SlideShare una empresa de Scribd logo
1 de 32
Diferenciación numérica
Clase 2
31-Enero-2015
Diferenciación numérica
 Se le conoce con un nombre especial en el análisis
numérico: diferencia finita dividida y generalmente se
representa como
 𝐷𝑒𝑟𝑖𝑣𝑎𝑑𝑎 = 𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑖𝑚𝑒𝑟 𝑜𝑟𝑑𝑒𝑛 − 𝐸𝑟𝑟𝑜𝑟 𝑑𝑒 𝑇𝑟𝑢𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜
 𝑓′ 𝑥𝑖 =
𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖
𝑥 𝑖+1−𝑥 𝑖
+ 𝑂 𝑥𝑖+1 − 𝑥𝑖 (𝐴)
 Ó
 𝑓′
𝑥𝑖 =
∆𝑓 𝑖
ℎ
+ 𝑂 ℎ (𝐵)
Diferenciación numérica
 Donde a ∆𝑓𝑖 se le conoce como la primera diferencia
hacia adelante y a ℎ se le llama el tamaño del paso o
incremento; esto es, la longitud del intervalo sobre el
cual se realiza la aproximación. Se le llama diferencia
“hacia delante”, porque usa los datos en 𝑖 𝑒 𝑖 + 1 para
estimar la derivada (figura 1). Al término completo Δ𝑓/ℎ
se le conoce como primer diferencia finita dividida.
Diferenciación numérica
Gráfica de aproximaciones
con diferencias finitas
divididas de la primera
derivada:
a) hacia delante
Diferenciación numérica
Gráfica de aproximaciones
con diferencias finitas
divididas de la primera
derivada:
b) hacia atrás
Diferenciación numérica
Gráfica de aproximaciones
con diferencias finitas
divididas de la primera
derivada:
c) centrales
Diferenciación numérica
 Esta diferencia dividida hacia adelante es sólo una de
tantas que pueden desarrollarse a partir de la serie de
Taylor para la aproximación de derivadas numéricas
Diferenciación numérica
 Las primeras usan valores en 𝑥𝑖−1 𝑦 𝑥𝑖 (figura b); mientras
que las segundas utilizan valores igualmente espaciados
alrededor del punto donde la derivada está estimada
(figura c).
Diferenciación numérica
 Es posible desarrollar aproximaciones más exactas de la
primera derivada incluyendo términos de orden más
alto de la serie de Taylor.
 Finalmente, todas las versiones anteriores se pueden
desarrollar para derivadas de segundo orden, de tercer
orden y de órdenes superiores.
Aproximación a la primera derivada
con diferencia hacia atrás
 La serie de Taylor se expande hacia atrás para calcular
un valor anterior sobre la base del valor actual
 𝑓 𝑥𝑖−1 = 𝑓 𝑥𝑖 − 𝑓′ 𝑥𝑖 ℎ +
𝑓′′ 𝑥 𝑖
2!
ℎ2 − ⋯ (1)
 Truncando la ecuación después de la primera derivada
y reordenando los términos se obtiene
 𝑓′ 𝑥𝑖 ≅
𝑓 𝑥 𝑖 −𝑓 𝑥 𝑖
ℎ
=
𝛻𝑓1
ℎ
(2)
Aproximación a la primera derivada
con diferencia hacia atrás
 Donde el error 𝑂(ℎ), y a 𝛻𝑓𝑖 se le conoce como primera
diferencia dividida hacia atrás.
Aproximación a la primera derivada
con diferencia centradas
 Una tercera forma de aproximar la primera derivada
consiste en restar la ecuación (1) de la expansión de la
serie de Taylor hacia adelante:
 𝑓 𝑥𝑖−1 = 𝑓 𝑥𝑖 + 𝑓′
𝑥𝑖 ℎ +
𝑓′′ 𝑥 𝑖
2!
ℎ2
+ ⋯ (3)
 Para obtener
 𝑓 𝑥𝑖+1 = 𝑓 𝑥𝑖−1 + 2𝑓′
𝑥𝑖 ℎ +
𝑓 3 𝑥 𝑖
3!
ℎ3
+ ⋯
Aproximación a la primera derivada
con diferencia centradas
 De donde se despeja
 𝑓′ 𝑥𝑖 =
𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖−1
2ℎ
−
𝑓 3 𝑥 𝑖
6
ℎ2 − ⋯
 O
 𝑓′
𝑥𝑖 =
𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖−1
2ℎ
− 𝑂 ℎ2
(4)
Aproximación a la primera derivada
con diferencia centradas
 La ecuación (4) es una representación de las
diferencias centradas de la primera derivada. Observe
que el error de truncamiento es del orden de ℎ2
en
contraste con las aproximaciones hacia adelante y
hacia atrás, que fueron del orden de ℎ.
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 Planteamiento del problema. Use aproximaciones con
diferencias finitas hacia adelante y hacia atrás de 𝑂(ℎ)
y una aproximación de diferencia centrada de 𝑂 ℎ2
para estimar la primera derivada de
 𝑓 𝑥 = −0.1𝑥4
− 0.15𝑥3
− 0.5𝑥2
− 0.25𝑥 + 1.2
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 En 𝑥 = 0.5. Utilizando un incremento de ℎ = 0.5. Repita el
calculo con ℎ = 0.25 . Observe que la derivada se
calcula directamente como
 𝑓′ 𝑥 = −0.4𝑥3 − 0.45𝑥2 − 1.0𝑥 − 0.25
 Y se puede utilizar para calcular el valor verdadero
como 𝑓′ 0.5 = −0.9125
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 Solución. Para ℎ = 0.5 , la función se emplea para
determinar
 Evaluamos en 𝑓 𝑥 = −0.1𝑥4
− 0.15𝑥3
− 0.5𝑥2
− 0.25𝑥 + 1.2
 𝑥𝑖−1 = 0 𝑓 𝑥𝑖−1 = 1.2
 𝑥𝑖 = 0.5 𝑓 𝑥𝑖 = 0.925
 𝑥𝑖+1 = 1.0 𝑓 𝑥𝑖+1 = 0.2
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 Esos valores sirven para calcular las diferencias divididas
hacia adelante
 𝑓′ 𝑥𝑖 =
𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖
𝑥 𝑖+1−𝑥 𝑖
+ 𝑂 𝑥𝑖+1 − 𝑥𝑖
 𝑓′ 0.5 ≅
0.2−0.925
1−0.5
= −1.45
 𝜀𝑡 =
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙
100%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 𝜀𝑡 =
0.9125−1.45
0.9125
100% ⟹ 𝜀𝑡 = 58.9%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 La diferencia dividida hacia atrás
 𝑓′
𝑥𝑖 =
𝑓 𝑥 𝑖 −𝑓 𝑥 𝑖−1
ℎ
=
𝛻𝑓1
ℎ
 𝑓′ 0.5 ≅
0.925−1.2
0.5
= −0.55
 𝜀𝑡 =
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙
100%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 𝜀𝑡 =
0.9125−0.55
0.9125
100% ⟹ 𝜀𝑡 = 39.7%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 La diferencia dividida centrada
 𝑓′
𝑥𝑖 =
𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖−1
2ℎ
− 𝑂 ℎ2
 𝑓′ 0.5 ≅
0.2−1.2
2 0.5
= −1.0
 𝜀𝑡 =
𝑒𝑟𝑟𝑜𝑟 𝑎𝑐𝑡𝑢𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑐𝑢𝑎𝑙
100%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 𝜀𝑡 =
0.9125−1.0
0.9125
100% ⟹ 𝜀𝑡 = 9.6%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 Solución. Para ℎ = 0.25 , la función se emplea para
determinar
 𝑥𝑖−1 = 0.25 𝑓 𝑥𝑖−1 = 1.10351563
 𝑥𝑖 = 0.5 𝑓 𝑥𝑖 = 0.925
 𝑥𝑖+1 = 0.75 𝑓 𝑥𝑖+1 = 0.63632813
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 Esos valores sirven para calcular las diferencias divididas
hacia adelante
 𝑓′ 𝑥𝑖 =
𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖
𝑥 𝑖+1−𝑥 𝑖
+ 𝑂 𝑥𝑖+1 − 𝑥𝑖
 𝑓′ 0.5 ≅
0.63632813−0.925
0.25
= −1.155
 𝜀𝑡 =
𝑒𝑟𝑟𝑜𝑟 𝑎𝑐𝑡𝑢𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑐𝑢𝑎𝑙
100%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 𝜀𝑡 =
0.9125−1.155
0.9125
100% ⟹ 𝜀𝑡 = 26.5%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 La diferencia dividida hacia atrás
 𝑓′
𝑥𝑖 =
𝑓 𝑥 𝑖 −𝑓 𝑥 𝑖−1
ℎ
=
𝛻𝑓1
ℎ
 𝑓′ 0.5 ≅
0.925−1.10351563
0.25
= −0.714
 𝜀𝑡 =
𝑒𝑟𝑟𝑜𝑟 𝑎𝑐𝑡𝑢𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑐𝑢𝑎𝑙
100%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 𝜀𝑡 =
0.9125−0.714
0.9125
100% ⟹ 𝜀𝑡 = 21.7%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 La diferencia dividida centrada
 𝑓′
𝑥𝑖 =
𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖−1
2ℎ
− 𝑂 ℎ2
 𝑓′ 0.5 ≅
0.63632813−1.10351563
0.5
= −0.934
 𝜀𝑡 =
𝑒𝑟𝑟𝑜𝑟 𝑎𝑐𝑡𝑢𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑐𝑢𝑎𝑙
100%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 𝜀𝑡 =
0.9125−0.934
0.9125
100% ⟹ 𝜀𝑡 = 2.4%
Ejemplo Aproximación de derivadas
por diferencias finitas divididas
 Para ambos tamaños de paso, la aproximación en
diferencias centrales es más exacta que las diferencias
hacia adelante y hacia atrás. También, como se
pronosticó con el análisis de la serie de Taylor,
dividiendo a la mitad el incremento, se tiene
aproximadamente la mitad del error en las diferencias
hacia atrás y hacia adelante y una cuarta parte de
error en la diferencia centrada
Ejemplo Aproximación de derivadas
por diferencias finitas divididas

Más contenido relacionado

La actualidad más candente

Ejercicios jacobi
Ejercicios jacobiEjercicios jacobi
Ejercicios jacobi
djp951
 
Diferenciación por 3 y 5 puntos
Diferenciación por 3 y 5 puntosDiferenciación por 3 y 5 puntos
Diferenciación por 3 y 5 puntos
alan moreno
 
MéTodo De IteracióN De Punto Fijo
MéTodo De IteracióN De Punto FijoMéTodo De IteracióN De Punto Fijo
MéTodo De IteracióN De Punto Fijo
lisset neyra
 
Interpolación método de Lagrange
Interpolación método de LagrangeInterpolación método de Lagrange
Interpolación método de Lagrange
Kike Prieto
 
Metodo de la secante
Metodo de la secanteMetodo de la secante
Metodo de la secante
JORIVASAN
 

La actualidad más candente (20)

Ecuaciones diferenciales no lineales
Ecuaciones diferenciales no linealesEcuaciones diferenciales no lineales
Ecuaciones diferenciales no lineales
 
Ejemplo del Método de Bisección
Ejemplo del Método de BisecciónEjemplo del Método de Bisección
Ejemplo del Método de Bisección
 
Newton Raphson-ejercicios resueltos.
Newton Raphson-ejercicios resueltos.Newton Raphson-ejercicios resueltos.
Newton Raphson-ejercicios resueltos.
 
Método numéricos para diferenciación e integración.
Método numéricos para diferenciación e integración.Método numéricos para diferenciación e integración.
Método numéricos para diferenciación e integración.
 
Metodo romberg
Metodo rombergMetodo romberg
Metodo romberg
 
unidad 4 ecuaciones diferenciales
 unidad 4 ecuaciones diferenciales unidad 4 ecuaciones diferenciales
unidad 4 ecuaciones diferenciales
 
Metodo de diferencias finitas
Metodo de diferencias finitasMetodo de diferencias finitas
Metodo de diferencias finitas
 
Ejemplo del Método de Falsa Posición
Ejemplo del Método de Falsa PosiciónEjemplo del Método de Falsa Posición
Ejemplo del Método de Falsa Posición
 
EJERCICIOS RESUELTOS SOBRE EL MÉTODO DE NEWTON Y EL MÉTODO DE LA SECANTE
EJERCICIOS RESUELTOS SOBRE EL MÉTODO DE NEWTON Y EL MÉTODO DE LA SECANTEEJERCICIOS RESUELTOS SOBRE EL MÉTODO DE NEWTON Y EL MÉTODO DE LA SECANTE
EJERCICIOS RESUELTOS SOBRE EL MÉTODO DE NEWTON Y EL MÉTODO DE LA SECANTE
 
Serie de-taylor-y-maclaurin
Serie de-taylor-y-maclaurinSerie de-taylor-y-maclaurin
Serie de-taylor-y-maclaurin
 
Transformada de una Derivada
Transformada de una DerivadaTransformada de una Derivada
Transformada de una Derivada
 
Método Newton Raphson
Método Newton RaphsonMétodo Newton Raphson
Método Newton Raphson
 
Ajuste de datos e interpolacion
Ajuste de datos e interpolacionAjuste de datos e interpolacion
Ajuste de datos e interpolacion
 
Ejercicios jacobi
Ejercicios jacobiEjercicios jacobi
Ejercicios jacobi
 
Diferenciación por 3 y 5 puntos
Diferenciación por 3 y 5 puntosDiferenciación por 3 y 5 puntos
Diferenciación por 3 y 5 puntos
 
Cuadratura de gauss
Cuadratura de gaussCuadratura de gauss
Cuadratura de gauss
 
MéTodo De IteracióN De Punto Fijo
MéTodo De IteracióN De Punto FijoMéTodo De IteracióN De Punto Fijo
MéTodo De IteracióN De Punto Fijo
 
Interpolación método de Lagrange
Interpolación método de LagrangeInterpolación método de Lagrange
Interpolación método de Lagrange
 
Método de newton raphson Metodos Numericos
Método de newton raphson Metodos NumericosMétodo de newton raphson Metodos Numericos
Método de newton raphson Metodos Numericos
 
Metodo de la secante
Metodo de la secanteMetodo de la secante
Metodo de la secante
 

Similar a Diferenciación numérica Metodos Numericos

Diferencias finitas
Diferencias finitasDiferencias finitas
Diferencias finitas
soni901
 
Diferencias finitas (1)
Diferencias finitas (1)Diferencias finitas (1)
Diferencias finitas (1)
cristhian Paul
 
TEORIA: Método deductivo
TEORIA: Método deductivoTEORIA: Método deductivo
TEORIA: Método deductivo
aldomat07
 
Teoría: Método Deductivo
Teoría: Método DeductivoTeoría: Método Deductivo
Teoría: Método Deductivo
aldomat07
 

Similar a Diferenciación numérica Metodos Numericos (20)

Diferencias finitas
Diferencias finitasDiferencias finitas
Diferencias finitas
 
Diferencias finitas (1)
Diferencias finitas (1)Diferencias finitas (1)
Diferencias finitas (1)
 
Diferenciación e Integración Numérica
Diferenciación e Integración NuméricaDiferenciación e Integración Numérica
Diferenciación e Integración Numérica
 
Fundamentos de los métodos numéricos
Fundamentos de los métodos numéricosFundamentos de los métodos numéricos
Fundamentos de los métodos numéricos
 
UNIDAD I - FUNDAMENTOS DE LOS MÉTODOS NUMÉRICOS.pptx
UNIDAD I - FUNDAMENTOS DE LOS MÉTODOS NUMÉRICOS.pptxUNIDAD I - FUNDAMENTOS DE LOS MÉTODOS NUMÉRICOS.pptx
UNIDAD I - FUNDAMENTOS DE LOS MÉTODOS NUMÉRICOS.pptx
 
4 to informe de hidraulica
4 to informe de hidraulica4 to informe de hidraulica
4 to informe de hidraulica
 
Saileth prada ii
Saileth prada iiSaileth prada ii
Saileth prada ii
 
Resolución de ecuación diferencial por la Transformada de Laplace
Resolución de ecuación diferencial por la Transformada de LaplaceResolución de ecuación diferencial por la Transformada de Laplace
Resolución de ecuación diferencial por la Transformada de Laplace
 
Metodos numericos 1
Metodos numericos 1Metodos numericos 1
Metodos numericos 1
 
Ejercicios resueltos para Optimización de Sistemas y Funciones
Ejercicios resueltos para Optimización de Sistemas y FuncionesEjercicios resueltos para Optimización de Sistemas y Funciones
Ejercicios resueltos para Optimización de Sistemas y Funciones
 
Series de taylor
Series de taylorSeries de taylor
Series de taylor
 
Aplicación de Derivadas
Aplicación de DerivadasAplicación de Derivadas
Aplicación de Derivadas
 
F4002 - L02 - Integración de funciones
F4002 - L02 - Integración de funcionesF4002 - L02 - Integración de funciones
F4002 - L02 - Integración de funciones
 
TEORIA: Método deductivo
TEORIA: Método deductivoTEORIA: Método deductivo
TEORIA: Método deductivo
 
Teoría: Método Deductivo
Teoría: Método DeductivoTeoría: Método Deductivo
Teoría: Método Deductivo
 
Ecuaciones
EcuacionesEcuaciones
Ecuaciones
 
Actividad n ¦2 jose a valladares l
Actividad n ¦2 jose a valladares lActividad n ¦2 jose a valladares l
Actividad n ¦2 jose a valladares l
 
Ecuaciones Diferenciales
Ecuaciones DiferencialesEcuaciones Diferenciales
Ecuaciones Diferenciales
 
Aplicaciones de la derivada
Aplicaciones de la derivadaAplicaciones de la derivada
Aplicaciones de la derivada
 
Ecuaciones en una variable 1
Ecuaciones en una variable 1Ecuaciones en una variable 1
Ecuaciones en una variable 1
 

Más de Tensor

Más de Tensor (20)

Libertad
LibertadLibertad
Libertad
 
Método de la regla falsa (o metodo de la falsa posición)
Método de la regla falsa (o metodo de la falsa posición)Método de la regla falsa (o metodo de la falsa posición)
Método de la regla falsa (o metodo de la falsa posición)
 
Metodo de la bisección
Metodo de la bisecciónMetodo de la bisección
Metodo de la bisección
 
Transito vehicular
Transito vehicularTransito vehicular
Transito vehicular
 
Teoria de colas
Teoria de colasTeoria de colas
Teoria de colas
 
Practica 7 2016
Practica 7 2016Practica 7 2016
Practica 7 2016
 
Practica 6 2016
Practica 6 2016Practica 6 2016
Practica 6 2016
 
Game maker
Game makerGame maker
Game maker
 
Practica 5 2016
Practica 5 2016Practica 5 2016
Practica 5 2016
 
Procesamiento de archivos
Procesamiento de archivosProcesamiento de archivos
Procesamiento de archivos
 
Cadenas y funciones de cadena
Cadenas y funciones de cadenaCadenas y funciones de cadena
Cadenas y funciones de cadena
 
Simulación en promodel clase 04
Simulación en promodel clase 04Simulación en promodel clase 04
Simulación en promodel clase 04
 
Reduccion de orden
Reduccion de ordenReduccion de orden
Reduccion de orden
 
Variación+de+parametros
Variación+de+parametrosVariación+de+parametros
Variación+de+parametros
 
Coeficientes indeterminados enfoque de superposición
Coeficientes indeterminados   enfoque de superposiciónCoeficientes indeterminados   enfoque de superposición
Coeficientes indeterminados enfoque de superposición
 
Bernoulli y ricatti
Bernoulli y ricattiBernoulli y ricatti
Bernoulli y ricatti
 
Practica no. 3 tiempo de servicio
Practica no. 3 tiempo de servicioPractica no. 3 tiempo de servicio
Practica no. 3 tiempo de servicio
 
Clase 14 ondas reflejadas
Clase 14 ondas reflejadasClase 14 ondas reflejadas
Clase 14 ondas reflejadas
 
Ondas em
Ondas emOndas em
Ondas em
 
Clase 7 ondas electromagneticas
Clase 7 ondas electromagneticasClase 7 ondas electromagneticas
Clase 7 ondas electromagneticas
 

Último

5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
MiNeyi1
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...
JonathanCovena1
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Francisco158360
 
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
MiNeyi1
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
El Fortí
 
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
RigoTito
 

Último (20)

2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
 
Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.Fe contra todo pronóstico. La fe es confianza.
Fe contra todo pronóstico. La fe es confianza.
 
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
5.- Doerr-Mide-lo-que-importa-DESARROLLO PERSONAL
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDAD
 
origen y desarrollo del ensayo literario
origen y desarrollo del ensayo literarioorigen y desarrollo del ensayo literario
origen y desarrollo del ensayo literario
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
 
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...
 
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdfGUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
 
Programacion Anual Matemática5 MPG 2024 Ccesa007.pdf
Programacion Anual Matemática5    MPG 2024  Ccesa007.pdfProgramacion Anual Matemática5    MPG 2024  Ccesa007.pdf
Programacion Anual Matemática5 MPG 2024 Ccesa007.pdf
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativa
 
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
6.-Como-Atraer-El-Amor-01-Lain-Garcia-Calvo.pdf
 
Dinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes dDinámica florecillas a María en el mes d
Dinámica florecillas a María en el mes d
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
 
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcción
 
Abril 2024 - Maestra Jardinera Ediba.pdf
Abril 2024 -  Maestra Jardinera Ediba.pdfAbril 2024 -  Maestra Jardinera Ediba.pdf
Abril 2024 - Maestra Jardinera Ediba.pdf
 

Diferenciación numérica Metodos Numericos

  • 2. Diferenciación numérica  Se le conoce con un nombre especial en el análisis numérico: diferencia finita dividida y generalmente se representa como  𝐷𝑒𝑟𝑖𝑣𝑎𝑑𝑎 = 𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑖𝑚𝑒𝑟 𝑜𝑟𝑑𝑒𝑛 − 𝐸𝑟𝑟𝑜𝑟 𝑑𝑒 𝑇𝑟𝑢𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜  𝑓′ 𝑥𝑖 = 𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖 𝑥 𝑖+1−𝑥 𝑖 + 𝑂 𝑥𝑖+1 − 𝑥𝑖 (𝐴)  Ó  𝑓′ 𝑥𝑖 = ∆𝑓 𝑖 ℎ + 𝑂 ℎ (𝐵)
  • 3. Diferenciación numérica  Donde a ∆𝑓𝑖 se le conoce como la primera diferencia hacia adelante y a ℎ se le llama el tamaño del paso o incremento; esto es, la longitud del intervalo sobre el cual se realiza la aproximación. Se le llama diferencia “hacia delante”, porque usa los datos en 𝑖 𝑒 𝑖 + 1 para estimar la derivada (figura 1). Al término completo Δ𝑓/ℎ se le conoce como primer diferencia finita dividida.
  • 4. Diferenciación numérica Gráfica de aproximaciones con diferencias finitas divididas de la primera derivada: a) hacia delante
  • 5. Diferenciación numérica Gráfica de aproximaciones con diferencias finitas divididas de la primera derivada: b) hacia atrás
  • 6. Diferenciación numérica Gráfica de aproximaciones con diferencias finitas divididas de la primera derivada: c) centrales
  • 7. Diferenciación numérica  Esta diferencia dividida hacia adelante es sólo una de tantas que pueden desarrollarse a partir de la serie de Taylor para la aproximación de derivadas numéricas
  • 8. Diferenciación numérica  Las primeras usan valores en 𝑥𝑖−1 𝑦 𝑥𝑖 (figura b); mientras que las segundas utilizan valores igualmente espaciados alrededor del punto donde la derivada está estimada (figura c).
  • 9. Diferenciación numérica  Es posible desarrollar aproximaciones más exactas de la primera derivada incluyendo términos de orden más alto de la serie de Taylor.  Finalmente, todas las versiones anteriores se pueden desarrollar para derivadas de segundo orden, de tercer orden y de órdenes superiores.
  • 10. Aproximación a la primera derivada con diferencia hacia atrás  La serie de Taylor se expande hacia atrás para calcular un valor anterior sobre la base del valor actual  𝑓 𝑥𝑖−1 = 𝑓 𝑥𝑖 − 𝑓′ 𝑥𝑖 ℎ + 𝑓′′ 𝑥 𝑖 2! ℎ2 − ⋯ (1)  Truncando la ecuación después de la primera derivada y reordenando los términos se obtiene  𝑓′ 𝑥𝑖 ≅ 𝑓 𝑥 𝑖 −𝑓 𝑥 𝑖 ℎ = 𝛻𝑓1 ℎ (2)
  • 11. Aproximación a la primera derivada con diferencia hacia atrás  Donde el error 𝑂(ℎ), y a 𝛻𝑓𝑖 se le conoce como primera diferencia dividida hacia atrás.
  • 12. Aproximación a la primera derivada con diferencia centradas  Una tercera forma de aproximar la primera derivada consiste en restar la ecuación (1) de la expansión de la serie de Taylor hacia adelante:  𝑓 𝑥𝑖−1 = 𝑓 𝑥𝑖 + 𝑓′ 𝑥𝑖 ℎ + 𝑓′′ 𝑥 𝑖 2! ℎ2 + ⋯ (3)  Para obtener  𝑓 𝑥𝑖+1 = 𝑓 𝑥𝑖−1 + 2𝑓′ 𝑥𝑖 ℎ + 𝑓 3 𝑥 𝑖 3! ℎ3 + ⋯
  • 13. Aproximación a la primera derivada con diferencia centradas  De donde se despeja  𝑓′ 𝑥𝑖 = 𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖−1 2ℎ − 𝑓 3 𝑥 𝑖 6 ℎ2 − ⋯  O  𝑓′ 𝑥𝑖 = 𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖−1 2ℎ − 𝑂 ℎ2 (4)
  • 14. Aproximación a la primera derivada con diferencia centradas  La ecuación (4) es una representación de las diferencias centradas de la primera derivada. Observe que el error de truncamiento es del orden de ℎ2 en contraste con las aproximaciones hacia adelante y hacia atrás, que fueron del orden de ℎ.
  • 15. Ejemplo Aproximación de derivadas por diferencias finitas divididas  Planteamiento del problema. Use aproximaciones con diferencias finitas hacia adelante y hacia atrás de 𝑂(ℎ) y una aproximación de diferencia centrada de 𝑂 ℎ2 para estimar la primera derivada de  𝑓 𝑥 = −0.1𝑥4 − 0.15𝑥3 − 0.5𝑥2 − 0.25𝑥 + 1.2
  • 16. Ejemplo Aproximación de derivadas por diferencias finitas divididas  En 𝑥 = 0.5. Utilizando un incremento de ℎ = 0.5. Repita el calculo con ℎ = 0.25 . Observe que la derivada se calcula directamente como  𝑓′ 𝑥 = −0.4𝑥3 − 0.45𝑥2 − 1.0𝑥 − 0.25  Y se puede utilizar para calcular el valor verdadero como 𝑓′ 0.5 = −0.9125
  • 17. Ejemplo Aproximación de derivadas por diferencias finitas divididas  Solución. Para ℎ = 0.5 , la función se emplea para determinar  Evaluamos en 𝑓 𝑥 = −0.1𝑥4 − 0.15𝑥3 − 0.5𝑥2 − 0.25𝑥 + 1.2  𝑥𝑖−1 = 0 𝑓 𝑥𝑖−1 = 1.2  𝑥𝑖 = 0.5 𝑓 𝑥𝑖 = 0.925  𝑥𝑖+1 = 1.0 𝑓 𝑥𝑖+1 = 0.2
  • 18. Ejemplo Aproximación de derivadas por diferencias finitas divididas  Esos valores sirven para calcular las diferencias divididas hacia adelante  𝑓′ 𝑥𝑖 = 𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖 𝑥 𝑖+1−𝑥 𝑖 + 𝑂 𝑥𝑖+1 − 𝑥𝑖  𝑓′ 0.5 ≅ 0.2−0.925 1−0.5 = −1.45  𝜀𝑡 = 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 100%
  • 19. Ejemplo Aproximación de derivadas por diferencias finitas divididas  𝜀𝑡 = 0.9125−1.45 0.9125 100% ⟹ 𝜀𝑡 = 58.9%
  • 20. Ejemplo Aproximación de derivadas por diferencias finitas divididas  La diferencia dividida hacia atrás  𝑓′ 𝑥𝑖 = 𝑓 𝑥 𝑖 −𝑓 𝑥 𝑖−1 ℎ = 𝛻𝑓1 ℎ  𝑓′ 0.5 ≅ 0.925−1.2 0.5 = −0.55  𝜀𝑡 = 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙 100%
  • 21. Ejemplo Aproximación de derivadas por diferencias finitas divididas  𝜀𝑡 = 0.9125−0.55 0.9125 100% ⟹ 𝜀𝑡 = 39.7%
  • 22. Ejemplo Aproximación de derivadas por diferencias finitas divididas  La diferencia dividida centrada  𝑓′ 𝑥𝑖 = 𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖−1 2ℎ − 𝑂 ℎ2  𝑓′ 0.5 ≅ 0.2−1.2 2 0.5 = −1.0  𝜀𝑡 = 𝑒𝑟𝑟𝑜𝑟 𝑎𝑐𝑡𝑢𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑐𝑢𝑎𝑙 100%
  • 23. Ejemplo Aproximación de derivadas por diferencias finitas divididas  𝜀𝑡 = 0.9125−1.0 0.9125 100% ⟹ 𝜀𝑡 = 9.6%
  • 24. Ejemplo Aproximación de derivadas por diferencias finitas divididas  Solución. Para ℎ = 0.25 , la función se emplea para determinar  𝑥𝑖−1 = 0.25 𝑓 𝑥𝑖−1 = 1.10351563  𝑥𝑖 = 0.5 𝑓 𝑥𝑖 = 0.925  𝑥𝑖+1 = 0.75 𝑓 𝑥𝑖+1 = 0.63632813
  • 25. Ejemplo Aproximación de derivadas por diferencias finitas divididas  Esos valores sirven para calcular las diferencias divididas hacia adelante  𝑓′ 𝑥𝑖 = 𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖 𝑥 𝑖+1−𝑥 𝑖 + 𝑂 𝑥𝑖+1 − 𝑥𝑖  𝑓′ 0.5 ≅ 0.63632813−0.925 0.25 = −1.155  𝜀𝑡 = 𝑒𝑟𝑟𝑜𝑟 𝑎𝑐𝑡𝑢𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑐𝑢𝑎𝑙 100%
  • 26. Ejemplo Aproximación de derivadas por diferencias finitas divididas  𝜀𝑡 = 0.9125−1.155 0.9125 100% ⟹ 𝜀𝑡 = 26.5%
  • 27. Ejemplo Aproximación de derivadas por diferencias finitas divididas  La diferencia dividida hacia atrás  𝑓′ 𝑥𝑖 = 𝑓 𝑥 𝑖 −𝑓 𝑥 𝑖−1 ℎ = 𝛻𝑓1 ℎ  𝑓′ 0.5 ≅ 0.925−1.10351563 0.25 = −0.714  𝜀𝑡 = 𝑒𝑟𝑟𝑜𝑟 𝑎𝑐𝑡𝑢𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑐𝑢𝑎𝑙 100%
  • 28. Ejemplo Aproximación de derivadas por diferencias finitas divididas  𝜀𝑡 = 0.9125−0.714 0.9125 100% ⟹ 𝜀𝑡 = 21.7%
  • 29. Ejemplo Aproximación de derivadas por diferencias finitas divididas  La diferencia dividida centrada  𝑓′ 𝑥𝑖 = 𝑓 𝑥 𝑖+1 −𝑓 𝑥 𝑖−1 2ℎ − 𝑂 ℎ2  𝑓′ 0.5 ≅ 0.63632813−1.10351563 0.5 = −0.934  𝜀𝑡 = 𝑒𝑟𝑟𝑜𝑟 𝑎𝑐𝑡𝑢𝑎𝑙−𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝑎𝑐𝑢𝑎𝑙 100%
  • 30. Ejemplo Aproximación de derivadas por diferencias finitas divididas  𝜀𝑡 = 0.9125−0.934 0.9125 100% ⟹ 𝜀𝑡 = 2.4%
  • 31. Ejemplo Aproximación de derivadas por diferencias finitas divididas  Para ambos tamaños de paso, la aproximación en diferencias centrales es más exacta que las diferencias hacia adelante y hacia atrás. También, como se pronosticó con el análisis de la serie de Taylor, dividiendo a la mitad el incremento, se tiene aproximadamente la mitad del error en las diferencias hacia atrás y hacia adelante y una cuarta parte de error en la diferencia centrada
  • 32. Ejemplo Aproximación de derivadas por diferencias finitas divididas