MÉTODOS NUMÉRICOS

Derivación numérica

La 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 propiedades de la misma.

Por definición la derivada de una función f(x) es

(1)

Para valores pequeños de h, podemos aproximar la derivada de f en x0 de la siguiente

manera:

(2)

Esta fórmula no tiene un comportamiento estable, puede ser exacta para funciones lineales
pero la exactitud disminuye para funciones más generales. Sin embargo, es un buen punto de
partida para el cálculo de la derivada de una función, además hay que considerar que en
algunos casos es la única opción con que se cuenta para encontrar el valor de una función en
un punto deseado.

Para estimar el valor del error asociado a la ecuación (2), se del polinomio de Taylor de
primer grado cuya estructura es la siguiente:

(3)

Si se toma 𝑥 = 𝑥0 + ℎ,entonces ℎ = 𝑥 − 𝑥0 y se reemplaza en el polinomio (3), se tiene que:

(4)

Despejando 𝑓 ′ (𝑥0 ), se obtiene:

Diferencias hacia adelante:

𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 )
𝑓 ′ (𝑥0 ) = − 𝑂ℎ (5)
ℎ
Donde,
𝑓 ′′ (𝜀)
𝑂= (6)
2

Si se toma 𝑥 = 𝑥0 − ℎ, entonces ℎ = 𝑥0 − 𝑥 y se reemplaza en el polinomio (3), despejando

𝑓 ′(𝑥0 ) , se obtiene:

Diferencias hacia atrás:

𝑓(𝑥0 ) − 𝑓(𝑥0 − ℎ)
𝑓 ′ (𝑥0 ) = + 𝑂ℎ (7)
ℎ

La aproximación de la derivada por este método entrega resultados aceptables con un

determinado error. Para minimizar el error, se estima que la combinación entre ambas,
entrega la mejor aproximación numérica al problema dado, entonces al sumar (6) y (7) se
obtiene:

Diferencias centrales:

𝑓(𝑥0 + ℎ) − 𝑓(𝑥0 − ℎ)
𝑓 ′ (𝑥0 ) = + 𝑂ℎ2 (8)
2ℎ

Podemos observar que el error de la ecuación (8) es de orden ℎ2 , a diferencia de las

ecuaciones (6) y (7) que tienen un error de orden ℎ, es decir que la ecuación (8) converge
rápidamente a cero, pero para ello se debe contar con 3 valores de f(x) a diferencia de (6) y
(7) que sólo requieren de dos puntos de la función 𝑓(𝑥).

De manera análoga a la interpolación polinomial, el uso de más puntos en la evaluación de

la derivada producirá mayor exactitud; aunque esto implica mayor cantidad de evaluaciones
funcionales y aumento de error de redondeo
.
(9)

Entre las fórmulas más comunes están la de tres puntos y la de cinco puntos. Las tablas a
continuación resumen las fórmulas para aproximación de las derivadas.
Primera derivada

Segunda derivada
Polinomio interpolante de Newton

El polinomio de Newton es una forma más eficiente de evaluar el polinomio de interpolación.

En este método, se calcula una tabla de diferencias dividas una vez, y éstas son utilizadas
para cada dato que se vaya a interpolar. Las diferencias divididas se definen de la siguiente
manera:

 Diferencia dividida de orden 0:

𝑓(𝑥0 ) = 𝑓0

 Diferencia dividida de orden 1:

𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝑓(𝑥0 , 𝑥1 ) = = 𝑓1
𝑥0 − 𝑥1

 Diferencia dividida de orden 2:

𝑓(𝑥1 , 𝑥2 ) − 𝑓(𝑥0 , 𝑥1 )
𝑓(𝑥0 , 𝑥1 , 𝑥2 ) = = 𝑓2
𝑥2 − 𝑥0

 Diferencia dividida de orden k-ésimo:

𝑓(𝑥𝑘−1 , 𝑥𝑘 ) − 𝑓(𝑥0 , 𝑥1 , … , 𝑥𝑘−1 )

𝑓(𝑥0 , 𝑥1 , … , 𝑥𝑘 ) = = 𝑓𝑘
𝑥𝑘 − 𝑥0

El polinomio de Newton tiene la siguiente forma general:

𝑃𝑛 (𝑥) = 𝑓0 + 𝑓1 (𝑥 − 𝑥1 ) + 𝑓2 (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) + ⋯ + 𝑓𝑛 (𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … (𝑥 − 𝑥𝑘 )

𝑘 𝑘

𝑃𝑛 (𝑥) = 𝑓0 + ∑ 𝑓𝑗 ∏(𝑥 − 𝑥𝑘 )
𝑗=1 𝑗=1
Polinomio de Lagrange

Para poder realizar una interpolación de Newton es necesario que los valores de las x dadas
en la función tabular tengan un espaciamiento constante mientras que una interpolación de
Lagrange se puede llevar a cabo sin importar si el espaciamiento es constante o variable.

La interpolación de polinomios de Lagrange es una reformulación del polinomio de Newton

que evita el cálculo de la tabla de diferencias, el polinomio de Lagrange se expresa como:

𝐿(𝑥) = ∑ 𝑓(𝑥𝑗 )𝑙𝑗 (𝑥)

𝑗=0

Y es la combinación lineal de bases polinómicas de Lagrange

𝑘
𝑥 − 𝑥𝑖 𝑥 − 𝑥0 𝑥 − 𝑥𝑗−1 𝑥 − 𝑥𝑗+1 𝑥 − 𝑥𝑘
𝑙𝑗 (𝑥) = ∏ = ⋯ ⋯
𝑥𝑗 − 𝑥𝑖 𝑥𝑗 − 𝑥0 𝑥𝑗 − 𝑥𝑗−1 𝑥𝑗 − 𝑥𝑗+1 𝑥𝑗 − 𝑥𝑘
𝑖=1
𝑗≠𝑖

Piño Samurái

Laura Marcela Arenas

Laura Daniela Ariza
Juan Sebastián Dueñas
Érika Mesa Beltrán
Andrés Felipe Valbuena