Métodos Numéricos Aplicados a Casos

Reales

Holman Orlando Ricaurte Rey

Universidad Pedagógica y Tecnológica de Colombia
Ingeniería de Sistemas y Computación
Seccional Sogamoso
Correo-e: Holman.ricaurte01@uptc.edu.co
2019

1 Introducción procedimientos matemáticos en: Cálculo de

Los métodos numéricos son técnicas mediante
las cuales es posible formular problemas
matemáticos de tal forma que puedan
resolverse usando operaciones aritméticas. Los
métodos numéricos nos vuelven aptos para
entender esquemas numéricos a fin de resolver
problemas matemáticos, de ingeniería y
científicos en una computadora, reducir
esquemas numéricos básicos, escribir
programas y resolverlos en una computadora y
usar correctamente el software existente para
dichos métodos y no solo aumenta nuestra
habilidad para el uso de computadoras, sino que
también amplía la pericia matemática y la
comprensión de los principios científicos
básicos. El análisis numérico trata de diseñar
métodos para “aproximar” de una manera
eficiente las soluciones de problemas
expresados matemáticamente. El objetivo
principal del análisis numérico es encontrar
soluciones “aproximadas” a problemas
complejos utilizando sólo las operaciones más
simples de la aritmética. Se requiere de una
secuencia de operaciones algebraicas y lógicas
que producen la aproximación al problema
matemático. Modelo Matemático Ideal
Idealización y Sistema Físico Discretización
Modelo Discreto Solución Solución Discreta
Verificación Validación Los métodos numéricos
pueden ser aplicados para resolver
derivadas Integrales Ecuaciones diferenciales
Operaciones con matrices Interpolaciones
Ajuste de curvas Polinomios.
Los métodos numéricos reducen el
procedimiento de resolución de un problema a
operaciones aritméticas y lógicas sobre los
números, que pueden ser realizadas por una
computadora. según el grado de complejidad
del problema, la exactitud requerida, el método
aplicado, etcétera, puede ser necesario realizar
desde varias decenas hasta miles de millones de
operaciones aritméticas.
Errores
La solución obtenida por un método numérico
es aproximada, es decir, hay cierta diferencia no
nula entre la solución exacta y la solución
numérica. Las causas principales de la diferencia
son:
-Falta de correspondencia entre el modelo y el
fenómeno físico real;
-Errores en los datos iniciales.
-Errores de un método numérico.
-Errores por redondeo en las operaciones
aritméticas.
Los errores por redondeo son inevitables y se lenguaje de programación sería el que mejor se
producen cuando se usan números que tienen acomodará a las exigencias?
un número finito de cifras significativas para
representar números. 3.1 Modelo Matemático
Introducimos tres conceptos principales
relacionados con los modelos y algoritmos
3.1.1 METODO INTERPOLACION LINEAL
numéricos:
El número de bacterias por unidad de volumen
La aproximación: la proximidad de un modelo
existentes en una incubación después de x
original (diferencial, integral, etcétera), o el
horas es presentado en la siguiente tabla. Se
grado de aproximación, caracteriza el error que
desea saber cuál es el volumen de bacterias
se introduce al hacer discreto el modelo
para el tiempo de 3,5 horas.
continuo.

La estabilidad: es una característica muy

importante de la calidad de cada método. la
estabilidad caracteriza la manera de
propagación de los errores iniciales durante los
cálculos en el algoritmo.
La convergencia: la convergencia significa que la
solución numérica converge hacia la solución
exacta cuando el tamaño de la malla h tiende a
cero, o el número de términos N tiende a
infinito.
Solución
La tabla de referencia no establece un valor que
indique la cantidad de bacterias para un tiempo
de 3,5 horas, pero sí se tienen valores
superiores e inferiores correspondientes a un
tiempo de 3 y 4 horas, respectivamente. De esa
forma:

2 Objetivo General x0 = 3 y0 = 91
El objetivo principal del análisis numérico es
x = 3,5 y =?
encontrar soluciones "aproximadas" a
problemas complejos utilizando sólo las x1 = 4 y1 = 135
operaciones más simples de la aritmética.
Ahora, se aplica la ecuación matemática para
2.1 Específicos
encontrar el valor interpolado, que es la
Adquirir los conocimientos suficientes sobre los siguiente:
métodos numéricos para programarlos de una
manera eficiente. y = y0 + (y1 – y0) * [(x – x0) ÷ (x1 – x0)].

Identificar cual es la manera más rápida para Luego se sustituyen los valores
hacer los cálculos realizando así un programa correspondientes:
más eficiente.
y = 91 + (135 – 91) * [(3,5 – 3) ÷ (4 – 3)]
3 Definición del Problema
y = 91 + (44)* [(0,5) ÷ (1)]
En la actualidad los métodos numéricos son de
gran importancia ya que nos brinda una lista y = 91 + 44 * 0,5
finita de instrucciones precisas que especifican
una secuencia de operaciones algebraicas y y = 113.
lógicas (algoritmo), para la solución de ciertos
problemas de iteración y matemáticos. Para Así se obtiene que para un tiempo de 3,5 horas,
lograr una buena implementación dichos la cantidad de bacterias es 113, que representa
métodos necesitamos tener conocimientos un nivel intermedio entre el volumen de
tanto de los métodos como de programación, bacterias existentes en los tiempos de 3 y 4
¿cómo lograr esa buena implementación, qué horas.

2
3.1.2 INTERPOLACIÓN DE LAGRANGE El polinomio
de interpolación de LaGrange se puede obtener
de manera directa a partir de la formulación del
polinomio de Newton. Se haría esto únicamente
para el caso del polinomio en primer orden.
Para obtener la forma de LaGrange, se
reformulan las diferencias divididas. Por
ejemplo, la primera diferencia dividida se puede
reformular como:
La cual es referida como:
Por último, al agrupar términos similares y
simplificar se tiene la forma del polinomio de
LaGrange:
La interpolación de polinomios de LaGrange es
simplemente una reformulación del polinomio
de Newton que evita el cálculo por diferencias
divididas. Se puede expresar de manera concisa
como:
donde:
Donde la productora designa el producto de,
por ejemplo, cuando n = 1 es
Cuando n = 2 es
y ası sucesivamente. Para los casos en
donde el orden del polinomio se
desconozca, el método de Newton tiene
ventajas debido a que profundiza en el
comportamiento de las diferentes fórmulas
de orden superior. En general puede
integrarse fácilmente en los cálculos de
Newton ya que la aproximación usa una
diferencia dividida. De esta forma, desde el
punto de vista de cálculo, a menudo, se
prefiere el método de Newton.
3.1. INTERPOLACION NEWTON HACIA ADELANTE
Obtener el polinomio de interpolación usando
la fórmula de interpolación de Newton en
diferencias divididas con los datos de la
tabla que aparece a continuación, e interpolar
en el punto x = -1
xk 2 0 -2
yk 15 -1 -17
Solucion
Calculamos entonces la tabla de diferencias
divididas:
xk yk f[xk, xk+1] f[xk,xk+2]
2 15
0 -1 8
-2 -17 8 0
donde se ha expresado por brevedad la
diferencia dividida f[xk,xk+1,…,xk+p] como f[xk ||
xk+p].La diagonal de la tabla de diferencias
divididas, en color rojo, es entonces: [15,8,0],
que se corresponde exactamente con el
conjunto de valores que aparece en la fórmula y
por tanto, los polinomios de Newton son los
siguientes: System.out.println("ECUACION = "
+ f0 + "+ ((" + (f1 - f0) + ") / (" +
p0(x) = 15 (interpola en el primer punto) (mayor - menor) + ")) * (x - " + menor
+ ")");
p1(x) = 8(x-2) + p0(x) = 8x−1 (interpola
return mensage;
en todos los puntos)
}
O también:
public int buscarF(double menor)
{
p(x) = 15 +8(x−2) = 8x−1
for(int i = 0 ; i <
data.size() ; i++) {
Si se quiere interpolar en un punto concreto, lo
if(menor ==
mejor es tomar el polinomio de interpolación en data.get(i).getX()) {
su forma de Newton y reordenarlo return i;
al estilo Ruffini-Horner expresando el polinomio }
como: }
return 0;
p(x) = 15 +(x−2) (8) }

lo que supone realizar a lo sumo 2 sumas/restas

y 1 multiplicaciones para interpolar en un punto
x. Para interpolar entonces en x= −1, basta
sustituir la x de la expresión reordenada
anterior por su valor −1 para obtener p(−1) = −9.

3.3 Código
Script Para Graficar Funciones Para Métodos
Numéricos
// Interplacion lineal

public String
resultadoLineal(double x) {
double mayor =
calcularMayor(x), menor =
calcularMenor(x);
System.out.println(" + = "
+ mayor );
System.out.println(" - = "
+ menor);

double resultado = 0;
double f0 =
data.get(buscarF(menor)).getY();
double f1 =
data.get(buscarF(menor) + 1).getY();
String mensage = "";

resultado = f0 + ((f1 -
f0) / (mayor - menor)) * (x - menor);
mensage = ("Polinomio de
la interpolación es: " + f0 + " + (" +
(f1 - f0) / (mayor - menor) + ") * ( x Solucion LAGRANGE
- " + menor + " )" // iNTERPOLACION lAGRANGE
+ "\n\n" + " El resultado
de la interpolación es " + resultado); public double lagrange(double x)
{

4
 double respuesta =0;
double l;
for(int i=0; i <
data.size() ; i++) {
l =
data.get(i).getY();
for(int j =0 ;
j<data.size(); j++) {
if(i!=j) {

System.out.println("Ecuacion" +
"( *(x - " + data.get(j).getX() + "))/
( " + data.get(i).getX() + "-" +
data.get(j).getX() + ")" ); Solucion NEWTON
public ArrayList<ArrayList<Float>>
newton() {
l=(l*(x-data.get(j).getX()))/
(data.get(i).getX() - ArrayList<ArrayList<Float>>
data.get(j).getX()); valores = new
} ArrayList<ArrayList<Float>>();
} int contador = 1;
int cantFilas =
respuesta = data.size() - 1;
respuesta + l;
DecimalFormatSymbols
} separadoresPersonalizados = new
return respuesta; DecimalFormatSymbols();
}

separadoresPersonalizados.setDecimalSep
arator('.');

DecimalFormat formato2 =
new DecimalFormat("#.#####",
separadoresPersonalizados);

for (int i = 0; i <

data.size() - 1; i++) {
ArrayList<Float>
temp = new ArrayList<Float>();
for (int j = 0; j <=
cantFilas - 1; j++) {
if (i == 0) {

temp.add(Float.parseFloat(formato2.form
at((float) ((data.get(j + 1).getY() -
data.get(j).getY())

/ (data.get(j + 1).getX() -
data.get(j).getX())))));
} else {
// i =
1

temp.add(Float.parseFloat(formato2.form
at((float) ((valores.get(i - 1).get(j +
1) - valores.get(i - 1).get(j))
 / (data.get(j + contador).getX()
- data.get(j).getX())))));

} 5 Bibliografía
}
valores.add(temp); Skiba, Y. (2005). Métodos y esquemas numéricos: un
contador++; análisis computacional. UNAM.
cantFilas--;
} Ejemplos.co. (2019). 10 Ejemplos de Objetivos
return valores; Generales y Específicos. [online] Available at:
} https://www.ejemplos.co/10-ejemplos-de-objetivos-
generales-y-especificos/ [Accessed 8 Jun. 2019].

Luis Mijares, M. (2019). Método numérico -

Monografias.com. [online] Monografias.com.
Available at:
https://www.monografias.com/trabajos98/metodo-
numerico/metodo-numerico.shtml [Accessed 8 Jun.
2019].

Chapra, S. C., & Canale, R. P. (2007). Métodos

numéricos para ingenieros. McGraw-Hill,.

Scribd. (2019). Aplicación de Los Métodos Numéricos

en La Vida Cotidiana. [online] Available
at:https://es.scribd.com/document/228036887/Aplic
acion-de-Los-Metodos-Numericos-en-La-Vida-
Cotidiana?
fbclid=IwAR0rYPDW1q76sPIxt2Dkl_Y3gHbDWL-
n0DW9fye041G9vOCsKCrvZASDEXc [Accessed 10
Jun. 2019].

Fallas, J. (2007). Modelos digitales de elevación:

Teoría, métodos de interpolación y aplicaciones.
Escuela de Ciencias Ambientales. Universidad
Nacional, Costa Rica.

Flores, D. L. Métodos Numéricos.

SANCHEZ, E. R. E. (2007). Métodos numéricos.

Curitiba, Paraná.

4. Conclusión
Con el proyecto presentado, podemos concluir que
con cada método se puede generar un caso de la
vida real , con este proyecto optimizamos con los
métodos dicho proceso y a su vez buscamos el
mínimo margen de error posible .