Series de Taylor y Maclaurin: La magia de aproximar funciones complejas con polinomios

Introducción

Un polinomio de Taylor aproxima una función cerca de un punto haciendo coincidir su valor y un número finito de derivadas en ese punto. La suma infinita construida con estos coeficientes es la serie de Taylor; si el centro es cero, se denomina serie de Maclaurin. La convergencia de la serie y la igualdad de su suma con la función original deben comprobarse por separado.

Con ejemplos de funciones exponenciales y trigonométricas, explicaremos cómo determinar los coeficientes, bajo qué condiciones son válidas las igualdades y cómo acotar el error al truncar la serie. Al final se incluye un ejemplo didáctico en Python para aproximar \(\sin x\) cerca de cero.

¿Por qué aproximar funciones con polinomios?

Para empezar, ¿por qué es necesario representar una función como un polinomio ( \(a + bx + cx^2 + \dots\) )?

  flowchart LR
    A["Función analítica cerca del centro"] -->|"Desarrollo de Taylor dentro de su intervalo de convergencia"| B["Serie de potencias"]
    B -->|"Truncar en términos finitos"| C["Aproximación polinómica"]
    C -->|"Solo aritmética básica"| D["Cálculo computacional de alta velocidad"]

Aproximar una función no lineal mediante un polinomio puede simplificar su evaluación, derivación e integración. Una vez determinados los coeficientes, el polinomio se evalúa con sumas y multiplicaciones. El resto y los errores numéricos permiten juzgar dónde resulta útil la aproximación y con qué precisión.

Comprensión intuitiva de la serie de Maclaurin

Consideremos primero el desarrollo de Maclaurin, que aproxima una función cerca de \(x=0\). Supongamos que \(f\) tiene las derivadas necesarias cerca de cero. Elegimos un grado finito \(n\) y determinamos los coeficientes del siguiente polinomio \(P_n\):

\[ P_n(x) = c_0 + c_1 x + c_2 x^2 + \dots + c_n x^n \]

Los coeficientes se determinan igualando el valor y las derivadas en cero. La condición de segunda derivada que sigue corresponde al caso \(n\ge2\).

Condición sobre el valor: \(P_n(0)=f(0)\) da \(c_0=f(0)\). El término constante iguala el valor de la función en cero.
Condición sobre la primera derivada: \(P_n'(0)=f'(0)\) da \(c_1=f'(0)\). El polinomio \(P_1(x)=f(0)+f'(0)x\) es la aproximación por la recta tangente en cero.
Condición sobre la segunda derivada: Exigimos \(P_n''(0)=f''(0)\). Como \(P_n''(0)=2c_2\), resulta \(c_2=f''(0)/2!\). Si hay términos de grado superior, la derivada completa \(P_n''(x)\) no es, en general, la constante \(2c_2\).
Condición general: Para \(k\le n\), imponer \(P_n^{(k)}(0)=f^{(k)}(0)\) determina \(c_k=f^{(k)}(0)/k!\). El resto descrito más adelante acota el error cerca del centro.

Fórmula y derivación de la serie de Maclaurin

Si \(f\) es infinitamente derivable, estos coeficientes permiten construir su serie de Maclaurin. Sin embargo, para escribir una igualdad con \(f(x)\) como las siguientes, la serie debe converger a \(f(x)\) en el punto considerado. Esto ocurre en un entorno adecuado de cero si \(f\) es analítica allí. Ser infinitamente derivable no basta.

\[ f(x) = f(0) + f'(0)x + \frac{f''(0)}{2!}x^2 + \frac{f^{(3)}(0)}{3!}x^3 + \dots \]

Escrito usando la notación sigma, se ve así:

\[ f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^n \]

Aquí, \(f^{(n)}(0)\) es el valor obtenido al diferenciar la función \(f(x)\) \(n\) veces y sustituir \(x=0\), y \(n!\) representa el factorial de \(n\) ( \(n \times (n-1) \times \dots \times 1\) ).

Series de Maclaurin de funciones típicas

Las siguientes series de la función exponencial, el seno y el coseno convergen a sus respectivas funciones para todo \(x\) real. Los argumentos trigonométricos se expresan en radianes.

1. Función exponencial \(e^x\)

La función exponencial \(f(x)=e^x\) sigue siendo \(e^x\) al derivarla cualquier número de veces. Por tanto, todas sus derivadas en cero valen \(1\) (\(f^{(n)}(0)=1\)).

\[ e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \dots = \sum_{n=0}^{\infty} \frac{x^n}{n!} \]

2. Funciones trigonométricas \(\sin x\) y \(\cos x\)

Al derivar repetidamente \(\sin x\), las derivadas siguen el ciclo \(\cos x, -\sin x, -\cos x, \sin x, \dots\). En \(x=0\), solo las derivadas de orden impar son distintas de cero; las de orden par valen \(0\).

\[ \sin x = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \frac{x^7}{7!} + \dots = \sum_{n=0}^{\infty} \frac{(-1)^n}{(2n+1)!} x^{2n+1} \]

De manera similar, para \(\cos x\), solo quedan los términos de orden par.

\[ \cos x = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \frac{x^6}{6!} + \dots = \sum_{n=0}^{\infty} \frac{(-1)^n}{(2n)!} x^{2n} \]

Extensión a la serie de Taylor

Al trasladar el centro de cero a \(a\) se obtiene la serie de Taylor. Si \(f\) es analítica cerca de \(a\), la siguiente igualdad se cumple donde la serie representa la función. Las aproximaciones que solo suponen un número finito de derivadas se tratan con un polinomio de Taylor finito y su resto, como veremos más adelante.

\[ f(x) = f(a) + f'(a)(x-a) + \frac{f''(a)}{2!}(x-a)^2 + \dots = \sum_{n=0}^{\infty} \frac{f^{(n)}(a)}{n!} (x-a)^n \]

Esta fórmula demuestra su poder cuando desea predecir el valor de una función en un lugar ligeramente alejado de \(x=a\) ( \(x = a + \Delta x\) ).

Aplicaciones de las series de Taylor

Aproximación lineal en física

En física se usan con frecuencia aproximaciones lineales mediante polinomios de Taylor. Para un péndulo, expresamos el ángulo \(\theta\) en radianes y suponemos \(|\theta|\ll1\). Entonces se utiliza la aproximación de primer grado del seno:

\[ \sin \theta \approx \theta \quad (\text{cuando } \theta \text{ es suficientemente pequeño}) \]

Esta aproximación linealiza la ecuación del péndulo y da un período independiente de la amplitud dentro de la aproximación de pequeña amplitud. El período real de un péndulo simple depende de la amplitud; no se puede aplicar la misma aproximación a oscilaciones grandes.

Programación y cálculo numérico

La evaluación numérica de funciones utiliza diversos métodos, entre ellos aproximaciones polinómicas. El módulo math de CPython recurre principalmente a la biblioteca matemática de C de la plataforma; los algoritmos concretos dependen de esa implementación. El siguiente ejemplo didáctico suma pocos términos cerca de cero, por ejemplo para \(|x|\le1\), y no reproduce la implementación interna de la biblioteca estándar.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
import math

def approx_sin(x, terms=10):
    """
    Ejemplo didáctico de suma finita de Maclaurin para sin(x) cerca de cero
    x: Ángulo en radianes
    terms: Número de términos que se suman (entero positivo; 10 en el ejemplo)
    """
    result = 0.0
    for n in range(terms):
        # Calcular cada término: (-1)^n * x^(2n+1) / (2n+1)!
        sign = (-1) ** n
        numerator = x ** (2 * n + 1)
        denominator = math.factorial(2 * n + 1)
        result += sign * (numerator / denominator)
    return result

# Prueba: x = 1.0 radián (aprox 57.3 grados)
x_val = 1.0
print(f"Valor aproximado: {approx_sin(x_val)}")
print(f"Valor de math.sin (para comparar): {math.sin(x_val)}")

Radio de convergencia y Teorema de Taylor

El radio de convergencia \(R\) es un número que expresa la distancia al centro \(a\) dentro de la cual converge una serie de potencias, \(|x-a|<R\); no es el nombre del intervalo. También pueden darse \(R=0\) y \(R=\infty\). Los extremos \(|x-a|=R\) deben estudiarse por separado. Por ejemplo, la serie de Maclaurin de \(\ln(1+x)\) tiene radio 1 y es igual a la función para \(-1<x\le1\) real. En \(x=1\) converge condicionalmente y en \(x=-1\) diverge.

Para una aproximación finita, supongamos que \(f\) es de clase \(C^{n+1}\) en el intervalo que une \(a\) con \(x\). El teorema de Taylor da:

\[ f(x)=P_{n,a}(x)+R_n(x),\qquad P_{n,a}(x)=\sum_{k=0}^{n}\frac{f^{(k)}(a)}{k!}(x-a)^k \]\[ R_n(x)=\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-a)^{n+1} \]

Aquí \(\xi\) está entre \(a\) y \(x\). Si \(|f^{(n+1)}|\le M\) en el intervalo, entonces \(|R_n(x)|\le M|x-a|^{n+1}/(n+1)!\). Para demostrar que una función es igual a su serie de Taylor infinita, se puede comprobar que este resto tiende a cero cuando \(n\to\infty\).

El código anterior suma 10 términos, hasta \(x^{19}\). Como el coeficiente de grado 20 del seno es cero, el teorema de Taylor acota el error de truncamiento en \(x=1\) por \(1/21!\), aproximadamente \(1.96\times10^{-20}\). Esta cota corresponde a la suma finita calculada exactamente en los números reales; el error de redondeo de las operaciones de coma flotante de Python es distinto. La salida de math.sin también es un valor de coma flotante para comparar, no el valor matemático exacto.

Una función suave que no coincide con su serie de Taylor

\[ g(x)=\begin{cases}e^{-1/x},&x>0,\\0,&x\le0.\end{cases} \]

Esta función es infinitamente derivable y todas sus derivadas en cero son nulas. Por tanto, su serie de Taylor en cero es idénticamente cero y converge para todo \(x\). Sin embargo, para \(x>0\) se tiene \(g(x)>0\), de modo que la suma de la serie no coincide con la función original. El ejemplo distingue la convergencia de una serie de la igualdad de su suma con la función.

Conclusión

Los polinomios de Taylor proporcionan aproximaciones locales y los restos acotan sus errores. Al utilizar una serie de Taylor como igualdad, hay que comprobar su intervalo de convergencia y si su suma coincide con la función original. Estas distinciones ayudan a determinar la precisión y el ámbito de aplicación de las aproximaciones en física y cálculo numérico.