Está en la página 1de 219

Instituto Tecnolgico de Durango

Departamento de Desarrollo Acadmico


Reporte de ao sabtico

Elaboracin de libro para la asignatura Mtodos Numricos

Mtodos Numricos con Enfoque en Competencias

Carrera: Ingeniera Qumica


Clave de la asignatura: IQH-1014
SATCA1 1 - 3 - 4

Profesor: Jos Domingo Pope Solis

Periodo: 16 Enero 2012-15 Enero 2013


Dictamen: AS-1-090-2012
1

NDICE
Objetivo general del curso
Competencias especificas a desarrollar en el curso
Competencias genricas
Competencias instrumentales
Competencias interpersonales
Competencias sistmicas
Competencias previas
Sugerencias Didcticas
Sugerencias de Evaluacin

3
3
7

7
8
8

UNIDAD I. Importancia y errores tipo


1.1. Problemas matemticos y sus soluciones
1.2. Importancia de los mtodos numricos
1.3. Tipos de errores
1.4. Aplicaciones

9
9
11
12
12

Unidad II. Solucin de ecuaciones algebraicas


2.1. Teora de un mtodo iterativo
2.2. Raz de una ecuacin
2.3. Mtodos de intervalo
2.4. Mtodos de punto fijo
2.5. Otros mtodos
2.6. Aplicaciones

17
17
17
17
20
25
26

UNIDAD III. Solucin de sistemas de ecuaciones


3.1. lgebra matricial.
3.2. Mtodos de solucin de sistemas de ecuaciones lineales
3.3. Teora de sistemas de ecuaciones no lineales
3.4. Mtodos de solucin.
3.5. Aplicaciones

36
36
40
53
56
60

Unidad IV.- Ajuste de funciones


4.1. Fundamentos de estadstica
4.2. Interpolacin
4.3. Regresin de mnimos cuadrados
4.4. Aplicaciones

70
70
70
77
88

Unidad V. Diferenciacin e integracin numricas


5.1. Derivacin numrica
5.2. Integracin numrica
5.3. Integracin mltiple
5.4. Aplicaciones

94
94
103
111
119

Unidad VI. Solucin de ecuaciones diferenciales (Valor Inicial y valor en la frontera)


6.1. Fundamentos
6.2. Mtodos de un paso
6.3. Mtodos rgidos y de pasos mltiples
6.4. Mtodos multipaso
6.5. Mtodos de tamao de paso variable
6.6. Sistemas de ecuaciones diferenciales ordinarias
6.7. Solucin de ecuaciones diferenciales ordinarias de orden n
6.8. Mtodos generales para problemas con valores en la frontera, lineales y no-lineales
6.9. Clasificacin de ecuaciones diferenciales parciales
6.10. Aplicaciones

129
129
129
136
138
141
143
144
149
153
155

Bibliografa

162

Objetivo General del Curso


Resolver problemas relacionados con la ingeniera de procesos mediante la aplicacin de algoritmos numricos y el uso de
computadoras digitales.

Competencias especficas a desarrollar en el curso


Unidad I. Errores y tipos de Errores
En el desarrollo de los mtodos numricos se trabaja con nmeros, por lo que es necesario establecer la confiabilidad de un
nmero. Los trminos precisin y exactitud estn asociados con los errores que se generan en secuencias largas de
operaciones aritmticas.
La precisin se refiere al nmero de cifras significativas usadas para representar una cantidad mediante un nmero.
La exactitud se refiere a la representacin correcta de una cantidad mediante un nmero.
Los mtodos numricos deben ser lo suficientemente exactos y precisos para resolver un problema cientfico.
Tipos de errores
Errores por Redondeo. Estos se deben a que las computadoras o calculadoras solo pueden almacenar o representar
cantidades con un nmero finito de dgitos.
Errores de Truncamiento. Estos se deben a que el mtodo numrico es una aproximacin a un modelo matemtico exacto.
Error Numrico Total. Es la suma de los errores anteriores.
Errores Humanos. Estos se deben a equivocaciones o torpeza del ejecutor del mtodo.
Unidad II. Races de ecuaciones

f(x)

f(x) = 0
x = raz de la ecuacin

Mtodos que usan intervalo: Biseccin y Regla falsa


Mtodos abiertos: Punto fijo, Newton y Secante
Unidad III. Solucin de ecuaciones algebraicas lineales y no lineales
Sistema lineal
a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ........+ a2n xn = b2

a31 x1 + a32 x2 + a33 x3 + ........+ a3n xn = b3


.................................................................
an1 x1 + an2 x2 + an3 x3 + ........+ ann xn = bn
Para un sistema de dos ecuaciones:
a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2

x2

x1
Mtodos directos sistemas lineales: Eliminacin Gausiana y Gauss-Jordan
Mtodos iterativos sistemas lineales: Jacobi y Gauss-Seidel

f 1 x1 , x 2 , x3 ,... x n 0

f 2 x1 , x 2 , x3 ,... x n 0
f 3 x1 , x 2 , x 3 ,... x n 0

f n x1 , x 2 , x 3 ,... x n 0 Sistema no lineal

F (x) = 0
La solucin a este sistema, es el vector x = [x1, x2, x3,...xn] que hace que simultneamente todas las ecuaciones sean iguales a
cero.
Mtodos iterativos para sistemas no-lineales: Punto fijo, Newton
Unidad IV. Ajuste de funciones (Ajuste de curvas e interpolacin)

f(x)

Polinomio de interpolacin
f(x)=Pn(x)
Ajuste de lnea recta
f(x) = a0 + a1x + error

error
x
Regresin lineal, polinomial, lineal mltiple por mnimos cuadrados
Interpolacin: Usando polinomios de Newton y Lagrange
Unidad V. Integracin y Derivacin Numrica

d
f ( x x ) f ( x)
f ( x) lim
cuando x 0
dx
x
geomtrica mente la ecuacin anterior representa la pendiente de
la recta tangente al punto donde se evalua la derivada

I f ( x)dx Pn ( x)dx

f(x)

m=

I = rea bajo
la curva
a

x0

d
f (x)
dx

x=x0

Derivacin por el Mtodo de: Tangentes, Ajuste de polinomios, Formulas de diferencias finitas, Igualacin de reas.
Integracin: Regla Trapezoidal, Simpson 1/3
VI. Solucin de ecuaciones diferenciales (valor inicial y valor en la frontera)
Valor inicial
y = f(x)
yi+1 = yi + h

error

yi+1
Pendiente =

xi

xi+1

Mtodo de Euler

Solucin de ecuaciones diferenciales ordinarias de la forma

10

dy
f ( x, y )
dx

11

12

13

Con valores iniciales:

x = xo

y = yo

14

y ( x0 ) valor inicial de la funcin para el valor de x0

15

16

17

La solucin tiene la forma general

18

19

Valor actual valor anterior + funcin de incremento por tamao de paso

20

21

yi+1 = yi + h

22

23

La forma de la funcin de incremento define el nombre del mtodo:

24

25

Euler, Euler-Gauss, Runge-Kutta(orden dos, tres y cuatro).

26

Sistema de ecuaciones diferenciales

27

28

Se extienden el uso de los mtodos para una sola ecuacin a un sistema de ecuaciones

29

30

Todo sistema de ecuaciones diferenciales puede representarse generalmente como

31

32

dy1
f1 x, y1 , y2 ,... yn
dx
dy2
f 2 x, y1 , y2 ,... yn
dx

dyn
f n x, y1 , y2 ,... yn
dx

33

34

La solucin de este sistema requiere de n condiciones iniciales conocidas para un valor inicial de x.

35

36

Una ecuacin diferencial de orden superior puede escribirse como un sistema de ecuaciones diferenciales de primer orden.

37

38

39

Valor en la frontera

40

41

Ecuacin diferencial parcial parablica que gobierna el flujo de calor unidireccional en funcin de tiempo.

42

2T T

2 x t Donde se denomina difusividad trmica.

43

Para aplicar el mtodo de diferencias finitas se construye una retcula


Retcula para evaluar diferencias finitas
El mtodo explcito predice el valor en (i, j) a partir de (i-1, j-1), (i, j-1), (i+1, j-1).
El mtodo implcito, predice el valor en las (i, j) a partir de (i, j-1) mediante la generacin de un sistema de
ecuaciones, obtenidas de los nodos.
t

T(x, t) = Tn

Condiciones en la

frontera izquierdaCondiciones en la

Divisin de la varilla en intervalos x

T(x, 0) = Ti

Condiciones inciales
Competencias genricas:
Competencias instrumentales
Capacidad de anlisis y sntesis
Capacidad de organizar y planificar
Conocimientos bsicos de la carrera
Comunicacin oral y escrita
Habilidades bsicas de manejo de la computadora
Habilidad para buscar y analizar informacin proveniente de fuentes diversas
Solucin de problemas
Toma de decisiones.
Competencias interpersonales
Capacidad crtica y autocrtica
Trabajo en equipo
Habilidades interpersonales
Competencias sistmicas
Capacidad de aplicar los conocimientos en la prctica
Habilidades de investigacin
Capacidad de aprender
Capacidad de generar nuevas ideas (creatividad)

Competencias Previas
Aplicar pensamiento lgico matemtico
Representar las funciones matemticas
Aplicar integrales en problemas prcticos
Calcular funciones de varias variables
Aplicar ecuaciones diferenciales y transformadas de Laplace como una herramienta para la solucin de problemas
prcticos

(0

44

Utilizar la computadora y los lenguajes de programacin

Sugerencias Didcticas (desarrollo de competencias genricas)


El profesor debe:
Ser conocedor de la disciplina que est bajo su responsabilidad, conocer su origen y desarrollo histrico para considerar
este conocimiento al abordar los temas.
Desarrollar la capacidad para coordinar y trabajar en equipo; orientar el trabajo del estudiante y potenciar en l la
autonoma, el trabajo cooperativo y la toma de decisiones.
Mostrar flexibilidad en el seguimiento del proceso formativo y propiciar la interaccin entre los estudiantes.
Tomar en cuenta el conocimiento de los estudiantes como punto de partida y como obstculo para la construccin de
nuevos conocimientos.
Identificar y resolver problemas relacionados con la ingeniera de procesos mediante la aplicacin los algoritmos
numricos y el uso de computadoras digitales.
Propiciar actividades de metacognicin. Ante la ejecucin de una actividad, sealar o identificar el tipo de proceso
intelectual que se realiz: una identificacin de patrones, un anlisis, una sntesis, la creacin de un heurstico, etc. Al
principio lo har el profesor, luego ser el alumno quien lo identifique.
Propiciar actividades de bsqueda, seleccin y anlisis de informacin en distintas fuentes.
Fomentar actividades grupales que propicien la comunicacin, el intercambio argumentado de ideas, la reflexin, la
integracin y la colaboracin de y entre los estudiantes.
Relacionar los contenidos de esta asignatura con las dems del plan de estudios a las que sta da soporte para desarrollar
una visin interdisciplinaria en el estudiante.
Propiciar el desarrollo de actividades intelectuales de induccin-deduccin y anlisis -sntesis, que encaminen hacia la
investigacin.
Desarrollar actividades de aprendizaje que propicien la aplicacin de los conceptos, modelos y metodologas que se van
aprendiendo en el desarrollo de la asignatura.
Proponer problemas que permitan al estudiante la integracin de contenidos de la asignatura y entre distintas asignaturas,
para su anlisis y solucin.
Cuando los temas lo requieran, utilizar medios audiovisuales para una mejor comprensin del estudiante.

Sugerencias de Evaluacin
La evaluacin debe ser continua y formativa por lo que se debe considerar el desempeo en cada una de las actividades del
aprendizaje, haciendo especial nfasis en:
Exmenes escritos para comprobar el manejo de aspectos tericos y declarativos.
Revisin de los cdigos de los programas de cmputo con los algoritmos de los mtodos encargados extra clase.
Reportes escritos de investigaciones encargados como trabajo extra clase.
Evaluacin en la computadora de problemas seleccionados

45

UNIDAD I. Importancia y errores tipo


Competencia especifica a desarrollar en la unidad
Evaluar la solucin de un problema de ingeniera mediante mtodos numricos
1.1 Problemas matemticos y sus soluciones
Un mtodo numrico se usa para aproximar la solucin de un problema expresado matemticamente (una ecuacin o un
conjunto de ecuaciones). En el mundo real el problema matemtico se deriva de un sistema o fenmeno fsico sobre el cual
se han hecho algunas suposiciones para simplificarlo, de modo que se obtiene un modelo matemtico, que expresa las
caractersticas fundamentales del sistema o fenmeno considerado.
En cursos elementales de qumica nos encontramos con una ecuacin conocida como la ley del gas ideal:

PV = nRT

La cual, relaciona la presin P, el volumen V, la temperatura T, el nmero de moles n de un gas ideal, y la constante R
conocida como la constante universal de los gases.
En la obtencin de esta ecuacin se hicieron algunas suposiciones que restringen su uso para todos los gases, tales como:
1.
2.

Las distancias entre las molculas son lo suficientemente grande para que no interacten entre s excepto cuando
chocan.
Las molculas tienen disponible todo el volumen del recipiente que las contiene para ocuparlo.

En 1873 J. D. Van der Waals propuso la ecuacin siguiente que corrige en parte estas suposiciones.

a
v b RT
v2

Donde a y b son constantes positivas cuyo valor depende del gas en particular.

a
2
El trmino v tiene como objeto explicar las fuerzas de interaccin entre las molculas, que hace que la presin sea
menor que la que ejercera por ser gas ideal.
El termino b tiene como objeto dar margen para el tamao finito de las molculas, lo que hace que el volumen sea mayor
que el de un gas ideal.
Esta ecuacin es parte de los modelos propuestos para relacionar datos PVT, que se conocen como ecuaciones de estado
cuyo volumen es cbico.
Un modelo matemtico debe conducir a resultados predecibles, y por lo tanto sirve par evaluar el comportamiento del
sistema o fenmeno fsico que representa.
Si queremos conocer el volumen que ocupa cierto gas, conociendo la Temperatura y Presin a la que se encuentra,
tendramos que usar la ecuacin que mejor representa el comportamiento del gas y escribirla en forma explcita en trminos

46

de la variable a conocer. Sin embargo, para ecuaciones cubicas de estado esto no es posible, pero se puede hacer uso
de un mtodo numrico para aproximar la solucin.

Portafolio de evidencias
Investigar la obtencin de modelos matemticos para la solucin de problemas de Ingeniera.
Aplicacin
Volumen de una sustancia pura
Conceptos utilizados
Al aplicar los conceptos anteriores a la ecuacin de van der Waals, esta se representa en la forma:

vb

RT
P a

v2

y para establecer un proceso iterativo en volumen se tiene


v i 1 b

RT
P a

vi

Curso
Termodinmica, Fisicoqumica I
Problema
Calcular el volumen especfico del vapor de agua a 500 lb/pulg2 y 700 F,
R = 8.3144x 103 J/kg-mol K

Tc = 647.35 K Pc = 2.2118x107 Pa

27 R 2Tc 2
a
64 Pc

RTc
8Pc

Con los valores de las constantes: a = 5.5251x105 N m4/(kg-mol)2; b = 0.0304 m3/kgmol y R = 8.3149 103 J/kgmol K.

Solucin
Convirtiendo P y T a unidades SI se tiene:
P = 34.4737 105 N/m2

T = 644.2611 K

y sustituyendo los datos en la ecuacin anterior:

vi 1 0.0304

5356644.49
5.5251x105
34.4737 10 5
vi2

Para iniciar el proceso iterativo (i = 0), se propone un valor inicial v = RT/P = 1.5538, se sustituye en la ecuacin
y se determina v1 = 1.4875 m3/kg-mol.
Pasos posteriores:
i = 1, se sustituye v1 para determinar v2
i = 2, se sustituye v2 para determinar v3
y as sucesivamente.

47

Se repite el procedimiento hasta que el valor anterior y el nuevo, sean iguales en un nmero determinado de cifras
significativas, hasta llegar al valor de 1.4781

Portafolio de evidencias
Hacer un programa para evaluar el volumen especfico del vapor de agua a 500 lb/pulg2 y 700 F,

Figura 1.1 Aproximaciones sucesivas

1.2 Importancia de los mtodos numricos.


Los mtodos que se tratan en el curso se conocen ya de algn tiempo atrs. Sin embargo, la popularidad y el crecimiento en
el uso de las computadoras personales, ha venido a darles un impulso sin precedentes.
El aprender mtodos numricos nos permitir:
1.
2.
3.
4.

Encontrar solucin numrica a algunos problemas de ingeniera.


Generar software propio para resolver problemas
Comprender los fundamentos matemticos de alguna rea especfica del conocimiento.
Usar inteligentemente el software disponible en le mercado.

48

5.

Dar un uso eficiente a las computadoras personales.

1.3 Tipos de Errores


En el desarrollo de los mtodos numricos se trabaja con nmeros, por lo que es necesario establecer la confiabilidad de un
nmero. Los trminos precisin y exactitud estn asociados con los errores que se generan en secuencias largas de
operaciones aritmticas.
La precisin se refiere al nmero de cifras significativas usadas para representar una cantidad mediante un nmero.
La exactitud se refiere a la representacin correcta de una cantidad mediante un nmero.
Los mtodos numricos deben ser lo suficientemente exactos y precisos para resolver un problema cientfico.
a) Definicin de Error
Los errores estn asociados con el uso de los mtodos numricos, as como con el procesamiento de la informacin en las
computadoras o en las calculadoras de bolsillo.
A la diferencia del valor exacto (Ve) y un valor aproximado (Va) se le llama error (E).
E = Ve - Va
El valor absoluto de este error presenta la ventaja de eliminar el signo, = Ve - Va . Pero no toma en cuenta las
dimensiones de las cantidades involucradas, por lo que es mejor definir un error relativo porcentual (r).

Ve V a
100
Ve

Sin embargo, el valor exacto normalmente no se conoce. Ya que en algunos casos el mtodo numrico aproxima la solucin
mediante un proceso iterativo, por lo que es mejor definir un error aproximado (a)

Aproximaci on Actual - Aproximaci on Previa


100
Aproximaci on Actual

Todo proceso iterativo requiere de un criterio de paro. Por lo que es necesario establecer la tolerancia (o error supuesto s)
dentro de un valor aceptable para concluir el proceso, esto puede enfocarse hacia el nmero de cifras significativas entre la
aproximacin actual y la aproximacin previa. El siguiente criterio garantiza que al menos son iguales n cifras
significativas, s = (0.5 102-n) %
b) Errores por Redondeo. Estos se deben a que las computadoras o calculadoras solo pueden almacenar o representar
cantidades con un nmero finito de dgitos.

49

c)

Errores de Truncamiento. Estos se deben a que el mtodo numrico es una aproximacin a un modelo matemtico
exacto.
d) Error Numrico Total. Es la suma de los errores anteriores.
e) Errores Humanos. Estos se deben a equivocaciones o torpeza del ejecutor del mtodo.
1.4 Aplicaciones
Errores por truncamiento y errores por redondeo
Conceptos utilizados: Serie de Taylor.
La serie de Taylor es una herramienta matemtica poderosa para predecir el valor de una funcin f (xi+1), alrededor de un
punto xi.

f xi 1

Rn
Donde h = xi+1 - xi. ,

f xi h f xi h 2 f xi h 3
f n xi h n
f xi

...
Rn
1!
2!
3!
n!

f n1 ( ) n1
h
(n 1)!
y es un valor cualquiera de x entre = xi+1 - xi.

Rn es muy importante en desarrollo de los mtodos numricos y se conoce como error por truncamiento.
Si x1 = 0, se convierte en la Serie de Mclaurin.

f x f 0

f 0 h f 0 h 2 f 0 h 3
f

...
1!
2!
3!

0 h n

n!

Si f(x) = ex

x2 x3 x4

...
2! 3! 4!

ex 1 x
Si f(x) = cos x,

f(x) = -sen x,

f(x) = -cos x,

f (x) = sen x,

cos x 1

f(IV)(x) = -cos x

x 2 x 4 x6 x8

...
2! 4! 6! 8!

Algunas funciones no pueden representarse en series de Maclaurin, ya que no estn definidas para xi = 0
Si f(x) = ln x, f(x) = 1/x, f(x) = -1/x2, f (x) = 2/x3,
fIV(x) = -6/x4

ln xi 1 ln xi

h h2
h3
h4
h5
2 3 4 5 ...
x 2 x 3x 4 x 5 x

Curso
Instrumentacin y Control
Problema
Utilizar la serie de Taylor para calcular el valor de ln (1.3) tomando como base el valor de xi = 1.
Orden
Valor
f(xi+1)
r
a
0
ln (1) = 0
0
100
h 0.3

0 .3
1
0.3
14.3448
100
x 1
2
h2
0.3

0.045
2
0.255
2.8069
17.647
2
2x 2
21
h3
0.3 0.009

3 x 3 31 3
3

0.264

0.6235

3.4091

50

h4
0.3

0.002025
4
4
4x
41
4

h 5 0.3

0.000486
5 x 5 51 5

0.261975

0.1484

0.7730

0.262461

0.0369

0.1852

Podemos observar que al truncar la serie, generamos un error por truncamiento, si adems redonderamos a dos dgitos
despus del punto tendramos:
Orden
Valor
f(xi+1)
r
a
0
1
2

ln (1) = 0
h 0.3

0.3
x 1
2
h2
0.3
2
0.04
2
2x
21

h3
0.3 0.01

3
3
3x
31

100

0.30

14.3448

100

0.26

0.9011

17.3846

0.27

2.9104

3.7037

0.27

2.9104

0.0000

h4
0.3

0.00
4
4
4x
41
4

Se observa que el redondeo conduce a un resultado inexacto, aunque el mtodo est bien aplicado.

Portafolio de evidencias
Hacer un programa que utilice la serie de Taylor para calcular el valor de e0.5 tomando como base el valor de xi = 0.
Programa 1.1 Serie de Taylor
PRINT"*****************************************************************"
PRINT"*
INSTITUTO TECNOLGICO DE DURANGO
*"
PRINT"*
DEPARTAMENTO DE INGENIERA QUMICA Y BIOQUMICA
*"
PRINT"*
CALCULO DEL LOGARITMO DE UN NUMERO
*"
PRINT"* USANDO LA SERIE DE TAYLOR TOMANDO COMO BASE Xi = 1
*"
PRINT"*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*"
PRINT"*****************************************************************"
INPUT "NMERO AL CUAL SE CALCULARA EL LOGARITMO ";X
INPUT "NUMERO DE CIFRAS SIGNIFICATIVAS ";N
INPUT "NUMERO MAXIMO DE TERMINOS ";NMI
ES = 0.5*10^(2.0-N)
EA = 1.1*ES: SUMA = 0: SUMA1 = 0
TERM = 1: I = 1: S = 1: H = X - 1
PRINT "TERMINO
LN(X)
ERROR"
WHILE (EA > ES) AND (I < NMI)
TERM = TERM *H
SUMA = SUMA + (S)*TERM/I
EA = ABS((SUMA - SUMA1) / SUMA)*100
SUMA1 = SUMA:I=I+1:S=(-1)*S
PRINT I,SUMA, EA
WEND
IF (I >= NMI)THEN
PRINT "NO SE ALCANZO CONVERGENCIA"

51

ELSE
PRINT "RESULTADO = ";SUMA
END IF
Ejecucin 1.1 Serie de Taylor
*****************************************************************
*
INSTITUTO TECNOLGICO DE DURANGO
*
*
DEPARTAMENTO DE INGENIERA QUMICA Y BIOQUMICA
*
*
CALCULO DEL LOGARITMO DE UN NUMERO
*
* USANDO LA SERIE DE TAYLOR TOMANDO COMO BASE Xi = 1
*
*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*
*****************************************************************
NMERO AL CUAL SE CALCULARA EL LOGARITMO 1.3
NUMERO DE CIFRAS SIGNIFICATIVAS 4
NUMERO MAXIMO DE TERMINOS 12
TERMINO
EXP(X)
ERROR
2
0.3
100
3
0.255
17.6470588
4
0.264
3.40909091
5
0.261975
0.77297452
6
0.262461
0.18517037
7
0.2623395
0.46314032e-1
8
0.26237074
0.01190790
9
0.26236254
0.31259226e-2
RESULTADO = 0.26236254
Si la funcin es un polinomio, la serie de Taylor lo ajusta perfectamente, dado que un polinomio tiene un nmero finito de
derivadas.
Por lo que hemos observado, pareciera que la serie de Taylor es una panacea, pero no es as, ya que usa como punto de
referencia un solo valor de x, tambin como todas las series de potencias tiene su radio de convergencia; por lo que en el
curso no la usaremos para aproximar funciones, sino para derivacin de algunos mtodos numricos, as como para
analizar los errores.

Evaluacin Sumativa
Problema 1
Hacer un programa que calcule la distancia horizontal que viajara una pelota lanzada desde un punto con una
velocidad inicial vo y un ngulo. Determine adems el ngulo que maximiza la distancia recorrida.

52

y
y

v
vy

Origen

Impacto

vx

Anlisis
Si suponemos que la friccin del aire es despreciable e ignoramos la curvatura de la tierra la trayectoria que seguira una
pelota que es lanzada desde un punto sera una parbola cuya altura despus de un cierto tiempo t estara determinada par la
ecuacin:

y (t ) y 0 v y 0 t

1 2
gt
2

Donde:
yo es la altura inicial del objeto con respecto a la tierra
vyo es la componente vertical de la velocidad inicial de la pelota.
g aceleracin de la gravedad.
La distancia horizontal recorrida por la pelota despus de un tiempo t esta dada por la ecuacin:

x(t ) x 0 v x0 t
Donde:
xo es la posicin horizontal inicial del objeto.
vxo es la componente horizontal de la velocidad inicial de la pelota.
Condiciones limite: y(tinicial) = 0,

y(tfinal) = 0

La pelota esta en el suelo tinicial = 0,

0 v y0 gt t
2

tfinal =

tfinal =

2v y0
g

Recorrido de la pelota:

x(t final ) x 0 v x0 t final

Si la pelota la ubicamos en el origen (0,0)

53

2v y 0

x(t final ) 0 v x0
g

2v cos v 0 sin
x(t final ) 0
g

x(t final )
Datos

x(t final )

2v x0 v y0
g

2v 02 cos sin
g

vo = 20 m/s; g = -9.81m/s2

Para encontrar la distancia mxima variar el ngulo de tiro entre 0 y 90 incrementado en 1.

Problema 2
El aumento con el tiempo en el nmero de bacteria en un cultivo es directamente proporcional al nmero de
bacterias al inicio del intervalo de tiempo. En forma matemtica el nmero de bacteria puede expresarse como:

(0.054t ) n
0.054t (0.054t ) 2 (0.054t ) 3
Pt Po 1

...........

1!
2!
3!
n!

Donde Pt = nmero de bacteria en un tiempo t, horas


Po = nmero de bacteria en algn tiempo inicial
t = tiempo en horas despus del tiempo inicial
Escriba un programa (diagrama de flujo y Seudocdigo) que calcule e imprima el nmero de bacterias para un
tiempo de 1 a 5 horas. Utilice los primeros 11 trminos de la serie, el calculo del termino entre corchetes puede terminar si
A < 0.005

54

Unidad II. Solucin de Ecuaciones Algebraicas


Competencia especifica a desarrollar en la unidad
Resolver ecuaciones no lineales mediante un algoritmo de programacin
Introduccin
En la unidad anterior se vio que un modelo matemtico, se puede expresar mediante una ecuacin que relacione las
distintas variables que intervienen en un fenmeno. Esta ecuacin puede tener una solucin analtica para la variable de
inters.
Sin embargo en muchos casos no es posible resolver analticamente la ecuacin general anterior, por lo que se habra de
proponer una solucin alterna, lo cual podra ser un mtodo grfico, o bien un mtodo numrico que permita aproximar la
solucin con una tolerancia aceptable, por medio de un proceso iterativo.

2.1 Teora de un Mtodo Iterativo


Un mtodo numrico iterativo es un mtodo tal que se elige un x0 arbitrario y se calcula una sucesin de valores x0, x1, x2,....
de manera recurrente a partir de una relacin de la forma xi+1 = g(xi) donde g(x) est definida dentro de algn intervalo que
contiene a x0.
Un riesgo en el proceso iterativo, es que la solucin del mtodo no converja al valor x0 buscado, por lo que se debe
establecer siempre un criterio de paro para concluir el proceso si este no converge a la solucin, es decir el proceso iterativo
nos puede conducir a un alejamiento de la solucin (divergencia). Es conveniente, siempre que sea posible, establecer un
criterio de convergencia en los mtodos iterativos que trataremos en el curso.

2.2 Raz de una Ecuacin


En general una ecuacin se puede representar para el caso de una variable independiente x por f(x) = 0, la solucin de esta
ecuacin son los valores de x que hacen que la funcin sea cero, a los valores de x que solucionan la ecuacin se les
denomina races o ceros de la ecuacin, y grficamente representan los puntos donde la funcin f(x) cruza el eje de las x.

2.2.1 Fundamento Matemtico


En las matemticas de ingeniera, generalmente tienen que hallarse soluciones de ecuaciones de la forma
f(x) = 0
es decir, nmeros x0 tales que f (x0) = 0. En la mayora de los casos tienen que usarse mtodos de aproximacin para
encontrar x0 tal que satisfaga f (x0) 0.

2.3 Mtodos de Intervalo


Estos mtodos se caracterizan por el hecho de que una funcin cambia de signo al cruzar el eje de la variable independiente.
Por ello es necesario proponer un intervalo donde suceda esto, es decir el intervalo propuesto debe contener la raz.

2.3.1 Mtodo de Biseccin.


Es el ms simple de los mtodos y consiste en proponer un intervalo que contenga la raz, acotando sta dividiendo a la
mitad el intervalo en subintervalos, localizando la mitad que contiene la raz, procediendo as sucesivamente hasta un valor
aceptable de la raz.

55

Algoritmo: Mtodos que usan intervalo (Biseccin)


Entrada.
Tolerancia (s), nmero mximo de iteraciones (NMI), proponer un intervalo
[x1, x2] de tal manera que f(x1) f(x2) < 0.
x x2
xp 1
2 .
Paso 1
Calcular
Paso 2
Tomar i = 2.
Paso 3
Mientras i NMI seguir pasos 3 a 8.
Paso 4
Si f(x1) f(xp) < 0 Tomar x2 = xp
Si NO tomar x1 = xp
x1 x2
xa
2 .
Paso 5
Tomar

xa x p
Paso 6
Paso 7
Paso 8
Salida
Parar

xa

Si

100 s

Salida raz aproximada xr


Tomar xp = xa
Tomar i = i+1
No se alcanz convergencia xp

2.3.2 Mtodo de la Regla Falsa


En este mtodo se supone que la funcin en el intervalo propuesto se comporta aproximadamente como una lnea recta.
El algoritmo es anlogo al mtodo de la biseccin, solo se cambia la ecuacin del mtodo:

xa x2

f x2 x1 x2
f x1 f x2

y = f(x)

f(x2) - f(xa)
f(xa) - f(x1) f(x2) - f(x1)
m = --------------- = -------------- = -------------x 2 - xa
xa - x1
x2 - x1
f(xa) = 0

(x2 , f(x2))

f(x2)
f(x2) - f(x1)
--------------- = --------------x2 - xa
x2 - x1

x1
xa

x2

xa = x2

(x1 , f(x1))
xa = x2

--

--

f(x2) (x2 - x1 )
------------------f(x2) - f(x1)

f(x2) (x1 - x2 )
------------------f(x1) - f(x2)

Deduccin de la ecuacin del mtodo de la regla falsa


Figura 2.1 Deduccin de la ecuacin del mtodo de la Regla Falsa

56

Ejemplo
Encontrar una raz de la funcin f(x1) = x3 - 2x 1 en el intervalo [1, 2]

Figura 2.2 GUI Mtodo de la Biseccin

57

Figura 2.3 GUI Mtodo de la Regla Falsa

Portafolio de Evidencias
Hacer un programa (diagrama de flujo y seudocdigo) para resolver f(x)=x3- 8 usando los mtodos biseccin y
regla falsa. Codificar y ejecutar en scilab
b) Utilizar software matemtico para encontrar la raz de una ecuacin no lineal (Excel, Polymath, Matlab, etc.)
a)

2.4 Mtodos de Punto Fijo


Estos mtodos se caracterizan por el uso de un valor inicial cercano a la raz, que es usado para encontrar un nuevo valor
que puede converger a la raz o divergir de sta.
2.4.1 Mtodo de Aproximaciones Sucesivas
Este mtodo se usa para encontrar la raz de f(x) = 0 expresando esta funcin de tal forma que x = g(x) para un intervalo
cerrado [x1, x2] donde g [x1, x2] para toda x [x1, x2], y g (x) < 1 para toda x [x1, x2].
Por ejemplo:
g [1,2]

f(x) = x(x2 - 2) - 1

1 x3 x3 1
x

2
2
1
x 2
x 2

f(x) = x3 - 2x - 1

x 2x 1

g [1,2]

f(x) = x3 - 2x - 1

g [1,2]

2
1
2

g x 2 x 1 3 2
2
3
3
3 2 x 1
g (x) < 0.32
Si las condiciones anteriores no se cumplen no se asegura convergencia.

58

El esquema iterativo que se aplica es xi+1 = g(xi)


Algoritmo: Mtodos abiertos (Punto fijo)
Entrada.
Paso 1
Paso 2
Paso 3
Paso 4
Paso 5
Paso 6
Salida
Parar

Aproximacin inicial a xp, tolerancia (s), nmero mximo de iteraciones (NMI).


Tomar i = 1.
Mientras i NMI seguir pasos 2 a 6.
Tomar xa = g(xp)
xa x p
100 s
xa
Si
Salida raz aproximada xr
Tomar xp = xo
Tomar i = i+1
No se alcanz convergencia

Ejemplo
Encontrar una raz de la funcin f(x) = x3 - 2x - 1

xa 3 2 x p 1

xp = 1

s = 0.005

NMI = 5

Figura 2.4 GUI Mtodo de Punto fijo

59

2.4.2 Mtodo de Newton


El algoritmo es anlogo al mtodo de punto fijo, solo cambia en el paso 3, donde la ecuacin para el mtodo de Newton es:

xa x p


f x
f xp

Grficamente
y = f(x)

f (x1)
x2 = x1 - -------f' (x1)

( x1, f(x1))

x2

f(x1) - f(x2)
m = ---------------- = f' (x1)
x1 - x2

f (xi)
xi+1 = xi - -------f' (xi)

x1

Usando la serie de taylor


2

f'(xi)h
f''(xi)h
f'''(xi)h
f(xi+1)= f(xi) + --------- + ---------- + ---------- + ..........
1!
2!
3!
Truncando la serie de Taylor
f'(xi)h
f(xi+1)= f(xi) + --------- + Rn
1!

f (xi)
xi+1 = xi - -------f' (xi)

f(xi+1) = 0 en xi+1
como h = xi+1 - xi

Deduccin del Mtodo de Newton

Figura 2.5 Geometra del mtodo de newton

60

Ejemplo
Encontrar una raz de la funcin f(x) = x3 - 2x - 1

f (x) = 3x2 2

xp = 1

s = 0.005

NMI = 5

Figura 2.6 GUI Mtodo de Newton-Rhapson

61

2.4.3 Mtodo de la Secante


Este mtodo es semejante al de Newton, aunque no tiene su convergencia cuadrtica, ya que en lugar de calcular la
derivada de la funcin, se aproxima sta mediante una diferencia finita hacia adelante.
La ecuacin del mtodo es:

x a x2

f x2 x1 x2
f x1 f x2

Esta ecuacin es semejante a la del mtodo de la regla falsa, con la diferencia que en el mtodo de la secante la raz no
necesariamente se encuentra entre x1 y x2.
El algoritmo es semejante al de punto fijo, solo que en la entradas se proponen dos valores: x1 y x2, y adems se cambia la
ecuacin del mtodo. El paso 5 se modifica tomando x1 = x2 y x2 = xa.
Ejemplo 2.4
f(x) = x3 - 2x - 1 x1 = 1, x2 = 2

s = 0.005

NMI = 5

Figura 2.7 GUI Mtodo de la Secante

62

Portafolio de Evidencias
Hacer un programa (diagrama de flujo y seudocdigo) para resolver f(x)=x2-4 usando los mtodos Punto fijo, Newton y
Secante. Codificar y ejecutar en scilab

2.5 Otros Mtodos


2.5.1 Mtodo de von Mises
El mtodo de Newton tiene algunas variantes que dan origen a otros mtodos, un caso especial en el cual el mtodo de
Newton puede presentar problemas en su aplicacin, es cuando los puntos xi estn muy alejados de la solucin o bien f`(xi)
es cercana a cero. Para resolver este problema von Mises propuso sustituir el denominador f`(xi) por f`(xo)
Por lo tanto la ecuacin del mtodo es

xa x p

f xp

f x0

Ejemplo 2.5
f(x) = x3 - 2x - 1 f (x) = 3x2 2

Figura 2.8 GUI Mtodo de Von Mises

No se alcanzo convergencia en cinco iteraciones, podemos observar que la convergencia es muy lenta utilizando
este mtodo, se requieren aproximadamente ochenta iteraciones para alcanzar convergencia con la tolerancia deseada.

63

2.6 Aplicaciones
Aplicacin: Clculo de Volmenes molares
Conceptos utilizados.
Uso de ecuaciones de Estado para el clculo de propiedades termodinmicas de sustancias puras.
Curso. Termodinmica, Fisicoqumica I
Problema.
Dado que la presin de vapor del Cloruro de Metilo a 60 C es de 13.76 bar, emplee la ecuacin de Redlich/Kwong para
calcular los volmenes molares del vapor y lquido saturados a esas condiciones.
Solucin
El desarrollo moderno de las ecuaciones cbicas de estado se inicio en 1949 con la publicacin de la ecuacin de
Redlich/Kwong.

RT
a
1
V b T 2V (V b)

0.4278 R 2Tc2.5
a
Pc

0.0867 RTc
Pc

Tc = 416.3 K

Pc = 66.8 bar

R=83.14 cm3 bar mol-1 K-1 ,

T= 333.15 K,

P = 13.76 bar

a=1.56531x108 cm6 bar mol-2 K1/2


b=44.922 cm3 mol-1
Esta ecuacin, tiene tres races para el volumen, de las cuales dos pueden ser complejas. Fsicamente, los valores de V son
reales, positivos y mayores que la constante b. Los volmenes de lquidos y vapores saturados estn dados por la raz menor
y mayor, respectivamente, cuando P es la presin de saturacin.

64

Solucin por el Mtodo de Punto fijo

Vi 1
Reacomodando la ecuacin:

a (Vi b)
RT
b 1
P
T 2Vi (Vi b) P

Programa 2.1 Mtodo de Punto Fijo


PRINT "****************************************************************"
PRINT "*
INSTITUTO TECNOLOGICO DE DURANGO
*"
PRINT "* DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA
*"
PRINT "*
MTODOS NUMRICOS
*"
PRINT "* RAIZ DE LA ECUACION DE REDLICH-WONG VAPOR SATURADO *"
PRINT "*
METODO DE PUNTO FIJO
*"
PRINT "*
INSTRUCTOR: JOSE DOMINGO POPE SOLIS
*"
PRINT "****************************************************************"
INPUT "NOMBRE DE LA ESPECIE QUIMICA "; COMPUESTO$
INPUT "TEMPERATURA(K) "; T: INPUT "PRESIN(BAR) "; P
INPUT "TEMPERATURA CRITICA "; TC: INPUT "PRESIN CRITICA "; PC
INPUT "TOLERANCIA
"; ES
INPUT "NUMERO MAXIMO DE ITERACIONES "; NMI
PRINT: PRINT "VAPOR SATURADO"
R = 83.14
a=0.4278*R^2*TC^2.5/PC
b=0.0867*R*TC/PC
Vp=R*T/P
FOR NI = 1 TO NMI
Va = F(Vp,T,P,R,a,b)
IF Va = 0 THEN
Vp = Va
ELSE
EA = ABS((Va - Vp) / Va) * 100
IF EA <= ES THEN
PRINT: PRINT "VOLUMEN ESPECIFICO DEL ";COMPUESTO$;" = ";Va;" CM^3/MOL "
END
ELSE
Vp = Va
PRINT Va
END IF
END IF
NEXT NI
PRINT "NO SE ENCONTRO LA RAIZ"
NI = NI - 1
PRINT Va, EA, NI
END
FUNCTION F(Vp,T,P,R,a,b)
F = R*T/P+b-a*(Vp-b)/(T^0.5*Vp*(Vp+b)*P)
END FUNCTION

65

Ejecucin 2.1 Mtodo de Punto Fijo


*****************************************************************
*
INSTITUTO TECNOLOGICO DE DURANGO
*
* DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA
*
*
MTODOS NUMRICOS
*
* RAIZ DE LA ECUACION DE REDLICH-WONG VAPOR SATURADO *
*
METODO DE PUNTO FIJO
*
*
INSTRUCTOR: JOSE DOMINGO POPE SOLIS
*
*****************************************************************
NOMBRE DE LA ESPECIE QUIMICA CLORURO DE METILO
TEMPERATURA(K) 333.15
PRESIN(BAR) 13.76
TEMPERATURA CRITICA 416.3
PRESIN CRITICA 66.8
TOLERANCIA
0.005
NUMERO MAXIMO DE ITERACIONES 12
VAPOR SATURADO
1761.7612
1721.69182
1714.27629
1712.86795
1712.59918
VOLUMEN ESPECIFICO DEL CLORURO DE METILO = 1712.54784 CM^3/MOL

66

Solucin por el Mtodo de la Biseccin

f (V )
Reacomodando la ecuacin:

RT
a
1
P
V b T 2V (V b)

Programa 2.2 Mtodo de la Biseccin


PRINT "****************************************************************"
PRINT "*
INSTITUTO TECNOLOGICO DE DURANGO
*"
PRINT "* DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA
*"
PRINT "*
MTODOS NUMRICOS
*"
PRINT "*
RAICES DE LA ECUACION DE REDLICH-WONG
*"
PRINT "*
METODO DE LA BISECCIN
*"
PRINT "*
INSTRUCTOR: JOSE DOMINGO POPE SOLIS
*"
PRINT "****************************************************************"
'ENTRADA DE DATOS
INPUT "NOMBRE DE LA ESPECIE QUIMICA "; COMPUESTO$
INPUT "TEMPERATURA(K) "; T: INPUT "PRESIN(BAR) "; P
INPUT "TEMPERATURA CRITICA "; TC: INPUT "PRESIN CRITICA "; PC
INPUT "TOLERANCIA
"; ES
INPUT "NUMERO MAXIMO DE ITERACIONES "; NMI
INPUT "VAPOR SATURADO(TECLEA 1); LIQUIDO SATURADO(TECLEA 2) "; VAPOR
R = 83.14
a=0.4278*R^2*TC^2.5/PC
b=0.0867*R*TC/PC
Vo=R*T/P
IF VAPOR=1 THEN
PRINT: PRINT "VAPOR SATURADO"
V1=Vo+500: V2=Vo-500
ELSE
PRINT: PRINT "LIQUIDO SATURADO"
V1=b+50: V2=b+1
END IF
IF F(V1,T,P,R,a,b)*F(V2,T,P,R,a,b)> 0 THEN
PRINT "NO HAY RAIZ EN EL INTERVALO PROPUESTO":END
ELSE
Vp = (V1 + V2) / 2
FOR NI=1 TO NMI
IF (F(V1,T,P,R,a,b)*F(Vp,T,P,R,a,b))< 0 THEN
V2=Vp
ELSE
V1=Vp
END IF
Va = (V1 + V2) / 2
IF ABS ((Va-Vp)/Va)*100 < ES THEN EXIT FOR
Vp = Va
PRINT Va
NEXT NI
PRINT "VOLUMEN ESPECIFICO DEL ";COMPUESTO$;" = ";Va;" CM^3/MOL "
END IF
END
FUNCTION F(V,T,P,R,a,b)
F = R*T/(V-b) -a/(T^0.5*V*(V+b))-P

67

END FUNCTION
Ejecucin 2.2 Mtodo de la Biseccin para Liquido Saturado
*****************************************************************
*
INSTITUTO TECNOLOGICO DE DURANGO
*
* DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA
*
*
MTODOS NUMRICOS
*
*
RAICES DE LA ECUACION DE REDLICH-WONG
*
*
METODO DE LA BISECCIN
*
*
INSTRUCTOR: JOSE DOMINGO POPE SOLIS
*
*****************************************************************
NOMBRE DE LA ESPECIE QUIMICA CLORURO DE METILO
TEMPERATURA(K) 333.15
PRESIN(BAR) 13.76
TEMPERATURA CRITICA 416.3
PRESIN CRITICA 66.8
TOLERANCIA
.005
NUMERO MAXIMO DE ITERACIONES 12
VAPOR SATURADO (TECLEA 1); LIQUIDO SATURADO (TECLEA 2) 2
LIQUIDO SATURADO
82.6719982
76.5469982
73.4844982
71.9532482
71.1876232
71.5704357
71.3790294
71.4747326
71.426881
71.4029552
71.3909923
71.3850109
VOLUMEN ESPECIFICO DEL CLORURO DE METILO = 71.3850109 CM^3/MOL

68

Ejecucin 2.3 Mtodo de la Biseccin para Vapor Saturado


*****************************************************************
*
INSTITUTO TECNOLOGICO DE DURANGO
*
* DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA
*
*
MTODOS NUMRICOS
*
*
RAICES DE LA ECUACION DE REDLICH-WONG
*
*
METODO DE LA BISECCIN
*
*
INSTRUCTOR: JOSE DOMINGO POPE SOLIS
*
*****************************************************************
NOMBRE DE LA ESPECIE QUIMICA CLORURO DE METILO
TEMPERATURA(K) 333.15
PRESIN(BAR) 13.76
TEMPERATURA CRITICA 416.3
PRESIN CRITICA 66.8
TOLERANCIA
0.005
NUMERO MAXIMO DE ITERACIONES 12
VAPOR SATURADO(TECLEA 1); LIQUIDO SATURADO(TECLEA 2) 1
VAPOR SATURADO
1762.94266
1637.94266
1700.44266
1731.69266
1716.06766
1708.25516
1712.16141
1714.11453
1713.13797
1712.64969
1712.40555
1712.52762
VOLUMEN ESPECIFICO DEL CLORURO DE METILO = 1712.52762 CM^3/MOL

69

Aplicacin: Disociacin del vapor de agua a temperaturas altas


Concepto utilizado
Uso de la constante de equilibrio para calcular la concentracin en el equilibrio de oxigeno e hidrogeno
Curso
Fisicoqumica II
Problema
En un proceso qumico, el vapor de agua (H2O) se calienta a una temperatura suficientemente alta para que una porcin
significativa del agua se disocie o se rompa en partes para formar oxgeno (O 2) e hidrogeno(H2).
H2O H2 + O2
Determinar el grado de disociacin del agua, para las condiciones siguientes.
P=2 atmsferas, K= 0.04568
Solucin
Para una reaccin qumica en equilibrio
Donde K es la constante de equilibrio

K a ivi

a i es la actividad molar parcial del componente i en la mezcla reaccionante

vi es el coeficiente estequiomtrico de la especie i en la mezcla reaccionante

a i fi f i y i P p i

En fases gaseosas ideales

K
Sustituyendo

y H 2 y O2
yH

2O

1/ 2

PP 1 / 2
P

yi

n i ni 0 v i

nt
n0 v

La fraccin molar del componente i puede expresarse mediante la ecuacin


Donde se denomina coordenada de reaccin
Cuando se alimenta estequiomtricamente x siendo x es el grado de conversin o disociacin
Balances Molares

nH 2 n0 H 2

n o2 n 0 o 2 1 2
nH 2 O n0 H 2 O
v = vi =

oH 2O
Base
Sustituyendo

1mol

70

12

1 12 1 12
K
1

1 12

K
Reacomodando

2P
1 2

f ()

2 P
K
1 2
Para las condiciones en que se efecta la reaccin

f ()

4
0.04568
1 2

Solucin por un mtodo que usa intervalo y uno abierto


Tabla 1.1 Mtodo de la Regla falsa en el intervalo [0.05, 0.15], NMI = 7, Tolerancia (s =0.005)
Iteracin
Raz
Error aproximado
1
8.8081 x10-2
-------------------2
9.5024 x10-2
7.3063
3
9.6107 x10-2
1.1266
4
9.6272 x10-2
0.1712
5
9.6297 x10-2
0.0260
6
9.6300 x10-2
0.0039
Tabla 1.2 Mtodo de la Secante en el intervalo x1=0.05, x2=0.15, NMI = 7, Tolerancia (s =0.005)
Iteracin
Raz
Error aproximado
1
8.8081 x10-2
43.2343
2
9.7921 x10-2
10.0490
3
9.6255 x10-2
1.7607
4
9.6301 x10-2
0.0472
5
9.6300 x10-2
0.0003

71

Evaluacin Sumativa
Problema 1
Una alimentacin de 100 kmol/h que contiene 10, 20, 30, y 40 moles % de propano (3), n-butano (4), n-pentano (5) y nhexano (6), respectivamente, entra a una columna de destilacin de 100 psia(689.5 kPa) y 200 F(366.5 K). Suponiendo
que existe equilibrio, Qu fraccin de la alimentacin entra como liquido y cuales son las composiciones del liquido y el
vapor. Datos K3=04.2, K4=1.75, K5=0.74, K6=0.34
Vaporizacin instantnea
Determinacin de la cantidad de vapor V (moles/hr) y la de lquido L (moles/hr) que se generan en una vaporizacin
instantnea.

V moles/hr
yi

F moles/hr
zi

L moles/hr
xi

Un balance de materia global:

F=L+V

Un balance de materia para cada componente:

F zi = L xi + V yi

Ki
Las relaciones de equilibrio lquido-vapor establecen:

yi
xi

i = 1, 2, 3, ,n

i = 1, 2, 3, ,n

72

Fz i ( K i 1)
0
i 1)

F V (K

Sustituyendo y combinando ecuaciones tenemos: i 1


El valor de V que satisface esta ecuacin esta comprendido entre 0 V F
Por lo tanto, proponer un valor inicial de V es bastante complicado ya que F puede ser muy grande.
Esta dificultad se puede reducir normalizando el valor de V, dividiendo el numerador y el denominador entre F.

z ( K 1)
f ( ) i i
0
i 1 1 ( K i 1)
n

z i ( K i 1) 2
f ' ( )
0
2
i 1 [1 ( K i 1)]
n

Donde = V/F

Problema 2
Encuentre el volumen molar del gas butano a 500 K y 50 bar.
La ecuacin cubica de estado genrica:

P=

a( T )
RT

V b ( V + b ) (1+ b)

Puede ser modificada para Z (factor de compresibilidad) mediante sustituciones adecuadas

( Z+ ) (1+ )
Z=1+q

Donde =(Pr/Tr) y q=(Tr)/ (Tr)


Los valores de los parmetros de esta ecuacin varan de acuerdo a la ecuacin cubica de estado que se utiliza, para la
ecuacin de Redlich-Wong =1, =0, =0.8664, =0.42748, (Tr)= Tr-1/2
Para el caso de del butano a las condiciones dadas Tr = 1.176, Pr = 1.317, =0.09703 y q=3.8689
Sustituyendo en la ecuacin tenemos

Z =1.097030.3754

Z0.09703
( Z ) ( Z +0.09703)

Resolver esta ecuacin por los mtodos numricos vistos en la unidad.

73

UNIDAD III. Solucin de sistemas de ecuaciones


Competencia especifica a desarrollar en la unidad
Resolver sistemas de ecuaciones lineales y no lineales mediante un algoritmo de programacin
Introduccin
Muchos sistemas en ingeniera y en matemticas aplicadas pueden representarse adecuadamente mediante un sistema de
ecuaciones lineales. Por lo que, los mtodos numricos desarrollados en esta unidad, aparecern como herramientas en otras
unidades.

3.1 Algebra Matricial.


El lgebra matricial es una parte esencial en muchas reas del conocimiento, ya que las matrices representan herramientas
convenientes para considerar un arreglo de muchos nmeros mediante un solo smbolo, y por lo tanto, la sistematizacin de
clculos laboriosos, ya que proveen una notacin compacta para almacenar informacin y describir relaciones complicadas.
Una matriz es un conjunto de nmeros colocados como arreglos rectangulares y encerrados entre parntesis, los
componentes individuales de la matriz se llaman sus elementos.
La notacin aij en una matriz, designa al elemento ene la i-sima fila, y en la j-sima columna. Los subndices se emplean
para indicar los elementos designando primero la fila y luego la columna.

74

Notacin Matricial
a11 a12 a13
a
21 a22 a23
A a31 a32 a33


am1 am 2 am 3
por un smbolo simple

a1n
a2 n
a3 n

amn
Definimos que una matriz consta de un arreglo rectangular de elementos representados

Generalmente se utiliza la expresin matriz de m n y escribimos matriz m n para referirnos a una matriz de m filas
y n columnas.
Al conjunto horizontal de elementos se le llama rengln
Al conjunto vertical de elementos se le llama columna
Las matrices con dimensin m =1 en el rengln se les llama vectores rengln.
B b1 , b2 , , bn
[ 3, -1, 2, 0, 5, 4 ] Vector rengln de seis columnas

c1
c
C 2


cn

Las matrices con dimensin n =1, se les conoce como vector columna.
A las matrices donde m = n se les llama cuadradas.
Se le llama diagonal principal de la matriz a la diagonal consistente de los elementos a11, a22, a33, a44,...
Reglas de Operacin sobre Matrices
La suma de dos matrices [A] y [B], se realiza sumando los elementos correspondientes de cada matriz. Los elementos de la
matriz [C] resultante se calculan como:
cij = aij
para i = 1,2,3,.., m

+ bij

j =1,2,3,.,n

Para multiplicar dos matrices se requiere que el nmero de columnas sea igual al nmero de renglones de la otra, la
dimensin de la matriz resultante ser el nmero de renglones y el nmero de columnas de la otra
La multiplicacin no es conmutativa
[A][B]=[C]

[A]mn[B]np=[C]mp
n

cij aik bkj


k 1

Transpuesta
Comprende la transformacin de sus renglones en columnas

c11
c
C 21
c31

c41

entonces [C]T = [c11, c21, c31, c41,]

75

Tipos de Matrices
Simtrica
5 7 2 1
7 4 9 6

A 2 9 8 3

1 6 3 3
3 8 5 1
Diagonal
a11 0
0 a
22
[ A]
0
0

0
0

8
5

9 Para toda i y para toda j a = a


ij
ji

0
0
a33
0

0
0
0

a44

Todos los elementos fuera de la diagonal principal son iguales a cero

Identidad
Es una matriz diagonal donde todos los elementos de la diagonal principal son igual a 1

1
0
[I ]
0

0 0 0
1 0 0
0 1 0

0 0 1

Triangular Superior Derecha


Todos los elementos bajo la diagonal principal son cero.

a11
0
[ A]
0

a14

a12

a13

a 22
0

a 23
a 33

a 24
a34

a 44

Aumentada
Es el resultado de aumentarle una columna (o ms columnas) a la matriz original.
a11 a12
a
a
[ A] 21 22
a31 a32

a41 a42

a13
a23
a33
a43

a14
a24
a34

a44

si se desea aumentar con una matriz identidad


a11 a12 a13 a14 1 0 0

a
a22 a23 a24 0 1 0
[ A] 21
a31 a32 a33 a34 0 0 1

a41 a42 a43 a44 0 0 0

Portafolio de evidencias
Utilizar software matemtico Matlab o Scilab para desarrollar las operaciones matriciales de suma, resta y multiplicacin de
arreglos o vectores.

76

3.1.1 Teora de los Sistema Lineales.


La forma general de un sistema de ecuaciones algebraicas lineales es:

a11 x1

a12 x2

a13 x3

a1n xn C1

a 21 x1
a31 x1

a22 x2
a32 x2

a23 x3 a 2 n xn C 2
a33 x3 a3n xn C3

a n1 xn an 2 x2 an 3 x3 a nn xn C n
Donde las aij son coeficientes constantes, las C son constantes y n es el nmero de ecuaciones.
Un sistema de ecuaciones algebraicas lineales se puede representar en forma matricial como
a11
a
21

a31

am1

[A] [X] = [C]


donde

[A] es una matriz cuadrada de n por n

C T c1
X T x 1
[X] es un vector columna de n 1 incgnitas
[C] es un vector columna n 1 de constantes

a1n
a2 n

a12
a22

a13
a23

a32

am 2

a33 a3n

am 3 amn

c2 c3 c4
x2 x3 x4

Si c1, c2, c3, cn son cero, se dice que el sistema es homogneo, en este caso tiene por lo menos la solucin trivial x1 = x2 = x3
= xn = 0, tiene ms soluciones si y solo si, D = 0.
Si por lo menos c1 o cualquier otra cn no es cero, se dice que el sistema es no homogneo. Entonces si D es distinto de cero,
el sistema tiene precisamente una solucin que puede obtenerse por algn mtodo analtico o numrico.
Determinantes
Los determinantes surgen en relacin con los sistemas de ecuaciones lineales.
Por ejemplo en el sistema
a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2
en el que las incgnitas son x1, y x2.

(1)

Para resolver este sistema, puede multiplicarse la primera ecuacin por a22, la segunda por
-a12 y sumar, encontrando
(a11 a22 - a21 a12) x1 = b1 a22 b2 a12
Entonces se multiplica la primera ecuacin de (1) por -a21, la segunda por a11 y se suma nuevamente, encontrando
(a11 a22 - a21 a12) x2 = a11 b2a21 b1
Si a11 a22 - a21 a12 no es cero, puede dividirse y obtener el resultado deseado

x1

b1 a 22 b2 a12
a11a 22 a 21a12

x2

b2 a11 b1 a 21
a11 a 22 a 21 a12

(2)

La expresin de los denominadores se escribe en la forma

77

a11
a 21

a12
a 22

y se llama determinante de segundo orden. Entonces

a11
a 21

a12
a 22

= a11 a22 - a21 a12

Los cuatro nmeros a11, a12, a21, a22 se llaman elementos del determinante. Se dice que los elementos en una lnea horizontal
forman un rengln y que los elementos en una lnea vertical forman una columna del determinante.
Ahora puede escribirse la solucin (2) del sistema (1) en la forma
D
D
x1 1
x2 2
D
D
(D 0)
donde
a
a12
b a12
a
b1
D 11
D1 1
D 2 11
a 21 a 22
b2 a 22
a 21 b2
Esta frmula se llama Regla de Cramer. Ntese que D1 se obtiene reemplazando la primera columna de D por la columna
con elementos b1, b2 y D2 se obtiene reemplazando la segunda columna de D por esa columna.
Una forma distinta de evaluar el determinante de un sistema de ecuaciones se basa en el hecho de que el determinante de
una matriz triangular se puede calcular simplemente con el producto de los elementos de su diagonal
D = a11 a22 a33 ... ann

3.2 Mtodos de Solucin de Sistemas de Ecuaciones Lineales


Estos generalmente son de dos tipos: mtodos directos y mtodos que usan tcnicas iterativas

3.2.1 Eliminacin Gaussiana


El mtodo de eliminacin de Gauss se usa para resolver conjuntos de ecuaciones lineales.
Un sistema de ecuaciones lineales puede representarse como:
a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ........+ a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ........+ a3n xn = b3
.................................................................
an1 x1 + an2 x2 + an3 x3 + ........+ ann xn = bn

a11 a12
a
21 a22
a31 a32

... ...

an1 an 2

a13 ... a1n


a23 ... a2 n
a33 ... a3n

... ... ...
an 3 ... ann

x1

b1

b
x2
2
x3 b3


...
...
bn
xn
Escrito en forma matricial:

x = b

78

Algoritmo: Eliminacin gaussiana


El mtodo consiste de dos fases: la eliminacin de incgnitas y su solucin mediante sustitucin hacia atrs.
Eliminacin de incgnitas.

a11 x1 a12 x2 a13 x3


a x
b

... 1n n 1
a11
a11
a11
a11 Para aplicar el mtodo se divide la ecuacin pivote por el elemento que
1. a11
corresponde a la diagonal principal, llamado elemento pivote
A este proceso se le conoce como normalizacin.

a11x1
a x
a x
a x
b
a21 12 2 a21 13 3 ... a21 1n n a21 1
a11
a11
a11
a11
a11 Se multiplica esta ecuacin por el elemento que se quiere
2.
eliminar en la ecuacin correspondiente
a21

3. La ecuacin resultante se resta de la ecuacin que contiene el trmino a eliminar

a 21 a 21

a
a
a11
a
b
x1 a 22 a 21 12 x 2 a 23 a 21 13 x1 ... a 2 n a 21 1n x n b2 a 21 1
a11
a
a
a
a
11
11
11
11

a22 x2 + a23 x3 +........+ a2n xn = b2

El sistema lineal queda


a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a22 x2 + a23 x3 +........+ a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ........+ a3n xn = b3
.................................................................
an1 x1 + an2 x2 + an3 x3 + ........+ ann xn = bn

El procedimiento se repite hasta que se elimina la primera incgnita de las ecuaciones restantes, y despus la segunda,
tercera y hasta la n-1esima incgnitas
a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a22 x2 + a23 x3 + ........+ a2n xn = b2
a33 x3 + ........+ a3n xn = b3
................................................
an-1nn xn = bn-1n
Que representado en forma matricial generara una matriz triangular superior derecha.
Sustitucin hacia atrs.

xi bi

j i 1

ij

xj

i n 1, n 2,...1

La ltima ecuacin resultante se puede resolver a para xn, este resultado se sustituye
en la ecuacin inmediata anterior, y as sucesivamente

79

Ejemplo
Dado el problema
-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92
Encontrar los valores de x1, x2, x3.

12 1 7
1 6 4

2 1 10

x1 80
x 13
2

x3 92
Escrito en forma matricial

80

Figura 3.1 GUI Mtodo de Gauss

Eliminacin de incgnitas
Para aplicar el mtodo de eliminacin gaussiana simple se forma la siguiente matriz ampliada
Elementos a eliminar
Ecuacin Pivote

12
1

10

80
13
92

81

80
13 1 6.3333
12

80
92 2 105.3333
12
12
0

5.9167 3.4167
1.1667 11.1667

80
6.3333
105.3333

Se repite el procedimiento
hasta formar una matriz triangular superior derecha haciendo ceros los elementos bajo la diagonal principal.
1
7
80
12
Nueva Ecuacin Pivote
Elemento a eliminar
0
5.9167 3.4167
6.3333

0
1.1667 11.1667 105.3333

6.3333
105.3333 1.1667 104.0845
5.9167

12
0

5.9167

3.4167

10.493

80

6.3333
104.0845

-12 x1 +
x2 7 x3 = -80
- 5.9167 x2 + 3.4167 x3 = 6.3333
10.493 x3 = 104.0845
Sustitucin hacia atrs

82

x3

6.3333 3.4167 9.9194 4.6577

104.0845
9.9194
5.9167
10.493
3.2.2 Matriz Inversa
Si una matriz A es cuadrada no singular (det A 0), hay otra matriz A-1 llamada inversa de A tal que

x2

x3

x2

x1

80 4.6577 79.9194
-12

x3

1.2684

A A-1 = A-1 A = I

3.2.3 Gauss-Jordan (Inversin de Matrices)


Ejemplo 3.2
Dado el problema
-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92
Encontrar los valores de x1, x2, x3.
12 1 7 x1 80
1 6 4 x 13

2 1 10 x3 92
Escrito en forma matricial

Figura 3.2 GUI Mtodo de Gauss-Jordan(Matriz Inversa)

83

Algoritmo: Mtodo de Gauss-Jordan


Para aplicar el mtodo de eliminacin Gauss-Jordan simple se forma una matriz ampliada y se aplican los siguientes pasos
1
7 80 1 0 0
12
Ecuacin pivote
1
6
4
13
0 1 0

2 1 10
92
0 0 1

1.

1
0.0833
12

1
1

0.0833
6
1

0.5833
4
10

6.6667
13
92

0.0833
0
0

0
1
0

0
0
1

Normalizar
la
ecuacin pivote, dividindola entre el elemento pivote (el elemento correspondiente a la diagonal principal)
2. Multiplicar la ecuacin pivote por el elemento que se quiere hacer cero en la columna del elemento pivote y se resta
esta ecuacin de la ecuacin que contiene el elemento a eliminar
1(1)(1) = 0
6 (1)(0.0833)= 5.9167
4 (1)(0.5833)= 3.4167
13 (1)(6.6667)= 6.3333
0 (1)(0.0833)= 0.0833
1(1)(0) = 1
0(1)(0) = 0

1
0

0.0833 0.5833
6.6667
5.9167 3.4167
6.3333
1.1667 11 .1667 105.3333

2 (2)(1)= 0
1 (2)(0.0833)=1.1667
10 (2)(0.5833)= 11.1667
92 (2)(6.6667)= 105.3333
0 (2)( 0.0833)= 0.1667
0 (2)(0)= 0
1 (2)(0)= 1

0.0833
0.08333
0.1667

0
1
0

0
0
1

3. Se repiten los pasos 1. y 2. hasta formar una matriz identidad en el lado izquierdo de la matriz ampliada, el lado
derecho es la matriz inversa.

Resultado de restar a la primera ecuacin la ecuacin pivote multiplicada por (-0.0833)


Nueva ecuacin pivote.
Resultado de dividir segunda ecuacin entre (-5.9167)
6.5775 0.0845 0.0141 0
1 0 0.5352
0 1 0.5775 1.0704 0.0141 0.1690 0

0 0 10.4930 104.0845 0.1831 0.1972 1


Resultado de restar a la tercera ecuacin la ecuacin pivote multiplicada por (-1.1667)

84

Resultado de restar a la primera ecuacin la ecuacin pivote multiplicada por 0.5352

Resultado de restar a la segunda ecuacin la ecuacin pivote multiplicada por (-0.5775)

1 0
Nueva ecuacin pivote.
0 1
Resultado de dividir segunda ecuacin entre 10.4930

0 0

0
0
1

1.2684
4.6577
9.9195

0.0752
0.0242
0.0175

0.0141
0.1690
0.0188

0.051
0.055
0.0953

3.2.4 Regla de Cramer


Se define un determinante de tercer orden para el sistema
a11 x1 + a12 x2 + a13 x3= b1
a21 x1 + a22 x2 + a23 x3= b2
a31 x1 + a32 x2 + a33 x3= b3

(3)

por la ecuacin

a11
D a 21
a 31

a12
a 22
a 32

a13
a
a 23 a11 22
a 32
a 33

a 23
a
a 21 12
a 33
a 32

a13
a
a 31 12
a 33
a 22

a13
a 23

(4)

Si se desarrollan los determinantes de segundo orden en la ecuacin anterior se obtiene


D = a11 a22 a33 - a11 a32 a23 + a21 a32 a13 - a21 a12 a33 + a31 a12 a23 - a31 a22 a13
Los determinantes de segundo orden en (4), que se encuentran multiplicados por ai1, donde i = 1, 2 3, se obtienen de D
omitiendo la primera columna y el i-simo rengln de D.
Ntese que los elementos de D estn arreglados en el mismo orden en el que se presentan como coeficientes en el sistema
de ecuaciones (3), y Dj donde j = 1, 2 3 se obtiene a partir de D reemplazando la j-sima columna por la columna con
elementos b1, b2, b3.
Si D 0 entonces (3) tiene la solucin nica

x1

D1
D

x2

D2
D

x3

D3
D

Ejemplo
Dado el problema
-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92
Encontrar los valores de x1, x2, x3.
El determinante del sistema es

85

12 1 7
6 4
1 7
1 7
D 1
6 4 12
1
2
1 10
1 10
6 4
2 1 10
12 1 7
1
6 4
D=

10

= -12(-6)(10) + 12(-1)(4) - 1(1)(10) + 1(-1)(-7)2(1)(4) + 2(-6)(-7)


D = 745

80

13

13

92

10

92

10

D1 =

12 80 7
= 945
12

1
D3 =
x1 = 1.2685

D2 =

= 3470

1 80
6 13
1

92

= 7390

x2 = 4.6577

x3 = 9.9195

Portafolio de Evidencias
a)

Hacer un programa (diagrama de flujo y seudocdigo) para resolver un sistema de n ecuaciones lineales con n
incgnitas usando el mtodo de gauss simple. Codificar y ejecutar en scilab
b) Utilizar software matemtico para encontrar la inversa de una matriz (Excel, Polymath, Matlab, etc.)

3.2.5 Mtodos Iterativos


3.2.5.1 Jacobi
El sistema de ecuaciones lineales
a11 x1 + a12 x2 + a13 x3 + ........+ a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ........+ a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ........+ a3n xn = b3
.................................................................
an1 x1 + an2 x2 + an3 x3 + ........+ ann xn = bn
puede representarse en forma matricial como A x = b.
Donde la matriz A puede representarse como la suma de dos matrices, una matriz diagonal D y otra matriz C de modo que
(D + C ) x = b, y reacomodando
Dx + Cx = b

Dx = b - Cx
x

b C x

D
Esta ltima ecuacin se puede usar para aproximar la solucin mediante un proceso iterativo.
b C xi
x i 1
D
Ntese la semejanza con el mtodo de punto fijo desarrollado en la unidad anterior. El criterio de
convergencia para este es que los elementos de la diagonal principal de la matriz A sean dominantes, es decir

86

b a
1

x1,i 1
x 2 ,i 1
x 3,i 1

12

b a
2

b a
3

x 2 ,i a13 x 3,i ... a1, n x n ,i


a11

x a 23 x 3,i ... a 2 ,n x n ,i

21 1,i

a 22

31 3, i

a 32 x 2 ,i ... a 3, n x n ,i
a 33

x n ,i 1

b a
n

x a n , 2 x 2 ,i ... a n ,n 1 x n 1,i

n ,1 1, i

a n,n

La aplicacin de la ecuacin del mtodo al sistema de ecuaciones

sera entonces

a ii a ij
i j

Como en todos los procesos iterativos, se requiere dar una aproximacin inicial, que en este caso sera un
vector solucin inicial x0, as como un criterio de convergencia

xi1 xi 100
xi 1

Que deber cumplirse para cada elemento del vector actual y previo; tambin se dar el nmero

mximo de iteraciones.
Ejemplo
Dado el problema
-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92
Encontrar los valores de x1, x2, x3 por el mtodo de Jacobi.
x0 = [0, 0, 0]. s = 0.05. Nmero mximo de iteraciones = 5.

87

Figura 3.3 GUI Mtodo de Jacobi

Primera iteracin

x1,i 1

80 x2i 7 x3i

12
13 x1i 4 x3i
x2 ,i 1
6

92 2 x1i x2 i
x3,i 1
10
a1
a2
a3

1,i 1

x
x

x1,i

x1,i 1
2 ,i 1

x 2 ,i

x 2 ,i 1
3,i 1

x 3 ,i

x3,i 1

x1,0 = 0
x2,0 = 0
x3,0 = 0

x1,1
x 2 ,1
x 3,1

80 0 7 0 6.667

12
13 0 4 0 2.1667

92 2 0 0

9.2
10

100 s
100 s

a1 = a2 = a3 = 100
a i < s? NO

100 s

88

Segunda iteracin

x1, 2
x 2,2
x 3, 2

1.1194
12
13 6.6667 4 9.2 5.0778

6
92 2 6.6667 2.1667 10.3167

10

Tercera iteracin

x1, 3
x 2 ,3
x 3,3

x1, 4
x 2, 4
x 3, 4

80 2.1667 7 9.2

a1 = 495.5601
a2 = 142.67
a3 = 10.8242
a i < s? NO

80 5.0778 710.3167

1.0717
12
13 1.1194 410.3167 4.8977

6
92 21.1194 5.0778 9.9317

10

a1 = 4.4509
a2 = 3.6772
a3 = 3.8765
a i < s? NO

80 4.8977 7 9.9317

1.2813
12
13 1.0717 4 9.9317 4.6361

92 21.0717 4.8977

9.9041
10

Quinta iteracin
80 4.6361 7 9.9041 1.2756
x1, 5
12

13 1.2813 4 9.9041
x 2 ,5
4.6496
6
92 21.2813 4.6361 9.9199
x 3, 5
10

a1 = 16.3584
a2 = 5.7111
a3 = 0.2887
a i < s? NO
Cuarta iteracin

a1 = 0.4455
a2 = 0.2907
a3 = 0.1590
a i < s? NO
NMI ? SI

3.2.5.2 Gauss-Seidel
Este mtodo es una mejora del mtodo de Jacobi, la cual consiste en que los valores de cada aproximacin se usan
inmediatamente para el clculo de las aproximaciones sucesivas.

89

x1,i 1
x 2,i 1
x 3,i 1

b a
1

12

b a
2

b a
3

x 2,i a13 x 3,i ... a1, n x n ,i


a11

21 1,i 1

a 23 x 3,i ... a 2,n x n ,i


a 22

31 1, i 1

a 32 x 2,i 1 ... a 3, n x n ,i
a 33

bn a n,1 x1,i 1 a n,2 x 2,i 1 ... a n,n1 x n1,11


x n ,i 1
a n ,n

El sistema de ecuaciones se modificar entonces de la siguiente

manera:
Ejemplo
Dado el problema
-12 x1 + x2 - 7 x3 = -80
x1 - 6x2 + 4 x3 = 13
-2 x1 - x2 + 10 x3 = 92
Encontrar los valores de x1, x2, x3 x0 = [0, 0, 0]. s = 0.05. Nmero mximo de iteraciones = 5.

Figura 3.4 GUI Mtodo de Gauss-Seidel

90

Primera iteracin

x1,i 1
x 2 ,i 1
x 3,i 1

80 x 2i

7 x 3i

x1,0 = 0
x2,0 = 0
x3,0 = 0

12
13 x1,i 1 4 x3i

x1,1
x 2 ,1

6
92 2 x1,i 1 x 2,i 1
10
a1
a2
a3

1,i 1

x
x

x1,i

x1,i 1
2 ,i 1

x 3,1

12
13 6.667 4 0 1.0556

6
92 2 6.667 1.0556 10.4278

10

100 s

x 2 ,i

x 2 ,i 1
3 ,i 1

80 0 7 0 6.667

x 3 ,i

x3,i 1

100 s

a1 = a2 = a3 = 100
a i < s? NO

100 s

Segunda iteracin

x1 , 2
x2 ,2
x3 , 2
x1, 3
x 2 ,3
x 3,3

x 3, 4

0.4958
12
13 0.4958 410.4278

4.8678
6
92 20.4958 4.8678

9.7859
10

80 4.8678 7 9.7859

1.3638
12
13 1.3638 4 9.7859 4.5846

92 21.3638 4.5846

9.9312
10

x1, 4
x 2,4

80 1.0556 710.4278

a1 = 63.6457
a2 = 6.1772
a3 = 1.4631
a i < s? NO
Tercera iteracin

80 4.5846 7 9.9312

1.2555
12
13 1.2555 4 9.9312 4.6634

6
92 21.2555 4.6634 9.9174

10

x1, 5

a1 = 1244.6349
a2 = 121.6854
a3 = 6.5594
a i < s? NO

a1 = 8.6260
a2 = 1.6898
a3 = 0.1391
a i < s? NO
Cuarta iteracin

80 4.6634 7 9.9174 1.2701


12

x 2,5

13 1.2701 4 9.9174 4.6566

x 3, 5

92 21.2701 4.6566 9.9197

10

Quinta iteracin

a1 = 1.1495
a2 = 0.1460
a3 = 0.0232
a i < s? NO
NMI ? SI

91

Portafolio de Evidencias
Hacer un programa (diagrama de flujo y seudocdigo) para resolver un sistema de n ecuaciones lineales con n incgnitas
usando el mtodo de Gauss-Seidel, el programa debe incluir un procedimiento para verificar si el sistema es diagonalmente
dominante. Codificar y ejecutar en scilab

92

3.3 Teora de Sistemas de Ecuaciones no Lineales


La forma general de un sistema de ecuaciones no lineales es
f1 x1 , x 2 , x 3 ,... x n 0

f 2 x1 , x 2 , x 3 ,... x n 0
f 3 x1 , x 2 , x 3 ,... x n 0

f n x1 , x 2 , x 3 ,... x n 0

Definiendo una funcin F


F(x1, x2, x3,...xn) = [f1 (x1, x2, x3,...xn), f2 (x1, x2, x3,...xn),
f3 (x1, x2, x3,...xn), ..., fn (x1, x2, x3,...xn)]
Usando notacin vectorial para representar las variables x1, x2, x3,... xn; el sistema puede representarse por
F (x) = 0
La solucin a este sistema, es el vector x = [x1, x2, x3,...xn] que hace que simultneamente todas las ecuaciones sean iguales a
cero.

3.4 Mtodos de Solucin


3.4.1Iteracin Secuencial
Anteriormente se desarroll el mtodo de iteracin de punto fijo para resolver la ecuacin f(x)=0, transformando esta
ecuacin en una ecuacin de la forma x = g(x), usando el criterio de convergencia g(x) < 1 en el intervalo [a, b] donde
g(x) [a, b] para x [a, b].
Para el caso de un conjunto de ecuaciones no lineales utilizaremos un procedimiento similar, extendindolo a todas las
ecuaciones, usando el criterio de convergencia

g i x K

x j
n

para toda j = 1, 2, 3...n y K< 1

G
x

D
con la propiedad de
para x D donde D = {(x1, x2,...xn)t ai xi bi para i = 1, 2, ...n}.
Ejemplo
El sistema no lineal
x12 - 10x1 + x22 + 8 = 0
x1x22 + x1 - 10x2 + 8 = 0
2

x1 g1 x1 , x2

x1 x2 8
10

x2 g 2 x1 , x2

x1 x2 x1 8
10
puede transformarse al problema de punto fijo

G g ,g

1
2
Demuestre que
tiene un nico punto fijo en D = {(x1, x2)t 0 x1,x2 1.5}.
a) Aplique la iteracin funcional para aproximar la solucin (Jacobi).
a) Acelera el mtodo de Seidel la convergencia?
Solucin
a)

93

0.8 g1(x1, x2) 1.25


0.8 g1(x1, x2) 1.2875

se cumple que G x D siempre que x D

g 2 x 2 2 1

0.325
x1
10

g1 2 x1

0.3
x1 10
g1 2 x1

0.3
x1 10

gi
0.45
x j

g2 2 x1 x2

0.45
x2
10
se cumple con K = 0.9

b) Utilizando el vector solucin inicial:

x 0 = (0,0)t
x 1 = (0.8,0.8)t
x 2 = (0.928,0.931)t
x 3 = (0.973,0.973)t
x 4 = (0.989,0.989)t
x 5 = (0.996,0.996)t
c) Utilizando el vector solucin inicial:

x 0 = (0,0)t
x 1 = (0.8,0.88)t
x 2 = (0.941,0.967)t
x 3 = (0.982,0.990)t
x 4 = (0.994,0.997)t
x 5 = (0.998,0.999)t
3.4.2 Newton
Si escribimos la serie de Taylor truncada a partir de los trminos que contienen segundas derivadas parciales para cada una
de las ecuaciones tendremos:

f 1,i 1 f 1,i
f 2 ,i 1 f 2 ,i
f 3,i 1 f 1,i

f 1,i
x1

f 2 ,i
x1
f 3,i
x1

1, i 1

x1,i

f 1,i
x 2

x1,i

f 2 ,i

x1,i

f 3,i

1,i 1

1,i 1

x 2
x 2

2 ,i 1

x
x

x 2 ,i ...

2 ,i 1

2 ,i 1

f 1,i
x n

x 2 ,i ...

f 2 ,i

x 2 ,i ...

f 3,i

x n
x n

n ,i 1

x
x

x n ,i

n ,i 1

n ,i 1

x n ,i
x n ,i

f n ,i
f
f
x1,i 1 x1,i n,i x 2,i 1 x 2,i ... n,i x n,i 1 x n,i
f n ,i 1 f 1,i
x1
x 2
x n
Puesto que todas las ecuaciones deben ser
cero en las races.

94

f 1,i

f 1,i

x1
f 2 ,i

f 2 ,i

x1
f 3,i

f 1,i

x1

x1,i

f 1,i

x1,i

f 2 ,i

1,i 1

x1,i

f 3,i

1,i 1

1,i 1

x 2

x 2

x 2

f 1,i

x 2 ,i ...

2 ,i 1

2 ,i 1

2 ,i 1

x n

x 2 ,i ...

f 2 ,i

x 2 ,i ...

f 3,i

x n
x n

x n ,i 0

n ,i 1

x
x

n ,i 1

n ,i 1

x n ,i 0
x n ,i 0

f n ,i

f 1,i

f 1,i x1,i

f 1,i
f 2 ,i

f 2 ,i x1,i
f 3,i x1,i

f 1,i

x 2 ,i

x1
x1
f 3,i
x1

x1

x 2,i

1,i 1

x1,i

... x n ,i

x 2

x 2 ,i

f 2 ,i
x 2
f 3,i
x 2

... x n ,i
... x n ,i

f 1,i
x n

f n ,i
x 2

x n
f 3,i
x n

2 ,i 1

f 1,i

x1,i 1

f 2 ,i

x1

x1,i 1
x1,i 1

x 2 ,i ...

x 2,i 1

f 2 ,i
x1
f 3,i
x1

f 1,i
x 2

x 2 ,i 1
x 2 ,i 1

f n ,i
x n

n ,i 1

... x n ,i 1

f 2 ,i
x 2
f 3,i
x 2

x n ,i 0

f 1,i
x n

... x n ,i 1
... x n ,i 1

f 2 ,i
x n
f 3,i
x n

f n ,i x1,i
f1,i
x
1

f 2 ,i

J x x
1

...

f n ,i
x1

f n ,i
x1

x 2 ,i

f1,i
x2
f 2 ,i
x2
...
f n ,i
x2

f n ,i

...
...
...
...

x 2

... x n ,i

f n ,i
x n

x1,i 1

f n ,i
x1

x 2 ,i 1

f n ,i
x 2

... x n ,i 1

f n ,i
x n

f1,i
xn
f 2 ,i
xn

...
f n ,i

xn
Definiendo la matriz J(x) como:

Podemos escribir
F (x) + xi J(x) = xi+1 J(x)
Dividiendo entre J(x) y reacomodando
xi+1 = xi - J(x)-1 F (x)
Esta es la ecuacin de Newton para sistemas no lineales.
Puesto que en cada iteracin se tiene que calcular la inversa de la matriz J(x) y esto implica un considerable esfuerzo de
clculo, para evitar este paso se utiliza el artificio de encontrar un vector y que satisfaga
J(x) y = -F (x)
Por lo que la ecuacin del mtodo quedara:
xi+1 = xi - J(x)-1 F (x) = xi - J(x)-1 (-J(x) y) = xi + y
xi+1 = xi - y

95

Ejemplo
Encuentre una solucin al siguiente sistema no lineal usando el mtodo de Newton.
Itere hasta quex (i) - x (i-1) < 10-5
x12 - 10x1 + x22 + 8 = 0
x1x22 + x1 - 10x2 + 8 = 0

Figura 3.5 GUI Mtodo de Newton


Solucin: Corrida de escritorio
Resolviendo para y en el sistema que establece el mtodo de Newton
J(x)y = -F(x)

(1)

donde J(x) es el jacobiano del vector de funciones:


f 1 (x) f 1 (x)
x
2x2

x 2 2 x1 10
1

J xi
2

f
(x)

f
(x)
2
2
x 2 1 2 x1 x 2 10
x1
x 2
y F(x) es el vector de funciones:

x1 2 - 10 x1 x 2 2 8

2
x1 x 2 x1 - 10 x 2 8
se establece un esquema iterativo donde cada nueva aproximacin se obtiene como:
F x

96

x(k+1) = y + x(k)
Al resolver el sistema tomando como valores iniciales (x1, x2) = (0, 0) se tiene:
2 x2
2 0
0
2 x 10
2 0 10

10
J x1, x2 12
0 2 1 2 0 0 10 1
x

1
2
x
x

10

10
2
1 2

x12 - 10 x1 x2 2 8
0 2 10 0 0 2 8
8
0 y1
10
8
F


2
2
y
1

10 2
8

8
0 0 0 10 0 8
x1 x2 x1 - 10 x2 8
que por el sistema (1) resulta:
resolviendo
y1 0.8
y

2 0.88
y el primer valor en la iteracin de (x1, x2) genera:
t
0
0.8 0.8
x1 , x 2 1

0 0.88 0.88

El esquema de iteracin genera los siguientes resultados:


1
0.1918
1.76 y1
8.4
J x 1

0.1117 (x(1)) = (0.8, 0.88)


1.7744 8.592 y2
1.4144
F x 1

0.6195

2
0.0491 y1 0.0082
F x 2

0.0083
2

(x(2)) = (0.9918, 0.9917)


0.0502 y2
8.0164 1.9834
J x 2

1.9835 8.0329

y1 1
0.0000
8 2
0
1
F x 3
1
J x

0
.
0000

y2
2 8
0 (x(3)) = (1.0000, 1.0000)

(x(4)) = (1.0000, 1.0000)

3.4.3 Otros Mtodos Mejorados


Como es de observarse en el mtodo de Newton que hemos desarrollado se requiere un gran cantidad de operaciones en
cada iteracin por lo cual se han propuesto modificaciones a este mtodo, una de las cuales ya tratamos; el mtodo de la
secante el cual puede implementarse tambin para un sistema de ecuaciones no lineales. La otra modificacin se plantea
enseguida.
3.4.3.1 Mtodo de Newton Modificado
Esta modificacin consiste en aplicar el mtodo de Newton desarrollado para una variable en la unidad anterior, a cada
variable del sistema, manteniendo sin cambio las otras, hasta alcanzar convergencia, lo cual no siempre ocurre,
representado esto una de las desventajas de la modificacin.

97

xik 1 xik
Ecuacin del mtodo:
Ejemplo

f i (x k 1 , x k )
f i (x k 1 , x k )
xi

Encuentre una solucin al siguiente sistema no lineal usando el mtodo de Newton modificado
.

x 0 0,0 , Itere hasta quex (i) - x (i-1) < 2.5x10-3

f 1 ( x1 , x 2 ) x15 10 x1 x 22 8 0
f 2 ( x1 , x 2 ) x1 x 22 x1 10 x 2 8 0

x1k 1 x1k

f 1 ( x1k , x 2k )
f 1 ( x1k , x 2k )
x1

f 1 ( x1 , x 2 )
2 x1 10
x1

x 2k 1 x 2k

f 2 ( x1k 1 , x 2k )
f 2 ( x1k 1 , x 2k )
x 2

f 2 ( x1 , x 2 )
2 x1 x 2 10
x 2

Primera iteracin

x11 x10

f1 ( x10 , x 20 )
8
0
0 .8
0
0
10
f 1 ( x1 , x 2 )
x1

x 12 x12

f 2 ( x11 , x 20 )
8 .8
0
0.88
1
0
10
f 2 ( x1 , x 2 )
x 2

Segunda iteracin

f 1 ( x11 , x 12 )
f 2 ( x12 , x12 )
1.4144
0.9183
2
2
x x
0.8
0.9684 x 2 x 2
0.88
0.9907
1
1
2
1
8.4
8.2957
f 1 ( x1 , x 2 )
f 2 ( x1 , x 2 )
x1
x 2
2
1

1
1

Tercera iteracin

f 1 ( x12 , x 22 )
0.2353
x x
0.9684
0.9976
2
2
8.0632
f 1 ( x1 , x 2 )
x1
3
1

2
1

f 2 ( x13 , x 22 )
0.0697
x x
0.9907
0.9994
3
2
8..0234
f 2 ( x1 , x 2 )
x 2
3
2

3
2

Cuarta iteracin

98

x14 x13

f 1 ( x13 , x 23 )
0.0180
0.9976
0.9998
3
3
8.0048
f 1 ( x1 , x 2 )
x1

f 2 ( x14 , x 23 )
0.0044
x x
0.9994
0.9999
4
3
8.0016
f 2 ( x1 , x 2 )
x 2
4
2

4
2

Portafolio de Evidencias
a)

Hacer un programa (diagrama de flujo y seudocdigo) para resolver un sistema de n ecuaciones no lineales con n
incgnitas usando el mtodo de Newton. Codificar y ejecutar en scilab
b) Utilizar software matemtico para encontrar la solucin de un sistema de ecuaciones no lineales (Excel, Polymath,
Matlab, etc.)

3.5 Aplicaciones:
Sistemas lineales
Aplicacin: Destilacin Flash
Conceptos utilizados
Cuando un lquido a una presin y temperatura dadas, es alimentado a un destilador que se encuentra a una presin menor a
la de alimentacin, el lquido bulle muy rpidamente, a esto se llama flash. Si el lquido est compuesto de varias especies
qumicas, el vapor y el lquido en equilibrio que sale del destilador tienen una composicin distinta. Esta operacin puede

99

repetirse en otro destilador comprimiendo el lquido que sale de la primera unidad de destilacin flash y alimentndolo a
otra unidad a una presin menor, separando las especies ms voltiles en el vapor y las menos voltiles en el lquido.
Curso
Balances de Materia y Energa, Operaciones Unitarias II
Problema
Para el tren de destilacin flash que se muestra en la figura encontrar el flujo msico en las corrientes de salida.

D1

71.6 % Metanol
26.8 % Butanol
1.6 % Etilen glicol

F = 1000 Kg/hr
30 % Metanol
40 % Butanol
30 % Etilen glicol

D2

53.3 % Metanol
44.3 % Metanol
2.4 % Etilen glicol

R2

8.6 % Metanol
38.8 % Butanol
52.6 % Etilen glicol

R1

Balances de masa por especie


Metanol

0.716 D1 + 0.533 D2 + 0.086 R2 = 300

Butanol

0.268 D1 + 0.443 D2 + 0.388 R2 = 400

Etilen glicol

0.016 D1 + 0.024 D2 + 0.526 R2 = 300

Programa 3.1 Mtodo de Gauss-Seidel


PRINT "*****************************************************************"
PRINT "*
INSTITUTO TECNOLOGICO DE DURANGO
*"
PRINT "* DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA
*"
PRINT "*
MTODOS NUMERICOS
*"
PRINT "*
MTODO DE GAUSS-SEIDEL
*"
PRINT "*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*"
PRINT "*****************************************************************"
'ENTRADA DE DATOS
INPUT "NUMERO DE ECUACIONES
";N

100

DIM A(N,N+1),X(N),XP(N)
INPUT "TOLERANCIA
";ES
INPUT "NUMERO MAXIMO DE ITERACIONES ";NMI
PRINT: PRINT "ENTRADA DE COEFICIENTES"
FOR I=1 TO N
FOR J=1 TO N
PRINT"A(";I;",";J;")= ";:INPUT A(I,J)
NEXT J
PRINT"B(";I; ")= ";:INPUT A(I,N+1)
NEXT I
FOR I=1 TO N
PRINT"X(";I; ")= ";:INPUT X(I)
NEXT I
FOR I= 1 TO NMI
PRINT: PRINT "ITERACION ";I
SEAL=0
FOR J = 1 TO N
XP(J)=X(J)
SUMA=A(J,N+1)
FOR K= 1 TO N
IF J <> K THEN
SUMA = SUMA-A(J,K)*X(K)
END IF
NEXT K
X(J) = SUMA / A(J,J)
IF ABS((X(J)-XP(J))/X(J))*100 > ES THEN SEAL = 1
PRINT"X(";J; ")= "; X(J)
NEXT J
IF SEAL=0 THEN
PRINT "NUMERO DE ITERACIONES ";I
FOR J=1 TO N
PRINT"X(";J; ")= ";X(J)
NEXT J
END
END IF
NEXT I
PRINT "NO SE ALCANZO CONVERGENCIA"
END

Ejecucin 3.1 Mtodo de Gauss-Seidel


"****************************************************************
*
INSTITUTO TECNOLOGICO DE DURANGO
*
* DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA
*
*
MTODOS NUMERICOS
*
*
MTODO DE GAUSS-SEIDEL
*
*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*
*****************************************************************
NUMERO DE ECUACIONES
3
TOLERANCIA
0.005

101

NUMERO MAXIMO DE ITERACIONES 12


ENTRADA DE COEFICIENTES
A(1,1)= ?0.716
A(1,2)= ?0.533
A(1,3)= ?0.086
B(1)= ?300
A(2,1)= ?0.268
A(2,2)= ?0.443
A(2,3)= ?0.388
B(2)= ?400
A(3,1)= ?0.016
A(3,2)= ?0.024
A(3,3)= ?0.526
B(3)= ?300
X(1)= ?100
X(2)= ?300
X(3)= ?500

ITERACION 6
X(1)= 72.2322398
X(2)= 376.680694
X(3)= 550.958075
ITERACION 7
X(1)= 72.4117261
X(2)= 376.573192
X(3)= 550.95752
ITERACION 8
X(1)= 72.491818
X(2)= 376.525225
X(3)= 550.957273

ITERACION 1
X(1)= 135.614525
X(2)= 382.969091
X(3)= 548.743174

ITERACION 9
X(1)= 72.527555
X(2)= 376.503823
X(3)= 550.957162

ITERACION 2
X(1)= 67.9965944
X(2)= 381.184111
X(3)= 550.881437

ITERACION 10
X(1)= 72.5435009
X(2)= 376.494273
X(3)= 550.957113

ITERACION 3
X(1)= 69.0685268
X(2)= 378.662838
X(3)= 550.96387

ITERACION 11
X(1)= 72.5506159
X(2)= 376.490012
X(3)= 550.957091

ITERACION 4
X(1)= 70.9354951
X(2)= 377.461187
X(3)= 550.961908

ITERACION 12
X(1)= 72.5537905
X(2)= 376.48811
X(3)= 550.957081

ITERACION 5
X(1)= 71.8302559
X(2)= 376.921605
X(3)= 550.959311

NUMERO DE ITERACIONES
D1 = 72.5537905 Kg/hr
D2 = 376.48811 Kg/hr
R2 = 550.957081 Kg/hr

12

102

Sistemas no lineales
Aplicacin: Composicin de la salida de un reactor
Conceptos utilizados

K j ai i , j
v

Para un sistema reaccionante donde ocurre mas de una reaccin la constante de equilibrio se expresa como:
Donde Kj es la constante de equilibrio en la reaccin j

a i es la actividad molar parcial del componente i en la mezcla reaccionante

vi,j es el coeficiente estequiomtrico de la especie i en la reaccin j de la mezcla reaccionante

a i fi f i y i P p i

En fases gaseosas ideales

K1
Sustituyendo

y C y D PP
y A y B PP

K1

y E2 P 2
y A y C PP
yi

La fraccin molar del componente i puede expresarse mediante la ecuacin


Donde j se denomina coordenada de reaccin para la reaccin j y vj = vi,j
Curso

ni ni 0 j vi , j j

nt
n0 j v j j

Fisicoqumica II, Diseo de Reactores


Problema
En un reactor a una temperatura dada, se efectan las siguientes reacciones en fase gaseosa:
A + B

A + C

2E

C + D

K1 = 2.6
K2 = 3.1

Las composiciones iniciales son 2 mol/litro de A y 1 mol/litro de B.


Calcule la composicin a la salida del reactor, asumiendo que se alcanza el equilibrio.
Solucin
Moles de A =
Moles de B

2 1 2

= 1 1

Moles de C =

1 2

Moles de D =

Moles de E =

22

__________________________
Moles totales = 3
Sustituyendo

2.6

1 2 1
2 1 2 1 1

2 2 2
2 1 2 1 2
3.1=

Por comodidad i = xi , desarrollando

103

1.6 x12 3.6 x1 x 2 2.6 x 2 7.8 x1 5.2 0


0.9 x 22 3.1x12 6.2 x 2 6.2 x1 0
Que es un sistema de dos ecuaciones no lineales en dos incgnitas,

Solucin numrica por el mtodo de Newton

x 0 0.8,0.4 , NMI = 7, Tolerancia(s = 0.0005)


T

Programa 3.2 Mtodo de Newton sistemas no lineales


PRINT "****************************************************************
PRINT "*
INSTITUTO TECNOLOGICO DE DURANGO
*"
PRINT "*
DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA
*"
PRINT "*
MTODOS NUMRICOS
*"
PRINT "* SISTEMAS DE ECUACIONES NO LINEALES METODO DE NEWTON *"
PRINT "*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*"
PRINT "*******************************************************"********
PRINT
INPUT "NUMERO DE ECUACIONES
"; N
DIM A(N, N + 1), X(N), XP(N)
INPUT "TOLERANCIA
"; ES
INPUT "NUMERO MAXIMO DE ITERACIONES

";IM

CALL ENTRADA N, XP
FOR K = 1 TO IM
SEAL = 0
CALL JACOBIANA XP, A
CALL GAUSS N, X, A
FOR J = 1 TO N
IF ABS(X(J)) > ES THEN SEAL = 1
NEXT J
IF SEAL = 1 THEN
FOR W = 1 TO N
XP(W) = XP(W) + X(W)
PRINT XP(W)
NEXT W
ELSE
PRINT " "; K-1; " ITERACIONES"
CALL SALIDA N, XP
END
END IF
NEXT K
PRINT "NO ALCANZO CONVERGENCIA"
CALL SALIDA N, XP

104

END
SUB ENTRADA N, BYREF XP
PRINT : PRINT "ENTRADA DE VALORES INICIALES"
FOR I = 1 TO N
PRINT "X0("; I; ")="; : INPUT XP(I)
NEXT I
END SUB
SUB GAUSS N, BYREF X, BYREF A
FOR K = 1 TO N - 1
PRINT
FOR I = K + 1 TO N
QT = A(I, K) / A(K, K)
FOR J = K + 1 TO N + 1
A(I, J) = A(I, J) - QT * A(K, J)
NEXT J
NEXT I
FOR I = K + 1 TO N
A(I, K) = 0
NEXT I
NEXT K
X(N) = A(N, N + 1) / A(N, N)
FOR NX = 1 TO N - 1
SUM = 0
I = N - NX
FOR J = I + 1 TO N
SUM = SUM + A(I, J) * X(J)
NEXT J
X(I) = (A(I, N + 1) - SUM) / A(I, I)
NEXT NX
END SUB
SUB JACOBIANA XP, BYREF A
A(1, 1) = 3.2 * XP(1) +3.6 * XP(2)- 7.8
A(1, 2) = 3.6 * XP(1) - 2.6
A(1, 3) = (-1)*(1.6*XP(1)^2 + 3.6*XP(1)*XP(2) - 2.6*XP(2) - 7.8*XP(1) + 5.2)
A(2, 1) = 6.2*XP(1) - 6.2
A(2, 2) = 1.8*XP(2) + 6.2
A(2, 3) = (-1)*(0.9*XP(2)^2 + 3.1*XP(1)^2 + 6.2*XP(2) - 6.2*XP(1))
END SUB
SUB SALIDA N, BYREF XP
PRINT : PRINT "SALIDA DE VALORES FINALES"
FOR I = 1 TO N
PRINT "XP("; I; ")="; XP(I)
NEXT I
END SUB

105

Ejecucin 3.2 Mtodo de Newton sistemas no lineales


"****************************************************************
*
INSTITUTO TECNOLOGICO DE DURANGO
*
*
DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA
*
*
MTODOS NUMRICOS
*
* SISTEMAS DE ECUACIONES NO LINEALES METODO DE NEWTON *
*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*
*******************************************************"*********
NUMERO DE ECUACIONES
2
TOLERANCIA
0.0005
NUMERO MAXIMO DE ITERACIONES

ENTRADA DE VALORES INICIALES


X0(1)=?0.8
X0(2)=?0.4
0.82939943
0.45613516
0.83143706
0.45565657
2 ITERACIONES
SALIDA DE VALORES FINALES
XP(1)=0.83143706
XP(2)=0.45565657
Tabla 3.1 Coordenada de reaccin
Iteracin
0 (Valor inicial)
1
2
Tabla 3.2 Composicin del sistema
Especie
Moles en el equilibrio
A
0.7129
B
0.1686
C
0.3757
D
0.8314
E
0.9114

1
0.8
0.8294
0.8314

2
0.4
0.4561
0.4557

Composicin
0.2376
0.0562
0.1252
0.2771
0.3038

106

Evaluacin Sumativa
Problema 1
Sistema de reactores tipo tanque con agitacin
Considere el siguiente sistema de reactores tipo tanque donde:
Q = Flujo volumtrico en metros cbicos por minuto
c = concentracin en miligramos por metro cbico

m 3 mg mg

3
min
Flujo msico = Q c = min m
C5
Q15 = 3

Q55 = 2

Q54 = 2

Q25 = 1

Q01 = 5
c01 = 10

C1

Q12 = 3

C2

Q24 = 1

C4

Q44 = 11

Q23 = 1
Q34 = 8
Q31 = 1

C3
Q03 = 8
c03 = 20

Balance de Materia (Ley de conservacin de la materia)


Acumulacin = Entradas Salidas
En el estado estacionario la Acumulacin es igual a cero
Entradas = Salidas
Balance en el reactor 1
Entradas = Q01 c01 + Q31 c3 = (5)(10) + (1) c3 = 50 + c3
Salidas = Q12 c1 + Q15 c1 = (3) c1 + (3) c1 = 6 c1
50 + c3 = 6 c1
6 c1 - c3 = 50

107

Realizando balances para los dems reactores, tenemos:


Reactor 1:
+ 6 c1 - c3
Reactor 2:
- 3 c1 + 3 c2
Reactor 3:
- c2
+ 9 c3
Reactor 4:
- c2
- 8 c3 + 11 c4
Reactor 5:
-3 c1
- c2

- 2 c5
+ 4 c5

= 50
=0
= 160
=0
=0

Sistema de ecuaciones lineales: Resolver con paquetes de software comercial


Problema 2
Parmetros de interaccin molecular
La ecuacin de Wilson ha sido usada para determinar los parmetros de interaccin molecular en sistemas fuertemente no
ideales pero miscibles. En su forma binaria

[
[

]
]

Componente 1

ln 1=ln ( x 1+ 12 x 2 )x 2

12
21

x 1 +12 x2 21 x 1 + x 2

Componente 2

ln 2=ln ( x 2+ 21 x 1 )x 1

12
21

x 1 +12 x2 21 x 1 + x 2

Calcular los parmetros de interaccin binaria


datos
xE = 0.332
xH = 0.668
E = 2.348
H = 1.430

12

21 para el sistema etanol-n-hexano dados los siguientes

108

UNIDAD IV.- Ajuste de Funciones


Competencia especifica a desarrollar en la unidad
Evaluar una funcin que describa un conjunto de datos experimentales mediante herramientas de ajuste

4.1 Fundamentos de Estadstica


4.1.1 Conjunto de mediciones experimentales
La importancia de la estadstica matemtica en la ingeniera est aumentando, en particular en el anlisis de los datos
experimentales. Es importante en la evaluacin de experimentos y algunos parmetros importantes en el anlisis estadstico
de datos, obtenidos a partir de experimentos.
4.1.2 Media y desviacin estndar
El valor medio de una muestra x1, x2, ..., xn, o brevemente, media de la muestra se denota por
1 n
1
x x j x1 x 2 ... x n
n j 1
n
Es la suma de todos los valores de la muestra, dividido entre el tamao de la muestra.

x y se define por la frmula

La variancia de una muestra x1, x2, ..., xn, o brevemente, variancia de la muestra se denota por s2 y se define por la frmula
1 n
2
s2
xj x

n 1 j 1
Es la suma de los cuadrados de las desviaciones de los valores de la muestra respecto a la media, dividido entre n-1.

La desviacin estndar es la raz cuadrada positiva de la variancia s2 y se denota por s.


1 n
2
s
x j x
n 1 j 1

4.2 Interpolacin
Si se da una tabla de valores de una funcin f(x), con frecuencia es necesario obtener valores de f(x) para valores de x
intermedios entre los valores tabulados. La solucin a este problema se llama interpolacin.
Los mtodos usuales de interpolacin se basan en la suposicin de que en la vecindad del valor en cuestin x, f(x) pueda
aproximarse por un polinomio P(x), y por lo tanto el valor encontrado de P(x) ser una aproximacin al valor verdadero de
f(x).
4.2.1 Polinomio de interpolacin con diferencias divididas de Newton
Sea y = f(x) definida en forma tabular, para la cual se desconoce la expresin analtica.
Tabla 4.1 Diferencias finitas.
xi
x0

yi = f(xi)
y0 = f(x0)

f(xi)

2 f(xi)

3 f(xi)

4 f(xi)

f(x1) - f(x0)

109

x1

y1 = f(x1)

f(x2)-2f(x1)+f(x0)
f(x2) - f(x1)

x2

f(x3)-3f(x2)+3f(x1)-f(x0)

y2 = f(x2)

f(x3)-2f(x2)+f(x1)

f(x4)-4f(x3)+6f(x2)-4f(x1)+f(x0)

f(x3) - f(x2)
x3

f(x4)-3f(x3)+3f(x2)-f(x1)

y3 = f(x3)

f(x4)-2f(x3)+f(x2)
f(x4) - f(x3)

x4

y4 = f(x4)

Tabla 4.2 Diferencias divididas finitas


xi
x0

yi = f(xi)
y0 = f(x0)

f`[xi, xi - 1]

f x1 , x0
x1

f`[xi, xi - 1, xi - 2]

f(x1 ) - f(x0 )
x1 x0

y1 = f(x1)

f x2 , x1 , x0
f x2 , x1

x2

f(x2 ) - f(x1 )
x2 x1

y2 = f(x2)

f x3 , x2 , x1
f x3 , x2

x3

f(x3 ) - f(x2 )
x3 x2

y3 = f(x3)

f x4 , x3 , x2
f x4 , x3

x4

f`[xi, xi - 1, xi 2, xi - 3]

f x2 , x1 - f x1 , x0
x2 x0
f x3 , x2 , x1 , x0

f x3 , x2 , x1 - f x2 , x1 , x0
x3 x0

f x4 , x3 , x2 , x1

f x4 , x3 , x2 - f x3 , x2 , x1
x4 x1

f x3 , x2 - f x2 , x1
x3 x1

f x4 , x3 - f x3 , x2
x4 x2

f(x4 ) - f(x3 )
x4 x3

y4 = f(x4)

Tabla 4.3 Diferencias divididas finitas (continuacin)


xi
x0

yi = f(xi)
y0 = f(x0)

x1

y1 = f(x1)

f`[xi, xi - 1, xi 2, xi - 3]

f x3 , x2 , x1 , x0
x2

f x3 , x2 , x1 - f x2 , x1 , x0
x3 x0

y2 = f(x2)

f x4 , x3 , x2 , x1 , x0

f x4 , x3 , x2 , x1
x3

y3 = f(x3)

x4

y4 = f(x4)

f`[xi, xi - 1, xi 2, xi - 3, xi - 4]

f x4 , x3 , x2 - f x3 , x2 , x1
x4 x1

f x4 , x3 , x2 , x1 - f x3 , x2 , x1 , x0
x4 x0

La frmula general de un polinomio de n-simo orden es:

110

fn(x) = a0 + a1 x + a2 x2 +... + an xn
este polinomio puede escribirse en la forma
fn(x) = b0 + b1 (x x0) + b2 (x x0) (x x1) + b3 (x x0) (x x1) (x x2) +...
... + bn (x x0) (x x1) (x x2)... (x xn - 1)
Los coeficientes b0, b1, b2,... , bn se pueden determinar a partir de los datos tabulados sustituyendo en el polinomio los
valores de xi para cada par ordenado.
Para x = x0

f(x0) = b0

b0 = f(x0)

b1
Para x = x1

f(x1) = f(x0) + b1 (x1 x0)

f x1 f x0
f x1 , x0
x1-x0

f x1 f x0
x2 x0 b2 x2 x0 x2 x1
x1-x0
f x1 f x0
f x2 f x1 f x1 f x0
x2 x0 b2 x2 x0 x2 x1
x1-x0

f x2 f x0

f x1 f x0
x2 x0 b2 x2 x0 x2 x1
f x2 f x0
x1-x0
f x 2 f x1 f x1 f x 0 f x1 f x 0 x 2 x 0

x 2 x1
x 2 x1
x1-x 0
x 2 x1

b2 x 2 x 0

f x2 f x1 f x1 f x0 f x1 f x0 x2 x0

b2 x2 x0

x2 x1
x2 x1
x1-x0
x2 x1
f x1 f x0 f x1 f x0 x2 x0
f x1 f x0

x2 x1
x1 x0
x1-x0
x

x
2 1

f x2 f x1 f x1 f x0

b2 x2 x0
x2 x1
x1 x0
Entonces

Para x = x2

b2

Como

f x2 , x1 f x1 , x0
f x2 , x1 , x0
x2 x0

Continuando de la misma manera bn = f[xn, xn -1, xn -2,... , x1, x0]


Por lo que el polinomio puede escribirse en la forma
fn(x) = f(x0) + f[x1, x0] (x x0) + f[x2, x1, x0] (x x0) (x x1) + ...
... + f[xn, xn -1,... , x1 , x0] (x x0) (x x1) (x x2) ... (x xn -1)
Esta expresin recibe el nombre de frmulas de interpolacin de Newton y es aplicable para cualquier valor de x
correspondiente o no a la tabla.
Para el caso en que las x0, x1, x2,... , xn se acomoden consecutivamente y estn igualmente espaciadas, el polinomio de
interpolacin de Newton se puede expresar de un modo distinto
h = xi+1 - xi
x = x0 + kh
x xi = (x0 + kh) (x0 + ih) = kh ih = (k - i)h
fn(x) = f(x0) + f[x1, x0]kh + f[x2, x1, x0]k(k - 1)h2 + f[x3, x2, x1, x0]k(k - 1)(k - 2)h3 + ...
... + f[xn, xn -1,... , x1 , x0] k(k - 1)(k - 2)...(k (n 1))hn

111

Se puede demostrar que

f[xn , xn -1,... , x1 , x0 ]hn

n f
n!

f
2 f
3 f
n f
f n x f x0 k
k k 1
k k 1 k 2
...
n!
1!
2!
3!
Por lo que
Esta expresin recibe el nombre de frmulas de interpolacin de Newton con incrementos constantes y es aplicable para
cualquier valor de x correspondiente o no a la tabla.
... k k 1 k 2 k n 1

4.2.1.1 Interpolacin lineal


Aplicando para un polinomio de primer orden.

fn(x) = f(x0) + f[x1, x0] (x x0) como

f ( x) f ( x0 )
Entonces

f x1 f x0
f x1 , x0
x1-x0

f x1 f x0
( x x0 )
x1-x0

4.2.1.2 Interpolacin Cuadrtica


Aplicando para un polinomio de segundo orden.
fn(x) = f(x0) + f[x1, x0] (x x0) + f[x2, x1, x0] (x x0) (x x1)

f x1 f x0
f x1 , x0
x1-x0
Como

f x2 , x1 f x1 , x0
f x2 , x1 , x0
x2 x0

f x2 f x1 f x1 f x0

x2 x1
x1 x0

f x1 f x0
f ( x) f ( x0 )
( x x0 )
x1-x0
+

x2 x0

(x x0) (x x1)

4.2.2 Interpolacin de Lagrange


La formula general de un polinomio de n-esimo orden es:
y = a0 + a1 x + a2 x2 + a3 x3 + .................... + am xm
Este polinomio puede escribirse en la forma:
fn(x) = b0 (x - x1) (x x2) (x x3)...... (x xn) + b1 (x x0) (x x2) (x x3)...... (x xn)
+ b2 (x x0) (x x1) (x x3)...... (x xn) + b3 (x x0) (x x1) (x x2 )...... (x xn)
+...............................
.........+ bn (x x0) (x x1) (x x2)...... (x xn-1)
Los coeficientes b0,b1,b2,........, bn se pueden determinar a partir de los datos tabulados sustituyendo en el polinomio los
valores de cada par ordenado.
Para x = x0
fn (x0)= b0 (x0 - x1) (x0 x2) (x0 x3)...... (x0 xn)

b0

f ( x0 )
( x0 x1 )( x0 x2 )( x0 x3 ).......( x0 xn )

Para x = x1

112

fn (x1)= b1 (x1 x0) (x1 x2) (x1 x3)...... (x1 xn)

b1

f ( x1 )
( x1 x 0 )( x1 x 2 )( x1 x 3 ).......( x1 x n )

Procediendo de la misma manera.


Para x = xn
fn (xn)= bn (xn x0) (xn x1) (xn x2)...... (xn xn-1)

bn

f ( xn )
( x n x 0 )( x n x 2 )( x n x 2 ).......( x n x n 1 )

Sustituyendo los valores de los coeficientes en el polinomio.

f n ( x)

( x x1 )( x x2 )( x x3 )...........( x xn )
( x x0 )( x x2 )( x x3 )...........( x xn )
f ( x0 )
f ( x1 )
( x0 x1 )( x0 x2 )( x0 x3 ).......( x0 xn )
( x1 x0 )( x1 x2 )( x1 x3 ).......( x1 xn )

.........

( x x1 )( x x2 )( x x3 )...........( x xn 1 )
f ( xn )
( xn x0 )( xn x1 )( xn x2 ).......( xn xn 1 )

Una forma de escribir este polinomio es


:
n

f n ( x ) Li ( x ) f ( xi ) Li ( x )
i 0

j 0
i j

x xj
xi x j

4.2.2.1 Interpolacin lineal


Aplicando para un polinomio de primer orden.

L0

x x1
x 0 x1

f1(x)= L0 (x) f(x0) + L1 (x) f(x1) como


x x1
x x0
Entonces f1(x)= x 0 x1 f(x0) + x1 x 0 f(x1)

L1

x x0
x1 x 0

4.2.2.2 Interpolacin Cuadrtica


Aplicando para un polinomio de segundo orden.
f1(x)= L0 (x) f(x0) + L1 (x) f(x1) + L2 (x) f(x2)

Como

L0

( x x1 )( x x 2 )
( x 0 x1 )( x 0 x 2 )

L1

( x x 0 )( x x 2 )
( x1 x 0 )( x1 x 2 )

L2

( x x 0 )( x x1 )
( x 2 x 0 )( x 2 x1 )

113

( x x1 )( x x 2 )

( x x 0 )( x x 2 )

( x x 0 )( x x1 )
( x x 0 )( x1 x 2 ) f(x ) + ( x 2 x 0 )( x 2 x1 ) f(x )
Entonces f2(x) = ( x 0 x1 )( x 0 x 2 ) f(x0) + 1
1
2

Ejemplo
Dados los datos de la siguiente tabla:
x
y

1
-2

3
1

5
2

7
-3

Calcular el valor de y en x=3.77

Figura 4.1 GUI Mtodo de LaGrange

114

Figura 4.2 GUI Mtodo de Interpolacin de Newton y LaGrange

Portafolio de Evidencias
c)

Hacer un programa (diagrama de flujo y seudocdigo) para interpolar valores en una tabla usando interpolacin
lineal y cuadrtica por los mtodos de Newton y Lagrange. Codificar y ejecutar en scilab
d) Utilizar software matemtico para interpolar datos en una tabla (Polymath, Matlab, Matcad, etc.)

115

4.3 Regresin por Mnimos Cuadrados


Si en una funcin y = f (x) definida en forma tabular, para la cual se desconoce la expresin analtica, se observa una
tendencia definida al graficar los puntos, entonces es posible ajustar una curva mediante regresin por mnimos cuadrados.
4.3.1 Regresin Lineal (usando mnimos cuadrados)
Una recta es un polinomio de orden uno:

y = a 0 + a1 x

Para cada punto definido por el par ordenado ( xi , yi ) se puede escribir : yi = a0 + a1 xi


Sin embargo, si la recta no pasa por todos los puntos habr una diferencia entre el valor dado por a0 + a1 xi y el valor
real yi .
Para determinar los valores de a0 , a1 que nos proporcionen la menor diferencia, se utiliza la regresin lineal por mnimos
cuadrados.
A la diferencia entre el valor proporcionado por a0 + a1 xi y el valor real yi se le llama error.
E = yi - ( a0 + a1 xi ) = yi - a0 - a1 xi
Si elevamos los errores al cuadrado nos evitaramos que al sumarlos se pudieran anular entre si.
E2 = [yi - ( a0 + a1 xi )] 2 = (yi - a0 - a1 xi )2
Si sumamos todos los errores

Sr = E2 = (yi - a0 - a1 xi )2
donde la sumatoria opera para i = 1,2,3, ..... , n
Para determinar los valores de a0 y a1 que nos proporcionen el error mnimo se deriva la ecuacin
Sr = E2 = (yi - a0 - a1 xi )2 con respecto a a0 y a1 y se iguala a cero.

Sy
a0 = 2 (y - a - a x )(-1) = (-2) (y - a - a x ) = 0
i
0
1 i
i
0
1 i
S y
a1 = 2 (y - a - a x )(-x ) = (-2) [ (y - a - a x )(x )] = 0
i
0
1 i
i
i
0
1 i
i

0 = (yi - a0 - a1 xi ) = yi - a0 - a1 xi = yi - n a0 - a1 xi
0 = (yi - a0 - a1 xi )xi = yi xi - a0 xi - a1 xi 2
n a0 + xi a1 = yi

xi a0 + xi 2 a1 = yi xi
Estas ecuaciones se conocen como ecuaciones normales, y se pueden resolver por algn mtodo adecuado.
yi
xi

a0

yi

n
xi

x
x
x

i
2

y x
n x
i

xi xi yi

i
i

Si usamos la regla de Cramer

El valor de a0 se puede obtener a partir de la ecuacion n a0 + xi a1 = yi dividindola entre n y despejando a0 :

a0 = ymedia - a1 xmedia

116

a1

xi
n

xi

y
x y
x
x
i

n xi yi

i
2

n xi

x y
x
i

4.3.1.1 Cuantificacin del error en la regresin lineal


La medida ms comn de la dispersin de una muestra alrededor de un valor medio es la desviacin estndar, la cual se
define como:
n

St
S t ( yi y ) 2
Sy
n1
i 1
donde
donde St es la suma total de los cuadrados de los residuos entre los valores de la muestra y la media.
Se puede observar que existe una similitud entre esta ecuacin y la ecuacin
n

S r [ y i ( a 0 a1 xi )] 2
i 1

En la cual se representan los residuos al cuadrado de la distancia vertical entre los datos y una medida de la tendencia
central La lnea recta
Esta analoga se acenta mas en los siguientes casos:
1.- La dispersin de los puntos alrededor de la recta es de una magnitud similar a lo largo del rango entero de los
datos.
2.- La distribucin de estos puntos alrededor de esta lnea es normal.
Si este criterio se cumple la regresin por mnimos cuadrados proporciona la mejor aproximacin de a0 y a1
Una desviacin estndar de la lnea de regresin se puede determinar como:

Sy/x

Sr
n2

donde Sy/x se llama error estndar de la aproximacin


4.3.1.2 Cuantificacin del ajuste

Para cuantificar la eficiencia del ajuste se procede de la siguiente manera:


De los datos originales se determina la suma de los cuadrados alrededor de la media(St) para la variable dependiente y.
Despus de llevar a cabo la regresin lineal, se calcula Sr .
La diferencia entre estas dos cantidades, cuantifica la reduccin del error debido al modelo de la lnea recta.

r2
Se puede normalizar el error mediante:
Donde r2 se denomina coeficiente de determinacin

St Sr
St

Donde r se denomina coeficiente de correlacin


Para un ajuste perfecto

Sr = 0

r2 = 1,

Si r2 = 0 el ajuste no sirve.

4.4 Ajuste de Curvas Mediante Regresin por Mnimos Cuadrados


117

Para cualquier anlisis de regresin, se trazan y visualizan los datos, para decidir si es correcto o aceptable aplicar el
modelo lineal, ya que algunos conjuntos de datos se representan pobremente mediante una lnea recta. En estos casos, se
recurre a otra tcnica para ajustar los datos a alguna curva mas adecuada.

4.4.1 Algoritmo para linealizacin de ecuaciones.


Un mtodo alterno es usar una transformacin que exprese los datos de manera que sean compatibles con una lnea recta.
Si se tiene un conjunto de puntos (xi , yi ) al cual se representa pobremente mediante una lnea recta, es posible encontrar
ecuaciones de transformacin
u = u (x , y)
y
v = v (x , y)
tal que el conjunto generado (ui , vi ) se
ajuste a la lnea recta
v = a0 + a1 u.
Modelo exponencial
y = a eb x
haciendo la transformacin
u=x
obtenemos la ecuacin de la lnea recta

sacando logaritmos ln y = ln a + b x

v = ln y
v = a 0 + a1 u

a0 = ln a

a1 = b

Modelo de la potencia
y=axb

sacando logaritmos ln y = ln a + b ln x
haciendo la transformacin
u = ln x
v = ln y
a0 = ln a
a1 = b
obtenemos la ecuacin de la lnea recta
v = a 0 + a1 u
La gama de posibles transformaciones es muy amplia, aqu solo se dan dos casos.
Estos modelos en sus estados transformados, se ajustan usando regresin lineal por mnimos cuadrados para evaluar los
coeficientes a0 y a1 despus se pueden transformar a su estado original y usarse para propsitos predictivos.
4.4.2 Regresin polinomial (ajustar una polinomio al conjunto de puntos)
El procedimiento que usamos, para regresin lineal se puede extender para ajustar un polinomio de grado m-esimo o menor
a un conjunto de m + 1 puntos.
y = a0 + a1 x + a2 x2 + a3 x3 + .................... + am xm
En este caso, la suma de los cuadrados de los residuos es:
Sr = ( yi - a0 - a1 xi - a2 xi 2- a3 xi 3 - .................... - an xi m )2
Derivando con respecto a cada uno de los coeficientes del polinomio tenemos:

Sy
a0 = 2 (y - a - a x - a x 2 - a x 3 - .................... - a x m )(-1 )
i
0
1 i
2 i
3 i
n i
S y

a1 = 2 (y - a - a x - a x 2 - a x 3 - .................... - a x m )(-x )
i
0
1 i
2 i
3 i
n i
i
S y
a 2 = 2 (y - a - a x - a x 2 - a x 3 - .................... - a x m )(-x 2 )
i
0
1 i
2 i
3 i
n i
i
...............................................................................................................
...............................................................................................................

S y

am = 2 (y - a - a x - a x 2 - a x 3 - .................... - a x m )(-x m )
i
0
1 i
2 i
3 i
n i
i
Igualando a cero y reordenando tenemos:
(-2) (yi - a0 - a1 xi - a2 xi 2 - a3 xi 3 - .................... - an xi m )

=0

118

(-2) (yi - a0 - a1 xi - a2 xi 2 - a3 xi 3 - .................... - an xi m )xi = 0


(-2) (yi - a0 - a1 xi - a2 xi 2 - a3 xi 3 - .................... - an xi m )xi 2 = 0
(-2) (yi - a0 - a1 xi - a2 xi 2 - a3 xi 3 - .................... - an xi m )xi 3 = 0
.........................................................................................................
.........................................................................................................
(-2) (yi - a0 - a1 xi - a2 xi 2 - a3 xi 3 - .................... - an xi m )xi m = 0
Desarrollando las operaciones indicadas y reordenando
a0 n
+ a1 xi + a2 xi 2 + .................... + an xi m = yi
a0 xi + a1 xi 2 + a2 xi 3 + .................... + an xi m+1 = xi yi
a0 xi 2 + a1 xi 3 + a2 xi 4 +. ................... + an xi m+2 = xi 2 yi
a0 xi 3 + a1 xi 4 + a2 xi 5 + .................... + an xi m+3 = xi 3 yi
..................................................................................................................
..................................................................................................................
a0 xi m + a1 xi m+1 + a2 xi m+2 + .................... + an xi 2m = xi m yi
Las m + 1 ecuaciones son lineales y tienen m + 1 incgnitas.
Por lo tanto, el problema de determinar polinomios de grado m con mnimos cuadrados es equivalente a resolver un sistema
de m + 1 ecuaciones lineales simultaneas.
El error en la regresin polinomial se puede cuantificar mediante el error estndar de aproximacin
Sr
S Sr
S y/x
r2 t
n (m 1) siendo m el grado del polinomio y el coeficiente de correlacin
St
4.4.3 Regresin lineal mltiple
En algunos casos la variable independiente y depende de varias variables x1, x2, ..., xn
Por lo que se puede establecer la relacin mediante
y = a0 + a1 x1 + a2 x2 + ........+ am xm
En este caso, la suma de los cuadrados de los residuos es:
Sr = ( yi - a0 - a1 x1i - a2 x2i - a3 x3i - .................... - an xmi )2
Derivando con respecto a cada uno de los coeficientes del polinomio tenemos.

Sr
a0
Sr
a1
Sr
a2

= 2 (yi - a0 - a1 x1i - a2 x2i - a3 x3i - .................... - an xmi)(-1 )


= 2 (yi - a0 - a1 x1i - a2 x2i - a3 x3i - .................... - an xmi)(-x1i )

= 2 (yi - a0 - a1 x1i - a2 x2i - a3 x3i - .................... - an xmi)(-x2i )


...............................................................................................................
...............................................................................................................

Sr
am

= 2 (yi - a0 - a1 x1i - a2 x2i - a3 x3i - .................... - an xmi)(-xmi )

Igualando a cero y reordenando tenemos.

119

(-2) (yi - a0 - a1 x1i - a2 x2i - a3 x3i - .................... - an xmi)

=0

(-2) (yi - a0 - a1 x1i - a2 x2i - a3 x3i - .................... - an xmi)x1i = 0


(-2) (yi - a0 - a1 x1i - a2 x2i - a3 x3i - .................... - an xmi)x2i = 0
(-2) (yi - a0 - a1 x1i - a2 x2i - a3 x3i - .................... - an xmi)x3i = 0
............................................................................................................
............................................................................................................
(-2) (yi - a0 - a1 x1i - a2 x2i - a3 x3i - .................... - an xmi)xmi = 0
Desarrollando las operaciones indicadas y reordenando
a0 n

+ a1 x1i + a2 x2i + .................... + an xmi = yi

a0 x1i + a1 x1i 2 + a2 x2ix1i + .................... + an xmi x1i = x1i yi


a0 x2i + a1 x1i x2i + a2 x2i 2 +. ................... + an xmi x2i = x2i yi
a0 x3i + a1 x1i x3i + a2 x2i x2i + .................... + an xmi x3i = x3i yi
..................................................................................................................
..................................................................................................................
a0 xmi + a1 x1i xmi + a2 x2i xmi + .................... + an xmi 2 = xmi yi
Las m + 1 ecuaciones son lineales y tienen m + 1 incgnitas.
Por lo tanto, el problema de determinar polinomios lineales con mnimos cuadrados es equivalente a resolver un sistema de
m+1 ecuaciones lineales simultaneas.
El error en la regresin polinomial se puede cuantificar mediante el error estndar de aproximacin

S y / x1 , x 2 ,.., x m

Sr
n (m 1)

siendo m el nmero de variables.

r2
El coeficiente de correlacin

St Sr
St

Una aplicacin importante de esta tcnica es encontrar los valores de a0,a1,a2,........, am en la ecuacin de potencias.
y a0 x1a1 x2a2 x3a3 ....xmam

La cual se puede transformar tomando logaritmos en:


ln y = ln a0 + a1ln x1+ a2ln x2+ a3ln x3+......., am ln xm
Haciendo v = ln y, a0 = ln a0 , u1=ln x1 , u2=ln x2, .........., um=ln xm
v = a0 + a1u1+ a2u2+ a3u3+......., am um
A estas ecuaciones se le puede aplicar la tcnica de regresin lineal mltiple para encontrar los valores de a0,a1,a2,........, am
en la ecuacin de potencias.

120

Ejemplo
Regresin lineal:

x
y

0
1

y a 0 a1 x
0.2
0.99

2
0.91

6
0.77

10
0.672

14
0.603

20
0.536

Figura 4.3 GUI Regresin lineal


Tabla 4.4 Ajuste de una lnea recta a un conjunto de pares ordenados (x,y)
x
y
x2
0
1
0
0,2
0,99
0,04
2
0,91
4
6
0,77
36
10
0,672
100
14
0,603
196
20
0,536
400

52,2
5,481
736,04
Media
7,45714286
0,783

xy
0
0,198
1,82
4,62
6,72
8,442
10,72
32,52

121

a1

7 * 35.52 52.2 * 5.481


0.02411
7 * 736.04 52.2 2

a 0 0.783 (0.02411) * 7.4571 0.9628

Ejemplo
Regresin polinomial

Figura 4.4 GUI Regresin polinomial por mnimos cuadrados

y a a x a x2

0
1
2
Ajuste de una parbola:
Tabla 4.5 Ajuste de una parbola a un conjunto de pares ordenados (x,y)
x
y
x2
x3
0
1
0
0
0,2
0,99
0,04
0,008
2
0,91
4
8
6
0,77
36
216
10
0,672
100
1000
14
0,603
196
2744
20
0,536
400
8000
Sumatoria
52,2
5,481
736,04
11968,008
Media
7,45714286
0,783

x4
0
0,0016
16
1296
10000
38416
160000
209728,002

xy
0
0,198
1,82
4,62
6,72
8,442
10,72
32,52

x2 y
0
0,0396
3,64
27,72
67,2
118,188
214,4
431,1876

122

Resultados

Sistema de ecuaciones
7
52,2
736,04

52,2
736,04
736,04 11968,008
11968,008 209728,002

Ejemplo : Ajuste de una ecuacin exponencial:

5,481
32,52
431,1876

a0 = 0,99575
a1 = -0,042199
a2 = 0,0009694

y ae bx

Figura 4.5 GUI Regresin lineal con trasformaciones


Tabla 4.6 Ajuste de una ecuacin exponencial a un conjunto de pares ordenados (x,y)
x
y
u=x
v = lny
u2
0
1
0
0
0
0,2
0,99
0,2
-0,01005034
0,04
2
0,91
2
-0,09431068
4
6
0,77
6
-0,26136476
36
10
0,672
10
-0,39749694
100
14
0,603
14
-0,50583808
196
20
0,536
20
-0,62362112
400
Sumatoria
52,2
5,481
52,2
-1,89268192
736,04
Media
7,45714286
0,783
7,45714286 -0,27038313

uv
0
-0,00201007
-0,18862136
-1,56818858
-3,97496938
-7,08173315
-12,4724224
-25,2879449

123

a1

7 * ( 25.288) 52.2 * (1.893)


0.03222
7 * 736.04 52.2 2

b = a1 = -0.03222

a 0 0.27038 (0.03222) * 7.4571 0.030147 a e 0.030147 0.96946


Portafolio de Evidencias
a)

Hacer un programa (diagrama de flujo y seudocdigo) para ajustar una curva a un conjunto de datos usando
Regresin por Mnimos Cuadrados (lineal, polinomial, linealizar ecuaciones no lineales y lineal mltiple).
Codificar y ejecutar en scilab
b) Utilizar Excel para ajustar datos a una curva.

4.5 Aplicaciones: Interpolacin


4.5.1 Calculo de propiedades termodinmicas a partir de tablas de vapor
Conceptos utilizados
Una de las aplicaciones ms importantes de las tablas de vapor de agua es calcular las propiedades termodinmicas bajo
ciertas condiciones de temperatura y presin.
Curso
Termodinmica, Balances de Materia y Energa, Operaciones Unitarias
Problema
Calcular la Entalpa del vapor de agua saturado a una temperatura de 157 C
Tabla 4.6 Extracto de tabla de vapor saturado: tabla de temperatura (sistema SI)
T, C
Entalpa, kJ/kg
140
2733.9
150

2746.4

160

2758.1

170

2768.7

Tabla 4.7 Diferencias fintas divididas usadas en la interpolacin de Newton


T, C
Entalpa, kJ/kg
f[x1, x0]
f[x2, x1, x0]
140
2733.9
1.25
150
2746.4
-.0040
1.17
160
2758.1
-.0055
1.06
170
2768.7

f[x3,x2, x1, x0]

-0.00005

Lineal fn(x) = f(x0) + f[x1, x0] (x x0)


Tabla 4.8 Diferencias fintas divididas usadas en la interpolacin de lineal
T, C
Entalpa, kJ/kg
f[x1, x0]
f[x2, x1, x0]
140
2733.9

f[x3,x2, x1, x0]

124

1.25
150

2746.4

-.0040
1.17

160

2758.1

170

2768.7

-0.00005
-.0055

1.06

H(157) = 2746.4 + 1.17(157-150) = 2754.59


Cuadrtica fn(x) = f(x0) + f[x1, x0] (x x0) + f[x2, x1, x0] (x x0) (x x1)
Tabla 4.9 Diferencias fintas divididas usadas en la interpolacin de cuadrtica
T, C
Entalpa, kJ/kg
f[x1, x0]
f[x2, x1, x0]
140
2733.9
1.25
150
2746.4
-.0040
1.17
160
2758.1
-.0055
1.06
170
2768.7

f[x3,x2, x1, x0]

-0.00005

H (157) = 2746.4 + (1.17)(157-150) +(-0.0055)(157-150)(157-160) = 2754.71


Lagrange

Lineal

x x1
x x0
f1(x)= x 0 x1 f(x0) + x1 x 0 f(x1)

H(157) = (157-160)(2746.4)/(150-160) + (157-150)(2758.1)/(160-150) = 2754.59


Cuadrtica

( x x1 )( x x 2 )

( x x 0 )( x x 2 )

( x x 0 )( x x1 )
( x x 0 )( x1 x 2 ) f(x ) + ( x 2 x 0 )( x 2 x1 ) f(x )
f2(x) = ( x 0 x1 )( x 0 x 2 ) f(x0) + 1
1
2
H (157) = (157-160)(157-170)(2746.4)/[(150-160)(150-170)] + (157-150)(157-170)(2758.1)/[(160-150)(160-170)] + (157150)(157-160)(2768.7)/[(170-150)(170-160)]= 535.548 + 2509.871 - 290.7135 = 2754.71
Programa 4.1 Interpolacin por el mtodo de Lagrange
PRINT "*******************************************************************"
PRINT "*
INSTITUTO TECNOLOGICO DE DURANGO
*"
PRINT "* DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA
*"
PRINT "*
MTODOS NUMERICOS
*"
PRINT "*
INTERPOLACION POR EL MTODO DE LAGRANGE
*"
PRINT "*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*"
PRINT "*******************************************************************"
'ENTRADA DE DATOS
INPUT "NUMERO DE PARES ORDENADOS

";N

125

DIM X(N),Y(N)
PRINT: PRINT "ENTRADA DE PARES ORDENADOS (X, Y)"
FOR I=1 TO N
PRINT: PRINT"PAR ";I
PRINT"X(";I; ")= ";:INPUT X(I)
PRINT"Y(";I; ")= ";:INPUT Y(I)
NEXT I
INPUT "INTRODUCE EL VALOR DE X PARA EL CUAL DESEAS CONOCER Y ";XI
YI=0
FOR I=1 TO N
PNUM=1:PDEN=1
FOR J=1 TO N
IF I<>J THEN
PNUM=PNUM*(XI-X(J))
PDEN=PDEN*(X(I)-X(J))
END IF
NEXT J
YI = YI + (PNUM/PDEN)*Y(I)
NEXT I
PRINT: PRINT "T(C)
H(Kj/Kg)"
PRINT XI, YI
END

Ejecucin 4.1 Interpolacin por el mtodo de Lagrange


*
*
*
*
*

INSTITUTO TECNOLOGICO DE DURANGO


DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA
MTODOS NUMERICOS
INTERPOLACION POR EL MTODO DE LAGRANGE
INSTRUCTOR: JOS DOMINGO POPE SOLIS

NUMERO DE PARES ORDENADOS

*
*
*
*
*

ENTRADA DE PARES ORDENADOS (X,Y)


PAR 1
X(1)= 140
Y(1)= 2733.9
PAR 2
X(2)= 150
Y(2)= 2746.4
PAR 3
X(3)= 160
Y(3)= 2758.1
PAR 4
X(4)= 170
Y(4)= 2768.7
INTRODUCE EL VALOR DE X PARA EL CUAL DESEAS CONOCER Y 157

126

T
157

H(Kj/Kg
2754.69185

4.5 Aplicaciones: Regresin por mnimos cuadrados


4.5.2 Energa de Activacin de una Reaccin Qumica
Conceptos utilizados
La energa de activacin Ea se utilizarse para denominar la energa mnima necesaria para que se produzca una reaccin
qumica dada. Para que ocurra una reaccin entre dos molculas, stas deben colisionar en la orientacin correcta y poseer
una cantidad de energa mnima. A medida que las molculas se aproximan, sus nubes de electrones se repelen. Esto
requiere energa (energa de activacin) y proviene del calor del sistema, es decir de la energa traslacional, vibracional,
etctera de cada molcula. Si la energa es suficiente, se vence la repulsin y las molculas se aproximan lo suficiente para
que se produzca una reordenacin de los enlaces de las molculas.
La ecuacin de Arrhenius proporciona la base cuantitativa de la relacin entre la energa de activacin y la velocidad a la
que se produce la reaccin.
Curso
Fisicoqumica II, Diseo de Reactores Qumicos
Problema
La constante de velocidad de segundo orden de la descomposicin en fase gaseosa del xido nitroso
N2O N2 + O
Se ha medido a distintas temperaturas
T C
600
650
700
750

Tabla 4.10 T-k


k (1/M*s)
0.00187
0.0113
0.0569
0.2440

Determine la energa de activacin para esta reaccin


Solucin
La dependencia de la constante especfica de velocidad de una reaccin respecto a la temperatura se expresa
excelentemente por medio de la ecuacin de Arrhenius.

k Ae
Donde
A
Ea
R
T

Ea

RT

se domina factor preexponencial


es la energa de activacin de la reaccin en J/mol
es la constante universal de los gases (8.314 J/mol K)
es la temperatura absoluta

127

es la base de los logaritmos naturales

La ecuacin de Arrhenius puede linealizarse tomando logaritmos en ambos lados de la ecuacin

Ea 1
ln k ln A

R T

Haciendo

y ln k , a 0 ln A,

Ea
a1
,
R

Tenemos la ecuacin de la lnea recta y = ao + a1 x


Tabla 4.11 Ajuste de una recta usando algoritmo para linealizar ecuaciones
T K
k
x = 1/T
y = ln T
x2
xy
873,15
0,00187
0,00114528 -6,28181685 1,31166E-06 -0,00719443
923,15
0,0113
0,00108325 -4,48295255 1,17343E-06 -0,00485615
973,15
0,0569
0,00102759 -2,86645994 1,05594E-06 -0,00294555
1023,15
0,244
0,00097737 -1,41058705
9,5526E-07 -0,00137867
Sumatoria
0,00423349 -15,0418164 4,49629E-06 -0,0163748
Media
0,00105837 -3,7604541
a1 = -29015,0739
a0 = 26,9483078
Ea = - a1 R = -(-29015.0739) 8.314 = 241231.3244 J/mol

Programa 4.2 Regresin lineal con transformaciones


PRINT "*************************************************************** *"
PRINT "*
INSTITUTO TECNOLGICO DE DURANGO
*"
PRINT "* DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA
*"
PRINT "*
MTODOS NUMERICOS
*"
PRINT "*
REGRESIN LINEAL CON TRANSFORMACIONES
*"
PRINT "*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*"
PRINT "*****************************************************************"
'ENTRADA DE DATOS
INPUT "NUMERO DE PARES ORDENADOS ";N
DIM X(N),Y(N)
PRINT: PRINT "ENTRADA DE PARES ORDENADOS (X,Y)"
FOR I=1 TO N
PRINT: PRINT"PAR ";I:PRINT
PRINT"X(";I; ")= ";:INPUT X(I): PRINT"Y(";I; ")= ";:INPUT Y(I)
NEXT I
SUMAU = 0: SUMAV = 0: SUMAU2= 0: SUMAUV= 0
INPUT"TRANSFORMACION: NINGUNA(1), EXP(2), POT(3), SAT(4), ARRENHIUS(5) ";T
SELECT CASE T
CASE 1
FOR I = 1 TO N
U(I) = X(I): V(I) = Y(I)
NEXT I
CASE 2
FOR I = 1 TO N

128

U(I) = X(I): V(I) = LOG(Y(I))


NEXT I
CASE 3
FOR I = 1 TO N
U(I) = LOG(X(I)): V(I) = LOG(Y(I))
NEXT I
CASE 4
FOR I = 1 TO N
U(I) = X(I): V(I) = 1/Y(I)
NEXT I
CASE 5
FOR I = 1 TO N
U(I) = 1/X(I): V(I) = LOG(Y(I))
NEXT I
END SELECT
FOR I = 1 TO N
SUMAU = SUMAU + U(I): SUMAV = SUMAV + V(I)
SUMAU2 = SUMAU2 + U(I)^2: SUMAUV = SUMAUV + U(I)*V(I)
NEXT I
A0 = (SUMAU2*SUMAV-SUMAU*SUMAUV)/(N*SUMAU2-SUMAU^2)
A1 = (N*SUMAUV-SUMAU*SUMAV)/(N*SUMAU2-SUMAU^2)
IF T=1 THEN PRINT"Y = ";A0;" + ";A1;" X ": IF T=2 THEN PRINT"Y = ";EXP(A0);" E (";A1;" X)"
IF T=3 THEN PRINT"Y = ";EXP(A0);" X^ ";A1: IF T=4 THEN PRINT"Y = ";A0;" / (";A1;" + X )"
IF T=5 THEN
PRINT"Y = ";EXP(A0);" E (";A1;"/X)"
EA = A1*(-8.314)
PRINT "ENERGIA DE ACTIVACIN = ";EA; "J/MOL"
END IF
END
Ejecucin 4.2 Regresin lineal con transformaciones
*******************************************************************
*
INSTITUTO TECNOLGICO DE DURANGO
*
*
DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA
*
*
MTODOS NUMERICOS
*
*
REGRESIN LINEAL CON TRANSFORMACIONES
*
*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*
*******************************************************************
NUMERO DE PARES ORDENADOS 4
ENTRADA DE PARES ORDENADOS (X,Y)
PAR 1
X(1)= ?873.15
Y(1)= ?0.00187
PAR 2
X(2)= ?923.15
Y(2)= ?0.0113
PAR 3
X(3)= ?973.15
Y(3)= ?0.0569

129

PAR 4
X(4)= ?1023.15
Y(4)= ?0.244
TRANSFORMACION: NINGUNA(1), EXP(2), POT(3), SAT(4), ARRENHIUS(5)

Y = 5.05244235e11 E (-29015.0739/X)
ENERGIA DE ACTIVACIN = 241231.324J/MOL
4.5.3 Constante especifica de velocidad de una Reaccin Qumica
Conceptos utilizados
La ley de accin de masas dice que la velocidad de una reaccin qumica (aA + bB Productos) es proporcional a la
concentracin de los reactivos elevados a una potencia. Por lo tanto, la velocidad de desaparicin de la especie A puede
expresarse mediante la ecuacin diferencial:

dC A
kC A C B
dt

Curso
Fisicoqumica II, Diseo de Reactores Qumicos
Problema
Considere la siguiente reaccin qumica
aA + bB Productos
a partir de los siguientes datos, obtenidos a una temperatura dada, determine el orden de la reaccin y la constante
especifica de velocidad.
Tabla 4.12 Velocidades iniciales
Concentracin inicial de A
(M = moles/litro)
0.1
0.2
0.4
0.2
0.4

Concentracin inicial de B
(M = moles/litro)
0.5
0.3
0.6
0.6
0.3

Velocidad inicial de desaparicin de A


(M/s)
0.053
0.127
1.02
0.254
0.509

Solucin
El mtodo de velocidades iniciales para determinar el orden de una reaccin se basa en calcular la velocidad inicial de la
reaccin.

dC A

dt

kC Ao C Bo

Esta ecuacin se puede linealizar si tomamos logaritmos en ambos lados de la ecuacin para hacer la transformacin a una
ecuacin lineal mltiple.

130

dC A
ln
ln k ln C Ao ln C Bo
dt 0

dC A
v ln

dt 0
a 0 ln k
a1
u 1 ln C Ao
a2
Si hacemos

u 2 ln C Bo

Tenemos:

v a0 a1u1 a 2 u

Donde el orden de la reaccin n = + = a1 + a2

k e ao

Tabla 4.13 Orden de la reaccin usando regresin lineal mltiple con transformaciones
x1
x2
y
u1
u2
0,1
0,5
0,053 -2,302585093 -0,69314718
0,2
0,3
0,127 -1,609437912 -1,2039728
0,4
0,6
1,02 -0,916290732 -0,51082562
0,2
0,6
0,254 -1,609437912 -0,51082562
0,4
0,3
0,509 -0,916290732 -1,2039728

-7,354042382 -4,12274404

v
-2,93746337
-2,06356819
0,01980263
-1,37042101
-0,67530726
-7,02695721

u12
u22
u1u2
u1 v
u2 v
5,30189811 0,48045301 1,59603037 6,763759356 2,03609445
2,59029039 1,44955051 1,93771948 3,321184884 2,48447998
0,83958871 0,26094282 0,46806478 -0,018144964 -0,01011569
2,59029039 0,26094282 0,82214213 2,205607533 0,70004617
0,83958871 1,44955051 1,10318912 0,618777786 0,81305158
12,1616563 3,90143968 5,92714587 12,89118459 6,02355649
Sistema de ecuaciones
5
-7,35404
-7,35404
12,16166
-4,12274
5,92715

-4,12274
5,92715
3,90144

Matriz inversa
3,75099537 1,29589749
1,29589749 0,76446346
1,99500694
0,2080152

1,99500694
0,2080152
2,04846355

-7,02696
12,89118
6,02356

a0 =
a1 =
a2 =

Resultado
2,36459732
2,00160828
1,00177049

131

=2

=1

Ecuacin cintica:
Evaluacin Sumativa

k = eao = e2.3646 = 10.6398

n=3

dC A
10.6398C A2 C B1
dt

Problema 1
En el clculo de las entalpias y entropas residuales mediante correlaciones generalizadas se tienen las siguientes
ecuaciones

HR
HR
HR

RTc
RTc
RTc

SR
SR

R
R

R 1

R 0

Donde

RTc se reporta en tablas para T y P conocidas


R
R

R 0

RT

c , por interpolacin cuadrtica para


Encontrar los valores de
Tr = 1.127 y Pr= 1.731 a partir de los datos de la siguiente tabla

R 0

Valores de
Pr
Tr
1.10
1.15
1.20

RTc

1.2

1.5

2.0

-1.487
-1.239
-1.076

-2.203
-1.719
-1.443

-2.965
-2.479
-2.079

Problema 2
El ritmo al que un gas difunde a travs de una membrana semipermeable se determina por la difusividad D (cm2 / s). D
vara con la temperatura de la membrana T (K) de acuerdo a la ley de Arrhenius segn:
D = D0 exp(-E/ RT)
Donde D0 es el factor preexponencial
E es la energa de activacin para la difusin
R es la constante universal de los gases
La difusividad del SO2 en un tubo de fluorosilicon se midi a distintas temperaturas con, los siguientes resultados:
T (K)
347.0
374.2
396.2
420.7

D (cm2 / s ) 10-6
1.34
2.50
4.55
8.52

132

447.7
471.2

14.07
19.99

Encontrar los valores de D0 y E, utilizando regresin lineal con transformaciones.

Unidad V. Diferenciacin e Integracin Numrica


Competencia especifica a desarrollar en la unidad
Aplicar un mtodo numrico para diferenciar e integrar una funcin

5.1 Derivacin Numrica


La derivada de una funcin es una de las herramientas ms poderosas en las matemticas. Aparecen en mltiples reas del
conocimiento y su utilizacin es indispensable para investigaciones no elementales tanto en las ciencias naturales, como en
las ciencias sociales y las humanidades.
En esta parte del curso desarrollaremos cuatro mtodos para determinar en forma aproximada la derivada de una funcin
generalmente dada en forma tabular.
La derivada es el lmite del cociente de diferencias, y en esto generalmente se restan dos cantidades grandes y se dividen
entre una pequea; por lo que debemos tener cuidado con la aplicacin de los mtodos, ya que si el mtodo aproxima la
funcin mediante un polinomio P(x), la diferencia en los valores de la funcin puede ser pequea, pero las derivadas
pueden diferir considerablemente.
5.1.1 Mtodo de las tangentes
Dada la funcin, para obtener la derivada en puntos especficos, se grafica la funcin dibujando una curva suave a
travs de los puntos dados y se trazan las tangentes, evalundose la pendiente de las rectas tangentes en los puntos donde se
desea conocer la derivada de la funcin.
5.1.2 Mtodo de ajuste de curvas.
Dada la funcin, para obtener la derivada en puntos especficos, se ajusta la mejor curva posible a los datos;
derivando la curva ajustada y evaluando esta nueva funcin en los puntos en donde se desea conocer la derivada.
5.1.3 Mtodo de derivacin por frmulas
Se pueden obtener frmulas para derivacin numrica desarrolladas a partir de la serie de Taylor, operadores de
diferencias y derivando polinomios de interpolacin. Estas frmulas tienen una aplicacin muy importante en la solucin de
ecuaciones diferenciales ordinarias y parciales.
Desarrollo a partir de la serie de Taylor.
Serie de Taylor

f xi 1 f xi

f x i h f xi h 2 f x i h 3
f n xi h n

...
1!
2!
3!
n!

(A)

donde h = xi+1 - xi.


1
f x i h 2
2
!
Si truncamos la serie de Taylor a partir del trmino
.
f(xi+1) = f(xi) + f(xi) h + (o) h2
Resolviendo para f(xi)

133

f xi

f xi 1 f xi
o h
h

Si expandimos la serie de Taylor alrededor de xi para calcular el valor de la funcin en xi-1

1
1
2
3
f x i h f x i h ...
2!
3!
1
1
f x i 1 f x i f x i h f x i h 2 f x i h 3 ...
2!
3!
(B)
f x i 1 f x i f x i h

1
f x i h 2
2
!
Si truncamos la serie de Taylor a partir del trmino

f x i 1 f x i f x i h o h 2
Resolviendo para f(xi)

f xi

f xi f xi 1
o h
h

Si restamos (B) de (A)

f xi 1 f x i 1 2 f x i h 2

1
f x i h 3 ...
3!

1
f x i h 3
Si truncamos la serie a partir del trmino 3!
2

f x i 1 f x i 1 2 f x i h o h 3 ...
Resolviendo para f(xi)

f xi

f x i 1 f xi 1
o h 2
2h

Si sumamos (A) y (B)

f x i 1 f x i 1 2 f x i f x i h 2

1
f
12

IV

xi h 4 ...

IV

xi h 4 ...

Restando 2f(xi) en ambos lados de la serie anterior:

f x i 1 2 f xi f x i 1 f xi h 2

1
f
12
Si truncamos la serie a partir del trmino

IV

1
f
12

xi h 3

f x i 1 2 f x i f x i 1 f x i h 2 o h 4
Resolviendo para f(xi)
f x i

f x i 1 2 f x i f x i 1
o h 2
h2

Se pueden obtener frmulas de derivacin utilizando ms puntos:

134

1
f x i h 3
3
!
Si truncamos la serie de Taylor a partir del trmino
y resolvemos para f(xi):
f x i 1 f x i 1
f xi h o h 2
h
2!

f x i

(C)

Si expandimos la serie de Taylor para f(xi+2)

f x i 2 f x i f x i 2h

1
1
2
3
f x i 2h f x i 2h ...
2!
3!

Si multiplicamos la serie de Taylor por 2

2 f x i 1 2 f x i f x i 2h

1
1
f x i 2h 2 f x i 2h 3 ...
2!
3!

Si restamos estas dos ltimas series:

f x i 2 2 f x i 1 f x i 2

Si truncamos la serie a partir del trmino

1
1
f x h 2 6 f x i h 3 ...
2!
3!

1
f x i h 3
3!
y resolvemos para f(xi):

f x i

f xi 2 f xi 1 f xi
o h 2
h2

Si introducimos este valor en (C) y reordenamos


f x i

f x i 2 4 f xi 1 3 f xi
o h 2
2h

Para el caso de datos tabulados no igualmente espaciados, se puede aproximar la derivada mediante la frmula de
interpolacin cuadrtica de Lagrange:

f x

x x1 x x 2
x x 0 x x 2
x x 0 x x1
f x0
f x1
f x
x 0 x1 x 0 x 2
x1 x 0 x1 x 2
x 2 x 0 x 2 x1 2

f x

2 x x1 x 2
2 x x0 x2
2 x x 0 x1
f x0
f x1
f x
x 0 x1 x 0 x 2
x1 x 0 x1 x 2
x 2 x 0 x 2 x1 2

Derivando:

Para el caso de funciones de varias variables, las frmulas anteriores se pueden adecuar para su uso de la siguiente manera:

fx

f xx

f x x, y f x x, y

f
2x
x

f x x, y 2 f x, y f x x, y 2
2 f
x 2
x

135

Las frmulas deducidas son tan solo algunas de las muchas frmulas disponibles para derivar numricamente. Existen
reportadas en la bibliografa frmulas adicionales que se debern utilizar en caso necesario.

5.1.4 Derivacin por igualacin de reas


De la definicin de derivada

dy
y
lim
f x
dx x 0 x

que al integrar queda

n
xn

y
y n y1 f x dx lim
x i
x1
i 1 xi 0 x i

x i
i 1 x i

dy
El mtodo de igualacin de reas hace un intento por estimar dx de manera que
xn dy
y n y1
dx
x1 dx
dy
y
haciendo que el rea bajo x sea la misma que el rea bajo dx , siempre que sea posible.
n

y n y1

Mediante el procedimiento que se describe ms abajo, encontraremos la derivada de (y) con respecto a (x).
1. Tabule los datos (xi, yi) como se muestra en la tabla.
xi

yi

x1

y1

x2

y2

x2 x1

y2 y1

x3 x2
x3

2.
3.
4.

x4

y4

x5

y5

x5 x4

y4 y3
y5 y4

dy
dx

dy

dx

dy

dx

dy

dx

dy

dx

y3 y2

y3
x4 x3

y
x

Para cada intervalo, calcule xn = xn - xn-1 y yn = yn - yn-1.

y n
Calcule x n como un estimado de la pendiente promedio en el intervalo de xn-1 a xn.
Grafique estos valores como un histograma contra xi. El valor entre x2 y x3, por ejemplo, es
referencia la figura.

y3 y 2
x3 x 2 . Tome como

136

5.

6.

A continuacin, dibuje la curva suave que mejor aproxime el rea bajo el histograma. Esto es, intente que en cada
intervalo la reas se igualen, tal como las reas marcadas A y B en la figura, pero cuando esta aproximacin no sea
posible, iguale reas sobre varios intervalos, tal como lo muestran las reas marcadas C y D.
dy
Lea las estimaciones de dx en la curva para los puntos que corresponden a los datos x1, x2, etc. y complete la tabla
anterior.

y
x
dy

dx

x
dy

dx

AA

BB

C
C
5

D
D

x1

x2

x3

x4

x5

x6

x7

Figura 5.1

Igualacin de reas
En contraste con la integracin numrica, la cual no es afectada demasiado por las inexactitudes de los valores de la
funcin, debido a que la integracin es esencialmente un proceso suavizador.
Por esto no es recomendable derivar funciones analticas obtenidas numricamente o a travs de tablas usando nicamente
mtodos de ajuste de polinomio y frmulas de derivacin. Por estas consideraciones es que se recomienda el mtodo de
derivacin por igualacin de reas.
Los mtodos anteriores se desarrollan en el siguiente ejemplo.

137

Ejemplo
Dada la siguiente tabal de datos:
x
2
3
y
2.079
3.296
Calcular la derivada en x = 4

4
4.159

Figura 5.2 GUI Deriva usando polinomios de orden n


Derivacin ajustando polinomios de:
Valor exacto
x y
dy/dx
2
2,07944154
3
3,29583687
4
4,15888308
5
4,82831374
6
5,37527841

1,5
1
0,75
0,6
0,5

5
4.828

6
5.375

7
5.838

orden 2

orden 3

orden 4

dy/dx

dy/dx

dy/dx

1,1837
1,0039
0,8241
0,6443
0,4645

1,381
1,0278
0,761
0,5806
0,4866

1,4553
1,0156
0,7565
0,618
0,5401

138

5,83773045
Polinomio Orden 2
Polinomio Orden 3
Polinomio Orden 4

0,42857143

0,2847

0,479

0,4628

y = -0,0899x2 + 1,5433x - 0,5998


y = 0,0144x3 - 0,2846x2 + 2,3466x - 1,5863
y = -0,0025x4 + 0,0601x3 - 0,5756x2 + 3,1165x - 2,2908

139

Figura 5.3 GUI Derivacin usando


formulas de derivacin
Tabla 5.2 Derivacin usando formulas de
derivacin
Derivacin con formulas hacia:

Adelante
dy/dx
1,39306988
0,959854
0,73066365
0,58922099

Centrales
dy/dx

Atrs
dy/dx

1,03972077
0,76623844 0,68637166
0,60819766 0,57262287
0,50470835 0,48573168
0,42019572

Tabla 5.3 Derivacin trazando tangentes en la curva


Derivacin por tangentes
dy/dx
1,5
1
0,75
0,6
0,5
0,43

140

Figura 5.4 Derivacin por el mtodo de las tangentes

Tabla 5.4 Derivacin por igualacin de reas


Derivacin por igualacin de reas
Valor exacto
x y
2
3
4
5
6
7

dy/dx
2,07944154
3,29583687
4,15888308
4,82831374
5,37527841
5,83773045

1,5
1
0,75
0,6
0,5
0,42857143

delta y / delta
x
1,5
1,216395324
0,863046217
0,669430654
0,54696467
0,462452039

dy/dx por igualacin de


reas
1,5
1
0,75
0,6
0,5
0,43

141

delta y

Derivacin por igualacin de reas


1,6
1,4
1,2
1
0,8
0,6
0,4
0,2
0
0

delta x
Figura 5.5 Derivacin por el mtodo de igualacin de reas

142

Portafolio de Evidencias
e)
f)

Utilizar software matemtico para derivar datos en una tabla (Polymath, Matlab, Matcad, etc.)
Utilizar derivacin por igualacin de reas para encontrar la derivada en un punto en un conjunto de datos de
velocidad para una reaccin qumica.

5.2 Integracin Numrica


El problema de la integracin numrica es la evaluacin de la integral definida:
I

f x dx
b

donde a y b estn dados, y f(x) es una funcin dada mediante una expresin analtica o bien empricamente mediante una
tabla de valores.
En ingeniera frecuentemente se presentan problemas que se expresan matemticamente mediante integrales, de las que el
integrando es una funcin complicada o bien emprica, dada por una tabla, y entonces puede usarse un mtodo numrico de
integracin aproximada, donde I es el rea de la regin acotada por la curva entre a y b.
5.2.1 Obtencin de formulas de integracin numrica
Dada la funcin y = f(x) se aceptar como aproximacin de la funcin el polinomio de interpolacin de Newton, que pasa
por los n + 1 puntos x = x0, x1,... , xn, todos ellos igualmente espaciados.

f x dx De esta manera se podr obtener una aproximacin a:


xn

x0

k k 1 2
k k 1 k 2 3
k k 1 k 2 ....(k n 1) n
f0
f ......
f0
2!
3!
n!
De la frmula de
interpolacin de Newton se tiene que:
f x f x0 kf 0

Donde

x x0
h

xn

xn

x0

x0

f x dx

f x0 kf 0

k k 1 2
k k 1 k 2 3
k k 1 k 2....( k n 1) n
f0
f 0 .....
f 0 dx
2!
3!
n!
Integrando en

el intervalo [x0, xn = x0 + nh]


Haciendo el cambio de variables
x = x0 + kh;

dx = h dk;

143

si
y si

x = x0;
x =xn.

k = 0;

Entonces

f x dx
xn

x0

f x0 kf 0

k2 k 2
k 3 3k 2 2k 3
f0
f 0 ... hdk
2
6

xn = x0 + nh

x x0
k n
n
h

= nh

n
f x dx h nf x 2 f
xn

x0

xn - x0

n3 n 2 2
n 4 n3 n 2 3
f 0
f 0 ...
6
4
24
6
6

k3 k2 2
k4 k3 k2 3
k2
x0 f x dx h kf x0 2 f0 6 4 f 0 24 6 6 f 0 ...

0
Esta forma general se puede particularizar, para polinomios de distinto orden que mejor se adapten a la funcin que
sustituyen.
Si la interpolacin se limita al primer orden y la integral solo se calcula entre los dos primeros valores de x es decir, entre x0
y x1, se obtiene
x1

12

f
x
dx

h
y

x0
0 2 y 0

y0 = y1 y0
x1
y1 y 0
y1 y 0

y 0 y1
x0 f x dx h y0 2 h y0 2 2 h 2
Regla Trapezoidal
xn

23 2 2 2
22
8 6
1

x2
y0
h 2 y 0 2y 0 2 y 0 h 2 y 0 2y 0 y 2 2 y1 y 0 x0 f x dx h 2 y0 y0
2
4
6 6
3
6

Si la

interpolacin se limita al segundo orden, la integral solo se calcula entre los tres primeros valores de x, es decir entre x0, x1,
y x2. Se obtiene
6 y 0 6 y1 y 0 y 2 2 y1 y 0 x 2
y 4 y1 y2
h
f x dx h 0

x
3
3

Regla de Simpson 1/3


Si la interpolacin se limita al tercer orden, la integral solo se calcula entre los cuatro primeros valores de x, es decir entre
x0, x1, x2 y x3. Se obtiene

9
27 2
9 3
h 3 y 0 y 0
y0
y0
2
12

24

f x dx h 3 y
x3

x0

9
27 9 2
81 27 9 3
h 3 y 0 y 0
y0

y0
2
6
4

24 6 6

3
3
3
3
3
3
y 0
2 y 0

3 y 0
2
4
6
6
24 6

9
9
3
3
y 0 y1 y 2 y 3
8
8
8
8

9
54 27 2
81 108 36 3
h 3 y 0 y 0
y0
y0
2
12
24

9
9
3
h 3 y 0 y1 y 0 y 2 2 y1 y 0 y 3 3 y 2 3 y1 y 0
2
4
8

x3
9
9
3

9 9 3
9 9 9
9 9
3
h 3 y 0 y 0 2 y 0 3 y 0 f x dx h 3 y 0 y1 y 2 y 3
x0
2
4
8
2
4
8
2
2
8
4
8
8

x3
3
x0 f x dx h 8 y 0 3 y1 3 y 2 y3 Regla de Simpson 3/8

144

5.2.1.1 Aplicacin en segmentos mltiples


h
I f x0 f x1
2
Regla Trapezoidal
Esta regla se puede mejorar dividiendo el intervalo en n segmentos de igual anchura
La integral total se representa por
h
h
h
h
I f x 0 f x1 f x1 f x 2 f x 2 f x 3 ... f x n 1 f x n
2
2
2
2
h
I f x0 f x1 f x1 f x2 f x2 f x3 ... f xn 1 f xn
2
h
I f x0 2 f x1 2 f x2 2 f x3 ... 2 f xn 1 f xn
2
h
I f x0 2 f x1 f x2 f x3 ... f xn 1 f xn
2

n 1
ba

f x 0 2 f x i1 f x n
2n
i 1

f x dx
x1

x2

x0

x1

f x dx ...

xn

x n 1

f x dx h

ba
n

h
f x0 4 f x1 f x2
3
Regla de Simpson 1/3
Esta regla se puede mejorar dividiendo el intervalo en n segmentos de igual anchura
x2
x4
xn
ba
x0 f x dx x2 f x dx ... xn 2 f x dx h n La integral total se representa por
h
I f x0 4 f x1 f x2 f x2 4 f x3 f x4 ... f xn2 4 f xn1 f xn
3
h
h
h
I f x0 4 f x1 f x2 f x2 4 f x3 f x4 ... f xn2 4 f xn1 f xn
3
3
3
h
I f x0 4 f x1 f x3 ... f xn1 2 f x2 f x4 ... f xn2 f xn
3
I

n 1
n 2

ba
f x0 4 f xi 2 f xi f xn
3n
i 1, 3, 5
i 2 , 4 , 6

Sustituyendo la Regla de

Simpson 1/3

145

Ejemplo
1

Encontrar

dx
(1 x 2 ) usando la regla trapezoidal y la regla de Simpson 1/3 usando 6, 8 y 10 subintervalos

Figura5.6 GUI Integracin usando Regla Trapezoidal

146

Figura5.7 GUI Integracin usando Regla Simpson 1/3

Tabla 5.5 Integracin numrica para datos igualmente espaciados obtenidos de la funcin
Limite superior
Limite inferior
No. Intervalos

k
0
1
2
3
4
5
6
7
8
9
10

1
0
6
h = 0,16666667

x
0
0,166666667
0,333333333
0,5
0,666666667
0,833333333
1

f(x)
1
0,98639392
0,9486833
0,89442719
0,83205029
0,76822128
0,70710678

1
0
8
0,125
x
0
0,125
0,25
0,375
0,5
0,625
0,75
0,875
1

f(x)
1
0,99227788
0,9701425
0,93632918
0,89442719
0,8479983
0,8
0,75257669
0,70710678

1
0
10
0,1
x
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1

1
0,99503719
0,98058068
0,95782629
0,92847669
0,89442719
0,85749293
0,81923192
0,78086881
0,74329415
0,70710678

147

Integracin usando regla Trapezoidal


n=6
I = 0,8805549
n=8
I = 0,88091314
n = 10
I = 0,88107892
Integracin usando regla Simpson 1/3
n=6
I = 0,88137464
n=8
I = 0,88137393
n = 10
I = 0,88137373

Ejemplo
Encontrar

x
y

0
0

f ( x) dx
1
2.08

para el conjunto de datos (x, y) dados en la tabla


2
3.3

3
4.16

4
4.83

5
5.38

6
5.84

7
6.24

8
6.59

Figura5.8 GUI Integracin usando Regla Trapezoidal para datos tabulados

148

Datos igualmente espaciados


k
x
y = f(x)
0
1
0
1
2
2,08
2
3
3,3
3
4
4,16
4
5
4,83
5
6
5,38
6
7
5,84
7
8
6,24
8
9
6,59

Integracin usando regla Trapezoidal


n=8
I=
35,125

Integracin usando regla Simpson 1/3


n=8
I = 35,3233333

Valor exacto

35,3251

Ejemplo

Encontrar

8.1

0. 1

f ( x)dx

para el conjunto de datos (x, y) dados en la tabla

Tabla 5.5 Integracin numrica datos desigualmente espaciados dados en una tabla
Datos no igualmente espaciados
k
x
y = f(x)
0
0,1
-6,91
1
0,5
-2,08
2
1
0
3
2
2,08
4
3
3,3
5
3,5
3,76
6
4
4,16
7
5
4,83
8
6
5,38
9
7
5,84
10
8,1
6,28

Regla Trapezoidal entre X0 y X1


Regla Trapezoidal entre X1 y X2

-1,798
-0,52

Regla Simpson 1/3 entre X2 y X4

3,87333333

Regla Simpson 1/3 entre X4 y X6

3,75

Regla Simpson 3/8 entre X6 y X9


Regla Trapezoidal entre X9 y X10
I=
Valor exacto

15,23625
6,666
27,2075833
27,5232

149

Figura5.9 GUI Integracin usando Regla Trapezoidal para datos tabulados

Portafolio de Evidencias
a)

Hacer un programa (diagrama de flujo y seudocdigo) para integrar funciones o valores en una tabla usando los
mtodos de la regla Trapezoidal y Simpson 1/3. Codificar y ejecutar en scilab

150

5.4 Integracin Mltiple


5.4.1 Regla Trapezoidal para Integrales Dobles
n 1

f x m , y 0 2 f x m , y j f x m , y n
j 1

n 1
m1
m1 n 1
m1

hk
I
f x0 , y0 2 f x0 , y j f x0 , yn 2 f xi , y0 4 f xi , y j 2 f xi , yn
4
j 1
i 1
i 1 j 1
i 1

2 f xi , yn f xm , y0 2 f xm , y j f xm , yn
m 1

n 1

i 1

j 1

m 1
m 1 n 1
ba d c

f x 0 , y 0 2 f x 0 , y j f x 0 , y n 2 f xi , y 0 4 f xi , y j
2 m 2n
j 1
i 1
i 1 j 1
n

1
m

1
n

1
d c


d c
f x m , y 0 2 f x m , y j f x m , y n 2
f xi , y 0 2 f x i , y j f x i , y n
2n
j 1
j 1
i 1 2n

n

d
b

ba d c
f x0 , y j f x0 , y n
c a f x, y dx dy 2m 2n f x0 , y 0 2
j 1

1
n 1
d
d

d c
d c

x
,
y

dy

x
,
y

2
f
x
,
y

x
,
y

x
,
y

dy

x
,
y

2
f xi , y j f xi , y n

m
m
0
m
j
m
n
i
i
0
c

c
2n
2n
j 1
j 1

1
m

1
d

d
d
d c

ba d
f x0 , y j f x0 , y n
f x0 , y dy 2 f xi , y dy f xm , y dy
c f x0 , y dy 2n f x0 , y0 2

c
c
c
2m
j 1
i 1

1
m

1
d
b
d ba

ba d
f x 0 , y 2 f xi , y f x m , y dy

f x0 , y 2 f xi , y f xm , y dy c a f x, y dx dy c

2m
i 1

i 1

2m

f x, y dx

n 1

m 1

ba
f

x
,
y

2
f xi , y f x m , y

2m
i 1

f x, y dxdy f x, y dx dy
d

151

Ejemplo
2.2 1.4

Resolver

2.1 1.3

xy2 dxdy

Tabla 5.8 Espaciamiento de las x y las y

b a 1.4 1.3

0.025
m
4

xi = a + ih
x0 =1.3 + 0(0.025) = 1.3
x1 =1.3 + 1(0.025) = 1.325
x2 =1.3 + 2(0.025) = 1.35
x3 =1.3 + 3(0.025) = 1.375
x4 =1.3 + 4(0.025) = 1.4
x4 =1.3 + 4(0.025) = 1.4

d c 2.2 2.1

0.025
n
4

yi = c + jk
y0 = 2.1 + 0(0.025) = 2.1
y1 = 2.1 + 1(0.025) = 2.125
y2 = 2.1 + 2(0.025) = 2.15
y3 = 2.1 + 3(0.025) = 2.175
y4 = 2.1 + 4(0.025) = 2.2
y4 = 2.1 + 4(0.025) = 2.2

f(x, y) = xy2

f(x3, y4)= 6.6550


m 1

f(x0, y0) = 5.7330

f(x1, y1) = 5.9832


f(x2, y1) = 6.0961
f(x3, y1) = 6.2090

f(x0, y1) = 5.8703


f(x0, y2) = 6.0093
f(x0, y3) = 6.1498

f(x1, y2)= 6.1248


f(x2, y2)= 6.2404
f(x3, y2)= 6.3559

f x , y 18.0294
n 1
j 1

f(x1, y3)= 6.2681


f(x2, y3)= 6.3863
f(x3, y3)= 6.5046

f(x0, y4) = 6.2920


f(x1, y0) = 5.8433
f(x2, y0) = 5.9535
f(x3, y0) = 6.0638

f x , y 56.1684
m 1 n 1
i 1 j 1

f x , y 19.6020
i 1

f(x4, y0) = 6.1740


f(x4, y1)= 6.3219
f(x4, y2)= 6.4715
f(x4, y3)= 6.6229

f x
n 1
j 1

, y j 19.4163

f(x4, y4) = 6.7760

m 1

f x , y 17.8606
i 1

f(x1, y4)= 6.4130


f(x2, y4)= 6.5340

Figura5.10 GUI Integrales dobles

5.4.2 Regla de Simpson 1/3 para integrales dobles

I = 0.0624

152

Regla de Simpson 1/3 simple para integrales triples


f
f e
e f x1 , y1 , z dz 6 f x1 , y1 , z 0 4 f x1 , y1 , z1 f x1 , y1 , z 2
f
f e
e f x1 , y0 , z dz 6 f x1 , y0 , z0 4 f x1 , y0 , z1 f x1 , y0 , z 2
f
f e
e f x0 , y 2 , z dz 6 f x0 , y 2 , z 0 4 f x0 , y 2 , z1 f x0 , y 2 , z 2
f
f e
e f x0 , y1 , z dz 6 f x 0 , y1 , z 0 4 f x0 , y1 , z1 f x0 , y1 , z 2
f
f e
e f x0 , y0 , z dz 6 f x0 , y0 , z0 4 f x0 , y0 , z1 f x0 , y0 , z 2
16 f x1 , y1 , z 4 f x1 , y 2 , z f x 2 , y 0 , z 4 f x 2 , y1 , z f x 2 , y 2 , z

ba d c

f x 0 , y 0 , z 4 f x 0 , y1 , z f x 0 , y 2 , z 4 f x1 , y 0 , z
6 6
d c

d c
f x1 , y 0 , z 4 f x1 , y1 , z f x1 , y 2 , z 6 f x 2 , y 0 , z 4 f x 2 , y1 , z f x2 , y 2 , z
4

6
d ba
ba d c

c 6 f x0 , y , z 4 f x1 , y, z f x 2 , y, z dy 6 6 f x0 , y0 , z 4 f x0 , y1 , z f x0 , y 2 , z
d
d c
c f x 2 , y , z dy 6 f x 2 , y 0 , z 4 f x 2 , y1 , z f x 2 , y 2 , z
d
d c
c f x1 , y, z dy 6 f x1 , y0 , z 4 f x1 , y1 , z f x1 , y 2 , z
d
d c
c f x0 , y , z dy 6 f x0 , y 0 , z 4 f x0 , y1 , z f x0 , y 2 , z
f ba d
f d ba

f x 0 , y , z 4 f x1 , y , z f x 2 , y , z dy dz
f x 0 , y, z 4 f x1 , y, z f x 2 , y , z dydz

e
c
e c
6
6

ba d c f

f x 0 , y 0 , z 4 f x 0 , y1 , z f x 0 , y 2 , z 4 f x1 , y 0 , z
6 6 e

16 f x1 , y1 , z 4 f x1 , y 2 , z f x 2 , y 0 , z 4 f x 2 , y1 , z f x 2 , y 2 , z dz e c a f x, y , z dxdydz
b
f d b
f d
b
ba
a f x, y , z dx 6 f x0 , y, z 4 f x1 , y, z f x2 , y , z e c a f x, y, z dxdydz e c a f x, y, z dx dydz
f

153

f e
f x 2 , y 2 , z 0 4 f x 2 , y 2 , z1 f x 2 , y 2 , z 2
6
f
f e
e f x 2 , y1 , z dz 6 f x 2 , y1 , z 0 4 f x 2 , y1 , z1 f x 2 , y1 , z 2
f
f e
e f x 2 , y 0 , z dz 6 f x 2 , y 0 , z 0 4 f x 2 , y 0 , z1 f x 2 , y 0 , z 2
f
f e
e f x1 , y 2 , z dz 6 f x1 , y 2 , z 0 4 f x1 , y 2 , z1 f x1 , y 2 , z 2
f x 2 , y 0 , z1 f x 2 , y1 , z 0 f x 2 , y1 , z 2 f x 2 , y 2 , z1 16 f x 0 , y1 , z1 f x1 , y 0 , z1

f x
f

, y 2 , z dz

f x 0 , y1 , z 2 f x 0 , y 2 , z1 f x1 , y 0 , z 0 f x1 , y 0 , z 2 f x1 , y 2 , z 0 f x1 , y 2 , z 2
f x1 , y1 , z 0 f x1 , y1 , z 2 f x1 , y 2 , z1 f x 2 , y1 , z 1 64 f x1 , y1 , z1
f x 2 , y 0 , z 0 f x 2 , y 0 , z 2 f x 2 , y 2 , z 0 f x 2 , y 2 , z 2 4 f x 0 , y 0 , z1 f x 0 , y1 , z 0
ba d c f e
f x0 , y0 , z 0 f x0 , y0 , z 2 f x0 , y 2 , z 0 f x0 , y 2 , z 2

6 6 6
f x 2 , y 2 , z 0 4 f x 2 , y 2 , z1 f x 2 , y 2 , z 2
4 f x 2 , y 0 , z1 f x 2 , y 0 , z 2 4 f x 2 , y1 , z 0 16 f x 2 , y1 , z1 4 f x 2 , y1 , z 2
16 f x1 , y1 , z 2 4 f x1 , y 2 , z 0 16 f x1 , y 2 , z1 4 f x1 , y 2 , z 2 f x 2 , y 0 , z 0
4 f x1 , y 0 , z 0 16 f x1 , y 0 , z1 4 f x1 , y 0 , z 2 16 f x1 , y1 , z 0 64 f x1 , y1 , z1
16 f x 0 , y1 , z1 4 f x 0 , y1 , z 2 f x 0 , y 2 , z 0 4 f x 0 , y 2 , z1 f x 0 , y 2 , z 2

f x, y, z dxdydz
f

d c f e

f x 0 , y 0 , z 0 4 f x 0 , y 0 , z1 f x 0 , y 0 , z 2 4 f x 0 , y1 , z 0 f d b f x, y , z dxdydz
e c a
6 6
f e
4 f x 2 , y 0 , z1 f x 2 , y 0 , z 2 4
f x 2 , y1 , z 0 4 f x 2 , y1 , z1 f x 2 , y1 , z 2
6
f e
f x1 , y1 , z 2 4
f x1 , y 2 , z 0 4 f x1 , y 2 , z1 f x1 , y 2 , z 2 f e f x 2 , y 0 , z 0
6
6
f e
f e
4
f x1 , y 0 , z 0 4 f x1 , y 0 , z1 f x1 , y 0 , z 2 16
f x1 , y1 , z 0 4 f x1 , y1 , z1
6
6
f e
4 f x 0 , y1 , z1 f x 0 , y1 , z 2
f x 0 , y 2 , z 0 4 f x 0 , y 2 , z1 f x 0 , y 2 , z 2
6
ba d c f e
f x0 , y 0 , z 0 4 f x 0 , y1 , z1 f x 0 , y 2 , z 2 4 f e f x0 , y1 , z 0 f d b f x, y, z dxdydz


6
e c a
6 6 6
f e
f x 2 , y 2 , z 0 4 f x 2 , y 2 , z1 f x 2 , y 2 , z 2
6
Ejemplo
ba

1 2

Use la regla de Simpson para aproximar la integral


Tabla 5.9 Espaciamiento de las x, y las z
0 1

b a 0.5 0

0.25
2
2
xi = a + ih
x0 =0
x1 =0.25
x2 =0.5

f(x0, y0, z0) = 1


f(x0, y0, z2) = 1
f(x0, y2, z0) = 1

0.5

e xyz dxdydz

d c 2 1

0.5
2
2

yi = c +ik
y0 = 1
y1 = 1.5
y2 = 2
f(x0, y2, z2) = 1
f(x2, y0, z0) = 1.6487
f(x2, y0, z2) = 1

f e 1 0

0.5
2
2

zi = e +il
z0 = 1
z1 = 0.5
z2 = 0
f(x2, y2, z0) = 2.7183
f(x2, y2, z2) = 1

154

f(x0, y0, z1) = 1


f(x0, y1, z0) = 1
f(x0, y1, z2) = 1
f(x0, y2, z1) = 1
f(x1, y0, z0) = 1.2840
f(x1, y0, z2) = 1

f(x1, y2, z0) = 1.6487


f(x1, y2, z2) = 1
f(x2, y0, z1) = 1.2840
f(x2, y1, z0) = 2.1170
f(x2, y1, z2) = 1
f(x2, y2, z1) = 1.6487
f(x0, y1, z1) = 1
f(x1, y0, z1) = 1.1331
f(x1, y1, z0) = 1.4550

f(x1, y1, z2) = 1


f(x1, y2, z1) = 1.2840
f(x2, y1, z1) = 1.4550
f(x1, y1, z1) = 1.2062

I = 0.6105

155

Figura5.11 GUI Integrales Triples

Portafolio de Evidencias
a)

Utilizar software matemtico para integracin mltiple de funciones matemticas ( Matlab, Matcad, etc.)

156

5.4 Aplicaciones
5.4.1 Calculo de Propiedades Termodinmicas
Conceptos utilizados
En el calculo de las propiedades termodinmicas fundamentales entalpa y entropa a partir de propiedades residuales se
requiere el calculo de las integrales1

dP
P y

( Z 1)

dP
P

Curso
Fisicoqumica I, Fisicoqumica II, Operaciones Unitarias
Problema
Evaluar el valor de estas integrales para el caso del isobutano a 360 K a partir de la informacin dada en la siguiente tabla.
Tabla 5.10 Datos del factor de compresibilidad a distintas temperaturas y presiones
Factores de compresibilidad Z para el isobutano
P/bar
340 K
350 K
360 K
370 K
380 K
0,1
0,997
0,99719
0,99737
0,99753
0,99767
0,5
0,98745
0,9883
0,98907
0,98977
0,9904
2
0,95895
0,96206
0,96483
0,9673
0,96953
4
0,92422
0,93069
0,93635
0,94132
0,94574
6
0,88742
0,89816
0,90734
0,91529
0,92223
8
0,84575
0,86218
0,87586
0,88745
0,897413
10
0,79659
0,82117
0,84077
0,85695
0,87061
12 0,7731
0,80103
0,82315
0,84134
14 0,75506
0,78531
0,80923
15,41 0,71727 Solucin
Tabla 5.11 Evaluacin de las derivadas con formulas de derivacin numrica
Clculo de derivadas con diferencias centrales
Clculo de derivadas con diferencias hacia delante
P=0.1 bar

P=0.5 bar

P=2 bar

0,1
T
Z
(dZ/dT)/P
340
0,997
350
0,99719
0,000185
360
0,99737
0,00017
370
0,99753
0,00015
380
0,99767

P=0.1 bar

0,5
T
Z
(dZ/dT)/P
340
0,98745
350
0,9883
0,000162
360
0,98907
0,000147
370
0,98977
0,000133
380
0,9904

P=0.5 bar

0,1
T
Z
(dZ/dT)/P
340
0,997
0,000195
350
0,99719
0,00019
360
0,99737
0,00017
370
0,99753
380
0,99767

P=2 bar

0,5
T
Z
(dZ/dT)/P
340
0,98745
0,000178
350
0,9883
0,000161
360
0,98907
0,000147
370
0,98977
380
0,9904
2

1 Smith, Van Ness y Abbot


157

T
Z
(dZ/dT)/P
340
0,95895
350
0,96206
0,000147
360
0,96483
0,000131
370
0,9673
0,0001175
380
0,96953
P=4 bar

P=6 bar

P=8 bar

P=10 bar

P=12 bar

T
Z
340
0,95895
350
0,96206
360
0,96483
370
0,9673
380
0,96953

4
T
Z
(dZ/dT)/P
340
0,92422
350
0,93069
0,000151625
360
0,93635
0,000132875
370
0,94132
0,000117375
380
0,94574

P=4 bar

6
T
Z
(dZ/dT)/P
340
0,88742
350
0,89816
0,000166
360
0,90734
0,00014275
370
0,91529
0,000124083
380
0,92223

P=6 bar

8
T
Z
(dZ/dT)/P
340
0,84575
350
0,86218
0,000188188
360
0,87586
0,000157938
370
0,88745
0,000134813
380
0,89743

P=8 bar

10
T
Z
(dZ/dT)/P
340
0,79659
350
0,82117
0,0002209
360
0,84077
0,0001789
370
0,85695
0,0001492
380
0,87061

P=10 bar

12
T
Z
(dZ/dT)/P
340
350
0,7731
360
0,80103
0,000208542
370
0,82315
0,00020155
380
0,84134

P=12 bar

P=14 bar

0,000164
0,000146
0,0001295

4
T
Z
340
0,92422
350
0,93069
360
0,93635
370
0,94132
380
0,94574

0,00017187
0,00015013
0,00013112

6
T
Z
340
0,88742
350
0,89816
360
0,90734
370
0,91529
380
0,92223

0,000192
0,00016325
0,00014092

8
T
Z
340
0,84575
350
0,86218
360
0,87586
370
0,88745
380
0,89743

0,00022256
0,00018406
0,00015494

10
T
Z
340
0,79659
350
0,82117
360
0,84077
370
0,85695
380
0,87061

0,0002707
0,0002131
0,0001744

12
T
Z
340
350
0,7731
360
0,80103
370
0,82315
380
0,84134

0,00025696
0,00020071

14

158

T
Z
340
350
360
0,75506
370
0,78531
380
0,80923

0,00023868

Tabla 5.11 Evaluacin de las derivadas por igualacin de reas:


P = 0,1 bar
T
Z
deltaZ/deltaT (dZ/dT)p
340
0,997
2,30E-05
2,05E-05
350
0,99719
1,9E-05
1,86E-05
360
0,99737
1,8E-05
1,70E-05
370
0,99753
1,6E-05
1,52E-05
380
0,99767
1,4E-05
1,36E-05

Figura 5.12 Mtodo de igualacin de reas

159

Tabla 5.12 Evaluacin de las derivadas por igualacin de reas


P = 6 bar
T
Z
deltaZ/deltaT (dZ/dT)p
340
0,88742
0,00125
0,0012
350
0,89816
0,001074
0,00096
360
0,90734
0,000918
0,00084
370
0,91529
0,000795
0,00074
380
0,92223
0,000694
0,00069

Figura 5.13 Mtodo de igualacin de reas

160

Tabla 5.13 Evaluacin de las derivadas por ajuste de polinomio


P = 0,1 bar
P_orden 2
T
Z
(dZ/dT)p
340
0,997 2,02286E-05
350
0,99719 1,85143E-05
360
0,99737
1,68E-05
370
0,99753 1,50857E-05
380
0,99767 1,33714E-05

Figura 5.14 Ajuste de polinomio presin 0.1 bar


Tabla 5.13 Evaluacin de las derivadas por ajuste de polinomio
P = 8 bar
T
Z
(dZ/dT)p
340
0,84575 0,001714572
350
0,86218 0,00150043
360
0,87586 0,001286288
370
0,88745 0,001072146
380
0,89743 0,000858004

Figura 5.15 Ajuste de polinomio presin de 8 bar

161

Tabla 5.13 Derivadas para evaluar las integrales


Clculo de las integrales
T sistema =
Base para extrapolar por Lagrange
X0
X1
X2

X2
X1
X0

360
P
0
0,1
0,5
2
4
6
8
10
12
14
15,4
1

(dZ/dT)/P
(Z-1)/P
1,75E-04
2,59E-02
1,70E-04
2,47E-02
1,51E-04
2,19E-02
1,29E-04
1,76E-02
1,29E-04
1,59E-02
1,40E-04
1,54E-02
1,56E-04
1,55E-02
1,78E-04
1,59E-02
2,07E-04
1,66E-02
2,43E-04
1,75E-02
2,72E-04

1,84E-02

Figura 5.16 Polinomio de Integracin para la primera integral

162

Figura 5.17 Polinomio de Integracin para la segunda integral


Tabla 5.14 Integracin numrica por regla Trapezoidal
Integracin por la regla Trapezoidal
Primera integral
I = 2,44E-03
Segunda integral
I = 2,31E-01

Tabla 5.15 Valores de la funcin para evaluar la primera integral por regla de Simpson 1/3
Xa = 0
Xb = 15,41
n = 10
h=
1,541
k
0
1
2
3
4
5
6
7
8
9
10

x
0
1,541
3,082
4,623
6,164
7,705
9,246
10,787
12,328
13,869
15,41

f(x)
0,0001712
0,00013709
0,00012529
0,00012799
0,00013917
0,00015461
0,00017189
0,00019038
0,00021125
0,00023745
0,00027374

Tabla 5.16 Integracin numrica por regla Simpson 1/3 primera integral
Integracin por la regla de Simpson 1/3
Ajustando un polinomio de orden 4
I=
0,00263524

163

Tabla 5.17 Valores de la funcin para evaluar la segunda integral por regla de Simpson 1/3
k
x
f(x)
0
0
0,025172
1
1,541
0,0190726
2
3,082
0,01612587
3
4,623
0,01514722
4
6,164
0,01521252
5
7,705
0,01565811
6
9,246
0,01608076
7
10,787
0,01633774
8
12,328
0,01654674
9
13,869
0,01708594
10
15,41
0,01859397

Tabla 5.18 Integracin numrica por regla Simpson 1/3 segunda integral
Integracin por la regla de Simpson 1/3
Ajustando un polinomio de orden
4
I=
0,25935247

164

Evaluacin Sumativa
Problema 1
El estudio publicado sobre una reaccin qumica:
AP
indica que cuando un reactor contiene inicialmente A a la concentracin CAo(g/L) y la temperatura, T, se mantiene constante
el orden de la reaccin es un entero. Y la constante especifica de velocidad varia con la temperatura.
Para comprobar este hecho, se lleva a cabo la reaccin en cuatro laboratorios distintos. Los datos experimentales reportados
son los siguientes.

t(s)
0
10
20
30
60
120
240
360
480
600

Laboratorio 1
T = 275 C
CAo = 4.83
CP(g/L)
0.0
0.287
0.594
0.871
1.51
2.62
3.91
4.30
4.62
4.68

Laboratorio 2
T = 275 C
CAo = 12.2
CP(g/L)
0.0
1.21
2.43
3.38
5.89
8.90
11.2
12.1
12.1
12.2

Laboratorio 3
T = 275 C
CAo = 5.14
CP(g/L)
0.0
0.310
0.614
0.885
1.64
2.66
3.87
4.61
4.89
5.03

Laboratorio 4
T = 275 C
CAo = 3.69
CP(g/L)
0.0
0.245
0.465
0.670
1.20
2.06
3.03
3.32
3.54
3.59

Encontrar el orden de la reaccin y la constante especifica de velocidad usando el mtodo diferencial


Solucin
La ley de accin de masas no indica que la velocidad de una reaccin es proporcional a la concentracin de la especie
elevada a una potencia

dC A
kCAn
dt
Tomando logaritmos en ambos lados de la ecuacin

dC A
ln k n ln C A
dt

ln

Esta ecuacin tiene la forma general de una lnea recta:


Donde

dC A
y = ln dt

a0 = ln k

a1 = n y

x = ln CA

Para poder aplicar regresin lineal por mnimos cuadrados es necesario evaluar las derivadas de la concentracin con
respecto del tiempo.

165

Problema 2
A principios del siglo pasado, Lord Rayleigh resolvi el problema de la destilacin binaria simple (una etapa) por lotes, con
la ecuacin que ahora lleva su nombre

Lf

Li

xf
dL
dx

x
i
L
yx

Donde L son los moles de la mezcla liquida en el hervidor, x las fracciones mol del componente mas voltil en la mezcla
liquida y y las fracciones mol de su vapor en equilibrio. Los subndices i y f se refieren al estado inicial y final.
Calcule que fraccin de un lote es necesario destilar en una mezcla binaria para que x cambie de xi = 0.7 a xf = 0.4. La
relacin de equilibrio esta dada por la ecuacin

x
1 ( 1) x

Donde es la volatilidad relativa de los componentes y es una funcin de x segn la siguiente tabla (para una mezcla dada).
x

0.70
2.20

0.65
2.17

0.60
2.13

0.55
2.09

0.50
2.04

0.45
1.99

0.40
1.94

166

Unidad VI. Solucin de ecuaciones diferenciales (Valor Inicial y valor en la


frontera)
Competencia especifica a desarrollar en la unidad
Resolver una ecuacin diferencial y sistemas de ecuaciones diferenciales ordinarias y con valor en la frontera aplicando un
mtodo numrico y comparar con la solucin analtica.
6.1 Fundamentos
Las ecuaciones diferenciales tienen importancia fundamental en las ingenieras, debido a que muchas leyes y relaciones
fsicas se expresan matemticamente mediante estas relaciones.
Las siguientes ecuaciones son ejemplos de ecuaciones diferenciales:
z
z
d2y
dy
x2
2 3 xy 4 z sec y 0
4y 0
2 xy
2
x
y
dx
dx
Las dos primeras ecuaciones contienen derivadas ordinarias y por la forma en que estn escritas vemos que y = f(x); la
tercera contiene derivadas parciales y podemos ver que z = f(x, y). El orden de una ecuacin diferencial es el mximo orden
de las derivadas que contiene
En esta unidad desarrollaremos mtodos numricos para encontrar la solucin de ecuaciones diferenciales ordinarias a
partir de valores iniciales.
Un problema de valor inicial consiste en una ecuacin diferencial, y en una condicin que debe satisfacer la solucin (o
varias condiciones que se refieren al mismo valor de x, si la ecuacin es de orden superior.)

dy
f x, y
dx
,

y0 = y(x0)

6.2 Mtodos de un Paso


Su aplicacin parte de y0 = y(x0) y se avanza por pasos. En el primer paso se calcula un valor aproximado de y1 de la
solucin y en x = x0 + h, en el segundo paso se calcula un valor aproximado de y2 en x = x0 + 2h, y as sucesivamente.
En cada paso, los clculos e llevan a cabo mediante la misma frmula, y en ellas h es un valor fijo.
6.2.1 Forma General para Mtodos de un Paso
Deduccin a partir de la serie de Taylor
1
1
f xi 1 f xi f xi h f xi h 2 f xi h3 ...
2!
3!
donde h = xi+1 - xi.
f(xi+1) = f(xi) + f (xi) h + (0) h2

1
f xi h 2
Si truncamos la serie de Taylor a partir del trmino 2!
f(xi+1)

f(xi)

f (xi)

+ (o) h2

167

Valor Actual = Valor Anterior + Pendiente Tamao del Paso + Error


Si hacemos = f (xi)

yi+1 = yi+ h
f(x)
yi+1 = yi + h

yi+1

pendiente =

xi
xi+1
tamao de paso h= xi+1 - xi
Figura 6.1 Mtodo de un solo paso
6.2.1.1 Mtodo de Euler
La primera derivada proporciona una aproximacin directa a la pendiente en xi

= f (xi, yi)
donde f(xi, yi) es la ecuacin diferencial evaluada en (xi, yi)
yi+1 = yi+ f (xi, yi) h
A esta frmula se le conoce como mtodo de Euler, o mtodo de Euler-Cauchy o de pendiente puntual.
Ejemplo

dy
yx 2 y
dx
Hallar el valor de f(x) en x =2, s y(0) = 1
Analticamente

dy
yx 2 y y x 2 1
dx
dy
y x2 1
dx
dy
x 2 1 dx
y

d ln y x 1

ln y

x3
xC
3

y Ae

x3
x
3

Dado que y(0) = 1, A = 1

ye

x3
x
3

Entonces y(2) = 1.947734

168

Numricamente
Por el mtodo de Euler, usando h = 0.5, y(0) = 1.

Figura 6.2 GUI Mtodo de Euler h=0.125


Ecuacin del mtodo
yi+1 = yi+ f (xi, yi) h
xi = 0
yi = 1
f (xi, yi) = yi (xi2 - 1)
f (0, 1) = 1 (02 - 1) = -1
yi+1 = 1+ (-1) (0.5) = 0.5
xi+1 = xi+ h = 0 + 0.5 = 0.5
xi = 0.5
yi = 0.5
f (xi, yi) = f (0.5, 0.5) = 0.5 [(0.5)2 1]
= -0.375

yi+1 = 0.5 + (-0.375) (0.5) = 0.3125


xi+1 = xi+ h = 0.5 + 0.5 = 1
xi = 1
yi = 0.3125
f (xi, yi) = f (1, 0.3125)
= 0.3125 [(1)2 1] = 0
yi+1 = 0.3125 + (0) (0.5) = 0.3125
xi+1 = xi+ h = 1 + 0.5 = 1.5

169

xi = 1.5
yi = 0.3125
f (xi, yi) = f (1.5, 0.3125)
= 0.3125 [(1.5)2 1] = 0.390625

yi+1 = 0.3125 + 0.390625 (0.5)


= 0.5078125
xi+1 = xi+ h = 1.5 + 0.5 = 2

Aplicando el mismo procedimiento para h = 0.25 y h = 0.125 se obtiene


Tabla 6.1 Valores de y para distintos valores de h con Euler
h = 0.5
h = 0.25
h = 0.125
x
y
x
y
x
y
0.0
1.0000
0.00
1.0000
0.000
1.0000
0.125
0.8750
0.25
0.7500
0.250
0.7673
0.375
0.6774
0.5
0.5000
0.50
0.5742
0.500
0.6046
0.625
0.5480
0.75
0.4666
0.750
0.5062
0.875
0.4785
1.0
0.3125
1.00
0.4155
1.000
0.4645
1.125
0.4645
1.25
0.4155
1.250
0.4799
1.375
0.5137
1.5
0.3125
1.50
0.4740
1.500
0.5709
1.625
0.6601
1.75
0.6221
1.750
0.7954
1.875
1.0005
2.0
0.5078
2.00
0.9428
2.000
1.3151

170

Figura6.3 GUI Mtodo de Euler h=0.005


6.2.1.3 Mtodos de Runge-Kutta
En los mtodos de Euler y Heun se aplica la frmula de recurrencia: yi+i = yi + (xi, yi) h
Donde
(xi, yi) = f (xi, yi)
mtodo de Euler

(xi, yi) =

[ f (xi, yi) + f (xi+1, yi+1)]

mtodo de Heun

Estos dos mtodos tienen los siguientes puntos comunes:


1. Son mtodos de un paso, para determinar yi+1 se necesita conocer nicamente los valores de xi y yi del punto
anterior.
2. No requiere evaluar ninguna derivada, sino nicamente los valores de la funcin que representa a la ecuacin
diferencial.
Estas caractersticas dan origen a una gran variedad de mtodos conocidos como de Runge Kutta. La diferencia entre ellos
consiste en la forma como se define la funcin (xi, yi):
Segundo Orden. (Mtodo de Ralston)
yi+1 = yi + (
donde

k1 = f (xi, yi);

k1 +

k2) h

k2 = f (xi+

h, yi+

h k1)

Tercer Orden.
yi+1 = yi + [

(k1 + 4k2 + k3)] h

171

donde

k1 = f (xi, yi);

k2 = f (xi+

h, yi+

h k1);

k3 = f (xi+h, yi - hk1 +2hk2)

Cuarto Orden.
yi+1 = yi + [
donde

(k1 + 2k2 + 2k3 + k4)] h

k1 = f (xi, yi);
k2 = f (xi+

k3 = f (xi +
h, yi +

h k1);

h, yi +

hk2);

k4 = f (xi + h, yi + h k3);

Ejemplo
Resuelva la ecuacin diferencial de los ejemplos anteriores por los mtodos de Runge-Kutta de segundo, tercer y cuarto
orden; s y(0) = 1, utilizando h = 0.5
dy
y x2 1
dx
Segundo Orden

yi+1 = yi + (
y i = y(0) = 1
k1 = f (xi, yi) = f (0, 1) = 1(02-1) =-1
k2 = f (xi+ h, yi+ h k1)
xi+h = 0+ (0.5) = 0.375
yi+ h k1 = 1 +(0.5)(-1) = 0.625
k2 = f (0.375, 0.625) = 0.625(0.3752 - 1)
= -0.5371
y i+1 = y (0.5)
= 1 + ( (-1) + (-0.5371)) (0.5)
= 0.6543

k1 +

k 2) h
y i = y (1) = 0.5358
k1 = f (1, 0.5358) = 0
xi+ h = 1.375
yi+ h k1 = 0.5358
k2 = f (1.375, 0.5358) = 0.4772
y i+1 = y (1.5) = 0.6948
y i = y (1.5) = 0.6948
k1 = f (1.5, 0.6948) = 0.8685
xi+ h = 1.875
yi+h k1 = 1.0205
k2 = f (1.875, 1.0205) = 2.5673
y i+1 = y (2) = 1.6953

y i = y (0.5) = 0.6543
k1 = f (0.5, 0.6543) = -0.4907
xi+ h = 0.875
yi+ h k1 = 0.4703
k2 = f (0.875, 0.4703) = -0.1102
y i+1 = y (1) = 0.5358
Tercer Orden
yi+1 = yi + [
y i = y(0) = 1
k1 = f (xi, yi) = f (0, 1) = 1(02-1) = -1
k2 = f (xi+ h, yi+ h k1)
xi+ h = 0+ (0.5) = 0.25
yi+ h k1 = 1 + (0.5)(-1) = 0.75
k2 = f (0.25, 0.75) = 0.625(0.3752 - 1)
= -0.7031
k3 = f (xi+h, yi - hk1 +2hk2)
xi+h = 0 + 0.5 = 0.5
yi - hk1 +2hk2
= 10.5(-1)+2(0.5)(-0.7031)
= 0.7969
k3 = f (0.5, 0.7969) = -0.5977

(k1 + 4k2 + k3)] h


y i+1 = y (0.5)
1

= 1 + 6 (-1 + 4(-0.7031) + 0.7969) (0.5)


= 0.6325
y i = y (0.5) = 0.6325
k1 = f (0.5, 0.6325) = -0.4744
xi+ h = 0.75
yi+ h k1 = 0.5139
k2 = f (0.875, 0.4703) = -0.2248
xi+h = 1
yi - hk1 +2hk2 = 0.6448
k3 = f (1, 0.6448) = 0

172

y i+1 = y (1) = 0.5180


y i = y (1) = 0.6995
k1 = f (1, 0.6995) = 0.8743
xi+ h = 1.75
yi+ h k1 = 0.9180
k2 = f (1.75, 0.9180) = 1.8934
xi+h = 2
yi - hk1 +2hk2 = 2.1557
k3 = f (2, 2.1557) = 6.4672
y i+1 = y (1) = 1.9424

y i = y (1) = 0.5180
k1 = f (1, 0.5180) = 0
xi+ h = 1.25
yi+ h k1 = 0.5180
k2 = f (0.875, 0.4703) = -0.2914
xi+h = 1.5
yi - hk1 +2hk2 = 0.8094
k3 = f (1, 0.6448) = 1.0117
y i+1 = y (1) = 0.6995
Cuarto Orden
yi+1 = yi + [
y i = y(0) = 1
k1 = f (xi, yi) = f (0, 1) = 1(02-1) = -1
k2 = f (xi+ h, yi+ h k1)
xi+ h = 0+ (0.5) = 0.25
yi+ h k1 = 1 + (0.5)(-1) = 0.75
k2 = f (0.25, 0.75) = 0.625(0.3752 - 1)
= -0.7031
k3 = f (xi + h, yi + hk2)
xi+ h = 0+ (0.5) = 0.25
yi+ h k2 = 1 + (0.5)(-0.7031)
= 0.8242
k3 = f (0.25, -0.7031) = -0.7727
k4 = f (xi + h, yi + h k3)
xi+ h = 0+ (0.5) = 0.5
yi+ h k3 = 1 + (0.5)(-0.7727)
= 0.6136
k4 = f (0.5, 0.6136) = -0.4602
y i+1 = y (0.5)
=1+

[-1 + 2(-0.7031)
+ 2(-0.7727) + 4(-0.4602)] (0.5)

= 0.6323
y i = y(0.5) = 0.6323
k1 = f (0.5, 0.6323) = -0.4743
xi+ h = 0.75
yi+ h k1 = 0.5138
k2 = f (0.75, 0.5138) = -0.2248
xi+ h = 0.75
yi+ h k2 = 0.5761
k3 = f (0.75, -0.5761) = -0.2521
xi+ h = 1
yi+ h k3 = 0.5063
k4 = f (1, 0.5063) = 0
y i+1 = y (1) = 0.5133

(k1 + 2k2 + 2k3 + k4)] h


y i = y(1) = 0.5133
k1 = f (1, 0.5133) = 0
xi+ h = 1.25
yi+ h k1 = 0.5133
k2 = f (0.75, 0.5138) = -0.2889
xi+ h = 1.25
yi+ h k2 = 0.5855
k3 = f (0.75, -0.5761) = 0.3294
xi+ h = 1.5
yi+ h k3 = 0.6780
k4 = f (1, 0.5063) = 0.8475
y i+1 = y (1.5) = 0.6870
y i = y(1.5) = 0.6870
k1 = f (1.5, 0.6870) = 0.8587
xi+ h = 1.75
yi+ h k1 = 0.9017
k2 = f (1.75, 0.9017) = 1.8597
xi+ h = 1.75
yi+ h k2 = 1.1519
k3 = f (1.75, 1.1519) = 2.3758
xi+ h = 2
yi+ h k3 = 1.8749
k4 = f (2, 1.8749) = 5.6248
y i+1 = y (2) = 1.933

Portafolio de Evidencias
173

g) Hacer un programa (diagrama de flujo y seudocdigo) para resolver una ecuacin diferencial ordinaria con valores
iniciales por el Mtodo de Euler y Runge-Kutta 4 Orden. Codificar y ejecutar en scilab
h) Utilizar software matemtico para resolver ecuaciones diferenciales ordinarias con valores iniciales (Polymath y
Matlab)

6.3. Mtodos rgidos y de pasos mltiples


Los mtodos de un solo paso que hemos visto para solucionar ecuaciones diferenciales pueden extenderse a sistemas de
ecuaciones diferenciales, sin embargo, pueden dar soluciones errticas cuando la solucin exacta de la ecuaciones del
sistema contiene trminos de la forma e t donde es un numero complejo con parte real negativa, ya que este trmino
se acerca a cero al aumentar t.
Los mtodos vistos no consideran esta posibilidad a menos que se les impongan restricciones en el tamao de paso.
Los sistemas que presentan este tipo de comportamiento se llaman sistemas rgidos y aparecen en el anlisis de sistemas de
control as como en cintica qumica.
Ejemplo

174

Figura 6.4 Codificacin del Algoritmo Mtodo Implcito del Trapecio (races con Newton)

175

Figura 6.5 Corrida del Algoritmo Mtodo Implcito del Trapecio (races con Newton)

176

6.4 Mtodos Mltipaso


Una tcnica alterna para resolver Ecuaciones Diferenciales Ordinarias se puede desarrollar conociendo informacin de la
funcin en varios puntos, tomando estos como base para predecir el valor de la funcin en los puntos subsiguientes.
dy
f x, y
dx

separando variables e integrando entre los lmites i e i+1

y i 1 y i

xi 1

xi

f x, y dx

resolviendo la integral se pueden encontrar los valores de yi+1 conociendo yi.


6.4.1 Mtodo de Heun (Euler-Gauss)
Un mtodo para mejorar la aproximacin a la pendiente implica el clculo de dos derivadas del intervalo, una en el punto
inicial y la otra en el punto final. Enseguida se promedian las dos derivadas y se obtiene una aproximacin mejorada de la
pendiente en el intervalo completo.
En el mtodo el Euler, la pendiente al principio del intervalo es
yi = f (xi, yi)
se usa para extrapolar linealmente a yi+1 en xi+1
yi+1 = yi+ f (xi, yi)
Pero al final del intervalo se puede calcular una pendiente aproximada

(Ecuacin predictora)h

yi+1 = f (xi+1, yi+1)


Por la tanto se pueden combinar las dos pendientes y obtener una pendiente promedio en el intervalo:

yi yi 1 f xi , yi f xi 1 , yi 1

2
2

por lo que

f xi , yi f xi 1 , yi 1
h
2
(Ecuacin correctora)
Por ello, el mtodo de Heun es un esquema predictor-corrector.
Ntese que la ecuacin correctora tiene el trmino yi+1 a ambos lados de la igualdad, y puede aplicarse para corregir en un
esquema iterativo hasta que se obtenga una yi+1 mejorada para una tolerancia preestablecida.
yi 1 yi

Ejemplo
Resolver el ejemplo anterior utilizando el mtodo de Heun, y valores de h de 0.5, 0.25 y 0.125.
f (xi, yi) = yi (xi2 - 1)
h = 0.5
xi = 0, yi = 1

Corrector
xi+1 = 0.5

Predictor
f (xi, yi) = 1 [02 - 1] = -1
yi+1 = yi+ f (xi, yi) h = 1+ (-1) (0.5) = 0.5

yi+1 = f (xi+1, yi+1) = f (0.5, 0.5)


= 0.5 [(0.5)2 1] = -0.375

177

y i 1 y i

f x i , y i f xi 1 , y i 1
h
2

Corrector segunda iteracin


- 1 - 47021
yi 1 1
0.5 0.63245
2

1 0.375
0.5 0.65625
2
Corrector primera iteracin
1

yi 1 1

1 0.4923
0.5
2

yi 1 1

- 1 - 0.4736
0.5 0.63161
2

Corrector tercera iteracin


- 1 - 0.4743
yi 1 1
0.5 0.63142
2

0.62695

Corrector cuarta iteracin

Aplicando el mismo procedimiento para h = 0.25 y h = 0.125 se obtiene


Tabla 6.2 Valores de y para distintos valores de h con Heun
h = 0.5
x
0.0

0.5

1.0

1.5

2.0

h = 0.25

y
1.0000

0.6316

0.5132

0.7464

3.9174

x
0.00

y
1.0000

0.25

0.7832

0.50

0.6322

0.75

0.5432

1.00

0.5135

1.25

0.5523

1.50

0.7006

1.75

1.0915

2.00

2.1965

x
0.000
0.125
0.250
0.375
0.500
0.625
0.750
0.875
1.000
1.125
1.250
1.375
1.500
1.625
1.750
1.875
2.000

h = 0.125
y
1.0000
0.8832
0.7830
0.6995
0.6323
0.5806
0.5436
0.5211
0.5134
0.5221
0.5501
0.6030
0.6905
0.8296
1.0499
1.4064
2.0031

6.4,2 Mtodo de Milne


Este es un mtodo predictor-corrector que utiliza informacin en los primeros cuatro Esta informacin se puede obtener
aplicando alguno de los mtodos vistos anteriormente.
Para resolver la integral se usa las formulas de integracin numrica vistas en la unidad anterior
Predictor

y i 1 y i 3

4h
2 f ( xi , y i ) f ( xi 1 , y i 1 ) 2 f ( xi 2 , y i 2 )
3

Corrector

y i 1 y i 1

h
2 f ( xi 1 , y i 1 ) 4 f ( xi , y i ) 2 f ( x i 1 , y i 1 )
3

Un tipo de frmulas que tienen la forma general descrita anteriormente son las frmulas de Adams
Frmula abierta de n-simo orden

(Adams-Bashforth)

178

yi 1 yi h k f i k o h n 1
n 1

k 0

Frmula abierta de n-simo orden

(Adams-Moulton)

n 1

y i 1 y i h k f i 1 k o h n 1
k 0

donde k son coeficientes reportados en la bibliografa.


Combinando estas dos frmulas en un esquema de predictor corrector se puede desarrollar un mtodo para encontrar la
solucin de las ecuaciones diferenciales ordinarias.
La informacin de los puntos necesarios para iniciar el procedimiento se obtiene generalmente a partir de un mtodo de un
solo paso, con un orden suficiente para que esta informacin sea confiable.
Ejemplo
Resolver por el mtodo de Adams de cuarto orden la ecuacin.

dy
y x2 1
dx
Predictor

yi+1 = yi + h (0 fi-0 + 1 fi-1 + 2 fi-2 + 3 fi-3)


59
37
9
55

y i 1 y i h
fi
f i 1
f i 2
f i 3
24
24
24
24

Corrector

yi+1 = yi + h (0 fi+1-0 + 1 fi+1-1 + 2 fi+1-2 + 3 fi+1-3)


19
5
1
9

y i 1 y i h
f i 1
fi
f i 1
f i 2
24
24
24
24

Clculo de los puntos iniciales por el mtodo de Runge-Kutta de cuarto orden


Primer Paso
xi = 0, yi = 1
xi - 1 = -0.5, yi - 1 = 1.581052
xi - 2 = -1, yi - 2 = 1.947028
xi - 3 = -1.5, yi - 3 = 1.453834
Predictor
y (0.5) = 0.9709569
Corrector
y (0.5) = 0.5911456
y (0.5) = 0.6445565
y (0.5) = 0.6370456
y (0.5) = 0.6381018
y (0.5) = 0.6379533
y (0.5) = 0.6379742

Segundo Paso
xi = 0.5, yi = 0.6379742
xi - 1 = 0, yi - 1 = 1
xi - 2 = -0.5, yi - 2 = 1.581052
xi - 3 = -1, yi - 3 = 1.947028
Predictor
y (1) = 0.735548
Corrector
y (1) = 0.5319068

179

6.5 Mtodos de tamao de paso variable


Los mtodos desarrollados anteriormente tiene un tamao de paso fijo (puntos igualmente espaciados), sin embargo, esto
no permite tener un control sobre el error de truncamiento local en cada paso, ya que puede darse el caso que la funcin
tenga cambios bruscos en el intervalo de integracin.
Se han desarrollado tcnicas numricas para la estimacin local del error que permitan controlar el tamao de paso ptimo
para controlar el error global.
6.5.1 Mtodo de Runge Kutta-Fehlberg
La idea de este mtodo es usar el mtodo de Runge Kutta con error de truncamiento de orden cinco

y i+1= yi +

16
6656
28561
9
2
k+
k +
k k + k
135 1 12825 3 56430 4 50 5 55 6

Para estimar el error local de truncamiento de Runge Kutta cuarto orden

y i+1= yi +

25
1408
2197
1
k1 +
k3 +
k 4 k 5
216
2565
4104
5

Donde

k 1=hf (t i , y i)
h
1
k 2=hf (t i+ , y i + k 1 )
4
4
k 3 =hf (t i+

3h
3
9
, y i + k 1 + k 2)
8
32
32

k 4=hf (t i +

12h
1932
7200
7296
, y i+
k 1
k 2+
k )
13
2197
2197
2197 3

k 5 =hf (t i+ h , y i +

439
3680
845
k 18 k 2+
k 3
k )
216
513
4104 4

h
8
3544
1859
11
k 6 =hf (t i+ , y i k 1+2 k 2
k 3+
k 4 k 5 )
2
27
2565
4104
40

La ecuacin que se utiliza para el control del error es

h
| y i+ 1 y i|

1
n

Donde q es positivo y no cercano a cero, para este mtodo se recomienda usar n=4

Ejemplo

180

dy
y t 1
Resuelva la ecuacin diferencial rgida dt
por el mtodo Runge Kutta Fehlberg, con tamao de paso variable
iteracin de Newton para encontrar las races. Si
y(0)=1 ,
tf=1
Tomar hmax = 0.1 y hmin = 0.02

Figura 6.6 Codificacin: Algoritmo Mtodo de Runge Kutta Fehlberg

181

Figura 6.7
Corrida del Algoritmo Mtodo de Runge Kutta Fehlberg

6.6 Sistemas de Ecuaciones Diferenciales Ordinarias.


Todo sistema de ecuaciones diferenciales puede representarse generalmente como

dy1
f1 x, y1 , y2 ,... yn
dx
dy2
f 2 x, y1 , y2 ,... yn
dx

dyn
f n x, y1 , y2 ,... yn
dx
La solucin de este sistema requiere de n condiciones iniciales conocidas para un valor inicial de x.
Una ecuacin diferencial de orden superior puede escribirse como un sistema de ecuaciones diferenciales de primer orden.
Escsriba la ecuacin diferencial ordinaria y(n) = f (x, y, y, y, ..., y(n - 1)) como un sistema de ecuaciones de primer orden
haciendo las sustituciones
y1 = y, y2 = y, ..., yn = y(n - 1)
Entonces:
y1 = y2
y2 = y3
yn = f (x, y1, y2, y3, ..., yn )
es un sistema de n ecuaciones diferenciales ordinarias.
Por ejemplo, considere el problema de valor inicial.
y -3y yy = 0

y (0) = 0

y (0) = 1

y (0) = -1

182

Despeje en la ecuacin diferencial, para su derivada de mayor orden escribiendo y en trminos de x y de sus derivadas de
orden menor y = 3y + yy. Si hacemos las sustituciones
y1 = y

y2 = y y3 = y

entonces
y1 = y2
y2 = y3
y3 = 3y3 + y2 y1
con las condiciones iniciales
y1 (0) = 0
y2 (0) = 1
y3 (0) = -1

Ejemplo
Resolver el problema de valores en la frontera definido por la ecuacin:

d2y
y0
dx 2
si y(0) = 1, y(0) = 2; y calcular el valor de y(1).
Analticamente
Teorema.
Si la ecuacin auxiliar m2 + bm +c = 0 tiene las races complejas s ti, entonces la solucin general de y + by +
cy = 0 es y = esx (c1 cos tx + c2 sen tx)
En el ejemplo, para la ecuacin auxiliar b = 0 y c = 1
Por ello, s = 0 y t = 1, y la solucin general queda:

m2 + 1 = 0

m =i

y = e(0)x (c1 cos (1)x + c2 sen (1)x)


y = c1 cos x + c2 sen x
y = c2 cos x c1 sen x
Sustituyendo las condiciones en la frontera
y(0) = c1 cos (0) + c2 sen (0) = 1
y (0) = c2 cos (0) c1 sen (0) = 2

c1 = 1
c2 = 2

y = cos x + 2sen x
y(1) = cos (1) + 2sen (1) = 2.223244
Utilizando el paquete Polymath, para x =1, y = 2.2232

183

6.7 Solucin de ecuaciones diferenciales ordinarias de orden n


Usando el mtodo de Runge-Kutta de segundo orden (mtodo de Ralston) con h = 0.5, y(0) = 1, y(0) = 2;

d2y
y0
dx 2
d dy1

y1 0
dx dx
dy1
y2
dx
dy 2
dy 2
y1 0
y1
dx
dx
Ecuaciones del mtodo:yj, i+1 = yj, i + ( k1, j + k2, j) h
k1, j = fj (xi, y1, i, y2, i,..., yn, i);
k2, j = fj (xi+ h, y1, i+ h k1, 1, y2, i+ h k1, 2,..., yn, i+ h k1, n,)
xi = 0; y1, i = 1; y2, i = 2
k1, 1 =f1 (0, 1, 2) = 2
k1, 2 =f2 (0, 1, 2) = -1

xi = 0.5; y1, i = 1.875; y2, i = 1.25


k1, 1 =f1 (0.5, 1.875, 1.25) = 1.25
k1, 2 =f2 (0.5, 1.875, 1.25) = -1.875

xi+ h = 0 + (0.5) = 0.375


y1, i + h k1, 1 = 1 + (0.5)(2) = 1.75
y2, i + h k1, 2 = 2 + (0.5)(-1) = 1.625

xi+h = 0.5 + (0.5) = 0.875


y1, i + h k1, 1 = 1.875 + (0.5)(1.25)
= 2.34375
y2, i +h k1, 2 = 1.25 + (0.5)(-1.875)
= 0.546875

k2, 1 = f1 (0.375, 1.75, 1.625) = 1.625


k2, 2 = f2 (0.375, 1.75, 1.625) = -1.75

k2, 1 = f1 (0.875, 2.34375, 0.546875)


= 0.546875
k2, 2 = f2 (0.875, 2.34375, 0.546875)
= -2.34375

y1 (0.5) = 1 + ( (2) + (1.625) (0.5)


= 1.875
y2 (0.5) = 2 + ( (-1) + (-1.75) (0.5)
= 1.25

y1 (1) =
1.875 + [( (1.25) + (0.546875)](0.5)
= 2.265625
y2 (1) =
1.25 + [ (-1.875) + (-2.34375)](0.5)
= 0.15625

184

185

Figura 6.8 Corrida del Algoritmo Mtodo Runge Kutta 2 orden h=0.5

186

Figura 6.9 Corrida del Algoritmo Mtodo Runge Kutta 2 orden h=0.1
Ejemplo
Usando el mtodo de Runge-Kutta de cuarto orden con h = 0.5, y las mismas condiciones iniciales
Ecuaciones del mtodo:
yj, i+1 = yj, i +

1
6

(k1, j + 2 k2, j+ 2 k3, j, + k4, j) h

k1, j = fj (xi, y1, i, y2, i,..., yn, i);


k2, j = fj (xi+ h, y1, i+ h k1, 1, y2, i+ h k1,2,... , yn, i+ h k1, n)
k3, j = fj (xi+ h, y1, i+ h k2, 1, y2, i+ h k2, 2j,... , yn, i+ h k2, n)
k4, j = fj (xi+ h, y1, i+ h k3, 1, y2, i+h k3, 2,... , yn, i+ h k3, n)
xi = 0; y1, i = 1; y2, i = 2
k1, 1 =f1 (0, 1, 2) = 2
k1, 2 =f2 (0, 1, 2) = -1
xi + h = 0 + (0.5) = 0.25
y1, i + h k1, 1 = 1 + (0.5)(2) = 1.5
y2, i + h k1, 2 = 2 + (0.5)(-1) = 1.75
k2, 1 = f1 (0.25, 1.5, 1.75) = 1.75
k2, 2 = f2 (0.25, 1.5, 1.75) = -1.5
xi + h = 0.25
y1, i + h k2, 1 = 1 + (0.5)(1.75) = 1.4375
y2, i + h k2, 2 = 2 + (0.5)(-1.5) = 1.625
k3, 1 = f1 (0.25, 1.4375, 1.625) = 1.625
k3, 2 = f2 (0.25, 1.4375, 1.625) = -1.4375
xi + h = 0.5
y1, i + h k3, 1 = 1 + (0.5)(1.625) = 1.8125
y2, i +h k3, 2 = 2 + (0.5)(-1.4375) = 1.28125
k4, 1 = f1 (0.5, 1.8125, 1.28125 = 1.28125
k4, 2 = f2 (0.5, 1.8125, 1.28125) = -1.8125
y1 (0.5)
=1+

1
6

[2+2(1.75)+2(1.625)+1.28125](0.5)

= 1.835938
y2 (0.5)
=2+

1
6

[-1+2(-1.5)+2(-1.4375)-1.8125](0.5)

= 1.276042

xi = 0.5; y1, i = 1.835938; y2, i = 1.276042


k1,1 = f1 (0.5, 1.835938, 1.276042)
= 1.276042
k1,2 = f2 (0.5, 1.835938, 1.276042)
= -1.835938
xi + h = 0.5 + (0.5) = 0.75

y1,i + hk1,1 =1.835938 + (0.5)(1.276042)


= 2.154948
y2,i + hk1,2 =1.276042+ (0.5)(-1.835938)
= 0.817057
k2, 1 = f1 (0.75, 2.154948, 0.817057)
= 0.817057
k2, 2 = f2 (0.75, 2.154948, 0.817057)
= -2.154948
xi + h = 0.75
y1,i + hk2,1 =1.835938+ (0.5)(0.817057)
= 2.040202
y2,i + hk2,2 =1.276042+ (0.5)(-2.154948)
= 0.737305
k3,1 = f1 (0.75, 2.040202, 0.737305)
= 0.737305
k3, 2 = f2 (0.75, 2.040202, 0.737305)
= -2.040202
xi + h = 1
y1, i + h k3, 1 = 1.835938 + (0.5)(0.737305)
= 2.204590
y2, i +h k3, 2 = 1.276042 + (0.5)(-2.040202)
= 0.255941
k4, 1 = f1 (1, 2.204590, 0.255941)
= 0.255941
k4, 2 = f2 (1, 2.204590, 0.255941)
= -2.204590
y1 (1)
= 1.835938 +

1
6

[1.276042 + 2(0.817057)

+ 2(0.737305) + 0.255941](0.5)
= 2.222663
y2 (1)
=1.276042 +

1
6

[-1.835938 + 2(-2.154948)

187

+ 2(-2.040202) -2.204590](0.5)

= 0.240139

188

Portafolio de Evidencias
a)

Hacer un programa (diagrama de flujo y seudocdigo) para resolver una sistema de ecuaciones diferenciales
ordinarias con valores iniciales por el Mtodo de Euler y Runge-Kutta 4 Orden. Codificar y ejecutar en scilab
b) Utilizar software matemtico para resolver sistemas de ecuaciones diferenciales ordinarias con valores iniciales
(Polymath y Matlab)

189

6.8 Mtodos generales para problemas con valores en la frontera, lineales y no-lineales
En el caso, en que las condiciones para la variable dependiente, estn definidos para distintos valores en el rango de la
variable independiente (normalmente en los extremos), tenemos una ecuacin diferencial con valores en la frontera.
6.8.1 Mtodo de disparo
Este mtodo se basa en la conversin de un problema de valores en la frontera a su equivalente de un problema de valores
iniciales, implementndose un esquema de prueba y error para alcanzar una solucin adecuada.
6,8.1.1 Solucin de una ecuacin diferencial lineal.
Una ecuacin diferencial es lineal; si en ella no aparecen potencias de la variable dependiente y sus derivadas, ni productos
de la variable dependiente por sus derivadas o productos entre derivadas.
Ejemplo:
Resolver la ecuacin diferencial

d2y
dy
16 4 y 20
2
dx
dx
con la condicin de frontera y(0) = 5 y y(20)=2

Transformacin

dy
d dy1

16 1 4 y1 20
dx dx
dx
entonces
dy
8 2 16 y 2 4 y1 20
dx
entonces
8

Si

y = y1

Si

dy1
y2
dx

dy 2 4 y1 16 y 2 20

dx
8
Implementacin del esquema de prueba y error

Primer disparo
Segundo disparo
Tercer disparo
Cuarto disparo

x
0
20
0
20
0
20
0
20
0
20

y1
5
2
5
808.41783
5
442.79486
5
77.171891
5
-288.45108

y2
Desconocido
Desconocido
0 (supuesto)
182.81149
-10 (supuesto)
100.6396
-20 (supuesto)
18.467711
-30 (supuesto)
-63.704177

Interpolacin lineal

f ( x) f ( x0 )
Formula de Newton

f x1 f x0
( x x0 )
x1-x0

y2(2) = -20+(-30-(-20))/(-288.45108-77.171891)*(2-77.171891) = -22.05599475

190

6.8.1.2 Solucin de una ecuacin diferencial no-lineal


Una ecuacin diferencial es no-lineal; si en ella aparecen potencias de la variable dependiente y sus derivadas, productos de
la variable dependiente por sus derivadas o productos entre derivadas.
Ejemplo
Resolver la ecuacin diferencial

d 2 y 1
dy
43
32 2 x 3 y
2
dx con la condicin de frontera y(1) = 17 y y(3)= 3
dx
8
Transformacin

dy
d dy1 1

32 2 x 3 y1 1
dx dx 8
dx
entonces

Si

y = y1

Si

dy1
y2
dx

entonces

dy 2 1
32 2 x 3 y1 y 2
dx 8

Implementacin del esquema de prueba y error


x
1
3
1
3
1
3
1
3
1
3

Primer disparo
Segundo disparo
Tercer disparo
Cuarto disparo

y1
17
14.3333
17
21.018501
17
18.91181
17
16.525478
17
13.733708

x0
x1
x2

y2
Desconocido
Desconocido
0 (supuesto)
3.4514128
-5 (supuesto)
3.7089641
-10 (supuesto)
3.9942859
-15 (supuesto)
4.2740796

f(x0)
f(x1)
f(x2)

Interpolacin Cuadrtica

f ( x) f ( x0 )

f x1 f x0
( x x0 )
x1-x0
+

f x2 f x1 f x1 f x0

x2 x1
x1 x0

x2 x0

(x x0) (x x1)

y2(1) = -5 + (-10-(-5))/( 16.525478-18.91181)*(14.3333-18.91181) +


((-15-(-10))/( 13.733708-16.525478)-(-10-(-5))/(16.525478-18.91181))/(13.733708-18.91181)*(14.333318.91181)*(14.3333-16.525478) = -14.00338412

Portafolio de Evidencias
191

a)

Utilizar software matemtico Polymath para resolver ecuaciones diferenciales ordinarias no lineales con valores en
la frontera por el Mtodo de disparo

6.8.2 Mtodo de Diferencias Finitas


La solucin numrica ms comn para resolver ecuaciones diferenciales en la frontera, se basa en el uso de ecuaciones de
diferencia finita para evaluar las derivadas, ya que sustituyendo estas por su equivalente en la ecuacin diferencial, esta se
transforma en una ecuacin algebraica en diferencias. La tcnica incluye la construccin de una retcula donde se ubican los
puntos que representan el fenmeno a estudiar.
6.8.2.1 Solucin de una ecuacin diferencial lineal
Ejemplo
Resolver la ecuacin diferencial

d2y
dy
16 4 y 20
2
dx
dx
con la condicin de frontera y(0) = 5 y y(20)=2

Construccin de la retcula
y0(0)=5

y1(2)=? y2(4)=? y3(6)=? y4(8)=? y5(10)=? y6(12)=? y7(14)=? y8(16)=? y9(18)=? y10(20)=2

y 2 y i y i 1
y y i 1
8 i 1
16 i 1
4 y i 20
2
2h
h

x x 0 20 0
h n

2
n
10
2 y i 1 4 y i 2 y i 1 4 y i 1 4 y i 1 4 y i 20
Ecuacin en diferencias

2 y i 1 8 y i 6 y i 1 20

Aplicndola a cada nodo en la retcula


Nodo 1: -2y0 - 8y1 + 6y2 = 20 :
Nodo 2: -2y1 - 8y2 + 6y3 = 20
Nodo 3: -2y2 - 8y3 + 6y4 = 20
Nodo 4: -2y3 - 8y4 + 6y5 = 20
Nodo 5: -2y4 - 8y5 + 6y6 = 20
Nodo 6: -2y5 - 8y6 + 6y7 = 20
Nodo 7: -2y6 - 8y7 + 6y8 = 20
Nodo 8: -2y7 - 8y8 + 6y9 = 20
Nodo 9: -2y8 - 8y9 + 6y10 = 20 :

-2(5) - 8y1 + 6y2 = 20 :

- 8y1 + 6y2 = 30

-2y8 - 8y9 + 6(2) = 20 :

-2y8 - 8y9 = 8

Solucin del sistema en Polymath


y1 = -6.996833
y2 = -4.3291107
y3 = -4.771092
y4 = -4.4711595
y5 = -4.2185767
y6 = -3.7818221
y7 = -3.1152884
y8 = -2.0809919
y9 = -0.479752

192

Portafolio de Evidencias
a)

Utilizar software matemtico Polymath para resolver ecuaciones diferenciales ordinarias lineales con valores en la
frontera por el Mtodo de diferencias finitas
6.8.2.2 Solucin de una ecuacin diferencial no-lineal
Ejemplo
Resolver la ecuacin diferencial

d 2 y 1
dy
43
32 2 x 3 y
2
dx con la condicin de frontera y(1) = 17 y y(3)= 3
dx
8
Construccin de la retcula
y0(1)=17 y1(1.2)

y2(1.4)

y3(1.6) y4(1.8) y5(2.0)

y6(2.2) y7(2.4) y8(2.6) y9(2.8) y10(3)=14.333

y i 1 2 y i y i 1

y y i 1
1
32 2 x 3 y i i 1

8
2h
h

xn x0 3 1
h

0.2
n
10
2

25 y i 1 50 y i 25 y i 1 4 0.25 x 3 2.5 y i y i 1 2.5 y i y i 1


Ecuacin en diferencias

25 y i 1 50 y i 25 y i 1 2.5 y i y i 1 2.5 y i y i 1 0.25 x 3 4 0


Aplicndola a cada nodo en la retcula
Nodo 1: 25y2
Nodo 2: 25y3
Nodo 3: 25y4
Nodo 4: 25y5
Nodo 5: 25y6
Nodo 6: 25y7
Nodo 7: 25y8
Nodo 8: 25y9
Nodo 9: 25y10

50y1 +
50y2 +
50y3 +
50y4 +
50y5 +
50y6 +
50y7 +
50y8 +
50y9 +

25y0 +
25y1 +
25y2 +
25y3 +
25y4 +
25y5 +
25y6 +
25y7 +
25y8 +

2.5y1y2 2.5y2y3 2.5y3y4 2.5y4y5 2.5y5y6 2.5y6y7 2.5y7y8 2.5y8y9 2.5y9y10 -

2.5y1y0 - 0.25(1.2)3 - 4 = 0
2.5y2y1 - 0.25(1.4)3 - 4 = 0
2.5y3y2 - 0.25(1.6)3 - 4 = 0
2.5y4y3 - 0.25(1.8)3 - 4 = 0
2.5y5y4 - 0.25(2.0)3 - 4 = 0
2.5y6y5 - 0.25(2.2)3 - 4 = 0
2.5y7y6 - 0.25(2.4)3 - 4 = 0
2.5y8y7 - 0.25(2.6)3 - 4 = 0
2.5y9y8 - 0.25(2.8)3 - 4 = 0

Solucin del sistema en Polymath


Variable Valor
f(x)
valor inicial
y1
13.029863 1.599E-14 15
y2
13.629162 3.573E-10 15
y3
13.616443 6.201E-08 15
y4
13.703484 -6.532E-08 15
y5
13.781989 2.899E-09 14
y6
13.870421 5.693E-11 14
y7
13.967719 1.496E-12 14
y8
14.076046 5.329E-15 14
y9
14.197164 5.773E-14 14

193

Portafolio de Evidencias

194

a)

Utilizar software matemtico Polymath para resolver ecuaciones diferenciales ordinarias no lineales con valores en
la frontera por el Mtodo de diferencias finitas

195

6.9 Clasificacin de ecuaciones diferenciales parciales

196

Si una variable U depende de ms de una variable independiente, las derivadas de U con respecto de una o ms variables
independientes, se llaman derivadas parciales.

197

2U
2U
2U

C
D0
xy
x 2
y 2
Las derivadas parciales tienen un amplio campo de aplicacin en ingeniera, en especial

la ecuacin diferencial parcial de segundo orden, para dos variables independientes, cuya frmula general es:

198

U
U
Donde A, B y C son funciones de x y y, y D es funcin de x, y, x y y .

199

Dependiendo de la relacin entre los coeficientes A, B y C se clasifican en:

200

Elptica s

B2 4AC < 0

2u 2u

0
x 2 y 2
Ecuacin de Laplace

201

Parablica s

B2 4AC = 0

2 u u

x 2 t

Ecuacin de conduccin de calor.

202

Hiperblica s

B2 4AC > 0

c2

2u 2u

x 2 t 2

Ecuacin de onda.

203

6.9.1 Ecuaciones diferenciales parciales parablicas.

204

Estas ecuaciones aparecen en ingeniera cundo se estudian los fenmenos de conduccin de calor en estado transitorio, as
como en el estudio de la difusin molecular en el seno de un fluido, etc.

205

Ejemplo. Conduccin del calor en una varilla aislada, cuyos extremos libres se encuentran a distintas temperaturas.

206

aislamiento

T0

Tn
Figura Varilla aislada con conduccin de calor

207

208

209

Haciendo un balance de energa, se encuentra la ecuacin que gobierna el flujo de calor.

210

2T T

2 x t Donde se denomina difusividad trmica.

211

Para aplicar el mtodo de diferencias finitas se construye una retcula


Figura 7.2 Retcula para evaluar diferencias finitas
El mtodo explcito predice el valor en (i, j) a partir de (i-1, j-1), (i, j-1), (i+1, j-1).
El mtodo implcito, predice el valor en las (i, j) a partir de (i, j-1) mediante la generacin de un sistema de ecuaciones,
obtenidas de los nodos.
t

T(x, t) = Tn

Condiciones en la

frontera izquierdaCondiciones en la

Divisin de la varilla en intervalos x

T(x, 0) = Ti
Figura 7.3 Condiciones iniciales

Portafolio de evidencias
a)

Hacer un programa (diagrama de flujo y seudocdigo) para solucionar una Ecuacin Diferencial Parcial Parablica
por el Mtodo Explicito. Codificar y ejecutar en scilab

6.10 Aplicaciones
6.10.1 Ley de Newton del enfriamiento
Conceptos utilizados
Aplicando la primera ley de la termodinmica a la esfera, y suponiendo que el calor fluye tan rpidamente en la esfera que
la temperatura es prcticamente la misma en todos los puntos de la misma, el calor disipado por la esfera se puede expresar
analticamente por medio de la ecuacin diferencial homognea:

dT
hA

(T T ) 0
dt cV
Donde
h = coeficiente de transferencia de calor
A = rea de la esfera para la transferencia de calor
= densidad de la esfera
V = volumen de la esfera
c = calor especifico de la esfera

(0

Curso
Fenmenos de Transporte II

212

Problema
Una esfera de aluminio de 3 cm. de dimetro se calienta hasta una temperatura de 200 C. Entonces, en el instante t = 0, se
coloca en aire que se mantiene a una temperatura de 30 C. Si el coeficiente promedio de transferencia de calor es de 20
W/m C, calcule el tiempo necesario para que la esfera alcance una temperatura de 150 C.
Suponga las siguientes propiedades del aluminio:
k = 210 W / m C
c = 0.895 J / g C
= 2.72 g / cm3
Solucin

h(4R 2 )
hA
3h
3 * 20

16.43x10 4 s 1
3
3
2
3
cV c( 4 R ) cR 2.75 x10 * 0.895 x10 * 1.5 x10
3

dT
16.43x10 4 (T 30)
dt
t 0, T 200 C

Programa 6.1 Mtodo de Euler


PRINT "****************************************************************"
PRINT "*
INSTITUTO TECNOLGICO DE DURANGO
*"
PRINT "* DEPARTAMENTO DE INGENIERA QUMICA Y BIOQUMICA*"
PRINT "*
MTODOS NUMERICOS
*"
PRINT "*
SOLUCIN DE ODE MTODO DE EULER
*"
PRINT "*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*"
PRINT "****************************************************************"
' ENTRADA DE DATOS
INPUT "tf "; tf
INPUT "H "; H
READ t, T
DATA 0, 200
N = (tf - t) / H
PRINT: PRINT "t
T"
PRINT t, T
FOR I = 1 TO N
T = T + H * F(t, T)
t=t+H
PRINT t, T
NEXT I
END

213

FUNCTION F(t, T)
F = (-16.43e-4)*(T - 30)
END FUNCTION

Ejecucin 6.1 Mtodo de Euler h = 5


*****************************************************************
*
INSTITUTO TECNOLGICO DE DURANGO
*
* DEPARTAMENTO DE INGENIERA QUMICA Y BIOQUMICA *
*
MTODOS NUMERICOS
*
*
SOLUCIN DE ODE MTODO DE EULER
*
*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*
*****************************************************************
VALOR FINAL DE TIEMPO 10
INTERVALO H
0.5
Tabla 6.3 Resultados de correr el programa 6.1 ordenados en forma tabular
t seg.
T C
t seg.
T C
t seg.
T C
0
200.00
65
182.713308
130
167.184438
5
198.60
70
181.458768
135
166.057468
10
197.22
75
180.214534
140
164.939756
15
195.84
80
178.980522
145
163.831225
20
194.48
85
177.756647
150
162.731802
25
193.13
90
176.542826
155
161.64141
30
191.79
95
175.338977
160
160.559976
35
190.46
100
174.145017
165
159.487426
40
189.14
105
172.960866
170
158.423687
45
187.84
110
171.786442
175
157.368686
50
186.54
115
170.621667
180
156.322352
55
185.25
120
169.46646
185
155.284614
60
183.98
125
168.320743
190
154.255401
6.10.2 Modelo bsico Depredador-Presa

t seg.
195
200
205
210
215
220
225
230
235
240
245
250

T C
153.234643
152.22227
151.218214
150.222407
149.23478
148.255266
147.283799
146.320313
145.364741
144.41702
143.477084
142.54487

Conceptos utilizados
La teora bsica de las interacciones depredador-presa fue propuesta en las dcadas de los veinte y treinta por los pioneros
Alfred Lotka y Vito Volterra. Lotka propuso sus ecuaciones haciendo una analoga con ciertas reacciones qumicas, en tanto
que Volterra se inspir en un problema sobre pesqueras en el mar Adritico. Las ecuaciones, sin embargo, resultaron
idnticas. El modelo de depredador-presa propuesto por Lotka y Volterra no tiene ms que una importancia histrica. En la
actualidad, los modelos generales de depredador-presa son modificaciones o extensiones de las ecuaciones de LotkaVolterra. En trminos generales, dichos modelos son particularizaciones del siguiente:
Tasa de crecimiento de la presa

Tasa de crecimiento de la presa


en ausencia del depredador

Tasa de mortalidad debida a la


presencia del depredador

dx
px qxy
dt
La ecuacin anterior corresponde a la dinmica de la poblacin de las presas, con una ecuacin correspondiente para los
depredadores.

214

Tasa de crecimiento del


depredador

Tasa de crecimiento del


depredador en ausencia de las
presas de la ecuacin anterior

Incremento en la tasa de
crecimiento del depredador
debido a la presencia de las
presas de la ecuacin anterior

dy
sy rxy
dt
Los detalles biolgicos correspondientes a un sistema o clase de sistemas en particular se traducirn en una forma
especfica para las ecuaciones anteriores en funcin de los valores de p, q, r y s. Por ejemplo, la ecuacin para las presas
ser diferente si se trata de felino-gacela que cuando se trata de pjaro-oruga.
Curso
Desarrollo Sustentable
Problema
Para un sistema dado, el sistema de ecuaciones se puede expresar como:

dx
2 x 1.2 xy en t 0, x 2
dt
dy
y 0.9 xy en t 0, y 1
dt

Resolver el sistema para t = 10 con h = 0.5 usando el mtodo de Runge-Kutta cuarto orden

Programa 6.2 Mtodo de Runge-Kutta cuarto orden


PRINT "******************************************************************************"
PRINT "*
INSTITUTO TECNOLGICO DE DURANGO
*"
PRINT "*
DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA
*"
PRINT "*
MTODOS NUMRICOS
*"
PRINT "*
MODELO BSICO DEPREDAROR-PRESA
*"
PRINT "* SOLUCIN DEL SISTEMA POR EL MTODO DE RUNGE-KUTTA CUARTO ORDEN *"
PRINT "*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*"
PRINT "******************************************************************************"
INPUT "VALOR FINAL DE TIEMPO "; Tf
READ T, X, Y
DATA 0, 2, 1
INPUT "INTERVALO H
"; H
N = (Tf - T) / H
PRINT T, X, Y
FOR I = 1 TO N
K11 = F(T, X, Y)
K12 = G(T, X, Y)
K21 = F(T + .5 * H, X + .5 * H * K11, Y + .5 * H * K12)
K22 = G(T + .5 * H, X + .5 * H * K11, Y + .5 * H * K12)

215

K31 = F(T + .5 * H, X + .5 * H * K21, Y + .5 * H * K22)


K32 = G(T + .5 * H, X + .5 * H * K21, Y + .5 * H * K22)
K41 = F(T + H, X + H * K31, Y + H * K32)
K42 = G(T + H, X + H * K31, Y + H * K32)
X1 = X + H * (1 / 6) * (K11 + 2 * K21 + 2 * K31 + K41)
Y = Y + H * (1 / 6) * (K12 + 2 * K22 + 2 * K32 + K42)
T=T+H
X = X1
PRINT T, X, Y
NEXT I
END
FUNCTION F(T, X, Y)
F = 2*X - 1.2*X*Y
END FUNCTION
FUNCTION G(T, X, Y)
G = (-1)*Y + 0.9*X*Y
END FUNCTION

Ejecucin 6.2 Mtodo de Runge-Kutta cuarto orden para t = 10 con h = 0.5


*******************************************************************************
*
INSTITUTO TECNOLGICO DE DURANGO
*
*
DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA
*
*
MTODOS NUMRICOS
*
*
MODELO BSICO DEPREDAROR-PRESA
*
* SOLUCIN DEL SISTEMA POR EL MTODO DE RUNGE-KUTTA CUARTO ORDEN
*
*
INSTRUCTOR: JOS DOMINGO POPE SOLIS
*
*******************************************************************************
VALOR FINAL DE TIEMPO
INTERVALO H

10
0.5

Tabla 6.4 Resultados de correr el programa 6.2 ordenados en forma tabular

t (tiempo)
0
0.5
1
1.5
2

x (presa)
2
2.48753405
1.71540573
0.79674181
0.44787062

y (depredador)
1
1.7209284
2.78769076
2.91807071
2.30396979
216

2.5
3
3.5
4
4.5
5
5.5
6
6.5
7
7.5
8
8.5
9
9.5
10

0.37178288
0.42991085
0.62162002
1.01547679
1.68624889
2.4019644
2.13221144
1.07269346
0.53680762
0.38428791
0.39639645
0.53242309
0.83859212
1.4011262
2.17139134
2.40097536

1.669793
1.20772636
0.92274406
0.80177991
0.88508871
1.36576392
2.41497402
3.00432733
2.56092812
1.89411688
1.36319352
1.01397804
0.83091722
0.82589839
1.11973653
1.98437432

Evaluacin Sumativa
Problema 1
Sistema de reactores tipo tanque con agitacin
Considere el siguiente sistema de reactores tipo tanque donde:
Q = Flujo volumtrico en metros cbicos por minuto
c = concentracin en miligramos por metro cbico

m 3 mg mg

3
min
Flujo msico = Q c = min m
C5
Q15 = 3

Q55 = 2

Q54 = 2
Q25 = 1
217

C1

C4

C2
Q12 = 3

Q01 = 5
c01 = 10

Q24 = 1

Q44 = 11

Q23 = 1

Q34 = 8
Q31 = 1

C3

Q03 = 8
c03 = 20

Balance de Materia (Ley de conservacin de la materia)


Acumulacin = Entradas Salidas

V
Acumulacin =

dc
dt

V = volumen del reactor

dc
dt = Entradas Salidas;

reacomodando

dc Entradas Salidas

dt
V

Realizando balances para el sistema tenemos:

Reactor 1:

dc1 50 c3 6c1

dt
V1

dc 2 3c1 3c2

dt
V2
Reactor 2:
dc3 160 c2 9c3

dt
V3
Reactor 3:

dc4 c2 8c3 11c4 2c5

dt
V4
Reactor 4:
dc5 3c1 c2 4c5

dt
V5
Reactor 5:
Suponiendo que en tiempo igual a cero, la concentracin de todos los reactores es cero, resuelva el sistema tomando: V1 =
50; V2 = 20; V3 = 40; V4 = 80; V5 = 100
Problema 2

218

Ley de la dinmica del crecimiento bacteriano


En el estudio cintico de la fermentacin bacteriana se utiliza la ley logstica

dy1
y
k1 y1 (1 1 )
dt
k2
Para describir la dinmica del crecimiento celular. Esta ecuacin es una modificacin de la ley logartmica

dy1
k1 y1
dt
(1

y1
)
k 2 en la ley logstica explica el cese del crecimiento debido a la limitacin del nutriente.

El trmino
La ley logstica ha sido usada exitosamente en los modelos de crecimiento de penicillium chrysogenum un organismo
productor de penicilina.
La velocidad de produccin de la penicilina puede ser cuantificada a partir de la ecuacin

dy 2
k 3 y1 k 4 y 2
dt
La cantidad de penicilina (y2) obtenida es proporcional a la concentracin celular (y1) y es afectada por la degradacin
hidrlitica a una velocidad que depende de la concentracin de la penicilina misma.
1. Mostrar que k2 es equivalente a la mxima concentracin celular, la cual es alcanzada bajo las condiciones dadas.
2. Encontrar la concentracin celular y de penicilina para un rango de tiempo: 0 t 212 hr.
En t = 0 y1 = 5.0 y y2 = 0
Usar las siguiente condiciones: k1 = 0.0312; k2 = 47.70, k3 = 3.374; k4 = 0.01268

Bibliografa
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

Burden, .L. y Faires D.J., Anlisis Numrico. Iberoamericana


Chapras, S.C. y Canale, R., Numerical Methods for Engineering, McGraw-Hill
Constantinides, A. Applied Numrical Methods with Personal Computers. McGraw-Hill
Conte, S.D. y de Boor, C., Anlisis Numrico Elemental. McGraw-Hill
Luthe, Olivera y Schultz, Mtodos Numricos. Limusa
Mathews, J. y Fink, C.D. Mtodos Numricos con MATLAB, Prentice-Hall
Nakamura, S., Mtodos Numricos aplicados con Software. Prentice-Hall
Nieves A. y Domnguez F. Mtodos Numricos Aplicados a Ingeniera C.E.C.S.A.
Scraton, R.E., Mtodos Numricos Bsicos. McGraw-Hill
Smith J. y Walford, Mtodos Numricos Aplicados a la Computacin Digital. Representaciones y Servicios de
Ingeniera Editores.

219