10a.

edicin

ANLISIS
NUMRICO

Richard L. Burden Douglas J. Faires Annette M. Burden

Anlisis numrico
DCIMA EDICIN

Richard L. Burden
Youngstown University

J. Douglas Faires
Youngstown University

Annette M. Burden
Youngstown University

Traduccin:
Mara Paulina Surez Moreno
Traductora profesional

Revisin tcnica:
Wilmar Alberto Daz Ossa
Mgister en matemticas aplicadas
Profesor en la Universidad Distrital Francisco Jos de Caldas

Australia Brasil Corea Espaa Estados Unidos Japn Mxico Reino Unido Singapur
 Anlisis numrico,
10 a. ed.
Richard L. Burden, J. Douglas Faires y
Annette M. Burden
Director Editorial para Latinoamrica:
Ricardo H. Rodrguez
Editora de Adquisiciones para
Latinoamrica:
Claudia C. Garay Castro
Gerente de Manufactura para
Latinoamrica:
Antonio Mateos Martnez
Gerente Editorial de Contenidos
en Espaol:
Pilar Hernndez Santamarina
Gerente de Proyectos Especiales:
Luciana Rabuffetti
Coordinador de Manufactura:
Rafael Prez Gonzlez
Editora:
Ivonne Arciniega Torres
Diseo de portada:
Anneli Daniela Torres Arroyo
Imagen de portada:
theromb/Shutterstock.com
Composicin tipogrca:
Tsuki Marketing S.A. de C.V.
Gerardo Larios Garca
Impreso en Mxico
1 2 3 4 5 6 7 20 19 18 17
D.R. 2017 por Cengage Learning Editores, S.A. de C.V.,
una Compaa de Cengage Learning, Inc.
Corporativo Santa Fe
Av. Santa Fe nm. 505, piso 12
Col. Cruz Manca, Santa Fe
C.P. 05349, Mxico, D.F.
Cengage Learning es una marca registrada
usada bajo permiso.
DERECHOS RESERVADOS. Ninguna parte de
este trabajo amparado por la Ley Federal del
Derecho de Autor, podr ser reproducida,
transmitida, almacenada o utilizada en
cualquier forma o por cualquier medio, ya sea
grco, electrnico o mecnico, incluyendo,
pero sin limitarse a lo siguiente: fotocopiado,
reproduccin, escaneo, digitalizacin,
grabacin en audio, distribucin en internet,
distribucin en redes de informacin o
almacenamiento y recopilacin en sistemas
de informacin a excepcin de lo permitido
en el Captulo III, Artculo 27 de la Ley Federal
del Derecho de Autor, sin el consentimiento
por escrito de la Editorial.
Traducido del libro Numerical Analysis, Tenth Edition
Richard L. Burden, J. Douglas Faires, Annette M. Burden
Publicado en ingls por Cengage Learning
2016, 2011, 2005
ISBN: 978-1-305-25366-7
Datos para catalogacin bibliogrca:
Burden, Faires y Burden
Anlisis numrico, 10a. ed.
ISBN: 978-607-526-411-0
Visite nuestro sitio en:
http://latinoamerica.cengage.com
 Contenido

Prefacio vii

1 Preliminares matemticos y anlisis de error 1

1.1 Revisin de clculo 2
1.2 Errores de redondeo y aritmtica computacional 11
1.3 Algoritmos y convergencia 22
1.4 Software numrico 28

2 Soluciones de las ecuaciones en una variable 35

2.1 El mtodo de biseccin 36
 ,WHUDFLyQGHSXQWRMR 
2.3 Mtodo de Newton y sus extensiones 49
2.4 Anlisis de error para mtodos iterativos 58
2.5 Convergencia acelerada 64
2.6 Ceros de polinomios y mtodo de Mller 68
2.7 Software numrico y revisin del captulo 76

3 Interpolacin y aproximacin polinomial 77

3.1 Interpolacin y el polinomio de Lagrange 78
3.2 Aproximacin de datos y mtodo de Neville 86
3.3 Diferencias divididas 91
3.4 Interpolacin de Hermite 99
3.5 Interpolacin de spline cbico 105
3.6 Curvas paramtricas 121
3.7 Software numrico y revisin del captulo 126

4 Diferenciacin numrica e integracin 127

4.1 Diferenciacin numrica 128
4.2 Extrapolacin de Richardson 136
4.3 Elementos de integracin numrica 142

iii
iv Contenido

4.4 Integracin numrica compuesta 150

4.5 Integracin de Romberg 156
4.6 Mtodos de cuadratura adaptable 162
4.7 Cuadratura gaussiana 168
4.8 Integrales mltiples 174
4.9 Integrales impropias 186
4.10 Software numrico y revisin del captulo 191

5 Problemas de valor inicial para ecuaciones de

diferenciales ordinarias 193
5.1 Teora elemental de problemas de valor inicial 194
5.2 Mtodo de Euler 198
5.3 Mtodos de Taylor de orden superior 205
5.4 Mtodo Runge-Kutta 209
5.5 Control de error y mtodo Runge-Kutta-Fehlberg 218
5.6 Mtodos multipasos 224
5.7 Mtodo multipasos de tamao de paso variable 236
5.8 Mtodos de extrapolacin 241
5.9 Ecuaciones de orden superior y sistemas de ecuaciones diferenciales 247
5.10 Estabilidad 254
5.11 Ecuaciones diferenciales rgidas 262
5.12 Software numrico 268

6 Mtodos directos para resolver sistemas lineales 269

6.1 Sistemas de ecuaciones lineales 270
6.2 Estrategias de pivoteo 279
6.3 lgebra lineal e inversin de matriz 287
6.4 Determinante de una matriz 296
6.5 Factorizacin de matriz 298
6.6 Tipos especiales de matrices 306
6.7 Software numrico 318

7 Tcnicas iterativas en lgebra de matrices 319

7.1 Normas de vectores y matrices 320
7.2 Eigenvalores y eigenvectores 329
7.3 Tcnicas iterativas de Jacobi y Gauss-Siedel 334
 7pFQLFDVGHUHODMDFLyQSDUDUHVROYHUVLVWHPDVOLQHDOHV 
 &RWDVGHHUURU\UHQDPLHQWRLWHUDWLYR 
 (OPpWRGRGHJUDGLHQWHFRQMXJDGR 
7.7 Software numrico 366
 Contenido v

8 Teora de aproximacin 369

8.1 Aproximacin por mnimos cuadrados discretos 370
8.2 Polinomios ortogonales y aproximacin por mnimos cuadrados 378
8.3 Polinomios de Chebyshev y ahorro de series de potencia 385
8.4 Aproximacin de funcin racional 393
8.5 Aproximacin polinomial trigonomtrica 402
8.6 Transformadas rpidas de Fourier 410
8.7 Software numrico 419

9 Aproximacin de eigenvalores 421

9.1 lgebra lineal y eigenvalores 422
9.2 Matrices ortogonales y transformaciones de similitud 428
9.3 El mtodo de potencia 431
9.4 Mtodo de Householder 445
9.5 El algoritmo QR 452
9.6 Descomposicin en valores singulares 462
9.7 Software numrico 474

10 Soluciones numricas de sistemas de ecuaciones

no lineales 475
 3XQWRVMRVSDUDIXQFLRQHVGHYDULDVYDULDEOHV 
10.2 Mtodo de Newton 482
10.3 Mtodos cuasi-Newton 487
10.4 Tcnicas de descenso ms rpido 492
10.5 Homotopa y mtodos de continuacin 498
10.6 Software numrico 504

11 Problemas de valor en la frontera para ecuaciones

diferenciales ordinarias 505
11.1 El mtodo de disparo lineal 506
11.2 El mtodo de disparo para problemas no lineales 512
 0pWRGRVGHGLIHUHQFLDVQLWDVSDUDSUREOHPDVOLQHDOHV 
 0pWRGRVGHGLIHUHQFLDVQLWDVSDUDSUREOHPDVOLQHDOHV 
11.5 El mtodo de Rayleigh-Ritz 527
11.6 Software numrico 540
vi Contenido

12 Soluciones numricas para ecuaciones

diferenciales parciales 541
12.1 Ecuaciones diferenciales parciales elpticas 544
12.2 Ecuaciones diferenciales parciales parablicas 551
12.3 Ecuaciones diferenciales parciales hiperblicas 562
 8QDLQWURGXFFLyQDOPpWRGRGHHOHPHQWRVQLWRV 
12.5 Software numrico 579

Material en lnea

El siguiente material se encuentra disponible en lnea:

 &RQMXQWRVGHHMHUFLFLRV
Preguntas de anlisis
Conceptos clave
Revisin de captulo
Bibliografa
 5HVSXHVWDVDHMHUFLFLRVVHOHFFLRQDGRV
ndice
ndice de algoritmos
Glosario de notacin
Trigonometra
 *UiFDVFRPXQHV

Ingrese a www.cengage.com, busque el libro por el ISBN e ingrese el siguiente cdigo de acceso:
CAPTULO

1 Preliminares matemticos
y anlisis de error

Introduccin
Al comenzar los cursos de qumica, estudiamos la ley del gas ideal,

PV = NRT,

que relaciona la presin P, el volumen V, la temperatura T y el nmero de moles N de un

gas ideal. En esta ecuacin, R es una contante que depende del sistema de medicin.
Suponga que se realizan dos experimentos para evaluar esta ley, mediante el mismo gas
en cada caso. En el primer experimento,

P = 1.00 atm, V = 0.100 m3 ,

N = 0.00420 mol, R = 0.08206.

La ley del gas ideal predice que la temperatura del gas es

PV (1.00)(0.100)
T = = = 290.15 K = 17 C.
NR (0.00420)(0.08206)

Sin embargo, cuando medimos la temperatura del gas, encontramos que la verdadera tem-
peratura es 15C.

V1
V2

A continuacin, repetimos el experimento utilizando los mismos valores de R y N, pero

incrementamos la presin en un factor de dos y reducimos el volumen en ese mismo factor.
El producto PV sigue siendo el mismo, por lo que la temperatura prevista sigue siendo 17C.
Sin embargo, ahora encontramos que la temperatura real del gas es 19C.

1
2 CAPTULO 1 Preliminares matemticos y anlisis de error

Claramente, se sospecha la ley de gas ideal, pero antes de concluir que la ley es invlida
en esta situacin, deberamos examinar los datos para observar si el error se puede atribuir
a los resultados del experimento. En este caso, podramos determinar qu tan precisos de-
beran ser nuestros resultados experimentales para evitar que se presente un error de esta
magnitud.
El anlisis del error involucrado en los clculos es un tema importante en anlisis nu-
mrico y se presenta en la seccin 1.2. Esta aplicacin particular se considera en el ejercicio
26 de esa seccin.
Este captulo contiene una revisin breve de los temas del clculo de una sola variable
que se necesitarn en captulos posteriores. Un conocimiento slido de clculo es fundamen-
tal para comprender el anlisis de las tcnicas numricas y sera preciso efectuar una revi-
sin ms rigurosa para quienes no han estado en contacto con este tema durante un tiempo.
Adems, existe una introduccin a la convergencia, el anlisis de error, la representacin
GHQ~PHURVHQOHQJXDMHGHPiTXLQD\DOJXQDVWpFQLFDVSDUDFODVLFDU\PLQLPL]DUHOHUURU
computacional.

1.1 Revisin de clculo

Lmites y continuidad
Los conceptos de lmite y continuidad de una funcin son fundamentales para el estudio del
clculo y constituyen la base para el anlisis de las tcnicas numricas.

Denicin 1.1 Una funcin fGHQLGDHQXQFRQMXQWRX de nmeros reales que tiene el lmite L a x0, escrita
como
lm f (x) = L ,
xx0

si, dado cualquier nmero real > 0, existe un nmero real > 0, de tal forma que

| f (x) L| < , siempre que xX y 0 < |x x0 | < .

FRQVXOWHODJXUD

Figura 1.1
y

y 5 f (x)
L 1e
L
L 2e

x0 2 d x0 x0 1 d x
 1.1 Revisin de clculo 3

Denicin 1.2 Sea f XQDIXQFLyQGHQLGDHQXQFRQMXQWRX de nmeros reales y x0 X. Entonces f es con-

Los conceptos bsicos de tinua en x0 si
clculo y sus aplicaciones se lm f (x) = f (x0 ).
GHVDUUROODURQDQDOHVGHOVLJOR xx0
XVII y a principios del XVIII, pero
los conceptos matemticamente
La funcin f es continua en el conjunto X si es continua en cada nmero en X.
precisos de lmites y continuidad
se describieron hasta la poca
de Augustin Louis Cauchy El conjunto de todas las funciones que son continuas en el conjunto X se denota como
+HLQULFK(GXDUG C(X&XDQGRX es un intervalo de la recta real, se omiten los parntesis en esta notacin. Por
+HLQH\.DUO ejemplo, el conjunto de todas las funciones continuas en el intervalo cerrado [a, b] se denota
:HLHUVWUDVVDQDOHV
del siglo XIX. como C[a, b]. El smbolo R denota el conjunto de todos los nmeros reales, que tambin
tiene la notacin del intervalo (, 3RUHVRHOFRQMXQWRGHWRGDVODVIXQFLRQHVTXHVRQ
continuas en cada nmero real se denota mediante C(R o mediante C(, 
El lmite de una sucesinGHQ~PHURVUHDOHVRFRPSOHMRVVHGHQHGHPDQHUDVLPLODU

Denicin 1.3 Sea {xn }

n=1XQDVXFHVLyQLQQLWDGHQ~PHURVUHDOHV(VWDVXFHVLyQWLHQHHOlmite x (conver-
ge a xVLSDUDFXDOTXLHU  0, existe un entero positivo N() tal que |xn x| < siempre
que n > N(/DQRWDFLyQ

lm xn = x, o xn x en n ,
n

VLJQLFDTXHODVXFHVLyQ{xn }
n=1 converge a x.

Teorema 1.4 Si fHVXQDIXQFLyQGHQLGDHQXQFRQMXQWRX de nmeros reales y x0 X, entonces los si-

guientes enunciados son equivalentes:

a. f es continua en x0;

b. Si {xn }
n=1 es cualquier sucesin en X, que converge a x0, entonces
lm n f (xn ) = f (x0 ).

Se asumir que las funciones que consideraremos al analizar los mtodos numricos son
continuas porque ste es el requisito mnimo para una conducta predecible. Las funciones
TXHQRVRQFRQWLQXDVSXHGHQSDVDUSRUDOWRSXQWRVGHLQWHUpVORFXDOSXHGHFDXVDUGLFXOWD-
des al intentar aproximar la solucin de un problema.

Diferenciabilidad
/DVVXSRVLFLRQHVPiVVRVWLFDGDVVREUHXQDIXQFLyQSRUORJHQHUDOFRQGXFHQDPHMRUHVUH-
VXOWDGRVGHDSUR[LPDFLyQ3RUHMHPSORQRUPDOPHQWHXQDIXQFLyQFRQXQDJUiFDVXDYHVH
comportara de forma ms predecible que una con numerosas caractersticas irregulares. La
condicin de uniformidad depende del concepto de la derivada.

Denicin 1.5 Si f HVXQDIXQFLyQGHQLGDHQXQLQWHUYDORDELHUWRTXHFRQWLHQHx0. La funcin f es diferen-

ciable en x0 si
f (x) f (x0 )
f (x0 ) = lm
xx0 x x0

existe. El nmero f (x0 ) recibe el nombre de derivada de f en x0. Una funcin que tiene una
derivada en cada nmero en un conjunto X es diferenciable en X.

La derivada de f en x0HVODSHQGLHQWHGHODUHFWDWDQJHQWHDODJUiFDGHf en (x0 , f (x0 )),

FRPRVHPXHVWUDHQODJXUD
4 CAPTULO 1 Preliminares matemticos y anlisis de error

Figura 1.2
y

La recta tangente tiene

una pendiente f 9(x0)

f (x 0)
(x 0, f (x 0)) y 5 f (x)

x0 x

Teorema 1.6 Si la funcin f es diferenciable en x0, entonces f es continua en x0.

El teorema atribuido a Michel Los siguientes teoremas son de importancia fundamental al deducir los mtodos para
5ROOHDSDUHFLy
en 1691 en un tratado poco
conocido titulado Mthode pour
rsoundre les galites (Mtodo
estimacin del clculo de error. Las pruebas de estos teoremas y los otros resultados sin refe-
rencias en esta seccin se pueden encontrar en cualquier texto de clculo estndar.
El conjunto de todas las funciones que tienen derivadas continuas n en X se denota como
para resolver las igualdades).
Originalmente, Rolle criticaba
el clculo desarrollado por Isaac
Newton y Gottfried Leibniz, pero
despus se convirti en uno de
sus defensores.
Teorema 1.7
Cn(X y el conjunto de funciones que tienen derivadas de todos los rdenes en X se denota
como C (X ). Las funciones polinomial, racional, trigonomtrica, exponencial y logartmi-
ca se encuentran en C (X ), donde X FRQVLVWHHQWRGRVORVQ~PHURVSDUDORVTXHVHGHQHQ
las funciones. Cuando X es un intervalo de la recta real, de nuevo se omiten los parntesis
en esta notacin.
(Teorema de Rolle)
Suponga que f C[a, b] y f es diferenciable en (a, b6Lf(a = f (bHQWRQFHVH[LVWHXQQ~-
mero c en (a, b) con f 9(c = &RQVXOWHODJXUD

Figura 1.3
y

f 9(c) 5 0

y 5 f (x)
f (a) 5 f(b)

a c b x

Teorema 1.8 (Teorema del valor medio)

Si f C[a, b] y f es diferenciable en (a, b HQWRQFHV H[LVWH XQ Q~PHUR c en (a, b con
FRQVXOWHODJXUD

f (b) f (a)
f (c) = .
ba
 1.1 Revisin de clculo 5

Figura 1.4
y
Lneas paralelas

Pendiente f 9(c)
y 5 f (x)

f (b) 2 f (a)
Pendiente
b2a

a c b x

Teorema 1.9 (Teorema del valor extremo)

Si f C[a, b], entonces existe c1, c2 [a, b] con f (c1 f (x f (c2SDUDWRGDVODVx [a, b].
Adems, si f es diferenciable en (a, bHQWRQFHVVHSUHVHQWDQORVQ~PHURVc1 y c2 ya sea en
los extremos de [a, b] o donde f 9HVFHUR&RQVXOWHODJXUD

Figura 1.5
y

y 5 f (x)

a c2 c1 b x

Ejemplo 1 Encuentre los valores mnimo absoluto y mximo absoluto de

f (x= 2 ex + 2x

en los intervalos a>, 1] y b>, 2].

Solucin Comenzamos por derivar f (xSDUDREWHQHU

f v(x= ex + 2.

f v(x= 0 cuando ex + 2 = 0 o de forma equivalente, cuando ex = 2. Al tomar el logaritmo

natural de ambos lados de la ecuacin obtenemos

ln (ex=OQRx =OQ

6 CAPTULO 1 Preliminares matemticos y anlisis de error

a) Cuando el intervalo es [0, 1], el extremo absoluto debe ocurrir en f , f OQR
f $OHYDOXDUWHQHPRV

f (0) = 2 e0 + 2(0) = 1

f (ln (2)) = 2 eln (2) + 2 ln (2) = 2 ln (2) 1.38629436112

f (1) = 2 e + 2(1) = 4 e 1.28171817154.

Por lo tanto, el mnimo absoluto de f (x HQ > @ HV f  = 1 y el mximo

absoluto es f OQ=OQ
b) Cuando el intervalo es [1, 2], sabemos que f (x) = 0, por lo que el extremo
absoluto se presenta en f \f3RUORWDQWR f (2) = 2 e2 + 2(2) = 6 e2
1.3890560983 .
El mnimo absoluto en [1, 2] es 6 e2 y el mximo absoluto es 1.
Observamos que
mx | f (x)| = |6 e2 | 1.3890560983.
0x2

En general, el siguiente teorema no se presenta en un curso de clculo bsico, pero se

deriva al aplicar el teorema de Rolle sucesivamente a f, f , . . . ,\QDOPHQWHD f (n1) . Este
resultado se considera en el ejercicio 26.

Teorema 1.10 (Teorema generalizado de Rolle)

Suponga que f C[a, b] es n veces diferenciable en (a, b6Lf (x= 0 en los n + 1 nmeros
distintos a a x0 < x1 < 7 < xn b, entonces un nmero c en (x0, xn\SRUORWDQWRHQa, b
existe con f (n(c= 0.

Tambin utilizaremos con frecuencia el teorema del valor intermedio. A pesar de que
esta declaracin parece razonable, su prueba va ms all del alcance del curso habitual de
clculo. Sin embargo, se puede encontrar en muchos textos de anlisis (consulte, por ejem-
SOR>)X@S

Teorema 1.11 (Teorema del valor intermedio)

Si f C[a, b] y K es cualquier nmero entre f(a\f (bHQWRQFHVH[LVWHXQQ~PHURc en
(a, bSDUDHOFXDOf (c= K.

/DJXUDPXHVWUDXQDRSFLyQSDUDHOQ~PHURJDUDQWL]DGDSRUHOWHRUHPDGHOYDORU
intermedio. En este ejemplo, existen otras dos posibilidades.

Figura 1.6
y
(a, f (a))
f (a)
y 5 f (x)
K
f (b)
(b, f (b))

a c b x
 1.1 Revisin de clculo 7

Ejemplo 2 Muestre que x5 2x +x2 1 = 0 tiene una solucin en el intervalo [0, 1].

Solucin &RQVLGHUH OD IXQFLyQ GHQLGD SRU f (x = x5 2x + x2 1. La funcin f es

continua en [0, 1]. Adems,

f = 1 < 0 y 0 < 1 = f .

Por lo tanto, el teorema del valor intermedio implica que existe un nmero c, con 0 , c , 1,
para el cual c5 2c +c2 1 = 0.

Como se observa en el ejemplo 2, el teorema del valor intermedio se utiliza para deter-
minar cundo existen soluciones para ciertos problemas. Sin embargo, no provee un medio
HFLHQWHSDUDHQFRQWUDUHVWDVVROXFLRQHV(VWHWHPDVHFRQVLGHUDHQHOFDStWXOR

Integracin
El otro concepto bsico del clculo que se utilizar ampliamente es la integral de Riemann.

Denicin 1.12 La integral de Riemann de la funcin f en el intervalo [a, b] es el siguiente lmite, siempre
y cuando exista:
George Fredrich Berhard Riemann b n
UHDOL]yPXFKRVGH
los descubrimientos importantes
f (x) d x = lm f (z i xi ,
a mx xi 0
SDUDFODVLFDUODVIXQFLRQHV i=1
que tienen integrales. Tambin
realiz trabajos fundamentales en
geometra y la teora de funciones donde los nmeros x0, x1,7 , xn satisfacen a = x0 x1 7 xn = b, donde 6xi = xi xi1,
complejas y se le considera uno para cada i = 1, 2,7 , n, y zi se selecciona de manera arbitraria en el intervalo [ xi1 , xi ].
de los matemticos prolferos del
siglo XIX. Una funcin f que es continua en un intervalo [a, b] es tambin Riemann integrable en
[a, b]. Esto nos permite elegir, para conveniencia computacional, los puntos xi se separarn
equitativamente en [a, b] para cada i = 1, 2, 7 , n, para seleccionar zi = xi. En este caso,
b n
ba
f (x) d x = lm f (xi ),
a n n i=1

GRQGHORVQ~PHURVPRVWUDGRVHQODJXUDFRPRxi, son xi = a + i(b an.

Figura 1.7
y
y 5 f (x)

a 5 x 0 x1 x2 . . . x i21 x i ... x n21 b 5 x n x

Se necesitarn otros dos resultados en nuestro estudio para anlisis numrico. El primero
es una generalizacin del teorema del valor promedio para integrales.
8 CAPTULO 1 Preliminares matemticos y anlisis de error

Teorema 1.13 (Teorema del valor promedio para integrales)

Suponga que f C[a, b], la integral de Riemann de g existe en [a, b], y g(xQRFDPELDGH
signo en [a, b]. Entonces existe un nmero c en (a, bFRQ
b b
f (x)g(x) d x = f (c) g(x) d x.
a a

Cuando g(x HOWHRUHPDHVHOWHRUHPDGHOYDORUPHGLRSDUDLQWHJUDOHVeVWH

proporciona el valor promedio de la funcin f sobre el intervalo [a, b] como (consulte la
JXUD

b
1
f (c) = f (x) d x.
ba a

Figura 1.8
y

y 5 f (x)
f (c)

a c b x

(QJHQHUDOODSUXHEDGHOWHRUHPDQRVHGDHQXQFXUVREiVLFRGHFiOFXORSHURVH
SXHGHHQFRQWUDUHQPXFKRVWH[WRVGHDQiOLVLVFRQVXOWHSRUHMHPSOR>)X@S

Polinomios y series de Taylor

(OWHRUHPDQDOHQHVWDUHYLVLyQGHFiOFXORGHVFULEHORVSROLQRPLRVGH7D\ORU(VWRVSROLQR-
mios se usan ampliamente en el anlisis numrico.

Teorema 1.14 (Teorema de Taylor)

%URRN7D\ORU
Suponga que f C n [a, b], f (n +  existe en [a, b], y x0 [a, b]. Para cada x [a, b], existe un
describi esta serie en 1715 nmero (x) entre x0 y x con
en el artculo Methodus
incrementorum directa et inversa
(Mtodos para incrementos
f (x) = Pn (x) + Rn (x),
directos e inversos). Isaac
Newton, James Gregory y donde
otros ya conocan algunos
casos especiales del resultado
f (x0 ) f (n) (x0 )
y, probablemente, el resultado Pn (x) = f (x0 ) + f (x0 )(x x0 ) + (x x0 )2 + + (x x0 )n
mismo. 2! n!
n
f (k) (x0 )
= (x x0 )k
k=0
k!
 1.1 Revisin de clculo 9

f (n+1) ((x))
Rn (x) = (x x0 )n+1 .
(n + 1)!
&ROLQ0DFODXULQHV
ms conocido como el defensor
Aqu Pn(x HV OODPDGR HO n-simo polinomio de Taylor para f alrededor de x0 y Rn(x
del clculo de Newton cuando
ste fue objeto de los ataques recibe el nombre de residuo (o error de truncamientoUHODFLRQDGRFRQPn(x3XHVWRTXHHO
LPSODFDEOHVGHORELVSR\OyVRIR nmero (x) en el error de truncamiento Rn(xGHSHQGHGHOYDORUGHx donde se evala el poli-
irlands George Berkeley.
Maclaurin no descubri la
serie que lleva su nombre; los
matemticos del siglo ya la
conocan desde antes de que l
nomio Pn(xHVXQDIXQFLyQGHODYDULDEOHx. Sin embargo, no deberamos esperar ser capaces
de determinar la funcin (x) de manera explcita. El teorema de Taylor simplemente garantiza
que esta funcin existe y que su valor se encuentra entre x y x0. De hecho, uno de los problemas
comunes en los mtodos numricos es tratar de determinar un lmite realista para el valor de
f (n+1) ((x)) cuando xVHHQFXHQWUDHQXQLQWHUYDORHVSHFtFR
naciera. Sin embargo, concibi
un mtodo para resolver un
sistema de ecuaciones lineales
que se conoce como regla de
Cramer, que Cramer no public
hasta 1750.
/DVHULHLQQLWDREWHQLGDDOWRPDUHOOtPLWHGHPn(xFRQIRUPH n recibe el nombre
de serie de Taylor para f alrededor de x0. En caso de que x0 = 0, entonces al polinomio de
Taylor con frecuencia se le llama polinomio de Maclaurin y a la serie de Taylor a menudo
se le conoce como serie de Maclaurin.
El trmino error de truncamientoHQHOSROLQRPLRGH7D\ORUVHUHHUHDOHUURULPSOLFD-
GRDOXWLOL]DUXQDVXPDWUXQFDGDRQLWDSDUDDSUR[LPDUODVXPDGHXQDVHULHLQQLWD

Ejemplo 3 Si f(x= cos x y x0 = 0. Determine

a) el segundo polinomio de Taylor para f alrededor de x0; y

b) el tercer polinomio de Taylor para f alrededor de x0.

Solucin Puesto que f C (R), el teorema de Taylor puede aplicarse a cualquiera n 0.

Adems,
f (x) = sen x, f (x) = cos x, f (x) = sen x, y f (4) (x) = cos x,
Por lo tanto
f (0) = 1, f (0) = 0, f (0) = 1, y f (0) = 0.
a) Para n = 2 y x0 = 0, obtenemos
f (0) 2 f ((x)) 3
cos x = f (0) + f (0)x + x + x
2! 3!
1 1
= 1 x 2 + x 3 sen (x),
2 6

donde (x)HVDOJ~QQ~PHURSRUORJHQHUDOGHVFRQRFLGRHQWUH\x&RQVXOWHODJXUD

Figura 1.9
y

1
y 5 cos x
p p
22 2
2 2
2p p x

1
y 5 P2(x) 5 1 2 2 x 2
2
10 CAPTULO 1 Preliminares matemticos y anlisis de error

Cuando x = 0.01, esto se convierte en

1 1 106
cos 0.01 = 1 (0.01)2 + (0.01)3 sen (0.01) = 0.99995 + sen (0.01).
2 6 6

Por lo tanto, la aproximacin para cos 0.01 provista por el polinomio de Taylor es 0.99995.
El error de truncamiento, o trmino restante, relacionado con esta aproximacin es

106
sen (0.01) = 0.16 106 sen (0.01),
6
donde la barra sobre el 6 en 0 .16 VHXWLOL]DSDUDLQGLFDUTXHHVWHGtJLWRVHUHSLWHLQGHQLGD-
mente. A pesar de que no existe una forma de determinar sen (0.01), sabemos que todos los
valores del seno se encuentran en el intervalo [1, 1], por lo que el error que se presenta si
utilizamos la aproximacin 0.99995 para el valor de cos 0.01 est limitado por

| cos(0.01) 0.99995| = 0.16 106 | sen (0.01)| 0.16 106 .

Por lo tanto, la aproximacin 0.99995 corresponde por lo menos a los primeros cinco dgitos
de cos 0.01 y
0.9999483 < 0.99995 1.6 106 cos 0.01
0.99995 + 1.6 106 < 0.9999517.

El lmite del error es mucho ms grande que el error real. Esto se debe, en parte, al esca-
so lmite que usamos para | sen (x)|. En el ejercicio 27 se muestra que para todos los valores
de x, tenemos | sen x| |x|. Puesto que 0 < 0.01, podramos haber usado el hecho de
que | sen (x)| 0.01 en la frmula de error, lo cual produce el lmite 0.16 108 .
b) Puesto que f (0) = 0, el tercer polinomio de Taylor con el trmino restante alre-
dedor de x0 = 0 es
1 1
cos x = 1 x 2 + x 4 cos (x),
2 24

donde 0 < (x) < 0.01. El polinomio de aproximacin sigue siendo el mismo y la aproxima-
cin sigue siendo 0.99995, pero ahora tenemos mayor precisin. Puesto que | cos (x)| 1
para todas las x, obtenemos

1 4 1
x cos (x) (0.01)4 (1) 4.2 1010 .
24 24
por lo tanto
| cos 0.01 0.99995| 4.2 1010 ,
y

0.99994999958 = 0.99995 4.2 1010

cos 0.01 0.99995 + 4.2 1010 = 0.99995000042.

(OHMHPSORLOXVWUDORVGRVREMHWLYRVGHODQiOLVLVQXPpULFR
i) Encuentre una aproximacin a la solucin de un problema determinado.
ii) Determine un lmite o cota para la precisin de la aproximacin.
/RVSROLQRPLRVGH7D\ORUHQDPEDVSDUWHVSURSRUFLRQDQODPLVPDUHVSXHVWDSDUDLSHURHO
WHUFHURSURYHHXQDUHVSXHVWDPXFKRPHMRUSDUDLLTXHHOVHJXQGR7DPELpQSRGHPRVXWLOL]DU
estos polinomios para obtener aproximaciones de las integrales.
 1.2 Errores de redondeo y aritmtica computacional 11

Ilustracin Podemos utilizar el tercer polinomio de Taylor y su trmino restante encontrado en el ejem-
0.1
SORSDUDDSUR[LPDU 0 cos x d x. Tenemos
0.1 0.1 0.1
1 1
cos x d x = 1 x2 dx + x 4 cos (x) d x
0 0 2 24 0
0.1 0.1
1 1
= x x3 + x 4 cos (x) d x
6 0 24 0
0.1
1 1
= 0.1 (0.1)3 + x 4 cos (x) d x.
6 24 0

Por lo tanto,
0.1
1
cos x d x 0.1 (0.1)3 = 0.09983.
0 6

Un lmite o cota para el error en esta aproximacin se determina a partir de la integral del
trmino restante de Taylor y el hecho de que | cos (x)| 1 para todas las x:
0.1 0.1
1 1
x 4 cos (x) d x x 4 | cos (x)| d x
24 0 24 0

1 0.1
(0.1)5
x4 dx = = 8.3 108 .
24 0 120

El valor verdadero de esta integral es

0.1 0.1
cos x d x = sen x = sen 0.1 0.099833416647,
0 0

por lo que el error real para esta aproximacin es 8. 108, que se encuentra dentro
del lmite del error.

La seccin Conjunto de ejercicios 1.1 est disponible en lnea. Encuentre la ruta de

acceso en las pginas preliminares.

1.2 Errores de redondeo y aritmtica computacional

La aritmtica realizada con una calculadora o computadora es diferente a la aritmtica que
se imparte en los cursos de lgebra y clculo. Podra esperarse que declaraciones como
2 +2 = 4, 48 = 32, y ( 3)2 = 3 siempre sean verdaderas; sin embargo con la aritmtica
computacional, esperamos
resultados exactos para 2 + 2 = 4 y 4 8 = 32, pero no obtendre-
mos exactamente ( 3)2 = 3. Para comprender por qu esto es verdadero, debemos explorar
HOPXQGRGHODDULWPpWLFDGHGtJLWRVQLWRV
(QQXHVWURPXQGRPDWHPiWLFRWUDGLFLRQDOSHUPLWLPRVQ~PHURVFRQXQDFDQWLGDGLQQL-

ta de dgitos. La aritmtica que usamos en este mundo GHQH 3 como el nico nmero po-
VLWLYRTXHFXDQGRVHPXOWLSOLFDSRUVtPLVPRSURGXFHHOHQWHUR1RREVWDQWHHQHOPXQGR
computacional, cada nmero representable sORWLHQHXQQ~PHURMR\QLWRGHGtJLWRV(VWR
VLJQLFDTXHSRUHMHPSORVlo los nmeros
racionales, e incluso no todos ellos, se pueden
representar de forma exacta. Ya que 3 no es racional, se proporciona una representacin
DSUR[LPDGDFX\RFXDGUDGRQRVHUiH[DFWDPHQWHDSHVDUGHTXHHVSUREDEOHTXHHVWpVX-
FLHQWHPHQWHFHUFDGHSDUDVHUDFHSWDEOHHQODPD\RUtDGHODVVLWXDFLRQHV(QWRQFHVHQPX-
chos casos, esta aritmtica mecnica es satisfactoria y pasa sin importancia o preocupacin,
pero algunas veces surgen problemas debido a su discrepancia.
12 CAPTULO 1 Preliminares matemticos y anlisis de error
El error debido al redondeo
debera esperarse siempre que se
realizan clculos con nmeros
que no son potencias de 2.
Mantener este error bajo control
es en extremo importante cuando
el nmero de clculos es grande.
El error que se produce cuando se utiliza una calculadora o computadora para realizar
clculos con nmeros reales recibe el nombre de error de redondeo. Se presenta porque la
DULWPpWLFDUHDOL]DGDHQXQDPiTXLQDLQFOX\HQ~PHURVFRQXQVRORQ~PHURQLWRGHGtJLWRV
y esto da como resultado clculos realizados nicamente con representaciones aproximadas
de los nmeros reales. En una computadora, slo un subconjunto relativamente pequeo del
sistema de nmeros reales se usa para la representacin de todos los nmeros reales. Este
subconjunto slo contiene nmeros racionales, tanto positivos como negativos, y almacena
la parte fraccionaria, junto con una parte exponencial.
Nmeros de mquina binarios
En 1985, el Instituto para Ingenieros Elctricos y Electrnicos (IEEE; Institute for Electri-
FDODQG(OHFWURQLF(QJLQHHUVSXEOLFyXQUHSRUWHOODPDGRBinary Floating Point Arithmetic
6WDQGDUG  (VWiQGDU SDUD OD DULWPpWLFD ELQDULD GH SXQWR RWDQWH. En 2008 se
public una versin actualizada con el nombre de IEEE 754-2008; la cual proporciona es-
WiQGDUHV SDUD Q~PHURV GH SXQWR RWDQWH GHFLPDOHV \ ELQDULRV IRUPDWRV SDUD LQWHUFDPELR
de datos, algoritmos para redondear operaciones aritmticas y manejo de excepciones. Se
HVSHFLFDFXiOHVVRQORVIRUPDWRVSDUDODVSUHFLVLRQHVLQGLYLGXDOHVGREOHV\DPSOLDGDV\HQ
JHQHUDOWRGRVORVIDEULFDQWHVGHPLFURFRPSXWDGRUDVTXHXWLOL]DQKDUGZDUHGHSXQWRRWDQWH
siguen estos estndares.
8QDUHSUHVHQWDFLyQGHELWVGtJLWRELQDULRVHXVDSDUDXQQ~PHURUHDO(OSULPHUELW
es un indicador de signo, denominado s. A ste le sigue un exponente de 11 bits, c, llamado
caracterstica, y una fraccin binaria de 52 bits, f, llamada mantisa. La base para el expo-
nente es 2.
Puesto que los 52 dgitos binarios corresponden con dgitos decimales entre 16 y 17,
podemos asumir que un nmero representado en este sistema tiene por lo menos 16 dgitos
decimales de precisin. El exponente de 11 dgitos binarios provee un rango de 0 a 211 1
=6LQHPEDUJRXVDUVyORHQWHURVSRVLWLYRVSDUDHOH[SRQHQWHQRSHUPLWLUtDXQDUH-
presentacin adecuada de los nmeros con magnitud pequea. Para garantizar que estos
Q~PHURVVRQLJXDOPHQWHUHSUHVHQWDEOHVVHUHVWDDODFDUDFWHUtVWLFDSRUORTXHHOUDQJR
del exponente en realidad se encuentra entre \
Para ahorrar almacenamiento y proporcionar una representacin nica para cada nmero
GHSXQWRRWDQWHVHLPSRQHXQDQRUPDOL]DFLyQ3RUPHGLRGHHVWHVLVWHPDREWHQHPRVXQ
Q~PHURGHSXQWRRWDQWHGHODIRUPD

(1)s 2c1023 (1 + f ).

Ilustracin Considere el nmero de mquina

0 10000000011 1011100100010000000000000000000000000000000000000000.

El bit ms a la izquierda es s = 0, lo cual indica que es un nmero positivo. Los siguientes

11 bits, 10000000011, proveen la caracterstica y son equivalentes al nmero decimal

c = 1 210 + 0 29 + + 0 22 + 1 21 + 1 20 = 1024 + 2 + 1 = 1027.

La parte exponencial del nmero es, por lo tanto, 210271023 = 24/RVELWVQDOHVHVSH-

FLFDQTXHODPDQWLVDHV
1 3
1 1
f =1 +1 +1
2 2
4 5 8 12
1 1 1 1
+1 +1 +1 .
2 2 2 2
 1.2 Errores de redondeo y aritmtica computacional 13

Como secuencia, este nmero de mquina representa precisamente el nmero decimal

1 1 1 1 1 1
(1)s 2c1023 (1 + f ) = (1)0 210271023 1 + + + + + +
2 8 16 32 256 4096
= 27.56640625.

Sin embargo, el siguiente nmero de mquina ms pequeo es

0 10000000011 1011100100001111111111111111111111111111111111111111,

el siguiente nmero de mquina ms grande es

0 10000000011 1011100100010000000000000000000000000000000000000001.

(VWRVLJQLFDTXHQXHVWURQ~PHURGHPiTXLQDRULJLQDOQRVORUHSUHVHQWDVLQR
WDPELpQODPLWDGGHORVQ~PHURVUHDOHVTXHVHHQFXHQWUDQHQWUH\HOVLJXLHQWH
Q~PHURGHPiTXLQDPiVSHTXHxRDVtFRPRODPLWDGGHORVQ~PHURVHQWUH\
el siguiente nmero de mquina ms grande. Para ser preciso, representa cualquier nmero

>



El nmero positivo normalizado ms pequeo que se puede representar tiene s = 0, c = 1,

y f = 0 y es equivalente

21022 (1 + 0) 0.22251 10307 ,

y el ms grande tiene s = 0, c =\f = 1 252 y es equivalente a

21023 (2 252 ) 0.17977 10309 .

Los nmeros que se presentan en los clculos que tienen una magnitud menor que

21022 (1 + 0)

resultan en un subdesbordamiento\HQJHQHUDOVHFRQJXUDQHQFHUR/RVQ~PHURVVXSH-
riores a

21023 (2 252 )

resultan en desbordamiento y, comnmente, causan que los clculos se detengan (a menos

TXH HO SURJUDPD KD\D VLGR GLVHxDGR SDUD GHWHFWDU HVWDV SUHVHQFLDV 2EVHUYH TXH H[LVWHQ
dos representaciones para el nmero cero: un 0 positivo cuando s = 0, c = 0 y f = 0, y un 0
negativo cuando s = 1, c = 0 y f = 0.

Nmeros de mquina decimales

(OXVRGHGtJLWRVELQDULRVWLHQGHDRFXOWDUODVGLFXOWDGHVFRPSXWDFLRQDOHVTXHVHSUHVHQWDQ
FXDQGRVHXVDXQDFROHFFLyQQLWDGHQ~PHURVGHPiTXLQDSDUDUHSUHVHQWDUWRGRVORVQ~PH-
ros reales. Para examinar estos problemas, utilizaremos nmeros decimales ms familiares
HQOXJDUGHXQDUHSUHVHQWDFLyQELQDULD(QHVSHFtFRVXSRQHPRVTXHORVQ~PHURVPiTXLQD
VHUHSUHVHQWDQHQIRUPDWRQRUPDOL]DGRGHSXQWRRWDQWHdecimal

0.d1 d2 . . . dk 10n , 1 d1 9, y 0 di 9,
14 CAPTULO 1 Preliminares matemticos y anlisis de error

para cada i = 2, . . . , k. Los nmeros de esta forma reciben el nombre de nmeros de

mquina decimales de dgito k.
Cualquier nmero real positivo dentro del rango numrico de la mquina puede ser
normalizado a la forma

y = 0.d1 d2 . . . dk dk+1 dk+2 . . . 10n .

El error que resulta de
reemplazar un nmero con
HVWDIRUPDGHSXQWRRWDQWH
se llama error de redondeo,
independientemente de si se
usa el mtodo de redondeo o de
corte.
/DIRUPDGHSXQWRRWDQWHGH\TXHVHGHQRWDfl(y, se obtiene al terminar la mantisa de y
en los dgitos decimales de k. Existen dos maneras comunes para realizar esta terminacin.
Un mtodo, llamado de corte, es simplemente cortar los dgitos dk+1 dk+2 . . . Esto produce
ODIRUPDGHSXQWRRWDQWH
f l(y) = 0.d1 d2 . . . dk 10n .
El otro mtodo, llamado redondeo, suma 5 10n(k+1) a y y entonces corta el resultado
para obtener un nmero con la forma
f l(y) = 0.1 2 . . . k 10n .

Para redondear, cuando dk+1 5, sumamos 1 a dk para obtener fl(yHVGHFLUredondeamos

hacia arriba. Cuando dk+1 < 5, simplemente cortamos todo, excepto los primeros dgitos
k; es decir, redondeamos hacia abajo. Si redondeamos hacia abajo, entonces i = di, para
cada i = 1, 2, . . . , k. Sin embargo, si redondeamos hacia arriba, los dgitos (e incluso el
H[SRQHQWHSXHGHQFDPELDU

Ejemplo 1
En general, el error relativo es
una mejor medicin de precisin
que el error absoluto porque
considera el tamao del nmero
que se va a aproximar.
Denicin 1.15
Ejemplo 2
'HWHUPLQHORVYDORUHVDGHFRUWH\EGHUHGRQGHRGHFLQFRGtJLWRVGHOQ~PHURLUUDFLRQDO.
Solucin El nmero WLHQHXQDH[SDQVLyQGHFLPDOLQQLWDGHODIRUPD =....
Escrito en una forma decimal normalizada, tenemos
= 0.314159265 . . . 101 .
a) (OIRUPDWRGHSXQWRRWDQWHGH usando el recorte de cinco dgitos es
f l( ) = 0.31415 101 = 3.1415.
b) El sexto dgito de la expansin decimal de es un 9, por lo que el formato de punto
RWDQWHGH con redondeo de cinco dgitos es
f l( ) = (0.31415 + 0.00001) 101 = 3.1416.
/DVLJXLHQWHGHQLFLyQGHVFULEHWUHVPpWRGRVSDUDPHGLUHUURUHVGHDSUR[LPDFLyQ
Suponga que p es una aproximacin a p. El error real es p p , el error absoluto es
| p p |
| p p |, y el error relativo es , siempre y cuando p = 0.
| p|
Considere los errores real, absoluto y relativo al representar p con p en el siguiente ejemplo.
Determine los errores real, absoluto y relativo al aproximar p con p cuando
a) p = 0.3000 101 y p = 0.3100 101 ;
b) p = 0.3000 103 y p = 0.3100 103 ;
c) p = 0.3000 104 y p = 0.3100 104 .

A menudo no podemos encontrar
un valor preciso para el error
verdadero en una aproximacin.
Por el contrario, encontramos
una cota para el error, lo cual nos
proporciona un error del peor
caso.
1.2 Errores de redondeo y aritmtica computacional 15
Solucin
a) Para p = 101 y p = 101, el error real es <0.1, el error absoluto
es 0.1 y el error relativo es 0.3333 101.
b) Para p = 10 y p = 10, el error real es <0.1 10, el error
absoluto es 0.1 10 y el error relativo es 0.3333 101.
c) Para p = 10 y p =HOHUURUUHDOHV 10, el error ab-
soluto es 0.1 10 y, de nuevo, el error relativo es 0.3333 101 .
Este ejemplo muestra que el mismo error relativo, 0.3333 101, se presenta para errores
absolutos ampliamente variables. Como una medida de precisin, el error absoluto puede ser
HQJDxRVR\HOHUURUUHODWLYRPiVVLJQLFDWLYRGHELGRDTXHHVWHHUURUFRQVLGHUDHOWDPDxR
del valor.
Un lmite de error es un nmero no negativo mayor que el error absoluto. Algunas ve-
ces se obtiene con los mtodos de clculo para encontrar el valor absoluto mximo de una
IXQFLyQ(VSHUDPRVHQFRQWUDUHOOtPLWHVXSHULRUPiVSHTXHxRSRVLEOHSDUDHOHUURUDQGH
obtener un estimado del error real que es lo ms preciso posible.
/D VLJXLHQWH GHQLFLyQ XVD HO HUURU UHODWLYR SDUD SURSRUFLRQDU XQD PHGLGD GH GtJLWRV
VLJQLFDWLYRVGHSUHFLVLyQSDUDXQDDSUR[LPDFLyQ

Denicin 1.16
A menudo, el trmino dgitos
VLJQLFDWLYRV se usa para
describir vagamente el nmero
de dgitos decimales que parecen
VHUH[DFWRV/DGHQLFLyQHVPiV
precisa y provee un concepto
continuo.
Se dice que el nmero p se aproxima a p para t GtJLWRVVLJQLFDWLYRVRFLIUDVVLt es el
entero no negativo ms grande para el que
| p p |
5 10t .
| p|
/DWDEODLOXVWUDODQDWXUDOH]DFRQWLQXDGHORVGtJLWRVVLJQLFDWLYRVDOHQXPHUDUSDUD
los diferentes valores de p, el lmite superior mnimo de | p p |, denominado mx. | p p |,
cuando p concuerda con pHQFXDWURGtJLWRVVLJQLFDWLYRV

Tabla 1.1
p 0.1 0.5 100 1000 5000 9990 10000

mx | p p | 0.00005 0.00025 0.05 0.5 2.5 4.995 5.

Al regresar a la representacin de los nmeros de mquina, observamos que la represen-

WDFLyQGHSXQWRRWDQWHf l(ySDUDHOQ~PHURy tiene el error relativo

y f l(y)
.
y

Si se usan k dgitos decimales y corte para la representacin de mquina de

y = 0.d1 d2 . . . dk dk+1 . . . 10n ,

entonces

y f l(y) 0.d1 d2 . . . dk dk+1 . . . 10n 0.d1 d2 . . . dk 10n

=
y 0.d1 d2 . . . 10n
0.dk+1 dk+2 . . . 10nk 0.dk+1 dk+2 . . .
= n
= 10k .
0.d1 d2 . . . 10 0.d1 d2 . . .
CAPTULO

3 Interpolacin y aproximacin polinomial

Introduccin
Se realiza un censo de la poblacin de Estados Unidos cada 10 aos. La siguiente tabla
muestra la poblacin, en miles de personas, desde 1960 hasta 2010, y los datos tambin se
UHSUHVHQWDQHQODJXUD

Ao 1960 1970 1980 1990 2000 2010

Poblacin 179 323 203 302 226542 249 633 281 422 308 746
(en miles)

P(t)

3 3 10 8

2 3 10 8
Poblacin

1 3 10 8

1960 1970 1980 1990 2000 2010 t

Ao

Al revisar estos datos, podramos preguntar si se podran usar para efectuar un clculo
razonable de la poblacin, digamos, en 1975 o incluso en el ao 2020. Las predicciones de
este tipo pueden obtenerse por medio de una funcin que se ajuste a los datos proporcio-
nados. Este proceso recibe el nombre de interpolacin y es el tema de este captulo. Este
problema de poblacin se considera a lo largo del captulo y en los ejercicios 19 de la seccin
3.1, 17 de la seccin 3.3 y 24 de la seccin 3.5.

77
78 CAPTULO 3 Interpolacin y aproximacin polinomial

3.1 Interpolacin y el polinomio de Lagrange

Una de las clases ms tiles y conocidas de funciones que mapean el conjunto de nmeros
reales en s mismo son los polinomios algebraicos, el conjunto de funciones de la forma

Pn (x) = an x n + an1 x n1 + + a1 x + a0 ,

donde n es un entero positivo y a0, 7, an son constantes reales. Una razn de su importancia
es que se aproximan de manera uniforme a las funciones continuas. Con esto queremos decir
TXHGDGDXQDIXQFLyQGHQLGD\FRQWLQXDVREUHXQLQWHUYDORFHUUDGR\DFRWDGRH[LVWHXQ
polinomio que est tan cerca de la funcin dada como se desee. Este resultado se expresa
FRQSUHFLVLyQHQHOWHRUHPDGHDSUR[LPDFLyQGH:HLHUVWUDVVFRQVXOWHODJXUD

Figura 3.1
y
y 5 f (x) 1
y 5 P (x)
y 5 f (x)
y 5 f (x) 2

a b x

Teorema 3.1 (Teorema de aproximacin de Weierstrass)

Suponga que fHVWiGHQLGD\HVFRQWLQXDHQ>a, b]. Para cada  . 0, existe un polinomio
P (x), con la propiedad de que

| f (x) P(x)| para todas las x en [a, b].

A menudo, se hace referencia a
Karl Weierstrass (18151897)
como el padre del anlisis
La prueba de este teorema se puede encontrar en la mayora de los textos bsicos sobre
moderno debido a su insistencia
sobre el rigor en la demostracin
de resultados matemticos. Fue
fundamental para el desarrollo
de pruebas de convergencia de
series y para determinar formas
GHGHQLUULJXURVDPHQWHORV
nmeros irracionales. Fue el
primero en demostrar que una
funcin podra ser continua en
todas partes, pero diferenciable
en ninguna parte, un resultado
que escandaliz a algunos de sus
contemporneos.
DQiOLVLVUHDOFRQVXOWHSRUHMHPSOR>%DUW@SS
Otra razn importante para considerar la clase de polinomios en la aproximacin de
IXQFLRQHVHVTXHODGHULYDGD\ODLQWHJUDOLQGHQLGDGHXQSROLQRPLRVRQIiFLOHVGHGHWHUPL-
nar y tambin son polinomios. Por esta razn, a menudo se usan polinomios para aproximar
funciones continuas.
Los polinomios de Taylor se presentaron en la seccin 1.1, donde se describieron como
uno de los componentes bsicos del anlisis numrico. Debido a su importancia, se podra
esperar que la aproximacin polinomial usar estas funciones en gran medida; sin embargo,
ste no es el caso. Los polinomios de Taylor concuerdan tanto como es posible con una
IXQFLyQGDGDHQXQSXQWRHVSHFtFRSHURFRQFHQWUDQVXSUHFLVLyQFHUFDGHHVHSXQWR8Q
buen polinomio de aproximacin debe dar precisin relativa sobre un intervalo completo y,
en general, los polinomios de Taylor no lo hacen. Por ejemplo, suponga que calculamos los
 3.1 Interpolacin y el polinomio de Lagrange 79

primeros seis polinomios de Taylor alrededor de x0 5 0 para f (x) 5 e x. Ya que las derivadas
de f (x) son todas ex, que evaluadas en x0 5 0 dan 1, los polinomios de Taylor son

x2 x2 x3
Se public muy poco del trabajo P0 (x) = 1, P1 (x) = 1 + x, P2 (x) = 1 + x + , P3 (x) = 1 + x + + ,
de Weierstrass durante su vida; 2 2 6
no obstante, sus conferencias,
x2 x3 x4 x2 x3 x4 x5
en especial sobre la teora de las P4 (x) = 1 + x + + + , y P5 (x) = 1 + x + + + + .
IXQFLRQHVLQX\HURQGHPDQHUD 2 6 24 2 6 24 120
VLJQLFDWLYDHQXQDJHQHUDFLyQ
completa de estudiantes. /DVJUiFDVGHORVSROLQRPLRVVHPXHVWUDQHQODJXUDREVHUYHTXHLQFOXVRSDUD
los polinomios de grado ms alto, el error empeora progresivamente conforme nos alejamos
de cero).

Figura 3.2
y

20
y 5 P5(x)
y 5 ex
y 5 P4(x)
15
y 5 P3(x)

10
y 5 P2(x)

5
y 5 P1(x)

y 5 P0(x)
21 1 2 3 x

Aunque se obtienen mejores aproximaciones para f (x) 5 e x si se usan polinomios de

Taylor, esto no es verdad para todas las funciones. Considere, como un ejemplo extremo,
usar la expansin en polinomios de Taylor de diferentes grados para f (x) 5 1/ x alrededor de
x0 5 1 para aproximar f (3) 5 1/3. Puesto que

f (x) = x 1 , f (x) = x 2 , f (x) = (1)2 2 x 3 ,

y, en general,

f (k) (x) = (1)k k!x k1 ,

los polinomios de Taylor son

n n
f (k) (1)
Pn (x) = (x 1)k = (1)k (x 1)k .
k=0
k! k=0

Para aproximar f (3) 5 1/3 mediante P n (3) para valores cada vez mayores de n, obtenemos
los valores en la tabla 3.1 (un terrible fracaso!). Cuando aproximamos f (3) 5 1/3 mediante
P n (3) y para valores ms grandes de n, la aproximacin se vuelve cada vez ms imprecisa.

Tabla 3.1 n 0 1 2 3 4 5 6 7
Pn (3) 1 1 3 5 11 21 43 85
80 CAPTULO 3 Interpolacin y aproximacin polinomial

Para los polinomios de Taylor, toda la informacin que se usa en la aproximacin se

concentra en el nico nmero x0, por lo que, en general, stos darn aproximaciones impre-
cisas conforme nos alejamos de x0. Esto limita la aproximacin de polinomios de Taylor a
situaciones en las que las aproximaciones slo se necesitan en nmeros cercanos a x0. Para
SURSyVLWRVFRPSXWDFLRQDOHVRUGLQDULRVHVPiVHFLHQWHXVDUPpWRGRVTXHLQFOX\DQLQIRU-
macin en varios puntos. Consideramos esto en el resto del captulo. El uso principal de los
polinomios de Taylor en el anlisis numrico no tiene propsitos de aproximacin, sino la
derivacin de tcnicas numricas y el clculo de errores.

Polinomios de interpolacin de Lagrange

El problema de determinar un polinomio de grado uno que pasa por diferentes puntos (x0, y0)
y (x1, y1) es igual al de aproximar una funcin f para la que f(x0 ) 5 y0 y f (x1 ) 5 y1 por medio
de un polinomio de primer grado que se interpola, o que coincida con los valores de f en
los puntos determinados. El uso de estos polinomios para aproximacin dentro del intervalo
GHWHUPLQDGRPHGLDQWHSXQWRVQDOHVUHFLEHHOQRPEUHGHinterpolacin.
'HQDODVIXQFLRQHV
x x1 x x0
L 0 (x) = y L 1 (x) = .
x0 x1 x1 x0

El polinomio de interpolacin de Lagrange lineal a travs de (x0, y0) y (x1, y1) es

x x1 x x0
P(x) = L 0 (x) f (x0 ) + L 1 (x) f (x1 ) = f (x0 ) + f (x1 ).
x0 x1 x1 x0

Observe que

L 0 (x0 ) = 1, L 0 (x1 ) = 0, L 1 (x0 ) = 0, y L 1 (x1 ) = 1,

lo cual implica que

P(x0 ) = 1 f (x0 ) + 0 f (x1 ) = f (x0 ) = y0

P(x1 ) = 0 f (x0 ) + 1 f (x1 ) = f (x1 ) = y1 .

Por lo que P es el nico polinomio de grado a lo ms 1 que pasa por (x0, y0) y (x1, y1).

Ejemplo 1 Determine el polinomio de interpolacin de Lagrange que pasa por los puntos (2, 4) y (5, 1).

Solucin en este caso, tenemos

x 5 1 x 2 1
L 0 (x) = = (x 5) y L 1 (x) = = (x 2),
25 3 52 3
por lo que
1 1 4 20 1 2
P(x) = (x 5) 4 + (x 2) 1 = x + + x = x + 6.
3 3 3 3 3 3

/DJUiFDGHy 5 P(xVHPXHVWUDHQODJXUD

 3.1 Interpolacin y el polinomio de Lagrange 81

Figura 3.3
y

(2,4)
4
3
2
y 5 P(x) = 2x 1 6
(5,1)
1

1 2 3 4 5 x

Para generalizar el concepto de interpolacin lineal, considere la construccin de un

polinomio de grado n que pasa a travs de n 1 1 puntos

(x0 , f (x0 )), (x1 , f (x1 )), . . . , (xn , f (xn )).

9pDVHODJXUD

Figura 3.4
y

y 5 f (x)

y 5 P(x)

x0 x1 x2 xn x

En este caso, primero construimos, para cada k 5 0, 1, 7, n, una funcin L n,k (x) con la
propiedad de que Ln,k (xi ) = 0 cuando i = k y L n,k (x k) 5 1. Para satisfacer Ln,k (xi ) = 0 para
cada i = k se requiere que el numerador de L n,k (x) contenga el trmino

(x x0 )(x x1 ) (x xk1 )(x xk+1 ) (x xn ).

Para satisfacer L n,k (x k) 5 1, el denominador de L n,k (x) debe ser el mismo trmino, pero
evaluado en x 5 xk. Por lo tanto,

(x x0 ) (x xk1 )(x xk+1 ) (x xn )

L n,k (x) = .
(xk x0 ) (xk xk1 )(xk xk+1 ) (xk xn )

8QERVTXHMRGHODJUiFDGHXQDL n,k (cuando n HVSDUVHPXHVWUDHQODJXUD

82 CAPTULO 3 Interpolacin y aproximacin polinomial

Figura 3.5

L n,k(x)

x0 x1 ... x k21 xk x k11 ... x n21 xn x

El polinomio de interpolacin se describe fcilmente una vez que se conoce la forma

L n,k . Este polinomio, llamado ensimo polinomio de interpolacin de Lagrange,VHGHQH
en el siguiente teorema.

Teorema 3.2 Si x0, x1, 7, x n son n 1 1 nmeros distintos y f es una funcin cuyos valores estn determi-
nados en estos nmeros, entonces existe un nico polinomio P(x) de grado a lo sumo n con
La frmula de interpolacin
nombrada por Joseph Louis f (xk ) = P(xk ), para cada k = 0, 1, . . . , n.
Lagrange (17361813)
probablemente era conocida
por Newton alrededor de 1675,
Este polinomio est determinado por
pero al parecer fue publicada por
n
primera vez en 1779 por Edward
Waring (17361798). Lagrange P(x) = f (x0 )L n,0 (x) + + f (xn )L n,n (x) = f (xk )L n,k (x), (3.1)
escribi mucho sobre el tema de k=0
interpolacin y su trabajo tuvo
XQDLQXHQFLDVLJQLFDWLYDVREUH donde, para cada k = 0, 1, . . . , n,
los matemticos posteriores. l (x x0 )(x x1 ) (x xk1 )(x xk+1 ) (x xn )
public este resultado en 1795. L n,k (x) = (3.2)
(xk x0 )(xk x1 ) (xk xk1 )(xk xk+1 ) (xk xn )
El smbolo se usa para escribir n
productos de manera compacta y (x xi )
= .
es similar al smbolo , que se
i=0
(xk xi )
utiliza para escribir sumas. Por i =k
ejemplo
3
i=0 ai = a1 a2 a3 . Escribiremos Ln,k (x) simplemente como L k (x) cuando no haya confusin en cuanto a
su grado.

Ejemplo 2 a) Use los nmeros (llamados nodos)

x0 5 2, x1 5 2.75 y x2 5 4 para encontrar el polinomio de interpolacin de Lagrange
de segundo grado para f (x) 5 1/x.
b) Use este polinomio para aproximar f(3) 5 1/3.

Solucin a)3ULPHURGHWHUPLQDPRVORVFRHFLHQWHVSROLQyPLFRVL 0 (x), L 1 (x) y L 2 (x). En

forma anidada, estos son
(x 2.75)(x 4) 2
L 0 (x) = = (x 2.75)(x 4),
(2 2.75)(2 4) 3
(x 2)(x 4) 16
L 1 (x) = = (x 2)(x 4),
(2.75 2)(2.75 4) 15
y
(x 2)(x 2.75) 2
L 2 (x) = = (x 2)(x 2.75).
(4 2)(4 2.75) 5
 3.1 Interpolacin y el polinomio de Lagrange 83

Adems, f (x0 ) = f (2) = 1/2, f (x1 ) = f (2.75) = 4/11, y f (x2 ) = f (4) = 1/4, por lo
que
2
P(x) = f (xk )L k (x)
k=0

1 64 1
= (x 2.75)(x 4) (x 2)(x 4) + (x 2)(x 2.75)
3 165 10
1 2 35 49
= x x+ .
22 88 44
b) Una aproximacin para f (3) = 1/3 (vase la figura 3.6) es
9 105 49 29
f (3) P(3) = + = 0.32955.
22 88 44 88

Recuerde que en la seccin de apertura de este captulo (consulte la tabla 3.1), encontramos
que ninguna expansin en polinomios de Taylor alrededor de x0 5 1 se puede usar para
aproximar razonablemente f(x) 5 1/x en x 5 3.

Figura 3.6
y

2 y 5 f (x)

1
y 5 P(x)

1 2 3 4 5 x

El siguiente paso es calcular un residuo o cota para el error involucrado en la aproxima-

cin de una funcin mediante un polinomio de interpolacin.

Teorema 3.3 Suponga x0 , x1 , . . . , xnVRQQ~PHURVGLVWLQWRVHQHOLQWHUYDOR>a, b] y f C n+1 [a, b]. Enton-

ces, para cada x en >a, b], existe un nmero (x) (generalmente no conocido) entre mn {x0,
x1, 7, xn} y mx{x0, x1, 7, xn} y, por lo tanto, en (a, b), con

f (n+1) ((x))
Existen otras formas de expresar f (x) = P(x) + (x x0 )(x x1 ) (x xn ), (3.3)
el trmino de error para el (n + 1)!
polinomio de Lagrange, pero
sta puede ser la forma ms donde P(x) es el polinomio de interpolacin determinado en la ecuacin (3.1).
til y la que concuerda ms
estrechamente con la forma de
error del polinomio estndar
Demostracin Primero observe que si x 5 x k para cualquier k 5 0, 1, 7, n, entonces f(xk ) 5
de Taylor. P(x k ) y al elegir (x k )de manera arbitraria en (a, b) se obtiene la ecuacin (3.3).
84 CAPTULO 3 Interpolacin y aproximacin polinomial

Si x = xk , para todas las k = 0, 1, . . . , nGHQDODIXQFLyQg para tHQ>a, b] mediante

(t x0 )(t x1 ) (t xn )
g(t) = f (t) P(t) [ f (x) P(x)]
(x x0 )(x x1 ) (x xn )
n
(t xi )
= f (t) P(t) [ f (x) P(x)] .
i=0
(x xi )

Puesto que f C n+1 [a, b], y P C [a, b], se sigue que g C n+1 [a, b]. Para t = xk ,
tenemos
n
(xk xi )
g(xk ) = f (xk ) P(xk ) [ f (x) P(x)] = 0 [ f (x) P(x)] 0 = 0.
i=0
(x xi )

Adems,
n
(x xi )
g(x) = f (x) P(x) [ f (x) P(x)] = f (x) P(x) [ f (x) P(x)] = 0.
i=0
(x xi )

Por lo tanto, g C n+1 [a, b], y g se anula en los n 1 2 nmeros distintos x, x0 , x1 , . . . , xn.
Por el teorema generalizado de Rolle 1.10, existe un nmero en (a, b) para el que
g (n+1) ( ) = 0.Por lo que,
n
d n+1 (t xi )
0 = g (n + 1) ( ) = f (n+1) ( ) P (n+1) ( ) [ f (x) P(x)] . (3.4)
dt n+1 i=0
(x xi )
t=

Sin embargo, P(x) es un polinomio de grado a lo sumo n, por lo que la derivada (n 1 1),
n
P (n+1) (x), es cero. Adems i=0 [(t xi )/(x xi )] es un polinomio de grado (n 1 1), por
lo que
n
(t xi ) 1
= n t n+1 + (trminos de menor grado en t),
i=0
(x xi ) i=0 (x xi )

y
n
d n+1 (t xi ) (n + 1)!
= n .
dt n+1 i=0
(x xi ) i=0 (x
xi )

Ahora, la ecuacin (3.4) se convierte en

(n + 1)!
0 = f (n+1) ( ) 0 [ f (x) P(x)] n ,
i=0 (x xi )
y, despus de resolver f (x), tenemos
n
f (n+1) ( )
f (x) = P(x) + (x xi ).
(n + 1)! i=0

La frmula de error en el teorema 3.3 es un resultado terico importante porque los

polinomios de Lagrange se usan ampliamente para deducir la diferenciacin numrica y
los mtodos de integracin. Las cotas de error para estas tcnicas se obtienen a partir de la
frmula del error de Lagrange.
Observe que la forma del error para el polinomio de Lagrange es bastante similar a la
del polinomio de Taylor. El ensimo polinomio de Taylor alrededor de x0 concentra toda
la informacin conocida en x0 y tiene un trmino de error de la forma
f (n+1) ((x))
(x x0 )n+1 .
(n + 1)!
 3.1 Interpolacin y el polinomio de Lagrange 85

El polinomio de Lagrange de grado n utiliza informacin en los distintos nmeros x0, x1,
, xn y, en lugar de (x 2 x0)n su frmula de error utiliza el producto de los n 1 1 trminos
(x x0 ), (x x1 ), . . . , (x xn ):

f (n+1) ((x))
(x x0 )(x x1 ) (x xn ).
(n + 1)!

Ejemplo 3 En el ejemplo 2 encontramos el segundo polinomio de Lagrange para f(x) 5 1/x HQ>@
usando los nodos x0 5 2, x1 5 2.75 y x2 = 4. Determine la forma del error para este polinomio
y el error mximo cuando el polinomio se usa para aproximar f (x) para x >@

Solucin Como f (x) = x 1, tenemos

f (x) = x 2 , f (x) = 2x 3 , y f (x) = 6x 4 .

En consecuencia, el segundo polinomio de Lagrange tiene el error de la forma

f ((x))
(x x0 )(x x1 )(x x2 ) = ((x))4 (x 2)(x 2.75)(x 4), para (x)en(2, 4).
3!

El valor mximo de ((x))4 en el intervalo es 24 = 1/16. Ahora necesitamos determinar el

valor mximo en este intervalo del valor absoluto del polinomio

35 2 49
g(x) = (x 2)(x 2.75)(x 4) = x 3 x + x 22.
4 2
Como
35 2 49 35 49 1
Dx x3 x + x 22 = 3x 2 x+ = (3x 7)(2x 7),
4 2 2 2 2
los puntos crticos se presentan en
7 7 25 7 7 9
x= , con g = , y x= , con g = .
3 3 108 2 2 16
Por lo tanto, el error mximo es
f ((x)) 1 9 9
|(x x0 )(x x1 )(x x2 )| = 0.03515625.
3! 16 16 256

El siguiente ejemplo ilustra cmo se puede usar la frmula del error para preparar una
tabla de datos que garantizar un error de interpolacin dentro de una cota establecida.

Ejemplo 4 Suponga que se va a preparar una tabla para la funcin f (x) = e x , para x en [0, 1]. Imagine
que el nmero de lugares decimales proporcionado por entrada es d $ 8 y que h, el tamao
del paso es la diferencia entre valores adyacentes x. Qu tamao de paso h garantizar que
la interpolacin lineal proporcione un error absoluto a lo mximo de 106 para todas las x
HQ>@"

Solucin Sean x0, x1, 7 los nmeros en los que se evala f y xHVWiHQ>@\VXSRQJDTXHj
satisface xj # x # x j 11. La ecuacin (3.3) implica que el error en la interpolacin lineal es

f (2) ( ) | f (2) ( )|
| f (x) P(x)| = (x x j )(x x j+1 ) = |(x x j )||(x x j+1 )|.
2! 2
Como el tamao del paso es h, entonces x j = j h, x j+1 = ( j + 1)h, y

| f (2) ( )|
| f (x) P(x)| |(x j h)(x ( j + 1)h)|.
2!
86 CAPTULO 3 Interpolacin y aproximacin polinomial

Por lo tanto,

mx [0,1] e
| f (x) P(x)| mx |(x j h)(x ( j + 1)h)|
2 x j xx j+1

e
mx |(x j h)(x ( j + 1)h)|.
2 x j xx j+1
Considere la funcin g(x) = (x j h)(x ( j + 1)h), para j h x ( j + 1)h. Luego
h
g (x) = (x ( j + 1)h) + (x j h) = 2 x j h ,
2

el nico punto crtico para g se encuentra en x = j h + h/2, con g( j h + h/2) = (h/2)2

= h 2 /4.
Puesto que g( j h) = 0 y g(( j + 1)h) = 0, el valor mximo de |g (x)| en [j h, ( j + 1)h]
se debe presentar en el punto crtico, lo cual implica que (vase el ejercicio 21)

e e h2 eh 2
| f (x) P(x)| mx |g(x)| = .
2 x j xx j+1 2 4 8
Por consiguiente, para garantizar que el error en la interpolacin lineal est acotado por
1026HVVXFLHQWHHOHJLUh de tal forma que

eh 2
106 . Esto implica que h < 1.72 103 .
8

Puesto que n 5 (1 2 0)/h debe ser un entero, una seleccin razonable para el tamao del
paso es h 5 0.001.

La seccin Conjunto de ejercicios 3.1 est disponible en lnea. Encuentre la ruta de

acceso en las pginas preliminares.

3.2 Aproximacin de datos y mtodo de Neville

En la seccin anterior encontramos una representacin explcita para los polinomios de La-
grange y su error cuando se aproxima una funcin sobre un intervalo. El uso frecuente de
estos polinomios implica la interpolacin de datos tabulados. En este caso, una represen-
tacin explcita del polinomio podra no ser necesaria, slo los valores del polinomio en
SXQWRVHVSHFtFRV(QHVWDVLWXDFLyQVHUtDSRVLEOHTXHODIXQFLyQVXE\DFHQWHDORVGDWRVQR
se conozca, por lo que la forma explcita del error no se puede usar. Ahora, ilustraremos una
aplicacin prctica de interpolacin en dicha situacin.

Ilustracin La tabla 3.2 lista los valores de una funcin f en diferentes puntos. Las aproximaciones para
f (1.5) obtenidas con distintos polinomios de Lagrange que usan estos datos se comparar
para probar y determinar la precisin de la aproximacin.
Tabla 3.2
El polinomio lineal ms apropiado usa x0 5 1.3 y x1 5 1.6 porque 1.5 se encuentra entre 1.3
x f (x) y 1.6. El valor del polinomio de interpolacin en 1.5 es
1.0 0.7651977 (1.5 1.6) (1.5 1.3)
1.3 0.6200860 P1 (1.5) = f (1.3) + f (1.6)
1.6 0.4554022 (1.3 1.6) (1.6 1.3)
1.9 0.2818186 (1.5 1.6) (1.5 1.3)
2.2 0.1103623 = (0.6200860) + (0.4554022) = 0.5102968.
(1.3 1.6) (1.6 1.3)
 3.2 Aproximacin de datos y mtodo de Neville 87

Es posible usar razonablemente dos polinomios de grado dos, uno con x0 5 1.3, x1 5 1.6 y
x2 5 1.9, lo cual nos da

(1.5 1.6)(1.5 1.9) (1.5 1.3)(1.5 1.9)

P2 (1.5) = (0.6200860) + (0.4554022)
(1.3 1.6)(1.3 1.9) (1.6 1.3)(1.6 1.9)
(1.5 1.3)(1.5 1.6)
+ (0.2818186) = 0.5112857,
(1.9 1.3)(1.9 1.6)

y uno con x0 5 1.0, x1 5 1.3 y x2 5 1.6, lo cual nos da P 2 (1.5) = 0.5124715.

En el caso de tercer grado, tambin hay dos opciones razonables para el polinomio, una
con x0 5 1.3, x1 5 1.6, x2 5 1.9 y x3 5 2.2, lo cual nos da P3(1.5) 5 0.5118302. La segunda
aproximacin de tercer grado se obtiene con x0 51.0, x1 5 1.3, x2 5 1.6 y x3 5 1.9, lo cual
nos da P 3 (1.5) = 0.5118127.
El polinomio de Lagrange de cuarto grado usa todas las entradas en la tabla. Con
x0 5 1.0, x1 5 1.3, x2 = 1.6, x3 5 1.9 y x4 5 2.2, la aproximacin es P4(1.5) = 0.5118200.
Puesto que P3(1.5), P 3 (1.5) y P4(1.5) concuerdan con una exactitud de 2 3 1025 unida-
des, esperamos este grado de precisin para estas aproximaciones. Tambin esperamos que
P4(1.5) sea la aproximacin ms precisa ya que usa la mayor parte de los datos proporcio-
nados.
/DIXQFLyQTXHHVWDPRVDSUR[LPDQGRHVHQUHDOLGDGODIXQFLyQGH%HVVHOGHSULPHUD
clase de orden cero, cuyo valor en 1.5 se conoce como 0.5118277. Por lo tanto, las verdade-
ras precisiones de las aproximaciones son las siguientes:

|P1 (1.5) f (1.5)| 1.53 103 ,

|P2 (1.5) f (1.5)| 5.42 104 ,
| P 2 (1.5) f (1.5)| 6.44 104 ,
|P3 (1.5) f (1.5)| 2.5 106 ,
| P 3 (1.5) f (1.5)| 1.50 105 ,
|P4 (1.5) f (1.5)| 7.7 106 .

Aunque P3(1.5) es la aproximacin ms precisa, si no conocemos el valor real de f (1.5),

aceptaramos P4(1.5) como la mejor aproximacin ya que incluye la mayor cantidad de da-
tos sobre la funcin. El trmino del error de Lagrange derivado del teorema 3.3 no se puede
aplicar aqu porque no conocemos la cuarta derivada de f. Por desgracia, este casi siempre
es el caso.

Mtodo de Neville
8QDGLFXOWDGSUiFWLFDFRQODLQWHUSRODFLyQGH/DJUDQJHHVTXHHOWpUPLQRGHOHUURUHVGLItFLO
de aplicar, por lo que el grado del polinomio que se necesita para la precisin deseada en
general se desconoce hasta que se realizan los clculos. Una prctica comn es calcular los
resultados dados a partir de diferentes polinomios hasta que se obtiene el acuerdo apropia-
do, como se hizo en la ilustracin anterior. Sin embargo, el trabajo efectuado al calcular la
aproximacin con el segundo polinomio no disminuye el trabajo necesario para calcular
la tercera aproximacin, ni la cuarta aproximacin es fcil de obtener una vez que se conoce la
tercera aproximacin y as sucesivamente. Ahora, derivaremos estos polinomios de aproxi-
macin de una manera que use los clculos previos para una mayor ventaja.

Denicin 3.4 Sea fXQDIXQFLyQGHQLGDHQx0 , x1 , x2 , . . . , xn y suponga que m 1 , m 2 , . . . , m k son k enteros

diferentes, con 0 m i n para cada i. El polinomio de Lagrange que concuerda con f(x)
en los puntos k xm 1 , xm 2 , . . . , xm k se denota Pm 1 ,m 2 ,... ,m k (x).
88 CAPTULO 3 Interpolacin y aproximacin polinomial

Ejemplo 1 Suponga que x0 5 1, x1 5 2, x2 5 3, x3 5 4, x4 5 6 y f(x) = ex. Determine el polinomio de

interpolacin que se denota P1,2,4(x) y use este polinomio para aproximar f(5).

Solucin ste es el polinomio de Lagrange que concuerda con f(x) en x1 5 2, x2 5 3 y

x4 5 6. Por lo tanto,

(x 3)(x 6) 2 (x 2)(x 6) 3 (x 2)(x 3) 6

P1,2,4 (x) = e + e + e .
(2 3)(2 6) (3 2)(3 6) (6 2)(6 3)
por lo que,
(5 3)(5 6) 2 (5 2)(5 6) 3 (5 2)(5 3) 6
f (5) P(5) = e + e + e
(2 3)(2 6) (3 2)(3 6) (6 2)(6 3)
1 1
= e2 + e3 + e6 218.105.
2 2
El siguiente resultado describe un mtodo para generar de forma recursiva las aproxima-
ciones del polinomio de Lagrange.

Teorema 3.5 Sea f GHQLGDHQx0, x1, 7, xk y sean xj y xi dos nmeros distintos en este conjunto. Entonces

(x x j )P0,1,... , j1, j+1,... ,k (x) (x xi )P0,1,... ,i1,i+1,... ,k (x)

P(x) =
(xi x j )

es el k-simo polinomio de Lagrange que interpola f en los puntos k 1 1 x0, x1, 7, xk.

Demostracin Para la facilidad de la notacin, sea Q P0,1,... ,i1,i+1,... ,k y Q

P0,1,... ,
j1, j+1,... ,k . Puesto que Q(x) y Q(x)
son polinomios de grado k 2 1 o menos, P(x) es de
grado mximo k.
Primero, observe que Q(x i ) = f (xi ) implica que

(xi x j ) Q(x
i ) (xi xi )Q(xi ) (xi x j )
P(xi ) = = f (xi ) = f (xi ).
xi x j (xi x j )

Similarmente, como Q(x j ) = f (x j ), tenemos que P(x j ) = f (x j ).

Adems, si 0 r k y r no es i ni j, entonces Q(xr ) = Q(x
r ) = f (xr ). Por lo tanto,

(xr x j ) Q(x
r ) (xr xi )Q(xr ) (xi x j )
P(xr ) = = f (xr ) = f (xr ).
xi x j (xi x j )

3HURSRUGHQLFLyQP0,1,... ,k (x) es el nico polinomio de grado mximo k que concuerda con

f en x0 , x1 , . . . , xk . Por lo tanto P P0,1,... ,k .

El teorema 3.5 implica que los polinomios de interpolacin pueden generarse de manera
recursiva. Por ejemplo, tenemos

1 1
P0,1 = [(x x0 )P1 + (x x1 )P0 ], P1,2 = [(x x1 )P2 + (x x2 )P1 ],
x1 x0 x2 x1
1
P0,1,2 = [(x x0 )P1,2 + (x x2 )P0,1 ],
x2 x0

y as sucesivamente. Estos se generan de la manera que se muestra en la tabla 3.3, donde

FDGDODVHFRPSOHWDDQWHVGHTXHODVODVVXFHVLYDVFRPLHQFHQ
 3.2 Aproximacin de datos y mtodo de Neville 89

Tabla 3.3 x0 P0
x1 P1 P0,1
x2 P2 P1,2 P0,1,2
x3 P3 P2,3 P1,2,3 P0,1,2,3
x4 P4 P3,4 P2,3,4 P1,2,3,4 P0,1,2,3,4

Eric Harold Neville (18891961)
DSRUWyHVWDPRGLFDFLyQGH
la frmula de Lagrange en un
DUWtFXORSXEOLFDGRHQ>1@
El procedimiento que usa el resultado del teorema 3.5 para generar recursivamente las
aproximaciones de polinomios de interpolacin recibe el nombre de mtodo de Neville. La
notacin P que se usa en la tabla 3.3 es pesada debido al nmero de subndices que se utilizan
para representar las entradas. Observe, sin embargo, que mientras se construye un arreglo,
slo se necesitan dos subndices. El procedimiento hacia abajo en la tabla corresponde al
uso consecutivo de los puntos xi con una i ms grande, y el procedimiento hacia la derecha
corresponde al incremento del grado del polinomio de interpolacin. Puesto que los puntos
aparecen de manera consecutiva en cada entrada, necesitamos describir slo un punto de
inicio y el nmero de puntos adicionales que se usan en la construccin de la aproximacin.
Para evitar los mltiples ndices, dejamos que Qi,j (x) para 0 j i, denote el polinomio
de interpolacin de grado j en los nmeros (j + 1) xi j , xi j+1 , . . . , xi1 , xi ; es decir

Q i, j = Pi j,i j+1,... ,i1,i .

Usando esta notacin obtenemos el arreglo de notacin Q en la tabla 3.4.

Tabla 3.4 x0 P0 = Q 0,0

x1 P1 = Q 1,0 P0,1 = Q 1,1
x2 P2 = Q 2,0 P1,2 = Q 2,1 P0,1,2 = Q 2,2
x3 P3 = Q 3,0 P2,3 = Q 3,1 P1,2,3 = Q 3,2 P0,1,2,3 = Q 3,3
x4 P4 = Q 4,0 P3,4 = Q 4,1 P2,3,4 = Q 4,2 P1,2,3,4 = Q 4,3 P0,1,2,3,4 = Q 4,4

Ejemplo 2 Los valores de diferentes polinomios de interpolacin en x 5 1.5 se obtuvieron en la ilus-

tracin al inicio de esta seccin usando los datos que se muestran en la tabla 3.5. Aplique el
mtodo de Neville a los datos mediante la construccin de una tabla recursiva de la forma
que se observa en la tabla 3.4.
Tabla 3.5
x f (x) Solucin Sea x0 5 1.0, x1 5 1.3, x2 5 1.6, x3 5 1.9 y x4 = 2.2, entonces Q0,0 5 f (1.0), Q1,0
1.0 0.7651977 5 f(1.3), Q2,0 5 f(1.6), Q3,0 5 f(1.9) y Q4,0 5 f(2.2). Estos son los cinco polinomios de grado
1.3 0.6200860 cero (constantes) que aproximan f(1.5) y son iguales a los datos que se proporcionan en la
1.6 0.4554022 tabla 3.5.
1.9 0.2818186 Al calcular la aproximacin de primer grado Q1,1 (1.5) obtenemos
2.2 0.1103623
(x x0 )Q 1,0 (x x1 )Q 0,0
Q 1,1 (1.5) =
x1 x0
(1.5 1.0)Q 1,0 (1.5 1.3)Q 0,0
=
1.3 1.0
0.5(0.6200860) 0.2(0.7651977)
= = 0.5233449.
0.3
De igual forma,
(1.5 1.3)(0.4554022) (1.5 1.6)(0.6200860)
Q 2,1 (1.5) = = 0.5102968,
1.6 1.3
Q 3,1 (1.5) = 0.5132634, y Q 4,1 (1.5) = 0.5104270.
90 CAPTULO 3 Interpolacin y aproximacin polinomial

Se espera que la mejor aproximacin lineal sea Q2,1 porque 1.5 se encuentra entre
x1 5 1.3 y x2 5 1.6.
De manera similar, las aproximaciones usando polinomios de grado superior estn dadas por

(1.5 1.0)(0.5102968) (1.5 1.6)(0.5233449)

Q 2,2 (1.5) = = 0.5124715,
1.6 1.0
Q 3,2 (1.5) = 0.5112857, y Q 4,2 (1.5) = 0.5137361.

Las aproximaciones de grado superior se generan de una manera similar y se muestran

en la tabla 3.6.

Tabla 3.6 1.0 0.7651977

1.3 0.6200860 0.5233449
1.6 0.4554022 0.5102968 0.5124715
1.9 0.2818186 0.5132634 0.5112857 0.5118127
2.2 0.1103623 0.5104270 0.5137361 0.5118302 0.5118200

Si la ltima aproximacin Q4,4 QRIXHVXFLHQWHPHQWHSUHFLVDVHUtDSRVLEOHVHOHFFLRQDU

otro nodo x5\DxDGLURWUDODDODWDEOD

x5 Q 5,0 Q 5,1 Q 5,2 Q 5,3 Q 5,4 Q 5,5 .

Entonces Q4,4, Q5,4 y Q5,5 podran compararse para determinar la precisin posterior.
/DIXQFLyQHQHOHMHPSORHVODIXQFLyQGH%HVVHOGHSULPHUDFODVHGHRUGHQFHURFX\R
valor en 2.5 es 2\ODVLJXLHQWHODGHDSUR[LPDFLRQHVSDUDf(1.5) es

2.5 0.0483838 0.4807699 0.5301984 0.5119070 0.5118430 0.5118277.

La ltima nueva entrada, 0.5118277, es correcta para siete lugares decimales.

Ejemplo 3 La tabla 3.7 lista los valores de f(x) 5 ln x precisos para los lugares dados. Use el mtodo
de Neville y la aritmtica de redondeo de cuatro dgitos para aproximar f (2.1) 5 ln 2.1 al
Tabla 3.7 completar la tabla de Neville.
i xi ln xi
Solucin Puesto que x 2 x0 5 0.1, x 2 x1 5 20.1 y x 2 x2 5 20.2, tenemos Q0,0 5 0.6931,
0 2.0 0.6931 Q1,0 5 0.7885 y Q2,0 5 0.8329,
1 2.2 0.7885
2 2.3 0.8329 1 0.1482
Q 1,1 = [(0.1)0.7885 (0.1)0.6931] = = 0.7410
0.2 0.2
y
1 0.07441
Q 2,1 = [(0.1)0.8329 (0.2)0.7885] = = 0.7441.
0.1 0.1
La aproximacin final que podemos obtener a partir de estos datos es
1 0.2276
Q 2,1 = [(0.1)0.7441 (0.2)0.7410] = = 0.7420.
0.3 0.3
Estos valores se muestran en la tabla 3.8.

Tabla 3.8 i xi x xi Q i0 Q i1 Q i2
0 2.0 0.1 0.6931
1 2.2 0.1 0.7885 0.7410
2 2.3 0.2 0.8329 0.7441 0.7420
 3.3 Diferencias divididas 91

En el ejemplo anterior, tenemos f(2.1) 5 ln 2.1 5 0.7419 para cuatro lugares decimales,
por lo que el error absoluto es

| f (2.1) P2 (2.1)| = |0.7419 0.7420| = 104 .

Sin embargo, f (x) = 1/x, f (x) = 1/x 2 , y f (x) = 2/x 3, por lo que la frmula de error
de Lagrange (3.3) en el teorema 3.3 nos da la cota del de error

f ((2.1))
| f (2.1) P2 (2.1)| = (x x 0 )(x x1 )(x x2 )
3!
1 0.002
= (0.1)(0.1)(0.2) = 8.3 105 .
3 ((2.1)) 3 3(2)3

Observe que el error real, 1024, excede la cota del error, 8.3 105. Esta aparente con-
WUDGLFFLyQHVXQDFRQVHFXHQFLDGHORVFiOFXORVGHGtJLWRVQLWRV1RVRWURVXVDPRVODDULW-
mtica de redondeo de cuatro dgitos, y la frmula del error de Lagrange (3.3) supone la
DULWPpWLFDGHGtJLWRVLQQLWRV(VWRFDXVyTXHQXHVWURVHUURUHVUHDOHVH[FHGLHUDQHOFiOFXOR
de error terico.
Recuerde: No puede esperar mayor precisin de la proporcionada por la aritmtica.
(ODOJRULWPRFRQVWUX\HSRUODVODVHQWUDGDVHQHOPpWRGRGH1HYLOOH

ALGORITMO Interpolacin iterada de Neville

3.1 Para evaluar el polinomio de interpolacin P en los diferentes nmeros n 1 1, x0, 7, xn en
el nmero x para la funcin f :
ENTRADA nmeros x, x0 , x1 , . . . , xn ; valores f (x0 ), f (x1 ), . . . , f (xn ) como la primera
columna Q 0,0 , Q 1,0 , . . . , Q n,0 de Q.
SALIDA la tabla Q con P(x) = Q n,n .
Paso 1 Para i = 1, 2, . . . , n
para j = 1, 2, . . . , i
(x xi j )Q i, j1 (x xi )Q i1, j1
haga Q i, j = .
xi xi j
Paso 2 SALIDA (Q);
PARE.

La seccin Conjunto de ejercicios 3.2 est disponible en lnea. Encuentre la ruta de

acceso en las pginas preliminares.

3.3 Diferencias divididas

La interpolacin iterada se us en la seccin previa para generar sucesivamente aproxima-
FLRQHVSROLQRPLDOHVGHJUDGRVXSHULRUHQXQSXQWRHVSHFtFR/RVPpWRGRVGHGLIHUHQFLD
dividida que se presentan en esta seccin se usan para generar sucesivamente los polinomios
en s mismos.

Diferencias divididas
Suponga que Pn(x) es el ensimo polinomio de interpolacin que concuerda con la funcin f
en los diferentes nmeros x0, x1, 7, xn. A pesar de que este polinomio es nico, existen re-
92 CAPTULO 3
Como en muchas reas, Isaac
Newton es prominente en
el estudio de ecuaciones de
diferencia. Desarroll frmulas
de interpolacin desde 1675,
usando su notacin  en tablas
de diferencias. Adopt un
enfoque muy general hacia las
frmulas de diferencias, por lo
que los ejemplos explcitos que
produjo, incluyendo las frmulas
de Lagrange, a menudo son
conocidas con otros nombres.
Interpolacin y aproximacin polinomial
presentaciones algebraicas que son tiles en ciertas situaciones. Las diferencias divididas de
f respecto a x0, x1, 7, xn se usan para expresar Pn(x) en la forma
Pn (x) = a0 + a1 (x x0 ) + a2 (x x0 )(x x1 ) + + an (x x0 ) (x xn1 ), (3.5)
para constantes apropiadas a0, a1, 7, an. Para determinar la primera de estas constantes, a0,
observe que si Pn(x) se escribe en la forma de la ecuacin (3.5), entonces evaluando Pn(x) en
x0 queda slo el trmino constante a0; es decir,
a0 = Pn (x0 ) = f (x0 ).
Similarmente, cuando P(x) se evala en x1, los nicos trminos diferentes de cero en la
evaluacin de Pn(x1) son los trminos constante y lineal,
f (x0 ) + a1 (x1 x0 ) = Pn (x1 ) = f (x1 );
por lo que
f (x1 ) f (x0 )
a1 = . (3.6)
x1 x0
Ahora presentaremos la notacin de diferencias divididas, que se relaciona con la no-
tacin 2 de Aitkens que se us en la seccin 2.5. La cerosima diferencia dividida de la
funcin f respecto a xi, denotada f >xi], es simplemente el valor de f en xi:
f [xi ] = f (xi ). (3.7)
/DVGLIHUHQFLDVGLYLGLGDVUHVWDQWHVVHGHQHQGHPDQHUDUHFXUVLYDODprimera diferencia
dividida de f respecto a xi y xi+1 se denota f [xi , xi+1 ] \VHGHQHFRPR
f [xi+1 ] f [xi ]
f [xi , xi+1 ] = . (3.8)
xi+1 xi
La segunda diferencia dividida, f [xi , xi+1 , xi+2 ], VHGHQHFRPR
f [xi+1 , xi+2 ] f [xi , xi+1 ]
f [xi , xi+1 , xi+2 ] = .
xi+2 xi
De igual forma, despus de que las (k 21) -simas diferencias divididas,
f [xi , xi+1 , xi+2 , . . . , xi+k1 ] y f [xi+1 , xi+2 , . . . , xi+k1 , xi+k ],
se han determinado, la k-sima diferencia dividida relativa a xi , xi+1 , xi+2 , . . . , xi+k es
f [xi+1 , xi+2 , . . . , xi+k ] f [xi , xi+1 , . . . , xi+k1 ]
f [xi , xi+1 , . . . , xi+k1 , xi+k ] = . (3.9)
xi+k xi
El proceso termina con la nica ensima diferencia dividida,
f [x1 , x2 , . . . , xn ] f [x0 , x1 , . . . , xn1 ]
f [x0 , x1 , . . . , xn ] = .
xn x0
Debido a la ecuacin (3.6), podemos escribir a1 = f [x0 , x1 ], justo cuando a0 se puede ex-
presar como a0 = f (x0 ) = f [x0 ]. Por lo tanto, el polinomio de interpolacin en la ecuacin
(3.5) es
Pn (x) = f [x0 ] + f [x0 , x1 ](x x0 ) + a2 (x x0 )(x x1 )
+ + an (x x0 )(x x1 ) (x xn1 ).
 Anlisis numrico, 10a. ed., se escribi para que los estudiantes de ingeniera,
matemticas, ciencias de la computacin puedan usarlo en los cursos sobre la teora
y la aplicacin de tcnicas de aproximacin numrica.

Prcticamente todos los conceptos en el texto estn ilustrados con un ejemplo

y contiene ms de 2 500 ejercicios probados en clase que van desde aplicaciones
fundamentales de mtodos y algoritmos hasta generalizaciones y extensiones de
la teora. Adems, los conjuntos de ejercicios incluyen varios problemas aplicados
de diversas reas de la ingeniera, as como de la fsica, la informtica, la biolo-
ga y las ciencias econmicas y sociales. Las aplicaciones, seleccionadas de forma
clara y concisa, demuestran la manera en la que las tcnicas numricas se aplican
en situaciones de la vida real.

Visite nuestro sitio en http://latinoamerica.cengage.com