
dx =
_
1
1
[e
x
a
0
a
1
x]dx,
0 =
F
a
1
=
_
1
1
a
1
[e
x
a
0
a
1
x]
2
dx =
_
1
1
[e
x
a
0
a
1
x]xdx,
entonces
a
0
=
1
2
_
1
1
e
x
dx = senh1 = 1,1752,
a
1
=
1
2
_
1
1
xe
x
dx = 3e
1
= 1,1036.
Es decir, que el polinomio minimizante de grado uno es,
R
1
(x) = 1,1036x + 1,1752.
Ademas se puede ver, directamente, que
||f R
1
||
= 0,44.
62 CAP
Si queremos ahora hallar el polinomio minimizante de grado tres, R
3
el procedimiento
directo se complica pero podemos utilizar el desarrollo de Legendre,
R
3
(x) =
3
k=0
< f,
k
>
k
(x)
=
3
k=0
_
1
1
e
y
k
(y)dy
k
(x)
= 1,661985
0
(x) + 0,901117
1
(x) + 0,226302
2
(x) + 0,037660
3
(x),
= 0,176139x
3
+ 0,536722x
2
+ 0,997955x + 0,996294,
con
||f R
3
||
2
= 0,0034 y ||f R
3
||
= 0,0112.
Consideremos ahora el desarrollo de Tchebychev de f de grado 3,
C
3
(x) =
3
k=0
< f,
k
>
k
(x)
=
1
_
1
1
e
y
dy
_
1 y
2
+
3
k=1
2
_
1
1
e
y
T
k
(y)
dy
_
1 y
2
T
k
(x)
=
1
_
1
1
e
cos
d +
3
k=1
2
_
1
1
e
cos
cos(k cos )dT
k
(x)
= 2,532132 + 1,130318T
1
(x) + 0,271495T
2
(x) + 0,44337T
3
(x)
= 0,994571 + 0,997308x + 0,542991x
2
+ 0,177347x
3
.
y se tiene que
||f C
3
||
= 0,00607.
3.3. Formula de cuadratura de Gauss-Jacobi.
La idea de una formula de cuadratura exacta para calcular integrales se debe
al famoso matematico aleman Karl Friedrich Gauss (1777-1855), el prncipe de las
Matematicas y a K. G. J. Jacobi. En los ejercicios propuestos en el Captulo 1, hemos
visto las formulas de cuadratura de Newton-Cotes, que son formulas aproximadas
para estimar una integral. La idea de las formulas de cuadratura de Gauss-Jacobi
es obtener formulas que sean exactas sobre todos polinomios hasta un cierto grado.
Vamos a discutir aca la formula general para un sistema de polinomios ortogonales
{P
n
}
n0
respecto a un peso . K. F. Gauss y K. G. J. Jacobi consideraron el caso
particular de los polinomios de Legendre.
3.3. F
ORMULA DE CUADRATURA DE GAUSS-JACOBI. 63

Teorema 3.3 Si x
1
< x
2
< < x
n
son los ceros de P
n
, entonces existen n umeros
reales
1
,
2
, ,
n
, tal que
_
a
b
Q(x)(x)dx =
n
k=0
k
Q(x
k
), (3.14)
para todo polinomio Q de grado a lo mas 2n 1.
Los n umeros
1
,
2
, ,
n
, se llaman n umeros de Christoel y como veremos
mas adelante estan determinados de forma unica.
Demostracion:
Para probar la formula (3.14), consideremos L el polinomio de interpolacion de
Lagrange de grado n 1 que coincide que Q en los puntos x
1
, x
2
, , x
n
, es decir
L(x) =
n
k=1
Q(x
k
)L
n,k
(x) =
n
k=1
Q(x
k
)
P
n
(x)
P
n
(x
k
)(x x
k
)
.
Luego Q(x) L(x) tiene n ceros, x
1
< x
2
< < x
n
, y por tanto es divisible por
P
n
(x), es decir
Q(x) L(x) = P
n
(x)R(x),
donde R es un polinomio de grado a lo mas n 1. Luego
_
a
b
Q(x)(x)dx =
_
a
b
L(x)(x)dx +
_
a
b
P
n
(x)R(x)(x)dx
=
_
a
b
L(x)(x)dx
=
n
k=1
Q(x
k
)
_
a
b
L
n,k
(x)(x)dx,
con lo que obtenemos la formula (3.14) con
k
=
_
a
b
L
n,k
(x)(x)dx =
_
a
b
P
n
(x)
P
n
(x
k
)(x x
k
)
(x)dx.
Recprocamente, si se verica la formula (3.14) para cualquier polinomio Q de
grado a lo mas 2n 1, entonces podemos escoger Q(x) = A(x)R(x), con A(x) =
(x x
1
)(x x
2
) (x x
n
) y R una polinomio de grado a lo mas n 1, entonces
_
b
a
A(x)R(x)(x)dx = 0,
por lo que A debe ser un m ultiplo de P
n
.
64 CAP
Ejercicio Propuesto 3.2 Demostrar que los n umeros de Chritoel
k
son positivos
y vercan
n
k=0
k
=
_
b
a
(x)dx.
Ademas verique la formula
k
=
_
a
b
(
P
n
(x)
P
n
(x
k
)(x x
k
)
)
2
(x)dx.
[Indicacion: considere Q(x) = [L
n,k
(x)]
2
en (3.14).]
Ejercicio Propuesto 3.3 Suponiendo que f es 2n+2 veces continuamente diferen-
ciable en [a,b] obtener la formula
_
a
b
f(x)(x)dx =
n
k=0
k
f(x
k
) +

a
2
n
(2n + 2)!
f
(2n+2)
(), (3.15)
para (a, b).
[Indicacion: Utilice los polinomios de interpolacion de Hermite en vez de los de
Laguerre y use la formula para el error.]
Bibliografa
[1] Abramowitz, M y Stegun, I.Handbook of Mathematicas Functions. Dover. New
York. (1964).
[2] Apostol, T Calculus. Vol 2. Reverte. Barcelona (1973).
[3] Atkinson, K. An Introduction to Numerical Analysis. John Willey & sons. New
York. (1978).
[4] Burden, R. y Fraires, D. Analisis Numerico Iberoamericana. Mexico (1985).
[5] Chihara, T. An Introduction to Orthogonal Polynomials. Gordon & Breach Scien-
ce Pub. (19??).
[6] Cheney, E. W. Introduction to Approximation Theory. Chelsea. New York.
(1982).
[7] Davis, P. J. Interpolation and Approximation Theory. Dover. New York. (1975).
[8] Gradshteyn, I. S. y Ryzhik, I. M. Table of Integrals, Series and Products. Aca-
demic Press. New York. (1980).
[9] Henrici, P. Elements of Numerical Analysis. John Willey & sons. New York.
(1964).
[10] Kincaid, D. y Cheney, W. Numerical Analysis. Brooks/Cole Publishing co. Pa-
cic Grove. (1996).
[11] Nakamura, S. Analisis Numerico y visualizacion gr aca con MATLAB. Prentice
Hall. Mexico. (1997).
[12] Szego, G Orthogonal Polynomials. AMS Colloquium publications. Vol 23. Provi-
dence. (1939).
65

Aprox&Poli Ort

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Aprox&Poli Ort

Cargado por

Copyright:

Formatos disponibles

1

, con entre 0 y x,tenemos

aproximacion de Pade consiste en escoger R tal que f

tiene n + 1 ceros en (a, b). Inductivamente F

2/2), (/2, 1), (, 0). El error e(x) = senx P(x), lo gracamos,

(a, b) como el espacio de todas las funciones medibles tales que

(a, b), como

(a, b), como

(a, b) decimos que son ortogonales en L

(a, b) si < f, g >= 0.

(a, b). Para ello como

[a, b], denimos sus coecientes de -Fourier, como

[a, b] el problema es si existe un polinomio R

[a, b], denimos

ORMULA DE CUADRATURA DE GAUSS-JACOBI. 63

También podría gustarte