SERIES DE TAYLOR PARA Log (X) en X0 = 1

Mateo Ricardo Romero Buitrago. C.C. 1018438445

Metodos numericos. Grupo 7

10/04/2022

serie de taylor de Log (x) centrada en 1

Por ser una funcion racional se obtiene la n derivada de la siguiente forma.

Table of Contents
Marco teorico. .......................................................................................................................................................... 2
1 polinomio de Taylor................................................................................................................................................2
Graficas.................................................................................................................................................................... 5
Errores...................................................................................................................................................................... 6
RESTO DE TAYLOR.................................................................................................................................................9
GRADO OPTIMO................................................................................................................................................... 10
Funciones............................................................................................................................................................... 11
Concluciones.......................................................................................................................................................... 12

1
Marco teorico.

El polinomio de Taylor es una aproximación a partir de polinomios sumados de una función n veces derivable
en un punto concreto.

El polinomio de Taylor puede entenderse de una forma menos abstracta como una suma definida y finita de
derivadas locales de una funcion Evaluadas en un punto concreto y un pivote de partida.

Forma del polinomio de Taylor

Como se definio anteriormente una funcion debe ser deribable n veces en un punto de si misma, de esta forma
es posible definir una aproximacion numerica a el punto definido en la funcion, en cuanto mas grande sea la
sumatoria de polinomios mas se acercara la aproximacion a el valor real.

Debido a que la aproximacion numerica es precisamente eso, una aproximacion siempre habra una
incertidumbre o un residuo que se refiere al error en la aproximacion.

Forma de error de Taylor.

Si la función f(x) tiene derivadas n+1 para cada punto en el intervalo |x−x0|≤r , y en el intervalo ∣∣f(n+1)(x)
∣∣≤M , entonces el polinomio de Taylor (Maclaurin) de grado n tiene la siguiente brecha para el resto Rn(x) :

1 polinomio de Taylor

% En esta sección se introducen la variable a que sera el centro

clc

2
clear
close all
format long

%polinomio

a=1; %centro

syms x

% polinomios y sus grados

p2 = pol(2,a)

pol =
pol =

p2 =

p5 = pol(5,a)

pol =
pol =

pol =

pol =

pol =

p5 =

p8 = pol(8,a)

pol =
pol =

pol =

3
pol =

pol =

pol =

pol =

pol =

p8 =

p15 = pol(15,a)

pol =
pol =

pol =

pol =

pol =

pol =

pol =

pol =

4
 pol =

pol =

pol =

pol =

pol =

pol =

pol =

p15 =

% comprobacion del factorial

FLR(4)

ans =
24

Graficas
figure (1)
hold on
grid on
title('aproximacion vs funcion')
xlabel('x') % nombres ejes
ylabel('f(x)') %nombres ejes
xlim([0.1 2.5])
ylim([-2 2])
fplot(log(x)) % funcion base

% polinomios a grafiar comparados con la funcion base

5
 fplot(p2,'r')
fplot(p5,'k--')
fplot(p8,'r--')
fplot(p15,'b--')
legend('funcion base','p2(x)','p5(x)','p8(x)','p15(x)')
hold off

Errores
M = zeros(4,3);
x = 2;
yRef = log(x);

M(:,1) = [2,5,8,15];
M(:,2) = [eval(p2),eval(p5),eval(p8),eval(p15)]

M = 4×3
2.000000000000000 0.500000000000000 0
5.000000000000000 0.783333333333333 0
8.000000000000000 0.634523809523809 0
15.000000000000000 0.725371850371850 0

M(:,3) = [EA(M(1,2),yRef),EA(M(2,2),yRef),EA(M(3,2),yRef),EA(M(4,2),yRef)]

6
M = 4×3
2.000000000000000 0.500000000000000 0.193147180559945
5.000000000000000 0.783333333333333 0.090186152773388
8.000000000000000 0.634523809523809 0.058623371036136
15.000000000000000 0.725371850371850 0.032224669811905

% comando para hacer una tabla de la matriz

T = array2table(M,"VariableNames",["Grado del Polinomio","Polinomio Evaluado","Error de

T = 4×3 table
Grado del Polinomio Polinomio Evaluado Error de aproximacion

1 2 0.500000000000000 0.193147180559945
2 5 0.783333333333333 0.090186152773388
3 8 0.634523809523809 0.058623371036136
4 15 0.725371850371850 0.032224669811905

% datos para crear graficas de error aproximado, aproximacion y resto.

figure(2)
hold on
title('error de aprox')
xlabel('grado de polinomio')
ylabel('Error')
plot(M(:,1),M(:,3),'r')
hold off

7
figure(3)
hold on
title('aprox')
xlabel('grado de polinomio')
ylabel('Valor aproxi')
plot(M(:,1),M(:,2),'r')
hold off

8
RESTO DE TAYLOR
Fres = RES(a,x,15)

k =
16
Fres =

yRefpol = M(4,2);

figure(4)
hold on
title ('resto')
xlabel('gamma')
ylabel('residuo de taylor')
xlim([a x])
fplot(Fres,'r','LineWidth',2)
hold off

9
 y = 1

y =
1

Res = (eval(Fres))

Res =
-0.062500000000000

yUp = yRefpol + Res

yUp =
0.662871850371850

yRef

yRef =
0.693147180559945

yDWN = yRefpol - Res

yDWN =
0.787871850371850

GRADO OPTIMO

10
 % codigo para definir el grado de polinomio necesario para satisfacer la
% condicion de tolerancia de 0.000001

tol = 1e-6;
res = 1;
n = 1;
A = zeros(2);

while res >= tol

res = abs (((x-a)^(n+1))/FLR ...
(n+1));
A(n,1) = n;
A(n,2) = res;
n = n+1;

end

K = array2table(A,"VariableNames",["grado","Resto"])

K = 9×2 table
grado Resto

1 1 0.5000000000...
2 2 0.1666666666...
3 3 0.0416666666...
4 4 0.0083333333...
5 5 0.0013888888...
6 6 0.0001984126...
7 7 0.0000248015...
8 8 0.0000027557...
9 9 0.0000002755...

Funciones
% lista de funciones taylor y ln, siempre debe ir al final del codigo

function fact =FLR(n)

fact = 1;
for i= 1:n
fact = fact * i;
end

end

function der = dFn(n,a)

der = (((-1)^(n+1)*(FLR(n-1)/(a^n))));

11
 end

function pol = pol(n,a)

pol = log(a);

syms x

for i = 1:n;
pol = pol + (dFn(i,a)*(((x-a)^i)/FLR(i)))

end
end

function ea = EA(a,b)
ea = abs(a-b);

end

function rest = RES(a,x,n)

syms y
k = n+1

rest = dFn(k,y)*((x-a)^k)/FLR(k);

end

Concluciones.
• Los valores arrojados por el programa matlab del codigo, concuerdan con la teoria en que un polinomio
de mayor grado permitira una menor inceridumbre al momento de calcular una funcin por el metodo de
Taylor.
• De forma rapida y simple se pueden obtener los valores y graficas de los errores absolutos y magnitud
de gama.
• De forma rapida la programacion en Matlab proveer una serie de informacion grafica y numerica para
analizar y entender de manera mas detallada el comportamiento de un analizis numerico.
• El valor numerico de la solucion de es de donde el valor aproximado ma crecano
para el valor de es de se obtiene un valor aproximado.
• Para el polinomio de grado 9 ya se cumple con la condicion de un resto del orden de 1e^-6 el valor del
resto en este grado de polinomio es de 0,0000002755
• En la grafica 1 se puede ver que los polinomios se acercan a la funcion base para luego diverger, en x =
1 la cercania de los polinomios a la funcion base es mas uniforme, en x = 2 se los polinomios ya se han
alejado de la funcion base pero el polinomio que mas se acerca en este punto es el de grado 15, esto

12
concuerda que lo mencionado el la teoria donde se explica que un mayor grado en el polinomio reduce
la insertidumbre y el valor real de la funcion evaluada.

13