Facultad de Ciencias UNAM

Tema: Diferenciación Numérica

Alumno: Siddhartha Estrella Gutiérrez.

Materia: Análisis Numérico

Profesor: Pablo Barrera

 2

INDICE

Preliminares ………………………………………………………………………… 3

Diferenciación numérica …………………………………………………………… 5

Ejemplos ………………………………………………………………………………7

Ordenes superiores …………………………………………………………………...9

 3

PRELIMINARES

Fórmula de Newton:

Pagina (41)

La fórmula de Newton puede ser escrita de manera compacta como:

Donde
es el polinomio de interpolación
son las diferencias divididas
son los puntos de interpolación con j=0,…,n

Las diferencias divididas son de la siguiente forma:

Y así sucesivamente de manera recursiva de tal manera que la regla general es:

Error Polinomial:
Pagina 51

Si es una función de variable real en el intervalo tal que

son n+1 puntos distintos. En el intervalo tal que es el
polinomio de interpolación que interpola a la función en los puntos. Entonces el error
esta dado por:

Si tomamos como un punto distinto de . Si es el polinomio de

grado < = n + 1 que interpola a en y en entonces
tal que
 4

A lo que sigue

Por lo que para todo

Por lo que el error queda en términos del siguiente término de la forma de newton

Igualdad 2.37
Página 66
Si es continua para toda x y es suficientemente suave se sigue que:

Para toda y no solo para

Igualdad 2.38
Página 67
Además:

Igualdad 2.17
Página 52
Sea f(x) una función de variable real, definida en [a,b] y k veces diferenciable en (a,b)
entonces si son k+1 puntos distintos en [a,b] existe tal que

Para k=1 es el teorema del valor medio.

 5

DIFERENCIACIÓN NUMÉRICA.

Se consideran algunas técnicas de aproximación para derivar una función f(x) dada. Las
reglas que resultan son de grande importancia para la solución de ecuaciones
diferenciales. Pueden ser utilizadas para obtener aproximaciones numéricas de una
derivada a partir de los valores de la función. Pero el método de diferenciación
numérica basado en interpolación numérica es un proceso inestable y no se puede
esperar una buena aproximación aun cuando la información original esta bien
aproximada, por lo que el error f’(x) – p’(x) puede ser muy grande especialmente
cuando los valores de f(x) tengan perturbaciones.

Ahora su p(x) es un polinomio de interpolación de f(x) entonces e(x) = f(x)- p(x) es el

error de aproximación, por lo que e’(x)=(f(x) – p(x))’= f’(x) – p’(x) es el error de
interpolación en la derivación de f(x) con respecto a la aproximación con el polinomio
p(x).

Tomamos una función continuamente diferenciable en el intervalo y

tomamos los puntos distintos en el intervalo.

De la igualdad 2.37 tomamos

……….(1)

Donde es el polinomio de grado <= k que interpola a en y

tal que

Para suficientemente suave tenemos por 2.38

Por hipótesis es continuamente diferenciable por lo que se puede derivar (1) por lo
que obtenemos:

…(2)

Definiendo el operador D como la derivada tenemos:

con en el intervalo [c,d], si aproximamos la derivada en f por

medio de la derivada en el polinomio entonces por (2) el error en la aproximación
es:

O bien:
 6

…..(3) con
Es el error en la diferenciación numérica nos dice poco sobre el error ya que casi nunca
se conocen los valores de la derivada k+2 ni de la derivada k+1 y casi nunca se conocen
los argumentos , Pero la expresión puede ser simplificada eligiendo el
valor de manera adecuada de tal forma que la derivada sea evaluada o bien
eligiendo apropiadamente los puntos de interpolación.

Si es un punto de interpolación tomamos para alguna i, como

contiene el factor se sigue que y el primer término de (3)
desaparece.

Mas aun con

Por lo que si elegimos para alguna i= 0,..,k tengo que (3) se reduce quedando el
segundo termino:

con ……….(4)

Otra manera de simplificar la expresión es mediante la elección de tal que

por lo que el segundo término de (3) desaparece

para

¿Cómo se logra esto?

Si k es un número impar lo podemos hacerlo poniendo Xj simétricamente alrededor de
de tal manera que las distancias:

…….(5)
Por lo que

En consecuencia:

Así derivando los intervalos:

Para todo j= 0,.. (k-1)/2 por lo que se sigue que así (5) se cumple en (3) por
lo que queda
 7

……………..(6)

La derivada de f en (6) es de orden mayor que la de (4)

EJEMPLOS

1.
Si k=0 entonces por lo que el polinomio es una constante que no es una
buena aproximación en la mayoría de los casos para

Si elegimos k >=1 tenemos por lo que

es independiente de la
Si es el punto inicial entonces utilizando (2) y (4) con la fórmula de la

“diferencia anterior” queda: …….(7)

Con el error

2.
Si elegimos entonces son simétricos alrededor de y de (6)
obtenemos junto con

La “diferencia central” …..(8) con error

Si elegimos lo suficientemente cercanos entonces es una mejor

aproximación a en el punto medio que si o lo
cual no recuerda el teorema del valor medio para derivadas para
alguna entre y
 8

3.
k=2 , tenemos tres puntos de interpolación por lo que

Entonces derivando:

Si por (2) y (4)

…..(9)

En particular si los tres puntos son equidistantes con espacio h entonces:

Por lo que la ecuación (9) se reduce a

..…(10) con para algún

entre y

Si entonces tenemos

“Diferencia central” con para ……(11) que es la

(8).
 9

ORDENES SUPERIORES

Si se desea derivar (1) dos veces tenemos:

……(12)

Con tengo:

con …….(13)

Si se eligen tenemos:

con con
…....(14)
En puntos simétricos alrededor de tiene como resultado una formula con derivadas
de orden superior en el error.
De 2.17 inferimos que = da una buena aproximación si las
son lo suficientemente cercanas con .

Las fórmulas de diferenciación numérica son de la forma:

……(15) con y con
espacio entre los puntos de interpolación.
Es decir la derivada de f se calcula mediante el conocimiento de sus valores en k puntos
por medio de la derivada de su polinomio de aproximación a este proceso se le conoce
como discretizacion de la derivada mientras que al error se le conoce como
error de discretizacion.

La intención además es encontrar la h optima para obtener el mejor resultado de la

diferenciación.

En la tabla 1 se muestra el cálculo de derivadas de la función exponencial:

Calculado en una IBM 7094

se calcula como (8) y se calcula como (14)

En la exponencial la primera y segunda derivada son las mismas pero los cálculos en
sus aproximaciones en la discretizacion difieren.
 10

El resultado es mejor cuando h=0.01 después de estos las aproximaciones son cada ves
peores.

Para analizar el fenómeno tomamos de (11)

Al redondear se produce un error por lo que tomamos:

en lugar de y
en lugar de

Para la derivada calculada en computadora:

Con (11) tenemos: ……(16)

Así el error de en consiste en dos partes: el error de redondeo y el error de

discretización, el error de discretización se hace cero cuando pero el error de
redondeo aumenta en la práctica pues no decrece.

Así la h óptima es cuando el error de las magnitudes de los errores de redondeo y

discretizacion se minimizan. Por lo que si tomamos la función exponencial en el punto
cero con un error de discretizacion de y un error de redondeo de
entonces de (16)

y tomando aproximadamente uno

Tenemos

Para g mínima:

por lo que
así en la tabla la mejor h cae entre 0.01 y 0.001

Utilizando suficiente presición aritmética se combate el error por redondeo pero el

problema es intratable cuando crece significativamente el numero de puntos una buena
alternativa es la interpolación con spline cúbico aunque hay otras como las de los
mínimos cuadrados.