Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

RACES DE ECUACIONES NO LINEALES

Uno de los problemas bsicos del anlisis numrico es el llamado problema de bsqueda de races, que consiste
en encontrar los valores de la variable x que satisfacen la ecuacin f (x) = 0 . A una solucin de este problema
se le llama un cero de f o una raz de f (x) = 0.
Podemos clasicar las ecuaciones de acuerdo al tipo de funcin que es f (x). A grandes rasgos se tiene:

Lineales

Racionales
Algebraicas
Ecuaciones

N
o
lineales
Irraciones

T rascendentes
Una ecuacin lineal en la variable x es una ecuacin que puede escribirse en la forma ax + b = 0, donde a y
b son constantes que generalmente llamamos parmetros y a 6= 0.
Algunos ejemplos de ecuaciones no lineales son:
Ecuacin algebraica racional

9x
3x1

=2+

3
3x1

Ecuacin algebraica irracional, la variable x sometida a la operacin de radicacin

0 0<x<1

x 2,10,5x

(1x) 1,10,5x

3,69 =

Ecuacin trascendente, incluye funciones trigonomtricas, exponenciales, logartmicas y otras menos familiares tg(x) = tgh(2x)
La razn principal para resolver ecuaciones no lineales por medio de mtodos computacionales radica en la dicultad de encontrar una solucin por mtodos convencionales. Por su parte, excepto para muy pocos problemas,
la solucin analtica de las ecuaciones polinomiales existe slo hasta el orden cuatro, pero no existen mtodos
generales para arribar a las soluciones en forma exacta para rdenes superiores. Por lo tanto, las races de esas
ecuaciones no lineales se obtienen mediante los mtodos del anlisis numrico.
Los mtodos usuales para la obtencin de una aproximacin numrica a una solucin o raz de f (x) = 0
consisten en procesos iterativos en los que se parte de un valor inicial x0 de la raz buscada y, se usa cierta
relacin de recurrencia para generar una secuencia de aproximaciones sucesivas x1, x2,..., xn,... que convergen
al lmite xn, generalmente por mtodos analticos, muchas veces con ayuda de grcos.
El problema se plantea de la siguiente manera: Dada f : R R(o bien f : [a, b] R) se quiere encontrar tal
que f () = 0. El clculo aproximado de races puede dividirse en dos etapas:

Se separan las races, es decir se busca un subintervalo de [a, b] que contenga una y slo una raz de f.
Para asegurar la existencia de al menos una raz en el intervalo propuesto se usa el Teorema de Bolzano.
Para asegurar que no hay ms de una raz se usa el Teorema de Rolle, es decir, se verica que la derivada
primera no cambie de signo en dicho intervalo.
Se aplica un mtodo para aproximar la raz aislada.

MTODO GRFICO
Adems de la utilidad para determinar valores iniciales, tambin son tiles para visualizar las propiedades
de las funciones y el comportamiento de los mtodos numricos.
Consiste en gracar la funcin y observar en donde cruza el eje x. Este punto, que representa el valor de x
para el cual f (x) = 0, proporciona una aproximacin inicial de la raz.
Ejemplo:
Emplense grcas para obtener una raz aproximada de la funcin f (x) = ex x
Solucin:
Por medio de un programa para gracar funciones se obtiene la grca de la funcion
1

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

Figura 1:

Un vistazo a la grca proporciona una estimacin aproximada de la raz de 0.57 que se acerca a la raz
exacta de 0.56714328...., que se debe determinar con mtodos numricos. La validez de la estimacin visual se
puede vericar sustituyendo su valor en la ecuacin original para obtener: f (0,57) = e0,57 0,57 = 0,0045 la
cual se acerca a cero.

MTODOS NUMRICOS
Se dividen en dos categoras generales:
1. Mtodos cerrados que usan intervalos: Biseccin (intervalo medio), Regula Falsi (falsa posicin).
Requieren un intervalo de x que contenga a la raz, siempre son convergentes, pero la velocidad de convergencia puede ser demasiada lenta.
2. Mtodos abiertos: Iteracin de punto jo, Newton Raphson, Secante.
Requieren informacin nicamente de un punto, o de dos pero que no necesariamente encierran a la raz,
para extrapolar una nueva aproximacin a la raz. La convergencia es ms rpida pero existe tambin la
posibilidad de divergencia.

MTODO DE LA BISECCIN (DEL INTERVALO MEDIO)

Es el ms simple, aunque tambin el ms seguro y slido para encontrar una raz en un intervalo dado, donde
se sabe que existe dicha raz. Se apoya en la idea geomtrica del teorema de Bolzano: Dada f (x) = 0 si f es tal
que es montona y continua en [a, b], f(a) y f(b) tienen signos distintos entonces existe, por lo menos un , a<

<b, tal que f () = 0. En general puede decirse que en el intervalo [a, b] existe un nmero impar de races.
El mtodo requiere de dividir repetidamente a la mitad los subintervalos de [a, b] y, en cada paso, localizar
la mitad que contiene a la aproximacin de la raz xi. Ver Figura 2
La primera aproximacin a la raz, se determina como:

xi = (a+b)
2
Debemos realizar las siguientes evaluaciones y determinar en que subintervalo est la raz:
Si f (xi ) = 0, entonces la raz es igual a xi .
Si f (a) . f (xi ) < 0, la raz se encuentra en [a,xi ]
Si f (a) . f (xi ) > 0, la raz se encuentra en [xi ,b]
Calculamos una nueva aproximacin a la raz en el nuevo subintervalo.

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

Al repetir este proceso, el tamao del intervalo con la raz se vuelve cada vez ms pequeo. En cada paso,
se toma el punto medio del intervalo como la aproximacin ms actualizada de la raz. Se genera una sucesin

x1 =

a+b
2

[a1 , b1 ], x2 [a2 , b2 ], x3 [a3 , b3 ],. . . , donde cada intervalo [an , bn ] mide la mitad del anterior.

b1 a1 = ba
2
2
= ba
b2 a2 = b2 a
2
4
bn an = ... = ba
n
2
Adems

a a1 a2 ... b
b b1 b2 ... a
Entonces an y bn son sucesiones montonas y acotadas y en consecuencia convergen, es decir existen los
lmites:
lim an
n

lim bn
n

lim an
lim bn
=
=
n
n
00
En cada paso se verica f(an ) . f(bn ) 0 y tomando lmite ( f continua) resulta f () 0
y como |bn an |

ba
2n

0, se tiene

Entonces es la raz buscada pues cumple, f()=0

En este mtodo el clculo de cotas de error es muy simple. Por cota de error entendemos un nmero que
acote superiormente, en mdulo, el error mximo que podramos llegar a cometer cuando nos quedamos con uno
de los puntos medios de los intervalos construidos mediante el algoritmo, en vez de con la solucin del problema.
El error se puede acotar de la siguiente forma.
Tenemos:

xn =

(an1 +bn1 )
2

Entonces | xn |

bn1 an1
2n

ba
2n

Figura 2:

Criterio de paro y estimacin del error

Como se plante anteriormente el mtodo termina cuando se alcance un error ms bajo, por ejemplo, al
0.1 %, pero esta estrategia resulta inconveniente, ya que la estimacin del error en el se basa en el conocimiento
3

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

del valor verdadero de la raz de la funcin. ste no es el caso de una situacin real, ya que no habra motivo
para utilizar el mtodo si se conoce la raz.
Por lo tanto, sin la necesidad del conocimiento previo de la raz, se puede calcular el error relativo porcentual

a de la siguiente manera:
i1
a = | xi x
| . 100 %
xi

Donde xi es la raz en la iteracin actual y xi1 es el valor de la raz en la iteracin anterior. Se utiliza el
valor absoluto, ya que por lo general importa slo la magnitud de a sin considerar su signo. Cuando a es menor
que un valor previamente jado , termina el clculo.

Inconvenientes del Mtodo

El mtodo de biseccin tiene inconvenientes importantes. Converge muy lentamente (o sea, N, nmero de
iteraciones, puede ser muy grande antes que, x - xn , sea sucientemente pequeo) y, una buena aproximacin
intermedia puede ser desechada sin que nos demos cuenta. Adems, hay que tener en cuenta que en el caso
de existir ms de una raz (siempre en nmero impar) en el intervalo; el mtodo slo encuentra una de ellas,
desechndose las otras. Entonces puede darse la situacin paradjica que, se encuentre una raz y sin embargo
no sea esta la solucin ms conveniente al problema.

Aplicaciones del Mtodo

La biseccin suele recomendarse para encontrar un valor aproximado de la raz, y luego este valor se rena
por medio de mtodos ms ecaces. La razn es que la mayor parte de los otros mtodos requieren un valor
inicial cerca de una raz; al carecer de dicho valor pueden fallar por completo.
Converge para cualquier f continua.

Ejemplo 1:

Use el mtodo de biseccin para determinar la raz de f (x) = ex x con una exactitud de 103 .
Solucin:
1. Analisis grco (Si es posible): Si se analiza La Figura 1 se puede ver que la raz se encuentra entre 0 y
1, por lo tanto se acota la raiz al intervalo [0,1].
2. Vericacin inicial de convergencia: Se verica que f (0) . f (1) < 0, por consiguiente la estimacin inicial
de la raz se sita en el punto medio de este intervalo.
3. Se establece condicin de parada del mtodo: = 103
4. Aplicacin iterativa del mtodo mediante software. Ver Figura 3

Figura 3:

Como se puede ver en la iteracin 10 se cumple que el error relativo es menor que , terminan las iteracines,
y as obtenemos como aproximacin a la raiz xi = 0,5673828

MTODO DE LA FALSA POSICIN (REGULA-FALSI)

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

Este mtodo aprovecha la idea de unir los puntos con una lnea recta. La interseccin de esta lnea con el eje
x proporciona una estimacin de la raz. El reemplazo de la curva por una lnea recta da una posicin falsade
la raz, de aqu el nombre de mtodo de la regla falsa o en latn regula falsi. Ver Figura 4

Figura 4:

La recta L que une los puntos (a, f (a))con (b, f (b))tiene la ecuacion:

y f (a) =

f (b)f (a)
(x1
ba

a)

Como x1 es el valor de x que cumple y=0, se tiene:

x1 = a

f (a)(ba)
f (b)f (a)

esta es la frmula de la regla de la falsa posicin.

Si f (x1 ) = 0 el proceso termina. Si f (x1 ) 6= 0 entonces f (a).f (x1 ) < 0 o bien f (b).f (x1 ) < 0. Supongamos
que f (b).f (x1 ) < 0 denimos x2 con el mismo procedimiento anterior (mtodo de biseccin) en [x1 ,b], y as
sucesivamente.

Ventajas y Desventajas del Mtodo

Comparte con el mtodo del intervalo medio la ventaja de converger en cualquier circunstancia, y su principal
desventaja es la de encontrar slo un resultado en el caso de races mltiples. Sin embargo, este mtodo es ms
veloz que su anlogo, el del intervalo medio o biseccin. Adicionalmente, pueden aparecer extremos jos, como
muestra la Figura 4, en donde uno de los extremos de la sucesin de intervalos no se mueve del punto original,
por lo que las aproximaciones convergen a la raz exacta solamente por un lado. En cuyo caso, no siempre,
pueden presentarse situaciones de convergencia rpida.

Ejemplo 2:

Use el mtodo de la falsa posicin para determinar la raz de f (x) = ex x con una exactitud de 103 .
Solucin:
1. Analisis grco (Si es posible): Si se analiza La Figura 1 se puede ver que la raz se encuentra entre 0 y
1, por lo tanto se acota la raiz al intervalo [0,1].
2. Vericacin inicial de convergencia: Se verica que f (0) . f (1) < 0.
5

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

3. Se establece condicin de parada del mtodo: = 103
4. Aplicacin iterativa del mtodo mediante software. Ver Figura 5

Figura 5:

Como se puede ver en la iteracin 4 se cumple que el error relativo es menor que , terminan las iteracines,
y as obtenemos como aproximacin a la raiz xi = 0,5672055

CANTIDAD DE ITERACIONES
Se puede predecir a priori el nmero de iteraciones que se deben realizar con el mtodo de biseccin o de
la falsa posicin para obtener una aproximacin con una presicin deseada .
Debido a que en cada iteracin se reduce el error a la mitad, la frmula general que relaciona el error deseado

y el nmero de iteraciones n es:

=

ba
2n

Si es el error deseado, de esta ecuacin se despeja n

entonces n =

log( ba
)
log(2)

MTODO DE ITERACINES DE PUNTO FIJO (ITERACIONES SUCESIVAS)

La idea es reemplazar la ecuacin f (x) = 0 por otra de la forma x = g(x) de manera que la solucin de
sta sea la solucin del problema original. Esta transformacin se puede llevar a cabo mediante operaciones
algebraicas o simplemente agregando x a cada lado de la ecuacin original. A una solucin de esta ecuacin se
le llama un punto jo de la funcin g .
La ecuacin x = g(x) proporciona una frmula para predecir un valor de x en funcin de x. Dada una
aproximacin inicial a la raz, xi , la ecuacin puede usarse para obtener una nueva aproximacin xi+1 , expresada
por las frmulas iterativas.

xi+1 = g(xi ),

xi = g(xi1 ),

xi = g(xi1 )

La ventaja de este mtodo consiste en su gran sencillez y exibilidad para elegir la forma de g(x). Sin
embargo, es muy importante la formacin de la funcin g(x) en la ecuacin x = g(x); de las mltiples opciones
que pueden existir, ya que no siempre converge con cualquier forma elegida de g(x).
Un planteamiento grco consiste en separar la ecuacin x = g(x) en dos partes, como:

y1 = x

y2 = g(x)

estas funciones se pueden gracar por separado. Los valores de x correspondientes a las intersecciones de
estas funciones representan las races de f (x) = 0. Ver Figura 6.

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

Figura 6:

Ejemplo 3:

Use el mtodo de iteraciones sucesivas para determinar la raz de f (x) = ex x con una exactitud de 103 .
Solucin:
1. Analisis grco (Si es posible): Si se analiza La Figura 1 se puede ver que la raz se encuentra cerca de
0.6 , por lo tanto se plantea el valor inicial x0 = 0,6.
2. Se plantean 2 transformaciones de f (x) :

a ) g1 (x) = ex
b ) g2 (x) = log(x)
log(e)
3. Se establece condicin de parada del mtodo: = 103
4. Aplicacin iterativa del mtodo para g1 (x) mediante software. Ver Figura 7

Figura 7:

Como se puede ver en la iteracin 8 se cumple que el error relativo es menor que , terminan las iteracines,
y obtenemos como aproximacin a la raiz xi = 0,56749133. Por lo tanto se puede decir que con g1 (x) el
mtodo converge a la raz.
Se puede observar tambin que en cada iteracin la distancia del valor actual de xi con el valor xi1 de
la iteracin anterior es mas pequea.
7

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

5. Aplicacin iterativa del mtodo para g2 (x) mediante software. Ver Figura 8
Figura 8:

Para este ejemplo en particular en la iteracin 8 se observa que se presenta un caso de indeterminacin
debido al valor anterior xi1 es cual resulta ser negativo . Por lo tanto se puede decir que con g2 (x) el
mtodo no converge a la raz.
Se puede observar que en cada iteracin la distancia del valor actual de xi con el valor xi1 de la iteracin
anterior se aleja de la raz.

MTODO DE LA TANGENTE O DE NEWTON-RAPHSON

El mtodo consiste en empezar con un valor de x0 (cercano a la raz) y trazar la tangente en el punto
(x0 , f (x0 )). El punto donde esta tangente cruza al eje x se toma como la siguiente aproximacin. Esto contina
hasta que valores de x sucesivos estn sucientemente prximos o el valor de la funcin est sucientemente
cerca de cero. Ver Figura 9.
Figura 9:

Hay por lo menos tres maneras usuales de introducir el mtodo de Newton-Raphson:

1. se puede derivar geomtricamente o tcnica grca
2. el uso de la serie de Taylor
8

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

3. deriva el mtodo de Newton a partir de la tcnica de iteracin de punto jo.
Vamos a desarrollar 2) y 3).
2) Recurdese que la serie de Taylor se puede representar como:

f (xi+1 ) = f (xi ) + f 0 (xi )(xi+1 + xi ) +

f ()
2 (xi+1

xi )2

en donde se encuentra en alguna parte del intervalo entre xi y xi+1 . Truncando la serie despus de la
primera derivada, se obtiene una versin aproximada:

f (xi+1 ) f (xi ) + f 0 (xi )(xi+1 xi )

En la interseccin con el eje x, f (xi+1 ) debe ser igual a cero , o:

0 f (xi ) + f 0 (xi )(xi+1 xi )

que se puede resolver para:

xi+1 = xi

f (xi )
f 0 (xi )

a la que se conoce como frmula de Newton-Raphson. Observemos que para que la frmula tenga sentido

f (xi ) 6= 0.

3) Para resolver una ecuacin de la forma f (x) = 0, supongamos que la ecuacin f (x) = 0 tiene una solucin

x tal que f (x) 6= 0 .

Consideremos el esquema de punto jo

xi+1 = g(xi )
con la g de la forma

g(x) = x (x)f (x)

Donde es una funcin arbitraria que se escoger ms adelante.
Si (x) est acotada, entonces g(x) = x , y, para que el procedimiento iterativo derivado de g sea cuadrti-

camente convergente, es suciente que g (x) = 0 . Pero

g (x) = 1 (x)f (x) f (x)(x) y

g (x) = 1 f (x)(x)

Consecuentemente, g (x) = 0 si y solo si (x) =

1
f (x)

El proceso iterativo que dene esta eleccin es:

xi+1 = xi

f (xi )
f 0 (xi )

que es la frmula de NewtonRaphson.

El mtodo de Newton se emplea ampliamente porque, al menos en la vecindad prxima de una raz, converge
ms pronto que cualquiera de los mtodos analizados hasta ahora.

Ejemplo 4:
Use el mtodo de iteraciones sucesivas para determinar la raz de f (x) = ex x con una exactitud de 103 .
Solucin:
1. Analisis grco (Si es posible): Si se analiza La Figura 1 se puede ver que la raz se encuentra cerca de
0.6 , por lo tanto se plantea el valor inicial x0 = 0,6.
2. Se encuentra f 0 (x):

f 0 (x) = ex 1
3. Se establece condicin de parada del mtodo: = 103

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

4. Aplicacin iterativa del mtodo mediante software. Ver Figura 10
Figura 10:

De esta manera, el mtodo converge rpidamente a la raz real.

Desventajas del mtodo de Newton-Raphson

Aunque el mtodo de Newton en general es muy eciente, hay situaciones en que se comporta decientemente.

Ejemplo:
Determnese la raz positiva de f (x) = x10 1 usando el mtodo de NewtonRaphson con un valor inicial
de x = 0,5.
Solucin:
1. Se encuentra f 0 (x):

f 0 (x) = 10x9
2. Se establece condicin de parada del mtodo: = 103
3. Aplicacin iterativa del mtodo mediante software. Ver Figura 11

10

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

Figura 11:

......

De esta forma, despus de la primera prediccin deciente, el mtodo converge a la raz 1, pero con una
velocidad muy lenta. Adems de la convergencia lenta, debida a la naturaleza de la funcin, se pueden
originar otras dicultades, como:
Figura 12:

11

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

La gura 12 muestra el caso donde un punto de inexin ocurre en la vecindad de una raz. Ntese que las
iteraciones que empiezan en x0 divergen progresivamente de la raz.
Figura 13:

En la gura 13 se observa la tendencia del mtodo de NewtonRaphson a oscilar alrededor de un punto

mnimo o mximo local.
Figura 14:

Se observa en la gura 14 que un valor inicial cercano a una raz puede saltar a una posicin varias races
lejos. Esta tendencia de alejarse del rea de inters se debe a que se encuentran pendientes cercanas a cero. Una
pendiente cero causa una divisin por cero en la frmula de Newton- Raphson. Grcamente, esto signica que
la solucin se dispara horizontalmente y jams toca el ejex. La nica solucin en estos casos es la de tener un
valor inicial cercano a la raz. Este conocimiento, de hecho, lo proporciona el conocimiento fsico del problema o
mediante el uso de herramientas tales como las grcas que proporcionan mayor claridad en el comportamiento
de la solucin.

12

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

INTERPOLACIN
El concepto de interpolacin surge, por ejemplo, cuando disponemos de datos que provienen de mediciones
experimentales o estadsticos, puesto que queremos determinar la evolucin general de estos datos con el objetivo
de estimar/predecir los valores que no conocemos. Por ejemplo, esto ocurre si tenemos partes de una imagen fotogrca y queremos reconstruir la imagen completa. En otras palabras, buscamos una funcin (llamada funcin
interpolante) que toma valores predeterminados en algunos puntos. Notemos que otra aplicacin de la interpolacin es la aproximacin de funciones dadas. Normalmente se utilizan funciones de un tipo predeterminado
(polinomios, funciones trigonomtricas, etc) dando lugar a diferentes mtodos de interpolacin. Estudiaremos
la interpolacin polinmica.

INTERPOLACIN POLINOMIAL
Una de las ms y bien conocidas clases de funciones reales de variable real es la clase de los polinomios
algebraicos, o sea, el conjunto de funciones de la forma

f (x) = a0 + a1 x + a2 x2 + a3 x3 + ..... + an xn
donde n es un entero no negativo y a0 , a1 , a2 ..., an son constantes reales. Una razn primordial de su
importancia es que aproximan uniformemente funciones continuas; esto es, dada una funcin denida y continua
en un intervalo cerrado, existe un polinomio que est tan cerca de la funcin dada como se desee.

Teorema de Aproximacin de Weierstrass:

Si f est denida y es continua en [a, b], dado > 0, existe un polinomio P, denido en [a, b], con la propiedad
que
| f (x)P (x) | < para toda x [a, b]. Ver Figura 15.

Figura 15:

Otro aspecto importante para considerar a los polinomios en la aproximacin de funciones es que es sencillo
determinar la derivada y la integral indenida de cualquier polinomio y el resultado es otra vez un polinomio.
Por estas razones, los polinomios se usan con frecuencia para aproximar otras funciones que se conoce o se
supone son continuas.

POLINOMIO DE LAGRANGE
Planteo del problema
Sea f (x) la funcin que se quiere interpolar y se supone conocida en un conjunto de puntos x0 , x1 , x2 , ..., xn :
y0 = f (x0 )

13

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

y1 = f (x1 )
y2 = f (x2 )
.

yn = f (xn )

La interpolacin de Lagrange consiste en encontrar un polinomio de grado n, P (x) (polinomio de interpolacin

de Lagrange), que pase por los puntos dados. Dicho polinomio cumple las condiciones:
P (x0 ) = y0
P (x1 ) = y1
P (x2 ) = y2
.

P (xn ) = yn

Caso Lineal
Vamos a comenzar por plantearnos el caso de interpolar mediante una lnea recta que une 2 puntos cualesquiera. La ecuacin de la recta que pasa por los puntos (x0 , y0 ) y x1 , y1 es la que presentamos a continuacin:
(x=x0 )
y = P (x) = y0 + (y1 =y0 ) (x
1 =x0 )

Vamos a tratar de reescribir la misma expresin tal cual lo hizo Lagrange:

(x=x1 )
(x=x0 )
P1 (x) = y0 (x
+ y1 (x
= L0 (x)y0 + L1 (x)y1
0 =x1 )
1 =x0 )

Con L0 (x) =

=
=

(x x1 )
(x0 x1 )

y L1 (x) =

=
=

(x x0 )
(x1 x0 ) ,

llamados coecientes de Lagrange, que cumplen:

Cuando x = x0 , L0 (x0 ) = 1 mientras que L1 (x0 ) = 0 = P1 (x0 ) = y0

Cuando x = x1 , L0 (x1 ) = 0 mientras que L1 (x1 ) = 1 = P1 (x1 ) = y1

Caso General: Polinomio de grado n

Teorema 1: Si x0 , x1 , x2 ...., xn son (n+1) nmeros diferentes y f es una funcin cuyos valores estn dados
en estos puntos, entonces existe un nico polinomio P de grado n con la propiedad de que :

f (xk ) = P (xk ) para cada k = 0, 1, 2, ....., n

Este polinomio est dado por:

P (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x) + .... + f (xn )Ln (x) =

n
P

f (xi )Li (x)

i=0

Demostracin:
Por una serie de n+1 puntos pasa un polinomio de grado n que, lo podemos expresar en funcin de sus races
y tiene la siguiente forma:

P n(x) = a0 (x x1 )(x x2 )...(x xn ) + a1 (x x0 )(x x2 )...(x xn ) + a2 (x x0 )(x x1 )(x x3 )...(x

xn ) + ... + ai (x x0 )(x x1 )...(x xi=1 )(x xi+1 )...(x xn ) + ... + an=1 (x x0 )(x x1 )...(x xn=2 )(x xn ) +
an (x=x0 )(x x1 )...(x xn=2 )(x xn=1 )

Los coecientes del polinomio se determinan haciendo cumplir las condiciones:

P (x0 ) = y0

14

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

P (x1 ) = y1
P (x2 ) = y2
.

P (xn ) = yn

obtenemos:

a0 =

f (x0 )
(x0 x1 )(x0 x2 )...(x0 xn )

a1 =

f (x1 )
(x1 x0 )(x1 x2 )...(x1 xn )

a2 =

f (x2 )
(x2 x0 )(x2 x1 )...(x2 xn )

en general:

ai =

f (xi )
(xi x0 )(xi x1 )...(xi xi1 )(xi xi+1 )...(xi xn )

= f (xi )

n
Q

(xxj )
(xi xj )

j=0
j 6= i
El siguiente paso consiste en calcular un trmino residual o cota para el error involucrado en la aproximacin
de una funcin mediante un polinomio interpolante. Esto se hace en el teorema siguiente:

Teorema 2:
Si x0 , x1 , x2 ....., xn son puntos distintos en [a, b] y si f es derivable hasta el orden (n+1) en [a, b], entonces,
para cada x en [a, b], existe un nmero (x) en (a, b) tal que:

f (x) = P (x) +

f (n+1) ((x))
(x-x0 )(x
(n+1)!

x1 )...(x xn )

donde P (x) es el polinomio interpolante. El segundo trmino corresponde a la frmula del error. Esta frmula
es un resultado terico importante, su uso prctico est restringido a funciones cuyas derivadas tengan cotas
conocidas.

Ejemplo 1:
La tabla muestra los valores de una funcin en diversos puntos. Compararemos las aproximaciones a
f (1,5)obtenidas con varios polinomios de Lagrange.

x
1, 0
1,3
1,6
1,9
2,2

f(x)
0,7651977
0,6200860
0,4554022
0,2818186
0,1103623

Aproximacin por Interpolacin lineal:

Como x = 1, 5 se encuentra entre 1,3 y 1,6, el polinomio lineal utilizar x0 = 1, 3 y x1 = 1, 6.
1
P
P1 (x) =
f (xi )Li (x) = f (x0 )L0 (x) + f (x1 )L1 (x)

=1,6)
(1,5=1,3)
P1 (1,5) = 0,6200860 (1,5
(1,3=1,6) + 0,4554022 (1,6=1,3) = 0,5102968
i=0

Aproximacin por polinomio de grado 2:

Suponemos que x0 = 1,3, x1 = 1,6 y x2 = 1,9
2
P
P2 (x) =
f (xi )Li (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x)

=1,6) (1,5=1,9)
(1,5=1,3) (1,5=1,9)
(1,5=1,6) (1,5=1,3)
P2 (1,5) = 0,6200860 (1,5
(1,3=1,6) (1,3=1,9) + 0,4554022 (1,6=1,3) (1,6=1,9) + 0,2818186 (1,9=1,6) (1,9=1,3) = 0,5112857
i=0

Aproximacin por polinomio de grado 3:

Suponemos que x0 = 1,3, x1 = 1,6, x2 = 1,9 y x3 = 2,2
3
P
P3 (x) =
f (xi )Li (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x) + f (x3 )L3 (x)
i=0

15

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

(1,51,9) (1,52,2)
(1,51,3) (1,51,9) (1,52,2)
P3 (1,5) = 0,6200860 (1,51,6)
(1,31,6) (1,31,9) (1,32,2) + 0,4554022 (1,61,3) (1,61,9) (1,62,2) +
(1,51,3) (1,51,6) (1,52,2)
(1,51,3) (1,51,6) (1,51,9)
0,2818186 (1,91,3)
(1,91,6) (1,92,2) + 0,1103623 (2,21,3) (2,21,6) (2,21,9) = 0,5118302

Aproximacin por polinomio de grado 4 (se utilizan todos los valores de la tabla):
x0 = 1,0, x1 = 1,3, x2 = 1,6, x3 = 1,9 y x4 = 2,2
3
P
P4 (x) =
f (xi )Li (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x) + f (x3 )L3 (x) + f (x4 )L4 (x)
i=0
(1,51,6) (1,51,9) (1,52,2)
(1,51,0) (1,51,6) (1,51,9) (1,52,2)
P4 (1, 5) = 0, 7651977 (1,51,3)
(1,01,3) (1,01,6) (1,01,9) (1,02,2) + 0, 6200860 (1,31,0) (1,31,6) (1,31,9) (1,32,2) +
(1,51,3) (1,51,9) (1,52,2)
(1,51,0) (1,51,3) (1,51,6) (1,52,2)
0, 4554022 (1,51,0)
(1,61,0) (1,61,3) (1,61,9) (1,62,2) + 0, 2818186 (1,91,0) (1,91,3) (1,91,6) (1,92,2) +
(1,51,3) (1,51,6) (1,51,9)
0, 1103623 (1,51,0)
(2,21,0) (2,21,3) (2,21,6) (2,21,9) = 0, 5118200

Ejemplo 2:
Determinar el polinomio interpolador de Lagrange para la funcin f (x) = sen(x) en los siguientes puntos
x0 = 4 , x1 = 3 , x2 = 2 . Estimar sen(1,2). Servira este polinomio para evaluar sen(3)?.
Determinacin de valores yi :

f
(x)
2
2
3
2

Aproximacin por polinomio de grado 2:

P2 (x) =

= 3 ) (x= 2 ) + 3 (x= 4 ) (x= 2 ) + 1 (x= 4 ) (x= 3 )

(
= 3 ) ( 4 = 2 ) 2 ( 3 = 4 ) ( 3 = 2 )
2=4) (2=3)

2 (x
2 (
4

Realizamos operaciones algebraicas y agrupamos trminos:

P2 (x) =

2 48(x
2 (

= 3 )(x= 2 ) ) + 3 ( 72(x= 4 )(x= 2 ) ) + 1( 24(x= 4 )(x= 3 ) )

2

El polinomio interpolador con coecientes decimales es:

P2 (x) = =0, 447100350x2 + 1, 426378617x=0, 137374388

Puesto que disponemos de la funci
n original y el polinomio que la interpola, podemos ver sus gr

cos
y compararlos. Ver Figura 16. Se puede observar tambin que si ampliamos el intervalo hasta sobrepasar el
intervalo [ 4 , 2 ], la similitud entre la funcin y el polinomio que la interpola se pierde pues s
lo se aproximan
en el intervalo de interpolacin.

16

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

Figura 16:

Valor estimado de sen(1, 2):

P2 (1, 2) =0, 930455446

Valor real de sen(1, 2):

sen(1, 2) = 0, 932039086

Desventajas del mtodo

Las desventajas de la interpolacin de Lagrange son las siguientes:
La cantidad de clculos necesaria para una interpolacin es grande.
La interpolacin para otro valor de x necesita la misma cantidad de clculos adicionales, ya que no se
pueden utilizar partes de la aplicacin previa.
Cuando el nmero de datos tiene que aumentar o disminuir, no se pueden utilizar los resultados de los
clculos previos.
Aumentar el nmero de datos en el intervalo no implica mejora en los resultados.
La evaluacin del error no es fcil.

Problemas con interpolacin  Fenmeno de Runge

Supongamos que dado un intervalo [a, b] lo vamos subdividiendo en ms y ms puntos, ms concretamente
tomemos:

xi = a + ih

para i = 0, 1, 2, 3, ..., n

donde

h=

(ba)
n

y supongamos que construimos con estos puntos el polinomio de interpolacin Pn (x) para una funcin dada
f, esto es, que Pn (xi ) = f (xi ), para estos n puntos.
Se tiene

lim

pn (x) = f (x) cuando n tiende a innito?

La respuesta es negativa. En realidad, al aumentar el nmero de puntos se mejora la aproximacin en

la parte central del intervalo, pero la diferencia entre la funcin y el polinomio interpolador puede aumentar
17

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

rpidamente en los extremos. No es bueno hacer demasiado extenso el intervalo de interpolacin, ya que adems
de aumentar el nmero de operaciones con la consecuente acumulacin de errores, podemos aumentar la prdida
de precisin en los extremos. Este fenmeno es conocido como fenmeno de Runge.

Ejemplo 3
Dada la funcin:

f (x) =

1
1+x2

en el intervalo [5, 5]. Ver gura 17.

Figura 17:

Si construimos el polinomio de interpolacin Pn (x) en este intervalo, entonces seguro que no hay convergencia
en los puntos donde |x| > 3, 63. El problema parece pues que se tuerce, pero por otro lado se vuelve ms
interesante. Resulta que para ciertas funciones, por ejemplo para f (x) = ex , si hay convergencia. Pero para otras
no. El problema con estas ltimas es que sus derivadas van creciendo demasiado en el intervalo considerado,
esto es lo que sucede con esta funcin de Runge, que pareca al principio bastante inofensiva. En las guras
siguiente se demuestra este comportamiento.

Demostracin del fenmeno de Runge en interpolacin por Lagrange.

Caso1: Polinomio de Grado 2
Figura 18:

Caso 2: Polinomio de Grado 4

18

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

Figura 19:

Caso 3: Polinomio de Grado 10

Figura 20:

Caso 4: Polinomio de Grado 20

Figura 21:

19

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

Caso 5: Polinomio de Grado 50
Figura 22:

MTODO DE DIFERENCIAS DIVIDIDAS

Los mtodos para determinar la representacin explcita de un polinomio interpolante a partir de datos
tabulados se conocen como mtodos de diferencias divididas. Estos mtodos se usaron ms con propsitos de
cmputo antes de que el equipo de cmputo digital llegara a ser fcilmente disponible. Sin embargo, los mtodos
pueden usarse tambin para derivar tcnicas para aproximar las derivadas y las integrales de funciones, as como
para aproximar las soluciones de ecuaciones diferenciales.

Interpolacin de Newton en puntos con separacin no uniforme

Supongamos que Pn es el polinomio de Lagrange de grado n que coincide con la funcin f en los nmeros
distintos x0 , x1 , x2 ....., xn . Las diferencias divididas de f con respecto a x0 , x1 , x2 ....., xn se pueden derivar demostrando que Pn tiene la representacin:

Pn (x) = a0 + a1 (x=x0 ) + a2 (x=x0 )(x=x1 ) + a3 (x=x0 )(x=x1 )(x=x2 ) + ... + an (x=x0 )(x=x1 )........(x=xn=1 )
con constantes apropiadas a0 , a1 , a2 , ..., an

Evaluando Pn en x0 : a0 = Pn (x0 ) = f (x0 )

Evaluando en x1 : f (x0 ) + a1 (x1 =x0 ) = Pn (x1 ) = f (x1 ) a1 =

f (x1 )f (x0 )
x1 x0

Introducimos lo que se conoce como notacin de diferencia dividida.

Diferencias divididas de orden cero de la funcin f:

f [x0 ] = f (x0 ),

f [x1 ] = f (x1 ), f [x2 ] = f (x2 ), ........., f [xn ] = f (xn )

Diferencias divididas de orden 1 de la funcin f:

f [x0 , x1 ] =

f [x1 ]f [x0 ]
,
x1 x0

f [x1 , x2 ] =

f [x2 ]f [x1 ]
,....,f [xi , xi+1 ]
x2 x1

f [xi+1 ]f [xi ]
xi+1 xi

Diferencias divididas de orden 2 de la funcin f:

f [x0 , x1 , x2 ] =

f [x1 ,x2 ]f [x0 ,x1 ]

,
x2 x0

f [x2 , x3 , x4 ] =

f [x3 ,x4 ]f [x2 ,x3 ]

,....,f [xi , xi+1 , xi+2 ]
x4 x2

f [xi+1 ,xi+2 ]f [xi ,xi+1 ]

xi+2 xi

Cuando las (k 1) diferencias divididas

f [xi , xi+1 , xi+2 , ..., xi+k=1 ]

f [xi+1 , xi+2 , ..., xi+k=1 , xi+k ]

han sido determinadas, la k-sima diferencia dividida de f relativa a xi , xi+1 , xi+2 , ...., xi+k , est dada por:

f [xi , xi+1 , ..., xi+k1 , xi+k ] =

f [xi+1 ,xi+2 ,...,xi+k ]f [xi ,xi+1 ,...,xi+k1 ]

xi+k xi

20

Calculo Numrico - UNJu - Facultad de Ingeniera San Salvador de Jujuy

Los coecientes a1 , a2 , a3 , ..., an , se pueden expresar en trminos de las diferencias divididas

a1 =

f (x1 )f (x0 )
x1 x0

= f [x0 , x1 ], a2 = f [x0 , x1 , x2 ], a3 = f [x0 , x1 , x2 , x3 ], a4 = f [x0 , x1 , x2 , x3 , x4 ]....

Sustituyendo en el polinomio interpolante

Pn (x) = a0 + a1 (x=x0 ) + a2 (x=x0 )(x=x1 ) + a3 (x=x0 )(x=x1 )(x=x2 ) + ... + an (x=x0 )(x=x1 )........(x=xn=1 )

Pn (x) = f [x0 ] + f [x0 , x1 ](x=x0 ) + f [x0 , x1 , x2 ](x=x0 )(x=x1 ) + f [x0 , x1 , x2 , x3 ](x=x0 )(x=x1 )(x=x2 ) + ... +

f [x0 , x1 , ..., xn ](x=x0 )(x=x1 )(x=x2 )........(x=xn=1 )

n
P
Pn (x) = f [x0 ] +
f [x0 , x1 , ..., xk ](x=x0 )(x=x1 )...(x=xk=1 )
k=1

que es la frmula de diferencia dividida interpolante de Newton

La determinacin de las diferencias divididas para puntos de datos tabulados se bosqueja en la tabla siguiente.
Se podran encontrar una cuarta diferencia a partir de estos datos.
x
f (x) 1ras dif. Div.
2das dif. Div.
3ras dif. Div.
4tas dif. Div.

f [x0 , x1 , x2 , x3 , x4 ] =
f [x1 ,x2 ,x3, x4 ]f [x0 ,x1 ,x2 ,x3 ]
x4 x0

Ejemplo 4:
Dada la tabla del ejemplo 1 , encontrar los coecientes de la frmula de las diferencias divididas progresivas
del polinomio interpolante de Newton y aproximar f (1.5) .
Solucin:
1. Mediante software se contruye la tabla de diferencias divididas de orden 4 . Ver gura 23.
Figure 23:

2. Como se puede observar los coecientes se encuentran a lo largo de la diagonal de la tabla, por lo tanto:

P4 (x) = 0.7651977 0.4837057(x 1.0) 0.1087339(x 1.0)(x 1.3) + 0.06606358(x 1.0)(x 1.3)(x
1.6) + 0.0012078(x 1.0)(x 1.3)(x 1.6)(x 1.9)
3. Aproximacin de f (1, 5):

P4 (1, 5) = 0, 5117878934

21