REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN

UNIVERSITARIA CIENCIA Y TECNOLOGIA
UNIVERSIDAD NACIONAL EXPERIMENTAL
FRANCISCO DE MIRANDA
ING. INDUSTRIAL – SEMESTRE V
TUCACAS-SILVA FALCON

METODOS
NUMERICOS

PROFESOR: INTEGRANTES:

Ing. Carlos Fernández Luis Mindiola V-27.096.834

 INDICE

1 INTRODUCCION

2 DEFINICION DE ERRORES

3 TIPOS DE ERRORES

 ERROR ABSOLUTO (EJEMPLO)

 ERROR RELATIVO (EJEMPLO)
 ERROR DE REDONDEO (REGLAS, EJEMPLOS)
 ERROR DE TRUNCAMIENTO (EJEMPLOS)

4 CIFRAS SIGNIFICATIVAS

 EXACTITUD
 PRESICION

5 ESTRAPOLACION DE RICHARDSON

6 INTEGRACION DE ROMBERG

7 CUARATURA GAUSSIANA

8 REGLA DEL TRAPECIO

 TRAPECIO SIMPLE
 TRAPECIO COMPUESTO

9 REGLA DE SIMPSON 1/3 SIMPLE

10 REGRA DE SIMPSON 1/3 COMPUESTO

11 INTERPOLACION POLINOMICA

12 FORMULA DE INTERPOLACION DE LA GRANJE

13 INTERPOLACION LINEAL

14 ANALISIS DEL ERROR

15 CONCLUSION

16 BIBLIOGRAFIA
 INSTRODUCCION

Los métodos numéricos han sido desarrollados con el objeto de resolver

problemas matemáticos cuya solución es difícil o imposible de obtener por medio
de los procedimientos tradicionales.

De manera que las soluciones que ofrecen los métodos numéricos son
aproximaciones de los valores reales y, por tanto se tendrá un cierto grado de
error que será conveniente determinar. Las aproximaciones numéricas pueden
introducir errores y que error puede ser tolerable.

De igual forma este procedimiento consiste de una lista finita de

instrucciones precisas que especifican una secuencia de operaciones algebraicas
y lógicas (algoritmo), que producen o bien una aproximación de la solución del
problema (solución numérica) o bien un mensaje. La eficiencia en el cálculo de
dicha aproximación depende, en parte, de la facilidad de implementación del
algoritmo y de las características especiales y limitaciones de los instrumentos de
cálculo (los computadores). En general, al emplear estos instrumentos de cálculo
se introducen errores llamados de redondeo.

Es muy útil y importante para quien quiera que necesite herramientas para
resolver operaciones, las cuales se saben que pueden resultar complicadas, y por
más que se dominen los métodos tradicionales, estos muchas veces pueden no
ser suficientes, sin embargo esto no quiere decir que la operación sea imposible
de solucionar, y es ahí donde los métodos numéricos se aplican, y facilitan es
trabajo de cierta manera. Los métodos numéricos pueden ser aplicados para
resolver procedimientos matemáticos en: Cálculo de derivadas, Integrales,
Ecuaciones diferenciales, Operaciones con matrices.
Definición de Errores

Los errores numéricos se generan con el uso de aproximaciones para

representar las operaciones y cantidades matemáticas. El error numérico es una
medida del ajuste o cálculo de una magnitud con respecto al valor real o teórico
que dicha magnitud tiene. Un aspecto importante de los errores numéricos es
su estabilidad numérica. Dicha estabilidad se refiere a como dentro de un
algoritmo de análisis numérico el error de aproximación es propagado dentro del
propio algoritmo.

El concepto de error es consustancial con el cálculo numérico. En todos los

problemas es fundamental hacer un seguimiento de los errores cometidos a fin de
poder estimar el grado de aproximación de la solución que se obtiene.

Tipos de errores

 Error absoluto

Es la diferencia entre el valor de la medida y el valor tomado como exacta.

Puede ser positivo o negativo, según si la medida es superior al valor real o
inferior (la resta sale positiva o negativa). Tiene unidades, las mismas que las de
la medida.

El error absoluto se define como la diferencia entre el valor real y el valor

aproximado, en valor absoluto:
Donde:

 El valor real es el valor que en teoría mide la magnitud a medir

 El valor aproximado es la media de las diferentes medidas

Este valor del error absoluto es el debido a la persona que realiza la medición.
Además, está el error debido a la precisión del instrumento de medida, que
coincide con la unidad más pequeña con la que puede medir el aparato.

El error absoluto será el mayor valor entre el error del medidor y el error del
aparato.

El error absoluto se mide en las mismas unidades que la medición.

Además, se expresa siempre con una cifra distinta de cero, redondeándose

siempre en exceso. Es decir, no podemos expresar el error absoluto de esta
forma:

Sino que el 0,018 debemos redondearlo a 0,02:

Por otro lado, error no puede ser más precisa (en decimales) que el error. Deben
ser igual de precisas. Si el error está expresado en centésimas, la medición no
puede ir expresada en unidades:
Sino que la medición debe ir también expresada en centésimas:

Si la medición es un número entero, entonces para llegar a las centésimas

añadiríamos ceros después de la coma.

 Ejemplo: error absoluto

Una barra de metal mide 10 metros de largo. La medimos con un metro calibrado
en milímetros y nos da una medición de 9,998 metros. ¿Cuál es el error absoluto?

En nuestro caso, el metro mide en milímetros, luego el error del aparato es:

El error debido a la persona que realiza la medición es la diferencia entre el valor

real y el valor aproximado:

En este caso el valor es 10 m y el valor aproximado es 9,998 m, que es el valor

obtenido, por lo que el error es:

Una vez obtenidos el error del aparato y el error del medidor, el error absoluto es
el mayor de los dos:
Observa cómo tanto la medida como el error están expresados en milésimas y el
error sólo tiene una cifra distinta de cero.

 Error relativo

El error relativo es el cometido en la estimación del valor de un número, es el

valor absoluto del cociente entre su error absoluto y el valor exacto. El error
relativo da idea de la precisión de una medida, y se suele manejar en forma de
porcentaje (%).

Muchas veces conocemos el error absoluto (Ea), pero es imposible conocer el

valor exacto (A), en cuyo caso, para hallar el error relativo (Er) dividimos el error
absoluto entre el valor aproximado o considerado como exacto.

También puede hablarse de cota del error relativo, que si la representamos

como β, se cumplirá:

A – A´) / A ≤ β

El error relativo se calcula dividiendo el error absoluto entre el valor exacto:

El error relativo se mide en porcentaje, luego para obtener directamente el error en

tanto por ciento, a la expresión anterior hay que multiplicarla por 100:
El error relativo lo utilizamos para determinar la precisión de la medición. Nos dice
la proporción del error con respecto al valor exacto de la medición. Una medida es
buena cuando no supera el 5%.

Ejemplo: Error relativo

Vamos a ver un ejemplo de cálculo de error relativo:

Queremos medir 180 cm³ de agua con una probeta con un error relativo menor
del 3%. ¿Bastará con una probeta graduada de 5 en 5 cm³ o necesitaremos una
que vaya de 2 en 2 cm³?

El valor exacto de la medida es 180 cm³. Con la probeta graduada de 5 en 5 cm³,

tenemos un error del aparato de 5 cm³, que es el error absoluto de la medición en
este caso, por lo que la medida con su error nos queda:

Vamos a calcular el error relativo para este caso con la fórmula:

Sustituimos el error absoluto y el valor exacto y calculamos:

El valor relativo que obtenemos es de 2,7%, que es menor de 3%, por lo que la
probeta graduada de 5 en 5 cm³ nos valdría.
Vamos a ver el caso de la probeta graduada de 2 en 2 cm³. En este caso la
medida con su error absoluto es:

Calculamos su error relativo:

El error relativo es todavía más bajo que en el caso anterior, ya que tenemos más
precisión en la medida.

Por tanto, cualquiera de las dos probetas nos valdría y con la segunda obtenemos
una mayor precisión.

 Error de redondeo.

Es la diferencia entre la aproximación calculada de un número y su valor

matemático exacto debida al redondeo. Este es una forma de error de
cuantificación. Uno de los objetivos del análisis numérico es estimar errores en los
cálculos, incluyendo el error de redondeo, cuando se utiliza ecuaciones o
algoritmos de aproximación, especialmente cuando se utiliza un número finito de
dígitos para representar números reales (que en teoría tiene un número infinito de
dígitos). Cuando se realiza una secuencia de cálculos sujetos a error de redondeo,
los errores pueden acumularse, a veces dominando el cálculo. En problemas mal
condicionados, se puede acumular un error significativo.

Ciertos métodos requieren cantidades extremadamente grandes para obtener

una respuesta. Además, estos cálculos a menudo dependen entre si. Esto es, los
cálculos posteriores son dependientes de los anteriores. En consecuencia, aunque
un error de redondeo individual puede ser muy pequeño, el efecto de acumulación
en el transcurso de la gran cantidad de cálculos puede ser significativo.

El efecto del redondeo puede ser exagerado cuando se llevan a cabo

operaciones algebraicas que emplean números muy pequeños y muy grandes al
mismo tiempo. Ya que en este caso se presenta en muchos métodos numéricos,
el error de redondeo puede resultar de mucha importancia.

Reglas de Redondeo

Las siguientes reglas dan la pauta a seguir en el redondeo de números cuando se

realizan cálculos a mano.

1. En el redondeo, se conservan las cifras significativas y el resto se

descarta. El último dígito que se conserva se aumenta en uno si el
primer dígito descartado es mayor de 5. De otra manera se deja
igual. Si el primer digito descartado es 5 o es 5 segundo de ceros.
entonces el último dígito retenido se incrementa en 1, sólo si es
impar.
2. En la suma y en la resta, el redondeo se lleva acabo de forma tal que
el último dígito en la columna de las milésimas.
3. Para la multiplicación y para la división el redondeo es tal que la
cantidad de cifras significativas del resultado es igual al número más
pequeño de cifras significativas que contiene la cantidad en la
operación.
4. Para combinaciones de las operaciones aritméticas, existen dos
casos generales. Se puede sumar o restar el resultado o de las
divisiones.

(Multiplicación o División) +/- (multiplicación o división)

o también se pueden multiplicar o dividir los resultados de las sumas y las restas.

Ejemplos:

Los siguientes ejemplos tiene por objeto ilustrar las reglas de redondeo.

5.6723 -------------------------- 5.67´ 3 Cifras Significativas

10.406 ---------------------------- 7.4 4 Cifras Significativas
10.406 ---------------------------- 7.4 2 Cifras Significativas
88.21650 ------------------- 88.216 5 Cifras Significativas
1.25001 -------------------------- 1.3 2 Cifras Significativas

 Error de truncamiento.

Cuando una expresión matemática se remplaza por una fórmula más simple,
se introduce un error, conocido como error de truncamiento.

Los errores de truncamiento son aquellos que resultan al usar una

aproximación en lugar de un procedimiento matemático exacto. Estos tipos de
errores son evaluados con una formulación matemática: la serie de Taylor.

Taylor es una formulación para predecir el valor de la función en Xi+1 en

términos de la función y de sus derivadas en una vecindad del punto Xi. Siendo el
término final:

Rn= ((ƒ(n+1) (ξ))/(n+1)!)Hn+1

En general, la expansión en serie de Taylor de n-ésimo orden es exacta par

aun polinomio de n-ésimo orden. Para otras funciones continuas diferenciables,
como las exponenciales o senoidales, no se obtiene una estimación exacta
mediante un número finito de términos. Cada una de los términos adicionales
contribuye al mejoramiento de la aproximación, aunque sea un poco.

EJEMPLO

* 5,2536 (A CENTIMETRO) = 5,25.

* 9,217983 (A MILIMETRO) = 9,217

Cifras Significativas

Las cifras o dígitos significativos se ha desarrollado para designar

formalmente la contabilidad de un valor numérico.
El numero de cifras significativas es el numero de dígitos, más un digito estimado
que se pueda usar con confianza; los ceros no siempre son cifras significativas ya
que pueden usarse solo para ubicar el punto decimal.

1.-Los métodos numéricos obtienen resultados aproximados. Por lo tanto se debe

desarrollar criterios para especificar que tan precisos son los resultados obtenidos.
Una manera de hacerlo es en términos de cifras significativas. Por ejemplo se
puede decir que la aproximación es aceptable siempre y cuando sea correcta
hasta cuatro cifras significativas – esto es, debe existir seguridad que las primeras
cuatro cifras son correctas.

2.-Aunque ciertas cantidades tales como π, e o √7 representan números

específicos, no se puede expresar exactamente con un numero finitos de dígitos.
Debido a que las computadoras personales solo representan aproximadamente
diez cifras significativas (comúnmente varían entre 7 y 14) tales números jamás se
podrán representar exactamente. A la omisión del resto de cifras significativas se
le conoce como error de redondeo.
Los errores de redondeo y el uso de cifras significativas tienen mucha importancia
en la identificación de exactitud y precisión.

 Precisión
 Exactitud

Los errores asociados con los cálculos y medidas se pueden caracterizar

observando su precisión y exactitud.

La precisión se refiere a:

1) el número de cifras significativas que representa una cantidad

2) la extensión en las lecturas repetidas de un instrumento que mide alguna
propiedad física.
La exactitud se refiere a la aproximación de un número o de una medida al valor
verdadero que se supone representa. La inexactitud (conocida también como
sesgo) se define también como un alejamiento sistemático de valor verdadero.

La precisión por otro lado se refiere a la magnitud del esparcimiento.

Los métodos números deben ser lo suficientemente exactos o sin sesgo para que
cumplan los requisitos de un problema particular de ingeniería. También debe ser
lo suficientemente preciso para el diseño en la ingeniería

Extrapolación de Richardson

Desarrollado por Lewis Fry Richardson (1881-1953), permite construir a

partir de una secuencia convergente otra secuencia más rápidamente
convergente. Esta técnica se usa frecuentemente para mejorar los resultados
de métodos numéricos a partir de una estimación previa, de igual forma mejora la
precisión en el cálculo numérico de la derivada de una función, partiendo de la
base de la serie de Taylor. Este proceso es especialmente utilizado para definir un
método de integración: el método de Romberg.

 Sirve para generar resultados de gran exactitud cuando se usan fórmulas

de bajo orden.
 Puede aplicarse siempre que sepamos que el método de aproximación
tiene un término de error de una forma previsible.
 Encuentra un modo de combinar las aproximaciones imprecisas para
producir formulas con un error de truncamiento de orden superior.

Integración de Romberg

La integración de romberg es una técnica diseñada para obtener integrales

numéricas (aproximaciones) de funciones de manera eficiente, que se basa en
aplicaciones sucesivas de la regla del trapecio. Sin embargo, a través de las
manipulaciones matemáticas, se alcanzan mejores resultados con menos trabajo.

Aunque es posible evaluar el integrando en puntos no equiespaciados, en

ese caso otros métodos como la cuadratura gaussiana o la cuadratura de
Clenshaw–Curtis son más adecuados.

En análisis numérico, el Método de Romberg genera una matriz triangular

cuyos elementos son estimaciones numéricas de la integral definida siguiente:

𝑏
∫𝑎 𝑓(𝑥) 𝑑𝑥

Usando la extrapolación de Richardson de forma reiterada en la regla del

trapecio. El método de Robert evalúa el integrando en puntos equiespaciados del
intervalo de integración estudiado. Para que este método funcione, el integrando
debe ser suficientemente derivable en el intervalo, aunque se obtienen resultados
bastante buenos incluso para integrando poco derivables.

Cuadratura Gaussiana

Un método de cuadratura es una aproximación de una integral definida de

una función. Una cuadratura de Gauss n, es una cuadratura que selecciona los
puntos de la evaluación de manera óptima y no en una forma igualmente
espaciada, construida para dar el resultado de un polinomio de grado 2n-1 o
menos, elegibles para los puntos xi y los coeficientes wi para i=1,..., n. El dominio
de tal cuadratura por regla es de [−1, 1] dada por:

𝟏 𝒏

∫ 𝒇(𝒙) 𝒅𝒙 ≈ ∑ 𝒘𝒊 𝒇(𝒙𝒊)
−𝟏 𝒊=𝟏

Tal cuadratura dará resultados precisos solo si 𝒇(𝒙) es aproximado por un

polinomio dentro del rango [−1, 1]. Si la función puede ser escrita como 𝒇(𝒙) =
𝑊(𝑥)𝑔(𝑥) , donde 𝑔(𝑥)es un polinomio aproximado y 𝑊(𝑥) es conocido.

𝟏 𝟏 𝒏

∫ 𝒇(𝒙) 𝒅𝒙 = ∫ 𝑾(𝒙)𝒈(𝒙) 𝒅𝒙 ≈ ∑ 𝒘𝒊 𝒈(𝒙𝒊)

−𝟏 −𝟏 𝒊=𝟏

Regla del trapecio

Es un método de integración, es decir, un método para calcular

aproximadamente el valor de una integral definida. La regla se basa en aproximar
el valor de la integral de 𝒇(𝒙) por el de la función lineal, que pasa a través de los
puntos (𝒂, 𝒇(𝒂)) y(𝒃, 𝒇(𝒃)) . La integral de ésta es igual al área del trapecio bajo la
gráfica de la función lineal.

La función f(x) (en azul) es aproximada por la función lineal (en rojo).

 Trapecio Simple

Es un método de integración que se efectúa de dos maneras, de forma tabular,

este a su vez se presenta, condicionada, o no condicionada y cuando existe la
presencia de una función, es un método que trabaja únicamente con dos puntos
estos son encontrados en la tabla cuando se realiza de forma tabular, y cuando se
presenta una función “a” vendría siendo el límite inferior y “b” el superior, carece
de números de iteraciones, son formas de cálculo directo.

 Carece de números de iteraciones.

 Se obtiene una formula precia y exacta para el área requerida en las

soluciones algebraicas.

 Se calcula numéricamente una estimación del área para obtener soluciones

numéricas

Ventajas
  Se aplica este método en su forma simple para calcular numéricamente
aproximaciones de algunas integrales definidas.

 Se utiliza para obtener el área total de una integral definida

 Es a su vez fácil de aplicar a casi cualquier función integrable

Desventajas

 Es imprecisa en comparación con otros métodos de aproximación

numérica, ya que su truncamiento es mucho mayor comparándolos
condichos métodos.

 Gran cantidad de integrales de funciones básicas no puede ser expresada

en función a ellas.

 A la hora de efectuar un tanteo de datos, la mayoría de las veces se podrá

construir una tabla de valores en función a las observaciones obtenidas,
esperando un comportamiento funcional, pero no en todos los casos se
obtendrá lo que se espera, es decir, un comportamiento funcional, que
simboliza la regla de la correspondencia entre variables involucradas, por
ende este método no es totalmente ventajoso

Trapecio compuesto

Es una forma de aproximar una integral definida utilizando “n” trapecios.

Se supone que f es continua y positiva en el intervalo [a, b]. Donde la integral
representa el área de la región delimitada por la función

 En este método el error es inversamente proporcional a la cantidad de

trapecios usados para la función, es decir, para un dominio de integración
dado, el error es proporcional a h
 Se aproxima el área que hay entre a y b por la suma de las áreas de los
trapecios que se forman por medio de la función evaluada.
 En su desarrollo utiliza un tamaño de paso que ayuda a conseguir xi que
esa su vez el comportamiento de los límites en la integral.

Ventajas

 Es ventajoso porque permite resolver el problema de cálculo del área bajo

la curva entre dos puntos, dividiendo a N en sub- áreas, estas consideradas
como pequeños trapecios para calcular su valor.

 Se aplica a funciones como las integrales impropias con limites (-∞, ∞), se
transforma el intervalo finito en toda la recta donde se puede integrar con
exactitud cualquier función.

 Este método es mejor que el método de trapecio Simple, es decir, su

aproximación tiende a converger mucho más, es decir, es más exacto al
momento de arrojar resultados.

Desventajas

 Depende de una cantidad “n” de subdivisiones, para determinar el número

de iteraciones a realizar, de no conocer esta cantidad, debe será sumida de
manera arbitraria.
  No se tiene garantía que aplicando este método se puede conseguir la anti
derivada de una función asociada a f(x).

 Es un proceso lento, es decir, requiere un valor de nodos “n” muy alto para
obtener una aproximación aceptable. En la práctica es recomendable
utilizar otros procedimientos mejores como la regla compuesta de Simpson

SIMPSON 1/3 SIMPLE

Es un método de integración directa, el mismo no trabaja con tamaño

de pasos ni con número de iteraciones como lo realiza el método de trapecio
compuesto, este con tres puntos conocidos aproxima la función que se desea
integrar, lo que es igual aproximar la función a integrar por un polinomio
cuadrático.

 Cuando el área se divide en un número par de fajas de ancho se puede

utilizar este método de Simpson 1/3 en su forma simple.

 Su error es proporcional a la cuarta derivada, debido a que el término del

coeficiente de tercer orden va a cero durante la integración de la
interpolación polinomica.

 Se utiliza para determinar el área aproximada bajo la curva contenida en

dos fajas que tienen un mismo ancho.

Ventajas

 Una ventaja del método es que es directo, es decir, que no necesita

iteraciones para llegar a su resultado.
  Para la identificación de datos correctos en la integral aproximada se efectúa
por lo menos integraciones con distinto número de sub-intervalos.

 Proporciona resultados exactos para polinomios cúbicos aún cuando se

derive de una parábola, es decir, tiene una precisión de tercer orden aún
cuando se base en solo tres puntos.

Desventajas

 Trabaja con dos grandes secciones, y a su vez con dos márgenes de

acotación.

 Es una sucesión de curva que es amoldada a la forma de la función.

 El método se aplica si y solo si cumple con las condiciones especificas que

este requiere, de lo contrario en las funciones que no cumplan con las
mismas, no se podrán realizar.

SIMPSON 1/3 COMPUESTO

En este método al igual que el Simpson 1/3 simple, sustituimos la función por un
polinomio de segundo grado.

Puesto que aplicamos una función de segundo grado, podemos integrar esta
función y buscar un sistema para que partiendo de las ordenadas y del intervalo
de separación, podamos calcular el área, a partir de esto podemos determinarla
secuencia de coeficientes para las distintas ordenadas. La única condición es que
el número de ordenadas debe ser impar y por lo tanto el número de intervalos
deberá ser par.
  Es un método que utiliza los valores par e impar de la columna Y en la
formula.

 Utiliza N para determinar el número de iteraciones, donde N tiene que ser

siempre par.

 Divide en un número de segmentos par la longitud de h, y ajusta cada

segmento a un polinomio de segundo grado. El área formada por cada
segmento se suma y se obtiene el valor aproximado de la integral.

Ventajas

 Este método se adapta a la mayoría de las formas polinomial de orden 2.

 Su integración está basada en un número de segmentos de igual ancho.

 Es más preciso que el método del trapecio compuesto, ya que tiende a una
solución más exacta y de forma más rápida.

Desventajas
 A justa cada uno de los segmentos al grado del polinomio dado.

 Es restringido ya que N tiene que ser par.

 Hay que tomar en cuenta que si a, b, es decir, los limites inferior y superior
no son suficientemente pequeños el grado de error, en este caso, podría
ser muy grande

Interpolación Polinomica
 La interpolación polinómica (o polinomial) es una técnica de
interpolación de un conjunto de datos o de una función por un polinomio. Es decir,
dado cierto número de puntos obtenidos por muestreo o a partir de un
experimento se pretende encontrar un polinomio que pase por todos los puntos

Es un método usado para conocer, de un modo aproximado, los valores

que toma cierta función de la cual sólo se conoce su imagen en un número finito
de abscisas. A menudo, ni siquiera se conocerá la expresión de la función y sólo
se dispondrá de los valores que toma para dichas abscisas.

El objetivo será hallar un polinomio que cumpla lo antes mencionado y que

permita hallar aproximaciones de otros valores desconocidos para la función con
una precisión deseable fijada. Por ello, para cada polinomio interpolador se
dispondrá de una fórmula del error de interpolación que permitirá ajustar la
precisión del polinomio.

Formula de interpolación de LaGrange

El polinomio interpolante de LaGrange se presenta de la siguiente manera:

 Se consideran n los puntos x dados de la función, con su respectivo valor

de y; dados estos puntos existe un único polinomio de grado a lo sumo de
n-1 que pase por ellos.
 Para poder definir el polinomio se hallan los valores de cada Li(x) con i
desde 1 hasta n.
 Una vez calculados los valores de L, podemos confirmar el polinomio y
posteriormente, algunos cálculos adicionales.
 Los valores de L se pueden calcular de la siguiente estructura,
adicionalmente se puede observar la estructura del polinomio de Lagrange.
Interpolación lineal

Es un método que se origina de la interpolación general de Newton y

permite determinar por aproximación un valor desconocido que está entre dos
números dados; es decir, se halla un valor intermedio. También es aplicado para
aproximar funciones, donde los valores f (a) y f(b) son conocidos y se quiere saber el
intermedio de f(x)

Existen diferentes tipos de interpolación, como lineal, cuadrática, cúbica y

de mayores grados, siendo la más simple la aproximación lineal. El precio que se
debe pagar con la interpolación lineal es que el resultado no será tan preciso como
con aproximaciones mediante funciones de grados superiores.

La interpolación lineal es un proceso que permite deducir un valor entre dos

valores bien definidos, que pueden estar en una tabla o en un gráfico lineal.

Por ejemplo, si se sabe que 3 litros de leche valen $4 y que 5 litros valen
$7, pero se quiere saber cuál es el valor de 4 litros de leche, se interpola para
determinar ese valor intermedio.

Método

Para estimar un valor intermedio de una función se aproxima la función

f(x) por medio de una recta r(x), lo que significa que la función varia linealmente con
“x” para un tramo “x = a” y “x = b”; es decir, para un valor “x” en el intervalo (x0, x1)
y (y0, y1), el valor de “y” es dado por la línea entre los puntos y se expresa por la
siguiente relación:

(y – y0) ÷ (x – x0) = (y1 – y0) ÷ (x1 – x0)

Para que una interpolación sea lineal, es necesario que el polinomio de

interpolación sea de grado uno (n = 1), para que se ajuste a los valores de x0 y x1.

Análisis del error

E n e s t a u n i d a d , s e d e f i n e e l c o n c e p t o d e error en términos de
métodos numéricos. Debido a que estos consisten en estrategias de
aproximación que se emplean cuando no es posible la aplicación de
técnicas analíticas o exactas en la resolución de problemas prácticos y
de aplicación, se obtiene un resultado que difiere del verdadero valor que
se busca. Esta diferencia se denomina error

Conclusión

Los métodos numéricos se convierten en parte esenciales para nuestros

cálculos ya que de ellos depende el éxito de nuestro resultado y análisis aplicado
a la formulación de problemas

Tenemos en cuenta el error en un número y las cifras significativas que lo

contienen. A partir de este conocimiento podemos desarrollar e implementar
software personalizados y además de ello, modificar el cálculo de error con el que
trabajemos.
 De esta forma las cifras significativas se vuelven relevantes a partir del dato
que necesitemos, los errores, a su vez, son tan importantes de manera que afecta
el resultado de nuestro análisis, así que tenemos en cuenta la valorización de ellos
para un resultado con cifras significativas deseadas. El ingeniero implementa los
métodos numéricos para perfección y optimización de sus proyectos.

Es importante conocer los métodos numéricos para facilitarnos la resolución

de problemas matemáticos que tienen múltiples aplicaciones en la vida real y nos
permite resolverlos con mayor eficiencia, es por ello que es preciso manejar
modelos que faciliten la resolución de estos

Los métodos numéricos deben ser exactos para que cumplan los requisitos
de un problema particular de la ingeniería.

Bibliografía

Métodos numéricos Carrasco Venegas, Luis, Editorial América, Lima Perú, 1era.
Edic. 2002.

Métodos numéricos para ingenieros - 5ª edición

Steven C. Chapra. Raymond P. Canale