Matemática II. Plan E. Ingeniería en Ciencias Informáticas.

Tema 1: Cálculo diferencial de funciones reales de una variable real

Material de estudio para la lección 5: Aplicaciones de la derivada (3)

Sumario:

5.1 Aproximaciones lineales y diferenciales

5.2 Aproximación polinomial

5.3 Método de Newton para resolver ecuaciones no lineales

Con el estudio de este contenido debes:

• Reconocer aplicaciones de la derivada en algunos métodos de cálculo aproximado

• Desarrollar las habilidades siguientes:

o Linealizar una función en un punto.

o Utilizar la ecuación de la recta tangente (linealización) a una curva para

obtener aproximaciones de valores de la función que genera a la curva para
valores próximos a la abscisa del punto de tangencia.

o Resolver problemas de cálculo aproximado utilizando el diferencial como

aproximación de la variación de la función.

o Obtener y utilizar polinomios de Taylor para aproximar una función.

o Obtener el polinomio de interpolación de una función dada tubularmente y

realizar aproximación haciendo uso del mismo

INTRODUCCIÓN:

En lección anterior estudiamos una las aplicaciones más conocidas del cálculo diferencial,
la determinación de máximos y mínimos de una función, pero esta importante rama de la
Matemática tiene un amplio espectro de aplicaciones en la ciencia, la tecnología entre otras.
En esta lección estudiaremos algunos problemas de cálculo aproximado relacionados con
el concepto de derivada, primeramente, en la aproximación de funciones y otra para
resolver ecuaciones no lineales.

1
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
DESARROLLO

5.1 Aproximaciones lineales y diferenciales

Cuando estudiamos el problema de la tangente aprendimos a determinar su ecuación a

partir de las coordenadas del punto de tangencia y la ecuación de la función generadora de
la curva, sabemos además que por la propia relación de tangencia alrededor del punto de
contacto la curva y la recta tienen diferencia infinitesimal (figura 1) dependiendo de la
cercanía al punto y de la curvatura de la curva (ya sabemos que esta curvatura depende
del valor absoluto de la segunda derivada). La pregunta es, ¿podremos utilizar la ecuación
de la recta tangente en lugar de la ecuación de la curva para realizar aproximaciones de la
función?

Figura 1

La respuesta es afirmativa, aunque cálculo aproximado al fin, genera un error cuya

magnitud depende, como se dijo arriba, de la cercanía al punto de tangencia y de la
curvatura.

Linealizar una función en un punto dado significa obtener la ecuación de la recta tangente
a la curva en ese punto. Si tenemos la función 𝑦 = 𝑓(𝑥) y el punto (𝑎, 𝑓(𝑎)), la
linealización de 𝑓 en el punto dado es la función lineal:

𝐿(𝑥) = 𝑓 ′ (𝑎)𝑥 + 𝑛 donde 𝑛 = 𝑓(𝑎) − 𝑎𝑓′(𝑎), luego 𝐿(𝑥) = 𝑓 ′ (𝑎)(𝑥 − 𝑎) + 𝑓(𝑎)

Veamos un ejemplo. Aclaramos que no son ejemplos de aplicación directa pues contamos
con medios suficientemente exactos (entiéndese con un margen de error muy pequeño)
para realizar estos cálculos, el interés es didáctico y aplicable a problemas más complejos.

2
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
Ejemplo 1: Obtener la linealización de la función 𝑓(𝑥) = √𝑥 + 1 en 𝑎 = 3. Utilizar la
linealización para aproximar los valores de √2.98 y √3.01

Solución:

Lo primero que debemos lograr al interpretar el problema o ejercicio propuesto es conocer

bien qué se nos pide hacer, en este caso se trata de encontrar la ecuación de la recta
tangente a la curva de la función en el punto (3, 𝑓(3)) = (3,2), algo que ya aprendimos a
realizar.

Necesitamos la derivada de la función en el punto, para lo cual comenzamos por derivarla:

1
𝑓 ′ (𝑥) =
2 √𝑥 + 1
1 1 1
𝑚 = 𝑓 ′ (3) = = , tenemos 𝑦 = 𝑥 + 𝑛, utilizando ahora las coordenadas del punto de
2√3+1 4 4
3 5
tangencia: 2 = + 𝑛 → 𝑛 = , por lo que la ecuación de la recta tangente (linealización) es:
4 4

1 5 1 5
𝐿(𝑥) = 𝑥 + y tenemos entonces que 𝑓(𝑥) = √𝑥 + 1 ≈ 𝐿(𝑥) = 𝑥 +
4 4 4 4

1 5
√2.98 = √1.98 + 1 = 𝑓(1.98) ≈ 𝐿(1.98) = (1.98) + = 1.745
4 4

√2.98 ≈ 1.745

1 5
√3.01 = √2.01 + 1 = 𝑓(2.01) ≈ 𝐿(2.01) = (2.01) + = 1.752
4 4

√3.01 ≈ 1.752

Figura 2

3
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
De lo anterior deducimos que cuando se tiene la recta tangente a la curva de 𝑦 = 𝑓(𝑥) en
el punto (𝑎, 𝑓(𝑎)) aproximar valores de la función para números próximos a 𝑎 (digamos
𝑎 + ∆𝑥) conlleva a un error que es menor en la medida que esos números estés más
cercanos a 𝑎. Están presentes entonces dos diferencias, una es la diferencia entre los
valores de la función para 𝑎 y su incremento ∆𝑓 = ∆𝑦 = 𝑓(𝑎 + ∆𝑥) − 𝑓(𝑎) y otra diferencia
obtenida evaluando en la recta tangente (linealización) 𝐿(𝑎 + ∆𝑥) − 𝐿(𝑎), pero como
(𝑎, 𝑓(𝑎)) es un punto común (el de tangencia) la diferencia en la tangente puede escribirse
como 𝐿(𝑎 + ∆𝑥) − 𝑓(𝑎).

Coloquemos todos estos elementos en un gráfico y obtengamos una expresión para la

diferencia en la tangente, la cual es conocida como diferencial de la función y vamos a
denotar por 𝑑𝑓 o 𝑑𝑦

Vamos a retomar primero la ecuación de la recta tangente a la curva:

𝐿(𝑥) = 𝑓 ′ (𝑎)(𝑥 − 𝑎) + 𝑓(𝑎) de donde se obtiene 𝐿(𝑥) − 𝑓(𝑎) = 𝑓 ′ (𝑎)(𝑥 − 𝑎)

expresión que puede escribirse como ∆𝐿(𝑥) = 𝑓 ′ (𝑎)∆𝑥.

Sabemos que cuando ∆𝑥 → 0 𝐿(𝑥) ≈ 𝑓(𝑥) por lo que pudiéramos decir que:

∆𝐿(𝑥) ≈ ∆𝑓(𝑥). Utilicemos la notación 𝑑𝑥 en lugar de ∆𝑥 para indicar que la

expresión es infinitesimal, entonces la expresión toma a forma:

𝑓 ′ (𝑎)𝑑𝑥 y se define como el diferencial de la función 𝑦 = 𝑓(𝑥) en el número 𝑎, se

denota por 𝑑𝑓(𝑎) y se dice que 𝑓 es diferenciable en 𝑎. Si consideramos un intervalo
𝐼 subconjunto del dominio de la función podemos hablar del diferencial de la función:

𝑑𝑓(𝑥) = 𝑓 ′ (𝑥)𝑑𝑥

Se tiene además que ∆𝑓(𝑥) ≈ 𝑑𝑓(𝑥), es decir, la diferencia entre los valores de la función
para 𝑥 = 𝑎 y 𝑥 = 𝑎 + ∆𝑥 cuando ∆𝑥 → 0 es aproximadamente igual a la diferencia de esos
valores, pero de la recta tangente. Interpretemos gráficamente esta relación (figura 3).

Observa que en la medida que ∆𝑥 → 0 el valor 𝑅 también tiende a cero y la longitud del
segmento que representa al diferencial tiende a ser igual a la longitud del segmento que
representa a ∆𝑓.

Interpretación del diferencial de una función

4
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.

Figura 3

Como hemos apreciado el diferencial de una función está en relación directa con la
linealización de la función, en realidad son dos enfoques diferentes de la misma situación
que permite resolver problemas de aproximación de funciones utilizando la linealización.

Veamos un ejemplo recordando que son situaciones hipotéticas de interés didáctico de ahí
la simplicidad del problema a resolver.

Ejemplo 2 (ejercicio 34, p. 255 del texto básico): Todos los instrumentos de medición traen
consigo un margen de error independientemente del que puede cometerse en su
manipulación. Al medir un disco circular se obtiene que su radio es de 24 cm pero el
instrumento utilizado contempla un margen de 0.2 cm de error.

a) Utilice diferenciales para estimar el error máximo al tomar esta medición para el
cálculo del área del círculo.

b) ¿Cuál es el error relativo?

Solución:

a) Al interpretar el problema nos damos cuenta de que el error solicitado es sobre el

cálculo del área de un círculo, la cual depende de su radio, definamos entonces con
la variable 𝑟 al radio y como 𝐴 a su área. La función área tiene entonces la ecuación:

𝐴(𝑟) = 𝜋𝑟 2

Tenemos que para 𝑟 = 24 hay una variación ∆𝑟 = 0.2 por lo que debemos estimar

5
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
la diferencia del área utilizando 𝑟 = 24 y 𝑟 + ∆𝑟 = 24.2, esto es:

∆𝐴 = 𝐴(𝑟 + ∆𝑟) − 𝐴(𝑟) → 𝐴(24.2) − 𝐴(24) (error absoluto en la estimación)

Una vez más recordemos que se trata de un problema de interés didáctico para
mostrar en un problema sencillo cómo utilizar los diferenciales, pues esta operación
es muy fácil de realizar hasta manualmente.

Mostremos como aproximar esa diferencia mediante diferenciales:

Tenemos que ∆𝐴 ≈ 𝑑𝐴 por lo que debemos obtener la expresión de diferencial.

𝑑𝐴 = 𝐴′ (𝑟)𝑑𝑟 recordemos que 𝑑𝑟 = ∆𝑟 considerando a ∆𝑟 como una magnitud de lo

suficientemente pequeña.

𝐴′ (𝑟) = 2𝜋𝑟 por lo que 𝑑𝐴(𝑟) = 2𝜋𝑟𝑑𝑟 y como 𝑟 = 24 y ∆𝑟 = 0.2 tenemos

𝑑𝐴 = 2𝜋 ∙ 24 ∙ 0.2 = 9.6 ≈ ∆𝐴

por lo que el error máximo que se puede cometer al calcular el área bajo estas
condiciones es de 9.6𝑐𝑚2 . Como los números absolutos dependen del rango de los
números en el contexto muchas veces dan una imagen distorsionada del valor de la
aproximación, por ejemplo, un error de 9.6𝑐𝑚2 en el cálculo de un área puede
parecer muy grande, por eso conviene además hallar el error relativo, el cual
depende solo de la proporción de lo estimado con respecto al valor real.

b) Para hallar el error relativo vamos a utilizar la estimación del error absoluto y dividir
esa magnitud por el área no incrementada 𝐴(24) = (3.14) ∙ (24)2 = 1808.64
9.6
Entonces 𝑒 = = 0.00053 en porcentaje representa el 0.053%, como puede
1808.64

verse el error proporcionalmente considerado no está alto, aunque eso depende del
contexto.

Complementa el estudio consultando en la Bibliografía básica el Cap 3 (Epígrafe

3.10, pp 250 y 254). Como actividad práctica de autopreparación resuelve los
ejercicios 1, 3, 5, 23, 25, 27, 31, 33, 35, 37 de la página 255. Algunos de estos
ejercicios estarán en las preguntas a responder en la lección).

6
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
5.2 Aproximación polinomial.

La linealización tiene como ventaja que modela el problema con una función lineal
(polinomio de primer grado) y este tipo de funciones son muy sencillas de trabajar y hacer
cálculos, pero tiene la desventaja de que el intervalo de mejor aproximación es muy
reducido pue la recta tiende a alejarse de la curva rápidamente. La pregunta es ¿es posible
utilizar polinomios de grados mayor a uno para aproximar funciones?, obviamente esta
pregunta utilizada para motivarte en el estudio de esta temática tiene una respuesta
afirmativa, los polinomios de grado dos en adelante no son tan simples como los de primer
grado, pero tienen una estructura bien estudiada y que ofrece muchas posibilidades de
trabajar sobre ellos. En la sección siguiente conoceremos más al respecto.

Polinomios de Taylor

Encontrar la linealización de una función 𝑦 = 𝑓(𝑥) en 𝑥 = 𝑐 es un problema que resolvimos

obteniendo la ecuación de la recta tangente procedimiento conocido de antemano.
Enfoquemos la resolución de este problema de la siguiente forma:

Se debe obtener el polinomio de primer grado que mejor aproxime los valores de la función
𝑦 = 𝑓(𝑥) para números próximos a 𝑥 = 𝑐

La forma general de un polinomio de primer grado (lineal) que proponemos es:

𝑃1 (𝑥) = 𝑎1 𝑥 + 𝑎0

Como son dos los parámetros que debemos encontrar necesitamos dos condiciones y
como tenemos solo un valor del dominio (𝑥 = 𝑐) las dos condiciones deben estar sobre este
número. Las condiciones son:

1. 𝑓(𝑐) = 𝑃1 (𝑐) (𝑃1 y 𝑓 deben tener el mismo valor para 𝑥 = 𝑐)

2. 𝑓′(𝑐) = 𝑃1′ (𝑐) (𝑃1′ y 𝑓′ deben tener el mismo valor para 𝑥 = 𝑐, crecen o decrecen
simultáneamente y con la misma rapidez)

Aplicando las condiciones se tiene:

𝑓(𝑐) = 𝑎1 𝑐 + 𝑎0 de (1)

𝑓 ′ (𝑐) = 𝑎1 de (2)

Sustituyendo en 𝑃1 (𝑥) = 𝑎1 𝑥 + 𝑎2 las coordenadas de (𝑐, 𝑓(𝑐))

→ 𝑃1 (𝑥) = 𝑓 ′ (𝑐)𝑥 + 𝑎0 → 𝑓(𝑐) = 𝑓 ′ (𝑐) ∙ 𝑐 + 𝑎0 → 𝑎0 = 𝑓(𝑐) − 𝑓 ′ (𝑐) ∙ 𝑐

finalmente se tiene que 𝑃1 (𝑥) = 𝑓 ′ (𝑐)𝑥 + 𝑓(𝑐) − 𝑓 ′ (𝑐) ∙ 𝑐 y si factorizamos

7
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
𝑃1 (𝑥) = 𝑓 ′ (𝑐)(𝑥 − 𝑐) + 𝑓(𝑐) tenemos así la expresión para el polinomio buscado,
que no es más que la ecuación de la recta tangente a la curva en el punto (𝑐, 𝑓(𝑐)).

Observa que la forma del polinomio contempla una potencia de base 𝑥 − 𝑐

Notar que para que exista este polinomio la función tiene que ser derivable en 𝑥 = 𝑐

Ahora, si con las mismas premisas se quiere obtener un polinomio cuadrático, es decir, de
grado dos, ¿cómo hacer?

Tenemos la función 𝑦 = 𝑓(𝑥) y el punto (𝑐, 𝑓(𝑐)) debemos obtener un polinomio de grado
dos: 𝑃2 = 𝑎2 𝑥 2 + 𝑎1 𝑥 + 𝑎0 , son tres parámetros desconocidos por lo que deben imponerse
tres condiciones, agregar una tercera condición a las impuestas para el polinomio de
primer grado

1. 𝑓(𝑐) = 𝑃2 (𝑐) (𝑃2 y 𝑓 deben tener el mismo valor para 𝑥 = 𝑐)

2. 𝑓′(𝑐) = 𝑃2′ (𝑐) (𝑃′ y 𝑓′ deben tener el mismo valor para 𝑥 = 𝑐, crecen o decrecen
simultáneamente y con la misma rapidez)

3. 𝑓′′(𝑐) = 𝑃2′′ (𝑐) (𝑃2′′ y 𝑓′′ deben tener el mismo valor para 𝑥 = 𝑐, la misma aceleración
en la monotonía, o desde el punto de vista gráfico la misma curvatura en ese punto)

Vamos a dejar que de manera independiente realices el proceso, deberás resolver un

sistema de ecuaciones lineales de tres ecuaciones y tres variables para llegar al polinomio:

𝑓 ′′ (𝑐)
𝑃2 (𝑥) = (𝑥 − 𝑐)2 + 𝑓 ′ (𝑐)(𝑥 − 𝑐) + 𝑓(𝑐)
2

En general para los polinomios de grado 𝑛 con la forma:

𝑃𝑛 (𝑥) = 𝑐𝑛 (𝑥 − 𝑐)𝑛 + 𝑐𝑛−1 (𝑥 − 𝑐)𝑛−1 + ⋯ + 𝑐2 (𝑥 − 𝑐)2 + 𝑐1 (𝑥 − 𝑐) + 𝑐0

𝑓(𝑘) (𝑐)
con 𝑐𝑘 = (0 ≤ 𝑘 ≤ 𝑛) se llaman polinomios de Taylor de la función 𝑦 = 𝑓(𝑥) centrado
𝑘!

en 𝑥 = 𝑐

Definición: Si 𝑓 es una función definida en el intervalo 𝐼 ∈ ℝ tal que admite derivadas de

orden 𝑛 en una vecindad del número 𝑐 del intervalo 𝐼. Se llama polinomio de Taylor
generado por 𝑓 en 𝑥 = 𝑎 al siguiente polinomio:

𝑓(𝑛) (𝑐) 𝑓(𝑛−1) (𝑐) 𝑓′′ (𝑐) 𝑓′ (𝑐)

𝑃𝑛 (𝑥) = (𝑥 − 𝑐)𝑛 + (𝑥 − 𝑐)𝑛−1 + ⋯ + (𝑥 − 𝑐)2 + (𝑥 − 𝑐) + 𝑓(𝑐)
𝑛! (𝑛−1)! 2! 1!

8
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
El trabajo manual para obtener polinomios de Taylor es demasiado engorroso por lo que el
objetivo aquí no es que realices los cálculos para llegar al polinomio con grados mayores a
tres, sí deberás dominar:

• Obtener manualmente si es necesario los polinomios de grado 1 (linealización), de

grado 2 y de grado 3.

• La forma de los polinomios de Taylor reconociendo sus elementos, entre ellos la

expresión de los coeficientes.

• La relación entre la función y sus polinomios de Taylor.

• Qué significa el valor 𝑥 = 𝑐, centro del polinomio.

• Cómo lograr las mejores aproximaciones, es decir, con error menor. relación grado
y centro del polinomio con el error.

• Cómo obtener polinomios de Taylor utilizando un asistente, por ejemplo Geogebra.

El error en la aproximación de un valor utilizando el polinomio de grado 𝑛 puede estimarse

con el valor que toma el término de grado 𝑛 + 1 en el polinomio de ese grado, es decir:

𝑓 (𝑛+1) (𝑐)
𝑐𝑛+1 (𝑥) = (𝑥 − 𝑐)
(𝑛 + 1)!

Algunos desarrollos limitados de una función derivable 𝑛 + 1 veces (𝑐 = 0):

Polinomios de Taylor para algunas funciones elementales

1 𝑥2 𝑥3 𝑥𝑛
𝑒𝑥 = 1 + 𝑥 + + + ⋯+ + 𝑜(𝑥 𝑛 )
2! 3! 𝑛!

2 𝑥3 𝑥5 𝑥 2𝑛+1
𝑠𝑒𝑛 𝑥 = 𝑥 − + − ⋯ + (−1)2𝑛+1 + 𝑜(𝑥 2𝑛+1 )
3! 5! (2𝑛 + 1)!

3 𝑥2 𝑥4 2𝑛
𝑥 2𝑛
cos 𝑥 = 1 − + + ⋯ + (−1) + 𝑜(𝑥 2𝑛 )
2! 4! (2𝑛)!
1
4 = 1 − 𝑥 + 𝑥 2 − 𝑥 3 + ⋯ + (−1)𝑛 𝑥 𝑛 + 𝑜(𝑥 𝑛 )
1+𝑥

6 𝑥2 𝑥3 𝑛−1
𝑥𝑛
ln(1 + 𝑥) = 𝑥 − + + ⋯ + (−1) + 𝑜(𝑥 𝑛 )
2 3 𝑛!

Nota: Si 𝑓(𝑥) es un 𝑜(𝑔𝑥) entonces 𝑓(𝑥) < 𝑔(𝑥)

9
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
Ejemplo 3:

Obtener los polinomios de Taylor de grado 1, grado 2 y grado 3 respectivamente, de la

𝑒 𝑥 +𝑒 −𝑥
función 𝑓(𝑥) = (cosen hiperbólico) centrado en 𝑐 = 1 (Utiliza el applet de Geogebra
2

Polinomios de Taylor, también para comparar el error cuando se aproxima el valor de 𝑓(2)

Solución: Utilizando Geogebra:

Polinomio de primer grado (linealización):

Polinomio de segundo grado:

Polinomio de tercer grado:

Figura 4

, Polinomios de Taylor

10
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
Interpolación

Otro problema donde se emplean polinomios para aproximar funciones es en la llamada

interpolación, ¿en qué consiste?, veamos.

En este tipo de problema se tiene una función representada tubularmente, es decir por
medio de un número finito 𝑛 de pares ordenados, contando con estos puntos debe
obtenerse un polinomio que pase por todos ellos, interpolar significa determinar valores de
la función para números del dominio que no están en la tabla.

El problema: Dada una función 𝑓 representada por 𝑛 + 1 pares ordenados

(𝑥0 , 𝑦0 ), (𝑥1 , 𝑦1 ), (𝑥2 , 𝑦2 ), ⋯ , (𝑥𝑛 , 𝑦𝑛 ), con 𝑥0 , 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 números distintos

Se debe encontrar el polinomio de grado 𝑛 𝑃𝑛 (𝑥𝑘 ) = 𝑦𝑘 𝑘 = 0,1,2, ⋯ , 𝑛

Este polinomio se llama polinomio de interpolación para 𝑓 su forma canónica es:

𝑃𝑛 (𝑥) = 𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−1 + ⋯ + 𝑎1 𝑥 + 𝑎0

Existencia y unicidad: Para cada 𝑛 + 1 puntos (𝑥0 , 𝑦0 ), (𝑥1 , 𝑦1 ), (𝑥2 , 𝑦2 ), ⋯ , (𝑥𝑛 , 𝑦𝑛 ) existe uno
y solo un polinomio de grado menor o igual a 𝑛 que pasa por todos los puntos y por tanto
interpola a la función.

Existen varios métodos para obtener polinomios de interpolación y aunque es un proceso

discreto algunos de ellos tienen relación estrecha con la derivada de la función
representada. Como ya conocemos, dado un conjunto de puntos de una función el
polinomio de interpolación es único por lo que no importa el método utilizado la diferencia
en el resultado solo podrá ser de forma o en la aproximación de los coeficientes.

El problema más sencillo es cuando se tienen dos puntos pues sabemos que el resultado
será un polinomio de primer grado cuyo gráfico es una recta, encontrar su ecuación es algo
que aprendimos en la enseñanza media y lo hemos estado haciendo desde Matemática I
para la recta tangente a una curva. Veamos cómo es el procedimiento en el caso de tener
tres puntos para los que se obtiene un polinomio de primer grado si estuvieran alineados o
a lo sumo uno cuadrático. Ilustremos con un ejemplo:

Ejemplo 4:

Una función está definida por la tabla:

x -1 2 4
y 3 -1 5

11
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
Los pares son: (-1, 3), (2, -1) y (4, 5)

Se quiere obtener el polinomio de grado 2 que pasa por los tres puntos, la forma canónica
del polinomio es:

𝑃2 (𝑥) = 𝑎2 𝑥 2 + 𝑎1 𝑥 + 𝑎0

Como este polinomio tiene que pasar por los tres puntos tienen que satisfacerse las
condiciones siguientes:

𝑎2 − 𝑎1 + 𝑎0 = 3

4𝑎2 + 2𝑎1 + 𝑎0 = −1

16𝑎2 + 4𝑎1 + 𝑎0 = 5

que es un sistema de ecuaciones lineales que sabemos resolver desde la enseñanza

media.

Utilizando Geogebra para resolver el SEL tenemos:

𝑎2 = 0.8667, 𝑎1 = −2.2 y 𝑎0 = −0.0667 entonces el polinomio de interpolación es:

𝑃2 (𝑥) = 0.8667𝑥 2 − 2.2𝑥 − 0.0667

Gráficamente:

Figura 5

La obtención de polinomios de interpolación tiene entre sus objetivos representar a la

función para los procesos de derivación y de integración numéricas (a estudiar en
Matemática III) entre otros. Nosotros los utilizaremos para obtener aproximaciones de

12
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
valores de la función en puntos que no están en la tabla, pero si entre los números que sí
están, eso es interpolar, por ejemplo, aproximar el valor de 𝑓(1.3):

𝑓(1.3) ≈ 𝑃2 (1.3) = −1.462

Figura 6

Los métodos más conocidos para obtener polinomios de interpolación son el método (o
forma) de Lagrange y el método (o forma) de Newton (diferencias divididas), no los
estudiaremos aquí, pero los puedes consultar en la bibliografía complementaria. Sobre esta
temática deberás:

• Identificar el problema de interpolación polinomial (cómo debe estar expresada la

función, qué es el polinomio de interpolación, su expresión, relación grado con la
cantidad de puntos)

• Reconocer que significa interpolar una función y realizar interpolaciones dado el

polinomio.

• Obtener manualmente polinomios de interpolación de primer grado (lineales) y de

segundo grado.

• Utilizar Geogebra u otro asistente para obtener polinomios de interpolación e

interpolar valores.

Las expresiones o fórmulas para estimar el error absoluto al realizar aproximaciones con
polinomios de interpolación tienen utilidad práctica muy restringida pues solo es aplicable a
funciones con derivadas fácilmente acotables. Estas fórmulas toman formas particulares en
dependencia del método utilizado. Para mejorar las aproximaciones se recomienda utilizar
un número de puntos que mejor describa el problema en estudio hasta lograr que los

13
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
coeficientes de los términos con mayor grado sean muy pequeños en un rango aceptado
como posible cota del error.

Interpolación polinomial

Capítulo del libro de Métodos numéricos de Manuel Álvarez, cap 4 (disponible en

el EVA).

5.3 Método de Newton para resolver ecuaciones no lineales

Para resolver numéricamente ecuaciones no lineales ya aprendimos en Matemática I el

método de bisección el cual se fundamenta en las propiedades de la continuidad
expresadas en el teorema de Bolzano que garantiza la existencia de la solución en un
intervalo dado, para garantizar la unicidad la función debía ser monótona en ese intervalo,
ahora con la relación aprendida entre monotonía y primera derivada podemos incorporarla
para además de localizar una solución, garantizar que sea única en el intervalo escogido.

Pero en este material estudiaremos un nuevo método para resolver ecuaciones que es uno
de los más empleados por los programas de computación que contemplan la resolución
numérica de ecuaciones, por su rapidez y eficiencia computacional, se trata del método de
Newton-Raphson o método de las tangentes.

Este método es un método iterativo, recordemos que este tipo de método partiendo de al
menos un valor inicial genera una sucesión de debe converger a una solución para que
tenga validez. El método iterativo general consiste en de la ecuación a resolver 𝑓(𝑥) = 0
llegar a una función de iteración 𝑥 = 𝑔(𝑥) de manera que pueda utilizarse para realizar las
iteraciones: 𝑥𝑛 = 𝑔(𝑥𝑛−1 ) así se genera la sucesión 𝑥1 , 𝑥2 , 𝑥3 , ⋯ , 𝑥𝑛 , ⋯ la cual debe ser
convergente lo que depende tanto del valor inicial como de ciertas propiedades de 𝑔(𝑥).

14
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
El método de Newton-Raphson utiliza una función de iteración vinculada a la derivada de
la función 𝑓 lo cual permite obtener además una condición suficiente para la convergencia.
Veamos gráficamente la idea que fundamenta al método.

a b c
Figura 7
En el gráfico se muestra la esencia del método y de cómo se obtiene la función de iteración,
se basa en ir corriendo la tangente desde el punto de tangencia inicial (𝑥𝑛−1 , 𝑓(𝑥𝑛−1 )) al
siguiente (𝑥𝑛 , 𝑓(𝑥𝑛 )), si se cumple cierta condición que deduciremos más adelante la
sucesión {𝑥𝑛 } convergerá a la raíz de la ecuación. Vamos a obtener la ecuación de la recta
tangente inicial:

𝑓(𝑥𝑛−1 ) − 0 = 𝑓′(𝑥𝑛−1 )(𝑥𝑛−1 − 𝑥𝑛 )

Ahora despejemos 𝑥𝑛 , recuerden que la idea es obtener una función de iteración:

𝑓(𝑥𝑛−1 ) − 0 = 𝑓′(𝑥𝑛−1 )(𝑥𝑛−1 − 𝑥𝑛 ) → 𝑓(𝑥𝑛−1 ) = 𝑓′(𝑥𝑛−1 ) ∙ 𝑥𝑛−1 − 𝑓′(𝑥𝑛−1 ) ∙ 𝑥𝑛

−𝑓(𝑥𝑛−1 ) + 𝑓′(𝑥𝑛−1 ) ∙ 𝑥𝑛−1

𝑓′(𝑥𝑛−1 ) ∙ 𝑥𝑛 = −𝑓(𝑥𝑛−1 ) + 𝑓′(𝑥𝑛−1 ) ∙ 𝑥𝑛−1 → 𝑥𝑛 =
𝑓′(𝑥𝑛−1 )

𝑓(𝑥𝑛−1 )
𝑥𝑛 = 𝑥𝑛−1 −
𝑓′(𝑥𝑛−1 )

que es la función de iteración del método de Newton-Raphson con 𝑛 = 1,2,3, ⋯

Condición de convergencia: En el método iterativo general presentado en Matemática I

donde la función de iteración es 𝑥𝑛 = 𝑔(𝑥𝑛−1 ) conocimos que la condición suficiente de
convergencia es que para el valor inicial del algoritmo se cumpla que: |𝑔′ (𝑥)| < 1, como en
𝑓(𝑥𝑛−1 )
la función de iteración del método de Newton-Raphson se tiene que 𝑔(𝑥) = 𝑥𝑛−1 −
𝑓′(𝑥𝑛−1 )
𝑓(𝑥)𝑓′′(𝑥)
entonces derivando 𝑔′ (𝑥) = (𝑓′(𝑥))2
por lo que para garantizar la convergencia debe
|𝑓(𝑥)𝑓′′(𝑥)|
escogerse un valor 𝑥 = 𝑥0 tal que se cumpla la condición (𝑓′(𝑥))2
< 1. La condición es

suficiente pero no necesaria.

15
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
Para estimar el error absoluto utilizaremos un procedimiento ya conocido cuando en
Matemática I estudiamos los métodos iterativo y que consiste en hallar el valor absoluto de
la diferencia entre la iteración 𝑘 con la anterior 𝑘 − 1.

𝐸𝑘 = |𝑥𝑘 − 𝑥𝑘−1 |

Ejemplo 5: Aproximar la raíz positiva menor en la siguiente ecuación, utiliza un graficador

para localizar la raíz (por ejemplo la CalculadoraGeogebra_Límite y derivada). Reliza dos
iteraciones. (con precisión de cuatro cifras decimales)

𝑥3 − 𝑥 − 1 = 0

Solución:

Como puede observarse tiene una

sola raíz y se encuentra cercana a
𝑥 = 1 por tanto debemos utilizar un
valor inicial próximo.

Utilicemos 𝑥0 = 2 , comprobemos
que garantiza convergencia:

Figura 8

3 2
𝑓(𝑥) = 𝑥 − 𝑥 − 1, 𝑓′(𝑥) = 3𝑥 − 1 , 𝑓 ′′ (𝑥) = 6

|𝑓(2)𝑓′′(2)| |(23 −2−1)6|

(𝑓′(2))2
= = 0.49 < 1 cumple la condición suficiente para converger
(3(2)2 −1)2

Mostremos cómo obtener la aproximaciones hasta dos iteraciones:

𝑓(𝑥𝑛−1 )
𝑥𝑛 = 𝑥𝑛−1 −
𝑓′(𝑥𝑛−1 )

Utilicemos una tabla para organizar los cálculos (aunque no es obligatorio)

𝑓(𝑥𝑛 ) = 𝑥𝑛3 − 𝑥𝑛 − 1 𝑓 ′ (𝑥𝑛 ) = 3𝑥𝑛2 − 1 𝑓(𝑥𝑛−1 )

𝑛 𝑥𝑛 = 𝑥𝑛−1 − 𝐸𝑛 = |𝑥𝑛 − 𝑥𝑛−1 |
𝑓′(𝑥𝑛−1 )

0 2 -

𝑓(2) = 5 𝑓 ′ (2) = 11 5
1 𝑥𝑛 = 2 − = 1.5454 0.4546
11

𝑓(1.5454) = 1.1454 𝑓 ′ (1.5454) = 6.1648 1.1454

2 𝑥𝑛 = 1.5454 − = 1.3596 0.1858
6.1648

16
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
Utilizando el applet de Geogebra Método de Newton-Raphson se obtiene la tabla con las
10 primeras iteraciones y el gráfico:

Figura 9

Observa que pasa si se escoge 𝑥0 = −1:

Figura 10

La condición suficiente no se cumple y por lo que puede deducirse del análisis del gráfico y
l atendencia en las tangentes, así como de la dispersión de los valores hasta la iteración
10, al parecer desde este punto inicial no se llega a la solución. Nota que entre la raíz y el
valor 𝑥 = −1 hay un punto de inflexión, en general a la hora de escoger el valor inicial debe
hacer de manera que el signo de la función y el de la segunda derivada en ese número
coincidan.

Explicación visual de la resolución del ejemplo 4

17
 Matemática II. Plan E. Ingeniería en Ciencias Informáticas.

Complementa el estudio consultando en la Bibliografía básica el Cap 4 (Epígrafe

4.8, pp 338-341). También el capítulo 3 del libro de Métodos numéricos de Manuel
Álvarez (disponible en el EVA). Como actividad práctica de autopreparación
resuelve los ejercicios impares alternos del 1 al 27 de la página 342. Algunos de
estos ejercicios estarán en las preguntas a responder en la lección).

Créditos

Autor: Antonio Rey Roque Derechos de uso:

Fecha de creación: 9/10/2021 No se permite un uso comercial de este

recurso ni de las posibles obras derivadas,
Última modificación: 30/01/2022
la distribución de las cuales se debe realizar
Contacto: antrey@uci.cu
con una licencia igual a la que regula la
obra original y el reconocimiento de sus
autores.

18