MÉTODOS NUMÉRICOS

Método de falsa posición.

Semejante al método de bissección f(x)
, pero con otro cálculo de xn+1

an f (bn ) − bn f (an)
xn+1 = an xn+1 x
f (bn ) − f (an )
bn
Este punto corresponde a inter-
sección del eje x con la recta
que une (an , f (an )) y (bn , f (bn )).

MÉTODOS NUMÉRICOS

Método iterativo simple

y =x

F (x0 )
F (x2 )

F (x1 )
y = F (x )

x0 x2 s x1
Inicialización Escoger x0
Repetir xn+1 = F (xn )
verificar critério
 MÉTODOS NUMÉRICOS

Método de secante y = f(x)

Semejante al método de Newton Raphson

La Tangente del gráfico s e sustituye por
secante d e l o s dos últimos puntos. La
gran ventaja es no tener que derivar.

s xn+1 xn xn-1 x

xn−1 f (xn ) − xn f (xn−1 )

xn+1 =
f (xn) − f (x n−1 )

MÉTODOS NUMÉRICOS
GRÁFICOS DE DISPERSIÓN: Permite ver si hay asociación

Dadas dos variables X y Y tomadas sobre el mismo elemento de la población, el

diagrama de dispersión es simplemente un gráfico de dos dimensiones, donde en un eje
(la abscisa) se sitúa una variable, y en el otro eje (la ordenada) se sitúa la otra variable.
Si las variables están correlacionadas, el gráfico mostraría algún nivel de correlación
(tendencia) entre las dos variables. Si no hay ninguna correlación, el gráfico presentaría
una figura sin forma, una nube de puntos dispersos en el gráfico.

Estadística Económica 2007-

2008. Sara Mateo.
 MÉTODOS NUMÉRICOS

Independencia - Dependencia
Cuando se estudian dos características simultáneamente sobre una muestra, se puede considerar que una de ellas
influye sobre la otra . Por ejemplo la altura y el peso o las horas de estudio y la calificación en un examen.

El objetivo principal de la regresión es descubrir el modo en que se relacionan. Dos variables pueden considerarse:

Variables independientes  No tienen relación (una de ellas no sirve para explicar los movimientos de la otra)

Dependencia funcional  Y=f(x)

Dependencia estadística.

Dependencia
Independencia estadística Dependencia funcional
estadística

- +
Grado de asociación entre dos variables

MÉTODOS NUMÉRICOS
Mínimos cuadrados
 MÉTODOS NUMÉRICOS

Para el cálculo de la recta de regresión se aplica el método de mínimos

cuadrados entre dos variables. Esta línea es la que hace mínima la suma de los
cuadrados de los residuos, es decir, es aquella recta en la que las diferencias
elevadas al cuadrado entre los valores calculados por la ecuación de la recta y
los valores reales de la serie, son las menores posibles.
y = a + bx

MÉTODOS NUMÉRICOS

GRÁFICOS DE DISPERSIÓN / RECTA DE REGRESIÓN

La relación entre dos variables métricas puede ser representada mediante la línea de
mejor ajuste a los datos. Esta recta se le denomina recta de regresión, que puede ser
negativa o positiva, la primera con tendencia decreciente y la segunda creciente.
Recta de regresión
Pendiente

yn
yn 1 yˆ i
y3
u3 ui
yi
y1 yi
y2

Intercepto
x1 x2 x3 xi xn 1 xn

yi  a  bxi  ui ui  yi  yˆi
Error

MÉTODOS NUMÉRICOS

Llamemos a “u” perturbación o error, siendo la diferencia que hay entre el valor observado de la variable
exógena (y) y el valor estimado que obtendremos a través de la recta de regresión .

y i  a  bxi
La metodología para la obtención de la recta será hacer MÍNIMA la suma de los CUADRADOS de las
perturbaciones. ¿Por qué se elevan al cuadrado?
n n

u  ( yi  yˆi )
2
i
2
 ui2   ( yi  yˆi )2
i 1 i 1

 n 2 n n
2
min
q, p
 
 i 1
ui  
i 1
( yi  ˆ
y i ) 2
 
i 1

 yi   a
q  b
p xi  
 

 MÉTODOS NUMÉRICOS
n n
  y abx   y abx 
i 1
i i
2

i 1
i i
2 MINIMIZAR

 
a
 2  yi abxi 0 

 y  ab x 
i
i
i i
i  na   y b x
i
i
i
i 
 a  y bx
i
 

 2  yi abxi xi 0  x y a x b x 
i i i
2
i

b i  i i i

x yi  y bx  xi b  xi2  
i
i
i i
x
i
yi  ynx b  xi2 nx 2 
i
 i 

x yi 
 y  x bx nx b x
i 2 S
S xy bS x2 
 b 2
xy
i i i
i n i i Sx

MÉTODOS NUMÉRICOS
Mínimos cuadrados
 MÉTODOS NUMÉRICOS
Mínimos cuadrados

MÉTODOS NUMÉRICOS
Mínimos cuadrados

Mínimos cuadrados
 MÉTODOS NUMÉRICOS
Mínimos cuadrados

Linealización de relaciones no lineales

y y y

x
y  1e 1x y   2 x 2 y  3
3  x

x x x

ln y log y 1/y

Pendiente = 1
Pendiente = 2 Intersección = 1/3
x log x 1/x
Intersección = ln 1 Intersección = log 2

MÉTODOS NUMÉRICOS
Método de Thomas
Llewellyn Hilleth Thomas

Las Conferencias de L.H. Thomas esta entre las

presentaciones mas prestigiosas con audiencia general.

Thomas nació el Londres, Inglaterra el 21 de octubre de 1903.

Su nombre es con frecuencia asociado al método de eliminación eficiente

de Gauss para matrices tridiagonales denominado algoritmo de Thomas.
 MÉTODOS NUMÉRICOS
Método de Thomas
 También Conocido como el algoritmo de la matriz tridiagonal.
 En la literatura Inglesa este método se conoce como algoritmo de Thomas, ya que
ha sido utilizada por LH Thomas en 1949.
 En general una ecuación lineal puede ser resuelta por la técnica de eliminación de
Gauss, excepto para tipos especiales de matrices, donde este método de
eliminación necesitaría gran trabajo, almacenamiento y tiempo de computador.
 El Algoritmo de Thomas es para sistemas lineales tridiagonales la cual es una
simple variante del método de eliminación de Gauss la cual es altamente eficiente.
 El Algoritmo es estable estrictamente para sistemas diagonalmente dominantes.
|bi| > |ai|+|ci|, i = 1, . . . ,n… Se resuelve en 3 pasos.

MÉTODOS NUMÉRICOS
Método de Thomas
Matrices Especiales: Matriz tridiagonal: El método de eliminación de Gauss se puede
simplificar en el caso de sistema triagonal y aumentar eficiencia. El método simplificado
resultante se llama Thomas.
Un sistema tridiagonal :

b1 c1 0 0 x1 d1

a1 b2 c2 0 x2 = d2

0 a2 b3 c3 x2 d3

0 0 a3 b4 x3 d4
 MÉTODOS NUMÉRICOS
Método de Thomas
El método gaussiano se puede simplificar en sistema triagonal para aumentar la eficiencia. método Thomas. Un sistema :
β1x1 +γ1x2 +0x3 +0x4 +0x5 +0x6 +··· +0xn−2 +0xn−1 +0xn = b1
α1x1 +β2x2 +γ2x3 +0x4 +0x5 +0x6 +··· +0xn−2 +0xn−1 +0xn = b2
0x1 +α2x2 +β3x3 +γ3x4 +0x5 +0x6 +··· +0xn−2 +0xn−1 +0xn = b3
0x1 +0x2 α3x3 +β4x4 +γ4x5 +0x6 +··· +0xn−2 +0xn−1 +0xn = b4
··· (Sistema ecuaciones)
···
···
0x1 +0x2 +0x3 +0x4 +0x5 +0x6 +··· +αn− xn− +βn−1xn− +γn− xn = bn−
1 2 1 1 1

0x1 +0x2 +0x3 +0x4 +0x5 +0x6 +··· +0xn−2 +αn-1xn + βnxn = bn
−1

Aquí, suponemos que todos los α , β , γ … son diferentes de cero.

La primera ecuación del sistema dice: β1x1 +γ1x2 = b1 x1 + e1x2 = f1 e1= γ1 / β1 ; f1= b1 / β1
La segunda ec. sistema puede hacerse:x2 + e2x3 = f2 , Si e2= γ2 /( β2 -α 2e1) f2= ( b2 - α 2 f1)/( β2-α2e1)
La Jth puede asumirse … en la forma: Xj + ejXj+1 = fj
La Jth+1 reduce a: Xj+1 + ej+1Xj+2 = fj+1 Si ei+1= γi+1 /( βi+1 - α i+1ei); fi+1= ( bi+1 - α i+1 fi)/( βi+1 -α i+1ei)
Para j = 1, 2, ..., n - 2. Tenga en cuenta que si j= n-2, tenemos la ecuación j+1= (n- 1) th. Para la forma
reducida de la ecuación n-th, elimine xn-1 de la ecuación n-th multiplicando αn y restando.
( α nen-1 - βn ) Xn = (α n fn-1 - bn )

Esto se llama barrido hacia adelante. A continuación

se obtiene la solución por sustitución hacia atrás
 MÉTODOS NUMÉRICOS
Método de Thomas
function x = TDMAsolver(a,b,c,d);%a, b, c columnas, d vector derecho
% N numero de columnas
N= length(d);% Modifica coeficientes iniciales
c(1) = c(1) / b(1); % Division cero
d(1) = d(1) / b(1);
for n = 2:1:N
temp = b(n) - a(n) * c(n - 1);
if (n<N)
c(n) = c(n) / temp;
end
d(n) = (d(n) - a(n) * d(n - 1)) / temp;
end
% substitucion atrás.
x(N) = d(N);
for n = (N - 1):-1:1
x(n) = d(n) - c(n) * x(n + 1);
X1=5 ; X2=3 ; X3=2
end
end

MÉTODOS NUMÉRICOS
Método de Thomas
1. Sistema de Ecuaciones MESH y su Estructura.

 El método Wang-Henke (BubblePoint) se basa en llamadas ecuaciones MESH:

 Balances de masa (M).
 Las ecuaciones de equilibrio líquido-vapor (E).
 Sumatoria de las fracciones molares igual a 1 (S).
 Y balances de entalpía (H).
 Estas ecuaciones se aplican a los niveles de equilibrio de la columna de destilación
representada en la figura (el índice i se refiere al componente y el índice j al piso):
 MÉTODOS NUMÉRICOS
Método de Thomas
1. MESH y su Estructura.
 masa (M).

 equilibrio (E).

Fj
 sumafraccion (S).

 entalpía (H).