Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
Figura 1
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:
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:
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).
Sabemos que cuando ∆𝑥 → 0 𝐿(𝑥) ≈ 𝑓(𝑥) por lo que pudiéramos decir que:
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.
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.
Solución:
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:
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.
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.
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
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
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:
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)
𝑓(𝑐) = 𝑎1 𝑐 + 𝑎0 de (1)
𝑓 ′ (𝑐) = 𝑎1 de (2)
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
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)
𝑓 ′′ (𝑐)
𝑃2 (𝑥) = (𝑥 − 𝑐)2 + 𝑓 ′ (𝑐)(𝑥 − 𝑐) + 𝑓(𝑐)
2
𝑓(𝑘) (𝑐)
con 𝑐𝑘 = (0 ≤ 𝑘 ≤ 𝑛) se llaman polinomios de Taylor de la función 𝑦 = 𝑓(𝑥) centrado
𝑘!
en 𝑥 = 𝑐
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:
• Cómo lograr las mejores aproximaciones, es decir, con error menor. relación grado
y centro del polinomio con el error.
𝑓 (𝑛+1) (𝑐)
𝑐𝑛+1 (𝑥) = (𝑥 − 𝑐)
(𝑛 + 1)!
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!
9
Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
Ejemplo 3:
Polinomios de Taylor, también para comparar el error cuando se aproxima el valor de 𝑓(2)
Figura 4
, Polinomios de Taylor
10
Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
Interpolación
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.
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.
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:
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
Gráficamente:
Figura 5
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):
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:
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
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 )
𝑥𝑛 = 𝑥𝑛−1 −
𝑓′(𝑥𝑛−1 )
𝐸𝑘 = |𝑥𝑘 − 𝑥𝑘−1 |
𝑥3 − 𝑥 − 1 = 0
Solución:
Utilicemos 𝑥0 = 2 , comprobemos
que garantiza convergencia:
Figura 8
3 2
𝑓(𝑥) = 𝑥 − 𝑥 − 1, 𝑓′(𝑥) = 3𝑥 − 1 , 𝑓 ′′ (𝑥) = 6
𝑓(𝑥𝑛−1 )
𝑥𝑛 = 𝑥𝑛−1 −
𝑓′(𝑥𝑛−1 )
0 2 -
𝑓(2) = 5 𝑓 ′ (2) = 11 5
1 𝑥𝑛 = 2 − = 1.5454 0.4546
11
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
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.
17
Matemática II. Plan E. Ingeniería en Ciencias Informáticas.
Créditos
18