UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 1
INFORME DE LABORATORIO 12
(formato estudiante)
INFORMACIÓN BÁSICA
ASIGNATURA: Métodos Numéricos
TITULO DE LA
DIFERENCIACIÓN NUMÉRICA
PRÁCTICA:
NÚMERO DE NRO.
12 AÑO LECTIVO: 2024B 6
PRÁCTICA: SEMESTRE:
FECHA INICIO HORA FIN
INTEGRANTE (s)
-Callo Ccagiavilca, Kevin Joel
-Hanccoccallo Achircana, Frank Duks Nota colocada
NOTA (0-20)
-Hidalgo Chinchay, Paulo Andre por el docente
-Chancuaña Alvis, Klismann
-Perez Huamani, Jeremy Joshua
DOCENTE(s):
Mg. José Rafael Delgado Bastidas
Mg. María Vilma Escobar Castillo
RESULTADOS
I. EJERCICIOS RESUELTOS:
Link:
Numerical-Methods-with-Applications - File Exchange - MATLAB Central
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 2
Desarrolle el contenido de Diferenciación numérica:
• Example: Using functions with known derivatives
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 3
Construimos una tabla para comprobar el orden del error en un punto x0.
Construimos la tabla para comparar las aproximaciones de diferencias hacia adelante calculadas simbólica y
numéricamente, evaluando la derivada de una función en x0=1 con una serie de valores decrecientes de h. La
tabla muestra el tamaño de paso (h), el valor aproximado de la derivada ("Forw. Diff."), los errores simbólico y
numérico ("Symb. Error" y "Num. Error"), y los órdenes de convergencia correspondientes ("Symb. Order" y
"Num. Order"), los cuales se calculan con base en la relación logarítmica entre errores sucesivos. Esto permite
analizar la precisión y el comportamiento de las aproximaciones conforme hh disminuye.
Ejecución:
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 4
• Truncation Error and Rounding Error
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 5
En esta parte, lo que hacemos es aplicar el método de diferencias centradas para aproximar la derivada de una
función y(x) utilizando tanto cálculos simbólicos como numéricos. Se define una función simbólica DyC(x,h) y una
función anónima DyCenter(x,h) que implementan el método, el cual evalúa la derivada como
(y(x+h)−y(x−h))/(2h). Luego, calculamos las aproximaciones de la derivada, los errores asociados (simbólico y
numérico), y los órdenes de convergencia en función de los tamaños de paso hh. Esto permite evaluar la precisión
y el rendimiento del método conforme h disminuye tal y como se observa en la imagen.
Ejecución:
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 6
• Reflect.
Solución:
Ejecución:
• Exercise 2. Check the consistency of theoretical and applied errors
Comprueba el orden del error en el Ejercicio 1, partes a-c, con f(x)=cos(x) en el punto x0 =1. ¿Tus resultados
estimados coinciden con tus resultados teóricos? ¿Por qué o por qué no?
implementa diferentes métodos numéricos para aproximar la derivada de la función f(x)=cos(x) en el punto
x=1. Se define f′(x)=−sin(x) como la derivada analítica de la función, y luego se utilizan tres fórmulas de
diferencias finitas: una de orden 1 (Dy1a), una de orden 2 (Dy1b) y otra de orden 4 (Dy1c). Estas fórmulas
emplean incrementos hhh decrecientes (h=2−ph = 2^-p, donde p varía entre -1 y -10) para evaluar la
precisión y convergencia de cada método. Los resultados incluyen las estimaciones de la derivada, los errores
al compararlas con el valor analítico, las razones de los errores consecutivos, y el orden de convergencia
estimado utilizando el logaritmo base 2 de estas razones.
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 7
Solución:
Ejecución:
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 8
Análisis:
El análisis muestra que, a medida que h disminuye, los errores en las fórmulas de mayor orden
(especialmente Dy1c) son mucho menores, lo que confirma su mayor precisión y convergencia más rápida.
Las tablas generadas comparan las tres aproximaciones en términos de los errores relativos y el orden de
convergencia numérica, evidenciando que Dy1c alcanza un orden cercano a 4, Dy1b se acerca a 2, y Dy1a se
mantiene en un orden cercano a 1. Esto ilustra cómo las fórmulas de diferencias finitas de mayor orden
mejoran significativamente la precisión en la estimación de derivadas.
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 9
• Assessing the impact of noise
En las aplicaciones, el ruido en los datos puede abrumar la señal de una derivada numérica y los modelos de
orden superior no mitigan el problema del ruido.
Solución:
Este código muestra cómo pequeñas cantidades de ruido en los datos pueden afectar las derivadas numéricas
calculadas. Al compararlas con la derivada de los datos reales, se observa que el ruido puede amplificar
errores en las aproximaciones numéricas, especialmente con métodos de primer orden.
1. Configuracion de Parametros
Se generan los datos originales (sin(x)) con una partición uniforme en x, y se añade un ruido aleatorio
pequeño para simular mediciones imprecisas.
2. Derivación numérica exacta
Usando diferencias finitas de primer orden, se calcula la derivada numérica precisa basada en los datos
originales. Esto es una representación de cómo debería comportarse la derivada si no hubiera ruido.
3. Datos con ruido
Se calculan dos aproximaciones numéricas de la derivada sobre los datos ruidosos:
● Primer orden: Método directo que amplifica el ruido.
● Segundo orden: Más preciso, pero también sensible al ruido
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 10
4. Gráficas
Se comparan visualmente los datos originales, los datos ruidosos y las derivadas (real y aproximadas).
Esto permite evaluar el impacto del ruido y la efectividad de los métodos de aproximación.
Ejecución:
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 11
El código analiza cómo afecta el ruido aleatorio a los datos y a la precisión de las derivadas numéricas
calculadas mediante diferencias finitas. Se presentan dos aproximaciones principales: una de primer orden y
otra de segundo orden.
• Helper Functions
Solución:
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 12
El objetivo de las funciones helper (helpers) es modularizar y organizar el código dividiendo tareas específicas
en funciones más pequeñas y manejables.
Ejecución:
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 13
CONCLUSIONES
● Los métodos de diferencias finitas, basados en series de Taylor, ofrecen una herramienta poderosa para
aproximar derivadas de cualquier orden. La utilización de puntos adicionales, como en el caso de la
segunda derivada con cinco puntos, mejora la precisión y minimiza errores de truncamiento.
● Los errores de truncamiento y redondeo son inevitables en los cálculos numéricos. Aunque los métodos
de orden superior los reducen, es crucial evaluar su impacto en función del tamaño del paso (hhh) y la
estabilidad del método para garantizar resultados precisos.
● El ruido en los datos afecta directamente las aproximaciones numéricas, amplificando errores
especialmente en métodos de orden inferior. Para mitigar este efecto, se recomienda trabajar con datos
suavizados o desarrollar técnicas que combinan precisión y robustez frente al ruido.
METODOLOGÍA DE TRABAJO
REFERENCIAS Y BIBLIOGRAFÍA
UNIVERSIDAD NACIONAL DE SAN AGUSTIN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMA
Formato: Guía de Práctica de Laboratorio / Talleres / Centros de Simulación
Aprobación: 2022/03/01 Código: GUIA-PRLMN-001 Página: 14
[1] R. P. C. Steven C. Chapra, Métodos numéricos para ingenieros, Mexico: Mc Graw Hill Education,
2015.
[2] J. G. Hernández, Métodos numéricos con aplicaciones en Matlab, Quito: Universitaria Abya - Yala,
2013.
[3] K. D. F. John H. Mathews, Métodos Numéricos con MATLAB, Madrid: PEARSON EDUCATION
S.A., 2000.
