Vous êtes sur la page 1sur 10

UNIVERSIDAD NACIONAL DE TRUJILLO

INGENIERIA DE MINAS

ASIGNATURA: METODOS NUMERICOS


TEMA: DERIVADA NUMERICA
PROFESOR: LEON LLANOS JULIO
ALUMNOS:
ALTAMIRANO GUILLERMO KEVIN
CONSA BOCANEGRA UBALDO
MARIN JARA HARVEY
TOLEDO SIFUENTES JHAIR
VELASQUEZ GRANDA JOAQUIN

CICLO: IV

TRUJILLO 2017

DERIVACIN NUMRICA
La derivacin numrica es una tcnica de anlisis numrico para calcular una aproximacin a
la derivada de una funcin en un punto utilizando los valores y propiedades de la misma.
La principal idea que subyace en las tcnicas de derivacin numrica est muy vinculada a la
interpelacin y se podra resumir en lo siguiente: Si de una funcin f(x) se conocen sus valores
en un determinado soporte de puntos, puede aproximarse la funci n f(x) por otra funcin p(x)
que la interpole en dicho soporte y sustituir el valor de las derivadas de f(x) en un punto x* por
el valor de las correspondientes derivadas de p(x) en dicho punto x*.
Una de las primeras frmulas que nos permiten aproximar una derivada primera tiene sus races
en los comienzos del clculo diferencial en el siglo XVII. En ese entonces el concepto de lmite
no estaba desarrollado de forma explcita y Ia primera derivada de una funcin f(x) en el punto
x* se consideraba como el valor del cociente incremental.
Derivada de una funcin:
La

derivada

de

una

funcin

f es

la pendiente geomtrica de la recta tangente del


grfico de f en x . Sin el concepto que se va a
definir, no es posible encontrar directamente la
pendiente de la lnea tangente a una funci n
dada, porque solamente se conoce un punto en la
lnea tangente: (x, f(x)) . La idea es aproximar la
lnea tangente con mltiples lneas secantes que
tienen distancias progresivamente ms pequeas entre los dos puntos que cruzan. Cuando se
toma el lmite de las pendientes de las lneas secantes de esta progresin, se consigue la
pendiente de la lnea tangente. Se define, pues, la derivada tomando el lmite de la pendiente
de las lneas secantes, al acercarlas a la lnea tangente. Para encontrar las pendientes de las
lneas secantes prximas, se elige un nmero h relativamente pequeo. h representa un
cambio relativamente pequeo en x , el cual puede ser positivo o negativo. La pendiente de la
recta que pasa por los dos puntos (f , f(x)) y ( x+h , f(x+h)) es:

Por definicin la derivada de una funcin

es:

Las aproximaciones numricas que podamos hacer (para h > 0) sern:


a) Diferencias hacia adelante:

b) Diferencias hacia atrs:

c) Diferencias centrales:

d) Derivada de orden superior

e) Calculo del error:

Ejemplo: calcular la derivada primera de f(x)=tanx en x=1 por los metodos anteriores,usando h=
0.1, 0.05, 0.02. Calcular el error(en porcentaje) comparando con el valor exacto:

1. DERIVADA NUMRICA HACIA ADELANTE O PROGRESIVA


Se define la derivada de en x 0 y de manera razonable aproximamos la derivada como:

(1).
Para el caso de una funcin lineal, (x) = ax + b, la aproximacin dada por la expresin (1)
resulta exacta para cualquier valor de h distinto de cero. Pero para cualquier funcin en
general no siempre resulta exacta.
A continuacin, se hace una estimacin del error asociado a la aproximacin dada por (1)
usando el teorema de Taylor (se expande hacia adelante) con un polinomio de grado 1.

si x = x 0 + h, x - x 0 = h, y reemplazando en (2) resulta:

si se despeja (x 0 ) entonces:

(3).

Observe que la ecuacin (3) es ms til que la ecuacin (1), ya que tiene un trmino que
cuantifica el error y este se conoce como trmino de error.

Ejemplo.

Si

(x) = sen(x) en

se

utiliza

la

frmula

(1)

para

calcular

la

derivada

de

y con h = 0.01. Cul es la respuesta y cul es su grado de precisin o

error?
Solucin:

Se puede obtener una cota ms precisa usando el hecho que x 0 < z < x 0 + h
de modo que |sen z| < 0.714142376 y la cota sera

Observe que si (x) = sen x , (x) = cos x y

El error real es: 0.707106781 0.703559491 = 0.003547290186.

2. DIFERENCIACION NUMERICA HACIA ATRS O REGRESIVAS


Esta diferenciacin se puede deducir de la Definicin de la Derivada y la Serie de Taylor.
La serie de Taylor se expande hacia atrs para calcular un valor anterior sobre la base
del valor actual.
( ) = ( ) () +

() 2

2!

Truncando la ecuacin despus de la primera derivada y reordenando los trminos se obtiene


( x)

( ) ( )

+ () = 1

Donde el error (), y a se le conoce como primera diferencia dividida hacia atrs.
Entonces, para X=X 0 ; se tiene la formula:
( 0 )
Grficamente tenemos:

( 0 ) ( 0 )

Grfica de aproximaciones con diferencias finitas divididas de la primera derivada hacia


atrs.
Ejemplo.
Planteamiento del problema. Use aproximaciones con diferencias finitas hacia atrs de ()
para estimar la primera derivada de
( ) = 0.1 4 0.15 3 0.5 2 0.25 + 1.2
En = 0.5. Utilizando un incremento de = 0.5. Repita el clculo con = 0.25. Observe
que la derivada se calcula directamente como
( ) = 0.4 3 0.45 2 1.0 0.25
Y se puede utilizar para calcular el valor verdadero como (0.5) = 0.9125
Solucin:
Para = 0.5, la funcin se emplea para determinar
Evaluamos en ( ) = 0.1 4 0.15 3 0.5 2 0.25 + 1.2
1 = 0

(1 ) = 1.2

= 0.5

( ) = 0.925

+1 = 1.0

( +1 ) = 0.2

Entonces remplazamos en la frmula de derivada hacia atrs.


( ) =

( ) ( 1)

(0.5)

0.925 1.2
0.5

= 0.55

= |

0.9125 0.55

= |

0.9125

| 100% | | = 39.7%

| 100%

3. DERIVADA CENTRAL
Restando los desarrollos de Taylor:
f (x+h) = f(x) + hf(x) +
f(x-h) = f(x) - hf(x) +

2
2

2
2

f(x) +

f(x) -

3
6

3
6

f(x) +

f(x) +.

Se Deduce:
f(x) =

( +) ()

f(x) =

( +) ( )

2
6

f(x) + .

+ 0 (h2 )

Entonces para x=xj, se tiene la formula


f (xj)

( +1) (1)
2

4. DERIVADA DE ORDEN SUPERIOR

FRMULAS

Frmulas de diferencias divididas finitas hacia adelante: se presentan dos versiones para cada
derivada. La ltima versin emplea ms trminos de la expansin de la serie de Taylor y, en
consecuencia, es ms exacta.

Primera derivada

Segunda derivada

Tercera derivada

Cuarta derivada

CONCLUSIONES
como se pronostic con el anlisis de la serie de Taylor, dividiendo a la mitad el
incremento, se tiene aproximadamente la mitad del error en las diferencias hacia atrs.
La aproximacin de la derivada por derivada hacia atrs y hacia adelante entrega
resultados aceptables con un determinado error. Para minimizar los errores se estima
que los promedios de ambas entregan la mejor aproximacin numrica al problema
dado; es decir la derivada central es ms exacta.

Vous aimerez peut-être aussi