Capı́tulo 7

Aproximación de funciones por

polinomios

7.1. Problemas resueltos

1. Determinar el polinomio interpolador de las familias de puntos

a)
0 1 −1 0 1 −1 2
0 2 2 0 2 2 8
b)
0 1 2 0 1 2 3
0 1 12 0 1 12 33

Solución.
Las familias de puntos de cada uno de los dos apartados del ejercicio se construyen de forma análoga:
la segunda de las familias se obtiene a partir de la primera mediante la adición de un nuevo punto.
Dicha propiedad común a las dos familias convierte este ejercicio en una oportunidad de aplicar
las dos técnicas principales para determinar polinomios interpoladores. Para obtener el polinomio
interpolador de la primera familia de cada apartado utilizaremos el método de Lagrange. El cálculo
del polinomio interpolador de la segunda familia de puntos se realizará mediante la aplicación del
método de Newton a partir del polinomio interpolador de la primera familia.

a) Si denotamos los puntos de la primera familia dada por

(x0 , y0 ) = (0, 0), (x1 , y1 ) = (1, 2), (x2 , y2 ) = (−1, 2),
la base de polinomios de Lagrange asociada a las abscisas de los puntos anteriores es
(x − x1 )(x − x2 ) (x − 1)(x + 1)
L0 (x) = = = −x2 + 1,
(x0 − x1 )(x0 − x2 ) (0 − 1)(0 + 1)
(x − x0 )(x − x2 ) (x − 0)(x + 1) x2 + x
L1 (x) = = = ,
(x1 − x0 )(x1 − x2 ) (1 − 0)(1 + 1) 2
(x − x0 )(x − x1 ) (x − 0)(x − 1) x2 − x
L2 (x) = = = . (7.1)
(x2 − x0 )(x2 − x1 ) (−1 − 0)(−1 − 1) 2
Por tanto el polinomio interpolador pedido es
! " ! "
x2 + x x2 − x
p2 (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) = 2 +2
2 2
= (x2 + x) + (x2 − x) = 2x2 . (7.2)

123
 A partir del polinomio interpolador de la primera familia del apartado obtenido en (7.2), de
acuerdo al método de Newton, el polinomio interpolador de la segunda familia de puntos es

p3 (x) = p2 (x) + c3 (x − x0 )(x − x1 )(x − x2 )

= p2 (x) + c3 (x − 0)(x − 1)(x + 1),

entonces para que el punto (2, 8) esté en el grafo del polinomio p3 (x) se tiene que verificar

p3 (2) = 8 = p(2) + c3 (2 − 0)(2 − 1)(2 + 1) ⇐⇒ 8 = 8 + 6c3 ⇐⇒ c3 = 0,

de donde concluimos que

p3 (x) = p2 (x) = 2x2 , (7.3)
es el polinomio interpolador de la segunda familia de puntos del primer apartado.
La siguiente figura recoge el grafo de el polinimio interpolador p3 (x).

−2 −1 1 2

Figura 7.1: Grafo del polinomio interpolador de la familia {(0, 0), (1, 2), (−1, 2), (2, 8)}

b) Dados los puntos

(x0 , y0 ) = (0, 0), (x1 , y1 ) = (1, 1), (x2 , y2 ) = (2, 12),

la base de polinomios de Lagrange que definen sus abscisas está formada por los polinomios
(x − x1 )(x − x2 ) (x − 1)(x − 2) x2 − 3x + 2
L0 (x) = = =− ,
(x0 − x1 )(x0 − x2 ) (0 − 1)(0 − 2) 2
(x − x0 )(x − x2 ) (x − 0)(x − 2)
L1 (x) = = = −x2 + 2x,
(x1 − x0 )(x1 − x2 ) (1 − 0)(1 − 2)
(x − x0 )(x − x1 ) (x − 0)(x − 1) x2 − x
L2 (x) = = = . (7.4)
(x2 − x0 )(x2 − x1 ) (2 − 0)(2 − 1) 2

124 A. de Francisco y R. Santamarı́a

 Por tanto, de acuerdo al método de Lagrange, el polinomio buscado es
! "
x2 − x
p2 (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) = (−x2 + 2x) + 12
2
= (−x2 + 2x) + 6(x2 − x) = 5x2 − 4x. (7.5)

Acabaremos el ejercicio determinando el polinomio interpolador de la segunda familia de puntos

mediante el método de Newton tomando como punto de partida el polinomio (7.5). Ası́

p3 (x) = p2 (x) + c3 (x − x0 )(x − x1 )(x − x2 )

= p2 (x) + c3 (x − 0)(x − 1)(x − 2),

luego
p3 (3) = 33 = p2 (3) + c3 (3 − 0)(3 − 1)(3 − 2) ⇐⇒ 33 = 33 + 6c3 ⇐⇒ c3 = 0,
por tanto
p3 (x) = p2 (x) = 5x2 − 4x. (7.6)

Sesión de Maxima 7.1

Maxima nos permite comprobar fácilmente los cálculos anteriores con ayuda de las rutinas contenidas
en el fichero interpolacion-polinomial.mac que cargamos en memoria mediante la orden
( %i1) load("interpolacion-polinomial");
( %o1) /Users/xxx/.maxima/interpolacion-polinomial.mac
Seguidamente determinaremos el primer polinomio interpolador. La forma para calcularlo constituye
un modelo a seguir. Primero introducimos la lista de abscisas y ordenadas de los puntos de la familia
( %i2) X:[0,1,-1];
( %o2) [0, 1, −1]
( %i3) Y:[0,2,2];
( %o3) [0, 2, 2]
La siguiente sentencia ofrece como respuesta el polinomio interpolador obtenido en (7.2)
( %i4) interpolador(X,Y);
( %o4) 2x2
También podemos determinar el polinomio anterior mediante el método de Lagrange que Maxima
tiene implementado. Las dos órdenes siguientes ilustran como aplicar esta técnica
( %i5) lagrange([[0,0],[1,2],[-1,2]]);
( %o5) (x + 1)x + (x − 1)x
( %i6) expand( %);
( %o6) 2x2
La comparación de las respuestas ( %o5) y ( %o6) con los cálculos realizados en (7.2) nos permite
verificar que hemos aplicado el método de Lagrange correctamente.
Las rutinas del fichero interpolacion-polinomial.mac también nos permiten calcular la base de
polinomios involucrada en el método de Lagrange a través de la orden baselagrange aplicada sobre
la lista de abscisas de los puntos. En este caso la base de Lagrange se obtiene con la orden
( %i7) baselagrange(X);
# $
x(x + 1) (x − 1)x
( %o7) (1 − x)(x + 1), ,
2 2

A. de Francisco y R. Santamarı́a 125

 que coincide con la base de polinomios previamente recogida en (7.1).
La siguiente secuencia de sentencias asegura que el polinomio interpolador de la segunda familia de
puntos del primer apartado es el polinomio determinado en (7.3)
( %i8) X:[0,1,-1,2];
( %o8) [0, 1, −1, 2]
( %i9) Y:[0,2,2,8];
( %o9) [0, 2, 2, 8]
( %i10) interpolador(X,Y);
( %o10) 2x2
El polinomio determinado en (7.5) está correctamente calculado mediante la aplicación del método
de Lagrange tal y como revelan las órdenes siguientes
( %i11) lagrange([[0,0],[1,1],[2,12]]);
( %o11) 6(x − 1)x − (x − 2)x
( %i12) expand( %);
( %o12) 5x2 − 4x
al igual que la base de Lagrange determinada por x0 = 0, x1 = 1 y x2 = 2 presentada en (7.4)
( %i13) X:[0,1,2];
( %o13) [0, 1, 2]
( %i14) baselagrange(X);
# $
(1 − x)(x − 2) (x − 1)x
( %o14) − , (2 − x)x,
2 2
Finalizamos esta sesión comprobando el último resultado con ayuda de Maxima
( %i15) X:[0,1,2,3];
( %o15) [0, 1, 2, 3]
( %i16) Y:[0,1,12,33];
( %o16) [0, 1, 12, 33]
( %i17) interpolador(X,Y);
( %o17) 5x2 − 4x
luego el polinomio interpolador de la segunda familia de puntos del apartado b) del enunciado pre-
sentado en (7.6) está correctamente calculado.

2. Determinar mediante el método de Newton el polinomio interpolador de las familias de puntos

0 2 −2 1 −1 2 3 5
1 9 −7 2 5 5 25 95

Solución.
Dadas las abscisas de los puntos de la familia, x0 = 0, x1 = 2, x2 = −2 y x3 = 1, para determinar el
polinomio interpolador de la primera familia de puntos, el método de Newton establece que el primer
polinomio auxiliar se obtiene multiplicando la ordenada del primer punto, c0 = 1, por el primer
polinomio de la base del método, que es el polinomio N0 (x) = 1, por tanto en este caso

p0 (x) = c0 N0 (x) = 1.

126 A. de Francisco y R. Santamarı́a

 Ası́ el método establece que el siguiente polinomio es de la forma

p1 (x) = p0 (x) + c1 N1 (x) = p0 (x) + c1 (x − x0 )

= p0 (x) + c1 (x − 0),

luego
p1 (2) = 9 = p2 (2) + c1 (2 − 0) ⇐⇒ 9 = 1 + 2c2 ⇐⇒ c1 = 4,
entonces
p1 (x) = p0 (x) + 4(x − 0) = 4x + 1.
El siguiente polinomio se construye como sigue

p2 (x) = p1 (x) + c2 N2 (x) = p1 (x) + c2 (x − x0 )(x − x1 )

= p1 (x) + c2 (x − 0)(x − 2),

que conduce a la igualdad

p2 (−2) = −7 = p1 (−2) + c2 (−2 − 0)(−2 − 2) ⇐⇒ −7 = −7 + 8c2 ⇐⇒ c2 = 0,

de donde concluimos
p2 (x) = p1 (x) = 4x + 1.
Finalmente, el polinomio interpolador buscado es de la forma

p3 (x) = p2 (x) + c3 N3 (x) = p2 (x) + c3 (x − x0 )(x − x1 )(x − x2 )

= p2 (x) + c3 (x − 0)(x − 2)(x + 2),

por tanto, si el último punto de la familia, el punto (1, 2), está en el grafo del polinomio anterior se
tiene que satisfacer la igualdad

p3 (1) = 2 = p2 (1) + c3 (1 − 0)(1 − 2)(1 + 2) ⇐⇒ 2 = 5 − 3c3 ⇐⇒ c3 = 1,

luego
p3 (x) = p2 (x) + x(x − 2)(x + 2) = 4x + 1 + (x3 − 4x) = x3 + 1. (7.7)

Debemos notar que la base del método de Newton correspondiente a las abscisas de los puntos de la
familia es

N0 (x) = 1,
N1 (x) = (x − x0 ) = (x − 0) = x,
N2 (x) = (x − x0 )(x − x1 ) = (x − 0)(x − 2) = x2 − 2x,
N3 (x) = (x − x0 )(x − x1 )(x − x2 ) = (x − 0)(x − 2)(x + 2) = x3 − 4x, (7.8)

y las coordenadas del polinomio interpolador (7.7) en esa base son

(c0 , c1 , c2 , c3 ) = (1, 4, 0, 1), (7.9)

luego

p3 (x) = c0 N0 (x) + c1 N1 (x) + C2 N2 (x) + c3 N3 (x) = 1 + 4x + (x − 0)(x − 2)(x + 2)

= x3 + 1.

El grafo del polinomio anterior se recoge en la siguiente figura.

A. de Francisco y R. Santamarı́a 127

 9

−2 −1 1 2

−1

−2

−3

−4

−5

−6

−7

Figura 7.2: Grafo del polinomio interpolador de la familia {(0, 1), (2, 9), (−2, −7), (1, 2)}

Las abscisas de los puntos de la segunda familia de puntos del enunciado son x0 = −1, x1 = 2, x2 = 3
y x3 = 5. Como los dos primeros puntos se encuentran en la recta y = 5, entonces el polinomio
interpolador de esos dos primeros puntos es p1 (x) = 5, por tanto los dos primeros coeficientes que se
determinan mediante la aplicación del método de Newton son c0 = 5, c1 = 0,

p1 (x) = c0 N0 (x) + c1 N1 (x) = c0 + c1 (x − x0 )

= c0 + c1 (x − 0) = 5.

Ası́

p2 (x) = p1 (x) + c2 N2 (x) = p1 (x) + c2 (x − x0 )(x − x1 )

= p1 (x) + c2 (x + 1)(x − 2),

128 A. de Francisco y R. Santamarı́a

 luego
p2 (3) = 25 = p1 (3) + c2 (3 + 1)(3 − 2) ⇐⇒ 25 = 5 + 4c2 ⇐⇒ c2 = 5,
por tanto
p2 (x) = p1 (x) + 5(x + 1)(x − 2) = 5 + (5x2 − 5x − 10) = 5x2 − 5x − 5.
Finalmente

p3 (x) = p2 (x) + c3 N3 (x) = p2 (x) + c3 (x − x0 )(x − x1 )(x − x2 )

= p2 (x) + c3 (x + 1)(x − 2)(x − 3),

igualdad que conduce a la siguiente

p3 (5) = 95 = p2 (5) + c3 (5 + 1)(5 − 2)(5 − 3) ⇐⇒ 95 = 95 + 36c3 ⇐⇒ c3 = 0,

de donde se concluye que el polinomio interpolador buscado es

p3 (x) = p2 (x) = 5x2 − 5x − 5. (7.10)

En este caso, la base del método Newton correspondiente a las abscisas de los puntos de la familia es

N0 (x) = 1,
N1 (x) = (x − x0 ) = x + 1,
N2 (x) = (x − x0 )(x − x1 ) = (x + 1)(x − 2) = x2 − x − 2,
N3 (x) = (x − x0 )(x − x1 )(x − x2 ) = (x + 1)(x − 2)(x − 3) = x3 − 4x2 + x + 6, (7.11)

y las coordenadas del polinomio interpolador (7.10) en esa base son

(c0 , c1 , c2 , c3 ) = (5, 0, 5, 0), (7.12)

luego

p3 (x) = c0 N0 (x) + c1 N1 (x) + c2 N2 (x) + c3 N3 (x) = 5 + 5(x + 1)(x − 2)

= 5x2 − 5x − 5.

Sesión de Maxima 7.2

Para obtener el polinomio interpolador de la familia de puntos {(0, 1), (2, 9), (−2, −7), (1, 2)}, previa-
mente determinado en (7.7), primero introducimos la lista de abscisas y ordenadas de los puntos
( %i18) X:[0,2,-2,1];
( %o18) [0, 2, −2, 1]
( %i19) Y:[1,9,-7,2];
( %o19) [1, 9, −7, 2]
y a continuación, mediante la siguiente sentencia determinamos el polinomio solicitado en el enunciado
( %i20) interpolador(X,Y);
( %o20) x3 + 1
La base de Newton, recogida en (7.8), y las coordenadas del polinomio interpolador en dicha base,
presentadas en (7.9), se pueden determinar gracias a las órdenes que escribimos a continuación
( %i21) basenewton(X);
( %o21) [1, x, (x − 2)x, (x − 2)x(x + 2)]

A. de Francisco y R. Santamarı́a 129

 ( %i22) expand( %);
% &
( %o22) 1, x, x2 − 2x, x3 − 4x
( %i23) coeficientes(X,Y);
% &
( %o23) 1 4 0 1
Si repetimos paso a paso el proceso anterior con los puntos {(−1, 5), (2, 5), (3, 25), (5, 95)}, después
de introducir separadamente las listas con las primeras y segundas coordenadas de los puntos
( %i24) X:[-1,2,3,5];
( %o24) [−1, 2, 3, 5]
( %i25) Y:[5,5,25,95];
( %o25) [5, 5, 25, 95]
la siguiente sentencia devuelve el polinomio interpolador pedido
( %i26) interpolador(X,Y);
( %o26) 5x2 − 5x − 5
que coincide con el polinomio calculado por el método de Newton recogido en (7.10). Como en el caso
anterior, también podemos comprobar que la base de Newton determinada por las abscisas de los
puntos de la familia, presentada en (7.11), y las coordenadas del polinomio interpolador en dicha base,
recogidas en (7.12), se pueden leer en las respuestas a las dos órdenes que introducimos seguidamente
( %i27) basenewton(X);
( %o27) [1, x + 1, (x − 2)(x + 1), (x − 3)(x − 2)(x + 1)]
( %i28) expand( %);
% &
( %o28) 1, x + 1, x2 − x − 2, x3 − 4x2 + x + 6
( %i29) coeficientes(X,Y);
% &
( %o29) 5 0 5 0

3. a) Dada la familia de puntos {(x1 , y1 ), (x2 , y2 ), . . . , (xn , yn )} no alineados con n ≥ 3, determinar

mediante la técnica de los mı́nimos cuadrados las fórmulas que permiten calcular los coeficientes
de su recta de regresión.
b) Determinar, mediante la técnica de mı́nimos cuadrados, los polinomios de grado uno que mejor
aproximan a las familias de puntos

0 0 0 1 −1 0 1 2 −1
0 1 −1 1 −1 0 2 6 0

Solución.

a) Si utilizamos el lenguaje del Álgebra lineal para analizar este problema, debemos comenzar
escribiendo el sistema de ecuaciones lineales que se obtiene bajo la suposición de que la recta

y = a + bx, a, b ∈ R,

contiene todos los puntos dados. Ası́ obtenemos

⎧
⎪
⎪ a + bx1 = y1
⎪
⎪
⎪
⎪
⎨ a + bx2 = y2
⎪
⎪ ..
⎪
⎪ .
⎪
⎪
⎩
a + bxn = yn

130 A. de Francisco y R. Santamarı́a

 sistema de ecuaciones lineales que se puede escribir matricialmente como sigue
! "
a
A = Y,
b

donde ⎛ ⎞ ⎛ ⎞
1 x1 y1
⎜ 1 x2 ⎟⎟ ⎜ ⎟
⎜ ⎜ y2 ⎟
A=⎜ .. .. ⎟ , Y = ⎜ .. ⎟.
⎝ . . ⎠ ⎝ . ⎠
1 xn yn
El sistema anterior no tiene solución porque la familia contiene tres puntos no alineados. Además
se tiene que rango (A) = 2, porque en caso contrario tendrı́amos

xi = xj , ∀i, j = 1, 2, . . . , n,

por tanto los puntos estarı́an en una recta vertical; esto es alineados. Entonces los coeficientes
de la recta y = a + bx, a, b ∈ R, que minimiza la expresión
n
1
(y − a − bxi )2 (7.13)
i=1

están dados como sigue ! "

a 2 3−1 t
= At A A Y. (7.14)
b
Si realizamos los cálculos matriciales recogidos en la fórmula anterior entonces obtenemos las
siguientes expresiones
⎛ ⎞ ⎛ 1n ⎞
1 x1 n xi ⎟
! "⎜
1 x ⎟ ⎜ ⎜ ⎟
1 1 . . . 1 ⎜ 2 ⎟ i=1
At A = ⎜ .. .. ⎟ = ⎜ ⎟, (7.15)
x1 x2 . . . xn ⎝ . . ⎠ ⎜ ⎝ 1n 1 n ⎟
2 ⎠
xi xi
1 xn
i=1 i=1
⎛ ⎞ ⎛ n ⎞
1
y1 yi
! "⎜
y2 ⎟ ⎜ ⎟
1 1 ... 1 ⎜ ⎟ ⎜ i=1 ⎟
t
AY = ⎜ .. ⎟=⎜ ⎟. (7.16)
x1 x2 . . . xn ⎝ . ⎠ ⎜ n
⎝ 1
⎟
⎠
xi y i
yn
i=1

La expresión del producto matricial At A recogida en (7.15) nos permite calcular fácilmente su
inversa mediante la fórmula
1
X −1 = (X ∗ )t ,
det (X)
donde X ∗ denota la matriz adjunta de la matriz cuadrada X. Si aplicamos esta técnica entonces
n
4 n 52
2 t 3 1 1
2
det A A = n xi − xi ,
i=1 i=1
⎛ n n ⎞
1 1
⎜ x2i − xi ⎟
2 t 3∗ ⎜ i=1 i=1 ⎟
AA =⎜ ⎜ n
⎟,
⎟
⎝ 1 ⎠
− xi n
i=1

A. de Francisco y R. Santamarı́a 131

 luego ⎛ ⎞
n
1 n
1
⎜ x2i − xi ⎟
2 3−1 1 ⎜ i=1 i=1 ⎟
At A = 4 n 52 ⎜ ⎟. (7.17)
n ⎜ 1n ⎟
1 1 ⎝ ⎠
n x2i − xi − xi n
i=1 i=1 i=1

Por tanto, de acuerdo a las fórmulas (7.14), (7.15), (7.16) y (7.17), la solución buscada es
⎛ n n ⎞⎛ n ⎞
1 1 1
2
! " ⎜ xi − xi ⎟ ⎜ yi ⎟
a 1 ⎜ i=1 i=1 ⎟ ⎜ ⎟
= 4 n 52 ⎜ ⎟ ⎜ i=1 ⎟
b n ⎜ 1n ⎟ ⎜ 1 n ⎟
1 1 ⎝ ⎠⎝ ⎠
n 2
xi − xi − x i n x y
i i
i=1 i=1 i=1 i=1
⎛ 4 n
54 n
5 4 n
54 n
5 ⎞
1 1 1 1
⎜ x2i yi − xi xi y i ⎟
1 ⎜ i=1 i=1 i=1 i=1 ⎟
= 4 52 ⎜
⎜ n
4 n
54 n
5 ⎟.
⎟
n
1 n
1 ⎝ 1 1 1 ⎠
n x2i − xi n xi y i − xi yi
i=1 i=1 i=1 i=1 i=1

Ası́ los coeficientes buscados son

4 n 54 n
5 4 n
54 n
5
1 1 1 1
x2i yi − xi xi y i
i=1 i=1 i=1 i=1
a= 4 n 52 , (7.18)
1n 1
n x2i − xi
i=1 i=1
n
4 n
54 n
5
1 1 1
n xi y i − xi yi
i=1 i=1 i=1
b= 4 52 . (7.19)
n
1 n
1
n x2i − xi
i=1 i=1

b) Para determinar las rectas de regresión de las dos familias del enunciado utilizaremos las expre-
siones de la ordenada en el origen y la pendiente recogidas en (7.18) y (7.19). Entonces dada la
primera familia de puntos del segundo apartado
0 0 0 1 −1
0 1 −1 1 −1
podemos construir la siguiente tabla

xi yi x2i yi2 xi y i
0 0 0 0 0
0 1 0 1 0
0 −1 0 1 0
1 1 1 1 1
−1 −1 1 1 1
5
1 5
1 5
1 5
1 5
1
xi = 0 yi = 0 x2i = 2 yi2 = 4 xi y i = 2
i=1 i=1 i=1 i=1 i=1

132 A. de Francisco y R. Santamarı́a

 por tanto de acuerdo a las fórmulas anteriores
5·2
a = 0, b = = 1,
5·2
luego la recta de regresión de la familia dada es

y = a + bx = x. (7.20)

Si procedemos de forma análoga con la familia de puntos

0 1 2 −1
0 2 6 0

y construimos la tabla

xi yi x2i yi2 xi y i
0 0 0 0 0
1 2 1 4 2
2 6 4 36 12
−1 0 1 0 0
4
1 4
1 4
1 4
1 4
1
xi = 2 yi = 8 x2i = 6 yi2 = 40 xi yi = 14
i=1 i=1 i=1 i=1 i=1

entonces tenemos
6 · 8 − 2 · 14 20 4 · 14 − 2 · 8 40
a= = = 1, b = = = 2,
4·6−4 20 4·6−4 20
por tanto la recta de regresión de la familia anterior es

y = a + bx = 1 + 2x. (7.21)

Sesión de Maxima 7.3

Para poder aplicar la técnica del método de los mı́nimos cuadrados debemos cargar en la memoria
de Maxima el fichero minimos-cuadrados.mac a través de la siguiente orden
( %i30) load("minimos-cuadrados");
( %o30) /Users/xxx/.maxima/minimos-cuadrados.mac
La siguiente sentencia nos permite pasar a modo simbólico
( %i31) numer:false;
( %o31) false
Recordar que el fichero minimos-cuadrados.mac obliga al programa realizar los cálculos en
aritmética de precisión finita para acelerar la realización de las mismas.
En este caso optaremos por aplicar el algoritmo que nosotros hemos implementado en lugar
de utilizar las rutinas que Maxima proporciona. Ası́, después de introducir como dos listas las
abscisas y ordenadas de los puntos de la primera familia de puntos
( %i32) X:[0,0,0,1,-1];
( %o32) [0, 0, 0, 1, −1]
( %i33) Y:[0,1,-1,1,-1];
( %o33) [0, 1, −1, 1, −1]

A. de Francisco y R. Santamarı́a 133

 el comando minimoscuadrados aplicado sobre las dos listas anteriores acompañado de un uno,
porque deseamos ajustar los puntos mediante un polinomio de grado uno, devuelve como res-
puesta la recta de regresión de la familia
( %i34) minimoscuadrados(X,Y,1);
( %o34) x
resultado que coincide con la recta que previamente hemos determinado en (7.20).
Si repetimos este sencillo proceso con los puntos de la familia {(0, 0), (1, 2), (2, 6), (−1, 0)} en-
tonces la secuencia de sentencias que escribimos seguidamente
( %i35) X:[0,1,2,-1];
( %o35) [0, 1, 2, −1]
( %i36) Y:[0,2,6,0];
( %o36) [0, 2, 6, 0]
( %i37) minimoscuadrados(X,Y,1);
( %o37) 2x + 1
comprobamos que la recta determinada en (7.21) es la recta de regresión de la familia anterior.

4. Determinar, mediante la técnica de mı́nimos cuadrados, los polinomios de grado dos que mejor
aproximan a las familias de puntos

0 1 −1 2 2 −2 −1 0 0
−1 0 0 2 4 −2 −1 1 −1

Solución.
Si existiera un polinomio de segundo grado, p2 (x) = a + bx + cx2 , tal que su grafo contiene a los cinco
puntos de la primera familia, entonces sus coeficientes a, b y c deberı́an ser solución del sistema
⎧
⎪
⎪ a = −1 ⎛ ⎞ ⎛ ⎞
⎪
⎪ 1 0 0 −1
⎪
⎪ ⎛ ⎞
⎪
⎪ a+b+c=0 ⎜ 1
⎨ ⎜ 1 1 ⎟ ⎟ a ⎜ 0 ⎟
⎜ ⎟
⎜
a − b + c = 0 ⇐⇒ ⎜ 1 −1 1 ⎟ ⎟ ⎝ b ⎠ =⎜ 0 ⎟
⎪ ⎜ ⎟. (7.22)
⎪
⎪ ⎝ 1 2 4 ⎠ c ⎝ 2 ⎠
⎪
⎪ a + 2b + 4c = 2
⎪
⎪ 1 2 4 4
⎪
⎩
a + 2b + 4c = 4

Sin embargo, el sistema (7.22) es incompatible como revelan las dos últimas ecuaciones del mismo.
Si denotamos ⎛ ⎞ ⎛ ⎞
1 0 0 −1
⎜ 1 1 1 ⎟ ⎜ 0 ⎟
⎜ ⎟ ⎜ ⎟
A=⎜ ⎟ ⎜
⎜ 1 −1 1 ⎟ , B = ⎜ 0 ⎟ ,
⎟
⎝ 1 2 4 ⎠ ⎝ 2 ⎠
1 2 4 4
entonces el rango de la matriz A es tres porque el menor de orden tres determinado por las tres
primeras filas y columnas de A es no nulo,
6 6
6 1 0 0 6 6 6
6 6 6 1 1 6
6 1 1 1 6=66 6 6 = 2 ̸= 0,
6 −1 1 6
6 1 −1 1 6

por tanto el sistema de ecuaciones ⎛ ⎞

a
At A ⎝ b ⎠ = At B (7.23)
c

134 A. de Francisco y R. Santamarı́a

 es compatible determinado. Además la única solución del sistema de ecuaciones lineales anterior
permite construir el polinomio que mejor ajusta a los puntos de la familia determinado por el método
de los mı́nimos cuadrados. De acuerdo a las asignaciones anteriores tenemos
⎛ ⎞
⎛ ⎞ 1 0 0 ⎛ ⎞
1 1 1 1 1 ⎜ 1 1 1 ⎟ 5 4 10
⎜ ⎟
At A = ⎝ 0 1 −1 2 2 ⎠ ⎜ ⎜ 1 −1 1 ⎟ =
⎟ ⎝ 4 10 16 ⎠ ,
0 1 1 4 4 ⎝ 1 2 4 ⎠ 10 16 34
1 2 4
⎛ ⎞
⎛ ⎞ −1 ⎛ ⎞
1 1 1 1 1 ⎜ 0 ⎟ 5
⎜ ⎟
At B = ⎝ 0 1 −1 2 2 ⎠ ⎜ ⎜ 0 ⎟=
⎟ ⎝ 12 ⎠ . (7.24)
0 1 1 4 4 ⎝ 2 ⎠ 24
4

A continuación vamos a escalonar y reducir la matriz ampliada del sistema de ecuaciones lineales
(7.23) gracias a que hemos determinado en (7.24) su matriz de coeficientes y de términos indepen-
dientes
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
5 4 10 5 ! 1
F 5 4 10 5 ! 1 −6 −6 −7
⎝ 4 10 16 12 ⎠ 2 2
⎝ 2 5 8 6 ⎠ 1 F − 2F 2 ⎝
1 2 5 8 6 ⎠
F3 F 3 − 2F 2
10 16 34 24 2 5 8 17 12 1 −2 1 0
⎛ ⎞ ⎛ ⎞
1 −6 −6 −7 1 −6 −6 −7
F2! − 2F3 ⎝ 0 9 6 6 ⎠ F! 3 − F1 ⎝ 0 9 6 6 ⎠
1 −2 1 0 0 4 7 7
⎛ ⎞ ⎛ ⎞
1 −6 −6 −7 1 −6 −6 −7
F2! − 2F3 ⎝ 0 1 −8 −8 ⎠ F3! − 4F2 ⎝ 0 1 −8 −8 ⎠
0 4 7 7 0 0 39 39
⎛ ⎞ ⎛ ⎞
1 −6 −6 −7 !
F2 + 8F3 1 −6 0 −1
!1 ⎝ 0 1 −8 −8 ⎠ ⎝ 0 0 ⎠
39 F3 1 0
0 0 1 1 F1 + 6F3 0 0 1 1
⎛ ⎞
1 0 0 −1
!
F1 + 6F2 ⎝ 0 1 0 0 ⎠,
0 0 1 1

por tanto la única solución del sistema de ecuaciones (7.23) es

⎛ ⎞ ⎛ ⎞
a −1
⎝ b ⎠ = ⎝ 0 ⎠,
c 1

de donde concluimos que el polinomio de grado dos buscado es

p2 (x) = a + bx + cx2 = −1 + x2 . (7.25)

La Figura 7.3 recoge el grafo del polinomio que mejor aproxima a los puntos de la familia de puntos
{(0, −1), (1, 0), (−1, 0), (2, 2), (2, 4)}.
Si consideramos la segunda familia de puntos del enunciado

−2 −1 0 0
−2 −1 1 −1

A. de Francisco y R. Santamarı́a 135

 5

−2 −1 1 2

−1

Figura 7.3: Polinomio de segundo grado que mejor aproxima a la familia {(0, −1), (1, 0), (−1, 0), (2, 2), (2, 4)}

y procedemos análogamente al caso anterior observamos que, si los cuatro puntos descansan en el
grafo de un polinomio de segundo grado de la forma p2 (x) = a + bx + cx2 entonces los coeficientes
a, b y c deben satisfacer las ecuaciones siguientes
⎧
⎪
⎪ a − 2b + 4c = −2 ⎛ ⎞ ⎛ ⎞
⎪
⎪ 1 −2 4 ⎛ ⎞ −2
⎪
⎨ a − b + c = −1 a
⎜ 1 −1 1 ⎟ ⎜ ⎟
⇐⇒ ⎜ ⎟ ⎝ b ⎠ = ⎜ −1 ⎟ . (7.26)
⎪ ⎝ 1 0 0 ⎠ ⎝ 1 ⎠
⎪
⎪ a=1 c
⎪
⎪ 1 0 0 −1
⎩
a = −1

El sistema de ecuaciones lineales (7.26) es obviamente incompatible. Si denotamos por A y B a las

matrices de coeficientes y de términos independientes del sistema anterior respectivamente
⎛ ⎞ ⎛ ⎞
1 −2 4 −2
⎜ 1 −1 1 ⎟ ⎜ ⎟
A=⎜ ⎟ , B = ⎜ −1 ⎟ ,
⎝ 1 0 0 ⎠ ⎝ 1 ⎠
1 0 0 −1
descubrimos que la matriz de coeficientes tiene rango tres porque el menor de orden tres de A
determinado por sus tres primeras filas y columnas es no nulo
6 6
6 1 −2 4 6 6 6
6 6 6 6
6 1 −1 1 6 = 6 −2 4 6 = 2 ̸= 0,
6 6 6 −1 1 6
6 1 0 0 6
de donde concluimos que el método de los mı́nimos cuadrados permite determinar un único polinomio,
que será el que mejor aproxime a los puntos de la familia de entre todos los polinomios de grado dos.

136 A. de Francisco y R. Santamarı́a

 Los coeficientes de dicho polinomio constituyen la única solución del sistema de ecuaciones lineales
⎛ ⎞
a
At A ⎝ b ⎠ = At B, (7.27)
c

donde
⎛ ⎞
⎛ ⎞ 1 −2 4 ⎛ ⎞
1 1 1 1 ⎜ ⎟ 4 −3 5
1 −1 1 ⎟ ⎝
At A = ⎝ −2 −1 0 0 ⎠⎜
⎝ 1 = −3 5 −9 ⎠ ,
0 0 ⎠
4 1 0 0 5 −9 17
1 0 0
⎛ ⎞
⎛ ⎞ −2 ⎛ ⎞
1 1 1 1 ⎜ ⎟ −3
−1 ⎟ ⎝
t
AB= ⎝ −2 −1 0 0 ⎠⎜
⎝ 1 ⎠= 5 ⎠. (7.28)
4 1 0 0 −9
−1

Para determinar la única solución del sistema (7.27) escalonaremos y reduciremos su matriz ampliada
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
4 −3 5 −3 !
F1 + F2 1 2 −4 2 !
F1 + F3 0 3 −5 3
⎝ −3 5 −9 5 ⎠ ⎝ −3 5 −9 5 ⎠ ⎝ 0 2 −6 2 ⎠
5 −9 17 −9 F 3 + 2F 2 −1 1 −1 1 F 2 − 3F 3 −1 1 −1 1
⎛ ⎞ ⎛ ⎞
0 1 1 1 0 1 1 1
F!1 − F2 ⎝ 0 2 −6 2 ⎠ F2! − 2F1 ⎝ 0 0 −8 0 ⎠
−1 1 −1 1 −1 1 −1 1
⎛ ⎞ ⎛ ⎞
0 1 1 1 F! − F 0 1 0 1
! ⎝ 0 0
(−1)
1 0 ⎠
1 2
⎝ 0 0 1 0 ⎠
8 F2 F + F
−1 1 −1 1 3 2 −1 1 0 1
⎛ ⎞ ⎛ ⎞
0 1 0 1 0 1 0 1
F!3 − F1 ⎝ 0 0 1 0 ⎠ (−1)F ! ⎝ 0 0 1 0 ⎠
3
−1 0 0 0 1 0 0 0
⎛ ⎞ ⎛ ⎞
0 0 1 0 1 0 0 0
F1! ↔ F2 ⎝ 0 1 0 1 ⎠ F1! ↔ F3 ⎝ 0 1 0 1 ⎠ ,
1 0 0 0 0 0 1 0

por tanto la única solución del sistema de ecuaciones (7.27) es

⎛ ⎞ ⎛ ⎞
a 0
⎝ b ⎠ = ⎝ 1 ⎠,
c 0

luego el polinomio buscado es

p2 (x) = a + bx + cx2 = x. (7.29)

La Figura 7.4 recoge los puntos de la segunda familia del enunciado ası́ como el polinomio de grado
menor o igual que dos que mejor aproxima a dichos puntos.
Sesión de Maxima 7.4
Con las rutinas escritas en el fichero minimos-cuadrados.mac todavı́a alojadas en la memoria de
Maxima gracias a la orden ( %i30) de la página 133, para determinar el polinomio de grado dos que
mejor aproxima a los puntos de la primera familia, ya determinado en (7.25), primero introducimos
sus abscisas y ordenadas en listas separadas

A. de Francisco y R. Santamarı́a 137

 ( %i38) X:[0,1,-1,2,2];
( %o38) [0, 1, −1, 2, 2]
( %i39) Y:[-1,0,0,2,4];
( %o39) [−1, 0, 0, 2, 4]
entonces el polinomio buscado se obtiene gracias a la orden siguiente
( %i40) minimoscuadrados(X,Y,2);
( %o40) x2 − 1
La matriz de coeficientes del sistema de ecuaciones (7.22) se obtiene como respuesta a la orden
( %i41) A:vandermondetruncada(X,2);
⎛ ⎞
1 0 0
⎜ 1 1 1 ⎟
⎜ ⎟
( %o41) ⎜
⎜ 1 −1 1 ⎟
⎟
⎝ 1 2 4 ⎠
1 2 4
matriz que posee rango tres como revela la sentencia
( %i42) rank(A);
( %o42) 3
También podemos obtener fácilmente las matrices de coeficientes y de términos independientes del
sistema (7.23) como respuesta a las dos órdenes que escribimos a continuación, que coinciden con las
que hemos calculado en (7.24)
( %i43) transpose(A).A;
⎛ ⎞
5 4 10
( %o43) ⎝ 4 10 16 ⎠
10 16 34
( %i44) transpose(A).transpose(Y);
⎛ ⎞
5
( %o44) ⎝ 12 ⎠
24
Análogamente, si introducimos las abscisas y ordenadas de los puntos de la segunda familia
( %i45) X:[-2,-1,0,0];
( %o45) [−2, −1, 0, 0]
( %i46) Y:[-2,-1,1,-1];
( %o46) [−2, −1, 1, −1]
el polinimio (7.29) coincide con la respuesta de la sentencia
( %i47) minimoscuadrados(X,Y,2);
( %o47) x
La matriz de coeficientes del sistema de ecuaciones lineales (7.26) es
( %i48) A:vandermondetruncada(X,2);
⎛ ⎞
1 −2 4
⎜ 1 −1 1 ⎟
( %o48) ⎜
⎝ 1 0 0 ⎠
⎟

1 0 0
cuyo rango es tres

138 A. de Francisco y R. Santamarı́a

 ( %i49) rank(A);
( %o49) 3
También podemos determinar las matrices de coeficientes y de términos independientes del sistema
(7.27) recogidas en (7.28) gracias a la secuencia de sentencias que introducimos seguidamente
( %i50) transpose(A).A;
⎛ ⎞
4 −3 5
( %o50) ⎝ −3 5 −9 ⎠
5 −9 17
( %i51) transpose(A).transpose(Y);
⎛ ⎞
−3
( %o51) ⎝ 5 ⎠
−9

−2 −1 1 2

−1

−2

Figura 7.4: Polinomio de grado menor o igual que dos que mejor aproxima a la familia de puntos
{(−2, 2), (−1, 1), (−1, 0), (1, 0)}

5. Utilizar polinomios de Taylor para calcular los lı́mites siguientes

x log(x + 1) + tg2 (x) sen2 (x) + x2 cos(x) x − sen(x)
lı́m 2
, lı́m 2
, lı́m .
x→0 2 arc tg(x ) x→0 sen(x ) x→0 tg(x) − x

Solución.
0
Los tres lı́mites del enunciado responden al esquema de la indeterminación de lı́mites de tipo 0 porque

lı́m x log(x + 1) + tg2 (x) = 0, lı́m 2 arc tg(x2 ) = 0, lı́m sen2 (x) + x2 cos(x) = 0,
x→0 x→0 x→0

lı́m sen(x2 ) = 0, lı́m x − sen(x) = 0, lı́m tg(x) − x = 0,

x→0 x→0 x→0

por tanto para determinar los lı́mites pedidos en el enunciado aplicaremos la técnica de los infinitési-
mos equivalentes.

A. de Francisco y R. Santamarı́a 139

 De los seis infinitésimos en x = 0 anteriores, la tabla de infinitésimos equivalentes permiten presentar
las siguientes equivalencias
2 arc tg(x2 ) ≈ 2x2 , sen(x2 ) ≈ x2 . (7.30)
A continuación determinaremos infinitésimos equivalentes del resto de las funciones involucradas
como factores mediante polinomios de Taylor en x = 0. Para ello derivaremos y evaluaremos en x = 0
las funciones cuyos infinitésimos equivalentes desconocemos. Repetiremos el proceso descrito hasta
encontrar una derivada que no se anule en x = 0. El polinomio de Taylor de la función en x = 0 cuyo
grado se corresponde con la primera de derivada no nula será el infinitésimo equivalente elegido.
Dada f (x) = x log(x + 1) + tg2 (x) el proceso descrito anteriormente nos conduce a las igualdades

f (x) = x log(x + 1) + tg2 (x), f (0) = 0,

x
f ′ (x) = log(x + 1) + + 2 tg(x)(1 + tg2 (x)), f ′ (0) = 0,
x+1
1 1
f ′′ (x) = + + 2(1 + tg2 (x))2 + 4 tg2 (x)(1 + tg2 (x)), f ′′ (0) = 4,
x + 1 (x + 1)2

por tanto el polinomio de Taylor de segundo grado de f en x = 0 es

x2
pf2,0 (x) = f (0) + f ′ (0)x + f ′′ (0) = 2x2 . (7.31)
2!
El polinomio anterior es un infinitésimo equivalente de f en x = 0, lo que unido al primero de los
infinitésimos equivalentes recogido en (7.30) nos permite determinar el primero de los lı́mites pedidos

x log(x + 1) + tg2 (x) pf2,0 (x) 2x2

lı́m = lı́m = lı́m = 1. (7.32)
x→0 2 arc tg(x2 ) x→0 2x2 x→0 2x2

A la vista del segundo de los lı́mites del enunciado,

sen2 (x) + x2 cos(x)

lı́m ,
x→0 sen(x2 )

descubrimos que desconocemos un infinitésimo equivalente del numerador en x = 0, por ello deter-
minaremos un infinitésimo equivalente de g(x) = sen2 (x) + x2 cos(x). Ası́ tenemos

g(x) = sen2 (x) + x2 cos(x), g(0) = 0,

g′ (x) = 2 sen(x) cos(x) + 2x cos(x) − x2 sen(x) = sen(2x) + 2x cos(x) − x2 sen(x), g ′ (0) = 0,
f ′′ (x) = 2 cos(2x) + 2 cos(x) − 4x sen(x) − x2 cos(x), g ′′ (0) = 4,

donde simplificamos la derivada primera de g gracias a las fórmulas de duplicación de ángulos (B.4).
Estas igualdades nos ayudan a construir el polinomio de Taylor de grado dos de g en x = 0

g′′ (0) 2 4 2
pg2,0 (x) = g(0) + g ′ (0)x + x = x = 2x2 , (7.33)
2! 2
polinomio que satisface la condición

g(x) = sen2 (x) + x2 cos(x) ≈ 2x2 si x ≈ 0. (7.34)

Entonces el segundo lı́mite del enunciado se puede calcular como sigue

sen2 (x) + x2 cos(x) pg2,0 (x) 2x2

lı́m = lı́m = lı́m = 2, (7.35)
x→0 sen(x2 ) x→0 x2 x→0 x2

140 A. de Francisco y R. Santamarı́a

 gracias a las propiedades recogidas en (7.30) y (7.34).
En el caso del tercer lı́mite,
x − sen(x)
lı́m ,
x→0 tg(x) − x

no conocemos un infinitésimo equivalente del numerador ni del denominador. Por esa razón debemos
determinar un infinitésimo equivalente de ambas funciones en x = 0. Si consideramos la función del
numerador obtenemos

h(x) = x − sen(x), h(0) = 0,

h′ (x) = 1 − cos(x), h′ (0) = 0,
h′′ (x) = sen(x), h′′ (0) = 0,
h′′′ (x) = cos(x), h′′′ (0) = 1,

mientras que la función del denominador da lugar a las siguientes igualdades

i(x) = tg(x) − x, i(0) = 0,

i′ (x) = tg2 (x), i′ (0) = 0,
i′′ (x) = 2 tg(x)(1 + tg2 (x)) = 2 tg(x) + 2 tg3 (x), i′′ (0) = 0,
i′′′ (x) = 2(1 + tg2 (x)) + 6 tg2 (x)(1 + tg2 (x)), i′′′ (0) = 2,

de donde obtenemos los siguientes polinomios de Taylor de grado tres en x = 0 de las funciones h e i

h′′ (0) h′′′ (0) 1

ph2,0 (x) = h(0) + h′ (0)(x − 0) + (x − 0)2 + (x − 0)3 = x3 ,
2! 3! 6
′′
i (0) ′′′
i (0) 1
pi2,0 (x) = i(0) + i′ (0)(x − 0) + (x − 0)2 + (x − 0)3 = x3 . (7.36)
2! 3! 3

−3 −2 −1 1 2 3

−1

x − sen(x)
1 3
6x
−2

Figura 7.5: Grafo de x − sen(x) y de su polinomio de Taylor de tercer grado en (−2,5, 2,5)

A. de Francisco y R. Santamarı́a 141

 1

−3 −2 −1 1 2 3

−1 tg(x) − x
1 3
3x

Figura 7.6: Grafo de tg(x) − x y de su polinomio de Taylor de tercer grado en (−1. 25, 1. 25)

Los polinomios anteriores nos permiten determinar sencillamente el tercer lı́mite del enunciado

x − sen(x) ph2,0 (x) 1 3

x 1
lı́m = lı́m i = lı́m 61 2 = . (7.37)
x→0 tg(x) − x x→0 p2,0 (x) x→0 x 2
3

Este mismo lı́mite está propuesto en el Ejercicio 6 del Capı́tulo 5 dedicado a la derivación de funciones.
En las páginas 101 y siguientes este lı́mite se calcula mediante la aplicación reiterada de la regla de
l’Hopital. Dicha regla se aplica exactamente tres veces hasta llegar a llegar a establecer las igualdades
recogidas en (5.20). Un análisis detallado de las dos técnicas, regla de l’Hopital y polinomios de Taylor,
ilustran el paralelismo entre ambas, paralelismo que ya destacamos en [11, p. 166].
Las Figuras 7.5 y 7.6 recogen los grafos de h(x) = x − sen(x) e i(x) = tg(x), junto con sus correspon-
dientes polinomios de Taylor de tercer grado en un entorno de x = 0, ph3,0 (x) y pi3,0 (x), previamente
calculados en (7.36). La comparación de los grafos de las funciones y de sus correspondientes polino-
mios de Taylor ilustran la potencia de estos últimos como herramienta de aproximación local.
Sesión de Maxima 7.5
Comprobaremos los cálculos anteriores introduciendo en Maxima las funciones cuyos polinomios de
Taylor hemos calculado y seguidamente determinaremos los lı́mites pedidos con ayuda del comando
tlimit (véase [12, pp. 113 y 114]). La primera orden introduce el numerador del primer lı́mite
( %i52) f(x):=x*log(x+1)+tan(x)**2;
( %o52) f (x) : = x log(x + 1) + tan(x)2
lo que permite con ayuda del comando taylor determinar un infinitésimo equivalente en x = 0
( %i53) taylor(f(x),x,0,2);
( %o53) 2x2 + · · ·
cuyo resultado coincide con el polinomio construido en (7.31). El lı́mite calculado en (7.32) está co-
rrectamente determinado tal y como revela la respuesta a la orden
( %i54) tlimit(f(x)/(2*atan(x)**2),x,0);
( %o54) 1
El numerador del segundo de los lı́mites del enunciado se puede introducir como sigue
( %i55) g(x):=sin(x)**2+x**2*cos(x);
( %o55) g(x) : = sin(x)2 + x2 cos(x)

142 A. de Francisco y R. Santamarı́a

 y calcular su polinomio de Taylor de segundo grado en x = 0 con la orden
( %i56) taylor(g(x),x,0,2);
( %o56) 2x2 + · · ·
y el lı́mite pedido con la sentencia que escribimos a continuación
( %i57) tlimit(g(x)/sin(x)**2,x,0);
( %o57) 2
Las respuestas anteriores coinciden con los resultados recogidos en (7.33) y (7.35).
Concluimos esta sesión con el cálculo del tercer lı́mite determinado en (7.37) y la comprobación de
los polinomios de Taylor utilizados para ello. Primero debemos introducir las funciones en Maxima
( %i58) h(x):=x-sin(x);
( %o58) h(x) : = x − sin(x)
( %i59) i(x):=tan(x)-x;
( %o59) i(x) : = tan(x) − x
Con estas asignaciones los dos polinomios obtenidos en (7.36) coinciden con las respuestas siguientes
( %i60) taylor(h(x),x,0,3);
1
( %o60) x3 + · · ·
6
( %i61) taylor(i(x),x,0,3);
1
( %o61) x3 + · · ·
3
y el lı́mite pedido es la respuesta a la orden siguiente
( %i62) tlimit(h(x)/i(x),x,0);
1
( %o62)
2
√
6. Aproximar 3 mediante

a) el polinomio interpolador de la función f (x) = 3x en los nodos x0 = 0, x1 = 1, x2 = 2.

b) el polinimio de Taylor de segundo grado de la función f (x) = 3x en x = 0.
c) determinar los errores absolutos y relativos de ambas aproximaciones.
d) acotar los errores téoricos de ambas aproximaciones.

Solución.

a) La lista de puntos del grafo de f determinados por los nodos x0 = 0, x1 = 1 y x2 = 2 es

xi 0 1 2
f (xi ) 1 3 9

A continuación vamos a obtener el polinomio interpolador de f en los puntos anteriores por el

método de Newton. Entonces el primer polinomio que el método utiliza es

p0 (x) = c0 N0 (x) = 1,

luego

p1 (x) = p0 (x) + c1 N1 (x) = p0 (x) + c1 (x − x0 )

= p0 (x) + c1 (x − 0).

A. de Francisco y R. Santamarı́a 143

 Entonces si el punto (1, 3) está en el grafo de p1 (x) obtenemos

p1 (1) = 3 = p0 (1) + c1 (1 − 0) ⇐⇒ 3 = 1 + c1 ⇐⇒ c1 = 2,

de donde concluimos
p1 (x) = p0 (x) + 2(x − 0) = 1 + 2x.
Por tanto el polinomio buscado adquiere la forma

p2 (x) = p1 (x) + c2 N2 (x) = p1 (x) = c2 (x − x0 )(x − x1 )

= p1 (x) + c1 (x − 0)(x − 1),

luego
p2 (2) = 9 = p1 (2) + c2 (2 − 0)(2 − 1) ⇐⇒ 9 = 5 + 2c2 ⇐⇒ c2 = 2,
lo que nos conduce a la igualdad

p2 (x) = p1 (x) + 2x(x − 1) = 2x + 1 + 2(x2 − x) = 2x2 + 1. (7.38)

1 √
El polinimio interpolador anterior nos permite aproximar f (0. 5) = 3 2 = 3 por

f (0. 5) ≈ p2 (0. 5) = 2(0. 5)2 + 1 = 1. 5. (7.39)

b) El polinomio de Taylor de f (x) = 3x de segundo grado en x = 0 se calcula según la fórmula

f ′′ (0)
p2,0 (x) = f (0) + f ′ (0)(x − 0) + (x − 0)2
2!
f ′′ (0) 2
= f (0) + f ′ (0)x + x ,
2
donde

f (x) = 3x , f (0) = 1,
f ′ (x) = 3x log(3), f ′ (0) = log(3),
f ′′ (x) = 3x (log(3))2 f ′′ (0) = (log(3))2 ,

de donde concluimos
log(3)2 2
p2,0 (x) = 1 + log(3)x + x . (7.40)
2
El polinomio anterior permite la siguiente aproximación del valor de la función f en x = 0. 5

f (0. 5) ≈ p2,0 (0. 5) = 1 + 0. 5 log(3) + (0. 5)3 (log(3))2 = 1. 7002. (7.41)

Las Figuras 7.7 y 7.8 recogen, respectivamente, el grafo del polinomio interpolador en los puntos
{(0, 1), (1, 3), (3, 9)} y el grafo del polinomio de Taylor de segundo grado de f en x = 0, junto
con el grafo de la propia función f . Estas figuras ilustran las bondades de ambas técnicas de
aproximación. La interpolación polinomial pretende ser una aproximación global en el intervalo
que contiene a todas las abscisas de los puntos en los que se interpola. No resulta difı́cil imaginar
que a mayor número de puntos tales que el número de abscisas en el intervalo aumente, da lugar
a polinomios de interpolación cuyo grafo replica el grafo de la función dada más fielmente, en
la mayor parte del intervalo de aproximación. En el caso del polinomio de Taylor de la función
se observa que la aproximación que proporciona una pobre aproximación global, como revela la
diferencia entre el grafo de la función y del polinomio para valores mayores que uno. Sin embargo,
la aproximación que proporciona el polinomio de Taylor en un pequeño entorno alrededor del

144 A. de Francisco y R. Santamarı́a

 punto escogido para realizar el desarrollo, x = 0 en este caso, debe ser extremadamente precisa
como revela el hecho de que no se aprecie la diferencia entre ambos grafos en valores próximos
a dicha abscisa.

2 3x
2x2 + 1
1

1 2 3

Figura 7.7: Grafos de la función 3x y del polinomio 2x2 + 1 en el intervalo (−0. 5, 2. 1)

c) Si se toma el valor √
f (0. 5) = 3 = 1. 7321
como valor verdadero de la función, los errores absolutos de tal valor por las aproximaciones
obtenidas en (7.39) y (7.41) son

|f (0. 5) − p2 (0. 5)| = 1. 7321 − 1. 5 = 0. 2321,

|f (0. 5) − p2,0 (0. 5)| = 1. 7321 − 1. 7002 = 0. 0319, (7.42)

A. de Francisco y R. Santamarı́a 145

 mientras que los errores relativos son
|f (0. 5) − p2 (0. 5)| 1. 7321 − 1. 5
= = 0. 134,
|f (0. 5)| 1. 7321
|f (0. 5) − p2,0 (0. 5)| 1. 7321 − 1. 7002
= = 0. 0184.
|f (0. 5)| 1. 7321

10

2 3x
log(3)2 2
2 x + log(3)x + 1
1

1 2 3

log(3)2 2
Figura 7.8: Grafos de la función 3x y del polinomio 2 x + log(3)x + 1 en el intervalo (−0. 5, 2. 1)

d) La acotación teórica de los errores mediante ambas técnicas de aproximación está relacionada
con la derivada tercera de f
f ′′′ (x) = 3x (log(3))3 .
La expresión que gobierna el error cometido mediante la técnica de interpolación es
M M
|f (x) − p2 (x)| ≤ |x − x0 ||x − x1 ||x − x2 | = |x||x − 1||x − 2|, ∀x ∈ [0, 2],
3! 6

146 A. de Francisco y R. Santamarı́a

 donde
|f ′′′ (x)| ≤ M, ∀x ∈ [0, 2].
Como la derivada tercera es una función creciente en todo su dominio entonces

M = f ′′′ (2) = 9(log(3))3 ,

√
por tanto la acotación teórica del error al aproximar f (3) = 3 mediante p2 (0. 5) es

9(log(3))3
|f (0. 5) − p2 (0. 5)| = |0. 5||0. 5||1. 5| = 0. 7459. (7.43)
6

1 2 3

−1 3x − 2x2 − 1

Figura 7.9: Grafo de la función diferencia entre 3x y 2x2 + 1 en el intervalo (−0. 5, 2. 1)

1 2 3 4
log(3)2 2
3x − 2 x − log(3)x − 1

log(3)2 2
Figura 7.10: Grafo de la función diferencia entre 3x y 2 x + log(3)x + 1 en el intervalo (−0. 5, 2. 1)

La expresión que gobierna el error cometido mediante la técnica de los polinomios de Taylor es

M M
|f (x) − p2,0 (x)| ≤ |(x − 0)3 | = , ∀x ∈ [0, 0. 5],
3! 6

A. de Francisco y R. Santamarı́a 147

 donde
|f ′′′ (x)| ≤ M, ∀x ∈ [0, 0. 5].
En este caso, de acuerdo a la propiedad de la derivada tercera de f recordada anteriormente,
√
M = 3(log(3))3 ,
√
luego la acotación teórica del error al aproximar f (3) = 3 mediante p2,0 (0. 5) es
7
3(log(3))3
|f (0. 5) − p2,0 (0. 5)| ≤ (0. 5)3 = 0. 0478. (7.44)
6

Notemos finalmente que las acotaciones teóricas presentadas en (7.43) y (7.44) son superiores a
los errores absolutos de las aproximaciones pedidas recogidos en (7.42).
Las Figuras 7.9 y 7.10 recogen los grafos de las funciones error obtenidas como la diferencia entre
la función f y los dos polinomios de segundo grado determinados en este ejercicio, polinomios
de interpolación y de Taylor. Estas dos figuras confirman los comentarios que hemos realizado
previamente: la técnica de interpolación proporciona una buena aproximación global en un
intervalo, mientras que los polinomios de Taylor ofrecen aproximaciones locales muy precisas.

Sesión de Maxima 7.6

Primero introducimos en la memoria del programa la función del enunciado
( %i63) f(x):=3**x;
( %o63) f (x) : = 3x
seguidamente introducimos la lista de abscisas de los puntos en los que vamos a interpolar la función
( %i64) X:[0,1,2];
( %o64) [0, 1, 2]
La siguiente orden permite construir la lista de ordenadas de los puntos de interpolación
( %i65) Y:f(X);
( %o65) [1, 3, 9]
Luego el polinomio de interpolación de la función en los puntos indicados en el enunciado se puede
introducir en Maxima gracias a la sentencia
( %i66) define(p2(x),interpolador(X,Y));
( %o66) p2(x) : = 2x2 + 1
por tanto la aproximación mediante el polinomio interpolador de segundo grado es
( %i67) p2(0.5),numer;
( %o67) 1. 5
El polinomio y la aproximación anterior coincide con las respuestas alcanzadas en (7.38) y (7.39).
Las respuestas a las órdenes siguientes coinciden,
√ respectivamente, con el polinomio de Taylor calcu-
lado en (7.40) y con la aproximación de 3 que dicho polinomio proporciona presentada en (7.41)
( %i68) define(p20(x),trunc(taylor(f(x),x,0,2)));
log(3)2 x2
( %o68) p20(x) : = 1 + log(3)x + + ···
2
( %i69) p20(0.5),numer;
( %o69) 1. 700174764435628

148 A. de Francisco y R. Santamarı́a

7.2. Problemas propuestos
1. Determinar el polinomio interpolador de las familias de puntos

a)
−2 0 2 −2 0 2 3
11 −1 11 11 −1 11 26
b)
0 1 2 0 1 2 3
1 2 3 1 2 3 10

2. Determinar mediante el método de Newton el polinomio interpolador de las familias de puntos

−1 2 3 0 0 1 −1 −2
3 3 15 −3 −1 0 −2 −9

3. Determinar, mediante la técnica de mı́nimos cuadrados, los polinomios de grado uno que mejor
aproximan a las familias de puntos

0 0 0 1 −1 0 1 2 −1
0 1 −1 1 −1 0 2 6 0

4. Determinar, mediante la técnica de mı́nimos cuadrados, los polinomios de grado dos que mejor
aproximan a las familias de puntos

0 0 0 1 −1 0 0 0 1 −1
0 −1 1 0 2 1 2 0 3 1

5. Determinar la procedencia de la aproximación

7 x
a2 + x ≈ a + , a > 0.
2a
√
Calcular con dicha aproximación 27 tomando a = 5 y estimar el error cometido.

6. Aproximar cos(0. 75) mediante

a) el polinomio interpolador de la función f (x) = cos(x) en los nodos x0 = 0, x1 = π2 , x2 = − π2 .

b) el polinomio de Taylor de segundo grado de la función f (x) = cos(x) en x = 0.
c) determinar los errores absolutos y relativos de ambas aproximaciones.
d) acotar los errores teóricos de ambas aproximaciones.

A. de Francisco y R. Santamarı́a 149