Академический Документы
Профессиональный Документы
Культура Документы
Propiedades y aplicaciones
Orthogonal Polinomials
Properties and applications
Poli
r
Inte
i n
c
a
l
po
Jiaqi Wang
rt
sO o
mio
o
n ulas
Frm ratura
ad
u
c
de
...
ca
st
o
r
t
Elec
ti
nal
go es
Dr. D. Ramn ngel Orive Rodrguez, con N.LF. 42059801-P Catedrtico de Universidad, adscrito al Departamento de Anlisis Matemtico de la Universidad de La Laguna.
CERTIFICA
ha sido realizada bajo su direccion por D. Jiaqi Wang, con N.LE. X3679099-L.
Agradecimientos
A mi ta Aiqiong Shi,
por su cuidado durante mi infancia,
a Ramon,
por su inestimable ayuda durante la realizacion de este trabajo,
y a mis amigos,
por apoyarme en los momentos mas difciles de la carrera.
Resumen
El objetivo de este Trabajo de Fin de Grado ha sido introducirnos en una de las teoras
mas relevantes y fecundas de la Matematica Aplicada: los Polinomios Ortogonales. Este
tema, aunque se introduce brevemente como parte de la asignatura Metodos Numericos
II, del actual Grado en Matematicas de la Universidad de La Laguna, se caracteriza
por su naturaleza esencialmente multidisciplinar, tanto en lo referente a su desarrollo
teorico como a su amplio y variado campo de aplicaciones.
En el presente trabajo, hemos sintetizado algunas de las propiedades mas representativas de las familias generales de Polinomios Ortogonales (norma cuadratica mnima,
comportamiento de ceros, relacion de recurrencia), para tratar con mas detalle el caso
particular de los denominados Polinomios Ortogonales Clasicos, entre los que destaca
especialmente el caso de los Polinomios de Chebyshev de primera especie.
Finalmente, se desarrollan brevemente algunas de las principales aplicaciones de estas
familias de polinomios (interpolacion, integracion numerica) para concluir mostrando una interesante conexion con las aplicaciones fsicas, a traves de la interpretacion
electrostatica de los ceros, debida originariamente a T. J. Stieltjes (1856-1894). Este
u
ltimo aspecto, especialmente, permite conectar este trabajo con un posible tema futuro
de investigacion de Master y Doctorado por nuestra parte.
Palabras clave: Polinomios ortogonales, Polinomios de Chebyshev, Interpolacion, Formulas de Cuadratura, Interpretacion electrostatica.
Abstract
The main purpose of this report has been introducing one of the most important
and fruitful theories of the Applied Mathematics, namely, the theory of Orthogonal
Polynomials. It is well known that this issue, though formally introduced within the
contents of Metodos Numericos II (Third Course of the Degree in Mathematics at
ULL), is essentially interdisciplinary by its theoretical development as well as its wide
range of applications.
The current report starts summarizing some of the most basic and useful properties of
these families of polynomials (minimal quadratic norm, behavior of zeros, recurrence
relations). Then, the particular case of the so-called Classical Orthogonal Polynomials,
amongst them the case of the first kind Chebyshev polynomials deserves special attention, is analyzed with more detail.
Finally, some of the most important applications of the Orthogonal Polynomials (interpolation, numerical integration) are handled, to end showing a very interesting connection with the physical applications: the electrostatic interpretation of the zeros of
certain families of Classical Orthogonal Polynomials, due to some seminal papers by
T. J. Stieltjes (1856-1894). Moreover, we hope that this last topic may be the link with
further researchs in the context of a Master or Doctorship in Mathematics.
Indice general
1. Motivaci
on y objetivos
2. Definici
on y propiedades generales
2.1. Definicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
3
6
3. Polinomios ortogonales cl
asicos
3.1. Polinomios de Jacobi . . . . . . . . . . . . . . . . .
3.1.1. Polinomios de Chebyshev (Primera especie)
3.2. Polinomios de Laguerre . . . . . . . . . . . . . . . .
3.3. Polinomios de Hermite . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
11
13
19
20
4. Aplicaci
on a la interpolaci
on
23
5. Aplicaci
on a las f
ormulas de cuadratura
27
6. Aplicaci
on fsica: interpretaci
on electrost
atica de ceros
6.1. El problema de Stieltjes . . . . . . . . . . . . . . . . . . . . . . . . . .
35
37
Captulo 1
Motivaci
on y objetivos
Como suele ser habitual, no existe una u
nica razon para elegir este tema para la realizacion del Trabajo de Fin de Grado en Matematicas. No obstante, entre el conjunto
de posibles argumentos en favor de esta eleccion hemos considerado oportuno destacar
los siguientes:
Jiaqi Wang
Conocer los distintos tipos de polinomios ortogonales clasicos, entre ellos los polinomios de Chebyshev de primera especie.
Aplicar los conocimientos en otros ambitos de la ciencia, tanto matematicos (interpolacion y formulas de cuadratura) como fsicos (electrostatica).
Captulo 2
Definici
on y propiedades generales
Comenzamos dando la definicion de los polinomios ortogonales para luego extraer de
ella algunas propiedades. Para mas detalles sobre el contenido de este captulo pueden
consultarse las referencias [1],[2] y [3].
2.1.
Definici
on
(x)dx < .
A partir de esta funcion peso se define un producto escalar para el espacio vectorial
de los polinomios P. Sean p, q P,
Z b
hp, qi :=
p(x)q(x)(x)dx
a
y su correspondiente norma:
s
p(x)2 (x)dx,
||p|| =
a
Jiaqi Wang
Definici
on 2.1.1 (Polinomios ortogonales) {pn (x)}
on de pon=0 es una sucesi
linomios ortogonales con respecto del peso si verifica:
1. n Z+ , deg(pn (x)) = n.
2. hpn , pm i = 0 n 6= m.
hpn , x i =
b
k
pn (x)x (x)dx = Cn nk =
a
Cn , n = k,
0,
n=
6 k,
, k = 0, 1, 2, , n ,
y claramente veri-
(x)dx
Polinomios ortogonales
Veamos para el caso k = n. Utilizamos un argumento parecido a la ortogonalizacion de Gram- Schmidt. Construimos el polinomio de grado n + 1:
Z b
n
X
n+1
xn+1 pi (x)(x)dx.
pn+1 (x) = x
ai pi (x), donde ai =
a
i=0
[x
n+1
n+1
pi (x)(x)dx
n
X
aj pj (x)]pi (x)(x)dx
j=0
Z
aj
j=0
n
X
pj (x)pi (x)(x)dx
a
= ai ai = 0, i {0, , n}.
Z b
(pn+1 (x))2 (x)dx = I > 0 al ser la intePor otro lado, hpn+1 , pn+1 i =
a
, obtendramos un polinomio
I
que verifica las tres propiedades y, por tanto, concluimos la prueba por
induccion, justificando as la existencia.
Por tanto, si tomaramos pn+1 (x) =
Unicidad.
Supongamos que {pn (x)}
on de polinomios ortogonales que ven=0 es una sucesi
rifica las propiedades y sea {qn (x)}n=0 otra sucesion de polinomios que satisface
las mismas. Veamos entonces que pn = qn , n N:
Sea n N. Como {q0 , q1 , , qn } forma una base del subespacio Pn :
n
X
a0 , a1 , , an R/pn (x) =
ai qi (x).
i=0
Jiaqi Wang
A continuacion veremos algunas propiedades importantes que satisfacen los polinomios ortogonales.
2.2.
Propiedades
tica mnima
1. Norma cuadra
Los polinomios ortogonales tienen la norma || || definida en la seccion 2.1 mnima, como se refleja en la siguiente proposicion:
Proposici
on 2.2.1 (Norma cuadr
atica minima) Sea pn (x) el enesimo
polinomio ortogonal monico. Entonces, para cualquier qn (x) polinomio monico
de grado n se tiene:
||qn || ||pn || .
O lo que es equivalente, ||pn || =
mn ||qn || .
qn =xn +
mn ||qn || .
qn =xn +
Polinomios ortogonales
rmula de recurrencia
2. Fo
Teorema 2.2.1 (F
ormula de recurrencia a tres t
erminos) Sea la fun
cion peso y {pn }n=0 su sucesion de polinomios ortonormales asociados. Entonces, se verifica:
n 1, xpn (x) = an+1 pn+1 (x) + bn pn (x) + an pn1 (x),
n1
siendo pn (x) = n x + , an =
> 0, bn =
n
n
(2.1)
xp2n (x)(x)dx.
n
X
n
ck pk (x).
pn+1 +
n+1
k=0
(2.2)
A esto se a
nade que si j < n = deg(xpj (x)) < n + 1, y como consecuencia de
la ortogonalidad:
Z
Z
xpn (x)pj (x)(x)dx = cj
0=
a
n
pn+1 (x) + cn pn (x) + cn1 pn1 (x).
n+1
(2.3)
xp2n (x)(x)dx
Z b
Z b
n
=
pn+1 (x)pn (x)(x)dx + cn
xp2n (x)(x)dx
n+1 a
a
Z b
+ cn1
pn1 (x)pn (x)(x)dx
a
n
=
hpn+1 , pn i + cn hpn , pn i + cn1 hpn1 , pn i = cn = bn .
n+1
Haciendo lo mismo, esta vez multiplicando por pn1 (x) en ambos miembros de
la igualdad, se tendra que:
Jiaqi Wang
Z
a
n
xpn1 (x)pn (x)(x)dx =
n+1
Z
pn1 (x)pn+1 (x)(x)dx + cn
pn (x)pn1 (x)
a
+ cn1
a
n
hpn1 , pn+1 i + cn hpn , pn1 i + cn1 ||pn1 ||2 = cn1 .
n+1
n
k=0
y la ortogonalidad, obtenemos:
Z
cn1 =
n1
pn (x) + pn1 (x)
n
a
a
Z
n1 b 2
+ pn2 (x)]pn (x)(x)dx =
p (x)(x)dx = an .
n a n
xpn1 (x)pn (x)(x)dx =
Polinomios ortogonales
1
> 0.
a0
Proposici
on 2.2.2 pn , el enesimo polinomio ortogonal respecto de la funcion
peso , tiene exactamente n ceros en el intervalo (a, b).
n]: Supongamos, por reduccion al absurdo, que Cpn = {x1 , , xm },
[Demostracio
m < n es el conjunto de ceros de pn en (a, b). Construimos el polinomio
m
Y
(x xi ), que es de grado m. Por ortogonalidad se tendra entonces que:
i=1
Z bY
m
m
Y
(x xi )pn (x)(x)dx = h (x xi ), pn i = 0.
a i=1
i=1
m
Y
(x xi )qnm (x).
i=1
(x xi )pn (x)(x)dx =
Z bY
m
(x xi )2 qn (x)(x)dx = 0.
a i=1
10
Jiaqi Wang
Entonces, se tiene:
Proposici
on 2.2.3 (Separacion de ceros) Sean pn , pn+1 dos polinomios
ortogonales consecutivos respecto de la funcion peso . Entonces, sus ceros
estan ordenados de modo que verifican las inecuaciones:
xn+1,k+1 < xn,k < xn+1,k , k = 1, , n.
La idea de la proposicion queda recogida en la siguiente imagen.
xn+1,n+1 xn,n
a
xn+1,n
xn,n-1
xn+1,n-1
... x
n+1,3
xn,2
xn+1,2
xn,1
xn+1,1
b
Captulo 3
Polinomios ortogonales cl
asicos
Hablaremos en esta seccion sobre algunos de los polinomios ortogonales clasicos que
tuvieron una importancia no solo en el desarrollo de esta teora sino tambien en las
aplicaciones a otras ciencias. Para mayor informacion, pueden consultarse, entre otras,
las referencias [4] y [6].
Se clasifican en tres grandes familias: Jacobi, Laguerre y Hermite. En funcion de las
caractersticas del intervalo de definicion [a, b], seg
un se trate de un intervalo acotado
[a, b], semi- infinito [a, ) o infinito (R).
Haciendo uso, si fuese necesario, de transformaciones lineales elementales, basta
estudiar los intervalos [1, 1], [0, ) y R = (, +), quedando as cubiertos todos
los casos posibles.
3.1.
Polinomios de Jacobi
11
12
Jiaqi Wang
n de Ortogonalidad
1. Relacio
hPn(,) (x), Pm(,) (x)i
Z
=
1
2++1
(n + + 1)(n + + 1)
, n = m,
=
n!(2n + + + 1)
(n + + + 1)
0,
n=
6 m.
rmula de Rodrigues
2. Fo
1
dn
[(1 x)+n (1 + x)+n ],
n
n
(2) n!(1 x) (1 + x) dx
que, mediante la regla de Leibniz permite obtener una expresion explcita:
Pn(,) (x) =
Pn(,) (x)
n
X
n+
n+
=
(x 1)k (x + 1)nk .
nk
k
k=0
1
= n
2
2n + +
n
.
n de una E.D.O.
4. Solucio
El polinomio de Jacobi de orden n es solucion de la ecuacion diferencial de segundo orden con coeficientes polinomicos:
(x2 1)y 00 (x) + [(2 + + )x + ]y 0 (x) n[n + 1 + + ]y(x) = 0. (3.1)
Cuando los parametros cumplen la igualdad = se denominaran Polinomios de
Gegenbauer o Polinomios Ultraesf
ericos. Entre ellos se encuentran las siguientes
subfamilias de polinomios:
1
Polinomios de Chebyshev de primera especie ( = = ). Se denotan por
2
Tn (x). A estos les dedicaremos un estudio mas profundo por la riqueza de sus
propiedades.
1
Polinomios de Chebyshev de segunda especie ( = = ). Se denotan por Un (x).
2
Polinomios de Legendre ( = = 0). Se denota por Pn (x).
Polinomios ortogonales
3.1.1.
13
1
.
1 x2
(3.2)
(3.3)
Sumando los ecuaciones (3.2) y (3.3), y despejando cos ((n + 1)t), se tendra que:
cos ((n + 1)t) = 2 cos (t) cos (nt) cos ((n 1)t).
(3.4)
Como la aplicacion:
cos : [0, 2]
7 [1, 1]
t
7 cos(t)
es una biyeccion de conjuntos, haciendo el cambio de variable
x = cos (t) t = arc cos(x) en la ecuacion (3.4), si denotamos por
Tk (x) := cos(k arc cos(x)), se tendra que Tk (x) es un polinomio en la variable x y
obtendramos la siguiente formula de recurrencia:
Tn+1 (x) = 2xTn (x) Tn1 (x), x [1, 1].
(3.5)
Utilizando dicha formula de recurrencia (3.5), podemos calcular los primeros terminos:
n = 0 = T0 (x) = cos(0 arc cos (x)) = cos(0) = 1.
14
Jiaqi Wang
n = 1 = T1 (x) = cos (arc cos x) = x.
Y as sucesivamente, aplicando la recursividad:
n = 2 = T2 (x) = 2xT1 (x) T0 (x) = 2x2 1.
n = 3 = T3 (x) = 2xT2 (x) T1 (x) = 4x3 3x.
n = 4 = T4 (x) = 2xT3 (x) T2 (x) = 8x4 8x2 + 1.
.
..
n = k = Tk (x) = 2xTk1 (x) Tk2 (x).
Por tanto, se tiene que n N:
Tn es un polinomio de grado n.
El coeficiente principal es 2n1 .
Tn es par n es par.
Tn es impar n es impar.
Tn (x) = (1)n Tn (x)
Polinomios ortogonales
15
Luego es trivial que verifica las propiedades 1 y 2, pues claramente es un polinomio de grado n + 1 y ademas su coeficiente principal es 2n = 2(n+1)1 . Ademas,
usando otra vez la formula de recurrencia a tres terminos se comprueba que
conserva la simetra:
Tn+1 (x) = 2xTn (x) Tn1 (x) = 2x(1)n Tn (x) (1)n1 Tn1 (x)
= (1)n+1 (2xTn (x) Tn1 (x)) = (1)n+1 Tn+1 (x).
Con esto concluimos por induccion que las tres propiedades se verifican.
Estamos en condiciones para dar una definicion de los polinomios de Chebyshev de
primera especie.
Definici
on 3.1.1 (Polinomios de Chebyshev de primera especie) La suceormula de recurrencia (3.5) con las
sion de polinomios {Tn (x)}
n=0 que verifican la f
condiciones iniciales T0 1, T1 (x) = x se denominan polinomios de Chebyshev de
primera especie.
Ademas, si x [1, 1], los polinomios de Chebyshev se representa por:
Tn (x) = cos(n arc cos(x)).
Denotamos por tn (x) :=
Tn (x)
al enesimo polinomio monico de dicha sucesion.
2n1
1
Tn (x) = [(x + x2 1)n (x x2 1)n ], n Z+ .
2
(3.6)
1X
Tn (x) =
2 k=0
n
k
x
nk
1X
k
2
( x 1)
2 k=0
= ... =
[2]
X
k=0
n
k
16
Jiaqi Wang
n = m = 0,
dx
, n = m > 0,
Tn (x)Tm (x)
=
hTn , Tm i =
1 x2
1
2
0, n 6= m.
Z
Polinomios ortogonales
17
n ceros en C, luego el n
umero de ceros de Tn en (1, 1) es a lo sumo n. Por tanto,
concluimos
que
(2n 1)
CTn = x0 = cos
, . . . , xn1 = cos
enesimo
||tn ||[1,1] =
||Tn ||[1,1]
| cos(n arc cos(x))|
1
=
n1 .
n1
n1
2
2
2
2. Extremos
Veamos que los puntos en los que se alcanzan dicho maximo son efectivamente
los citados.
|tn (x)| =
1
2n1
18
Jiaqi Wang
El lema anterior nos ayudara a demostrar el siguiente teorema de suma importancia.
Teorema 3.1.1 (Norma uniforme mnima) La norma uniforme (en el intervalo [1, 1], denotado por || ||[1,1] ) de un polinomio de Chebyshev monico
de grado n es mnima en relacion a todos los polinomios monicos de grado n. Esto es:
Pn (x) = xn + . . . , ||Pn ||[1,1] ||tn ||[1,1] ,
donde la desigualdad es estricta salvo el caso de igualdad Pn tn .
De manera equivalente, se tiene:
n N,
mn
Pn =xn +...
(3.7)
(1)k
.
2n1
(3.8)
1
2n1
Polinomios ortogonales
19
(1)k ln1 (xk ) = ||tn ||[1,1] +(1)k Pn (xk ) ||tn ||[1,1] ||Pn ||[1,1] > 0, k = 0, . . . , n1.
(3.9)
La ecuacion (3.9) nos dice que:
Esto viene a decir que el polinomio ln1 Pn1 cambia de signo al menos n veces en
[1, 1], concretamente en cada uno de los subintervalos (xk , xk+1 ), k = 0, . . . , n 1.
Por el teorema de Bolzano, para cada k, ck (xk , xk+1 ) : ln1 (xk ) = 0, k =
0, . . . , n 1. Luego se tendra un polinomio de grado a lo sumo n 1 que se anula
n veces en [1, 1], de donde concluimos que ln1 (x) 0 = tn Pn #. Esto u
ltimo
es un absurdo puesto que supusimos tn 6= Pn . As concluimos que:
||Pn ||[1,1] ||tn ||[1,1] .
3.2.
Polinomios de Laguerre
n de Ortogonalidad
1. Relacio
hLn (x), Lm (x)i
Ln (x)Lm (x)(x)dx
=
0
(n + + 1)
, n = m,
n!
0,
n=
6 m.
rmula de Rodrigues
2. Fo
ex dn x n+
=
[e x ],
n!x dxn
de donde, utilizando la formula de Leibniz:
Ln (x)
Ln (x)
n
X
n + (x)k
=
.
nk
k!
k=0
20
Jiaqi Wang
3. Coeficiente principal
kn =
(1)n
.
n!
n de E.D.O.
4. Solucio
El enesimo polinomio de Laguerre es solucion de la ecuacion diferencial de segundo orden:
xy 00 (x) + ( + 1 x)y 0 (x) + ny(x) = 0.
3.3.
Polinomios de Hermite
n de Ortogonalidad
1. Relacio
n
Z
2 n!, n = m,
hHn (x), Hm (x)i =
Hn (x)Hm (x)(x)dx =
0,
n=
6 m.
n por la fo
rmula de Rodrigues
2. Generacio
Hn (x) = (1)n ex
dn x2
[e ].
dxn
Hn (x) = n!
[2]
X
(1)k (2x)n2k
k=0
(n 2k)!k!
3. Coeficiente principal
kn = 2n .
Resumimos las principales propiedades de los polinomios ortogonales clasicos en la
siguiente tabla.
Polinomios ortogonales
Tipo
21
Notaci
on Dominio
Peso (x)
(,)
Pn (x)
(1 x) (1 x) ,
Chebyshev 1
Tn (x)
Jacobi Chebyshev 2
Un (x)
, > 1
1
1 x2
1 x2
Gegenbauer
Cn (x)
(1 x2 ) , > 1
Legendre
Pn (x)
(1, 1)
Laguerre
Ln (x)
(0, )
x ex , > 1
Hermite
Hn (x)
ex
Cte.
principal
1
2n + +
n
2n
1
2n 1
n
2n
1
2n + 1
n
2n
1
2n + 2
2n n
1
2n
n
2n
(1)n
n!
2n
Captulo 4
Aplicaci
on a la interpolaci
on
Una de las aplicaciones de los polinomios ortogonales es el uso de sus ceros como
nodos de interpolacion. Empezaremos por describir brevemente el problema de interpolacion de Lagrange. Para mas detalles, veanse las referencias [1] y [2].
Queremos aproximar funciones mediante polinomios. El problema consiste en, dado
un vector x = (x0 , x1 , x2 , , xn )t de nodos y una funcion f , con el correspondiente
vector de imagenes y = (y0 = f (x0 ), y1 = f (x1 ), y2 = f (x2 ), , yn = f (xn ))t , hallar
el polinomio pn (x) = an xn + + a0 , o, lo que es lo mismo, el vector coeficientes
a = (a0 , a1 , a2 , , an )t , pn P, de manera que:
pn (x0 ) = y0 a0 + a1 x0 + + an xn0 = y0 ,
pn (x1 ) = y1 a0 + a1 x1 + + an xn = y1 ,
1
.
..
p (x ) = y a + a x + + a xn = y .
n
1 n
n n
(4.1)
Siendo:
M = V AN D[x0 , x1 , , xn ] =
1 x0 x20
1 x1 x21
.. ..
..
..
. .
.
.
1 xn x2n
xn0
xn1
..
.
xnn
Esta
u
ltima es una matriz de Vandermonde, y como ademas los nodos x0 , x1 , , xn
23
24
Jiaqi Wang
Y
(xj xi ) 6= 0, y concluimos
i<j
x0,0 0
0
p0 (x)
x1,0 x1,1 0
p1 (x)
0
..
..
..
..
.. .. .
.
.
.
.
.
.
xn,0 xn,1 xn,n
pn (x)
De modo que pn f uniformemente, o lo que es equivalente, lm ||f pn || = 0.
n
f (n+1) ((x)) Y
(x xi ).
f (x) pn (x) =
(n + 1)! i=0
Donde a < (x) < b. Tomando normas en ambos lados de la igualdad, encontramos
la siguiente cota del error:
n
n
||f (n+1) ((x))|| Y
Mn Y
||f (x) pn (x)|| =
(x xi )
(x xi ) .
(n + 1)!
(n + 1)! i=0
i=0
(4.2)
(n+1)
Siendo Mn = ||f
((x))|| .
De estau
ltima observamos
que el termino que depende u
nicamente de la eleccion de
n
Y
nodos es (x xi ) , pues la otra depende de cada funcion concreta. De manera
i=0
Polinomios ortogonales
25
2i + 1
son los ceros del polinomio (n+1) -esimo, se tendra por
2(n + 1)
definicion que:
||f n+1 ((x))||
||f n+1 ||
||tn || =
.
(n + 1)!
(n + 1)! 2n
Esta u
ltima cota parece muy razonable para nuestro proposito de controlar el error
de aproximacion. En la practica, se observa que obtiene resultados realmente interesantes. Ilustraremos lo anterior con un ejemplo: utilizando estos nodos se obtiene una
1
aproximacion la funcion de Runge f (x) =
, x [1, 1]. Dado que utilizamos
1 + 25x2
9 nodos en cada caso, denotamos por p8 (f ) el polinomio obtenido por interpolacion y
por q8 (f ) usando los nodos de Chebyshev. Los graficos mostrados a continuacion han
sido realizados con la ayuda del programa Mathematica.
||f (x) pn (x)|| =
f(x)
p8(f;x)
q8(f;x)
0.5
-1
-0.5
0.5
-0.5
-1
Figura 4.1: Comparacion entre los polinomios interpoladores obtenidos mediante dos
clases de nodos, equiespaciados y nodos de Chebyshev.
26
Jiaqi Wang
La Figura 4.1 refleja la enorme calidad de aproximacion mediante el uso de los ceros de los polinomios de Chebyshev como nodos. Observamos claramente que p8 (f ) es
una buena aproximacion en el centro del intervalo, pero esta va empeorando conforme
nos acercamos a los extremos: 1 y 1. El polinomio q8 (f ), por su parte, realiza una
buena aproximacion tanto en los extremos como en los centros del intervalo. Podemos
observar que en el centro del intervalo es ligeramente mejor usando los nodos equiespaciados que los de Chebyshev, pero dicha peque
na ventaja no compensa la mala
aproximacion en los extremos.
Si representamos los errores de aproximacion, vease la Figura 4.2, observamos a
un
mejor este comportamiento.
0.4
Error p8(f;x)
Error q8(f;x)
0.3
0.2
0.1
-1
-0.5
0.5
Figura 4.2: Comparacion entre los errores de los polinomios interpoladores con nodos
equiespaciados y nodos de Chebyshev para aproximar la funcion de Runge.
Captulo 5
Aplicaci
on a las f
ormulas de
cuadratura
El contenido de este captulo trata sobre las denominadas formulas de cuadratura.
Para una mayor informacion sobre este tema puede consutarse, por ejemplo, la referencia [2].
En los cursos elementales de analisis hemos utilizado las sumas de Riemann para
aproximar las integrales definidas. Esto es, dado una funcion integrable f en un intervalo (a, b), < a < b < :
Z
f (x)dx = Sn (f )
a
n
X
i=1
...
f(yn) ..............................................................................................................................
f(yn-1) ...............................................................................................................
f(y0)) .....................................................
......................................
27
28
Jiaqi Wang
donde {[x0 , x1 ], [x1 , x2 ], , [xn1 , xn ]} constituye una particion del intervalo (a, b),
y i {1, , n}, yi [xi1 , xi ], una eleccion arbitraria de n puntos. Al aumentar n,
la aproximacion se vuelve mejor hasta converger al valor de la integral cuando n .
Las formulas de cuadratura tienen el mismo objetivo que esta u
ltima: aproximar el
valor de una integral definida.
Para su introduccion nos basaremos en un caso mas general, incluyendo una funcion
peso (x) como factor en el integrando, cuya utilidad se basa en absorber las posibles
singularidades
del integrando. Es decir, estudiaremos aproximar la integral
Z
b
f (x)(x)dx. Esta u
ltima recibe el nombre de integral de Riemann- Stieltjes.
I (f ) =
a
(t)dt < .
2.
a
3. Adem
as queremos
que permita integrar cualquier polinomio, esto es,
Z
b
f (t)(t)dt < , f P. Para ello, es equivalente exigir que los momentos
a
Z b
s
de orden s, s , sean finitos, esto es, s :=
t (t)dt < , s Z+ .
a
n
X
k f (tk ).
k=1
f (t)(t)dt = In (f ) + En (f ) =
a
n
X
k f (tk ) + En (f ).
k=1
f (t)(t)dt
a
n
X
k=1
k f (tk ).
(5.1)
Polinomios ortogonales
29
Una vez hecho esto, podremos caracterizar un caso particular y muy importante de
las formulas de cuadratura, aquellas que se consiguen por medio de la interpolacion.
Sea Pn1 (f ; t1 , , tn ; t) el polinomio interpolador de grado n 1 de f en los nodos
t1 , t2 , tn [a, b] y sea Gn (f ) el error. Entonces:
Z
Z
f (t)(t)dt =
Z
(Pn1 (t) + Gn (f ))(t)dt =
Pn1 (t)(t)dt + En (f ).
a
Definici
on 5.0.3 (F
ormula de cuadratura interpolatoria) Sea In (f ) una
formula de cuadratura. Decimos que es interpolatoria si es obtenida integrando el
polinomio interpolador de f en n nodos del intervalo.
Historicamente, las primeras formulas interpolatorias consideradas fueron las llamadas formulas de Newton- Cotes, que corresponden al caso particular cuando 1 y
los nodos son equiespaciados. Los casos mas conocidos son los casos n = 2 y n = 3,
que reciben el nombre de Regla del trapecio y la Regla de Simpson, respectivamente.
Para deducir los coeficientes k , recordemos la expresion del polinomio interpolador:
Pn1 (f ; t1 , , tn ; t) =
n
X
k (t)(t),
k=1
n
Y
t tl
donde k (t) =
.
t
k tl
l=1,l6=k
Z b
Luego deducimos que k =
k (t)(t)dt, k = 1, n. Podemos establecer una
a
30
Jiaqi Wang
Proposici
on 5.0.1 (Caracterizaci
on de las interpolatorias) Dada
formula de cuadratura In (f ), son equivalentes:
una
1. In (f ) es interpolatoria.
2. El grado de exactitud de In (f ) es al menos n 1.
n]: Probemos la equivalencia.
[Demostracio
1) = 2): Sabemos que:
Z
f Pn1 , Pn1 (f ; t) = f =
Z
f (t)(t)dt =
Pn1 (t) = En (f ) = 0.
a
tiene grado de exactitud mayor o igual que n 1. Para cada r = 1, , n tomemos f (t) = r (t) y por exactitud se tiene que:
Z
r (t)(t)dt =
a
n
X
k r (tk ) = r .
k=1
Polinomios ortogonales
31
concluimos que:
q Pk1 , r Pn1 : p(x) = q(x)n (x) + r(x).
Apoyandonos en esta division podemos concluir que:
Z
r(t)(t)dt.
n (t)q(t)(t)dt +
p(t)(t)dt =
(5.2)
Ahora bien, el primer termino de (5.2) es claramente nulo mientras que el segundo podemos escribirlo de otra manera, utilizando la interpolacion. Supongamos
n
X
que Pn1 (r(t); t) =
r(ti )i (t) es el polinomio interpolador de r(t) Pn1 ,
i=1
entonces,
Z
r(t)(t)dt =
n
X
i=1
i (t)(t)dt =
r(ti )
a
n
X
i r(ti ).
i=1
i r(ti ) =
i=1
n
X
n
X
k p(tk ) = 0.
k=1
k=1
Donde la u
ltima igualdad se concluye por n (tk ) = 0, k = 1, , n.
2) = 1) :
Sea p Pk1 pn Pn1+k , luego por exactitud se tiene que:
n (t)p(t)(t)dt =
a
n
X
k n (tk )p(tk ) = 0,
k=1
32
Jiaqi Wang
n (t)p(t)(t) = 0 p Pn1 , hn , pi = 0.
p Pn1 ,
a
Esta condicion nos indica que en realidad n (t) = n (t; ) es el enesimo polinomio
ortogonal respecto a la funcion peso (t). Esto significa, por construccion, que los nodos que debemos tomar son los ceros del enesimo polinomio ortogonal. La formula de
cuadratura con el grado de precision, maxima, 2n 1, recibe el nombre de cuadratura
gaussiana, pues fue Gauss quien primero descubrio para el caso 1 y mas tarde
Christoffel lo extendio. Ademas, podemos hallar la expresion de los coeficientes k :
Z
k =
a
n (t; )
dt, k {1, , n}.
(t tk )n0 (tk ; )
2j (t)dt =
n
X
k=1
De esta u
ltima igualdad se observa claramente que j son mayores que cero pues
constituyen la integral de una funcion no negativa.
3. Convergencia uniforme para toda funcion continua. La formula de cuadratura
de Gauss converge para cualquier funcion continua. En realidad, esto es una
consecuencia del teorema de aproximacion de Weierstrass. Este u
ltimo permite
deducir que si p2n1 (f ; .) denota el polinomio de grado 2n1 que mejor aproxima
a f en [a, b] en el sentido de la norma uniforme, entonces: lm ||f p2n1 || = 0.
n
Polinomios ortogonales
33
k=1
donde esta u
ltima nos da una cota del error:
"Z
b
(t)dt +
a
n
X
#
k 0.
k=1
El u
ltimo razonamiento se ha hecho en virtud
Z b de la positividad de los k , esta(t)dt, que se trata del area que
blecidos en la propiedad 2) y de la integral
a
34
Jiaqi Wang
n |I (f ) In (f )|
2
0,0155606
4
5,92 107
6
3,14 1012
8
4,44 1016
10
0.
Cuadro 5.1: Tabla de errores de la formula gaussiana para f (x) = ex .
para dicha convergencia es debido a que f (x) = ex C es una funcion
regular y muy suave.
Probemos con una funcion que no es derivable para ver su bondad.
f (x) = |x|
n |I (f ) In (f )|
4
0,0523443
8
0,0129091
16
0,00321638
30
0,000914145
60
0,000228481
80
0,000128516
100 0,0000822491
Cuadro 5.2: Tabla de errores de la formula Gaussiana.
A pesar de que no sea una funcion derivable siquiera, la convergencia tambien se da en este caso, aunque de forma mas lenta. Es decir, necesitamos
tomar un mayor n
umero de puntos para obtener errores cada vez menores.
No obstante, podemos concluir que la estimacion es bastante buena.
Captulo 6
Aplicaci
on fsica: interpretaci
on
electrost
atica de ceros
En este captulo trataremos de aplicar lo aprendido sobre los polinomios ortogonales
para estudiar un tema conocido de la fsica: el campo electrico. En un curso elemental
de fsica, se han introducido las primeras nociones de fuerza electrica entre dos cargas
q1 , q2 de la forma:
(x1,q1)
F12
(x2,q2)
q1 q 2
q1 q2
,
F~12 = k 2 = k
r
|x1 x2 |2
siendo k la constante de Coulomb, r la distancia entre ambas cargas. Dicha fuerza
lleva asociado un potencial electrico, dado por la expresion:
35
36
Jiaqi Wang
(x1,q1)
(x2,q2)
(xn-1,qn-1)
(x3,q3)
(x4,q4)
(xn-2,qn-2)
(xn,qn)
V12 = k
q 1 q2
q1 q 2
=k
,
r
|x1 x2 |
Ahora bien, supongamos que nuestro estudio se desarrolla en un espacio donde reina
un modelo diferente, en el cual la expresion de la fuerza electrica entre dos cargas q1 , q2
(con posiciones x1 e x2 respectivamente) es, en modulo:
|q1 q2 |
,
|F~12 | = k
|x1 x2 |
siendo su correspondiente potencial asociado:
V12 = kq1 q2 log |x1 x2 |.
Trabajaremos en el plano complejo. Para simplificar nuestro estudio, normalizando
si fuese necesario, obtendramos el potencial como:
V12 = q1 q2 log |x1 x2 |.
Si en lugar de 2 disponemos de n cargas q1 , , qn , con sus respectivas posiciones
x1 , , xn , podemos establecer la energa mutua del sistema como:
E(x1 , , xn ) =
X
1i<jn
vij =
X
1i<jn
qi qj log
X
1
=
qi qj log |xi xj |.
|xi xj |
1i<jn
Polinomios ortogonales
37
6.1.
El problema de Stieltjes
Supongamos que dejamos n cargas unitarias (qi = 1, i = 1, , n) moverse libremente en el intervalo [1, 1], en cuyo extremo situamos dos cargas positivas a, b > 0.
Definimos la energa total como la suma de la energa mutua entre las cargas q1 , , qn
y la energa debida a los extremos:
(-1,a)
(1,b)
(x1,q1=+1) (x2,q2=+1) (x3,q3=+1)
...
(xn-1,qn-1=+1) (xn,qn=+1)
-1
+1
Figura 6.3: n cargas positivas en [1, 1].
ET (x1 , , xn ) = E(x1 , , xn ) +
n
X
via +
i=1
X
1i<jn
log |xi xj | a
n
X
i=1
n
X
vib
log |xi 1| b
i=1
n
X
i=1
38
Jiaqi Wang
x2
+1
+1
x1
mn
(x1 , ,xn )K
ET (x1 , , xn ).
Si i 6= j : xi = xj = L(x1 , , xn ) = 0.
Si i {1, 2, , n} : |xi | = 1 = ET (x1 , , xn ) = 0.
Luego ha de alcanzarse en el interior de K. Esto implica que en realidad hablamos
de un mnimo absoluto y a la vez local. Por tanto, en dicho punto (x1 , , xn ) el vector
gradiente de ET ha de ser nulo, esto se traduce en:
ET = 0
ET
= 0, k = 1, , n.
xk
(6.1)
Polinomios ortogonales
39
1
1
log
=
, sustituyendo esto en la igualdad
x
|x y|
xy
(6.1) obtenemos:
X
a
b
1
+
+
= 0, k = 1, , n,
ET (x1 , , xn ) =
1
+
1
xk
x
x
x
j
k
k
k
j6=k
(6.2)
x
p0 (xk )
x
j
k
j6=k
Con esto podemos reescribir (6.2):
1 p00 (xk )
p
q
+
+
= 0, k = 1, , n.
0
2 p (xk )
xk 1 xk + 1
Quitando los denominadores, multiplicando por el producto de los mismos, nos queda:
((xk )2 1)p00 (xk ) + 2(a(xk + 1) + b(xk 1))p0 (xk ) = 0, k = 1, , n.
(6.3)
Si denotamos por Q(x) = (x2 1)p00 (x) + 2(a(x + 1) + b(x 1))p0 (x), la condicion
(6.3) es equivalente a que Q(xk ) = 0, k = 1, , n. Como deg(p) = n:
deg(Q) n = Q Pn .
Q(xk ) = 0, k = 1, , n.
Luego en realidad Q es igual a p salvo un factor escalar, es decir, R : Q = p.
Para determinar bastara igualar los coeficientes de los monomios de mayor grado a
ambos lados de la igualdad:
= 2(a + b)n + n(n 1).
(6.4)
(6.5)
Que es una ecuacion diferencial ordinaria de segundo orden con coeficientes po(,)
linomicos. Sabemos que los polinomios de Jacobi Pn
constituyen una solucion para
40
Jiaqi Wang
= 2a 1 > 1.
= 2b 1 > 1.
(,)
, con = 2a 1,
Es decir, las posiciones optimas de las cargas vienen dadas en terminos de los ceros
(2a1,2b1)
del polinomio de Jacobi Pn
. Ademas, esta solucion es u
nica por construccion,
dado que hay un u
nico punto crtico, puesto que la ecuacion diferencial (3.1) tiene una
u
nica solucion polinomica; concluimos, as, que se trata mnimo absoluto buscado.
En trabajos posteriores, T. J. Stieltjes extendio este analisis al caso de varias cargas
repulsivas fijas en el eje real (problema de Heine- Stieltjes), y al caso de intervalos no
acotados (Laguerre y Hermite). No obstante, mas de un siglo despues de los trabajos
pioneros de Stieltjes sigue habiendo numerosos e interesantes problemas abiertos en el
campo de la interpretacion electrostatica de ceros de polinomios.
Bibliografa
[1] Cheney, E. W.. Introduction to approximation theory, McGraw-Hill Book Co.,
New York, Ont.-London, 1966.
[2] W. Gautschi. Numerical analysis. An introduction, Birkhauser Boston, Inc., Boston, Ma, 1997.
[3] G. Lopez Lagomasino, Hector Pijeira. Polinomios ortogonales. XIV Escuela Venezolana de Matematicas 2001. Facultad de Ciencias, Universidad de Los Andes,
Merida, Venezuela.
[4] H. Michael Moller. Introduction to Orthogonal Polynomials, Lecture held at University of Dortmund in summer 2002/03, University of Dortmund, Dortmund,
2003.
[5] T. J. Stieltjes. Sur les polynomes de Jacobi. Comptes Rendus de lAcademie des
Sciences, Paris 100 (1885), pp. 620622.
[6] G. Szego. Orthogonal Polynomials, volume 23 of Amer. Math. Soc. Colloq. Publ.,
fourth edition, Amer. Math. Soc., Providence, RI, 1975.
[7] G. Valent, W. Van Assche. The impact of Stieltjes work on continued fractions and
orthogonal polynomials: additional remarks. J. Comput. Appl. Math. 65 (1995),
419-447.
41
Orthogonal Polynomials.
o
n
g
o a
r
O
t
h
s
on
i
t
a
l
rpo
Inte
l Polyn
e
r
u
t
a
r
d
a
Qu mulas
For
..... tic
sta n
o
r
t
Elec etatio
omial
Contents
pr
Inter
Jiaqi Wang
June 26th 12:00 AM
Facultad de Matemticas
Abstract