Libro de Metodos Numericos en Matlab PDF

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.
Huaman Huaman
1
INDICE
-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

2
Mtodos numricos en Ingeniera de Alimentos
Solucin numrica
CAPITULO I
SOLUCION NUMERICA
---------------------------------------------------------------------------------------------------------Objetivos: Desarrollar ejercicios de soluciones numricas para funciones matemticas
generales y aplicaciones a la ingeniera de alimentos.
----------------------------------------------------------------------------------------------------------
1.1
SOLUCION NUMERICA
Uno de los problemas ms antiguos y bsicos del clculo numrico es el problema de

bsqueda de la solucin de una ecuacin, es decir encontrar los valores de la variable x
que satisfacen la ecuacin f(x)=0, para una funcin f dada. Las ecuaciones pueden ser
algebraicas (la funcin f es un polinomio), por ejemplo: x2+5x-4=0 o bien trascendentes
puesto que estn constituidas por funciones trascendentes tales como funciones
exponenciales, trigonomtricas, logartmicas, etc., por ejemplo: e-x x; sen x; ln x2 1.
Solamente en casos muy simples, de ecuaciones algebraicas, existen frmulas que
permiten resolverlas en trminos de sus coeficientes, para el resto de las ecuaciones se
utilizan mtodos aproximados que permiten mejorar la solucin por simple repeticin del
mismo mtodo hasta adquirir el grado de aproximacin requerido. Estos mtodos son
apropiados para realizarlos utilizando computadoras puesto que comprenden la repeticin
de un proceso, es decir iteracin.
El objetivo principal del anlisis numrico es encontrar soluciones aproximadas a
problemas complejos utilizando slo las operaciones ms simples de la aritmtica. Se
requiere de una secuencia de operaciones algebraicas y lgicas que producen la
aproximacin al problema matemtico.
Los mtodos numricos pueden ser aplicados para resolver procedimientos matemticos
en: Clculo de derivadas, Integrales, Ecuaciones diferenciales, Operaciones con matrices,
Interpolaciones, Ajuste de curvas, Polinomios Los mtodos numricos se aplican en reas
como: Ingeniera Industrial, Ingeniera Qumica, Ingeniera Industrias Alimentarias,
Ingeniera Civil, Ingeniera Mecnica, Ingeniera elctrica, etc...
Por ello, los errores se deben:
Identificar
Cuantificar
Minimizar
Clculo Numrico es una materia de Clculo o Matemticas Aplicada, que muestra cmo
a travs de frmulas e iteraciones podemos obtener resultados bastante aproximados para
diversos problemas que se pueden plantear.
1
Solucin numrica
Se deben tener conocimientos de Clculo Matemtico, Series, Algebra Lineal, Aritmtica

y Trigonometra, entre otras cosas.
Los errores en clculos y medidas se pueden caracterizar con respecto a su exactitud y su
precisin.
Exactitud: La exactitud se refiere a qu tan cercano est el valor calculado o medido
del valor verdadero.
Precision: La precisin se refiere a qu tan cercanos se encuentran, unos de otros,
diversos valores calculados o medidos.
Errores: Los errores numricos surgen del uso de aproximaciones para representar
operaciones y cantidades matemticas exactas. stas incluyen los errores de
truncamiento que resultan del empleo de aproximaciones como un procedimiento
matemtico exacto, y los errores de redondeo que se producen cuando se usan nmeros
que tienen un lmite de cifras significativas para representar nmeros exactos. Para
ambos tipos de errores, la relacin entre el resultado exacto, o verdadero, y el
aproximado est dada por
Valor verdadero = Valor aproximado + error
(1.1)
Reordenando la ecuacin (1.1) se encuentra que el error numrico es igual a la diferencia

entre el valor verdadero y el valor aproximado, es decir
Et = valor verdadero valor aproximado
(1.2)
Donde Et se usa para denotar el valor exacto del error. El subndice t indica que se trata
del error verdadero (true).
El error relativo tambin se puede multiplicar por 100% para expresarlo como
Error verdadero
* 100%
Valor verdadero
(1.3)
Donde et denota el error relativo porcentual verdadero.

Error normalizado
Error aproximado
* 100%
Valor aproximado
(1.4)
Donde el subndice a significa que el error est normalizado a un valor aproximado

Por ejemplo, ciertos mtodos numricos usan un mtodo iterativo para calcular los
resultados. En tales mtodos se hace una aproximacin considerando la aproximacin
anterior. Este proceso se efecta varias veces, o de forma iterativa, para calcular en forma
sucesiva, esperando cada vez mejores aproximaciones.
2
Solucin numrica
Error relativo porcentual

En tales casos, el error a menudo se calcula como la diferencia entre la aproximacin
previa y la actual. Por lo tanto, el error relativo porcentual est dado por
Aproximacin actual Aproximacin anterior

* 100%
Aproximacin actual
(1.5)
Los signos pueden se positivos o negativos, Por lo tanto, es til emplear el valor absoluto.
s Fijado previamente.
a s
(1.6)
Errores de redendeo
Los nmeros tales como pi, e 7 no pueden exspresarse con un nmero fijo de cifras
significativas. Por lo tanto, no pueden ser representados exactamente por la computadora.
Adems, debido a que las computadoras usan una representacin en base 2, no pueden
representar exactamente algunos nmeros en base 10. Esta discrepancia por la omisin
de cifras significativas se llama error de redondeo.
Errores de truncamiento
Los errores de truncamiento son aquellos que resultan al usar una aproximacin en lugar
de un procedimiento matemtico exacto. Por ejemplo, en el captulo 1 aproximamos la
derivada de la velocidad de cada de un paracaidista mediante una ecuacin en diferencia
finita dividida de la forma
a s
(1.7)
Metodos cerrados
En los mtodos cerrados, la raz se encuentra dentro de un intervalo predeterminado por
un lmite inferior y otro superior. La aplicacin repetida de estos mtodos siempre genera
aproximaciones cada vez ms cercanas a la raz. Se dice que tales mtodos son
convergentes porque se acercan progresivamente a la raz a medida que se avanza en el
clculo.
Metodos abiertos
Los mtodos abiertos se basan en frmulas que requieren nicamente de un solo valor de
inicio x o que empiecen con un par de ellos, pero que no necesariamente encierran la raz.
stos, algunas veces divergen o se alejan de la raz verdadera a medida que se avanza en
el clculo. Sin embargo, cuando los mtodos abiertos convergen, en general lo hacen
mucho ms rpido que los mtodos cerrados.
3
Solucin numrica
1.1.1 Procedimiento de solucin usando programa en interfaz GUIDE Matlab

1.
2.
3.
4.
5.
I.
Crear una carpeta con el nombre Races

Guardar una imagen en jpg, dentro de la carpeta (con nombre caratula u otro)
Abrir el software Matlab
Hacer click en la ventana New Script
Digitar el siguiente cdigo y guardar en archivo.m (Caso para la caratula)
Programa para la CARATULA
function caratula
%Autor: Ing. Alberto Luis HUAMANI HUAMANI
%***************************************************************
% presentacin: funcin que presenta la pantalla de presentacin
%***************************************************************
clear,clc,cla,close all
%Creamos figura
figdiag=figure('Units','Pixels',...
'Position',[0.06 0.06 0.9 0.9],... %Tamao de la presentacin
'Number','off',...
'Name','UNSCH/FIQM/EFP Ingenieria en Industrias Alimentarias', ...
'Menubar','none', ...
'color',[0 0 0]);
%Ubicamos ejes en figura
axes('Units','Normalized',...
'Position',[0 0 1 1]);
%-----Centramos la figura--------scrsz = get(0, 'ScreenSize');
pos_act=get(gcf,'Position');
xr=scrsz(3) - pos_act(3);
xp=round(xr/2);
yr=scrsz(4) - pos_act(4);
yp=round(yr/2);
set(gcf,'Position',[xp yp pos_act(3) pos_act(4)]);
%--------------------------------------%Incluir imagen
%Importamos imagen *.jpg,junto con su mapa de colores
[x,map]=imread('caratula.jpg','jpg');
%Representamos imagen en figura, con su mapa de colores
image(x),colormap(map),axis off,hold on
%Ttulos sobre imagen
%Ttulo
text(150,90,'E.F.P.Ingenieria en Industrias
Alimentarias','Fontname','Arial','Fontsize',30,'Fontangle','Italic', ...
'Fontweight','Bold','color',[1 0 0]);
text(780,1070,'Ing. Alberto HUAMANI HUAMANI','Fontname', ...
'Comic Sans MS','Fontangle','Italic','Fontweight','Bold', ...
'Fontsize',18,'color',[0 0 1]);
%Botn Continuar
4
Solucin numrica
botok=uicontrol('Style','pushbutton', ...
'Units','normalized', ...
'Position',[.84 .03 .12 .05], ...
'String','CONTINUAR',...
'Callback','clear all; close all;clc; METODOS_NUMERICOS;'); %GUI es el nombre del
siguiente programa.
6.
7.
Guarda el programa en la carpeta creada como: caratula.m

Ejecutando deber salir el siguiente esquema( el fondo es la imagen guardada
previamente como jpg)
II. Programa para crear el siguiente formulario
1.
Abrir la ventana de interfaz GUIDE, Haciendo click en la figurita o

escribiendo guide en la entana de window

5
Solucin numrica
2.
Aparecer la siguiente ventana y elegir Create New Guide y hacer click en

OK
3.
Aparecer la siguiente ventana

6
Solucin numrica
4.
Confeccionamos el siguiente formulario
Hacer click en una de los comandos (Push Button) y arrastrar a la parte del formulario
5.
Hacer doble click en Push Button y escribir en la ventana de propiedades de

String: SOLUCION NUMERICA
Y asi sucesivamente para todos los comandos mostrados en el siguiente formulario

Que tiene todo los comandos de Push Button

7
6.
Solucin numrica
Una vez llenado el formulario guardar el formulario dentro de la carpeta

creada :
Guardar como: METODOS_NUMERICOS.fig
Automticamente se creara el archivo.m
III. Programa para el siguiente formulario

8
Metodo Biseccin
Prctica 1-1
METODO DE
BISECCION
1.1
MTODO DE BISECCIN
El mtodo de biseccin, conocido tambin como de corte binario, de particin de

intervalos o de Bolzano, es un tipo de bsqueda incremental en el que el intervalo se
divide siempre a la mitad. Si la funcin cambia de signo sobre un intervalo, se evala el
valor de la funcin en el punto medio. La posicin de la raz se determina situndola en
el punto medio del subintervalo, dentro del cual ocurre un cambio de signo. El proceso se
repite hasta obtener una mejor aproximacin (Chapra, 2007).
El mtodo de biseccin se puede aplicar para resolver ecuaciones no lineales como f (x)
= 0. El mtodo de de Biseccin tiene como base el Teorema de valor Intermedio, el cual
a la letra dice:
Teorema de valor intermedio
Sea f(x) una funcin continua en [x1, x2] y sea xr un valor entre (f(x1), f(x2)), entonces
existe un valor x* entre (x1, x2), tal que f(x*) = xr
Corolario
Sea f(x) una funcin continua en [x1, x2] y sean f(x1) y f(x2) de signos contrarios, entonces
existe un valor x* entre (x1, x2), tal que f(x*) = 0
Paso 1: Elija valores iniciales inferior, xl, y superior, x2, que encierren la raz, de forma
tal que la funcin cambie de signo en el intervalo. Esto se verifica
comprobando que
f x1 f x2 0 .
Paso 2: Una aproximacin de la raz xr se determina mediante:
xr
x1 x2
2
(1.8)
Paso 3: Realice las siguientes evaluaciones para determinar en qu subintervalo est la

raz:
a) Si f x1 f xr 0 , entonces la raz se encuentra dentro del subintervalo
inferior o izquierdo. Por lo tanto, haga x2 = xr y vuelva al paso 2.
b) Si f x1 f xr 0 , entonces la raz se encuentra dentro del subintervalo
superior o derecho. Por lo tanto, haga x1 = xr y vuelva al paso 2.
9
Metodo Biseccin
c) Si f x1 f xr 0 , la raz es igual a xr; termina el clculo.

Concluyendo.
El mtodo de biseccin tiene limitaciones sobre otros mtodos numricos, para obtener
races de ecuaciones no lineales, sin embargo da resultados aproximados para la
simplicidad del algoritmo.
1.
Abrir nuevamente un formulario en blanco y digitar los Push Button
Una vez digitado los comandos, guardar como: SOLUCION_NUMERICA.fig

Y aparecer nuevamente el archivo.m para este formulario.
function NUMERICA_Callback(hObject, eventdata, handles)
% hObject handle to NUMERICA (see GCBO)
SOLUCION_NUMERICA
2.
Abrir nuevamente un formulario en blanco y digitar
Como en el paso 12, y confeccionamos el formulario como vemos en la figura
Formulario
Procedimiento de llenado del formulario

Paso 1: Realizamos el formulario copiando Static text , Edit text, table para la salida
de resultados, axes1 para el grafico y push button
Static text1: para texto: hacer doble click en la tabla de cdigo y llenar:
String: Funcion matematica
Style: texto
Edit text1: para ingreso de valores: hacer doble click en la tabla de cdigo y llenar:
String:
Style:edit
Tag: edit1
10
Metodo Biseccin
Edit text: para salida de valores: hacer doble click en la tabla de cdigo y llenar:
String: nombre a poner
Style:edit
Tag: edit2 o nombre de la variable
Table: insertar un table y hacer anticlick y en table property poner el nombre de las
variables de salida que se desea mostrar.
En propiedades poner en Tag: tabla
Paso 2: Completado el formulario, guardar el formulario como, guardar archivo como:
METODO_BISECCION.fig
1) Inmediatamente se autogenera el archivo.m,
2) En el archivo generado buscar Pushbutton1. Digitar el cdigo del programa en
el Push button1, despus de la lnea siguiente para el caso y as sucesivamente.
Paso 2: Digitar el Programa
function pushbutton1_Callback(hObject, eventdata, handles)
f=get(handles.edit1,'string');
f=inline(f);
xai=str2double(get(handles.edit2,'string')); % valor de x1
xbi=str2double(get(handles.edit3,'string')); % valor de x2
tol=str2double(get(handles.edit4,'string')); % error
i=1;
ea(1)=100;
%%%%% Metodo Biseccin %%%%%%
if f(xai)*f(xbi)<0; % Comprobando que la raiz se encuentra en este intervalo
xa(1)=xai;
xb(1)=xbi;
xr(1)=(xa(1)+xb(1))/2;
%Limpiar tabla antes de mostrar resultado
set(handles.tabla,'Data',{})
% Limpiar tabla, grafico en caso de que antes se haya graficado una funcion
hold off
cla
set(handles.respuesta,'string','No hay raiz');
while abs(ea(i))>=tol
if f(xa(i))*f(xr(i))<0 % Condicion de cumplimiento
xa(i+1)=xa(i);
xb(i+1)=xr(i); % Es la raiz(xr) si se cumple condicion
end
if f(xa(i))*f(xr(i))>0 % Condicion de cumplimiento
xa(i+1)=xr(i); % Es la raiz(xr) si se cumple condicion
xb(i+1)=xb(i);
end
xr(i+1)=(xa(i+1)+xb(i+1))/2; % Valor intermedio para 2 iteracion
11
Metodo Biseccin
ea(i+1)=abs((xr(i+1)-xr(i))/(xr(i+1))*100);% error absoluto

% Mostrara datos en tabla
valores = {i xa(i+1) xb(i+1) xr(i+1) ea(i+1)};
temp=get(handles.tabla,'data');
valoresNuevos=[valores;temp];
set(handles.tabla,'Data',valoresNuevos)
i=i+1;
end % Cerramos while
% Mostrando respuesta en textbox con formato coma flotante a 6 cifras decimales
respuesta=sprintf('%0.6f',xr(i));
set(handles.respuesta,'string',respuesta);
%Grafica de la funcion
fplot(handles.axes1,f,[xai xbi]);
grid on;
hold on;
handles.axes1=plot(xr(i),subs(f,respuesta),'r*');
else
set(handles.respuesta,'string','No existe la raiz en el intervalo');
zoom on
end
cla %limpiar tabla
%limpiar textboxs
set(handles.edit1,'string','');
set(handles.respuesta,'string','');
SOLUCION_NUMERICA
Paso 3: Correr el Programa, llenando los espacios en blanco con la funcin matemtica,
valor de x1, x2 y el error y hacer click en calcular
Planteamiento del problema. Utilice el mtodo grfico para determinar el coeficiente
de arrastre c necesario para que un paracaidista de masa m = 68.1 kg tenga una velocidad
de 40 m/s despus de una cada libre de t = 10 s. Nota: La aceleracin de la gravedad es
9.8 m/s2.
Solucin. Este problema se resuelve determinando la raz de la ecuacin usando los
parmetros t = 10, g = 9.8, v = 40 y m = 68.1:
La ecuacin resulta:

12
Metodo Biseccin
c
*t
mg
v
* 1 e m
mg
c
* 1 exp * t v
c
m
667,38
f ( x)
* 1 exp 0,146843* x 40
x
f ( x)
f(x)= (667.38/x)*(1-exp(-0.146843*x))-40
Resultados

13
Metodo Biseccin
1.1.2 Usando archivo.m

Paso 1: Abrir la carpeta New Script
Paso 2: Digitacin del cdigo para el mtodo biseccin (caso con ingreso de funcin
matemtica)
% Clculo de ecuacin matemtica por el mtodo de la biseccin
% Alberto HUAMANI HUAMANI
% 2016
disp(' METODO DE LA BISECCION ')
disp(' Metodos matemticos en industrias alimentarias')
disp(' ')
f = input(' INGRESE LA FUNCION en x :','s');
xai = input(' INGRESE LIMITE INFERIOR DEL INTERVALO: ');
xbi = input(' INGRESE LIMITE SUPERIOR DEL INTERVALO: ');
tol= input(' INGRESE EL PORCENTAJE DE ERROR: ');
f=inline(f);
i=1;
ea(1)=100;
xa(1)=xai;
xb(1)=xbi;
xr(1)=(xa(1)+xb(1))/2;
fprintf(' it
xa
xr
xb
error aprox\n');
fprintf('%2d\t %11.7f \t %11.7f \t %11.7f\n', i,xa(i),xr(i),xb(i));
while abs(ea(i))>=tol,
if f(xa(i))*f(xr(i))<0 % Condicion de cumplimiento
xa(i+1)=xa(i);
xb(i+1)=xr(i); % Es la raiz(xr) si se cumple condicion
end
if f(xa(i))*f(xr(i))>0 % Condicion de cumplimiento
xa(i+1)=xr(i); % Es la raiz(xr) si se cumple condicion
xb(i+1)=xb(i);
end
xr(i+1)=(xa(i+1)+xb(i+1))/2; % Valor intermedio para 2 iteracion
ea(i+1)=abs((xr(i+1)-xr(i))/(xr(i+1))*100);% error absolute
fprintf('%2d\t %11.7f \t %11.7f \t %11.7f \t, %7.3f\n', i+1,xa(i+1),xr(i+1),xb(i+1),
ea(i+1));
i=i+1;
else
end
Paso 3: Guardar el archive como biseccion.m
Paso 4: Ejecutar haciendo click en la flecha verde
Paso 5: Ingresar la funcin, valor de x1, x2 y error
Luego de ejecutar se tiene el resultado

14
Metodo Biseccin
Resultado
>> FALSA_POSICIO_2016
METODO DE LA BISECCION
Metodos matemticos en industrias alimentarias
INGRESE LA FUNCION en x :(667.38/x)*(1-exp(-0.146843*x))-40
INGRESE LIMITE INFERIOR DEL INTERVALO: 12
INGRESE LIMITE SUPERIOR DEL INTERVALO: 16
INGRESE EL PORCENTAJE DE ERROR: 0.001
Resultado
it
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
>>
xa
12.0000000
14.0000000
14.0000000
14.5000000
14.7500000
14.7500000
14.7500000
14.7500000
14.7656250
14.7734375
14.7773438
14.7792969
14.7792969
14.7797852
14.7800293
xr
14.0000000
15.0000000
14.5000000
14.7500000
14.8750000
14.8125000
14.7812500
14.7656250
14.7734375
14.7773438
14.7792969
14.7802734
14.7797852
14.7800293
14.7801514
xb
error aprox
16.0000000
16.0000000
, 6.667
15.0000000
, 3.448
15.0000000
, 1.695
15.0000000
, 0.840
14.8750000
, 0.422
14.8125000
, 0.211
14.7812500
, 0.106
14.7812500
, 0.053
14.7812500
, 0.026
14.7812500
, 0.013
14.7812500
, 0.007
14.7802734
, 0.003
14.7802734
, 0.002
14.7802734
, 0.001

15
Metodo Biseccin

16
Metodo Falsa Posicin
Prctica 1-2
METODO FALSA POSICIN

1.2 MTODO DE LA FALSA POSICIN O REGULA FALSI
Un inconveniente del mtodo de biseccin es que al dividir el intervalo de xl a x2 en
mitades iguales, no se toman en consideracin las magnitudes de f(xl) y f(x2). Por
ejemplo, si f(xl) est mucho ms cercana a cero que f(x2), es lgico que la raz se encuentre
ms cerca de xl que de x2. Un mtodo alternativo que aprovecha esta visualizacin grfica
consiste en unir f(xl) y f(x2) con una lnea recta. La interseccin de esta lnea con el eje
de las x representa una mejor aproximacin de la raz.Tambin se le conoce como mtodo
de interpolacion lineal (Chapra, 2007).
Usando tringulos semejantes, la interseccin de la lnea recta con el eje de las x se estima
mediante
f x1
f x2
x f x1 x f x2
(1.9)
Despejando xr
x f x2
f x2 x1 x2
f ( x1 ) f ( x2 )
(1.10)
1.2.1 Solucin usando Programa GUIDE Matlab

Formulario

17
Programa
function varargout = pushbutton1_Callback(h, eventdata, handles, varargin)
f=inline(f);
xai=str2double(get(handles.edit2,'string')); % valor de x1
xbi=str2double(get(handles.edit3,'string')); % valor de x2
tol=str2double(get(handles.edit4,'string')); % error
i=1;
ea(1)=100;
%%%%% Metodo Biseccin %%%%%%
xa(1)=xai;
xb(1)=xbi;
xf(1)= xb(1)-f(xb(1))*(xa(1) - xb(1))/(f(xa(1))-f(xb(1)));
% Limpiar tabla, grafico en caso de que antes se haya graficado una funcion
hold off
cla
while abs(ea(i))>=tol
if f(xa(i))*f(xf(i))<0 % Condicion de cumplimiento
xa(i+1)=xa(i);
xb(i+1)=xf(i); % Es la raiz(xr) si se cumple condicion
end
if f(xa(i))*f(xf(i))>0 % Condicion de cumplimiento
xa(i+1)=xf(i); % Es la raiz(xr) si se cumple condicion
xb(i+1)=xb(i);
end
xf(i+1)= xb(i+1)-f(xb(i+1))*(xa(i+1) - xb(i+1))/(f(xa(i+1))-f(xb(i+1)));
ea(i+1)=abs((xf(i+1)-xf(i))/(xf(i+1))*100);% error absoluto
valores = {i xa(i+1) xb(i+1) xf(i+1) ea(i+1)};
i=i+1;
% Mostrando respuesta en textbox con formato coma flotante a 6 cifras decimales
respuesta=sprintf('%0.6f',xf(i));
fplot(handles.axes1,f,[xai xbi]);
grid on;
hold on;
handles.axes1=plot(xf(i),subs(f,respuesta),'r*');
else
18
zoom on
end
cla %limpiar tabla
%limpiar textboxs
SOLUCION_NUMERICA
Ejecutar: hacer click en la flecha verde
Paso 5: Ingresamos la funcin matemtica o los valores numricos segn sea el caso,
ingresar los limites inferior y superior y el error; y se tiene el resultado
Ingrese la funcin: f ( x)
667,38
* 1 exp 0,146843* x 40
x
f(x)= (667.38/x)*(1-exp(-0.146843*x))-40
xa1= 12 xb1=16
tol: 0.05;
Hacer Click en calcular
Desventajas del mtodo de la falsa posicin

Aunque el mtodo de la falsa posicin parecera ser siempre la mejor opcin entre los
mtodos cerrados, hay casos donde funciona de manera deficiente. En efecto, como en el
ejemplo siguiente, hay ciertos casos donde el mtodo de biseccin ofrece mejores
resultados.
19

20
Metodo Newton Rapson
Prctica 1-3
NEWTON-RAPHSON
1.3
MTODO DE NEWTON-RAPHSON O DE LA TANGENTE
Si el valor inicial para la raz es xi, entonces se puede trazar una tangente desde el punto
[xi, f(xi)] de la curva. Por lo comn, el punto donde esta tangente cruza al eje x representa
una aproximacin mejorada de la raz.
Figura 1.3. Mtodo de Newton-Raphson
El mtodo de Newton-Raphson se deduce a partir de esta interpretacin geomtrica (un

mtodo alternativo basado en la serie de Taylor. De la figura 1.3, se tiene que la primera
derivada en x es equivalente a la pendiente:
f ' xi
f xi 0
xi xi 1
(1.11)
Reordenando la ecuacin anterior
xi 1 xi
f ( xi )
f ' xi
(1.12)
Deduccin la frmula de Newton-Raphson usando una serie de Taylor.

La expansin de la serie de Taylor se puede expresar como:
21
f ' ' ( xi ) xi 1 xi
f ( xi 1 ) f xi f ' xi xi 1 xi
...
2!
2
(1.13)
Truncando la serie de Taylor despus del trmino de la primera derivada, se obtiene una
versin aproximada:
f ( xi 1 ) f xi f ' xi xi 1 xi
(1.14)
En la interseccin con el eje x, f(xi+1) debe ser igual a cero, o
0 f xi f ' xi xi1 xi
(1.15)
f ( xi )
f ' xi
(1.16)
xi 1 xi
Desventajas del mtodo de Newton-Raphson

Aunque en general el mtodo de Newton-Raphson es muy eficiente, hay situaciones
donde se comporta de manera deficiente. Por ejemplo en el caso especial de races
mltiples. Sin embargo, tambin cuando se trata de races simples, se encuentran
dificultades.
1.4
MTODO NEWTON MEJORADO
Una de las condiciones para garantizar la convergencia del mtodo de Newton es que
f(x) tiene que ser diferente de cero . Si al ejecutar el mtodo de Newton se observa que
f(xn) se aproxima a cero, la rapidez del mtodo disminuye y hay una posible raz
mltiple.
El mtodo de raz mltiple tambin es conocido como el mtodo de Newton mejorado,
y bsicamente su estructura es muy similar excepto de que se debe hallar la segunda
derivada.
Si en lugar de considerar los dos primeros trminos de la serie de Taylor se consideran
los tres primeros trminos, se representa con xi a la diferencia entre x i+1 y xi y se iguala
a cero, se tiene:
f xi xi f ' xi
y sustituyendo xi por
xi 2
2
f ' ' xi 0
(1.17)
f xi
(a partir de la frmula de Newton-Raphson) queda:
f ' xi

22
1 f xi
f xi xi f ' xi
f ' ' xi 0
2 f ' xi
(1.18)
Despejando Xi se obtiene:
xi
f xi
f xi
f ' xi
f ' ' xi
2 f ' xi
(1.19)
De la ecuacin despejando el valor de x i+1:

xi 1 xi
f xi
f xi
f ' xi
f ' ' xi
2 f ' xi
(1.20)
1.4.1 Procedimiento de programa en GUIDE de Matlab

Formulario
Para Pop Up Menu, En string hacer doble click y escribir despus de Seleccionar:
Programa
x0=str2double(get(handles.edit2,'string'));
23
tol=str2double(get(handles.edit3,'string'));
i=1;
fx(i)=x0; % valor inicial de fx(i)
syms x; % syms declarar la variable x
ea(1)=100;
f1=subs(f,x,fx(i)); % Evaluacion numerica de f en funcion de x para fx
z=diff(f); % derivada de f
d=subs(z,x,fx(i)); % evaluacion de z
z2=diff(f,2); % calculo de la segunda derivada de f
d2=subs(z,x,fx(i)); % evaluacion de z
% Opciones de calculo
v=get(handles.seleccionar,'value');
switch v
case 2
while abs(ea(i))>=tol;
fx(i+1)=fx(i)-f1/d; % Expresion de Newton
f1=subs(f,x,fx(i+1)); % Evalua f1
d=subs(z,x,fx(i+1)); % Evalua z
ea(i+1)=abs((fx(i+1)-fx(i))/fx(i+1)*100);% Error absoluto
i=i+1;
end
for j=1:i;
%mostrara datos en tabla
valores = {j-1,fx(j),ea(j)};
end
% Mostrando de raiz en textbox con formato coma flotante a 6 cifras decimales
raiz=sprintf('%0.6f',fx(j));
set(handles.raiz,'string',raiz);
%end
hold off
fplot(handles.axes1,f,[0 fx(j)+1]);
grid on;
hold on;
handles.axes1=plot(fx(j),subs(f,raiz),'r*');
zoom on
case 3
while abs(ea(i))>=tol;
fx(i+1)=fx(i)-(f1*d)/(d^2-(f1*d2)); % Expresion de Newton
f1=subs(f,x,fx(i+1)); % Evaluacion numerica de f en funcion de x para fx
d=subs(z,x,fx(i+1)); % Evalua z
d2=subs(z,x,fx(i+1)); % evaluacion de z
24
ea(i+1)=abs((fx(i+1)-fx(i))/fx(i+1)*100);% Error absoluto

i=i+1;
end
for j=1:i;
valores = {j-1,fx(j),ea(j)};
end
%Mostrando de raiz en textbox con formato coma flotante a 6 cifras decimales
raiz=sprintf('%0.6f',fx(j));
set(handles.raiz,'string',raiz);
hold off
fplot(handles.axes1,f,[0 fx(j)+1]);
grid on;
hold on;
handles.axes1=plot(fx(j),subs(f,raiz),'r*');
zoom on
end
% hObject handle to pushbutton2 (see GCBO)
cla %limpiar tabla
%limpiar textboxs
set(handles.raiz,'string','');
set(handles.advertir,'string','');
Compilacin
Ingrese la funcin: f ( x)
667,38
* 1 exp 0,146843* x 40
x
f(x)= (667.38/x)*(1-exp(-0.146843*x))-40
xi= 12; tol: 0.05
a)
Newton Rapson

25
b)
Newton Rapson mejorado

26
Metodo Secante
Prctica 1-4
METODO SECANTE
1.5 MTODO DE LA SECANTE
Surge como una variacin del mtodo de Newton-Raphson, en lugar de tomar la tangente
se toma la secante. De manera que la derivada se aproxima por una diferencia finita
dividida hacia atras, basada en las estimaciones sucesivas es decir, como en (figura 1.8)
Figura 1.8. Mtodo de la Secante
Esta tcnica es similar a la del mtodo de Newton-Raphson (figura 1.8) en el sentido de

que una aproximacin de la raz se predice extrapolando una tangente de la funcin hasta
el eje x. Sin embargo, el mtodo de la secante usa una diferencia dividida en lugar de una
derivada para estimar la pendiente (Chapra, 2007).
f ' xi
f xi 1 f xi
xi 1 xi
(1.21)
Esto puede sustituirse en la frmula (1), quedando asi la formula de la secante:
xi 1 xi
f xi xi 1 xi
f xi 1 f xi
(1.22)
El mtodo requiere de dos valores iniciales pero como no se requiere que f(x) cambie de
signo en el intervalo considerado, no se lo incluye dentro de los mtodos que utilizan
intervalos, este mtodo no se clasifica como un mtodo cerrado.
27
Metodo Secante
Observe la similitud entre los mtodos de la secante y de la falsa posicin. Por ejemplo,
las ecuaciones son idnticas en todos los trminos. Ambas usan dos valores iniciales para
calcular una aproximacin de la pendiente de la funcin que se utiliza para proyectar hacia
el eje x una nueva aproximacin de la raz. Sin embargo, existe una diferencia crtica
entre ambos mtodos. Tal diferencia estriba en la forma en que uno de los valores iniciales
se reemplaza por la nueva aproximacin.
1.5.1 Procedimiento de Programa en GUIDE de Matlab
Formulario
Programa
x0=str2double(get(handles.edit2,'string'));%
syms x;
ea(1)=100;
%Limpiar tabla, grafico en caso de que antes se haya graficado una funcion
hold off
cla
i=1;
28
Metodo Secante
while abs(ea)>tol;
x=x0;
g=eval(f);
x=x1;
gg=eval(f);
xi=x1-((gg*(x0-x1))/(g-gg));
ea=abs((xi-x1)/xi)*100;
x0=x1;
x1=xi;
valores = {i,x xi,ea};
i=i+1;
end
%Mostrando respuesta en textbox con formato coma flotante a 6 cifras decimales
respuesta=sprintf('%0.6f',xi);
hold off
fplot(handles.axes1,f,[0 xi+1]);
grid on;
hold on;
handles.axes1=plot(xi,subs(f,respuesta),'r*');
zoom on
cla %limpiar tabla
%limpiar textboxs
SOLUCION_NUMERICA
Resultado

29
Metodo Secante

30
Aplicaciones a Ingeniera de Alimentos
Prctica 1-5
APLICACIONES EN
INGENIERIA DE ALIMENTOS
1. Ejercicio 1: Aplicacin coeficiente de friccion
La siguiente relacin entre el factor de friccin f y el nmero de Reynolds (Re) se cumple
cuando hay flujo turbulento de un fluido en un tubo liso.
1
0.4 1.74Ln (Re f )
f
Construya una tabla de valores de f correspondientes a nmeros de Reynolds de 104 hasta
106.
Solucin
La funcin transformada es:
1
0.4 1.74Ln (Re f )
f
1 0.4 f 1.74 f * Ln(Re f )

Entonces la funcin a solucionar es:
g ( f ) 1 0.4 f 1.74 f * Ln(Re f )

fx = -1 - (0.4 * x) + 1.74 * x * log(Re * (x ^ 0.5))
Formulario

31
Programa
Para incorporar imagen
function Problema_1_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
axes(handles.axes1)
background=imread('friccion.jpg');
axis off
imshow(background)
x0=str2double(get(handles.edit1,'string'));%
%Limpiar tabla, grafico en caso de que antes se haya graficado una funcion
hold off
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Re = [10000; 50000;100000; 200000; 300000; 400000; 500000; 700000;900000;10^6];
n=length(Re);
for k=1:n
i=0;% iteracion del metodo numerico
fxs=1;
while abs(fxs)>tol &(i<10);
fx0 = -1-(0.4*x0) + 1.74*x0*log(Re(k)*(x0^0.5));
fx1 = -1-(0.4*x1) + 1.74*x1*log(Re(k)*(x1^0.5));
xs=x1-((fx1*(x0-x1))/(fx0-fx1)); % algoritmo de metodo secante
fxs = -1-(0.4*xs) + 1.74*xs*log(Re(k)*(xs^0.5));
ea=abs((xs-x1)/xs)*100;
x0=x1;
x1=xs;
i=i+1;
end
% CALCULOS
X(k) = xs;
f=X(k);
valores = {Re(k) f};
k=k+1;
hold on;
axes(handles.axes2)
32
plot(Re(k),f,'b*')
legend ( 'Factor de friccion en funcion del Re' )
ylabel( 'Valor de f' )
xlabel( 'Re' )
grid on;
end
cla %limpiar tabla
%limpiar textboxs
close
Solucionario

33
2. Ejercicio 2: Aplicacin en destilacin

Equilibrio liquido vapor y la determinacin de propiedades caractersticas de este estado
como son la temperatura y las composiciones.
Introduccin
Varios procesos industriales importantes, por ejemplo, destilacin, absorcin y
extraccin, ponen en contacto a dos fases entre las que, cuando no estn en equilibrio, se
efecta una transferencia de masa. La velocidad de transferencia de cada especie depende
de la separacin del sistema respecto al equilibrio (T, P.X, Y) del sistema.
En la mayor parte de los procesos industriales las fases que coexisten son vapor y liquida,
aunque tambin se han encontrado sistemas liquido-liquido, vapor slido y y liquido
slido. A continuacin, haremos un planteamiento de un problema en donde se requiere
conocer el comportamiento en el equilibrio para un sistema lquido vapor y los clculos
correspondientes para determinar la temperatura y composiciones de las fases de este
sistema.
Problema:
Considere un lquido en equilibrio con su vapor. Si el lquido est formado por los
componentes 1,2,3,4; con los datos dados a continuacin calcule la temperatura y la
composicin del vapor en el equilibrio a la presin total de 75 psia.
Componente
Composicin del lquido

(%mol)
1
2
3
4
10
54
30
6
Presin del vapor del componente puro (psia)

150 K
200 K
25
14,7
4
0,5
200
60
14,7
5
Para resolver este problema se plantean las siguientes ecuaciones:

Para la presin de vapor:
Ln pi Ai
0
Bi
T1
(1)
Donde i =1, 2, 3, 4 y T (K).

La presin total del sistema ser:
PT Pi
(2)
Considerando que la mezcla de estos cuatro componentes, a las condiciones de presin y

temperatura dadas, obedecen las leyes de Raoult y de Dalton.
PT pi * xi
0

34
(3)
Donde: pi0 = Presin de vapor de cada componente.

PT = presin total del sistema.
pi = Presin parcial de cada componente.
xi = Fraccin mol de cada componente en el lquido.
De la ecuacin de presin de vapor se tiene que
B
0
pi exp Ai i
T1
i 1,2,3,4
Despejando pi de 1 y reemplazndola en 3 tenemos:
PT xi * exp Ai i
T
Entonces despejando nos queda una ecuacin la cual es funcin de la temperatura. La

ecuacin es la siguiente:
f T PT xi * exp Ai i
T
(4)
Para obtener Ai y Bi realizamos el siguiente procedimiento:

Hacemos p1, i = presin de vapor del componente i a T1 =150 K
p2, i = presin de vapor del componente i a T2 = 200K
Entonces
i 1,2,3,4
(5)
i 1,2,3,4
(6)
Bi
T1
B
0
Ln pi , i Ai i
T2
Ln pi , i Ai
Restando estas ecuaciones se tiene
p10 , i
1 1
Ln 0 Bi
T1 T2
p2 , i
De donde
p10 , i
Ln 0
p ,i
Bi 2
1 1

T1 T2
35
Reemplazando estos valores conocemos Bi y podemos obtener Ai de la ecuacin (4).

Valores iniciales
Ahora para hallar un valor inicial de T para resolver la ecuacin 4, se considera el
componente dominante de la mezcla que en este caso de acuerdo a los datos dados en la
tabla es el componente 2, y se usa PT en lugar de p2 en la ecuacin 1 que es la de presin
de vapor. Es decir,
Ln PT A2
B2
T
De donde
B2
A2
Ln PT
Con este resultado inicial y las consideraciones ya mencionadas, utilizamos el mtodo de

Newton - Raphson para hallar la temperatura del sistema (temperatura de burbuja) en el
equilibrio.
Mtodo de Newton Raphson
xi 1 xi
f xi
f ' xi
Dnde: f (T) = - xi exp ( Ai + Bi / T ) * ( - Bi / T2 ) derivada de f
Y f T PT xi * exp Ai i 0
T
B B
f ' ' T xi * exp Ai i * 2i

T T
Algoritmo Utilizado
Para encontrar una raz de la ecuacin f (xi+1) = 0, proporcionar la funcin f (xi) y su
derivada df(xi) y los datos:
Datos: Valor inicial x0, criterio de convergencia (ea) o error absoluto, criterio de exactitud
(ea1) y nmero mximo de iteraciones i.
Resultados: La raz aproximada x o un mensaje de falla.
PASO 1: Hacer i = 1
PASO 2: Mientras i< MAXIT, repetir los pasos 3 a 7.
36
PASO 3: Hacer x1 = x0 f(x0) /df (x0) (calcula xi )

PASO 4: Si ABS (x1 x0) < EPS, entonces IMPRIMIR x1 y TERMINAR. De otro modo
CONTINUAR.
PASO 5: Si ABS (f(x1)) < EPS1, entonces
IMPRIMIR x1 y TERMINAR. De otro modo
CONTINUAR.
PASO 6: Hacer i = i + 1.
PASO 7: Hacer x0 = x1
PASO 8: IMPRIMIR mensaje de falla EL MTODO NO CONVERGE A UNA RAZ
y terminar.
A)
El programa utilizado en matlab en archivo.m es el siguiente:
Funcin que permite calcular la temperatura de equilibrio.

%METODO NEWTON RAPSON
clc
clear all
fprintf('METODOS NUMERICOS APLICADOS A INGENIERIA\n');
fprintf('CALCULO DE TEMPERATURAS DE EQUILIBRIO \n');
fprintf('INGENIERIA EN INDUSTRIAS ALIMENTARIAS \n\n');
P1 = [25; 14.7; 4.0; 0.5]; % Presin de vapor del componente Puro (psia) a 150K
P2 = [200.0; 60.0; 14.7; 5.0]; % Presin de vapor del componente Puro (psia) a 200K
T1 = 150;% valor 1 de T
T2 = 200; % Valor 2 de T
B = log(P1./P2)/(1/T1-1/T2); ;% calculo de la constante B
A = log(P1)-B/T1 ; ;% Calculo de la constante A
X = [0.10; 0.54; 0.30; 0.06];% Composicin del Liquido% mol
PT = 75; % composicin del vapor en el equilibrio a la presin total de 75 psia
i = 0;% iteracion cero
f =1;
tol = 0.000001;
T = B(2)/(log(PT)- A(2));
fprintf (' T
f(T) \n', T, f )% impresion en texto de T y f
while (abs(f)>tol)&(i<10);% maxima iteracion menor de 10 (I<10)
f = PT-sum(X.*exp(A + B/T));% Funcion a resolver
df = sum(X.*exp(A+B/T).*(B/T^2));% derivada de la funcion
T1 = T-f/df; % Algoritmo de Newton
fprintf ('%10.2f %10.2e\n',T,f)% impresion de T y f en valores
T = T1; % Valor de la raiz o temperatura
i = i+1;
end
fprintf ('\n\n y(j) \n')
for j = 1:i+1
y(j) = (X(j)*exp(A(j) + B(j)/T))/PT;
fprintf ('%10.4f \n', y(j));
end

37
Solucion
METODOS NUMERICOS APLICADOS A INGENIERIA
CALCULO DE TEMPERATURAS DE EQUILIBRIO
INGENIERIA EN INDUSTRIAS ALIMENTARIAS
T
f(T)
211.17 8.29e-01
211.67 -2.86e-03
211.67 -3.35e-08
y(j)
0.3761
0.5451
0.0729
0.0059
B) Usando una base de datos de P1, P2 y T en Excel

1. Primero creamos una carpeta
2. Segundo
Dentro de ello guardamos en archive de excel como DESTILADO, como Libro
de Excel 97- 2003
25
14.7
4
0.5
200
60
14.7
5
0.1
0.54
0.3
0.06
La primera coluna P1 segunda columna P2 y tercera columna T

3. Tercero
Confeccionar el programa como archive.m
clc
clear all
fprintf('METODOS NUMERICOS APLICADOS A INGENIERIA\n');
fprintf('CALCULO DE TEMPERATURAS DE EQUILIBRIO \n');
fprintf('INGENIERIA EN INDUSTRIAS ALIMENTARIAS \n\n');
Y=xlsread('DESTILADO','Hoja1');% importacin de datos de tabla libro1 de
Excel
P1=Y(:,1);% datos de columna 1 base de datos
P2=Y(:,2);% datos de columna 2 base de datos
T1 = 150;% valor 1 de T
T2 = 200; % Valor 2 de T
B = log(P1./P2)/(1/T1-1/T2); % calculo de la constante B
A = log(P1)-B/T1 ; % Calculo de la constante A
38
X=Y(:,3);% datos de columna 3 base de datos fraccin molar

PT = 75; % composicin del vapor en el equilibrio a la presin total de 75 psia
f =1;
tol = 0.000001;
T = B(2)/(log(PT)- A(2));
fprintf (' T
f(T) \n', T, f )% impresion en texto de T y f
fprintf ('%10.2f %10.2e\n',T,f)% impresion de T y f en valores
i = i+1;
end
fprintf ('\n\n y(j) \n')
for j = 1:i+1
y(j) = (X(j)*exp(A(j) + B(j)/T))/PT;
fprintf ('%10.4f \n', y(j));
end
Resultados de copilacion
T
f(T)
211.17 8.29e-001
211.67 -2.86e-003
211.67 -3.35e-008
y(j)
0.3761
0.5451
0.0729
0.0059

39
C) Programa en interfaz de GUIDE

Primero hacemos de formulario
Programa
Y=xlsread('DESTILADO','Hoja1');% importacin de datos de tabla libro1 de excel
T1=str2double(get(handles.edit1,'string'));
T2=str2double(get(handles.edit2,'string'));
PT=str2double(get(handles.edit3,'string'));
P1=Y(:,1);
P2=Y(:,2);
X=Y(:,3);
B = log(P1./P2)/(1/T1-1/T2); % calculo de la constante B
A = log(P1)-B/T1 ; % Calculo de la constante A
f =1;
tol = 0.000001;
T = B(2)/(log(PT)- A(2));
i = i+1;
40
end
for j = 1:i+1
y(j) = (X(j)*exp(A(j) + B(j)/T))/PT;
valores = {T y(j)};
end
Segundo ingresamos los valores y obtenemos los resultados

41
3. Ejercicio 3: Aplicacin en transferencia de calor:

En una de las etapas de elaboracin de frutos en almbar se utiliza una solucin caliente
de azcar de 40Brix. Para realizar el calentamiento se introducen 1000 kg de dicha
disolucin en un tanque cilndrico agitado de 1 m de dimetro, perfectamente aislado,
provisto de un agitador tipo paleta de 30 cm de dimetro y que gira a 120 rpm. En el
tanque se halla sumergido un serpentn helicoidal formado por tubos de acero
inoxidable de 12 mm de dimetro interno, 1 mm de espesor de pared y 15 m de longitud
total. Por el interior del serpentn circula vapor saturado de agua a 3 atm, que
condensa, siendo su coeficiente de conveccin de calor 9300 W/(m2 C). Si la solucin
se encuentra inicialmente a 16C; calcular:
a) Coeficiente global de transmisin de calor (Ue).
b) El tiempo que tarda la solucin en alcanzar 60C. ().
c) El caudal (m/) y cantidad de vapor (wv) necesario para llevar a cabo este
calentamiento.
d) La velocidad de elevacin de temperatura de la disolucin cuando se halla a
50C.
Las propiedades del vapor, de Tablas de vapor saturado a 3 atm se obtienen:
T = 132.9 C
H w 2721KJ / kg
hw 558KJ / kg
w 2163KJ / Kg
Propiedades de la solucin de azcar:

Conductividad trmica: 0,814 W/mC
Calor especfico = 2,85 KJ/kg C
Viscosidad: 3,7 x107 exp(2850/ T )
Pa.s T(K)
4
Densidad: 1,191 4,8 x10 T
g/cc T en C
Calentamiento de 16C a 60C, por tanto las propiedades de la disolucin tomarn a una
temperatura media tm= 38C.
Solucin
Datos:
Producto:
42
Masa de producto = 100 kg

Conductividad trmica: 0,814 W/mC
Calor especfico = 2,85 KJ/kg C
Viscosidad: 3,7 x107 exp(2850/ T )
Densidad: 1,191 4,8 x104 T
Pa.s T(K)
g/cm3 T en C
Tanque:
Dimetro = 1m
N = 120 rpm
Dimetro paleta = 30 cm
Serpentn:
Dimetro interno = 12 mm
Dimetro externo = 14 mm
Longitud = 15 m
Vapor saturado:
Presin = 3 atm
a)
Calculo de viscosidad y densidad

Reemplazando valores se tiene
Viscosidad: 3,53x103 Pa.s
Densidad: 1173 kg/m 3
b) Clculo del coeficiente he para tanque agitado con calentamiento de vapor sistema
serpentn es:
D p 2 N .
he DT
0,87

k
0 , 62
D p 2 N .
k
he
* 0,87 *

DT
Cp.
1/ 3
0, 62
0.14
Cp.
*
1/ 3

*
w
0.14
Calculo de Re, Pr
Re
Dp N .
2
0,3m2 2s 1 1173kg / m3 5,98x104

5,53x103 Pa.s
Cp. 2,85KJ / kg C 3,53x103 Pa.s

Pr
12,4
k
0,814x103 KJ / s.m. C
Reemplazando Re, Pr y otros en la ecuacin general

43
0,814W / m C
he
* 0,87 5,98x104
1m
12,4
0 , 62
1/ 3
3,53x10 3 Pa.s
0.14
Obtenindose la siguiente ecuacin:
he 680,6 w
0,14
W / m 2 C
Como dato tenemos la viscosidad en funcin de la temperatura
2850
(
273
tw
)
w 3,7 x107 exp
Para obtener he es preciso conocer tw, la temperatura en la pared del serpentn, para
calcular w, viscosidad de la disolucin a la temperatura de la pared.
tm
he
tw
Tw
Espesor del tubo
hi
T
La velocidad de transmisin de calor, realizando el balance de energa es:
Q hi Ai T Tw he Ae t w t m
Como se supone que la pared no ofrece resistencia a la transmisin de calor: Tw tw
Por tanto, de la ecuacin anterior queda:
h A T he Ae t w
tw i i
hi Ai he Ae
hi d i T d e Tm he
2
tw
hi d i d e he
2
Reemplazando valores
930012x103 132,9 he 14x103 38

tw
930012x103 he 14x103
he 680,6 3,7 x107 exp(2850/(273 tw))
hi d i T d e Tm 680,6 * 3,7 x107 * exp(2850 /(273 tw))

2
tw
0,14
hi d i d e 680,6 * 3,7 x107 * exp(2850 /(273 tw))

2
0 ,14
0 ,14

44
Reemplazamos valores y tenemos

0 ,14
2850
177,98 0,0075*5411,824* exp (

( 273 tw)
tw
0 ,14
2850
1,339 0,002*5411,824* exp (

( 273 tw)
El clculo de tw se realizar por iteraciones y luego se determina he
2850
he 5411,824* exp(
(273 tw)
c)
0 ,14
Clculo del coeficiente global : Ue
1
1
1
U e he hi (d i / d e )
d) Del balance energtico en el sistema
dt
d
Trmino de acumulacin
A mCp
Trmino de entrada
E U e Ae (T t )
T = temperatura del vapor condensante

t = temperatura de la solucin en el tanque
= tiempo
Igualando los dos trminos
mCp
dt
U e Ae (T t )
d
Ecuacin diferencial en variables separables, que integrada con la condicin lmite:

=0 t=to; conduce a la expresin
T t 0 U e Ae
Ln
T t mCp
Expresin que permite calcular, el tiempo de calentamiento para una determinada
temperatura o viceversa:
Tiempo:
m Cp T t0
Ln
U e Ae T t
U e Ae
m Cp
Temperatura: t T (T t0 ) exp
Ae d e L

45
e)
Caudal de vapor y cantidad de condensado
wv w
Cp (t t 0 )
Masa de vapor
M v wv
f)
Velocidad de elevacin de temperatura
dt U e Ae
(T t )
d mCp
kJ 3600s
3
2
1931x10
0,6597m
2
dt
s m C h
(132,9 50)
d
kJ
1000kg 2,85
kg C
dt
133,4 C / h
d
g) Temperatura a los 50 min
1931x10 3 kJ 0,6597m2 3000s
s m2 C
t 132,9 (132,9 16) exp
kJ
1
000kg
2
,
85
kg
t 102,3 C
Como se supone que se trabaja a presin atmosfrica, si fuese agua no se tendra la
solucin acuosa, sino que podra pasar a vapor. Sin embargo, al tratarse de una solucin
azucarada, es posible que hierva a ms de 100C, debido al aumento ebulloscopio que
producen los slidos solubles.
a) Usando GUIDE
Crear una carpeta
Dentro de la carpeta debe estar la imagen en jpg
Formulario

46
Programa
Para la imagen
guidata(hObject, handles);
axes(handles.axes1)
background=imread('tanque.jpg');
axis off
imshow(background)
% PROGRAMA DE SERPENTIN
m=str2double(get(handles.edit1,'string'));
Ti=str2double(get(handles.edit2,'string'));
Tf=str2double(get(handles.edit3,'string'));
k=str2double(get(handles.edit4,'string'));
Cp=str2double(get(handles.edit5,'string'));
Dt=str2double(get(handles.edit6,'string'));
N=str2double(get(handles.edit7,'string'));
Dp=str2double(get(handles.edit8,'string'));
di=str2double(get(handles.edit9,'string'));
de=str2double(get(handles.edit10,'string'));
L=str2double(get(handles.edit11,'string'));
P=str2double(get(handles.edit12,'string'));
T=str2double(get(handles.edit13,'string'));
Hw=str2double(get(handles.edit14,'string'));
hw=str2double(get(handles.edit15,'string'));
landa=str2double(get(handles.edit16,'string'));
hi=str2double(get(handles.edit17,'string'));
% Calculos previos
tm = (Ti + Tf) / 2;
47
visc = (3.7 * 10 ^ -7) * (exp(2850 / (273.15 + tm)));

den = 1191 - ((4.8 * 10 ^ -4) * tm) ;
Re = (Dp ^ 2 * (N / 60) * den) / visc;
Pr = (Cp * visc) / (k*10^-3);
b0 = (0.87 * (Re ^ 0.62) * (Pr ^ 0.333) * k) / Dt;
b1=b0*(visc^0.14);
a0=hi * di*T;
a1 = de* tm;
a2 = di* hi;
Ae=3.1416*de*L;
%METODOS NUMERICOS DE BISECCION
x1=50;
x2=150;
error=0.0001;
it=0;
fxr=1;
while abs(fxr)>error
xr=(x1+x2)/2;
fx1= -x1+ (a0+a1*( b1*(3.7 * (10 ^ -7) * exp(2850 / (273.15 + x1)))^-0.14))/(a2+de*(
b1*(3.7 * (10 ^ -7) * exp(2850 / (273.15 + x1)))^-0.14));
fx2= -x2+ (a0+a1*( b1*(3.7 * (10 ^ -7) * exp(2850 / (273.15 + x2)))^-0.14))/(a2+de*(
b1*(3.7 * (10 ^ -7) * exp(2850 / (273.15 + x2)))^-0.14));
fxr= -xr+ (a0+a1*( b1*(3.7 * (10 ^ -7) * exp(2850 / (273.15 + xr)))^-0.14))/(a2+de*(
b1*(3.7 * (10 ^ -7) * exp(2850 / (273.15 + xr)))^-0.14));
if(fxr*fx2)>0;
x2=xr;
else
x1=xr;
end
it=it+1;
end
%Calculos
uw = (3.7 * 10 ^ -7) * (exp(2850 / (273.15 + xr)));
he=b1*(uw^-0.14);
Ue=hi*he*(di/de)/(hi*(di/de)+he);
tiem = (m * Cp / ((Ue*10^-3) * Ae)) * (log((T - Ti) / (T - Tf)));
wv = m * Cp * (Tf - Ti) * 3600 / (tiem * landa);
mv = (tiem / 60) * wv / 60;
%Grafico temperatura en funcion del tiempo
syms Z % el tiempo(min) es Z que va de 0 a 25 minutos, la temperatura t del producto
se estimacon la funcion t=T-(T-Ti)*exp(-Ue*Ae*60*Z/(m*Cp*1000)
axes(handles.axes2)
ezplot(T-(T-Ti)*exp(-Ue*Ae*60*Z/(m*Cp*1000)),[0,25])
title('CURVA DE CALENTAMIENTO');
xlabel('Tiempo (min)'),ylabel('Temperatura (C)')
grid
% Salida de resultados
48
set(handles.edit18,'string',visc);
set(handles.edit19,'string',den);
set(handles.edit20,'string',xr);
set(handles.edit21,'string',Re);
set(handles.edit22,'string',Pr);
set(handles.edit23,'string',he);
set(handles.edit24,'string',Ue);
set(handles.edit25,'string',tiem);
set(handles.edit26,'string',wv);
set(handles.edit27,'string',mv);
Solucin
Ingresamos las variables de ingreso y obtenemos como resultado las variables esperadas

49
4. Ejercicio aplicado 4: Calculo de difusividad del agua en secado de alimentos2

A partir de los datos experimentales de humedad y tiempo de secado usando la ecuacin
de Alvarez y Leges modificado determinar la difusividad efectiva del proceso, para los
15 trminos de la serie.
X Xe
8
2
X0 Xe
x1
(2n 1) 2 2
1
exp
Def .t
2
2
4L
n 0 ( 2n 1)
n 2 2
1
x x 2 * 2 exp 2 D.t
n
r
n 2 2
1
x x x1 * 2 exp 2 D.t
n
r
Donde:
X = humedad de la muestra (g);
Def = difusividade efectiva del gua (m2/s);
t = tempo (s);
n = nmero de terminos de la srie;
L = dimensin caracterstica (m).
Para ello los valores experimentales de humedad (%) y tiempo de secado se ingresar
internamente en el programa, en la ventana se ingresar el valor inicial de la difusividad
por el tiempo (Dt), tolerancia, espesor del alimento a secar (L), humedad inicial del
alimento (Xo) y humedad de equilibrio (Xe).
Datos experimentales de secado:
Tiempo (min):0 5 10 15 20 25 30 35 40 45 50
Humedad (%):72 69,54 66,77 63,69 59,38 55,69 51,38 48 44,92 40,92 37,23
Elaboracin del programa
Formulario

50
Programa
t=str2num(get(handles.edit1,'string'));% valores de t
M=str2num(get(handles.edit2,'string'));% valores de M
M0=str2double(get(handles.edit3,'string'));% Humedad inicial
Meq=str2double(get(handles.edit4,'string'));% Humedad de equilibrio
L=str2double(get(handles.edit5,'string')); % Espesor del alimento a secar
tol=str2double(get(handles.edit6,'string')); % Error
n=length(t);
%Limpiar tabla, grafico en caso de que antes se haya graficado
hold on
%Lectura de datos de tiempo t
for k=1:n
MR = (M(k) - Meq) / (M0 - Meq);
tiempo=t(k);
% METODOS NUMERICOS DE NEWTON RAPSON
x1 = 0.0000001;
it=0;
fxp=1;
while abs(fxp)>tol
fx1 = 0.810566 * exp(-9.869651 * x1 / L ^ 2) + 0.090063 * exp(-88.826855 *x1 / L ^
2) + 0.032423 * exp(-246.741264 * x1 / L ^ 2) + 0.016542 * exp(-483.612877 * x1 / L
^ 2) + 0.010007 * exp(-799.441695 * x1 / L ^ 2) + 0.006699 * exp(-1194.227718 * x1 /
L ^ 2) + 0.004796 * exp(-1667.970945 * x1 / L ^ 2) + 0.003603 * exp(-2220.671376 *
x1 / L ^ 2) + 0.002805 * exp(-2852.329012 * x1 / L ^ 2) + 0.002245 * exp(3562.943852 * x1 / L ^ 2)-MR;
gx1 = -(8 * exp(-9.869651 * x1 / L ^ 2)) / L ^ 2 - (8 * exp(-88.826855 *x1 / L ^ 2)) /
L ^ 2 - (8 * exp(-246.741264 * x1 / L ^ 2)) / L ^ 2 - (8 * exp(-483.612877 * x1 / L ^ 2))
/ L ^ 2 - (8 * exp(-799.441695 * x1 / L ^ 2)) / L ^ 2 - (8 * exp(-1194.227718 * x1 / L ^
2)) / L ^ 2 - (8 * exp(-1667.970945 * x1 / L ^ 2)) / L ^ 2 - (8 * exp(-2220.671376 * x1 /
51
L ^ 2)) / L ^ 2 - (8 * exp(-2852.329012 * x1 / L ^ 2)) / L ^ 2 - (8 * exp(-3562.943852 *

x1 / L ^ 2)) / L ^ 2;
xp = x1 -(fx1/gx1);
fxp = 0.810566 * exp(-9.869651 * xp / L ^ 2) + 0.090063 * exp(-88.826855 * xp / L ^
2) + 0.032423 * exp(-246.741264 * xp / L ^ 2) + 0.016542 * exp(-483.612877 * xp / L
^ 2) + 0.010007 * exp(-799.441695 * xp / L ^ 2) + 0.006699 * exp(-1194.227718 * xp /
L ^ 2) + 0.004796 * exp(-1667.970945 * xp / L ^ 2) + 0.003603 * exp(-2220.671376 *
xp / L ^ 2) + 0.002805 * exp(-2852.329012 * xp / L ^ 2) + 0.002245 * exp(3562.943852 * xp / L ^ 2)-MR;
x1 = xp;
it= it+1;
end
% CALCULOS
X(k) = xp;
Dt=X(k);
% CALCULO DE DIFUSIVIDAD
Dif = Dt/tiempo;
%DIFUSIVIDAD EFECTIVA PROMEDIO
SUMA=0;
SUMA = (SUMA + Dif)/(n-1);
% MOSTRARA DATOS EN TABLA
valores ={tiempo M(k) MR Dif};
hold on
%Mostrando respuesta en edit con formato coma flotante a 6 cifras decimales
respuesta=sprintf('%0.16f',SUMA);
%Grafico de humedad en funcion del tiempo
axes(handles.axes1)
plot(tiempo,M(k),'r*')
title('CINETICA DE SECADO DE HUMEDAD');
xlabel('Tiempo (min)'),ylabel('Humedad (g agua/100 g ms)')
grid on;
hold on
%Grafico de razon de humedad
axes(handles.axes2)
plot(tiempo,MR,'b*')
title('RAZON DE HUMEDAD ');
xlabel('Tiempo (min)'),ylabel('MR')
grid on;
hold on

52
%Grafico de Difusividad en funcion del tiempo

axes(handles.axes3)
plot(tiempo,Dif,'k*')
title('DIFUSIVIDAD ');
xlabel('Tiempo (min)'),ylabel('Difusividad (m2/s)')
grid on;
k=k+1;
end
close
Solucin

53
5.
Ejercicio aplicado 5: Aplicacin de un modelo cintico de reacciones qumicas

heterogneas gas-solido al secado por lecho fluidizado de cubos de papa.
A. Desarrollo de la ecuacin integrada del modelo

El paso del agua desde el centro hmedo hasta el seno del fluido de secado implica dos
resistencias: la resistencia a la transferencia de masa desde el centro hmedo hasta la
superficie de la partcula y la resistencia a la transferencia de masa desde la superficie
hasta el seno del fluido. En todo momento, las condiciones del centro hmedo son
idnticas a las condiciones iniciales y las condiciones de la coraza lo son a las condiciones
en el equilibrio (Levenspiel, 1976).
La velocidad de transferencia de agua desde el centro hmedo hasta la superficie de la
partcula a travs de la coraza seca est dada aproximadamente por:
(1 / 4 r 2 )( dM / dt ) kc ( dC / dr ) cte.
(1)
Donde: kc es el coeficiente de difusin efectivo del agua a travs de la coraza, M y C son

la masa y la concentracin volumtrica del agua en el material y r es la posicin de un
punto de la partcula en coordenadas esfricas. Integrando la ecuacin (1) entre los lmites
Cs,Rc y Ci,R se tiene:
R
Ci
Rc
Cs
(dM / dt) dr / r 2 4kc dC
(2)
De donde:
( dM / dt )
4 RcRkc ( Cs Ci )
( R Rc )
(3)
y la velocidad de transferencia de agua desde la superficie de la partcula hasta el seno

del fluido est dada por:
(1 / 4 R 2 )( dM / dt ) hc( Ci Cg )
(4)
Donde hc es el coeficiente de pelcula.

De donde:
( dM / dt ) 4 R 2 hc( Ci Cg )
(5)
Combinando las ecuaciones (3) y (5) y eliminando Ci se obtiene:
4 R 2 ( Cs Cg )
( dM / dt )
(6)
(1 / hc) ( R / kc) ( R Rc ) / Rc
Rearreglando esta ecuacin se obtiene una ecuacin similar a las usadas en la cintica de
reacciones qumicas heterogneas slido-fluido:
54
( dM / dt )
4 R 2 hc( Cs Cg )
1 ( Rhc / kc) ( R Rc ) / Rc
(7)
Por otro lado la cantidad de agua a eliminar por unidad de volumen es:
Ch ( Mo Me ) / Vo
(8)
En el tiempo t cuando el volumen del centro hmedo es Vc:

M ChVc Ch ( 4 Rc 3 / 3)
(9)
La disminucin del radio hmedo correspondiente a una disminucin en la cantidad de

agua a eliminar se obtiene de la derivada de la ecuacin (9):
dM / dRc 4Rc 2Ch
(10)
y dado que:
dRc / dt ( dM / dt ) / (dM / dRc)
(11)
Sustituyendo las ecuaciones (7) y (10) en la (11) se obtiene:
( dR / dt )
R 2 ( Cs Cg )
Ch ( Rc 2 / hc) ( R / kc)( R( R Rc ))
(12)
en donde el radio R que considera el encogimiento de la partcula est relacionado con

las condiciones iniciales y de equilibrio por la ecuacin:
R Re 3 1 (Re/ Ro ) 3 Rc 3
1/ 3
(13)
Separando variables e integrando la ecuacin (12) entre Ro,0 y Rc,t se tiene:

( Rc 2 / hc) ( Rc / kc)R( R Rc )
dRc
0 dt Rc
R2
(14)
( Cs Cg ) t
Ro R
Ro 2 Rc 2
Ro 2 R 2
Ch
2 kc
hc 1 (Re/ Ro ) 3
2 kc 1 (Re/ Ro ) 3
(15)
Cs Cg
Ch
Ro
Reacomodando la ecuacin (15):
( Cs Cg ) 1 (Re/ Ro ) 3 t
R 2 Rc 2 ( Ro 2 Rc 2 )(Re/ Ro ) 3
(1 / hc) (1 / kc )
(16)
Ch ( Ro R )
2( Ro R )
La cual es la expresin matemtica del modelo propuesto y que adopta la forma de una
recta. Donde:
55
( Cs Cg ) 1 (Re/ Ro ) 3 t
es la variable dependiente
(17)
R 2 Rc 2 ( Ro 2 Rc 2 )(Re/ Ro ) 3
2( Ro R )
es la variable independiente
(18)
(1 / kc)
es la pendiente
(19)
(1 / hc)
es la ordenada al origen
(20)
Ch ( Ro R )
La ecuacin (16) puede interpretarse en trminos de resistencias:

Resistencia total = Resistencia de la pelcula + Resistencia de la coraza seca
Donde:
Resistencia total = variable dependiente.
Resistencia de la pelcula = ordenada al origen.
Resistencia de la coraza seca = pendiente x variable independiente.
B. Calculo de los coeficientes de transferencia del modelo
Usando el mtodo de mnimos cuadrados se calcularon los valores de la pendiente y de
la ordenada al origen de la recta de mejor ajuste a las parejas de valores dados por las
ecuaciones (18) y (17), evaluados a partir de los datos experimentales. De los valores de
la pendiente y de la ordenada al origen se obtienen los valores de los coeficientes de
transferencia kc y hc segn las ecuaciones (19) y (20).
C. Expresiones para estimar los coeficientes de transferencia

Para estimar los coeficientes de transferencia hc y kc se obtuvieron las siguientes
expresiones:
hc = 2,946 (10)-4 (VR/C)1,051 e (-1955/T)
(21)
kc = 1,884 (10)-6 e (-3610/T)
(22)
Con coeficientes de correlacin ajustados de 0,86 y 0,85 respectivamente.

HC=(2,946*10^4)*exp(-1954,87/TEMP)*(VEL*RAD/CAM)^1,051 ;
hc = 2,946 (10)-4 (VR/C) 1,051 e (-1955/T)
Estructura del programa y mtodos numricos
D. Programa para la simulacin de la cintica de secado y del encogimiento de cubos
de papa en un secador de lecho fluidizado.
56
Una vez estimados los valores de hc y kc se puede usar la ecuacin (15) para predecir el
radio del centro hmedo Rc a cualquier tiempo t. Para despejar Rc de dicha ecuacin se
utiliza el mtodo numrico de aproximaciones sucesivas de Newton de primer orden
(Luthe y col., 1988):
Rcactual Rcanterior
F ( Rc ) anterior
F '( Rc ) anterior
(23)
Donde:
3
Re
1
1 2
2
R RC RO 2 Rc 2
f ( RC ) Ro R
hc
2kc
Ro
C s C g Re 3
1 * t
C h Ro
C Cg
2
f ( x) H Ro R K R 2 x 2 B * RO x 2 s
* A*t
Ch
Y
R 3 1 R 2 1
Rc 2
e
C
f ' ( x) 1 2
Rc
R
hc
kc
R
R
o
Para todos los clculos se toma como valor inicial Rc=Ro.

El programa desarrollado en este trabajo, calcula el radio del centro hmedo Rc (cm) por
el mtodo de Newton, el radio de la partcula R (cm), el peso total de la muestra M (g) y
la humedad en base seca X (g de agua/g s.s.) para diferentes tiempos. Requiere conocer
la densidad de la muestra inicial o (g/cm3), la densidad del slido seco ss (g/cm3), el
radio equivalente inicial y en el equilibrio; Ro y Re (cm), el peso inicial, en el equilibrio
y del slido seco; Mo, Me, Mss (g), y los valores estimados de los coeficientes de
transferencia en la pelcula hc (m/s) y de difusin a travs de la coraza kc (m2/s)
calculados por las ecuaciones (21) y (22) a partir de la velocidad del aire VEL (m/s), de
la altura de la cama del lecho a fluidizar CAM (m), de la temperatura del aire Temp (K)
y del radio de la partcula Rad (m).
Rangos de aplicacin
El programa de simulacin del proceso de secado de cubos de papa por lecho fluidizado
puede ser aplicado dentro de los siguientes rangos:
Aristas de los cubos de papa
Radios equivalentes de los cubos
Temperatura del aire de secado
Velocidad del aire de secado
Altura del lecho a fluidizar
0,5 a 1,2 cm.

0,4 a 0,76 cm.
50 a 100 C.
4 a 8 m/s.
7 a 13 cm.
Datos de entrada
El programa requiere la siguiente informacin:
57
DO = Densidad inicial (g/cm3)

DSS = Densidad del slido seco (g/cm3)
RO = Radio equivalente inicial (cm)
RE = Radio equivalente en el equilibrio (cm)
MO = Peso inicial (g)
ME = Peso en el equilibrio (g)
MSS = Peso del slido seco (g)
XO = Humedad inicial (g de agua/g s.s.)
TEMP = Temperatura del aire de secado (C)
VEL = Velocidad del aire de secado (m/s)
CAM = Altura de la cama del lecho a fluidizar (m)
Salida
Para cada instante de tiempo se muestran los siguientes resultados:
Numero de iteraciones para alcanzar una exactitud de 0,0001
Tiempo (min)
Radio simulado de la partcula (cm)
Radio simulado del centro hmedo (cm)
Peso de la partcula (g)
Humedad de la partcula (g agua/g s.s.)
Elaboracion del programa
Formulario
Programa
% "PROGRAMA DE SIMULACION DEL PROCESO DE SECADO"
% SOLO PUEDE SER APLICADO A CUBOS DE PAPA, SECADO EN LECHO
FLUIDIZADO,
% "======================================================"
58
% "CINETICAS DE SECADO"
% "======================================================"
t=str2num(get(handles.edit17,'string'));
DO =str2double(get(handles.edit1,'string'));%Densidad inicial (g/cm3) 1.06
DSS =str2double(get(handles.edit2,'string'));% Densidad del solido seco (g/cm3) 1.245
RO =str2double(get(handles.edit3,'string')); %Radio equivalente inicial (cm) 0.4
RE =str2double(get(handles.edit4,'string')); %Radio equivalente en el equilibrio (cm)
0.216
MO =str2double(get(handles.edit5,'string')); %Peso inicial (g) 301.3
ME =str2double(get(handles.edit6,'string')); %Peso en el equilibrio (g) 61.7
MSS =str2double(get(handles.edit7,'string')); %Peso del solido seco (g) 57.254
XO =str2double(get(handles.edit8,'string')); %Humedad inicial (g de agua/g s.s.) 4.26
CAM =str2double(get(handles.edit9,'string')); %Altura de la cama del lecho (m) 0.07
TEMP=str2double(get(handles.edit10,'string')); %Temperatura del aire de secado (C) 50
VEL =str2double(get(handles.edit11,'string')); %Velocidad del aire de secado (m/s) 4
n=length(t);
%n=19;
% CALCULO DE LOS COEFICIENTES DE TRANSFERENCIA INTERNO Y
EXTERNO
RAD=RO/100;
TEMP=TEMP+273;
HC=.0002946*exp(-1954.87/TEMP)*(VEL*RAD/CAM)^1.051 ;
KC = 1.884*(10^-6)*exp(-3610/TEMP);
% CONVERSION DE UNIDADES DE LOS COEFICIENTES
HC=HC*6000;
KC=KC*360000;
% VARIABLES AUXILIARES PARA SIMPLIFICAR EXPRESIONES
CS=XO*DSS;
CH=DO*(MO-ME)/MO;
H=1/HC;
K=1/(2*KC);
J=CS/CH;
B=(RE/RO)^3;
A=1-B;
C=RE^3;
D=RE^2;
%Lectura de datos de tiempo t
%Limpiar tabla, grafico en caso de que antes se haya graficado
hold on
for k=1:n
tiempo=t(k);
% METODOS NUMERICOS DE NEWTON RAPSON
x1=0.20;
it=0;
fxp=1;
error=0.0001;
while abs(fxp)>error
59
fx1= H*(RO-((C+A*x1^3)^(1/3)))+K*(((C+A*x1^3)^(1/3))^2-(C/RO)-A*x1^2)(CS/CH)*A*tiempo;
gx1=-A*(H*((x1^2)/((C+A*(x1)^3)^(1/3))^2)+2*K*(x1(x1^2/((C+A*(x1)^3)^(1/3)))));
xp = x1 -(fx1 / gx1);
fxp= H*(RO-((C+A*xp^3)^(1/3)))+K*(((C+A*xp^3)^(1/3))^2-(C/RO)-A*xp^2)(CS/CH)*A*tiempo;
x1 = xp;
it= it+1;
end
% CALCULOS
XR(k)=xp;
RR= XR(k);
% CALCULO DEL RADIO DE LA PARTICULA"
R=((C+A*(RR)^3)^(1/3));
% CALCULO DEL PESO
M=ME+(MO-ME)*((RR)/RO)^3;
%"CALCULO DE LA HUMEDAD BASE SECA
X=(M-MSS)/MSS;
valores ={tiempo xp R M X};
hold on
axes(handles.axes1)
plot(tiempo,X,'r*')
title('CINETICA DE SECADO');
xlabel('Tiempo (min)'),ylabel('Humedad base seca (g agua/100g ms)')
grid on;
hold on
%Grafico de peso en funcion del tiempo
axes(handles.axes2)
plot(tiempo,M,'b*')
xlabel('Tiempo (min)'),ylabel('Peso (g)')
grid on;
hold on
%Grafico de radio de particula en funcion del tiempo
axes(handles.axes3)
plot(tiempo,R,'k*')
xlabel('Tiempo (min)'),ylabel('Radio de particula (m)')
grid on;
k=k+1;
end
close
60
Resultado
BIBLIOGRAFIA
Alamilla, B. L. 1990. Simulacin de la operacin de secado de vegetales basada en un
estudio de deshidratacin por lecho fluidizado. Tesis de Maestra en Ciencias
(Alimentos). Escuela Nacional de Ciencias Biolgicas, IPN, Mxico, D. F.
Alamilla, L., Gutirrez, G., Hernndez, H. y Santiago, P. 1991. Estudio semifundamental
del secado de papa en lecho fluidizado. Tec. Aliment. 25(4):24-29.
Brown, G. G., Foust, A. S., Katz, D. V., Schneidewind, R., White, R. R., Wood, W. P.,
Brownell, L. E., Martin, J. J., Williams, G. B., banchero, J. T., and York, J. L.,
1965. Fluidizacin de slidos. Cap. 20, En Operaciones Bsicas de la Ingeniera
Qumica. p. 285-288. Ed. Marn, Barcelona.
De Baun, R. M. 1959. Response surface design for three factors at three levels.
Technometrics. 1(1):1-8.
Flix, A. B., Robles, R. R. y Santiago, P. T. 1989. Estudio de Ingeniera para la
deshidratacin de papa por lecho fluidizado. Memorias de AMIDIQ.,Mxico
Levenspiel, O., 1976. Solid-fluid reactions. Ch. 12, In Chemical Reaction Engineering.
2da. ed., p. 357-377. Wiley International Edition, N. Y.
6.
Ejercicio aplicado 5: Aplicacin en mecnica de fluidos: Cuando un fluido no

Newtoniano pasa por una tubera de seccin circular bajo cierto rgimen, se genera
una prdida de carga debido a la friccin que puede ser estimada de acuerdo a la
ecuacin de Darcy:

61
L *v2
hf f
2* D* g
Dnde:
hf: prdida de carga
F: Factor de friccin(s/u)
L: longitud de la tubera
D; dimetro de la tubera
v: velocidad promedio del fluido dentro de la tubera
g: aceleracin de la gravedad
Por otro lado, el factor de friccinf puede ser estimado mediante la ecuacin de
Colebrook:
1
1
2.51
2 log
4f
3.7( D / e) Re g 4 f
n 2 n
4n D v
Re g
n 1
3n 1 8 k
n
La velocidad de flujo podemos estimar a travs de:
f
Q
m
A .A
Desarrollar un programa que calcule el caudal Q, el rea transversal de la tubera A,

la velocidad de flujo v, el nmero de Reynolds generalizado Reg, el factor de friccin
f, y la prdida de carga en la tubera hf, a partir de los datos de:
Flujo msico: fm=2,22 kg/s
Densidad del fluido: den=1165kg/m3
Indice reolgico del fluido: n=0,65
Coeficiente de consistencia del fluido: m=4,43
Rugosidad absoluta de la tubera: e=0,000005
Dimetro de la tubera: D=0,0343m
Longitud del fluido: L=200m
Solucin
Se realizaran los clculos en el siguiente orden:
Q
1.
fm
Q
A
n 2 n
4n D v
Re g
n 1
3
n
1
8
k
2.
n

62
3.
1
1
2.51
2 log
4f
3.7( D / e) Re g 4 f
se realizar por mtodos numricos
L*v2
4. hf f
2* D * g
(a)
Programa en matlab archivo m
Primero creamos el programa, introduciendo los datos del ejercicio, luego los clculos
previos que debe hacer el programa para el clculo de las constantes, luego aplicaremos
la solucin por el mtodo de falsa posicin.
%PROBLEMA DE PERDIDA DE CARGA EN TRANSPORTE DE FLUIDO

%SOLUCIN DE ECUACIONES NO LINEALES
%"METODO DE REGLA FALSA"
% Setiembre 2010
% Ingeniero Alberto HUAMANI HUAMANI
clear all
clc
flujom = 2.22;den = 1165;n = 0.65;k = 4.43;e = 0.000005;Diam = 0.0343;lon = 200;
%Calculos
Q =flujom/den;
Area =3.1416 * (Diam) ^ 2/ 4;
vel = Q / Area;
A = (4 * n / ((3 * n) + 1)) ^ n;
Reg = A * ((Diam ^ n) * (vel ^ (2 - n)) * den) / (k * 8 ^ (n - 1));
b1 = 1 / (3.7 * (Diam / e));
b2 = 2.51 / Reg;
% Crear la salida
disp(' ')
disp(' Alberto HUAMANI HUAMANI')
disp(' Ingeniera en Industrias Alimentarias')
disp(' Metodos matemticos en industrias alimentarias')
disp(' ')
fprintf('\n');
x1=0.001;
x2=0.1;
error=0.0001;
it=1;
fxr=1;
while abs(fxr)>error
fx1=-1-2*(4*x1)^0.5*log(b1+b2*(4*x1)^-0.5);
fx2=-1-2*(4*x2)^0.5*log(b1+b2*(4*x2)^-0.5);
xr=x1-(fx1*(x2-x1)/(fx2-fx1));
63
fxr=-1-2*(4*xr)^0.5*log(b1+b2*(4*xr)^-0.5);
if(fxr*fx2)>0;
x2=xr;
else
x1=xr;
end
it=it+1;
hf = (xr * lon * (vel^2))/(2 * Diam * 9.81);
end
fprintf('\n El coeficiente de friccin f es: %8.6f \n',xr);
fprintf('\n El nmero de iteraciones es: %4.0f \n',it);
fprintf('\n El caudal Q (m3/h) es: %8.4f \n',Q);
fprintf('\n La velocidad v(m/s) es: %8.6f \n',vel);
fprintf('\n El reynolds generalizado Reg es: %8.6f \n',Reg);
fprintf('\n La perdida de carga (m agua) es: %8.6f \n',hf);
Compilacin: ejecutamos el programa realizado
Alberto HUAMANI HUAMANI
Ingeniera en Industrias Alimentarias
Metodos matemticos en industrias alimentarias
El coeficiente de friccin f es: 0.010160
El nmero de iteraciones es: 8
El caudal Q (m3/h) es: 0.0019
La velocidad v(m/s) es: 2.062281
El reynolds generalizado Reg es: 148.820555
La prdida de carga (m agua) es: 12.841765
7.
Ejercicio 6: Secado a bajas presiones y bajas temperaturas

64
Un proceso alternativo entre el secado convencional y la liofilizacin es el secado a baja

presin y baja temperatura (BPBT) que ha sido planteado por King y col. (1989), el cual
compensa aspectos de costo y calidad. El mtodo de secado BPBT consiste en evaporar
el agua reduciendo simultneamente la presin del ambiente y la temperatura del material
sin llegar a congelarlo, llevndolo cerca del punto triple. El mismo autor, ha evaluado la
calidad de productos secados con este mtodo, obteniendo caractersticas cercanas a
aquellas obtenidas por liofilizacin.
Se puede establecer una analoga entre el fenmeno de secado y los fenmenos de
transporte que ocurren en las partculas slidas en las reacciones qumicas heterogneas
slido-fluido. Existen dos modelos que se aplican a las reacciones qumicas heterogneas
slido-fluido y que pueden aplicarse al secado: el modelo de conversin progresiva y el
modelo del ncleo sin reaccionar (Mercado y Gutirrez, 1995)
El modelo del ncleo sin reaccionar propone que la reaccin ocurre primero en la
superficie exterior de la partcula slida, despus se forma un frente de reaccin definido
(ntido, no difuso) que se mueve a un punto ms interno de la partcula (Figura 3), dejando
una capa de cenizas y un ncleo en el que el reactante slido no ha reaccionado; este
ncleo ir disminuyendo de tamao a medida que transcurre la reaccin (Levenspiel,
1986)
En el secado de alimentos ocurren cambios fsicos en la superficie de la partcula y el
frente de secado avanza hacia su interior formndose una capa de material seco la cual
debe atravesar el agua para continuar el proceso de secado. Existen pocas investigaciones
en las que se trata de explicar el proceso de secado a travs del uso de la teora de la
cintica qumica y la mayor parte de los estudios reportados se basan en el anlisis de la
curva de secado.
El modelo del ncleo sin reaccionar, tomando en cuanta el encogimiento, fue aplicado
por Mercado y Gutirrez (1995) al secado por lecho fluidizado de cubos de papa.
En esta investigacin se utilizar el modelo del ncleo sin reaccionar, de partcula de
tamao decreciente, es decir, considerando el encogimiento, para simular la cintica de
secado de materiales en forma de placa y se aplicar al mtodo de secado a baja presin
y baja temperatura.
Los datos experimentales que se utilizan en la verificacin del modelo se obtuvieron de
la literatura (Zazueta, 1994). Corresponden a los datos de 9 diferentes cinticas de secado
de placas de pur de papa (Solanum tuberosum) de la variedad Alpha, deshidrata por el
mtodo de secado a baja presin y baja temperatura. Los factores considerados son
presin en la cmara de secado (0.67, 1.00 y 1.33 kPa) y espesor de la placa (0.26, 0.52 y
0.78 mm). El rea de cada placa es de 0.01904 m2.
Dado que el modelo del ncleo sin reaccionar requiere la incorporacin de un coeficiente
interno de transferencia de masa (Di), se propuso que este parmetro podra seguir la
misma tendencia matemtica que la difusividad efectiva (Deff) de la segunda ley de Fick.
Esta tendencia se determina en forma de ajuste.
Obtencin de la ecuacin integrada de velocidad de secado
65
La ecuacin integrada de velocidad de secado es la relacin que describe el contenido de

humedad en funcin del tiempo, X=f (t). Para obtenerla se desarrolla el modelo que
representa la cintica de secado de materiales en forma de placas planas, considerando su
encogimiento. El modelo original fue desarrollado por Yagi y Kunii (1955) y se encuentra
descrito en Levenspiel (1986). En el presente trabajo al modelo del ncleo sin reaccionar
se le denomina modelo del ncleo hmedo, cuando se aplica al proceso de secado. Para
obtener el modelo, se considera que durante la deshidratacin, se presentan en forma de
resistencias en serie dos etapas de movimiento de agua. Una que se lleva a cabo a travs
de la pelcula gaseosa que rodea a la placa y la otra a travs de la capa de slido seco que
se va formando con el tiempo.
La ecuacin que define la velocidad de transferencia de agua desde la superficie de la
placa hacia el aire, a travs de la pelcula gaseosa, es la siguiente:
1 dma
K g C s C g
A dt
Dnde:
A
ma
t
kg
Cs
Cg
(1)
rea de transferencia de agua (m2)

masa de agua (kg)
tiempo (s)
coeficiente local de transferencia de masa en la pelcula gaseosa (m/s)
concentracin de agua en la superficie de la placa (kg/m3)
concentracin de agua en el seno del gas (kg/m3)
=
=
=
=
=
=
La ecuacin que describe el movimiento del agua desde el ncleo hmedo hacia la
superficie de la placa, a travs de la capa de slido seco, es:
1 dma
dC
Di
A dt
dz
(2)
Donde:
A
ma
t
Di
C
=
=
=
=
=
rea de transferencia de agua (m2)

masa de agua (kg)
tiempo (s)
coeficiente interno de transferencia de masa (m2/s)
concentracin de agua en la capa de slido seco (kg/m3)
Si el secado es controlado por condiciones externas, la ecuacin (1) ser la que describa
el proceso. Si el slido representa la mayor resistencia, la ecuacin (2) tendr un
significado ms alto. En realidad el modelo del ncleo hmedo presenta como
caracterstica ventajosa, desde el punto de vista fenomenolgico, que considera una
sucesin gradual de resistencia. En un principio la fase gaseosa tendr mayor importancia
y posteriormente el slido ser el factor controlante. Esto es un reflejo cercano a lo que
sucede durante el proceso de secado de muchos alimentos y materiales biolgicos en
general.
Se seleccion el modelo exponencial para describir la difusividad efectiva en funcin del
tiempo debido a que es altamente significativo y a que su manejo dentro del simulador es
66
sencillo. Por lo anterior se supone que Di seguir un comportamiento matemtico anlogo

al de Deff del tipo:
Di ae bt
(3)
Obtencin de la ecuacin integrada de velocidad de secado

La ecuacin de velocidad de transferencia se convierte en:
1 dm
kg C
A dt
(4)
kgCc
t
Ch
(5)
Lc L 0
Que es el modelo que explica la disminucin del espesor de la placa cuando la difusin
de agua a travs de la pelcula gaseosa controla la velocidad de secado.
1 dm Di Cc
A dt L Lc
Lc L0
(6)
2L0Cc ebt 1
LeCh
b
(7)
Donde:
Lo : el espesor inicial
Le :el espesor de la placa en equilibrio
Cc: la concentracin de agua en el ncleo hmedo
Ch : la cantidad de agua a evaporar por unidad de volumen
Que es el modelo que explica la disminucin del espesor de la placa cuando la difusin
de agua a travs de la capa de slido seco controla la velocidad de secado.
En las expresiones anteriores, aparece una resistencia combinada: capa de slido seco y
de la pelcula gaseosa cuya importancia relativa vara a medida que se realiza el secado,
controlando as el proceso global de deshidratacin de la placa.
Debe tomarse en cuenta que ambas resistencias actan en serie y que ambas son lineales
respecto a la concentracin de agua y slidos. Por consiguiente, se pueden combinar
directamente las resistencias individuales de ambas etapas de acuerdo a:
A kg Cc
dm
dt 1 kg L Lc
Di
(8)
El grupo adimensional kg(L-Lc)/Di es el nmero de Damkohjer (Da) para la capa de

slido seco (Levenspiel, 1986).
67
Da
kg ( L L c )
Di
(9)
En este caso Da representa el cociente de la resistencia por difusin del lquido en el

interior de la capa de slido seco y de la resistencia a la transferencia de agua de la pelcula
gaseosa.
La solucin representa el modelo del ncleo hmedo para placas planas que presentan
encogimiento, la cual describe la disminucin en tamao del ncleo hmedo a medida
que la placa se va secando, es decir, lc = f(t):
bCh
( Lc L0 )
kgCc
bt
Lekg
kgCc
Lekg 2 Cc
L
0
L
c
L0
bCh
bChL 0
(10)
%Clculo de simplificacin: Ch, Le, Cc, alfa y beta

Di = a * exp(b * t);
alfa = b * Ch / (kg * Cc);
beta = Le * kg / Lo;
Din = mo / (Ar * Lo);
Ch = Din * (mo - me) / mo
Le = me / (de * Ar);
Dss = mss / (Ar * Le)
xo = (mo - mss) / mss;
Cc = Dss * xo:
p = exp(alfa * (lcv - Lo))
q = Di + beta * (Lo - lcv + 1 / alfa)
f = p * q - a - beta / alfa
Masa de agua con la variacin del espesor
me m0 me lc
l0
(11)
Humedad en base hmeda es:
m mss
mss
(12)
Programa para la simulacin de la cintica de secado para placas de pur de papa

En la figura 1 se presenta el diagrama de flujo del programa que simula la cintica de
secado para placas de pur de papa.
68
INICIO
Parmetros de
simulacin
(propuestos)
kg, a, b
Dimensiones y
masas de la placa
A, Lo, mo
me, De, mss
Do = mo/ALo ; Ch = Do(mo - me)/mo

Le = me/DeA ; Dss = mss/ALe
Xo = (mo - mss)/mss ; Cc = DssXo
Clculo de
Ch, Le y Cc
i = 1 , 100
S
t = -1
Fn
No
Di = a exp (bt)
Obtencin de la raz lc ,
del modelo (ecuacin 10)
Mtodo de
Newton de
2 orden
m = me + (mo - me)lc/Lo
X = (m - mss)/mss
t,X
Figura 1: Diagrama de flujo del programa que simula la cintica de secado

para placas de pur de papa.
Los parmetros de simulacin son el coeficiente local de transferencia de masa en la

pelcula gaseosa (kg) y los parmetros a y b que definen el coeficiente interno de
transferencia de masa (Di) como funcin exponencial del tiempo.
Los valores experimentales que se requieren son:
A: el rea,
Lo : el espesor inicial
mo : la masa inicial de agua en la placa,
me: la masa de agua en equilibrio
pe= la densidad en el equilibrio
mss: la masa de slido seco
69
Se requiere calcular:
Ch : la cantidad de agua a evaporar por unidad de volumen
Le :el espesor de la placa en equilibrio
Cc: la concentracin de agua en el ncleo hmedo
Para calcular el espesor del ncleo hmedo (Lc) a cualquier tiempo (k), se despeja de la
ecuacin el valor de Lc utilizando el mtodo numrico de aproximaciones sucesivas de
Newton de segundo orden (James y col., 1979; Luthe y col., 1988) cuya ecuacin de
recurrencia es:
lc lco
f ' (lco )
f Lc e
bCh Lc L0
k g Cc
f (lco )
f (lco )
2 f ' (lco )
(13)
f ' ' (lco )
2
bt Le k g
k g Cc
Le k g Cc
L0 Lc
a
ae
L
bC
bCh L0
0
h
Lk C
f Lc p Di L0 Lc a e g c

bCh L0
f Lc p * q a
bCh
k g Cc
: funcin matemtica
p exp * x L0
f Lc p * q a
Le k g
L0
Di a expb * 60 * t
q Di * L0 x
: %la funcion matematica
Dnde:
F(lc) y F(lc) son la primera y segunda derivadas de F(lc), respectivamente.
Formulario

70
(14)
Programa
kg=str2double(get(handles.edit1,'string'));
a=str2double(get(handles.edit2,'string'));
b=str2double(get(handles.edit3,'string'));
Ar=str2double(get(handles.edit4,'string'));
Lo=str2double(get(handles.edit5,'string'));
mo=str2double(get(handles.edit6,'string'));
me=str2double(get(handles.edit7,'string'));
mss=str2double(get(handles.edit8,'string'));
de=str2double(get(handles.edit9,'string'));
t=str2num(get(handles.edit10,'string')); % para varios valores
n=length(t);
%Calculus: Ch, Le, Cc, alfa y beta
Din = mo/(Ar*Lo);
Ch = Din*(mo-me)/mo;
Le = me/(de*Ar);
Dss = mss/(Ar * Le);
xo = (mo - mss)/mss;
Cc = Dss*xo;
alfa = b*Ch/(kg * Cc);
beta = Le*kg / Lo;
%Clculo del contenido de humedad en funcin del tiempo
for k=1:n
% t(k)*60; % conversin de tiempo de min a s
Di = a*exp(b*t(k)*60);% Calculo de Di y conversin min a s
tiempo = t(k);
%METODO DE NEWTON RAPHSON DE SEGUNDO ORDEN
lcv = Lo; %Aproximacin inicial de la raz
e=0.000001;
ea=1000;
71
it=0; % iteracion
while ea>e
p = exp(alfa*(lcv-Lo));
q = Di + beta*(Lo-lcv+1/alfa);
f = p*q-a-beta/alfa; % funcion
DF = p*(alfa*q-beta); % derivada de funcion
DDF = p*(alfa^2*q-2*alfa*beta); % segunda derivada de funcion
% lcn = lcv-f/(DF-f*DDF/(2*DF));
lcn=lcv-(f*DF)/((DF^2)-(f*DDF)); % algoritmo de Newton
ea= abs(((lcn-lcv)/lcv)*100);
lcv = lcn;
it=it+1;
end
%CALCULO DE HUMEDAD EN CADA TIEMPO
lc(k)=lcn;
Lc=lc(k);
m = me+(mo-me)*Lc/Lo;% Calculo de masa seca en cada tiempo
X= (m-mss)/mss; % Humedad en cada tiempo
% CALCULO DEL ENCOGIMIENTO DEL ESPESOR EN CADA TIEMPO
lc(k) = lcn;
L(k) = Le+(1-Le/Lo)*lc(k);
Dam = kg*(L(k)-lcn)/Di;
rpg(k) = 1/(1+Dam);
rcss(k) = Dam/(1+Dam);
valores ={tiempo m X L(k) };
hold on
axes(handles.axes1)
plot(tiempo,X,'r*')
xlabel('Tiempo (min)'),ylabel('Humedad (g agua/ 100g ms)')
grid on;
hold on
% Variacion de masa de agua
axes(handles.axes2)
plot(tiempo,m,'b*')
xlabel('Tiempo (min)'),ylabel('Masa de agua (g)')
grid on;
hold on
% Grafico de variacion de espesor
axes(handles.axes3)
plot(tiempo,L(k),'g*')
xlabel('Tiempo (min)'),ylabel('espesor de nucleo (m)')
grid on;
72
k=k+1;
end
close
Ejecucion del programa
Bibliografa
1. Zazueta, N.J.A. 1994. Estudio del secado a baja presin y baja temperatura y su
comparacin con el secado en tnel experimental. Tesis de Maestra, Universidad
Autnoma de Sinaloa, Mxico. Programa elaborado en lenguaje Visual Basic.

73
Ejercicios propuestos
Prctica 1-7
EJERCICIOS PROPUESTOS
1.
Problema caso de deshidratacin osmtica: Determinacion de los coeficientes

de difusion del agua y de los solutos.
La mayora de los modelos existentes para el estudio de la cintica de deshidratacin

osmtica se basan en la segunda ley de Fick, que se basa en la ecuacin de difusin, el
flujo de masa es proporcional al gradiente de concentracin entre el slido y la solucin.
Crank (1975) presenta una serie de soluciones analticas para la ley de la Segunda Fick,
teniendo en cuenta las diferentes condiciones iniciales y de frontera. En sistema de
coordenadas rectangular (x, y, z), la ecuacin de difusin se expresa como:
Suponiendo que no hay forma constante y geomtrica de una placa infinita con espesor
2L, donde la transferencia de humedad durante la deshidratacin osmtica es
predominantemente unidireccional y considerando Def constante, la ecuacin 2.1 se
reduce a:
X
2 X
Def
t
y 2
Para la situacin de humedad inicial X0 uniforme, despreciando las resistencias externas
a la transferencia de materia y considerando la contraccin del producto durante la
deshidratacin despreciable, las condiciones de contorno para la humedad X son:
X Xo
en el
t=0
0<y<L
(2.2a)

74
X Xe
en el
y=L
t>0
(2.2b)
X
0
y
en el
y=0
t>0
(2.2c)
La solucin de la ecuacin 2.2 con las condiciones de contorno 2.2a, 2.2b e 2.2c es:
X Xe
8
2
X0 Xe
(2n 1) 2 2
1
exp
Def .t
2
2
4L
n 0 ( 2n 1)
Para el soluto
M Me
8
2
M0 Me
(2n 1) 2 2
1
exp
Def .t
2
2
4L
n 0 ( 2n 1)
Donde:
X = humedad de la muestra (g);
M = masa de slidos (sacarosa) en la muestra (g);
Def1 = difusividade efectiva del agua (m2/s);
Def2 = difusividad efetiva del soluto (m2/s);
t = tiempo (s);
n = nmero de terminos de la srie;
L = dimensin caracterstica (m). caso placa
Realizar un programa con dos tablas de resultado y dos graficos de cintica de difusividad
efectiva para el soluto y para el agua del producto.
Tabla: Valores de la Perdida de gua (PA), Ganancia de Slidos (GS) y del
Adimensional GS/PA durante la cintica de desidratacin osmtica con solucin de
sacarosa (40, 50 y 60Brix) a 30C.

75
2.
Problema: Transporte de un fluido no Newtoniano: Se desea calcular la

velocidad y caudal msico con el que circula un pur de manzana que se transporta
a travs de una tubera de 15 cm de dimetro interno, a una temperatura de 20C. la
distancia total que debe recorrer el pur es de 300 m, existiendo entre los puntos de
salida y llegada una cada de presin de 250 kPa, estando el punto de llegada a 5 m
por encima del punto de salida. A la temperatura de trabajo, el pur sigue la ley de
potencia, con un ndice de consistencia de 2,4 Pa.sn y un ndice de comportamiento
al flujo de 0,44, siendo su densidad de 1200 kg/m3.
Solucin
El nmero de Reynold crtico correspondiente a este flujo se obtiene de la ecuacin:
6464n
Re Crtico
2 n
1 n
1 3n 1
2n
2
Las prdidas de energa mecnica se obtienen al aplicar la ecuacin de Bernoulli entre los
puntos de entrada y salida es:
Ef
Se asume una velocidad a partir del cual se evala el valor del mdulo de Reynolds
generalizado
d n 4n 2n
v
8n1 k 1 3n
n
Re G
d n 4n
C n1
8 k 1 3n
Re G C * v 2 n
Calculamos el factor de friccin
16
Re G
16
C * v 2 n
A partir de f y velocidad de circulacin, se determina la velocidad
2 d Ef
vm
4fL
1/ 2

76
vm
2 d
vm
Ef
16
4*L*
C * v 2n
2 d
E f * C * v 2n
4 * L *16
La funcin matemtica a iterar para determinar velocidad es:
f ( v ) v 2
2 d
E f * C
4 * L *16
v 2n 0
Calculo de flujo de circulacin
3.
Problema de transferencia de calor por conveccin: Se desean calentar 12000

kg/h salsa de tomate desde 18C hasta 75C, utilizando un intercambiador de calor
de tubos concntricos. El tomate circula por el interior de un tubo de acero inoxidable
AISI 304 de 2 pulgadas estandar, mientras que por el exterior condensa vapor de agua
saturado a 105 C. Si se pueden despreciar las resistencias que a la transmisin de
calor ofrece la pelcula de condensado y la pared del tubo, calcular la longitud que
debe tener el intercambiador para llevar a cabo el citado calentamiento. Problema
14.1 Barboza Canovas
Datos: Propiedades del tomate triturado, en el intervalo de temperatura de operacin:

calor especfico 3,98 KJ/KgC, Conductividad trmica 0,5 W/mC, Densidad 1033
Kg/m3. La viscosidad vara con la temperatura segn la expresin
1,75x104 exp(4000/ T ) mPas, en la que T es la temperatura absoluta.
Dimensiones del tubo de acero de 2: dimetro interno 5,25 cm. Dimetro externo 6,03
cm.
Supngase que el coeficiente global de transmisin de calor vara linealmente con la
temperatura.

77
De las Tablas de vapor saturado de agua para tv=105C, calor latente de vaporizacin es:
v105C 2242kJ / kg
El calor de condensacin de vapor es cedido al tomate para aumentar su temperatura
desde 18C hasta 75C.
wc v w f Cp f t s t e
kJ
wc 2242 1200kg / h 3,98kJ / kg C 75 18 C
kg
wc 1214,2kg / h
Segn el enunciado del problema se puede despreciar la resistencia que la capa de

condensado y la pared ofrecen a la transmisin de calor, por lo que: U=hi
Como el coeficiente global de transmisin de calor varia linealmente con la temperatura:
U = a+bt, el caudal de calor que atraviesa la seccin lateral del tubo metlico ser:
Q AUT mtc dLUT mtc
UT mtc U 2 T1 U 1T2
U T
Ln 2 1
U 1 T2
U1 h1
T1 Tv tc 105 18 87 C
U 2 h2
T2 Tv t s 105 75 30 C
Para el clculo de los coeficientes individuales de transmisin de calor, se utilizar la

ecuacin de Sieder-Tate:
0,027k
Re 0,8 Pr0,33
h
d
w
0 ,14

78
Calculo de la densidad de flujo de la corriente de tomate:
w1
4
G
d2
4 *12000kg / h
* 5,25 *10
2 2
1h
kg
1539,8 2
m .s
m 2 3600s
La temperatura en la pared metlica coincidir con la de condensacin de vapor, ya que

no existe resistencia de la pared metlica y de la capa de condensado: Tw=tv=105C.
Para el clculo de Re, Pr, hi y h2, es preciso conocer los valores de la viscosidad a las
temperaturas correspondientes. Para ello se utilizar la expresin:
1,75x104 exp(4000/ T )
En la tabla siguiente se hallan recogidos los valores de Re, Pr y calculados a partir de
las ecuaciones anteriores:
Puede observarse que la entrada Re1=496, por lo que para el clculo de h1 se debe utilizar
una expresin para flujo laminar:
d
Nu 1,86Re Pr
L
1/ 3
0 ,14
Luego,
1,86k
Re Prdi 1/ 3
h1
di
w
0 ,14
L1/ 3
Para el clculo de h1 es preciso conocer la longitud del intercambiador, lo que hace que
el problema deba resolverse por iteracin o tanteo.
Al sustituir los valores de las variables, se obtiene:
h1 892L1/ 3 W/m 2 C
Para el clculo de h2 se utiliza la ecuacin de Sieder.Tate.

La longitud del intercambiador se calcula mediante la expresin:
L
Q
d i UT mtc
Siendo:

79
Q wc v 756,18kW
di 5,25*102 m
Sustituyendo en la expresin de la longitud del intercambiador:

L
160,62 * ln(3,91L1/ 3 )
3,91 L1/ 3
El clculo de L se realizar por iteraciones, para la funcin ser:

fL L
160,62 * ln(3,91L1/ 3 )
0
3,91 L1/ 3
Solucin por Solucin numrica de iteraciones
4.
Problema de transferencia de calor: Un fluido alimentario viscoso se halla a 15C

y se desea aumentar su temperatura hasta 40C para introducirlo en un pasteurizador
de placas a razn de 1000 kg/h. para realizar este calentamiento se utiliza un
intercambiador de tubos concntricos de pared rasgada, con 4 paletas insertadas en
un eje central que gira a 6 rpm. Por la seccin anular circular 10000 kg/h de agua
caliente, que se introduce a 98 C. si el intercambiador se halla perfectamente aislado
para evitar prdidas de calor hacia el exterior, calcular su longitud. Ejercicio 14.8
Barboza C.
Datos despreciar el espesor del eje central y de las paletas
Propiedades del fluido alimentario:

Conductividad trmica: 0.52 w/m C
Viscosidad: 1.6 Pa.s
Densidad: 1100 kg/m3
Calor especfico: 3.35 KJ/kg C
Propiedades del agua:
Conductividad trmica: 0.58 w/m C
Viscosidad: 1 mPa.s
Densidad: 1000 kg/m3
Calor especfico: 4.185 KJ/kg C
Los tubos son de acero inoxidable cuya conductividad trmica es de 23 W/m C. El tubo
interior posee un dimetro interno de 22 cm y un espesor de pared de 8 mm. El tubo
exterior posee un dimetro interno de 30 cm.
Solucin
80
Seccin del tubo interior:
d i 2
Si
3,1416* (0,22m) 2
0,0380m 2
4
Seccin anular:
Sa
d 0 2 d e2
4
3,1416* (0,30m)
0,02694m 2
Dimetro equivalente seccin anular:
d 0 2 d e2
De 4 * rH
4
de
d e2
0,302 0,2362
0,1454m
de
0,236
2
0
Densidad de flujo msico para el agua

GC
wc 10000kg / h 1h
kg
103,1 2
Sa
0,02694 3600s
m s
El coeficiente de transmisin de calor para el agua se calcula a partir de la ecuacin de

Dittus-Boelter (ec. 14.14) para fluidos que se enfran:
Nu
hDe
0,023Re 0,8 Pr 0,3
k
Mdulo de Prand
kJ 3
4,185
10 Pa.s
kg C
Cp
Pr
7,2
kJ
k
3
0,58x10
s.m. C
Mdulo de Reynolds
Re
v De Gc De
103,1
kg
0,1454m
m 2 .s
1,5 x104
3
10 Pa.s
Al sustituir en la ecuacin Dittus-Boelter

W
m C 0,023 1,5 x104 0,8 7,20,3 363 W
he
0,1454m
m2 C
El coeficiente individual de transmisin de calor para el fluido alimentario se calcula a
partir de la ecuacin:
0,58

81
k Cp P N
hi 2
1/ 2
W
kg
J 1 min
3
0,52
4 6
1100 3 3,35x10
m C
kg C min 60s
m
hi 2
W
hi 988 2
m C
1/ 2
Coeficiente global de transmisin de calor referido al rea interna:

En la que Dml es:
Dml
Ui
d e d i 0,236 0,22
0,228m
de
0,236
ln
ln
0,22
di
1
988
W
m2 C
8 x103
1
W 0,228m
W 0,236m
23
363 2
m C 0,22m
m C 0,22m
Al operar se obtiene:
U i 255
W
m2 C
Del balance energtico se obtiene

10000
kg
kJ
98 TS C 3000 kg 3,35 kJ 40 15C
4,185
h
kgC
h
kgC
TS 92C
De la ecuacin de velocidad
.
Q U i Ai Tm L U i diLTm L
Q w f Cp f t S t e 3000
.
a)
kg
kJ
40 15C 251250kJ
3,35
h
kgC
h
Si los fluidos circulan en contracorriente

82
Tm Lc
Te t S TS t e 98 40 92 15
67C
Te t S
98 40
ln
ln
92 15
TS t e
kJ
1h / 3600s
h
Ai
4,085m 2
kJ
3
255 *10
* 67C
2
sm C
251250
Siendo la longitud del intercambiador
4,085m 2
L
5,91m
0,22m
b) Si los fluidos circulan en forma paralelo
Tm Lp
Te t e TS t S 98 15 92 40
66,3C
Te t E
98 15
ln
ln
92 40
TS t S
kJ
1h / 3600s
h
Ai
4,128m 2
kJ
3
255 *10
* 66,3C
sm 2 C
251250
Siendo la longitud del intercambiador
4,128m 2
5,97m
0,22m
SI SE HUBIERA UTILIZADO LA SIGUIENTE EXPRESION

hd
di * N
Nu i 4,9 Re 0,57 Pr 0, 47
k
v
0 ,17
di

L
0 , 37
Mdulo de Reynolds
Re
G f di
w f di
Si
kg
1h / 3600s 0,22m
h
3
0,038 * m 2 * 1,6 Pa.s
3000
Mdulo de Prand

83
kJ
3,35
1,6 Pa.s
kg C
Cp
Pr
10,308
kJ
k
0,52x10 3
s.m. C
La velocidad lineal de circulacin

v
wf
*S
3000kg / s
1h
0,020m / s
kg
2 3600s
1100 3 0,038m
m
d i N 0,22m 6mi 1 1h
1,104
v
0,02m / s 60s
Al sustituir estos datos en la ecuacin anterior se puede obtener el coeficiente hi

0,52W / mC
0, 57
0, 47
0,17 0,22
hi
4,93 10,308 1,104
0,22m
L
L 968L0,37
0, 37
W / m 2 C
El calculo de L deber resolverse por iteraciones

1
1
2,904 * 10 3
U i hi
Como
Q
1
d i Tm L U i
Q
d i TmL
Q
1
2,904 *103
0 , 37
d i TmL 968L
2,904 *103
hi
Contracorriente:
L
Q
1
2,904 * 103
0 , 37
d i Tm LC 968L
Q
d i Tm LC
L0,37
2,904*103
968

84
Paralelo:
L
Q
d i TmLP
Q
L
d i Tm LP
2,904 *103
0 , 37
968
L
L0,37
2,904*103
968
2.8.2 Desarrollar el programa que permita hallar el coeficiente de friccin
1
1
2.51
2 log
D
4f
Re g 4 f
3.7
e
n 2 n
4n D v
Re g
n 1
3n 1 8 k
n
f
Q
m
A .A
El comportamiento reolgico de una mermelada de albaricoque puede describirse

mediante la ecuacin de Herschel-Bulkley, presentando los siguientes datos:
Flujo msico: fm = 2.2 kg/s
Densidad de fluido: = 1165 kg/m3
ndice reolgico: n = 0.65
Coeficiente de consistencia del fluido: k = 4.43 Pa.sn
Rugosidad absoluta de la tubera: e = 0.00005
Dimetro de la tubera: D = 0.0343m
Longitud de la tubera: L = 200m
Y adems que muestre los resultados de velocidad, Reynolds y coeficiente de friccin.

Cuando un fluido no Newtoniano pasa por una tubera de seccin circular bajo cierto
rgimen, se genera una prdida de carga debido a la friccin que puede ser estimada de
acuerdo a la ecuacin de Darcy:

85
Lv 2
hf f
D2 g
Donde:
hf: prdida de carga
f: Factor de friccin(s/u)
L: longitud de la tubera
D: dimetro de la tubera
v: velocidad promedio del fluido dentro de la tubera
g: aceleracin de la gravedad
Por otro lado, el factor de friccin f puede ser estimado mediante la ecuacin de
Colebrook:
1
1
2.51
2 log
4f
3.7( D / e) Re g 4 f
n 2 n
4n D v
Re g
n 1
3n 1 8 k
n
Desarrollar un programa en lenguaje Matlab que calcule el caudal Q, el rea

transversal de la tubera A, la velocidad de flujo v, el nmero de Reynolds
generalizado Reg, el factor de friccin f, y la prdida de carga en la tubera hf, a
partir de los datos de mermelada de albaricoque:
Flujo msico: fm = 2,2 kg/s
Densidad de fluido: = 1165 kg/m3
ndice reolgico: n = 0,65
Coeficiente de consistencia del fluido: m = 4.43 Pa.sn
Rugosidad absoluta de la tubera: e = 0.00005
Dimetro de la tubera: D = 0.0343m
Longitud de la tubera: L = 200m
2.8.3 Se desea calcular la velocidad y el caudal msico con el que circula un pur de
manzana que se transporta a travs de una tubera de 15 cm de dimetro interno,
a una temperatura de 25C. La distancia total que debe recorrer el pur es de 300
metros, existiendo entre los puntos de salida y llegada una cada de presin de 250
Kpa, estando el punto de llegada a 5 metros por encima del punto de salida. A ala
temperatura de trabajo, el pur sigue la ley potencia, con un ndice de consistencia
de 2,4 Pa.sn y un ndice de comportamiento al flujo de 0,44, siendo su densidad
1200 kg/m3.

86
El nmero de Reynold crtico correspondiente a este flujo, se obtiene con la

ecuacin:
6464n
Re g crtico
2 n
1 n
1 3n 1
2n
2
Las prdidas de energa mecnica se obtienen al aplicar la ecuacin de Bernoulli

entre los puntos de entrada y salida
Ef
gz
Se supone una velocidad a partir de la cual se evala el valor del mdulo de Reynold
generalizado.
n 2 n
4n D v
Re g
n 1
3n 1 8 k
n
El valor del coeficiente de friccin calculamos con la ecuacin
16
Re g
2 D.E f
A partir de f y v m
4 fL
1/ 2
SOLUCION

87
Sistema de Ecuaciones lineales

88
CAPITULO II
SISTEMA DE ECUACIONES
LINEALES
---------------------------------------------------------------------------------------------------------Objetivos: Desarrollar ejercicios de ecuaciones lineales aplicados a la ingeniera de
alimentos.
----------------------------------------------------------------------------------------------------------
2.1
INTRODUCCIN
Sistema de m ecuaciones lineales con n incgnitas

Debemos resaltar que muchos problemas prcticos y reales se reducen a un sistema de
ecuaciones de este tipo, para ver esto se puede recurrir a cualquier documento de
investigacin de operaciones.
Sistemas lineales son sistemas de ecuaciones con m ecuaciones y n incgnitas formados
por ecuaciones lineales. Un sistema lineal con m ecuaciones y n incgnitas es escrito
usualmente en la forma:
a11 X 1 a12 X 2 a13 X 3 .........a 1n X n b1

a X a X a X .........a X b
22
2
23
3
2n
n
2
21 1
a 31 X 1 a 32 X 2 a 33 X 3 .........a 3n X n b3
.....
a n1 X 1 a n 2 X 2 a n 3 X 3 .........a nn X n bn
(2.1)
Donde:
aij : coeficientes 1 i m, 1 j n
xj : incgnitas j = 1, 2, ..., n
bi : Termino independiente i = 1, 2, ..., m
A resolucin de un sistema lineal consiste en calcular os valores de xj, j = 1, 2, ..., n,
caso en los que existan, que satisfagan las m ecuaciones simultneamente.
89
Usando notacin matricial, el sistema linear pode ser representado por AX = B, donde
a11
a
21
.
A
.
.
am1
a12
a22
.
.
.
am 2
a1n
... a2 n
.
.
.
.
.
.
... amn
...
x1
x
2
.
X
.
.

xm
b1
b
2
.
B
.
.

bm
Este sistema de ecuaciones se simboliza como [Anxn [Xnx1 = [Bnx1, en donde A es la

matriz del sistema, X es el vector incgnita y C es el vector de trminos independientes,
que en forma sinttica se simboliza como AX=B.
2.2
CLASIFICACIN CUANTO AL NMERO DE SOLUCIONES
Un sistema lineal puede ser clasificado cuanto al nmero de soluciones en:

Sea Ax=b un sistema lineal de ecuaciones
Cuando un sistema tiene al menos una solucin se dice que, el sistema es
consistente, en caso contrario es inconsistente.
Se dice que el sistema es homogneo cuando b = 0, es decir el vector b es el vector
nulo. Estos sistemas siempre tienen solucin, por lo tanto estos sistemas son
consistentes. Las solucin trivial de estos sistemas es tambin X = 0
Si b 0 se dice que el sistema es no homogneo.
Un sistema no homogneo es consistente (tiene al menos una solucin ) si rango(A)
= rango(A|b)
Los sistemas no homogneos son consistentes con una solucin si rango(A)=n
Es consistente con ms de una solucin si: rango(A) = rango(Ab)= r<n
Si b=0 , el sistema siempre es consistente , ya que X=0 (Solucin trivial) es siempre
una solucin y esta ser nica s .rango(A)=n
Si b=0 , el sistema tendr solucin no trivial si : rango(A) =r<n . En cuyo caso un
nmero infinito de soluciones existen.
Si b0, el sistema es inconsistente ( no existe solucin) si: rango(Ab)>rango(A)
De forma grfica se puede clasificar los sistemas lineales en
Ax=B
Si r(A) r(Aa) Inconsistente,
no hay solucin
Si r(A) = r(Aa) = k,
Consistente, existe solucin
Si K = n, la solucin es nica
Si k< n; infinitas soluciones

90
Cuando todos los termos independientes fueren nulos, esto es, si bi = 0, i = 0, 1, ..., m, o
sistema es homogneo. Todo sistema homogneo compatible, pues admitir por lo
menos la solucin trivial (xj = 0, j = 0, 1, 2, ..., n).
2.3
PROPIEDADES DE LAS MATRICES
Suma y Resta de Matrices

Slo se pueden efectuar suma y resta de matrices, si tienen las mismas dimensiones.
Al sumar o restar dos matrices [A] y [B], el resultado se mostrar en la matriz [C], y se
calcula: cij = aij bij
D B C
5 9 3 2 8 11
7 2 1 0 6 2
Producto de Matrices
Para multiplicar una matriz [A] por un escalar g, se multiplica cada elemento de [A] por
g.
g * a11 X 1 g * a12 X 2 g * a13 X 3 g * a1n X n g * b1
B g * A g * a21 X 1 g * a22 X 2 g * a23 X 3 g * a2 n X n g * b2
g * a31 X 1 g * a32 X 2 g * a33 X 3 g * a3n X n g * b3

Para multiplicar dos matrices [A] y [B], la dimensin de columnas de [A] debe ser igual
a la dimensin de filas de [B].
n
cij aik bkj

k 1
3 1
22 29
5 9
D B* C 8 6 * 82 84
7 2
0 4
28 8
3*5+1*7=22
8*5+6*7=82
Todo sistema de ecuacin se puede escribir
A* x b
(2.3)

91
La ecuacin (2.3) es para cada fila:

n
a x
j 1
ij
bi
(2.4)
Despejando la i-sima incgnita de (2.4) se tiene:
1
xi bi aij x j
aii
j 1
i 0
2.4
(2.5)
MTODOS DIRECTOS (ALGORITMOS DIRECTOS)
Un mtodo es dicho directo cuando la solucin exacta x del sistema lineal es obtenida
realizando un numero finito de operaciones aritmticas. Son ejemplos conocidos la regla
de Cramer, el mtodo de eliminacin de Gauss (la triangulacin) y el mtodo de Jordan.
2.4.1 Regla de Cramer
Sea un sistema lineal con nmero de ecuaciones igual al nmero de incgnitas (un sistema
n x n), siendo D el determinante de la matriz A, y Dx1, Dx2, Dx3, ..xn los determinantes
de las matrices obtenidas intercambiando en M, respectivamente, la columna de los
coeficientes x1, x2, x3, xn por la columna de los trminos independientes tenemos
que: El sistema S ser compatible y ser solucin nica si, es solamente si, D 0. En este
caso la solucin de S es dada por:
x1
Dx1
D
x2
Dx2
D
x3
Dx3
D
xn
Dxn
D
La aplicacin de Regla de Cramer exige el clculo de n+1 determinantes (det A e det Ai,
1 i n); para n = 20 el nmero total de operaciones efectuadas ser 21 * 20! * 19
multiplicaciones ms un nmero semejante de adiciones. Asimismo, un computador que
efecte cerca de 100 millones de multiplicaciones por segundo llevara 3 x 10^5 aos
para efectuar las operaciones necesarias. Como eso, la regla de Cramer es inviable en
funcin del tiempo de computacin para sistemas muy grandes.
2.5
MTODOS ITERATIVOS
Los mtodos iterativos o de aproximaciones sucesivas se utilizan cuando los sistemas

de ecuaciones a resolver son de grandes dimensiones o bien son sistemas dispersos (la
matriz de coeficientes posee muchos ceros). Estos mtodos construyen una sucesin de
aproximaciones a la solucin de las incgnitas hasta obtener una precisin determinada o
hasta completar un nmero determinado de iteraciones. Son ejemplos el mtodo de
Jacobi, el de Gauss-Seidel, etc.

92
Practica 2-1
MTODO DE ELIMINACIN
DE GAUSS
2.1 MTODO DE ELIMINACIN DE GAUSS
El mtodo de eliminacin de Gauss es transformar el sistema lineal original en otro
sistema lineal equivalente a los coeficientes de matriz triangular superior, que son de la
resolucin inmediata. Decimos que dos sistemas lineales son equivalentes cuando tienen
la misma solucin. El determinante de los sistemas lineales equivalentes es igual.
Con (n - 1) pasos el sistema lineal Ax = B se transforma en un sistema triangular
equivalente: UX = C, que puede ser resuelto fcilmente por sustituciones.
Vamos a calcular la solucin AX = B en tres pasos:
1 etapa: Matriz Completa
Consiste en escribir la matriz completa o aumentada del sistema linear original.
2 etapa: Triangulacin
Consiste en transformar la matriz A una matriz triangular superior, mediante una
secuencia de operaciones elementales en las lneas de la matriz.
3 etapa: Retro-substitucin
Consiste en el clculo de los componentes x1, x2, ..., xn, solucin de AX = B, a partir
de la solucin del ltimo componente (xn), y en tanto sustituimos regresivamente
en las ecuaciones anteriores.
Teorema: Sea AX = B un sistema linear. Aplicando sobre las ecuaciones de este sistema
una secuencia de operaciones elementales escogidas entre:
i) Cambiar el orden de las dos ecuaciones del sistema;
ii) Multiplicar una ecuacin del sistema por una constante diferente de cero;
iii) Aadir un mltiplo de una ecuacin a una otra ecuacin;
obtenemos un nuevo sistema UX = C y los sistemas AX = B e UX = C son equivalentes.
93
2.1.1 Resolucin de Sistemas Triangulares

Sea el sistema linear AX = B, donde A: matriz n x n, triangular superior, con elementos de
la diagonal diferentes de cero. Escribiendo las ecuaciones de este sistema, tenemos:
a11 X 1 a12 X 2 a13 X 3 ......... a1n X n b1
a 22 X 2 a 23 X 3 ......... a 21n X n b2
a 33 X 3 ......... a 3n X n b3
.
.
a nn X n bn
De la ltima ecuacin de este sistema tenemos:
xn
bn
a nm
xn-1 puede en tanto obtenido de la penltima ecuacin:
xn1
bn1 an1,n xn
an1,n1
Y asimismo sucesivamente obtenindose xn-2, ..., x2, e finalmente x1:
x1
b1 a12 x2 a13 x3 .... a1n xn

a11
2.1.2 Estrategias de Pivoteamiento

El algoritmo para el mtodo de eliminacin de Gauss requiere el clculo de los
multiplicadores:
mik
aik
a kk
i = k + 1, ..., n e k = 1, 2, 3, ..., n-1
cada paso del proceso k. Puesto que el coeficiente akk llamado pivote.
Qu pasa si el pivote es nulo? Y si el pivote est cerca de cero?
Estos dos casos merecen una atencin especial, ya que es imposible trabajar con un pivote
cero. Y trabajar con un pivote cerca de cero puede dar lugar a resultados totalmente
inexactos. Esto es porque en ningn clculo de la calculadora o de ordenador se llevan a
cabo con precisin finita y cerca de cero pivotes son ms grandes y la altura de la unidad
multiplicadora, a su vez, provoca un ensanchamiento de errores de redondeo.
94
Para evitar estos problemas deben adoptar una estrategia de pivoteamiento, o adoptar un
proceso de seleccin de la fila y/o columna pivote.
Esta estrategia consiste en:
i) En el inicio da etapa k da fase de escalonamiento, escoger para pivote y
elemento de mayor mdulo entre los coeficientes: aik, i = k, k + 1, ..., n;
ii) Intercambiar las lneas k y i si fuera necesario.
2.1.3 Clasificacin del sistema triangular
U es un sistema triangular superior escala de m ecuaciones y n incgnitas, tenemos las
siguientes posibilidades:
i) m = n sistema compatible y determinado;
ii) m < n sistema compatible y indeterminado.
Si durante o escalonamiento surgir ecuaciones do tipo: 0x1 + 0x2 + ... + 0xn = bm, en
tanto:
i) Se bm = 0, en tanto eliminaremos la ecuacin y continuamos el
escalonamiento;
ii) Se bm 0, en tanto concluirse que el sistema es incompatible.
Ejemplo:
sese la Eliminacin Gaussiana para resolver:
3 x1
0,1x 2
0,2 x3
7,85
0,1x1
0,3 x1
7 x2
0,2 x 2
0,3 x3
10x3
19,3
71,4
3 x1
0,1x2
0,2 x3
7,85
7,0033x2
0,2933x3
10,012x3
19,5617
70,084
Respuesta
x3= 7,00003
x2 = -2,500
x1= 3,000
Desventajas:
Divisin entre cero
Errores de redondeo
Sistemas mal condicionados
El procedimiento para resolver este sistema consta de dos pasos:
95
1. Eliminacin hacia adelante de incgnitas.

2. Sustitucin hacia atrs
2.1.4 Algoritmo de Eliminacin de Gauss
Paso 1: Para i = 1, ..., n-1 seguir los Pasos 2 a 4. (Eliminacin hacia adelante)
Paso 2: Sea p el menor entero con i p n y api0.
Si p no puede encontrarse, SALIDA (No existe solucin nica)
PARAR
Paso 3: Si pi intercambiar la fila p por la fila i
Paso 4: Para j= i+1, ..., n seguir los Pasos 5 a 6
Paso 5: Hacer mij
aij
aii
Paso 6: Realizar Fj-mij Fi e intercambiarla por la fila Fj

Paso 7: Si ann=0 entonces SALIDA (No existe solucin nica)
PARAR
Paso 8: Hacer X n
Cn
(Sustitucin hacia atrs)
ann
n
Paso 9: Para i= n-1, ..., 1 tomar xi
bii1 aiji1 x j
i 1
aiji1
Paso 10: SALIDA X (es decir (X1, X2, ...,Xn))

PARAR
2.1.5 Procedimiento del programa en Guide Matlab
Formulario

96
Programa
f=str2num(get(handles.edit1,'string'));
[m,n] =size(f);
salidaa ='';
salida='';
i=1;
k=2;
for s=1:n
sal=sprintf('%10.3f ',f(1,s));
salida=[salida,sal];
end
while i<=m
sal=sprintf('\n');
divisor=f(i,i);
aux=k;
while k<=m
j=1;
numerador=f(k,i);
while j<=n
f(k,j)=f(k,j)-(f(i,j)*(numerador/divisor));
if aux==k
sal=sprintf('%10.3f ',f(k,j));
end
j=j+1;
end
k=k+1;
end
i=i+1;
k=i+1;
end
set(handles.edit2,'string',salida);
% sustitucion hacia atras
i=m;
j=n;
f(i,j)=f(i,j)/f(i,j-1);
i=i-1;
while i>=1
j=n-1;
while j>i
f(i,j)=f(i,j)*f(j,n);
if f(i,j)>0
f(i,n)=f(i,n)-f(i,j);
else
f(i,n)=f(i,n)-f(i,j);
end
97
j=j-1;
end
f(i,n)=f(i,n)/f(i,j);
i=i-1;
end
i=1;
while i<=m
sal=sprintf('X%d = %10.3f \n',i,f(i,n));
salidaa=[salidaa,sal];
i=i+1;
end
set(handles.edit3,'string',salidaa);
close
Ejecucin del programa
Ejemplo tenemos sistema matricial o sistema de ecuaciones simples
X1 X 2 2X 3 3
3 X 1 X 2 X 3 1
2 X 3 X 4 X 8
2
3
1
Ingresamos los coeficientes del sistema de ecuaciones: 1 1 2 3;3 -1 1 1;2 3 -4 8 los
coeficientes de la matriz
El resultado es:

98
Practica 2-2
METODO DE
GAUSS-JORDAN
2.2 MTODO DE GAUSS JORDAN
Consiste en aplicar operaciones elementares sobre as ecuaciones del sistema linear dado
hasta que se abstenga un sistema diagonal equivalente.
INICIO
LEER
n , aij
i=0,n,1
divisor = aii
j = i , n + 1, 1
aij = aij /divisor
k=1,n,1
i~=k
pivote=a(k,i)
j = i, n, 1
akj = akj - pivote* aij
ESCRIBIR
ai,n+1
Fin

99
2.2.1 Procedimiento del programa en Guide Matlab

Formulario
Programa
a=str2num(get(handles.edit1,'string'));
[m,n]=size(a);
for i=1:m
divisor=a(i,i);
for j=i:n
a(i,j)=a(i,j)/divisor;
end
for k=1:m
if i~=k
pivote=a(k,i);
for j=i:n
a(k,j)=a(k,j)-pivote*a(i,j);
end
end
end
end
for i=1:m
x(i)=a(i,n);
end
x=x';
t=1:m;
t=t';
cadena='';
for t=1:m
cad=sprintf('x%d=%6.2f',t,x(t));
cadena=[cadena;cad];
end
set(handles.edit2,'string',cadena)
100

close
Compilacin: Resolver el sistema
4 X1 2 X 2 5 X 3 4
X 1 3 X 2 2 X 3 2
2 X 1 X 2 7 X 3 11
Ingresamos como: 4 2 5 4;1 3 -2 -2;2 -1 7 11

101

102
prctica 2-3
METODO DE
JACOBI
2.3
METODO JACOBI
Este mtodo es muy poco utilizado debido a que el mtodo de Gauss-Seidel converge
ms rpidamente a la solucin y adems lo hace cuando no se logra que el mtodo de
Jacobi converja.
La condicin suficiente para que el mtodo de Jacobi converja es que la matriz de
coeficientes sea diagonal dominante, es decir que cada elemento de la diagonal principal
es mayor en valor absoluto que la suma del resto de los elementos de la misma fila en la
que se encuentra el elemento en cuestin.
El mtodo de Jacobi consiste en hacer una suposicin inicial de la solucin e iterar con
los valores previos utilizando la ecuacin (2.5). La ecuacin que describe la iteracin de
Jacobi es:
k 1
i
n
1
k
bi aij x j
aii
j 1
i 0
(2.10)
A continuacin, se presenta un algoritmo para este mtodo iterativo.

2.3.1 Algoritmo de Jacobi
Considerando la siguiente notacin:
n: nmero de ecuaciones
aij: elementos de la matriz A (i indica el nmero de fila y j el nmero de columna en el
que se encuentra el elemento en cuestin)
Ci: elementos del vector C
X0i: componentes de la primera aproximacin al vector solucin (esta primera
aproximacines X0)
XiK: componentes de la aproximacin de orden k al vector solucin, k vara de 1 a N
(indica el orden de aproximacin o iteracin)
E: cota de error o criterio de detencin
N: nmero mximo de iteraciones
Paso 1: Para k = 1
103
Paso 2: Mientras k N seguir con los pasos 3 a 6

Paso 3: Para i= 1, ..., n, calcular la aproximacin de orden 1 mediante la frmula:
1
X i Ci aij X 0 j
aii
j 1
j i
Paso 4: Si |X X0| < E, SALIDA X (es decir (X1,X2, ...,Xn))

PARAR
Paso 5: Tomar k = k+1
Paso 6: Para i= 1, ..., n tomar X0i=Xi
Paso 7: SALIDA (Nmero mximo de iteraciones completado)
PARAR
Algoritmo: Mtodo de Jacobi en Matlab
Entradas: matriz A, vector b, aproximaciones iniciales x0, tolerancia TOL, iteraciones
mximas MAX.
Salidas: valor x tal que Ax=b, residual res, iteraciones it.
2.3.2 Procedimiento del programa GUIDE MATLAB

Formulario

error=str2num(get(handles.edit4,'string'));
104
err1=100;
err2=100;
err3=100;
[m,n]=size(f);
salida='';
i=1;
j=1;
x1=0;
x2=0;
x3=0;
x1ant=0;
x2ant=0;
x3ant=0;
while err1>error|err2>error|err3>error
sal=sprintf('Iteracion %d\n',j);
%calculo de x1
x1=(f(i,n)-f(i,2)*x2ant-f(i,3)*x3ant)/f(i,i);
err1=((x1-x1ant)/x1)*100;
if err1<0
err1=err1*-1;
end
sal=sprintf('x1= %5.3f error = %5.3f\n',x1,err1);
i=i+1;
%calculo de x2
err2=((x2-x2ant)/x2)*100;
if err2<0
err2=err2*-1;
end
i=i+1;
%calculo de x3
err3=((x3-x3ant)/x3)*100;
if err3<0
err3=err3*-1;
end
sal=sprintf('x3= %5.3f error = %5.3f\n\n\n',x3,err3);
i=1;
j=j+1;
x1ant=x1;
x2ant=x2;
x3ant=x3;
end
sal=sprintf('x1= %5.3f\nx2= %5.3f\nx3= %5.3f',x1,x2,x3);
105
set(handles.edit3,'string',sal);
close
Resolver la matriz
2 X 1 1X 2 0,1X 3 3
0,1X 1 7 X 2 0,3 X 3 20
3 X 1 2 X 2 100X 3 450
2 -1 0.1 3; 0.1 7 -0.3 20; 3 -2 100 450
y el error de 0.001
Resultado

106
Practica 2-4
METODO DE
GAUSSSEIDEL
2.4
MTODO DE GAUSSSEIDEL
El mtodo de Gauss-Seidel consiste en hacer una suposicin inicial de la solucin e iterar

utilizando los valores previos de las incgnitas que no se han actualizado y los valores de
la iteracin actual de las incgnitas que ya se han iterado, todo esto utilizando la ecuacin
(2.5). La ecuacin que describe la iteracin de Gauss-Seidel es:
k 1
i
i 1
n
1
k 1
k
bi aij x j aij x j
aii
j 1
j i 1
i 0
(2.11)
El mtodo de Gauss-Seidel tiene la ventaja de que converge mucho ms rpido que el

mtodo de Jacobi, lo cual veremos en el Ejemplo 4.1.
En el algoritmo 2.4.1 se muestra el algoritmo del mtodo de Gauss-Seidel implementado
en Matlab.
2.4.1 Algoritmo de Gauss-Seidel
Considerando la siguiente notacin:
n: nmero de ecuaciones
aij: elementos de la matriz A (i indica el nmero de fila y j el nmero de columna en el
que se encuentra el elemento en cuestin)
Ci: elementos del vector C
X0i: componentes de la primera aproximacin al vector solucin (esta primera
aproximacin es X0)
Xik: componentes de la aproximacin de orden k al vector solucin, k vara de 1 a N
(indica el orden de aproximacin o iteracin)
E: cota de error o criterio de detencin
N: nmero mximo de iteraciones
Paso 1: Para k = 1
Paso 2: Mientras k N seguir con los Pasos 3 a 6
Paso 3: Para i= 1, ..., n, calcular la aproximacin de orden i mediante la frmula:
107
1
Xi
aii
i 1
Ci aij X j
j 1
a
X
ij 0 j
j i 1
Paso 4: Si X X0 < E, SALIDA X (es decir (X1,X2, ...,Xn))

PARAR
Paso 5: Tomar k = k+1
Paso 6: Para i= 1, ..., n tomar X0i=Xi
Paso 7: SALIDA (Nmero mximo de iteraciones completado)
PARAR
Las condiciones suficientes para que el mtodo de Gauss-Seidel converja es que la matriz
de coeficientes sea diagonal dominante o bien que la matriz de coeficientes sea simtrica
y definida positiva. Un algoritmo del mtodo se muestra a continuacin.

108
2.4.2 Procedimiento del programa GUIDE Matlab

Formulario
Programa
error=str2num(get(handles.edit4,'string'));
err1=100;
err2=100;
err3=100;
[m,n]=size(f);
salida='';
i=1;
j=1;
x1=0;
x2=0;
x3=0;
x1ant=0;
x2ant=0;
x3ant=0;
while err1>error|err2>error|err3>error
sal=sprintf('Iteracion %d\n',j);
%calculo de x1
x1=(f(i,n)-f(i,2)*x2-f(i,3)*x3)/f(i,i);
err1=((x1-x1ant)/x1)*100;
if err1<0
err1=err1*-1;
end
109
x1ant=x1;
i=i+1;
%calculo de x2
x2=(f(i,n)-f(i,1)*x1-f(i,3)*x3)/f(i,i);
err2=((x2-x2ant)/x2)*100;
if err2<0
err2=err2*-1;
end
x2ant=x2;
i=i+1;
%calculo de x3
x3=(f(i,n)-f(i,1)*x1-f(i,2)*x2)/f(i,i);
err3=((x3-x3ant)/x3)*100;
if err3<0
err3=err3*-1;
end
x3ant=x3;
sal=sprintf('x3= %5.3f error = %5.3f\n\n\n',x3,err3);
i=1;
j=j+1;
end
sal=sprintf('x1= %5.3f\nx2= %5.3f\nx3= %5.3f',x1,x2,x3);
set(handles.edit3,'string',sal);
close (gcbf)
Resolver la matriz
2 X 1 1X 2 0,1X 3 3
0,1X 1 7 X 2 0,3 X 3 20
3 X 1 2 X 2 100X 3 450
2 -1 0.1 3; 0.1 7 -0.3 20; 3 -2 100 450
y el error de 0.0001
Resultado
110
2 -1 0.1 3; 0.1 7 -0.3 20; 3 -2 100 450 y el error de 0.0001

111

112
Practica 2-5
SISTEMA DE ECUACIONES
NO LINEALES
Mtodo de Newton-Raphson
Este mtodo se basa en utilizar el desarrollo de Taylor para aproximar una funcin
derivable en las proximidades de un punto. Partimos de un sistema de la forma
f1 x1 ,......... ., xn 0
f 2 x1 ,......... ., xn 0
f n x1 ,......... ., xn 0
Del que se pretende obtener una solucin. Se supone que la solucin buscada, (x1, . . . ,
xn), se escribe de la forma
x1 x10 x1
.
..
xn xn0 xn
y, por tanto, se tiene que
f1 x10 x1 ,......... ., xn0 xn 0

.
.
f1 x10 x1 ,......... ., xn0 xn 0

Utilizando el desarrollo de Taylor alrededor de ( x10 .......... , x n0 ) y quedndonos con el
primer orden, tenemos

113
f
1 x
0 n
f1 x xi 0
i 1 xi
.
f
1 x
0 n
f n x xi 0
i1 xi
0
Donde
= ( x10 ,......... ., x n0 ). Introduciendo la notacin
F = (f1, . . . , fn) y
f1
f1
.......
x
xn
1
DF .......... .......
f n ....... f n
x1
xn
Queda
0

0 0
F x DF x x x 0

Entonces
0 0

1
DF
F x
x
x

Y el mtodo de Newton consiste en calcular la sucesin

k k

1
DF
x F x
x x

Dado que calcular explcitamente la matriz inversa de la matriz Jacobiana no es, en
general, un proceso muy eficiente desde el punto de vista numrico, a la hora de
implementar el mtodo se hace en dos pasos:
k 1
1. Se resuelve el sistema
k
k k 1

DF x x F x

2. Se calcula
k 1
k 1

114
Las siguientes funciones muestran una posible implementacin en Matlab del mtodo de
Newton, para resolver el sistema
1. Programa en archivo.m
Crear una carpeta y guardar los siguientes programas
function y=f(x)
% funcion para utilizar con newtonsi.m
y(1)=x(1)^2-10*x(1)+x(2)^2+8;
y(2)=x(1)*x(2)^2+x(1)-10*x(2)+8;
function df=jac(x)
% matriz jacobiana para usar con newtonsi.m
df(1,1)=2*x(1)-10;
df(1,2)=2*x(2);
df(2,1)=x(2)^2+1;
df(2,2)=2*x(1)*x(2)-10;
function [xr,k]=newtonsi(x,tol,imax)
% Metodo de Newton para sistemas de ecuaciones
% Uso: [xr,k]=newtonsi(x,tol,imax)
% Input:
%x = vector x1,x2,...,xn inicial,
%tol=tolerancia
% Se ha de disponer de las funciones:
% f.m funcion y=f(x) donde se define el sistema
% jac.m funcion df=jac(x) donde se define la matriz
% derivada del sistema.
% Output: xr= raiz, k= numero de iteraciones.
k=1;
epi=1;
x1=x;
while norm(epi)>tol
x=x1;
fxn=f(x);
axn=jac(x);
epi=axn\fxn';
x1=x-epi';
k=k+1;
if k>imax
disp('no converge')
break
end
end
xr=x1;
115
2.
Otro programa
function [x,fx,xx] = newtons(f,x0,TolX,MaxIter,varargin)

% newtons.m para resolver un sistema de ecuaciones de la forma f1(x)=0, f2(x)=0,..
%input: f = 1^st-order vector ftn equivalent to a set of equations
% x0 = the initial guess of the solution
% TolX = the upper limit of |x(k) - x(k - 1)|
% MaxIter = the maximum # of iteration
%output: x = the point which the algorithm has reached
% fx = f(x(last))
% xx = the history of x
h = 1e-4;
TolFun = eps;
EPS = 1e-6;
fx = feval(f,x0,varargin{:});
Nf = length(fx);
Nx = length(x0);
if Nf ~= Nx, error('Incompatible dimensions of f and x0!'); end
if nargin < 4, MaxIter = 100; end
if nargin < 3, TolX = EPS; end
xx(1,:) = x0(:).'; %Initialize the solution as the initial row vector
%fx0 = norm(fx); %(1)
for k = 1: MaxIter
dx = -jacob(f,xx(k,:),h,varargin{:})\fx(:);%-[dfdx]-1*fx
%for l = 1: 3 %damping to avoid divergence %(2)
%dx = dx/2; %(3)
xx(k + 1,:) = xx(k,:) + dx.';
fx = feval(f,xx(k + 1,:),varargin{:}); fxn = norm(fx);
% if fxn < fx0, break; end %(4)
%end %(5)
if fxn < TolFun | norm(dx) < TolX, break; end
%fx0 = fxn; %(6)
end
x = xx(k + 1,:);
if k == MaxIter, fprintf('The best in %d iterations\n',MaxIter), end
function g = jacob(f,x,h,varargin) %Jacobian of f(x)
if nargin < 3, h = 1e-4; end
h2 = 2*h;
N = length(x);
x = x(:).';
I = eye(N);
for n = 1:N
g(:,n) = (feval(f,x + I(n,:)*h,varargin{:})-feval(f,x - I(n,:)*h,varargin{:}))'/h2;
end
function y = f46(x)
y(1) = x(1)*x(1) + 4*x(2)*x(2) - 5;
y(2) = 2*x(1)*x(1)-2*x(1)-3*x(2) - 2.5;
116
Practica 2-6
APLICACIONES A LA
INGENIERIA DE INDUSTRIAS
ALIMENTARIAS
1. Ejercicio aplicado. Una formulacin de salchicha ser hecha de los siguientes
ingredientes:
Carne de vacuno (magra)- 14% de grasa, 67% de agua, 19% de protena. Grasa de
cerdo - 89% de grasa, 8% de agua, 3% de protena Protena aislada de soya - 90%
de protenas, 8% de agua. Se necesita agua para ser aadida (usualmente en forma
de hielo) para conseguir la humedad deseada del contenido. La protena aislada
adicionada es el 3% del peso total de la mezcla. Cunta carne de vacuno magra,
grasa de cerdo, agua y soya aislada se necesitar para obtener 100 kg de una
formulacin teniendo la siguiente composicin? : Protena:15% ; Humedad: 65%
; Grasa: 20%
Solucin
Carne Vacuno
Grasa=14%
Protena=19%
Agua=67%
Grasa Cerdo
Grasa=89%
Protena=3%
Agua=8%
Protena Soya
Salchicha
MEZCLADO
Grasa=20%
Protena=15%
Agua=65%
Grasa=2%
Protena=90%
Agua=8%
Agua
Agua=100%
X1 +
X2 +
X3 + X4 =100
0,19X1 + 0,03X2 + 0,90X3 + 0X4 = 15
0,14X1 + 0,89X2 + 0,02X3 + 0X4 = 20
0,67X1 + 0,08X2 + 0,08X3 + X4 = 65
Total
Protena
Grasa
Agua
Como la protena es 3% del total queda entonces

117
X1 +
X2 +
3 + X4 =100
0,19X1 + 0,03X2 + 2,7 + 0X4 = 15
0,14X1 + 0,89X2 + 0,06 + 0X4 = 20
0,67X1 + 0,08X2 + 0,24+ X4 = 65
X1 +
X2 + X4 =97
0,19X1 + 0,03X2 + 0X4 = 12,3
0,14X1 + 0,89X2 + 0X4 = 19,94
0,67X1 + 0,08X2 + X4 = 64,76
Total
Protena
Grasa
Agua
Total
Protena
Grasa
Agua
Como hay 3 variables entonces se requiere 3 ecuaciones

1 1 1 97;0.19 0.03 0 12.3;0.14 0.89 0 19.94
2. Aplicacin en reactores: Se tiene un sistema de tres reactores continuos tipo tanque

perfectamente agitado trabajando en serie, en donde se lleva a cabo la reaccin
A Pr oductos y se opera isotrmicamente (Fig). Los volmenes se mantienen
constantes y son de 100, 50 y 50 litros, respectivamente.
Un Balance de materia en cada reactor, de acuerdo con la ecuacin de continuidad,
conduce al siguiente sistema de ecuaciones

118
Calcule la concentracin del A en rgimen permanente en cada reactor, CA1 = , CA2 =

, CA3 =
. Si la reaccin es de primer orden con respecto a A y la constante de velocidad
de reaccin es k = 0,1/min, la concentracin en moles /Litro.
Solucion
Realizamos el balance de materia respectivo en el sistema.
Entra Sale lo.que.reaciona Acumulado
(1)
Primer Reactor
F .CA0 FR.CA3 ( F FR)CA1 k1V1C An1 dCA1

dt
Segundo reactor
( F FR)CA1 ( F FR)CA2 k 2V2 C An 2 dCA2

dt
Tercer reactor
( F FR)CA2 ( F FR)CA3 k3V3C An3 dCA3

dt
dCA1
, entonces cero (0) el valor para cada caso.
dt
Reemplazando los valores tenemos:
Como no cambia con el tiempo
Primer Reactor
10(1) (10)(CA1 ) (10 5)CA1 (0.1)(100)CA1 0

Segundo reactor
119
(10 5)CA1 (10 5)CA2 (0.1)(50)CA2 0

Tercer reactor
(10 5)CA2 (15)CA3 (0.1)50CA3 0
Finalmente queda la matriz
25CA1 0CA2 5CA3 10
15CA1 20CA2 0CA3 0
0CA1 15CA2 20CA3 0
(1)
(2)
(3)
3. Formulacin de helado: Preparar 100 kg de una mezcla de helado con las siguientes
caractersticas: 11 % de grasa, 12% de protena, 3% de gelatina y 15 % de azcar. A
partir de los siguientes ingredientes disponibles: M = mantequilla (80% grasa,0,5%
SNG), LD = leche descremada (93 % SNG, 0,5% grasa, 2% lactosa), G = gelatina
(95% gelatina, 2% azcar), A = azcar (94 % sacarosa, 3% gelatina)
Tenemos el sistema matricial
Mantequilla Leche
X1
descr X2
BM general
1
1
BM Grasa
0,8
+0,005
BM SNG
0,05
+0,93
BM gelatina
0
+0
BM Azcar
0
+0,02
Gelatina Azcar
Agua X5
X3
X4
1
1
1
+0
+0
+0
+0
+0
+0
+0,95
+0,03
+0
+0,02
+0,94
+0
Helado
=100
= 11
= 12
=3
= 15
4. Formulacin de alimento balanceado: Un granjero desea preparar una racin

alimenticia para engordar ganado. Dispone de maz, desperdicios, alfalfa y cebada,
cada una con ciertas unidades de ingredientes nutritivos, de acuerdo con la tabla
siguiente.
Alimento
Componentes
Maz
Carbohidratos
Protenas
Vitaminas
Celulosa
Costo $/kg
80
28
20
50
18
Desperdicio
15
72
20
10
5
Alfalfa
Cebada
35
57
12
20
7
60
25
20
60
20
Requerimiento
Diario
Unidades/kg
230
180
80
160
--------
1. Desarrollamos los respectivos sistemas de ecuaciones (balance de materia para cada

ingrediente nutritivo).
80X1 + 15X2 + 35X3 + 60X4 = 230
Carbohidratos

120
28X1 + 72X2 + 57X3 + 25X4 = 180

20X1 + 20X2 + 12X3 + 20X4 = 80
50X1 + 10X2 + 20X3 + 60X4 = 160
2. La matriz aumentada ser
80
28
20
50
15 35 60
72 57 25
20 12 20
10 20 60
x1
x 2

x3

x 4
Protena
Vitaminas
Celulosa
230
180
=
80
160
5. Aplicacin en extraccin liquido-liquido: En una columna de 5 platos, se requiere

absorber benceno contenido en una corriente de gas V, con un aceite L que circula a
contracorriente del gas. Considrese que el benceno transferido no altera
sustancialmente el nmero de moles de V y L fluyendo a contracorriente, que la
relacin de equilibrio est dada por la ley de Henry (y = mx) y que la columna opera
a rgimen permanente. Calcule la composicin del benceno en cada plato. Datos: V =
100 moles/min; L = 500 moles/min y0= 0.09 fraccin molar de benceno en V, x0= 0.0
fraccin molar de benceno en L (el aceite entra por el domo sin benceno). m = 0.12.

121
Solucin
Balance de materia para el benceno en cada plato
Plato
5
Balance de benceno
L( x 0 x5 ) V ( y 4 y 5 ) 0
L( x5 x 4 ) V ( y 3 y 4 ) 0
L( x 4 x3 ) V ( y 2 y 3 ) 0
L( x3 x2 ) V ( y1 y 2 ) 0
L( x2 x1 ) V ( y 0 y1 ) 9
4
3
Reemplazando los valores y reordenando se tiene el sistema de ecuaciones:
512x5
12x4
500x5
512x4
12x3
500x4
512x3
500x3
12x2
512x2
12x1
500x2
512x1

122
Practica 2-6
EJERCICIOS PROPUESTOS
1.
Ejercicio de formulacin: En una fbrica de embutidos, se elaboran tres tipos

diferentes de estos productos que responden a las formulaciones A, B y C. En el
cuadro que sigue se presentan las proporciones necesarias de las materias primas
principales de cada formulacin. Si se dispone diariamente de 140 tn de hgado, 130
tn de carne porcina y 180 tn de tocino, indique la produccin diaria de cada tipo de
producto en kg/d.
Tipo de embutido
A
B
C
2.
Hgado
3
1
3
Carne
1
3
2
Tocino
2
2
4
Se tienen un sistema de tres tanques cilndricos iguales de 6 pies de dimetro,

comunicados entre si por medio de tubos de 4 pulgadas de dimetro y dos pies de
largo, como se muestra en la Figura. El tercer tanque tiene una salida a travs de un
tubo de 4 pulgadas de dimetro y 8 pies de largo. Al primer tanque llega un fluido a
razn de 0,1 pies cbicos por minuto e inicialmente su nivel tiene una altura de 20
pies, mientras que el segundo y tercer tanques estn vacos. El fluido es un aceite
viscoso cuya densidad e 51,45 lbm/pie3 y cuya viscosidad es 100 centipoises. Calcule
la altura del fluido en cada tanque cuando se alcance el rgimen permanente.
Sugerencia: use la ecuacin de Poiseulle para el clculo de la velocidad media del
fluido a travs de los tubos.
F=0.1 pies3/min
h1
(1)
h2
L=2"
D=4"
3.
(2)
h3
L=2"
D=4"
(3)
L=8"
D=4"
Una cadena de supermercados vende carne molida del tipo popular y selecta. Un lote
de molida popular contiene 3 kg de grasa y 17 kg de carne roja, un lote de molida
selecta contiene 2 kg de grasa y 18 kg de carne roja. Si en un momento dado cuenta

123
con10 kg de grasa y 90 kg de carne roja. Cuntos lotes de molida popular y selecta

pueden producir utilizando toda la carne y toda la grasa sin desperdiciar nada?
4.
Una granja avcola incluye en la dieta de sus aves vitaminas B, C y D, para evitar
enfermedades, as como un desarrollo ms rpido. En cierto mes compraron 20 cajas
de vitamina B, 40 cajas de vitamina C y 50 cajas de vitamina D pagando $70000, al
mes siguiente compraron 30 cajas de vitamina B, 20 de vitamina C y 50 cajas de
vitamina D por un total de $51520, un mes despus compraron 40 de vitamina B, 10
de vitamina C y 70 de vitamina D con un costo de 45000, s el precio por caja no ha
variado en todo ese tiempo que precio tiene cada caja de vitaminas.
5.
Un granjero prepara una mezcla de avena y maz para alimentar a su ganado. Cada
kilogramo de avena contiene 0.15 kilogramos (kg) de protena y 0.6 kg de
carbohidratos, mientras que cada kilogramo de maz contiene 0.1 kg de protena y
0.75 kg de carbohidratos. Cuntos kilogramos de cada uno pueden usarse para
cumplir con los requerimientos nutricionales de 7,5 kg de proteinas y 50 kg de
carbohidratos por comida?
6.
Una tienda se especializa en la preparacin de mezclas de caf para conocedores. El

dueo desea preparar bolsas de 1 kilogramo que se vendern a $120 (pesos) usando
caf colombiano, brasileo y de Kenia. El costo por kilogramo de estos tres tipos de
caf es de $140, $70 y $100, respectivamente.
(a) Muestre que se debe usar al menos 21 kg de caf colombiano, y no ms de 72
de kg de caf brasileo.
(b) Determine la cantidad de cada tipo de caf suponiendo que el dueo decide
usar 81 de kg de caf brasileo.
7.
Una mezcla de jugo de naranja con 42 % de slidos solubles es producida,

mezclando un concentrado de jugo de naranja de tienda con la reciente cosecha
de jugo exprimido. La relacin de slidos solubles/ cido debe ser igual a 18. El
jugo exprimido contiene 12.5% de slidos solubles, 15.3% de slidos totales y
0.72% de cidos. El jugo concentrado de tienda contiene 60% de slidos solubles,
62% de slidos totales y 4.3% de cidos. Calcular : La cantidad de agua que debe
ser removida o aumentada para ajustar la concentracin de los slidos solubles
para lograr las especificaciones indicadas. Las cantidades del jugo procesado y
del concentrado de tienda necesarios para producir 100 kg de mezcla con 42% de
slidos solubles.
Por ejemplo, se desea resolver el sistema
X1 X 2 2 X 3 3
3X1 X 2 X 3 1
2 X1 3X 2 4 X 3 8
Aplicando el mtodo de eliminacin gaussiana.
a) Eliminacin hacia adelante
124
Como el coeficiente de la primera incgnita es 1, se multiplica la primera ecuacin por 3

y se resta el resultado de la segunda ecuacin, luego se multiplica por 2 la primera
ecuacin y se resta de la tercera de manera que el sistema queda reducido a:
X1 X 2 2 X 3 3
4 X 2 5 X 3 8
X 2 8X 3 2
Se procede ahora a eliminar la segunda incgnita de la tercera ecuacin, para ello se divide
la segunda ecuacin por -4 y se multiplica por el coeficiente de la tercera ecuacin que
5
en este caso es 1, quedando la segunda como: X 2 X 3 2 y se resta este resultado
4
de la tercera ecuacin. El sistema es ahora:
X1 X 2 2 X 3 3
4 X 2 5 X 3 8
37
X3 0
4
b) Sustitucin hacia atrs

Se despeja X3 de la tercera ecuacin, en este caso: x3=0, se reemplaza este valor en la
segunda ecuacin: 4X2 = 8 por lo tanto X2=2 y por ltimo se reemplazan estos valores
en la primera ecuacin X1 + 2 = 3 entonces X1=1.

125

Libro de Metodos Numericos en Matlab PDF

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Libro de Metodos Numericos en Matlab PDF

Cargado por

Copyright:

Formatos disponibles

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

Uno de los problemas ms antiguos y bsicos del clculo numrico es el problema de

Mtodos numricos en Ingeniera de Alimentos

Se deben tener conocimientos de Clculo Matemtico, Series, Algebra Lineal, Aritmtica

Reordenando la ecuacin (1.1) se encuentra que el error numrico es igual a la diferencia

Donde et denota el error relativo porcentual verdadero.

Donde el subndice a significa que el error est normalizado a un valor aproximado

Mtodos numricos en Ingeniera de Alimentos

Error relativo porcentual

Aproximacin actual Aproximacin anterior

Mtodos numricos en Ingeniera de Alimentos

1.1.1 Procedimiento de solucin usando programa en interfaz GUIDE Matlab

Crear una carpeta con el nombre Races

Programa para la CARATULA

Mtodos numricos en Ingeniera de Alimentos

Guarda el programa en la carpeta creada como: caratula.m

II. Programa para crear el siguiente formulario

Abrir la ventana de interfaz GUIDE, Haciendo click en la figurita o

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

Aparecer la siguiente ventana y elegir Create New Guide y hacer click en

Aparecer la siguiente ventana

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

Hacer doble click en Push Button y escribir en la ventana de propiedades de

Y asi sucesivamente para todos los comandos mostrados en el siguiente formulario

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

Una vez llenado el formulario guardar el formulario dentro de la carpeta

III. Programa para el siguiente formulario

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

El mtodo de biseccin, conocido tambin como de corte binario, de particin de

Paso 2: Una aproximacin de la raz xr se determina mediante:

Paso 3: Realice las siguientes evaluaciones para determinar en qu subintervalo est la

Mtodos numricos en Ingeniera de Alimentos

c) Si f x1 f xr 0 , la raz es igual a xr; termina el clculo.

Abrir nuevamente un formulario en blanco y digitar los Push Button

Una vez digitado los comandos, guardar como: SOLUCION_NUMERICA.fig

Procedimiento de llenado del formulario

Mtodos numricos en Ingeniera de Alimentos

Mtodos numricos en Ingeniera de Alimentos

ea(i+1)=abs((xr(i+1)-xr(i))/(xr(i+1))*100);% error absoluto

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

1.1.2 Usando archivo.m

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

Metodo Falsa Posicin

METODO FALSA POSICIN

1.2.1 Solucin usando Programa GUIDE Matlab

-------------------------------------------------------------------------------------------------------------------------------------------------------Alberto L.Huaman Huaman

Mtodos numricos en Ingeniera de Alimentos

Metodo Falsa Posicin