Skillnad mellan versioner av "2.7 Numerisk derivering"

Från Mathonline
Hoppa till: navigering, sök
m
m
 
(315 mellanliggande versioner av samma användare visas inte)
Rad 1: Rad 1:
 +
__NOTOC__
 
{| border="0" cellspacing="0" cellpadding="0" height="30" width="100%"
 
{| border="0" cellspacing="0" cellpadding="0" height="30" width="100%"
 
| style="border-bottom:1px solid #797979" width="5px" |  
 
| style="border-bottom:1px solid #797979" width="5px" |  
{{Not selected tab|[[2.6 Derivatan av exponentialfunktioner|<-- Förra avsnitt]]}}
+
{{Not selected tab|[[2.6 Derivatan av exponentialfunktioner| <<&nbsp;&nbsp;Förra avsnitt]]}}
 
{{Selected tab|[[2.7 Numerisk derivering|Genomgång]]}}
 
{{Selected tab|[[2.7 Numerisk derivering|Genomgång]]}}
 
{{Not selected tab|[[2.7 Övningar till Numerisk derivering|Övningar]]}}
 
{{Not selected tab|[[2.7 Övningar till Numerisk derivering|Övningar]]}}
 +
{{Not selected tab|[[2.7 Numerisk derivering med räknare|Derivering med räknare]]}}
 
{{Not selected tab|[[Diagnosprov i Matte 3 kap 2 Derivata|Diagnosprov kap 2 Derivatan]]}}
 
{{Not selected tab|[[Diagnosprov i Matte 3 kap 2 Derivata|Diagnosprov kap 2 Derivatan]]}}
{{Not selected tab|[[Lösningar till diagnosprov i Matte 3 kap 2 Derivata|Lösningar till diagnosprov kap 2]]}}
 
 
| style="border-bottom:1px solid #797979"  width="100%"| &nbsp;
 
| style="border-bottom:1px solid #797979"  width="100%"| &nbsp;
 
|}
 
|}
  
 +
<!-- [[Media: Lektion 20 Numerisk_Derivering Ruta.pdf|<b><span style="color:blue">Lektion 20 Numerisk derivering</span></b>]] -->
  
[[Media: Lektion 22 Numerisk_Derivering Ruta.pdf|<strong><span style="color:blue">Lektion 22 Numerisk derivering</span></strong>]]
 
__NOTOC__
 
 
<big>
 
<big>
 +
Anta alltid<span style="color:black">:</span> <math> \; \qquad y \; = \; f(x)\, </math>
  
Mycket enkla funktioner kan inte deriveras med våra deriveringsregler, t.ex.:
+
=== <b><span style="color:#931136">Varför numerisk derivering?</span></b> ===
  
::<math> y \, = \, \displaystyle {1 \over x + 1} \qquad\qquad\qquad y \, = \, {1 \over e^x + 1} \qquad\qquad\qquad y \, = \, \ln x </math>
+
Varför ska vi lära oss numerisk derivering när vi kan derivera med [[2.5_Deriveringsregler|<b><span style="color:blue">deriveringsregler</span></b>]] som bygger på derivatans definition?
  
Bl.a. därför är det motiverat att studera alternativa lösningar. Numerisk derivering är en av dem. Läs mer: &nbsp;  [[2.7_Numerisk_derivering#Varf.C3.B6r_numerisk_derivering.3F|<strong><span style="color:blue">Varför numerisk derivering?</span></strong>]]
+
<div class="ovnE"><small>
 +
==== <b><span style="color:#931136">Exempel</span></b> ====
  
Numerisk derivering är en metod för approximativ (ungefärlig) beräkning av derivatan. Med hjälp av numeriska deriveringsformler beräknas ett <strong><span style="color:red">närmevärde</span></strong> för derivatan.
+
Följande funktioner matchar inte mot någon av funktionstyperna från vår [[2.6_Derivatan_av_exponentialfunktioner#Uppdaterad_tabell_.C3.B6ver_deriveringsregler|<b><span style="color:blue">tabell över deri-</span></b>]]
  
Numerisk derivering går tillbaka till deriveringens rötter, nämligen till begreppet <strong><span style="color:red">differenskvot</span></strong> som i [[2.2_Genomsnittlig_förändringshastighet#Allm.C3.A4n_definition|<strong><span style="color:blue">derivatans allmänna definition</span></strong>]] nämndes som synonym för <strong><span style="color:red">genomsnittlig förändringshastighet</span></strong>. Alla numeriska deriveringsformler baseras på differenskvoten, fast på olika sätt. Vi kommer att behandla här de tre enklaste numeriska deriveringsformlerna:
+
[[2.6_Derivatan_av_exponentialfunktioner#Uppdaterad_tabell_.C3.B6ver_deriveringsregler|<b><span style="color:blue">veringsregler</span></b>]] och kan därför inte deriveras med de deriveringsregler vi lärt oss hittills:
  
:::::* <strong><span style="color:red">Framåtdifferenskvoten</span></strong>
+
<table>
 +
<tr> <td><math> \quad\; y \, = \, \displaystyle{1 \over x + 1} \qquad\quad </math> </td> <td> <math> y \, = \, \displaystyle{1 \over e^x + 1} \qquad\quad </math> </td> <td> <math> y \, = \, \ln x \qquad\quad </math> </td> <td>
 +
{| class="wikitable"
 +
|-
 +
! <math> x\, </math> || <math> y\, </math>
 +
|-
 +
| align=center| <math> 0,5\, </math> ||align=center| <math> 1,797\, </math>
 +
|-
 +
| align=center| <math> 0,6\, </math> ||align=center| <math> 2,044\, </math>
 +
|-
 +
| align=center| <math> 0,7\, </math> ||align=center| <math> 2,328\, </math>
 +
|} </td> </tr>
 +
</table>
  
:::::* <strong><span style="color:red">Bakåtdifferenskvoten</span></strong>
+
Varför? &nbsp; Läs i slutet av detta avsnitt: [[2.7_Numerisk_derivering#N.C3.A4r_ska_man_anv.C3.A4nda_numerisk_derivering.3F|<b><span style="color:blue">När ska man använda numerisk derivering?</span></b>]].</small></div>
  
:::::* <strong><span style="color:red">Centrala differenskvoten</span></strong>
 
  
 +
Bl.a. därför är det motiverat att syssla med numerisk derivering: <div class="smallBox">'''Alla''' funktionstyper kan deriveras numeriskt.</div>
  
=== <b><span style="color:#931136">Framåtdifferenskvoten</span></b> ===
+
Att inte heller tabellfunktionen bland exemplen ovan kan deriveras med derivatans definition eller någon deriveringsregel, beror på att den är [[1.5_Kontinuerliga_och_diskreta_funktioner|<b><span style="color:blue">diskret</span></b>]]:
  
Derivatan <math> f\,'(a) </math> av funktionen <math> y = f\,(x) </math> i punkten <math> x = a\, </math> kan approximeras med <strong><span style="color:red">Framåtdifferenskvoten</span></strong>:
+
Derivatans definition involverar [[2.3_Gränsvärde|<b><span style="color:blue">limes</span></b>]] som inte kan användas på diskreta utan endast på kontinuerliga funktioner.
 +
 
 +
Här visas hur man numeriskt deriverar en diskret funktion, se [[2.7_Numerisk_derivering#Exempel_2|<b><span style="color:blue">enkelt exempel</span></b>]] och [[2.7_Numerisk_derivering#Exempel_p.C3.A5_en_diskret_funktions_derivata_i_en_punkt|<b><span style="color:blue">Fibonaccifunktionen</span></b>]].
 +
 
 +
En annan fördel av numerisk derivering (och alla numeriska metoder) är att de enkelt kan programmeras, så: <div class="smallBox">Låt datorn göra jobbet!</div>
 +
 
 +
Men vad exakt är numerisk derivering?
 +
 
 +
<div class="border-divblue">Numerisk derivering är en metod för beräkning av ett <b><span style="color:red">närmevärde</span></b> till<br><br><b><span style="color:red">derivatan i en punkt</span></b> utan att behöva använda limes i derivatans definition.</div>
 +
 
 +
I detta avsnitt behandlas de tre enklaste <b><span style="color:red">numeriska deriveringsformlerna</span></b>:
 +
 
 +
:::::* &nbsp;&nbsp; <b><span style="color:#931136">Framåtdifferenskvoten</span></b>
 +
 
 +
:::::* &nbsp;&nbsp; <b><span style="color:#931136">Bakåtdifferenskvoten</span></b>
 +
 
 +
:::::* &nbsp;&nbsp; <b><span style="color:#931136">Centrala differenskvoten</span></b>
 +
 
 +
Alla dessa formler baseras på och är modifikationer av den [[2.2_Genomsnittlig_förändringshastighet#Allm.C3.A4n_definition|<b><span style="color:blue">genomsnittliga förändringshastigheten <math> \, \displaystyle{\Delta y \over \Delta x} \,</math> </span></b>]], även kallad differenskvot.
 +
 
 +
=== <b><span style="color:#931136">Framåtdifferenskvoten = derivatans definition utan limes</span></b> ===
 +
 
 +
Ett närmevärde till derivatan <math> \, f\,'(a) \, </math> av funktionen <math> \, y = f\,(x) \, </math> i punkten <math> \, x = a \, </math> kan beräknas med
 
<table>
 
<table>
 
<tr>
 
<tr>
 
   <td><div class="border-divblue">
 
   <td><div class="border-divblue">
<math> \quad\, f\,'(a) \qquad\;\, \approx \displaystyle \qquad {f(a + h) \, - \, f(a) \over h} \quad </math>
+
<b><span style="color:#931136">Framåtdifferenskvoten:</span></b>
  
 +
<math> \quad\, f\,'(a) \quad\;\, \approx \displaystyle \quad {f(a + h) \, - \, f(a) \over h} \, = \, {\Delta y \over \Delta x} </math>
  
Tangentens lutning <math> \; \approx \quad \; </math> Sekanten <span style="color:green">'''F'''</span>:s lutning</div>
+
 
 +
Tangentens lutning <math> \; \approx \; </math> Sekanten <span style="color:green">'''F'''</span>:s lutning</div>
 +
</td>
 +
  <td>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[[Image: FramåtDiff.jpg]]
  
  
<math> h\, </math> kallas <strong><span style="color:red">steglängden</span></strong> och kan väljas fritt. Små värden för <math> h\, </math> rekommenderas.
 
  
Approximationen blir desto bättre ju mindre steglängden är.
 
 
</td>
 
</td>
  <td>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[[Image: FramåtDiff.jpg]]</td>
 
 
</tr>
 
</tr>
 
</table>
 
</table>
 +
<big><math> h \, </math> kallas för <b><span style="color:red">steglängden</span></b> och kan väljas fritt. &nbsp; Men:</big> <math> \qquad </math> <div class="border-divblue">Ju mindre steglängden <math> \, h \, </math> väljs, desto noggrannare blir närmevärdet.</div>
  
==== <span style="color:#931136">Exempel på framåtdifferenskvoten</span> ====
+
==== <span style="color:#931136">Exempel</span> ====
  
 
<div class="ovnE"><small>
 
<div class="ovnE"><small>
Följande funktion <math> f(x)\, </math> i tabellform. Beräkna <math> \, f\,'(0,6) \, </math> med framåtdifferenskvoten.
+
Följande diskret funktion <math> \, f(x) \, </math> är given i tabellform. Beräkna <math> \, f\,'(0,6) \, </math> med framåtdifferenskvoten.
::::{| class="wikitable"
+
:::{| class="wikitable"
 
|-
 
|-
 
! <math> x\, </math> || <math> f(x)\, </math>  
 
! <math> x\, </math> || <math> f(x)\, </math>  
Rad 65: Rad 103:
 
| align=center| <math> 0,7\, </math> ||align=center| <math> 2,32751\, </math>
 
| align=center| <math> 0,7\, </math> ||align=center| <math> 2,32751\, </math>
 
|}
 
|}
 +
'''Lösning''': &nbsp; Steglängden <math> \, h = 0,1\, </math> är given i tabellen.
  
'''Lösning''':
+
:<math> f\,'(0,6) = {f(0,6 + 0,1) - f(0,6) \over 0,1} = {f(0,7) - f(0,6) \over 0,1} = {2,32751 - 2,04424 \over 0,1} = {0,28327 \over 0,1} = 2,8327 </math>
 +
</small></div>
  
:Steglängden <math> h = 0,1\, </math> är given i tabellen.
 
  
::<math> f\,'(0,6) = {f(0,6 + 0,1) - f(0,6) \over 0,1} = {f(0,7) - f(0,6) \over 0,1} = {2,32751 - 2,04424 \over 0,1} = {0,28327 \over 0,1} = 2,8327 </math>
+
I det här fallet är närmevärdet ovan identisk med den exakta lösningen, eftersom det inte finns någon mindre steglängd i tabellen än <math> \, h = 0,1 </math>.
</small></div>
+
  
  
 
=== <b><span style="color:#931136">Bakåtdifferenskvoten</span></b> ===
 
=== <b><span style="color:#931136">Bakåtdifferenskvoten</span></b> ===
  
Derivatan <math> f\,'(a) </math> av funktionen <math> y = f\,(x) </math> i punkten <math> x = a\, </math> kan approximeras med <big> <span style="color:green">'''Bakåtdifferenskvoten'''</span>: </big>
+
Ett närmevärde till derivatan <math> \, f\,'(a) \, </math> av funktionen <math> \, y = f\,(x) \, </math> i punkten <math> \, x = a \, </math> kan beräknas med
 
<table>
 
<table>
 
<tr>
 
<tr>
 
   <td><div class="border-divblue">
 
   <td><div class="border-divblue">
 +
<b><span style="color:#931136">Bakåtdifferenskvoten:</span></b>
 +
 
<math> \quad\, f\,'(a) \qquad\;\, \approx \displaystyle \qquad {f(a) \, - \, f(a-h) \over h} \quad </math>
 
<math> \quad\, f\,'(a) \qquad\;\, \approx \displaystyle \qquad {f(a) \, - \, f(a-h) \over h} \quad </math>
  
  
 
Tangentens lutning <math> \; \approx \quad \; </math> Sekanten <span style="color:green">'''B'''</span>:s lutning</div>
 
Tangentens lutning <math> \; \approx \quad \; </math> Sekanten <span style="color:green">'''B'''</span>:s lutning</div>
 +
</td>
 +
  <td>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[[Image: BakåtDiff.jpg]]
  
  
Man tar alltså från <math> \,a </math> ett steg <math> \,h </math> baklänges och använder funktionsvärdet <u>före</u> <math> \,a </math> för att approximera derivatan i <math> \,a </math>.
 
  
Även här gäller att approximationen är desto bättre ju mindre steglängden <math> h\, </math> är.
 
 
</td>
 
</td>
  <td>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[[Image: BakåtDiff.jpg]]</td>
 
 
</tr>
 
</tr>
 
</table>
 
</table>
==== Exempel för bakåtdifferenskvoten ====
+
Här tar man från <math> \,a \, </math> ett steg <math> \,h \, </math> bakåt och använder funktionsvärdet ''före'' <math> \,a \, </math> för att beräkna närmevärdet till derivatan i <math> \,a </math>.
  
'''Givet''':
+
Även här gäller: Närmevärdet blir desto bättre ju mindre steglängden <math> \, h\, </math> väljs.
:<big> Funktionen <math> f(x) = \ln x\, </math> </big>
+
  
:<big> Steglängden <math> h = 0,01\, </math> </big>
+
==== <span style="color:#931136">Exempel</span> ====
  
'''Sökt''':
+
<div class="ovnE"><small>
:<big> Funktionens derivata i <math> x = 1,8\, </math> dvs <math> f\,'(1,8) </math> med bakåtdifferenskvoten </big>.
+
Funktionen <math> \, f(x) = \ln x \, </math> är given. Välj steglängden <math> \, h = 0,01 \, </math> och beräkna <math> \, f\,'(1,8) \, </math> med bakåtdifferenskvoten.
  
'''Lösning''':
+
'''Lösning'''<span style="color:black">:</span>
  
:<math> f\,'(1,8) \approx {f(1,8) - f(1,8 - 0,01) \over 0,01} = {f(1,8) - f(1,79) \over 0,01} = {\ln(1,8) - \ln(1,79) \over 0,01} =  0,5571 </math>
+
::<math> f\,'(1,8) \approx {f(1,8) - f(1,8 - 0,01) \over 0,01} = {f(1,8) - f(1,79) \over 0,01} = {\ln(1,8) - \ln(1,79) \over 0,01} =  0,5571 </math>
 
+
</small></div>
Det exakta värdet avrundat till 4 decimaler är <math> f\,'(1,8) = 0,5556\, </math>.
+
  
Ett närmevärdes fel definieras som:
 
  
<div class="border-divblue">Felet <math> \, = \, |</math> exakta värdet <math> \, - \, </math> närmevärdet <math>| </math></div>
+
Närmevärdets fel kan definieras som: &nbsp;&nbsp;&nbsp; <div class="border-divblue">Felet <math> \, = \, |</math> exakta värdet <math> \, - \, </math> närmevärdet <math>| </math></div>
  
Vårt närmevärdes fel blir då:
+
Med det exakta resultatet <math> \displaystyle f\,'(1,8) = \frac{5}{9} \approx 0,555556 </math>, avrundat till <math> 4 </math> decimaler, blir vårt närmevärdes fel:
  
 
:::Felet <math> \, = \, |\,0,5556 \, - \, 0,5571|  \, = \, 0,0015</math>
 
:::Felet <math> \, = \, |\,0,5556 \, - \, 0,5571|  \, = \, 0,0015</math>
  
Närmevärdefelets definition ger oss en möjlighet att jämföra de olika numeriska deriveringsformlernas noggrannhet, se [[2.7_Övningar_till_Numerisk_derivering#.C3.96vning_3|<strong><span style="color:blue">övning 3</span></strong>]].
+
Känner man till felet kan man jämföra de olika numeriska deriveringsformlernas noggrannhet, se [[2.7_Övningar_till_Numerisk_derivering#.C3.96vning_3|<b><span style="color:blue">övning 3</span></b>]].
 +
 
 +
I fliken [[2.7_Numerisk_derivering_med_räknare|<b><span style="color:blue">Derivering med räknare</span></b>]] visas hur man med grafräknaren kan få ett noggrannare närmevärde för <math> \, f\,'(1,8) \, </math>.
  
  
 
=== <b><span style="color:#931136">Centrala differenskvoten</span></b> ===
 
=== <b><span style="color:#931136">Centrala differenskvoten</span></b> ===
  
Derivatan <math> f\,'(a) </math> av funktionen <math> y = f\,(x) </math> i punkten <math> x = a\, </math> kan approximeras med <big> <span style="color:green">'''Centrala differenskvoten'''</span>: </big>
+
Ett närmevärde till derivatan <math> \, f\,'(a) \, </math> av funktionen <math> \, y = f\,(x) \, </math> i punkten <math> \, x = a \, </math> kan beräknas med
 
<table>
 
<table>
 
<tr>
 
<tr>
 
   <td><div class="border-divblue">
 
   <td><div class="border-divblue">
 +
<b><span style="color:#931136">Centrala differenskvoten:</span></b>
 +
 
<math> \quad f\,'(a) \qquad\;\, \approx \displaystyle \qquad {f(a + h) \, - \, f(a-h) \over 2\,h} \quad </math>
 
<math> \quad f\,'(a) \qquad\;\, \approx \displaystyle \qquad {f(a + h) \, - \, f(a-h) \over 2\,h} \quad </math>
  
  
 
Tangentens lutning <math> \; \approx \quad \; </math> Sekanten <span style="color:green">'''C'''</span>:s lutning</div>
 
Tangentens lutning <math> \; \approx \quad \; </math> Sekanten <span style="color:green">'''C'''</span>:s lutning</div>
 +
</td>
 +
  <td>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[[Image: CentralDiff.jpg]]
  
  
Approximationen är desto bättre ju mindre <math> h\, </math> är.
 
 
För 2:a gradsfunktioner är formeln exakt för alla <math> \,h </math>, se [[2.7_Numerisk_derivering#Centrala_differenskvotens_noggrannhet|<strong><span style="color:blue">satsen</span></strong>]] nedan.
 
 
</td>
 
</td>
  <td>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[[Image: CentralDiff.jpg]]</td>
 
 
</tr>
 
</tr>
 
</table>
 
</table>
 +
Här tar man från <math> \,a \, </math> både ett steg <math> \,h \, </math> bakåt och framåt och använder funktionsvärdena före och efter <math> \,a \, </math> för att beräkna närmevärdet till derivatan i <math> \,a </math>.
  
==== Exempel för centrala differenskvoten ====
+
Samma sak här: Närmevärdet är desto bättre ju mindre <math> \, h\, </math> är. Men:
  
'''Givet''':
+
Den centrala differenskvoten är noggrannare än de andra formlerna, se bilden ovan. Ja, det gäller:
:<big> Funktionen <math> f(x) = x\,^2 </math> </big>
+
  
:<big> Steglängden <math> h = 0,5\, </math> </big>
+
För andragradsfunktioner är formeln t.o.m. exakt oavsett <math> \,h </math>.
  
'''Sökt''':
+
==== <span style="color:#931136">Exempel</span> ====
:<big> Funktionens derivata i <math> x = 1\, </math> dvs <math> f\,'(1) </math> med centrala differenskvoten </big>.
+
  
'''Lösning''':
+
<div class="ovnE"><small>
 +
Funktionen <math> \, f(x) = x\,^2 \, </math> är given. Välj steglängden <math> \, h = 0,5 \, </math> och beräkna <math> \, f\,'(1) \, </math> med centrala differenskvoten.
  
::<math> f\,'(1) \approx {f(1 + 0,5) - f(1 - 0,5) \over 2\cdot 0,5} = {f(1,5) - f(0,5) \over 2\cdot 0,5} = {1,5^2 - 0,5^2 \over 1} =  {\color{Red} 2} </math>
+
'''Lösning'''<span style="color:black">:</span>
  
Funktionens derivata är <math> f\,'(x) = 2\,x </math> och därmed det exakta värdet <math> f\,'(1) = 2 \cdot 1 = {\color{Red} 2} </math>.
+
:::::<math> f\,'(1) \approx {f(1 + 0,5) - f(1 - 0,5) \over 2\cdot 0,5} = {f(1,5) - f(0,5) \over 2\cdot 0,5} = {1,5^2 - 0,5^2 \over 1} =  {\color{Red} 2} </math>
 +
</small></div>
 +
 
 +
Funktionens derivata är <math> \, f\,'(x) = 2\,x \, </math> och därmed är den exakta derivatan <math> f\,'(1) = 2 \cdot 1 = {\color{Red} 2} \, </math> identisk med den numeriska derivatan.
  
  
 
=== <b><span style="color:#931136">Noggrannhetsfrågor</span></b> ===
 
=== <b><span style="color:#931136">Noggrannhetsfrågor</span></b> ===
  
Är det en slump att den numeriska deriveringen med centrala differenskvoten i exemplet ovan ger exakt värde, fast steglängden är relativt stor?
+
Är det en slump att den numeriska deriveringen med centrala differenskvoten i exemplet ovan ger exakt värde, fast steglängden är relativt stor? Svaret är nej:
  
Svaret är nej: Den centrala differenskvoten deriverar alla 2:a gradsfunktioner (och förstås även alla 1:a gradsfunktioner) exakt oberoende av steglängden. Här följer satsen samt beviset:
 
 
 
<div class="border-divblue">
 
 
'''Sats''':
 
'''Sats''':
  
 +
<div class="border-divblue">
 
Den centrala differenskvoten ger den exakta derivatan till
 
Den centrala differenskvoten ger den exakta derivatan till
  
alla 2:a gradsfunktioner oberoende av steglängden.
+
alla andragradsfunktioner oberoende av steglängden:
  
:Om &nbsp;&nbsp; <math> f(x) \; = \; x^2 + b\,x + c </math> &nbsp;&nbsp; då:
+
:Om &nbsp;&nbsp; <math> f(x) \; = \; x^2 + b\,x + c </math> &nbsp;&nbsp; då gäller
  
 
::<math> {f(x + h) \, - \, f(x-h) \over 2\,h} \; = \; 2\,x + b \; = \; f\,'(x) </math>
 
::<math> {f(x + h) \, - \, f(x-h) \over 2\,h} \; = \; 2\,x + b \; = \; f\,'(x) </math>
 
</div>
 
</div>
 
  
 
'''Bevis''':
 
'''Bevis''':
  
:<math> f(x + h) = (x+h)^2 + b\,(x+h) + c = x^2 + 2\,x\,h + h^2 + b\,x + b\,h + c </math>
+
Vi tillämpar den centrala differenskvoten på <math> \, f(x) = x^2 + b\,x + c \, </math><span style="color:black">:</span>
  
:<math> f(x - h) = (x-h)^2 + b\,(x-h) + c = x^2 - 2\,x\,h + h^2 + b\,x - b\,h + c </math>
+
:<math> \begin{array}{rcl}
 +
                      f(x + h) & = & (x+h)^2 + b\,(x+h) + c = x^2 + 2\,x\,h + h^2 + b\,x + b\,h + c \\
 +
                      f(x - h) & = & (x-h)^2 + b\,(x-h) + c = x^2 - 2\,x\,h + h^2 + b\,x - b\,h + c \\
 +
              f(x+h) - f(x-h) & = & x^2 + 2\,x\,h + h^2 + b\,x + b\,h + c - (x^2 - 2\,x\,h + h^2 + b\,x - b\,h + c) = 4\,x\,h + 2\,b\,h = 2\,h\,(2\,x + b) \\
 +
\displaystyle {f(x + h) - f(x-h) \over 2\,h} & = & \displaystyle {{\color{Red} {2\,h}}\,(2\,x + b) \over {\color{Red} {2\,h}}} = 2\,x + b = f\,'(x) \\
 +
      \end{array}</math>
 +
Att resultatet är oberoende av steglängden visas i beviset ovan genom att <math> h\, </math> förkortas bort och inte längre förekommer i slutresultatet <math> \, 2\,x + b \, </math>.
  
:<math> f(x + h) - f(x-h) = x^2 + 2\,x\,h + h^2 + b\,x + b\,h + c - (x^2 - 2\,x\,h + h^2 + b\,x - b\,h + c) = 4\,x\,h + 2\,b\,h = 2\,h\,(2\,x + b) </math>
 
  
:<math> {f(x + h) - f(x-h) \over 2\,h} = {{\color{Red} {2\,h}}\,(2\,x + b) \over {\color{Red} {2\,h}}} = 2\,x + b = f\,'(x) </math>
+
<div class="ovnC"><small>
 +
=== <b><span style="color:#931136">När ska man använda numerisk derivering?</span></b> ===
  
Att resultatet är oberoende av steglängden visas i beviset ovan genom att <math> h\, </math> förkortas bort och inte längre förekommer i slutresultatet.
+
<!-- Det finns typer av funktioner som inte matchar någon av de deriveringsregler vi lärt oss hittills, se de [[2.7_Numerisk_derivering#Varf.C3.B6r_numerisk_derivering.3F|<b><span style="color:blue">inledande exemplen</span></b>]]. Det finns t.o.m. typer av funktioner som inte har någon analytisk derivata alls. Dvs deras derivata kan inte anges i form av ett algebraiskt uttryck. I andra sammanhang kan det det i praktiken vara svårt <math>-</math> ibland kanske onödigt <math>-</math> att beräkna derivatan exakt.
 +
-->
 +
I följande situationer är det nödvändigt resp. rimligt att använda numerisk derivering:
  
Utan att bevisa ska också nämnas att framåt-och bakåtdifferenskvoten ger den exakta derivatan till alla 1:a gradsfunktioner oberoende av steglängden.
+
'''Fall 1:'''&nbsp;&nbsp;Funktioner som inte matchar mot någon funktionstyp bland våra deriveringsregler. Exempel<span style="color:black">:</span>
  
 +
::'''a)'''&nbsp;&nbsp; <math> \qquad\qquad\qquad \displaystyle f(x) \; = \; {1 \over x + 1} </math>
  
=== <b><span style="color:#931136">Varför numerisk derivering?</span></b> ===
+
::Denna funktion matchar inte mot någon funktionstyp i vår [[2.6_Derivatan_av_exponentialfunktioner#Uppdaterad_tabell_.C3.B6ver_deriveringsregler|<b><span style="color:blue">tabell över deriveringsregler</span></b>]], därför att <math> \, f(x) \, </math> inte kan skrivas om till en potens med basen <math> \, x </math>, vilket vi t.ex. kunde göra med <math> y = \displaystyle {1 \over x} </math> genom att skriva om den till <math> y = \, x^{-1} </math>. Sedan kunde vi använda deriveringsregeln för [[2.5_Deriveringsregler#Derivatan_av_en_potens|<b><span style="color:blue">derivatan av en potens</span></b>]] på den omskrivna formen <math> y = \, x^{-1} </math>. Eftersom en sådan omskrivning inte går att göra med funktionen <math> f(x) = \displaystyle {1 \over x + 1}\, </math> kan den inte deriveras med denna regel. Inte heller med någon annan av de deriveringsregler vi känner till hittills. Det är nämnaren <math>\, x + 1 </math> som gör att uttrycket inte kan skrivas om till en potens med basen <math> \, x </math>. Visserligen går det att skriva om så här<span style="color:black">:</span> <math> \, f(x) = \displaystyle {1 \over x + 1} = (x + 1)^{-1} </math>, men basen här är inte <math> \, x </math> utan <math> \, x + 1 </math>.
  
Frågan uppstår: varför ska vi ta fram ett närmevärde när vi kan få derivatans exakta värde med hjälp av de [[2.5_Deriveringsregler|<strong><span style="color:blue">deriveringsregler</span></strong>]] vi ställde upp i de två sista avsnitten? Det finns många skäl: Det finns typer av funktioner som inte matchar någon av de deriveringsregler vi lärt oss. Det finns t.o.m. typer av funktioner som inte har någon analytisk derivata, dvs deras derivata kan inte anges i form av ett algebraiskt uttryck. I andra sammanhang kan det det i praktiken vara svårt <math>-</math> ibland kanske onödigt <math>-</math> att beräkna derivatan exakt.
+
::Funktionen i fråga kan anses som en kvot av två funktioner, nämligen <math> \, 1 \, </math> och <math> \, x + 1 </math>. En deriveringsregel för en kvot av funktioner, den s.k. [[2.5_Deriveringsregler#Produkt_och_kvot_av_funktioner|<b><span style="color:blue">Kvotregeln</span></b>]] som skulle kunna användas här, kommer vi att lära oss först i Matte 4-kursen.  
  
I vilka situationer ska man använda numerisk derivering? Vi ska titta på den numeriska deriveringens användningsområden:
+
::'''b)'''&nbsp;&nbsp; <math> \qquad\qquad\qquad \displaystyle f(x) \; = \; {1 \over e^x + 1} \qquad\qquad\;\; </math> Även denna funktion skulle endast kunna deriveras med Kvotregeln av samma anledning som '''a)'''.
  
'''1)'''&nbsp;&nbsp;T.ex. följande funktion ska deriveras:
+
::'''c)'''&nbsp;&nbsp; <math> \qquad\qquad\qquad f(x) \; = \; \ln x \qquad\qquad\qquad </math> Därför deriverade vi den numeriskt med [[2.7_Numerisk_derivering#Bak.C3.A5tdifferenskvoten|<b><span style="color:blue">bakåtdifferenskvoten</span></b>]].
 +
----
  
::::<math> f(x) = {1 \over x + 1} </math>
 
  
:Vi konstaterar att den inte matchar mot någon funktionstyp i vår [[2.6_Derivatan_av_exponentialfunktioner#Uppdaterad_tabell_.C3.B6ver_deriveringsregler|<strong><span style="color:blue">deriveringstabell</span></strong>]]. <math> \, f(x) </math> kan inte skrivas om till en potens med basen <math> \, x </math>, vilket vi t.ex. kunde göra med <math> y = \displaystyle {1 \over x} </math> genom att skriva om den till <math> y = \, x^{-1} </math>. Sedan kunde vi använda deriveringsregeln för [[2.5_Deriveringsregler#Derivatan_av_en_potens|<strong><span style="color:blue">derivatan av en potens</span></strong>]] på denna omskrivna formen <math> y = \, x^{-1} </math>. Eftersom en sådan omskrivning inte går att göra med funktionen <math> f(x) = \displaystyle {1 \over x + 1}\, </math> kan den inte deriveras med denna regel. Inte heller med någon annan av de deriveringsregler vi känner till hittills. Det är nämnaren <math>\, x + 1 </math> som gör att uttrycket inte kan skrivas om till en potens med basen <math> \, x </math>. Visserligen går det att skriva om så här<span style="color:black">:</span> <math> \, f(x) = \displaystyle {1 \over x + 1} = (x + 1)^{-1} </math>, men basen här är inte <math> \, x </math> utan <math> \, x + 1 </math>.
+
'''Fall 2:'''&nbsp;&nbsp;<b><span style="color:red">Diskreta funktioner</span></b> som är givna i tabellform, t.ex.  [[1.5_Kontinuerliga_och_diskreta_funktioner#Algoritm_f.C3.B6r_fibonaccitalen_i_Excel|<b><span style="color:blue">fibonaccitalen</span></b>]] som behandlades i kap 1, där de <math> \, 12 \, </math> första fibonaccitalen beräknades:
 +
<table>
 +
<tr>
 +
  <td>
 +
::{| class="wikitable"
 +
|-
 +
! Antal månader || Antal kaninpar
 +
|-
 +
| align=center| <math> {\color{Red} 1}\, </math> ||align=center| <math> 1\, </math>  
 +
|-
 +
| align=center| <math> {\color{Red} 2}\, </math> ||align=center| <math> 1\, </math>
 +
|-
 +
| align=center| <math> {\color{Red} 3}\, </math> ||align=center| <math> 2\, </math>
 +
|-
 +
| align=center| <math> {\color{Red} 4}\, </math> ||align=center| <math> 3\, </math>  
 +
|-
 +
| align=center| <math> {\color{Red} 5}\, </math> ||align=center| <math> 5\, </math>
 +
|-
 +
| align=center| <math> {\color{Red} 6}\, </math> ||align=center| <math> 8\, </math>
 +
|-
 +
| align=center| <math> {\color{Red} 7}\, </math> ||align=center| <math> 13\, </math>  
 +
|-
 +
| align=center| <math> {\color{Red} 8}\, </math> ||align=center| <math> 21\, </math>
 +
|-
 +
| align=center| <math> {\color{Red} 9}\, </math> ||align=center| <math> 34\, </math>  
 +
|-
 +
| align=center| <math> {\color{Red} {10}}\, </math> ||align=center| <math> 55\, </math>
 +
|-
 +
| align=center| <math> {\color{Red} {11}}\, </math> ||align=center| <math> 89\, </math>  
 +
|-
 +
| align=center| <math> {\color{Red} {12}}\, </math> ||align=center| <math> 144\, </math>  
 +
|}
 +
</td>
 +
  <td> &nbsp;  &nbsp; Med denna värdetabell kan vi rita grafen
  
:Funktionen i fråga kan anses som en kvot av två funktioner, nämligen <math> \, g(x) = 1 </math> och <math> \, h(x) = x + 1 </math>. En deriveringsregel för en kvot av funktioner, den s.k. [[2.5_Deriveringsregler#Produkt_och_kvot_av_funktioner|<strong><span style="color:blue">kvotregeln</span></strong>]] som skulle kunna användas här, kommer vi att lära oss först i Matte 4-kursen.
+
&nbsp;  &nbsp; till höger som illustrerar fibonaccitalens
  
:Ett annat exempel är funktionen:
+
&nbsp;  &nbsp; snabba tillväxt. Den horisontella axeln
  
::::<math> f(x) = \displaystyle {1 \over e^x + 1}\, </math>
+
&nbsp;  &nbsp; visar antal månader och den vertikala
  
:som inte heller matchar mot någon funktionstyp i vår deriveringstabell <math>-</math> av liknande anledning som exemplet ovan. Även den går att derivera med hjälp av kvotregeln.
+
&nbsp;  &nbsp; antal kaninpar.
  
:Ytterligare ett exempel är:
+
&nbsp;  &nbsp;
  
::::<math> f(x) = \ln x\, </math>
+
&nbsp;  &nbsp;
  
:som inte heller matchar mot någon funktionstyp i vår deriveringstabell. I [[2.7_Numerisk_derivering#Exempel_f.C3.B6r_bak.C3.A5tdifferenskvoten|<strong><span style="color:blue">Exempel för bakåtdifferenskvoten</span></strong>]] visades hur man kunde derivera <math> \ln x </math> numeriskt.
+
&nbsp;  &nbsp;
----
+
  
 +
&nbsp;  &nbsp;
  
'''2)'''&nbsp;&nbsp;När vi ska derivera en funktion som saknar algebraisk formel och är endast given i <strong><span style="color:red">tabellform</span></strong>, dvs numeriskt, finns det ingen annan möjlighet än att derivera den numeriskt.
+
&nbsp; &nbsp;  
  
:Som exempel tar vi den funktion i tabellform som vi behandlade i aktiviteten [[2.1_Introduktion_till_derivatan|<strong><span style="color:blue">Introduktion till derivatan</span></strong>]] och som beskriver kroppens rörelse vid hopp från 10 meters torn. Låt oss här anta att vi inte tagit fram den från någon formel. <math> x\, </math> är tiden och <math> f(x)\, </math> höjden över vattnet: 
+
&nbsp;  &nbsp; Fibonaccitalen bildar en <b><span style="color:red">diskret</span></b>
:[[Image: Tabellfkt.jpg]]
+
  
:Sådana funktioner i tabellform förekommer ofta i statistiken och i tillämpningarna som resultat av mätningar. De visar ett samband utan någon formel. Ändå uppfyller de definitionen på en funktion, nämligen att vara en
+
&nbsp;  &nbsp; <b><span style="color:red">funktion</span></b>, därför att dess defini-
 +
 
 +
&nbsp;  &nbsp;  tionsmängd är <b><span style="color:red">heltalen</span></b> <math> \, {\color{Red} 1}</math><b><span style="color:red">-</span></b><math>{\color{Red} {12}}</math>.
 +
  </td>
 +
  <td> &nbsp;  &nbsp; [[Image: Fibonacci 465p.jpg]]</td>
 +
</tr>
 +
</table>
 +
 
 +
::Som man ser ökar kaninpopulationen ganska fort. Men hur snabbt ökar den? Kan man derivera en diskret funktion vars tabell har en minsta steglängd?
 +
 
 +
::Svaret är: ja, men endast numeriskt:
 +
 
 +
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; <div class="ovnE"><small>
 +
==== <b><span style="color:#931136">Exempel på en diskret funktions derivata i en punkt</span></b> ====
 +
 
 +
Fibonaccis funktion är given i tabellen ovan med<span style="color:black">:</span>
 +
 
 +
::<math> n \, = \, {\rm Antalet\;månader} </math>
 +
 
 +
::<math> F(n)\, = \, {\rm Antalet\;kaninpar\;i\;månaden} \, n </math>
 +
 
 +
Hur snabbt ökar kaninpopulationen i månaden <math> \, 11 \, </math>? &nbsp; Dvs:
 +
 
 +
Beräkna <math> \, F\,'(11) \, </math> så noggrant som möjligt.
 +
 
 +
'''Lösning''':
 +
 
 +
Vi väljer den [[2.7_Numerisk_derivering#Centrala_differenskvoten|<b><span style="color:blue">centrala differenskvoten</span></b>]] samt tabellens minsta steglängd <math> \, h = 1 </math>.
 +
 
 +
:<math> F\,'(11) \, \approx \, {F(11 + 1) - F(11 - 1) \over 2\cdot 1} \, = \, {F(12) - F(10) \over 2} \, = \, {144 - 55 \over 2} \, = \, 44,5 </math>
 +
 
 +
Dvs kaninerna fortplantar sig i den <math> \, 11</math>-te månaden med minst <math> \, 44 \, </math> kaninpar per månad.
 +
</small></div>
 +
<!-- :Som exempel tar vi den funktion i tabellform som vi behandlade i aktiviteten [[2.1_Introduktion_till_derivatan|<b><span style="color:blue">Introduktion till derivatan</span></b>]] och som beskriver kroppens rörelse vid hopp från 10 meters torn. Låt oss här anta att vi inte tagit fram den från någon formel. <math> x\, </math> är tiden och <math> f(x)\, </math> höjden över vattnet: 
 +
::[[Image: Tabellfkt.jpg]]
 +
 
 +
::Sådana funktioner i tabellform förekommer ofta i statistiken och i tillämpningarna som resultat av mätningar. De visar ett samband utan någon formel. Ändå uppfyller de definitionen på en funktion, nämligen att vara en
  
 
:::::''"Regel som tilldelar varje <math> x\, </math>-värde endast ett <math> y\, </math>-värde."''  
 
:::::''"Regel som tilldelar varje <math> x\, </math>-värde endast ett <math> y\, </math>-värde."''  
  
:Även en sådan funktion har en derivata, både i varje punkt (av sitt definitionsområde) och som en ny funktion. Men i båda fall kan derivatan tas fram endast numeriskt. Vi hade gjort detta i aktiviteten [[2.1_Introduktion_till_derivatan|<strong><span style="color:blue">Introduktion till derivatan</span></strong>]]. Den nya funktionen som representerar derivatan hade vi approximerat numeriskt genom att använda [[2.7_Numerisk_derivering#Fram.C3.A5tdifferenskvoten|<strong><span style="color:blue">framåtdifferenskvoten</span></strong>]], där formulerad som <math> \displaystyle {\Delta y \over \Delta x} </math>. Resultatet visades i [[2.1_Lösning_till_Aktiviteten_Introduktion_till_derivatan|<strong><span style="color:blue">Lösningen till aktiviteten</span></strong>]] både i tabellform (punkt 4) och grafiskt (punkt 6). Även om resultatet var approximativt visade grafen tydligt att den ursprungliga kvadratiska funktionens derivata var en linjär funktion.
+
::Även en sådan funktion har en derivata, både i varje punkt (av sitt definitionsområde) och som en ny funktion. Men i båda fall kan derivatan tas fram endast numeriskt. Vi hade gjort detta i aktiviteten [[2.1_Introduktion_till_derivatan|<b><span style="color:blue">Introduktion till derivatan</span></b>]]. Den nya funktionen som representerar derivatan hade vi approximerat numeriskt genom att använda [[2.7_Numerisk_derivering#Fram.C3.A5tdifferenskvoten|<b><span style="color:blue">framåtdifferenskvoten</span></b>]], där formulerad som <math> \displaystyle {\Delta y \over \Delta x} </math>. Resultatet visades i [[2.1_Lösning_till_Aktiviteten_Introduktion_till_derivatan|<b><span style="color:blue">Lösningen till aktiviteten</span></b>]] både i tabellform (punkt 4) och grafiskt (punkt 6). Även om resultatet var approximativt visade grafen tydligt att den ursprungliga kvadratiska funktionens derivata var en linjär funktion. -->
 +
 
 +
 
 
----
 
----
  
  
'''3)'''&nbsp;&nbsp;När vi har en funktion vars derivata blir så komplicerad att det tar mer tid att ställa upp den än att derivera numeriskt, kan det vara bra att ha möjligheten till numerisk derivering. Exempel:
+
'''Fall 3:'''&nbsp;&nbsp;Funktionens derivata blir så komplicerad att det tar mer tid att ställa upp den (och risken för felräkning ökar) än att derivera den numeriskt.
  
:::::<math> f(x) = {\sin\,3\,x \over 4\,\cos\,x} \qquad\qquad\qquad\qquad f\,'(x) = {12\,\cos\,3\,x \cdot \cos\,x \,+\, 4\,\sin\,3\,x \cdot \sin\,x \over 16\,\cos^2\,x} </math>
+
::Exempel<span style="color:black">:</span> <math> \qquad \displaystyle f(x) = {\sin\,3\,x \over 4\,\cos\,x} \qquad\Longrightarrow\qquad f\,'(x) = {12\,\cos\,3\,x \cdot \cos\,x \,+\, 4\,\sin\,3\,x \cdot \sin\,x \over 16\,\cos^2\,x} </math>
 +
 
 +
::För det första är det inte enkelt att ställa upp <math> f\,'(x) </math>. Även här skulle [[2.5_Deriveringsregler#Produkt_och_kvot_av_funktioner|<b><span style="color:blue">Kvotregeln</span></b>]] behövas samt deriveringsreglerna för sinus- och cosinusfunktioner.
 +
 
 +
::För det andra ser man att det är väsentligt enklare att beräkna t.ex. <math> f(2)\, </math> än <math> f\,'(2) </math>. I de numeriska deriveringsformlerna ingår nämligen endast beräkningar av <math> f(x)\, </math>, inte av <math> f\,'(x) </math>.
 +
</small></div>
 +
<!-- :Som exempel tar vi Fibonaccis funktion, men inte i tabellform som ovan utan i [[1.5_Kontinuerliga_och_diskreta_funktioner#Egenskaper|<b><span style="color:blue">explicit form</span></b>]] som är definierad genom<span style="color:black">:</span>  
  
:För det första är det inte enkelt att ställa upp <math> f\,'(x) </math>. Även här skulle [[2.5_Deriveringsregler#Produkt_och_kvot_av_funktioner|<strong><span style="color:blue">kvotregeln</span></strong>]] behövas samt deriveringsreglerna för sinus- och cosinusfunktioner.
+
:::::<math> F(n) = {1\over\sqrt{5}}\,\left({1+\sqrt{5}\over 2}\right)^n\,-\;{1\over\sqrt{5}}\,\left({1-\sqrt{5}\over 2}\right)^n\; , \qquad n \;\mbox{heltal } \geq 1  </math>
  
:För det andra ser man att det är väsentligt enklare att beräkna t.ex. <math> f(2)\, </math> än <math> f\,'(2) </math>. I de numeriska deriveringsformlerna ingår nämligen endast beräkningar av <math> f(x)\, </math>, inte av <math> f\,'(x) </math>.
+
::Även om vi med hjälp av deriveringsregeln för den [[2.6_Derivatan_av_exponentialfunktioner#Deriveringsregeln_f.C3.B6r_.5C.28_y_.3D_C.5C.2Ca.5C.2C.5E.7Bk.5C.2Cx.7D_.5C.29|<b><span style="color:blue">allmänna exponentialfunktionen</span></b>]] skulle kunna ställa upp <math> \, F\,'(n) \, </math> är det uppenbart att det i praktiken är väsentligt enklare att använda numerisk derivering som vi gjorde i exemplet ovan. -->
 
</big>
 
</big>
  
Rad 249: Rad 371:
  
  
[[Matte:Copyrights|Copyright]] © 2011-2015 Taifun Alishenas. All Rights Reserved.
+
[[Matte:Copyrights|Copyright]] © 2011-2018 Taifun Alishenas. All Rights Reserved.

Nuvarande version från 29 november 2018 kl. 11.47

        <<  Förra avsnitt          Genomgång          Övningar          Derivering med räknare          Diagnosprov kap 2 Derivatan      


Anta alltid: \( \; \qquad y \; = \; f(x)\, \)

Varför numerisk derivering?

Varför ska vi lära oss numerisk derivering när vi kan derivera med deriveringsregler som bygger på derivatans definition?

Exempel

Följande funktioner matchar inte mot någon av funktionstyperna från vår tabell över deri-

veringsregler och kan därför inte deriveras med de deriveringsregler vi lärt oss hittills:

\( \quad\; y \, = \, \displaystyle{1 \over x + 1} \qquad\quad \) \( y \, = \, \displaystyle{1 \over e^x + 1} \qquad\quad \) \( y \, = \, \ln x \qquad\quad \)
\( x\, \) \( y\, \)
\( 0,5\, \) \( 1,797\, \)
\( 0,6\, \) \( 2,044\, \)
\( 0,7\, \) \( 2,328\, \)
Varför?   Läs i slutet av detta avsnitt: När ska man använda numerisk derivering?.


Bl.a. därför är det motiverat att syssla med numerisk derivering:
Alla funktionstyper kan deriveras numeriskt.

Att inte heller tabellfunktionen bland exemplen ovan kan deriveras med derivatans definition eller någon deriveringsregel, beror på att den är diskret:

Derivatans definition involverar limes som inte kan användas på diskreta utan endast på kontinuerliga funktioner.

Här visas hur man numeriskt deriverar en diskret funktion, se enkelt exempel och Fibonaccifunktionen.

En annan fördel av numerisk derivering (och alla numeriska metoder) är att de enkelt kan programmeras, så:
Låt datorn göra jobbet!

Men vad exakt är numerisk derivering?

Numerisk derivering är en metod för beräkning av ett närmevärde till

derivatan i en punkt utan att behöva använda limes i derivatans definition.

I detta avsnitt behandlas de tre enklaste numeriska deriveringsformlerna:

  •    Framåtdifferenskvoten
  •    Bakåtdifferenskvoten
  •    Centrala differenskvoten

Alla dessa formler baseras på och är modifikationer av den genomsnittliga förändringshastigheten \( \, \displaystyle{\Delta y \over \Delta x} \,\) , även kallad differenskvot.

Framåtdifferenskvoten = derivatans definition utan limes

Ett närmevärde till derivatan \( \, f\,'(a) \, \) av funktionen \( \, y = f\,(x) \, \) i punkten \( \, x = a \, \) kan beräknas med

Framåtdifferenskvoten:

\( \quad\, f\,'(a) \quad\;\, \approx \displaystyle \quad {f(a + h) \, - \, f(a) \over h} \, = \, {\Delta y \over \Delta x} \)


Tangentens lutning \( \; \approx \; \) Sekanten F:s lutning
      FramåtDiff.jpg


\( h \, \) kallas för steglängden och kan väljas fritt.   Men: \( \qquad \)
Ju mindre steglängden \( \, h \, \) väljs, desto noggrannare blir närmevärdet.

Exempel

Följande diskret funktion \( \, f(x) \, \) är given i tabellform. Beräkna \( \, f\,'(0,6) \, \) med framåtdifferenskvoten.

\( x\, \) \( f(x)\, \)
\( 0,5\, \) \( 1,79744\, \)
\( 0,6\, \) \( 2,04424\, \)
\( 0,7\, \) \( 2,32751\, \)

Lösning:   Steglängden \( \, h = 0,1\, \) är given i tabellen.

\[ f\,'(0,6) = {f(0,6 + 0,1) - f(0,6) \over 0,1} = {f(0,7) - f(0,6) \over 0,1} = {2,32751 - 2,04424 \over 0,1} = {0,28327 \over 0,1} = 2,8327 \]


I det här fallet är närmevärdet ovan identisk med den exakta lösningen, eftersom det inte finns någon mindre steglängd i tabellen än \( \, h = 0,1 \).


Bakåtdifferenskvoten

Ett närmevärde till derivatan \( \, f\,'(a) \, \) av funktionen \( \, y = f\,(x) \, \) i punkten \( \, x = a \, \) kan beräknas med

Bakåtdifferenskvoten:

\( \quad\, f\,'(a) \qquad\;\, \approx \displaystyle \qquad {f(a) \, - \, f(a-h) \over h} \quad \)


Tangentens lutning \( \; \approx \quad \; \) Sekanten B:s lutning
      BakåtDiff.jpg


Här tar man från \( \,a \, \) ett steg \( \,h \, \) bakåt och använder funktionsvärdet före \( \,a \, \) för att beräkna närmevärdet till derivatan i \( \,a \).

Även här gäller: Närmevärdet blir desto bättre ju mindre steglängden \( \, h\, \) väljs.

Exempel

Funktionen \( \, f(x) = \ln x \, \) är given. Välj steglängden \( \, h = 0,01 \, \) och beräkna \( \, f\,'(1,8) \, \) med bakåtdifferenskvoten.

Lösning:

\[ f\,'(1,8) \approx {f(1,8) - f(1,8 - 0,01) \over 0,01} = {f(1,8) - f(1,79) \over 0,01} = {\ln(1,8) - \ln(1,79) \over 0,01} = 0,5571 \]


Närmevärdets fel kan definieras som:    
Felet \( \, = \, |\) exakta värdet \( \, - \, \) närmevärdet \(| \)

Med det exakta resultatet \( \displaystyle f\,'(1,8) = \frac{5}{9} \approx 0,555556 \), avrundat till \( 4 \) decimaler, blir vårt närmevärdes fel:

Felet \( \, = \, |\,0,5556 \, - \, 0,5571| \, = \, 0,0015\)

Känner man till felet kan man jämföra de olika numeriska deriveringsformlernas noggrannhet, se övning 3.

I fliken Derivering med räknare visas hur man med grafräknaren kan få ett noggrannare närmevärde för \( \, f\,'(1,8) \, \).


Centrala differenskvoten

Ett närmevärde till derivatan \( \, f\,'(a) \, \) av funktionen \( \, y = f\,(x) \, \) i punkten \( \, x = a \, \) kan beräknas med

Centrala differenskvoten:

\( \quad f\,'(a) \qquad\;\, \approx \displaystyle \qquad {f(a + h) \, - \, f(a-h) \over 2\,h} \quad \)


Tangentens lutning \( \; \approx \quad \; \) Sekanten C:s lutning
      CentralDiff.jpg


Här tar man från \( \,a \, \) både ett steg \( \,h \, \) bakåt och framåt och använder funktionsvärdena före och efter \( \,a \, \) för att beräkna närmevärdet till derivatan i \( \,a \).

Samma sak här: Närmevärdet är desto bättre ju mindre \( \, h\, \) är. Men:

Den centrala differenskvoten är noggrannare än de andra formlerna, se bilden ovan. Ja, det gäller:

För andragradsfunktioner är formeln t.o.m. exakt oavsett \( \,h \).

Exempel

Funktionen \( \, f(x) = x\,^2 \, \) är given. Välj steglängden \( \, h = 0,5 \, \) och beräkna \( \, f\,'(1) \, \) med centrala differenskvoten.

Lösning:

\[ f\,'(1) \approx {f(1 + 0,5) - f(1 - 0,5) \over 2\cdot 0,5} = {f(1,5) - f(0,5) \over 2\cdot 0,5} = {1,5^2 - 0,5^2 \over 1} = {\color{Red} 2} \]

Funktionens derivata är \( \, f\,'(x) = 2\,x \, \) och därmed är den exakta derivatan \( f\,'(1) = 2 \cdot 1 = {\color{Red} 2} \, \) identisk med den numeriska derivatan.


Noggrannhetsfrågor

Är det en slump att den numeriska deriveringen med centrala differenskvoten i exemplet ovan ger exakt värde, fast steglängden är relativt stor? Svaret är nej:

Sats:

Den centrala differenskvoten ger den exakta derivatan till

alla andragradsfunktioner oberoende av steglängden:

Om    \( f(x) \; = \; x^2 + b\,x + c \)    då gäller
\[ {f(x + h) \, - \, f(x-h) \over 2\,h} \; = \; 2\,x + b \; = \; f\,'(x) \]

Bevis:

Vi tillämpar den centrala differenskvoten på \( \, f(x) = x^2 + b\,x + c \, \):

\[ \begin{array}{rcl} f(x + h) & = & (x+h)^2 + b\,(x+h) + c = x^2 + 2\,x\,h + h^2 + b\,x + b\,h + c \\ f(x - h) & = & (x-h)^2 + b\,(x-h) + c = x^2 - 2\,x\,h + h^2 + b\,x - b\,h + c \\ f(x+h) - f(x-h) & = & x^2 + 2\,x\,h + h^2 + b\,x + b\,h + c - (x^2 - 2\,x\,h + h^2 + b\,x - b\,h + c) = 4\,x\,h + 2\,b\,h = 2\,h\,(2\,x + b) \\ \displaystyle {f(x + h) - f(x-h) \over 2\,h} & = & \displaystyle {{\color{Red} {2\,h}}\,(2\,x + b) \over {\color{Red} {2\,h}}} = 2\,x + b = f\,'(x) \\ \end{array}\] Att resultatet är oberoende av steglängden visas i beviset ovan genom att \( h\, \) förkortas bort och inte längre förekommer i slutresultatet \( \, 2\,x + b \, \).


När ska man använda numerisk derivering?

I följande situationer är det nödvändigt resp. rimligt att använda numerisk derivering:

Fall 1:  Funktioner som inte matchar mot någon funktionstyp bland våra deriveringsregler. Exempel:

a)   \( \qquad\qquad\qquad \displaystyle f(x) \; = \; {1 \over x + 1} \)
Denna funktion matchar inte mot någon funktionstyp i vår tabell över deriveringsregler, därför att \( \, f(x) \, \) inte kan skrivas om till en potens med basen \( \, x \), vilket vi t.ex. kunde göra med \( y = \displaystyle {1 \over x} \) genom att skriva om den till \( y = \, x^{-1} \). Sedan kunde vi använda deriveringsregeln för derivatan av en potens på den omskrivna formen \( y = \, x^{-1} \). Eftersom en sådan omskrivning inte går att göra med funktionen \( f(x) = \displaystyle {1 \over x + 1}\, \) kan den inte deriveras med denna regel. Inte heller med någon annan av de deriveringsregler vi känner till hittills. Det är nämnaren \(\, x + 1 \) som gör att uttrycket inte kan skrivas om till en potens med basen \( \, x \). Visserligen går det att skriva om så här: \( \, f(x) = \displaystyle {1 \over x + 1} = (x + 1)^{-1} \), men basen här är inte \( \, x \) utan \( \, x + 1 \).
Funktionen i fråga kan anses som en kvot av två funktioner, nämligen \( \, 1 \, \) och \( \, x + 1 \). En deriveringsregel för en kvot av funktioner, den s.k. Kvotregeln som skulle kunna användas här, kommer vi att lära oss först i Matte 4-kursen.
b)   \( \qquad\qquad\qquad \displaystyle f(x) \; = \; {1 \over e^x + 1} \qquad\qquad\;\; \) Även denna funktion skulle endast kunna deriveras med Kvotregeln av samma anledning som a).
c)   \( \qquad\qquad\qquad f(x) \; = \; \ln x \qquad\qquad\qquad \) Därför deriverade vi den numeriskt med bakåtdifferenskvoten.


Fall 2:  Diskreta funktioner som är givna i tabellform, t.ex. fibonaccitalen som behandlades i kap 1, där de \( \, 12 \, \) första fibonaccitalen beräknades:

Antal månader Antal kaninpar
\( {\color{Red} 1}\, \) \( 1\, \)
\( {\color{Red} 2}\, \) \( 1\, \)
\( {\color{Red} 3}\, \) \( 2\, \)
\( {\color{Red} 4}\, \) \( 3\, \)
\( {\color{Red} 5}\, \) \( 5\, \)
\( {\color{Red} 6}\, \) \( 8\, \)
\( {\color{Red} 7}\, \) \( 13\, \)
\( {\color{Red} 8}\, \) \( 21\, \)
\( {\color{Red} 9}\, \) \( 34\, \)
\( {\color{Red} {10}}\, \) \( 55\, \)
\( {\color{Red} {11}}\, \) \( 89\, \)
\( {\color{Red} {12}}\, \) \( 144\, \)
    Med denna värdetabell kan vi rita grafen

    till höger som illustrerar fibonaccitalens

    snabba tillväxt. Den horisontella axeln

    visar antal månader och den vertikala

    antal kaninpar.

   

   

   

   

   

    Fibonaccitalen bildar en diskret

    funktion, därför att dess defini-

    tionsmängd är heltalen \( \, {\color{Red} 1}\)-\({\color{Red} {12}}\).

    Fibonacci 465p.jpg
Som man ser ökar kaninpopulationen ganska fort. Men hur snabbt ökar den? Kan man derivera en diskret funktion vars tabell har en minsta steglängd?
Svaret är: ja, men endast numeriskt:
      

Exempel på en diskret funktions derivata i en punkt

Fibonaccis funktion är given i tabellen ovan med:

\[ n \, = \, {\rm Antalet\;månader} \]
\[ F(n)\, = \, {\rm Antalet\;kaninpar\;i\;månaden} \, n \]

Hur snabbt ökar kaninpopulationen i månaden \( \, 11 \, \)?   Dvs:

Beräkna \( \, F\,'(11) \, \) så noggrant som möjligt.

Lösning:

Vi väljer den centrala differenskvoten samt tabellens minsta steglängd \( \, h = 1 \).

\[ F\,'(11) \, \approx \, {F(11 + 1) - F(11 - 1) \over 2\cdot 1} \, = \, {F(12) - F(10) \over 2} \, = \, {144 - 55 \over 2} \, = \, 44,5 \]

Dvs kaninerna fortplantar sig i den \( \, 11\)-te månaden med minst \( \, 44 \, \) kaninpar per månad.




Fall 3:  Funktionens derivata blir så komplicerad att det tar mer tid att ställa upp den (och risken för felräkning ökar) än att derivera den numeriskt.

Exempel: \( \qquad \displaystyle f(x) = {\sin\,3\,x \over 4\,\cos\,x} \qquad\Longrightarrow\qquad f\,'(x) = {12\,\cos\,3\,x \cdot \cos\,x \,+\, 4\,\sin\,3\,x \cdot \sin\,x \over 16\,\cos^2\,x} \)
För det första är det inte enkelt att ställa upp \( f\,'(x) \). Även här skulle Kvotregeln behövas samt deriveringsreglerna för sinus- och cosinusfunktioner.
För det andra ser man att det är väsentligt enklare att beräkna t.ex. \( f(2)\, \) än \( f\,'(2) \). I de numeriska deriveringsformlerna ingår nämligen endast beräkningar av \( f(x)\, \), inte av \( f\,'(x) \).





Copyright © 2011-2018 Taifun Alishenas. All Rights Reserved.