ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO

FACULTAD DE CIENCIAS
CARRERA: INGENIERIA QUIMICA

INTEGRANTES:
Brayan Samuel Lopez Lema
Iván Nicolas Flores Moya

ASIGNATURA:
Métodos Numéricos

DOCENTE:
Ing. Darío Guamán

ACTIVIDAD:
Graficas en 3D

NIVEL:
Cuarto semestre
 Derivación numérica
La derivación numérica es un enfoque utilizado en matemáticas y ciencias computacionales
para aproximar la derivada de una función en un punto dado utilizando técnicas de cálculo
numérico. A continuación, te proporcionaré una descripción general del método y algunos
de sus enfoques más comunes.
Diferencia hacia adelante (forward difference): La diferencia hacia adelante es un enfoque
simple para calcular la derivada numérica. Utiliza la siguiente fórmula: f'(x) ≈ (f(x + h) -
f(x)) / h Donde f'(x) es la derivada de f(x), h es un valor pequeño que representa el
incremento en x y f(x) es el valor de la función en el punto x. Este método proporciona una
aproximación de la derivada utilizando la pendiente de una línea secante que pasa por los
puntos (x, f(x)) y (x + h, f(x + h)).
Diferencia hacia atrás (backward difference): La diferencia hacia atrás es similar a la
diferencia hacia adelante, pero utiliza los puntos (x, f(x)) y (x - h, f(x - h)). La fórmula para
el cálculo de la derivada numérica es: f'(x) ≈ (f(x) - f(x - h)) / h
Diferencia centrada (central difference): La diferencia centrada es un enfoque más preciso
que utiliza tanto puntos hacia adelante como hacia atrás para calcular la derivada numérica.
La fórmula es: f'(x) ≈ (f(x + h) - f(x - h)) / (2h) Este método proporciona una mejor
aproximación al calcular la pendiente promedio entre los puntos (x - h, f(x - h)) y (x + h, f(x
+ h)).
Extrapolación de Richardson: La extrapolación de Richardson es una técnica utilizada para
mejorar la precisión de la derivación numérica. Combina diferentes aproximaciones de la
derivada numérica, generalmente utilizando la diferencia centrada, con diferentes tamaños
de paso h. Al combinar estas aproximaciones, se puede reducir el error y obtener una mejor
estimación de la derivada.
Es importante tener en cuenta que estos métodos de derivación numérica tienen
limitaciones y errores asociados. La elección adecuada del tamaño del paso h es esencial
para obtener resultados precisos. Un valor h demasiado pequeño puede introducir errores de
redondeo, mientras que un valor h demasiado grande puede producir una aproximación
inexacta de la derivada. Además, estos métodos pueden verse afectados por el ruido en los
datos o por la presencia de puntos atípicos.
Método de la progresión
El método progresivo en la derivación numérica es una técnica utilizada para calcular
aproximaciones de la derivada de una función en un punto dado utilizando diferencias
finitas. Es un método simple pero no tan preciso como otros métodos más avanzados.
La derivada de una función f(x) en un punto x se puede aproximar utilizando la fórmula de
diferencias finitas progresivas de primer orden:
f'(x) ≈ (f(x + h) - f(x)) / h
Donde h es un valor pequeño que representa un incremento en x. Al utilizar esta fórmula, se
evalúa la función en dos puntos cercanos en la dirección positiva de x, y se calcula la
diferencia entre los valores de la función dividida por h.
El método progresivo se llama así porque se toma la diferencia entre f(x + h) y f(x). Otra
variante del método es el método regresivo, que toma la diferencia entre f(x) y f(x - h).
Es importante tener en cuenta que la elección adecuada del valor de h es crucial para
obtener una buena aproximación de la derivada. Si h es demasiado grande, la aproximación
puede ser imprecisa. Por otro lado, si h es demasiado pequeño, los errores de redondeo y la
precisión numérica pueden afectar la aproximación.
En resumen, el método progresivo en la derivación numérica es una técnica simple para
aproximar la derivada de una función en un punto dado utilizando diferencias finitas. Se
calcula la diferencia entre los valores de la función en dos puntos cercanos en la dirección
positiva de x y se divide por un incremento h. Sin embargo, es importante seleccionar un
valor apropiado para h para obtener resultados precisos.
Método regresivo
El método regresivo en la derivación numérica es similar al método progresivo, pero en
lugar de evaluar la función en puntos hacia adelante en la dirección positiva de x, se evalúa
en puntos hacia atrás en la dirección negativa de x.
La fórmula de diferencias finitas regresivas de primer orden para aproximar la derivada de
una función f(x) en un punto x es la siguiente:
f'(x) ≈ (f(x) - f(x - h)) / h
Al igual que en el método progresivo, h es un valor pequeño que representa un decremento
en x.
En el método regresivo, se toma la diferencia entre f(x) y f(x - h) y se divide por h. Esta
aproximación calcula la pendiente de la recta secante formada por dos puntos cercanos en
la dirección negativa de x.
Al igual que en el método progresivo, es importante seleccionar un valor adecuado para h.
Si h es demasiado grande, la aproximación puede ser imprecisa, mientras que si h es
demasiado pequeño, los errores de redondeo y la precisión numérica pueden afectar la
aproximación.
Método de la formula central
El método de la fórmula central, también conocido como método de diferencias centradas,
es un enfoque para calcular aproximaciones de la derivada de una función en un punto dado
utilizando diferencias finitas. A diferencia de los métodos progresivo y regresivo, el método
de la fórmula central utiliza información tanto hacia adelante como hacia atrás para calcular
la derivada.
La fórmula de diferencias finitas centradas de primer orden para aproximar la derivada de
una función f(x) en un punto x es la siguiente:
f'(x) ≈ (f(x + h) - f(x - h)) / (2h)
En esta fórmula, se evalúa la función en puntos equidistantes hacia adelante y hacia atrás
desde el punto x, y se calcula la diferencia entre los valores de la función. Luego, esta
diferencia se divide por el doble del valor de h, que representa el incremento (o
decremento) en x.
El método de la fórmula central es más preciso que los métodos progresivo y regresivo, ya
que utiliza información tanto de la parte anterior como de la posterior del punto en el que se
desea calcular la derivada. Esto ayuda a minimizar los errores y proporciona una mejor
aproximación de la derivada.
Al igual que con los otros métodos, es importante elegir un valor adecuado para h. Si h es
demasiado grande, la aproximación puede ser imprecisa, mientras que si h es demasiado
pequeño, los errores de redondeo y la precisión numérica pueden afectar la aproximación.