Académique Documents
Professionnel Documents
Culture Documents
Yerson Rodríguez
Diferenciación Numérica
De acuerdo con la definición del diccionario, diferenciar significa “marcar por diferencias; distinguir; ...
Percibir la diferencia en o entre”. En el contexto de las matemáticas, la derivada, que sirve como
vehiculo fundamental para la diferenciación, representa la razón de cambio de una variable
dependiente con respecto a una independiente. Como se recordará de los cursos iniciales de cálculo la
definición matemática de la derivada empieza con una aproximación por diferencias:
∆y f ( xi + ∆x) − f ( xi )
=
∆x ∆x
Donde y y f(x) son representaciones alternativas de la variable dependiente y x es la variable
independiente. Si se permite que ∆x se aproxime a cero, la diferencia se torna como una derivada
∂y f ( xi + ∆x) − f ( xi )
= lim
∂x ∆x→0 ∆x
Donde ∂y/∂x (que se puede designar también como y’ o f’(x)) es la primera derivada de y con respecto
a x evaluada en xi, por cuanto la derivada es la pendiente de la tangente a la curva en xi.
Cuando derivamos una función en forma analítica, generamos una segunda función que se usa para
calcular la derivada para diferentes valores de la variable independiente.
La función que será diferenciada estará usualmente en una de las siguientes tres formas:
1.- Una función simple continua tal como un polinomio, una exponencial o una función
trigonométrica.
2.- Una función continua complicada que es dificil o imposible de diferenciar de una manera
directa.
3.- Una función tabulada donde los vaores de x y f(x) están dados en un número de puntos
discretos, como es frecuente en el caso de datos experimentales o de campo.
Diferenciación Numérica
Recodando la serie de Taylor:
f ′′( xi ) 2 f ( 3) ( xi ) 3 f ( n ) ( xi ) n
f ( xi +1 ) = f ( xi ) + f ′( xi )h + h + h +L+ h + Rn (1)
2! 3! n!
Donde el término residual de forma simplificada resultaba:
f ( n +1) (ξ ) n +1
Rn = h (2)
(n + 1)!
Truncando la serie después del término con la primera derivada, se obtiene:
f ( xi +1 ) = f ( xi ) + f ′( xi )h + R1 (3)
Diferenciación Numérica
Esta diferencia dividida hacia adelante no es sino una de tantas que se puede desarrollar mediante la
serie de Taylor para la aproximación de derivadas numéricas. Por ejemplo, las aproximaciones a
primeras derivadas utilizando las diferencias hacia atrás o diferencias centrales se pueden desarrollar
de una manera similar a la de la ecuación (4). Las primeras usan valores en xi-1 y xi, mientras que las
segundas usan valores igualmente espaciados alrededor del punto donde está estimada la derivada.
f ( xi −1 ) − f ( xi )
f ′( xi ) = + O ( h) (8)
h
Que indica la primera diferencia dividida hacia atrás (vea figura - b)-).
d era b)
Diferenciación Numérica f(x) rda
ve
a da
riv
de
i ón
ac
im
r ox
ap
de
ra a)
rda h
f(x) ve
a
ad
riv aproximación
de
Xi-1 Xi x
h d era c)
f(x) rda
ve
a da
riv
de
Xi Xi+1 x
ón
a ci
xim
a p ro
2h
Se puede generar fórmulas por diferencia divididas de alta exactitud al incluir términos adicionales en
la expansión de la serie de Taylor. Incluyendo la segunda derivada en este caso:
f ′′( xi ) 2
f ( xi +1 ) = f ( xi ) + f ′( xi )h + h +L
2!
La cual puede resolverse para:
f ( xi +1 ) − f ( xi ) f ′′( xi )
f ′( xi ) = − h + O(h 2 ) (11)
h 2
Ahora retenemos el término de la segunda derivada al sustituir la siguiente aproximación de esta:
f ( xi + 2 ) − 2 f ( xi +1 ) + f ( xi )
f ′′( xi ) = + O( h) (12)
h2
Sustituyendo en la ecuación (11) tenemos:
f ( xi +1 ) − f ( xi ) f ( xi + 2 ) − 2 f ( xi +1 ) + f ( xi )
f ′( xi ) = − h + O(h 2 ) (13)
h 2h 2
Recuerde que, en el mejor de los casos, las estimaciones tienen errores tales que O(h2); es decir los
errores son proporcionales al cuadrado de su tamaño de paso. Este nivel de exactitud, como se ha
visto, se debe al número de términos de la serie de Taylor que fueron incluidos durante la deducción
de las fórmulas.
f ( xi + 4 ) − 4 f ( xi +3 ) + 6 f ( xi + 2 ) − 4 f ( xi +1 ) + f ( xi )
f ( 4 ) ( xi ) = O(h)
h4
− 2 f ( xi +5 ) + 11 f ( xi + 4 ) − 24 f ( xi +3 ) + 26 f ( xi + 2 ) − 14 f ( xi +1 ) + 3 f ( xi ) O(h 2 )
f ( 4) ( xi ) =
h4
f ( xi ) − 4 f ( xi −1 ) + 6 f ( xi − 2 ) − 4 f ( xi −3 ) + f ( xi − 4 )
f ( 4 ) ( xi ) = O(h)
h4
3 f ( xi ) − 14 f ( xi −1 ) + 26 f ( xi − 2 ) − 24 f ( xi −3 ) + 11 f ( xi − 4 ) − 2 f ( xi −5 ) O(h 2 )
f ( 4) ( xi ) =
h4
f ( xi + 2 ) − 4 f ( xi +1 ) + 6 f ( xi ) − 4 f ( xi −1 ) + f ( xi − 2 ) O(h 2 )
f ( 4) ( xi ) =
h4
− f ( xi + 3 ) + 12 f ( xi + 2 ) − 39 f ( xi +1 ) + 56 f ( xi ) − 39 f ( xi −1 ) + 12 f ( xi − 2 ) + f ( xi −3 ) O(h 4 )
f ( 4) ( xi ) =
6h 4
xi −1 = 0 f ( xi −1 ) = 1.2
xi = 0.5 f ( xi ) = 0.925
xi +1 = 1.0 f ( xi +1 ) = 0.2
Esos valores pueden ser usados para calcular las diferencias divididas hacia adelante
0.2 − 0.925
f ′(0.5) ≅ = −1.45 |εt|=58.9%
0 .5
Para calcular las diferencias divididas hacia atrás
0.925 − 1.2
f ′(0.5) ≅ = −0.55 |εt|=39.7%
0 .5
xi −1 = 0.25 f ( xi −1 ) = 1.103516
xi = 0.5 f ( xi ) = 0.925
xi +1 = 0.75 f ( xi +1 ) = 0.636328
Esos valores pueden ser usados para calcular las diferencias divididas hacia adelante
0.636328 − 0.925
f ′(0.5) ≅ = −1.155 |εt|=26.5%
0.25
Para calcular las diferencias divididas hacia atrás
0.925 − 1.103516
f ′(0.5) ≅ = −0.714 |εt|=21.7%
0.25
Y las diferencias divididas centrales
0.636328 − 1.103516
f ′(0.5) ≅ = −0.934 |εt|=2.4%
0 .5
Para ambos tamaños de paso, la aproximación de diferencias centrales es más exacta que las
diferencias hacia adelante y hacia atrás. Se observa que dividiendo a la mitad el tamaño del paso, se
tiene aproximadamente la mitad del error de las diferencias hacia adelante y hacia atrás y una cuarta
parte del error de las diferencias centrales.
xi − 2 = 0 f ( xi − 2 ) = 1.2
xi −1 = 0.25 f ( xi −1 ) = 1.103516
xi = 0.5 f ( xi ) = 0.925
xi +1 = 0.75 f ( xi +1 ) = 0.636328
xi + 2 = 1 f ( xi + 2 ) = 0.2
Los procedimientos analizados hasta ahora se encuentran diseñados principalmente para determinar la
derivada de una función dada. Para las aproximaciones por diferencias divididas finitas los datos deben
estar uniformemente espaciados. Tal control de espaciamiento de datos está a menudo disponible sólo
en casos donde podemos usar una función para generar una tabla de valores.
En contraste, la información derivada de manera empirica (cuya fuente son experimentos o estudios
de campo) es con frecuencia agrupada en intervalos iguales. Tal información no puede ser analizada
con las técnicas utilizadas hasta ahora.
Una manera para manejar datos desigualmente espaciados es mediante el ajuste de una interpolación
polinomial de Lagrange de segundo orden para cada conjunto de tres puntos adyacentes. Recuerde
que este polinomio no requiere que los puntos estén igualmente espaciados. El polinomio de segundo
orden se puede diferenciar analíticamente para dar
2 x − xi − xi +1 2 x − xi −1 − xi +1 2 x − xi −1 − xi
f ′( x) = f ( xi −1 ) + f ( xi ) + f ( xi +1 ) (14)
( xi −1 − xi )( xi −1 − xi +1 ) ( xi − xi −1 )( xi − xi +1 ) ( xi +1 − xi −1 )( xi +1 − xi )
Donde x es el valor en el cual se quiere estimar la derivada. Aunque esta ecuación es ciertamente más
complicada que las aproximaciones de la primera derivada que se acaban de estudiar, tiene
importantes ventajas. Primero, se puede usar para estimar la derivada en cualquier punto dentro de
un rango preescrito por los tres puntos. Segundo, los mismos puntos no tienen que estar igualmente
espaciados. Tercero, la estimación de la derivada tiene la misma exactitud que la diferencia centrada.
De hecho para puntos igualmente espaciados, la ecuación (14) evaluada en x=xi se reduce a la
ecuación (10).
m2 kg j °C
q( z = 0) = −3.5 x10 −7 1800 3 840 − 1.333333
s m kg.°C m
= 70.56W / m 2
Integración Numérica
El proceso inverso de la diferenciación es la integración. De acuerdo con la definición del diccionario,
integrar significa “llevar junto, como partes, en un todo; unir; indicar la cantidad total...”
Matemáticamente, la integración se representa por
b
I = ∫ f ( x)dx (15)
a
Que se tiene para la integral de la función f(x) con respecto a la variable independiente x, evaluada
entre los límites x=a a x=b. La función f(x) que se encuentra en la ecuación (15) se llama integrando.
Como lo sugiere la definición del diccionario, el significado de la ecuación (15) es el valor total, o
sumatoria de f(x)dx sobre el rango x=a a b. De hecho, el símbolo ∫ es ahora una letra S estilizada que
intenta representar la conexión cercana entre integración y sumatoria.
Los esquemas de integración numérica más comunes se basan en la estrategia de reemplazar una
función complicada o datos tabulados con una función aproximada que sea fácil de integrar:
b b
I = ∫ f ( x)dx ≅ ∫ f n ( x)dx (16)
a a
f n ( x) = a0 + a1 x + ⋅ ⋅ ⋅ + an −1 x n −1 + an x n (17)
Se dispone de formas cerradas y abiertas de integración. Las formas cerradas son aquellas donde los
datos al inicio y final de los límites de integración son conocidos. Las formas abiertas tienen límites de
integración que se extienden más allá del rango de los datos.
b f (b ) − f ( a )
I = ∫ f (a ) + ( x − a) dx
a
b − a
El resultado de la integración es a b x
f ( a) + f (b)
I = (b − a ) (19)
2
La cual es conocida como regla trapezoidal
Geométricamente, la regla trapezoidal es equivalente a aproximar el área del trapezoide bajo la línea
recta que conecta f(a) y f(b). Podemos trabajar el área asumiendo que el trapezoide está sobre un
lado, por lo que la integral se representa como
I ≅ ancho × altura _ promedio ó I ≅ (b − a ) × altura _ promedio
f ( x0 ) + f ( x1 ) f ( x1 ) + f ( x2 ) f ( xn −1 ) + f ( xn )
I =h +h + ⋅⋅⋅ + h (21)
2 2 2
O, mediante agrupación de términos
h n −1
I= f ( x0 ) + 2∑ f ( xi ) + f ( xn ) (22)
2 i =1
Agrupando nuevamente para llevarla a un formato más conocido se tiene
n −1
f ( x0 ) + 2∑ f ( xi ) + f ( xn )
(23)
I = (b − a ) i =1
2n
x2 x4 xn
I = ∫ f ( x)dx + ∫ f ( x )dx + ⋅ ⋅ ⋅ + ∫ f ( x)dx
x0 x2 x n− 2
f ( x0 ) + 4 f ( x1 ) + f ( x2 ) f ( x2 ) + 4 f ( x3 ) + f ( x4 ) f ( xn − 2 ) + 4 f ( xn −1 ) + f ( xn )
I ≅ 2h + 2h + ⋅ ⋅ ⋅ + 2h
6 6 6
O, combinando términos y llevandola al formato antes usado se tiene
n −1 n−2
f ( x0 ) + 4 ∑
i =1, 3, 5
f ( xi ) + 2 ∑ f (x ) + f (x )
i = 2, 4 , 6
j n
I ≅ (b − a ) (26)
3n
Para obtener
3h
I≅ [ f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + f ( x3 )]
8
Donde h = (b-a)/3. Esta ecuación se llama regla de Simpson 3/8 debido a que h se multiplica por 3/8.
Esta es también una fórmula de integración cerrada y la podemos expresar en el formato que se viene
utilizando para quedar como
f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + f ( x3 )
I ≅ (b − a ) (27)
8
Solución:
Los valores de la función son para f(0)=0.2 y f(0.8)=0.232. Si sustituimos en la ecuación (19)
tenemos
0.2 + 0.232
I ≅ 0 .8 = 0.1728
2
Teniendose un error de
Et = 1.640533 − 0.1728 = 1.467733
Donde el error relativo porcentual es de |εt|=89.5% . La razón para un error tan grande se debe a que
el área considerada bajo la línea recta no toma en cuenta una porción significativa de la integral que
está por arriba de la línea.
Solución:
n=2 (h=0.4):
|εt|=34.9%
Solución:
Que da un error de
Et = 1.640533 − 1.367467 = 0.2730667
|εt|=16.6%
Solución:
n=4 (h=0.2):
Que da un error de
Et = 1.640533 − 1.623467 = 0.017067
|εt|=1.04%
Solución:
Una sola aplicación de la regla de Simpson 3/8 requiere de cuatro puntos igualmente espaciados:
Que da un error de
Et = 1.640533 − 1.519170 = 0.121363
|εt|=7.4%
Bibliografía
Chapra, S. y R. Canale, Numerical Methods for Engineers. 2nd Ed. McGraw-Hill Publishing
Company, New York, 1988
Ledanois, Jean-Marie y otros, Métodos Numéricos Aplicados en Ingeniería. 1ra Ed. McGraw-Hill
Publishing Company, Caracas, 2000
Nakamura, Shoichiro, Métodos Numéricos Aplicados con Software. 1ra Ed. Prentice Hall, México,
1992
Unidad V P-25