Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DATOS INFORMATIVOS
INTEGRANTES:
Braulio Balseca
GRUPO: 4
Riobamba – Ecuador
INFORME DE MÉTODOS NUMÉRICOS
ESCUELA SUPERIOR POLITÉCNICA DEL CHIMBORAZO
FACULTAD DE INFORMÁTICA Y ELECTRÓNICA
INVESTIGACIÓN SEGUNDO PARCIAL
RESUMEN
Los métodos numéricos son técnicas mediante las cuales es posible formular problemas
matemáticos de tal forma que puedan resolverse usando operaciones aritméticas. El
análisis numérico trata de diseñar métodos para "aproximar" de una manera eficiente las
soluciones de problemas expresados matemáticamente.
El método de la derivación numérica basado en interpolación numérica es un proceso
inestable y no se puede esperar una buena aproximación en funciones generales pero en
funciones lineales puede llegar a ser exacta.
ABSTRACT
Numerical methods are techniques by which it is possible to formulate mathematical
problems in such a way that they can be solved by arithmetic operations. The numerical
analysis tries to design methods to "approximate" in an efficient way the solutions of
problems expressed mathematically.
II. INTRODUCCIÓN
La derivada de una función tiene muchas aplicaciones, entre las cuales está la determinación
de la velocidad instantánea de una partícula o móvil a partir de su función de posición. Este
proceso en ocasiones es algo muy sencillo cuando se cuenta con dicha función, pero cuando
se requiere solucionar el mismo problema con un conjunto de datos discretos y no con una
función, el procedimiento no puede ser llevado de igual manera, es decir, el cálculo no nos
da una solución directa por lo tanto se debe acudir a otro tipo de análisis.
II. OBJETIVOS
Derivación Numérica
Es una técnica de análisis numérico para calcular una aproximación a la derivada de una
función en un punto, utilizando los valores y las propiedades de la misma.
Este método es implementado para derivadas que no tengan una solución remota, o que su
desarrollo se torne complicado o extenso, es menos costoso calcular la aproximación que el
valor exacto. [1]
La derivada de una función f en un punto 𝑥0 está definida por la ecuación 1
𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 ′ (𝑥0 ) = lim
ℎ→0 ℎ
Ecuación 1
Para valores pequeños de h, se puede aproximar la derivada de f en 𝑥0 como se observa en la
ecuación 2
𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 ′ (𝑥0 ) ≈ ;ℎ ≠ 0
ℎ
Ecuación 2
De acuerdo con la definición de derivada, a medida que h se aproxima a cero en la fórmula
anterior. la aproximación, teóricamente, debe mejorar. Sin embargo, desde el punto de vista
numérico esto no se puede garantizar. [2]
Para poder estimar el valor del error en la ecuación 1 utilizamos el polinomio de Taylor de
primer grado, donde su estructura la podemos observar en la ecuación 3
𝑓 ′′ (𝜉)
𝑓(𝑥) = 𝑓(𝑥0 ) + 𝑓 ′ (𝑥0 )(𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )2
2
Ecuación 3
Si se toma que 𝑥 = 𝑥0 + ℎ , y despejamos h nos quedaría la ecuación 4
ℎ = 𝑥 − 𝑥0
Ecuación 4
Ahora remplazamos la ecuación 4 en 3 y nos quedaría
𝑓 ′′ (𝜉) 2
𝑓(𝑥0 + ℎ ) = 𝑓(𝑥0 ) + 𝑓 ′ (𝑥0 )ℎ + ℎ ; 𝑥0 < 𝜉 < (𝑥0 + ℎ )
2
Ecuación 5
𝑓 ′′ (𝜉)
Ahora procedemos a despejar 𝑓 ′ (𝑥0 ) , donde = 0 es el error de truncamiento
2
𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 ′ (𝑥0 ) = − 0ℎ
ℎ
Ecuación 6
Si h>0 a la ecuación 6 se la denomina diferencia finita progresiva.
Si h<0 a la ecuación 7 se la denomina diferencia finita regresiva.
𝑓(𝑥0 ) − 𝑓(𝑥0 + ℎ)
𝑓 ′ (𝑥0 ) = + 0ℎ
ℎ
Ecuación 7
Si procedemos a sumar la ecuación 6 y 7 obtenemos la fórmula 8 denominada diferencia
finita centrada
𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 − ℎ)
𝑓 ′ (𝑥0 ) = + 0ℎ2
2ℎ
Ecuación 8
Se pude observar que el error en la ecuación 8 es de ℎ2 a diferencia de las ecuaciones 6 y 7
que tienen un error de orden h. [1]
De manera análoga a la interpolación polinomial, el uso de más puntos en la evaluación de
la derivada producirá mayor exactitud pero esto implica mayor cantidad de evaluaciones
funcionales. Entre las fórmulas más comunes están las de dos y tres puntos como podemos
observar en la tabla 1
Tabla 1: Fórmulas para la aproximación de derivadas
EJEMPLO
Aproximar la primera derivada de la función f(x) = e2x, para un x0 = 1.1 con un tamaño de
paso h = 0.1. Determinar el error absoluto y relativo producido por cada fórmula.
Usando la fórmula de diferencias finitas progresivas para dos y tres puntos tenemos:
𝒇(𝒙𝒐+𝒉)−𝒇(𝒙𝒐)
𝒇′(𝒙𝒐) = (1)
𝒉
11.023 − 9.025
𝑓′(1.1) = = 𝟏𝟏. 𝟏𝟏𝟏
0.1
EA = |18.050-17.765| = 0.285
ER = 0.285 / 18.050 x 100% = 1.58%
IV. DESARROLLO
Algoritmo del método de derivación numérica en MATLAB
A continuación, se describe el algoritmo para la derivación numérica:
function d=der2p(x,y);
if size(x)==size(y)
[m,n]=size(x);
h=x(2)-x(1);
if n>=3
for i=2:n-1
d(i)=(y(i+1)-y(i-1))/(2*h);
end
d(1)=(y(2)-y(1))/h;
d(n)=(y(n)-y(n-1))/h;
else d='se deben dar mas de dos puntos'
end
else
d='los vectores x y y deben ser del mismo tamaño'
end
(Peña & Molina, 2010)
x y f’(x)
1 7.3891 14.877
1.1 9.025 18.171
V. CONCLUSIONES
Al usar más puntos en la evaluación de la derivada producirá un resultado con más exactitud,
pero esto implica mayor cantidad de evaluaciones funcionales. Las mejores aproximaciones
las ofrecen las diferencias finitas centrales en el caso que se pueda aplicar.
Observamos que los métodos numéricos son técnicas mediante las cuales es posible formular
problemas matemáticos de forma que puedan resolverse usando operaciones aritméticas.
Se concluye que MATLAB es una herramienta muy útil porque nos facilita el trabajo
obteniendo una resolución más exacta y con menor error, ayudándonos a ser más precisos en
los cálculos.
BIBLIOGRAFÍA
[3] Peña, J., & Molina, A. (2010). Diferenciación Numérica. Madrid: DOC online.