Universidad Nacional Autónoma de México

Facultad de Estudios Superiores Cuautitlán

Métodos Numéricos
Grupo 1401
Garcia Monroy Karla Naomi
Trabajo final Python
Mètodo de Interpolación de Lagrange
Este trabajo consta de dos resoluciones diferentes en Python pero se utiliza el mismo método.

Esta es la primera versión del problema, resuelto con el método de Interpolación de Lagrange.

El problema se basa en una empresa de Licor llamada “Licor ReFino” la cual ha estado teniendo
perdidas por exceso de producción, merma y falta de ventas, esto se traduce a perdidas.

Buscando una solución, se propone usar la interpolación de Lagrange para encontrar el punto más
cercano a la mayor ganancia y producir desde ese punto.

Se importan los módulos que vamos a estar ocupando, tanto para usar Lagrange como para
graficar.

Primero obtenemos la grafica gracias a los datos proporcionados por la empresa

Meses Ganancias/Perdidas
1 100
2 510
3 -25
4 95
5 117
6 -298
Para seguir con el Código evaluamos a “p” = Lagrange, para que cuando se imprima p, este ya
corra como el método de Lagrange, que como se puede ver en la imagen aparece como

37.77𝑥 5 − 674.4𝑥 4 + 4555𝑥 3 − 1.434𝑒 + 0.4𝑥 2 + 2.05𝑒 + 04𝑥 − 9975

Y para hacer la interpolación imprimimos que a p lo evalúe en (2.5)

De esta manera podemos cambiar la interpolación en cualquier momento y adptarnos al dato que
se nos pida
Al buscar otra manera de resolver el metodo de Lagrange en Python llegamos a esta forma.

El problema se basa en una empresa de Licor llamada “Licor ReFino” la cual ha estado teniendo
perdidas por exceso de producción, merma y falta de ventas, esto se traduce a perdidas.

Buscando una solución, se propone usar la interpolación de Lagrange para encontrar un punto
óptimo de producción.

Este código define como función (maximizar la ganancia) y dos restricciones (el número total de
materia prima que lo vemos como cantidad de licor, y la cantidad de botellas a sacar a la venta).

Se resuelve utilizando “minimize” que es una función del módulo “scipy”, con los valores iniciales
de las variables y las restricciones dadas como entradas (input). Y cuando se corre el programa los
valores de las variables aparecen en la consola y estos representan la produccion optima para
mejorar las ganancias produciendo licor.

El primer paso fue importar la librería de numpy y usar “minimize”, después definir la función, las
restricciones, variables y por último el método d Lagrange que se traduce como “minimize” en
Python
Una vez corriendo el Código salen los resultados de las variables

x1 = 19690046.099647276

x2 = -118140387.80382402

x3 = 98450391.70417675