Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Reglamento Nacional de Edificaciones
Reglamento Nacional de Edificaciones
29
PROBLEMA 2.1
b) Difusión en un cilindro
C 2C 1 C
D 2
t r r r
C 0, r C0
C t ,0
0
r
C t , R C0
donde: C ═ concentración r ═ dirección radial
t ═ tiempo D ═ constante
SOLUCIÓN
PROBLEMA 2.2
Clasifique las siguientes ecuaciones como lineales o no lineales (y ═ variable dependiente; x,z ═ variables
independientes)
a) y12 y22 a2
2
b) x y 2y
x z
SOLUCIÓN
a) No lineal
b) Lineal si x es independiente de y ; de otro modo será no lineal.
PROBLEMA 2.3
Clasifique los modelos de los problemas 2.1 y 2.2 como de estado estacionario o de estado no estacionario
SOLUCIÓN
2.1 a) Estado no estacionario
b) Estado no estacionario
Clasifique los modelos de los problemas 2.1 y 2.2 como de parámetros concentrados o de parámetros
distribuidos.
SOLUCIÓN
PROBLEMA 2.5
¿Qué tipo de modelo usaría usted para representar el proceso que se muestra en la figura? ¿De parámetros
concentrados o distribuidos? ¿De estado estacionario o de estado no estacionario? ¿Lineal o no lineal?
Figura P2.5
Un sistema de tratamiento de aguas residuales utiliza cinco secciones apiladas de Venturi para garantizar la
máxima eficiencia de oxigenación.
SOLUCIÓN
a) Un modelo de parámetros distribuidos sería el más adecuado. También es posible un modelo de flujo
pistón.
b) De estado estacionario (excepto en la puesta en marcha y parada).
c) Lineal
PROBLEMA 2.6
Líquido Vapor
Figura P2.6
Solución
31
Variables:
- Total de variables (2 corrientes + Q) : 2 C 2 1 2C 5
Restricciones:
- Balances de materia independientes : C
- Balance de energía : 1
Número de grados de libertad 2C 5 C 1 C 4
Especificaciones convencionales son las variables en la corriente de entrada (C+2) y la temperatura y presión
de la corriente de salida. En algunos casos, Q puede ser especificada en lugar de la temperatura de la
corriente de salida.
Trabjo de grados de libertad
PROBLEMA 2.7
Determine la mejor relación funcional para ajustar los siguientes juegos de datos:
(a) (b) ( c) (d)
xi Yi xi Yi xi Yi xi Yi
1 5 2 94,8 2 0,0245 0 8290
2 7 5 87,9 4 0,0370 20 8253
3 9 8 81,3 8 0,0570 40 8215
4 11 11 74,9 16 0,0855 60 8176
14 68,7 32 0,1295 80 8136
17 64,0 64 0,2000 100 8093
128 0,3035
SOLUCIÓN
a) Análisis
x y y/x
1 5 -
2 7 2
3 9 2
4 11 2
10
4
0 1 2 3 4 5
Aplicando regresión por el procedimiento de mínimos cuadrados, donde la suma de cuadrados de los
residuales es minimizada:
n
E (a bxi yi ) 2
i 1
En el mínimo todas las derivadas parciales, con respecto a las constantes elegidas son cero:
E n
E n
2(a bxi yi ) 0, 2 (a bxi yi ) 0
a i 1 a i 1
32
E n
E n
2 xi (a bxi yi ) 0, 2 xi (a bxi yi ) 0
b i 1 b i 1
Esto da un sistema de N ecuaciones, en N incógnitas (los coeficientes del modelo) a ser determinadas, que
escritas en forma matricial vienen a ser:
n
x a y
i i
xi x b x y
2
i i i
4 10 a 32
10 30 b 90
1
a 32 4 10 1,5 0,5
b 90 10 30 a b 32 90 3 2
0,5 0, 2
a 3
b 2
y 2x 3
b) Análisis
x y x log y log y log y x
2 94,8 1,9768 - - -
5 87,9 1,9440 -0,0328 3 -0,0109
8 81,3 1,9101 -0,0339 3 -0,0113
11 74,9 1,8745 -0,0356 3 -0,0119
14 68,7 1,8370 -0,0375 3 -0,0125
17 64,0 1,8062 -0,0308 3 -0,0103
Puesto que Δlog y/Δx es casi constante, una buena relación funcional es:
y a bx
log y log a x log b
A B
100
90 Función:
log y = -0,01152x+2,00088
R2 = 0,99943
80
y
70
60
0 2 4 6 8 10 12 14 16 18
x
Aplicando regresión por el procedimiento de mínimos cuadrados:
n
E ( A Bxi log yi ) 2
i 1
33
E n
E n
2( A Bxi log yi ) 0 2 ( A Bxi log yi ) 0
A i 1 A i 1
E n
E n
2 xi ( A Bxi log yi ) 0 2 xi ( A Bxi log yi ) 0
B i 1 B i 1
n
xi A log yi
2
xi xi B xi log yi
6 57 A 11,3485
57 699 B 105,9960
1
6 57
A B 11,3485 105,9960
57 699
0.73968254 0.06031746
11,3485 105,9960
0.06031746 0.00634921
A 2.00087778
B 0.01152222
a 10 100.20232
2.00087778
0.01152222
b 10 0.97381796
c) Análisis
x y logx logy Δ logx Δlogy Δ logx / Δ logy
2 0,0245 0,3010 -1,6108 - - -
4 0,0370 0,6021 -1,4318 0,3010 0,1790 1,6814
8 0,0570 0,9031 -1,2441 0,3010 0,1877 1,6040
16 0,0855 1,2041 -1,0680 0,3010 0,1761 1,7095
32 0,1295 1,5051 -0,8877 0,3010 0,1803 1,6696
64 0,2000 1,8062 -0,6990 0,3010 0,1888 1,5948
128 0,3035 2,1072 -0,5178 0,3010 0,1811 1,6620
Puesto que Δlog x/Δlog y es casi constante, una buena relación funcional es:
y axb
log y log a b log x
A B
34
0.35
0.3 Función:
y = 0,01606x^0,60519
0.25 R^2 = 0,99995
0.2
y
0.15
0.1
0.05
0
0 20 40 60 80 100 120 140
x
Aplicando regresión por el procedimiento de mínimos cuadrados:
n
E ( A B log xi log yi ) 2
i 1
E n
E n
2( A B log xi log yi ) 0 2 ( A B log xi log yi ) 0
A i 1 A i 1
E n n
2 log xi ( A B log xi log yi ) 0 2 log xi ( A B log xi log yi ) 0
B i 1 i 1
n
i i
log x A log y
i log xi
2
xi yi log xi log yi log xi log yi
1 2 0,024 5 0,301 0 0,090 6 -1,610 8 -0,484 9
2 4 0,037 0 0,602 1 0,362 5 -1,431 8 -0,862 0
3 8 0,057 0 0,903 1 0,815 6 -1,244 1 -1,123 6
4 16 0,085 5 1,204 1 1,449 9 -1,068 0 -1,286 0
5 32 0,129 5 1,505 1 2,265 5 -0,887 7 -1,336 2
6 64 0,200 0 1,806 2 3,262 3 -0,699 0 -1,262 5
7 128 0,303 5 2,107 2 4,440 3 -0,517 8 -1,091 2
Sumatorias 254 0,837 0 8,428 8 12,686 7 -7,459 3 -7,446 4
35
d) Análisis
x y Δx log y Δlog y Δlog y/Δx
0 8290 - 3,9186 - -
20 8253 20 3,9166 -0,001943 -9,713E-05
40 8215 20 3,9146 -0,002004 -1,002E-04
60 8176 20 3,9125 -0,002067 -1,033E-04
80 8136 20 3,9104 -0,002130 -1,065E-04
100 8093 20 3,9081 -0,002301 -1,151E-04
Puesto que Δlog y/Δx es casi constante, una buena relación fundamental es:
y a bx
log y log a x log b
A B
E n
( A Bxi log yi ) 0
A i 1
E n
log xi ( A Bxi log yi ) 0
B i 1
n
xi A log yi
2
xi xi B xi log yi
36
A 23, 4808353 0,52380952 0, 00714286
B 1173,31282 0, 00714286 0, 00014286
A 3,91867929
B 0, 00010413
a 10 8292,38181
3,91867929
0,00010413
b 10 0,99976025
log y log 8292,38181 x log 0,99976025
y 8292,381813 (0,99976025) x
8350
8300 Función:
y = -1,96429x + 8292,04762
8250 R2 = 0,99934
8200
y
8150
8100
8050
0 20 40 60 80 100
x
PROBLEMA 2.8
¿Cuál de los siguientes tres modelos representa mejor la relación entre ‘y’ y ‘x’?
y e x
2
y e 1x 2 x
y x
SOLUCIÓN
Primer modelo
y = eα+βx
ln y x
5 2
E xi ln yi
i 5
E 5
2 xi ln yi 0
i 5
E 5
2 xi xi ln yi 0
i 5
n xi ln yi
xi xi2 xi ln yi
37
n
x ln y
i i
xi x x ln y
2
i i i
i xi xi2 yi ln yi xi ln yi
1 10 100 1 0 0
2 20 400 1,26 0,23111172 4,62223442
3 30 900 1,86 0,62057649 18,6172946
4 40 1600 3,31 1,19694819 47,8779276
5 50 2500 7,08 1,95727391 97,8636954
Sumatorias 150 5500 14,51 4,00591031 168,981152
5 150 4, 00591031
150 5500 168,981152
1
5 150 4, 00591031 1,1 0, 03 4, 00591031
150 5500 168,981152 0, 03 0, 001 168,981152
0, 6629332
0, 0488038
y e 0 ,662 933 2 0 ,0488038x
R 2
i
y y
2
i
xi ln yi yi y
2 2
i
1 0,03058819 3,617604
2 0,00672923 2,696164
3 0,03261837 1,085764
4 0,00851418 0,166464
5 0,0324054 17,455684
Sumatorias E = 0,11085537 25,02168
E 0,11085537
y y 25, 02168
2
i
E 1 xi x ln yi
5
2
2 i
i 5
E
2 1 xi 2 xi2 ln yi 0
5
i 5
E
2 xi 1 xi 2 xi2 ln yi 0
5
1 i 5
E
2 xi2 1 xi 2 xi2 ln yi 0
5
2 i 5
38
n 1 xi 2 xi2 ln yi
xi 1 xi2 2 xi3 xi ln yi
xi2 1 xi3 2 xi4 xi2 ln yi
n
x x i
2
i
ln yi
xi x x 1 xi ln yi
2 3
i i
xi2 x x 3 4 2 xi2 ln yi
i i
Coeficiente de determinación:
y y E
2
R2 i
y y
2
i
x x ln yi yi y
2 2 2
i 1 i 2 i
1 9,05924E-06 3,617604
2 4,78954E-05 2,696164
3 7,29354E-06 1,085764
4 1,10216E-05 0,166464
5 4,45231E-06 17,455684
Sumatoria 7,97221E-05 25,021680
E 7,97221E 05
y y 25, 02168
2
i
E ln ln x ln yi
i 5
E 5
1
2 ln ln x ln yi 0
i 5
E 5
2 ln x ln ln x ln yi 0
i 5
n ln ln x ln yi
ln ln xi ln xi ln xi ln yi
2
n
ln x i ln ln yi
ln xi ln x ln xi ln yi
2
i
ln xi
2
i xi ln xi yi ln yi ln xi ln yi
1 10 2,30259 5,30190 1,00 0 0
2 20 2,99573 8,97441 1,26 0,23111172 0,69234884
3 30 3,40120 11,56814 1,86 0,62057649 2,11070313
4 40 3,68888 13,60783 3,31 1,19694819 4,41539758
5 50 3,91202 15,30392 7,08 1,95727391 7,65690055
Sumatorias 150 16,30042 54,75621 14,51 4,00591031 14,8753501
Coeficiente de determinación:
yi y E
2
R
2
yi y
2
ln ln x ln yi yi y
2 2
i
1 0,075630 3,617604
2 0,074502 2,696164
3 0,115065 1,085764
4 0,007428 0,166464
5 0,179214 17,455684
Sumatorias 0,451838 25,021680
E 0, 451 838
y y 25, 02168
2
i
40
Por lo tanto el segundo modelo representa mejor la relación “x” e “y”
2
y e0,04026650,00456761x 0,00088952x
PROBLEMA 2.9
Dados los siguientes datos de equilibrio para la distribución del SO3 en hexano, determinar un modelo
empírico lineal adecuado (en los parámetros) para representar los datos:
xi Yi
presión fracción peso
(psia) hexano
200 0,846
400 0,573
600 0,401
800 0,288
1000 0,209
1200 0,153
1400 0,111
1600 0,078
SOLUCIÓN
Graficando tenemos:
1
0.5
yi
0
0 500 1000 1500 2000
xi
Comparando la curva con la figura 2.6 (ver texto), esta se parece a la ecuación 5 (ver texto de E.H.L.).
En consecuencia requerimos tabular los datos, y luego plotear ln yi contra xi:
xi yi ln yi
200 0,846 -0,167236
400 0,573 -0,55687
600 0,401 -0,913794
800 0,288 -1,244795
1000 0,209 -1,565421
1200 0,153 -1,877317
1400 0,111 -2,198225
1600 0,078 -2,551046
41
0
0 500 1000 1500 2000
-0.5
-1
ln yi -1.5
-2
-2.5
-3
xi
Desde que los datos se ve que están sobre una línea recta después de la transformación, un buen modelo es:
ln y x ó y e x
8
E xi ln yi
2
i 1
8
E
2 xi ln yi 0
i 1
8
E
2 xi xi ln yi 0
i 1
n
xi ln yi
xi xi2 xi ln yi
Tabulando:
xi xi2 ln yi xi ln yi
200 40000 -0,167236 -33,4471839
400 160000 -0,55687 -222,747825
600 360000 -0,913794 -548,276311
800 640000 -1,244795 -995,835839
1000 1000000 -1,565421 -1565,42103
1200 1440000 -1,877317 -2252,78083
1400 1960000 -2,198225 -3077,51511
1600 2560000 -2,551046 -4081,67432
7200 8160000 -11.0747 -12777,6984
n
xi ln yi
2
xi xi xi ln yi
8 7200 11, 074
7200 8160000 12777, 698
X C Y
1
CX Y
1
8 7200 11, 074
7200 8160000 12777 , 698
0.60714286 0.00053571 11, 074
0.00053571 5.95238E 07 12777, 698
0.12126771
0.0016729
Por tanto: Y exp (0, 12127 0, 0016729 x)
42
PROBLEMA 2.10
a) Suponga que usted desea ajustar una curva de un conjunto de datos (que se muestra en la tabla) con la
ecuación:
y Co C1e3 x C2e3 x
xi yi
0 1
1 2
2 2
3 1
Calcular Co, C1 y C2. (muestre que sumatorias necesitan ser calculadas). ¿Cómo encontraría usted C1 y C2 si
Co se fija igual a cero?
SOLUCIÓN
3x 3 x
y Co C1e C2 e
4
2
E Co C1 e3 xi C2 e3 xi yi
i 1
4
E
Co
2 Co C1 e3 xi C2 e3 xi yi 0
i 1
4
E
C1
2 e3 xi Co C1 e3 xi C2 e3 xi yi 0
i 1
4
E
C2
2 e3 xi Co C1e3 xi C2 e3 xi yi 0
i 1
4 4 4
nC0 C1 e3 xi C2 e3 xi yi 0
i 1 i 1 i 1
4 4 4 4
C0 e3 xi C1 e6 xi C2 e3 xi e3 xi yi e3 xi 0
i 1 i 1 i 1 i 1
4 4 4 4
C0 e3 xi C1 e3 xi e3 xi C2 e3 xi e3 xi yi e3 xi 0
i 1 i 1 i 1 i 1
Se origina el siguiente juego de ecuaciones normales:
4 4 4
nC0 C1 e3 xi C2 e3 xi yi
i 1 i 1 i 1
4 4 4
Co e3 xi C1 e6 xi nC2 yi e3 xi
i 1 i 1 i 1
4 4 4
Co e3 xi nC1 C2 e6 xi yi e3 xi
i 1 i 1 i 1
Luego:
4 8527, 6 1, 0524 Co 6
8527, 6 65823128 4 C1 = 8951,11
1, 0524 4 1, 00248 C2 1,10466
X C Y
-1
C=X Y
-1
Co 4 8527, 6 1, 0524 6
C = 8527, 6 65823128 4 8951,11
1
C2 1, 0524 4 1, 00248 1,10466
Co 0.5581904 - 7.22798E - 05 - 0.58569793 6
C = -7.228E - 05 2.45517E - 08 7.57811E - 05 8951,11
1
C2 -0.58569793 7.57811E - 05 1.612087403 1,10466
Co 2.05516102
C = -0.0001302
1
C2 -1.05505412
E C1 e 3 xi C2 e 3 xi yi
i 1
4
E
C1
2 e3 xi C1 e3 xi C2 e3 xi yi 0
i 1
4
E
C2
2 e3 xi C1 e3 xi C2 e3 xi yi 0
i 1
4 4 4
e3 xi C1e3 xi C2e3 xi e3 xi yie3 xi 0
i 1 i 1 i 1
4 4 4
e3 xi C1e3 xi C2e3 xi e3 xi yie3 xi 0
i 1 i 1 i 1
Se origina el siguiente juego de ecuaciones normales:
4 4
C1 e6 xi nC2 0 yi e3 xi
i 1 i 1
4 4
C1n C2 e6 xi yi e3 xi
i 1 i 1
44
Que escrito en forma matricial viene a ser:
e6 xi n C1 e3 xi yi
n e6 xi C2 e3xi yi
n4
e6 xi e6(0) e6(1) e6(2) e6(3) 65 823128
e6 xi e6(0) e6(1) e6(2) e6(3)
1 0, 00247875 0, 000006144 0, 00000001523 1, 00248
b) Si la ecuación deseada fuera y a1 xea2 x , ¿cómo podría usted utilizar mínimos cuadrados para
encontrar a1 , y a2 ?
SOLUCIÓN
ln yi ln a 1 ln xi a2 xi
Sea ln a1 b1 , luego
n
E = b1 ln xi a2 xi ln yi
2
i 1
E n
2 b1 ln xi a2 xi ln yi 0
b1 i 1
E n
2 xi b1 ln xi a2 xi ln yi 0
a2 i 1
45
n n n n
b1 ln xi a2 xi ln yi 0
i 1 i 1 i 1 i 1
n n n n
xi b1 xi ln xi a2 xi2 xi ln yi 0
i 1 i 1 i 1 i 1
xi yi xi2 ln xi ln yi xi ln xi xi ln yi
0 1 0 0 0
1 2 1 0 0,6931472 0 0,6931472
2 2 4 0,6931472 0,6931472 1,3862944 1,3862944
3 1 9 1,0986123 0 3,2958369 0
6 6 14 1,7917595 1,3862944 4,6821312 2,0794415
4 -6 b1 -0, 405465
6 -14 a = -2, 60269
2
X C Y
-1
C=X Y
-1
b1 4 -6 -0, 405465
a = 6 -14 -2, 60269
2
b1 0.7 - 0.3 -0, 405465 0.4969815
a = 0.3 - 0.2 -2,60269 = 0.3988985
2
a2 0,3988985
b1 0, 4969815 ln a1
a1 1, 643752
Por lo tanto el modelo es: yi (1, 643752) xi e0,3988985 xi
46
PROBLEMA 2.11
Ajustar los siguientes datos utilizando el método de mínimos cuadrados con la siguiente ecuación:
y Co C1 x
x y
0,5 0,6
1 1,4
2,1 2
3,4 3,6
Compare los resultados con una estimación gráfica (visual).
SOLUCIÓN
y Co C1 x
E Co C1 xi yi
2
E
2 Co C1 xi yi 0
Co
E
2 xi Co C1 xi yi 0
C1
Co n C1 xi yi
Co xi C1 xi 2 yi xi
n
xi Co yi
xi xi 2 C1 xi yi
yi xi
xi yi xi yi xi xi yi xi
2 2
Co
n
xi n xi 2 xi
2
2
xi xi
n
yi
C1
xi xi yi n xi yi xi yi
n
xi n xi 2 ( xi )2
xi xi
2
Co =
yi xi 2 - xi yi xi = (7, 6)(17, 22) - (18,14)(7) = 0,195775
n xi2 - xi
2
4(17, 22) - (7) 2
n x i yi - x i yi 4(18,14) - (7)(7, 6)
C1 = = = 0,973843
n xi2 - xi
2 19,88
Por lo tanto los datos se ajustan a la siguiente ecuación : y = 0,195775 + 0,973843x
47
PROBLEMA 2.12
Ajustar los mismos datos del problema 2.11 usando un ajuste cuadrático. Repita para un modelo cúbico
y c0 c1 x c2 x 2 c3 x 3
. Grafique los datos y las curvas.
SOLUCIÓN
Ajustando los datos a la ecuación siguiente:
y c0 c1 x c2 x2
Con los datos del problema 2.11:
x y
0,5 0,6
1 1,4
2,1 2
3,4 3,6
Aplicando regresión:
n 2
E c0 c1 xi c2 xi2 yi
i 1
E
n
2 c0 c1 xi c2 xi2 yi 0
c0 i 1
E
n
2 xi c0 c1 xi c2 xi2 yi 0
c1 i 1
E
n
2 xi2 c0 c1 xi c2 xi2 yi 0
c2 i 1
n n n
nc0 c1 xi c2 xi2 yi
i 1 i 1 i 1
n n n n
c0 xi c1 xi2 c2 xi3 yi xi
i 1 i 1 i 1 i 1
n n n n
c0 xi2 c1 xi3 c2 xi4 yi xi2
i 1 i 1 i 1 i 1
n n
2 n
n x i xi yi
i 1 i 1
c0 i 1
n n n
3 n
xi x xi c1 yi xi
2
i
i 1 i 1 i 1
c i 1
n 2 2 n
2
n n
xi x yi xi
3
i xi4 C
i 1 i 1 i 1 i 1
X Y
1
CX Y
Tabulando datos:
xi yi xi2 xi3 xi4 yi xi yi xi2
0,5 0,6 0,25 0,125 0,0625 0,3 0,15
1 1,4 1 1 1 1,4 1,4
2,1 2 4,41 9,261 19,4481 4,2 8,82
3,4 3,6 11,56 39,304 133,6336 12,24 41,616
∑ 7 7,6 17,22 49,69 154,1442 18,14 51,986
48
4 7 17, 22 c0 7, 6
7, 6 17, 22
49, 69 c1 18,14
17, 22 49, 69 154,1442 c2 51,986
X C Y
1
c0 4 7 17, 22 7, 6
c 7, 6 17, 22 49, 69 18,14
1
c2 17, 22 49, 69 154,1442 51,986
c0 3, 03475404 3, 65853035 0,84034241 7, 6
c 3, 65853035 5, 24253131 1, 28127745 18,14
1
c2 0,84034241 1, 28127745 0,325643 51,986
c0 0,38443067
c 0, 68619756
1
c2 0, 07310653
Entonces la ecuación será:
y 0,38443067 0, 68619756x 0, 07310653x 2
4.0
3.5
3.0
2.5
2.0
y
1.5
1.0
0.5
0.0
0 1 2 3
x
n 2
E c0 c1 xi c2 xi2 c3 xi3 yi
i 1
E
n
2 c0 c1 xi c2 xi2 c3 xi3 yi 0
co i 1
E
n
2 xi c0 c1 xi c2 xi2 c3 xi3 yi 0
c1 i 1
E
n
2 xi2 c0 c1 xi c2 xi2 c3 xi3 yi 0
c2 i 1
E
n
2 xi3 c0 c1 xi c2 xi2 c3 xi3 yi 0
c3 i 1
n n n n
c0 n c1 xi c2 xi2 c3 xi3 yi
i 1 i 1 i 1 i 1
n n n n n
c0 xi c1 xi2 c2 xi3 c3 xi4 yi xi
i 1 i 1 i 1 i 1 i 1
49
n n n n n
c0 xi2 c1 xi3 c2 xi4 c3 xi5 yi xi2
i 1 i 1 i 1 i 1 i 1
n n n n n
c0 xi3 c1 xi4 c2 xi5 c3 xi6 yi xi3
i 1 i 1 i 1 i 1 i 1
n n n
3 n
n xi xi2 i x yi
i 1 i 1 i 1 i 1
n n n n c n
xi xi2 xi3 xi4 c0 yi xi
i 1 i 1 i 1 i 1 1 i 1
n n n n c n
x2 5 2 2
i 1
i xi3 xi4
i 1 i 1
xi c3 yi xi
i 1 i 1
n 3 n n n
6
C
n 3
xi xi4 xi5 xi yi xi
i 1 i 1 i 1 i 1 i 1
X Y
1
CX Y
Tabulando datos:
xi yi xi2 xi3 xi4 xi5 xi6 yi yi xi yi xi2 yi xi3
0,5 0,6 0,25 0,125 0,0625 0,03125 0,015625 0,6 0,3 0,15 0,075
1 1,4 1 1 1 1 1 1,4 1,4 1,4 1,4
2,1 2 4,41 9,261 19,4481 40,84101 85,766121 2 4,2 8,82 18,522
3,4 3,6 11,56 39,304 133,6336 454,35424 1544,80442 3,6 12,24 41,616 141,4944
Sumas 7 7,6 17,22 49,69 154,1442 496,2265 1631,58616 7,6 18,14 51,986 161,4914
X C Y
4 7 17,22 49,69 c0 7,6
7 17,22 49,69 154,1442 c1 18,14
17,22 49,69 154,1442 496,2265 c2 51,986
49,69 154,1442 496,2265 1631,58616 c3 161,4914
X-1 Y
17,3516294 -38,8965033 22,5533388 -3,71301046 7,6
-38,8965033 91,9733787 -54,7232443 9,13879309 18,14
22,5533388 -54,7232443 33,2556086 -5,63115768 51,986
-3,71301046 9,13879309 -5,63115768 0,9629508 161,4914
c0 -0,87156981
c1 3,77757817
c2 -1,83174584
c3 0,32573748
Entonces la ecuación será:
y 0,87156981 3, 77757817x 1,83174584x 2 0,32573748x3
4.0
3.0
2.0
y
1.0
0.0
0 0.5 1 1.5 x 2 2.5 3 3.5
50
PROBLEMA 2.13
b1 , b2 y c
Se le pide obtener las mejores estimaciones de los coeficientes en el siguiente modelo:
cx
y b0 b1e
Dados los siguientes datos:
yi xi
51,6 0,4
53,4 1,4
20 5,4
-4,2 19,5
-3 48,2
-4,8 95,9
Explique paso a paso cómo se podrían obtener los valores de los coeficientes.
SOLUCIÓN
E b0 b1e cx y
n 2
(1)
i 1
Entonces derivamos la ecuación (1) respecto a cada coeficiente, obteniendo:
E
2 b0 b1e cx y 0
n
(2)
b0 i 1
E
2 e cx b0 b1e cx y 0
n
(3)
b1 i 1
E
2b1 xe cx b0 b1e cx y 0
n
(4)
c i 1
Podemos ver que las ecuaciones obtenidas, no son explicitas, entonces se resolverá este sistema de
ecuaciones mediante un método numérico.
F1 b0 b1e cx y 0
n
i 1
F2 b0 e cx b1e 2 cx ye cx 0
n
i 1
F3 b0 xe cx b1 xe 2 cx yxe cx 0
n
i 1
n n n
b b e
i 1
0
i 1
1
cx
y 0
i 1
n n n
n n
n
b0 b1e yi
cxi
i 1 i 1 i 1
n n n
F b0e cxi b1e 2 cxi yi e cxi
i 1 i 1 i 1
n n n
cxi
b0 xi e b1 xi e yi xi e
cxi 2 cxi
i 1 i 1 i 1
51
Para utilizar el método de Newton-Raphson, requerimos la matriz del Jacobiano, obteniendo:
F1 / b0 F1 / b1 F1 / c n e cx b1 xe cx
F / b F / b F / c e cx cx
e b0 xe 2b1 xe xye
2 cx cx 2 cx
2 0 2 1 2
F3 / b0 F3 / b1 F3 / c xe cx
xe 2 cx
b 0 x 2 cx
e 2b1 x 2 2 cx
e x 2
ye cx
1ra. iteración
Para empezar con las iteraciones, tomamos valores iniciales obtenibles del ajuste utilizando el solver del
Excel:
b0 -5
x 0 = b1 = 50
c 1 0,1
Entonces calculamos los valores de las funciones F1 , F2 y F3 y las derivadas parciales:
x y F1 F2 F3 ecx b1 xe cx e2cx xecx xe2cx b0 xe cx .. b0 x 2 ecx ..
0,4 51,6 -8,56 -8,22 -3,28 0,96 -19,21 0,9231 0,384 0,3692 -15,174 -6,0690
1,4 53,4 -14,93 -12,98 -18,17 0,86 -60,85 0,7558 1,217 1,0581 -34,730 -48,623
5,4 20 4,13 2,41 13,01 0,58 -157,34 0,3396 3,146 1,8338 -104,716 -565,437
19,5 -4,2 6,31 0,89 17,51 0,14 -138,71 0,0202 2,774 0,3947 -37,2523 -726,418
48,2 -3 -1,59 -0,012 -0,62 8,07E-3 -19,44 6,51E-5 0,388 3,14E-3 0,4640 22,3641
95,9 -4,8 -0,19 -1,3E-5 -0,00 6,84E-5 -0,32 4,68E-9 0,006 4,48E-7 1,27E-3 0,1215
-14,83 -17,90 8,45 2,56 -395,89 2,03 7,918 3,6590 -191,401 -1324,06
El Jacobiano:
6 2, 3061 -342,1412
J = 2, 3061 1, 7970 -170, 5208
5, 4141 2, 5865 -715, 6298
3ra. Iteración
El Jacobiano:
6 2, 2008 -301, 5753
J = 2, 2008 1, 6958 -147, 0409
4, 6350 2, 2355 -524, 7072
La inversa del Jacobiano:
-1
6 2, 2008 -301,5753 0,3901 -0,3341 -0,1306
J = 2, 2008 1, 6958 -147, 0409 = -0,3290 1, 2169 -0,1519
-1
4, 6350 2, 2355 -524, 7072 0, 00204 0, 00223 -0, 00371
53
Los valores de los coeficientes de la función:
b0 -4, 9742 0, 3901 -0, 3341 -0,1306 0, 3485
b = 65, 0648 - -0, 3290 1, 2169 -0,1519 0,1324
1
c 3 0,1606 0, 00204 0, 00223 -0, 00371 1, 5895
b0 -4, 9742 -0,1158
b = 65, 0648 - -0,1950
1
c 3 0,1606 -0, 0049
b0 -4,8583
b = 65, 2598
1
c 3 0,1654
4ta. Iteración
El Jacobiano:
6 2,1785 -292, 7443
J = 2,1785 1, 6743 -141, 4646
4, 4858 2,1666 -487, 9038
En la cuarta iteración se vió que los valores de las funciones casi convergían a cero; calculando los mismos
para los valores de las constantes obtenidos, tenemos:
54
x y F1 F2 F3
0,4 51,6 4,6284 4,3316 1,733
1,4 53,4 -6,4978 -5,1526 -7,214
5,4 20 1,8240 0,7455 4,026
19,5 -4,2 1,9274 0,0762 1,485
48,2 -3 -1,8299 -6,22E-04 -0,0300
95,9 -4,8 -0,0521 -6,5E-09 -6,3E-07
0,00005 0,00003 0,00018
0,165 7 x
Por lo tanto la función es: y 4,8521 65, 2657e
Sumando las derivadas hallamos el error:
Error = 0,00005+0,00003+0,00018 = 0,00026
Comparando los datos experimentales con los datos obtenidos por la correlación vemos:
x y exp y calc.
0,4 51,6 56,2284
1,4 53,4 46,9022
5,4 20 21,8240
19,5 -4,2 -2,2726
48,2 -3 -4,8299
95,9 -4,8 -4,8521
60
50
40
30
y
20 y calculado
10
y experimental
-10
0 20 40 60 80 100 120
x
Con lo que podemos afirmar que el modelo obtenido es aceptable.
PROBLEMA 2.14
Ajuste la siguiente función para la densidad como una función de la concentración C, es decir; determine
el valor de en:
1,33C
dadas las siguientes mediciones para y C:
ρ (g/cm3) C (gmol/L)
3,31 1,01
4,69 1,97
5,92 3,11
7,35 4,00
8,67 4,95
55
SOLUCIÓN
Primer método: Generando una nueva relación lineal y usando mínimos cuadrados
1,33C
Dividiendo ambos miembros por C:
1,33
C C
1
1,33
C C
1
y 1,33 ; x
C C
y x
i C mol / L g / cm3 x 1
C y C 1,33 x y i i x 2
i
E yi xi
2
E n
2 yi xi xi 0
i 1
xi2 xi yi
xi yi 2,857 75051
1,978 133
x 2
i 1, 444 67056
1,978
i 1,33 Ci 0
i 1 i 1 i 1
n n
i 1
i n 1,33 Ci 0
i 1
n n
1,33 Ci i i 1,33 Ci
n 1,33 Ci i i 1 i 1
i 1 i 1
i 1 i 1 n n
56
Tabulando para obtener las sumatorias:
ρ (g/cm3) C (gmol/L)
3,31 1,01
4,69 1,97
5,92 3,11
7,35 4,00
8,67 4,95
∑ρ=29,94 ∑C=15,04
n n
i 1,33 Ci
29,94 1,33(15, 04)
i 1 i 1
1,9874
n 5
Entonces la ecuación es: 1,98 1,33C
Coeficiente de determinación:
i
i 1,33Ci i
2 2
ρ (g/cm3) i Ci (gmol/L)
1 3,31 1,01 0,000 131 7,171 684
2 4,69 1,97 0,008 421 1,684 804
3 5,92 3,11 0,037 804 0,004 624
4 7,35 4 0,002 690 1,855 044
5 8,67 4,95 0,011 743 7,193 124
∑ 5,988 0,060790 17,90928
y y E 17,90928 0, 060 790 0,996 606
2
R 2
i
y y
2
i
17,90928
PROBLEMA 2.15
a) Para la siguiente data, ajuste una función cuadrática de y contra x estimando los valores de todos los
coeficientes.
y x
6,4 1
5,6 1
6 1
7,5 2
6,5 2
8,3 3
7,7 3
11,7 4
10,3 4
17,6 5
18 5
SOLUCIÓN
a) Modelo cuadrático: y C0 C1 x C2 x 2
E C0 C1 xi C2 xi2 yi 0
n 2
i 1
57
E
2 C0 C1 xi C2 xi2 yi 0
n
C0 i 1
E
2 xi C0 C1 xi C2 xi2 yi 0
n
C1 i 1
E
2 xi2 C0 C1 xi C2 xi2 yi 0
n
C2 i 1
n
x i x i C yi
2
0
3
xi x x i C1 xi yi
2
i
4 C
xi x x 2 xi yi
2 3 2
i i
58
C0 8.24118812
C 2.92831683
1
C2 0.95247525
No, el diseño no es ortogonal, Se necesitan dos variables independientes para obtener un diseño ortogonal,
Nuestro problema sólo tiene una variable independiente “x”
PROBLEMA 2.16
SOLUCIÓN
El juego de ecuaciones normales para estimar los coeficientes b0 , b1 , y, b2 incluyendo ahora la variable falsa
x0 igual a la unidad, y la suma de cuadrados de los residuales que queremos minimizar, se obtienen por el
procedimiento ya presentado reiteradamente:
59
n
E b0 x0i b1 x1i b2 x2i yi
2
i 1
E n
2 b0 x0i b1 x1i b2 x2i x0i 0
b0 i 1
E n
2 b0 x0i b1 x1i b2 x2i x1i 0
b1 i 1
E n
2 b0 x0i b1 x1i b2 x2i x2i 0
b2 i 1
x0i2 x0i x1i x0i x2i x1i2 x1i x2i x2i2 x0i yi x1i yi x2i yi
1 160 1 25600 160 1 4 640 4
1 160 1 25600 160 1 5 800 5
1 160 7 25600 1120 49 10 1600 70
1 160 7 25600 1120 49 11 1760 77
1 200 1 40000 200 1 24 4800 24
1 200 1 40000 200 1 26 5200 26
1 200 7 40000 1400 49 35 7000 245
1 200 7 40000 1400 49 38 7600 266
x0i2 x0i x1i 0i x2i
x x1i2 x1i x2i x2i2 x0i yi x1i yi x2i yi
=8 =1 440 =32 =262 400 =5 760 =200 =153 =29 400 =717
Segundo método:
Según el texto de V. Kafarov “Cybernetic Methods in Chemestry & Chemical Engineering” 1ra. Ed. Pág.
.
.
bk
Como ya se dispone de información debidamente tabulada, procedemos a operativizar de inmediato el
algoritmo, utilizando el Excel:
1
1 160 1 4
1 5
160 1
1 160 7 10
b0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
b 160 160 160 160 160 160 160 160 1 160 7 11
1 1 200 1
160 160 160 160 160 160 160 160
b2 1 1 7 7 1 1 7 7 1 1 7 7 1 1 7 7 24
1 200 1
26
1 35
200 7
1 200 7 38
1
b0 8 1440 32 153 10.4722222 0.05625 0.05555556 153
b 1440 262 400 5760 29 400 0.05625 0.0003125 0 29 400
1
b2 32 5760 200 717 0.05555556 0 0.01388889 717
b0 91.3333333
b 0.58125
1
b2 1.45833333
PROBLEMA 2.17
SOLUCIÓN
n
E xi yi
2
i 1
n
dE
2 xi yi 0
d i 1
n n
n xi yi 0
i 1 i 1
1 n n
yi xi
n i 1 i 1
PROBLEMA 2.18
Un experimento factorial repetido en dos niveles se ejecuta produciendo la siguiente información (la variable
dependiente es el rendimiento):
61
Temperatura Rendimiento
Tiempo (h)
(ºC) (%)
1 240 24
5 240 42
1 280 3
5 280 19
1 240 24
5 240 46
1 280 5
5 280 1
Se trata de un problema de diseño experimental factorial 2 k replicado, con l =2 niveles en cada variable k; y
dos variables k 2 , Luego el número de observaciones es:
N =R l k número de experimentos
2
-El punto con coordenadas Z10 , Z 20 ,..., Z k0 es llamado el punto centro del diseño, o el nivel básico; Z j es
el intervalo de cambio sobre los ejes Z
-Es usual pasar de las coordenadas Z1 ; Z 2 ...Z k a un nuevo sistema a dimensional de coordenadas x1 , x2 ,...xk
mediante la ecuación de codificación:
Z j Z 0j
pj ; j 1, 2,...k .
Z j
-En el sistema coordenado adimensional, el nivel superior es +1 el nivel inferior es -1, las coordenadas del
punto central del diseño son cero y coinciden con el origen de coordenadas.
Matriz del diseño
Factores en escala Rendimiento
Factores en escala natural
adimensional %
Nº de Observación Z1 tiempo Z2 temperatura x1 x2 Y
1 1 240 -1 -1 24
2 5 240 +1 -1 42
3 1 280 -1 +1 3
4 5 280 +1 +1 19
5 1 240 -1 -1 24
6 5 240 +1 -1 46
7 1 280 -1 +1 5
8 5 280 +1 +1 21
62
donde:
1 5 5 1
Z10 3 ; Z 1 2
2 2
53 1 3
x1sup 1 ; x1inf 1
2 2
240 280 280 240
Z 20 260 ; Z 2 20
2 2
280 260 240 260
x2sup 1 ; x2inf 1
20 20
La matriz de diseño presentada en la tabla, es:
x0i x1i x2i Yi ,promedio
1 -1 -1 24
1 1 -1 44
1 -1 1 4
1 1 1 20
Nótese que la columna Y, se ha obtenido tomando los correspondientes promedios de los rendimientos
replicados.
Para Y 0 1 x1 2 x2
donde (Y= rendimiento, x1 = tiempo, x2 = temperatura), tenemos el siguiente sistema de ecuaciones
normales:
Aplicando la Ec. 220 del texto de Kafarov:
b0 1 / N 0 x0i yi x0i yi / N
b x y x y / N
1 1/ N 1i i 1i i
.
.......
B X T X X TY =
1 .
.......
. . ........ ........
.
. .......
.
. .......
bk 1 / N
xki yi xki yi / N
Como una consecuencia, cualquier coeficiente b j de la ecuación de regresión es definido por el producto
escalar de una columna Y por la respectiva columna x j dividida por el número de experimentos N de la
matriz de diseño; es decir:
1 N
b j x ji yi ( II 221)
N i 1
Aplicando la ecuación anterior, en base a la información tabulada y adecuando la notación a los coeficientes
de nuestro modelo, tenemos directamente:
N N
1 1 92
0
N
x
i 1
0i yi p0
N
x
i 1
0i yi p0
4
23
1 N 1 N 36
1 x1i yi p1 x1i yi p1 9
N i 1 N i 1 4
1 N
1 N 44
2 x2i yi p2 x2i yi p2 11
N i 1 N i 1 4
Luego: Y 23 9 p1 11 p2
x1 3 x2 260
Pero p1 ; p2
2 20
x 3 x2 260
Y 23 9 1 11 20
2
Y 23 4,5 x1 13,5 0,55 x2 143
de donde se obtiene el modelo de primer orden solicitado: Y 152,5 4,5x1 0,55x2
63
Segundo método:
n
E 0 x0i 1 x1i 2 x2i Yi
2
i 0
E n
2 x0i 0 x0i 1 x1i 2 x2i Yi 0
0 i 0
E n
2 x1i 0 x0i 1 x1i 2 x2i Yi 0
1 i 0
E n
2 x2i 0 x0i 1 x1i 2 x2i Yi 0
2 i 0
n n n n
0 x02i 1 x0i x1i 2 x0i x2i Yi x0i 0
i 0 i 0 i 0 i 0
n n n n
0 x02i 1 x0i x1i 2 x0i x2i Yi x0i
i 0 i 0 i 0 i 0
n n n n
0 x0i x1i 1 x12i 2 x1i x2i Yi x1i
i 0 i 0 i 0 i 0
n n n n
0 x0i x2i 1 x1i x2i 2 x2i 2 Yi x2i
i 0 i 0 i 0 i 0
Luego aplicando la Ec. 220 del texto de Kafarov (la igualdad intermedia) que considera el sistema de
ecuaciones normales, que se presenta líneas arriba, llegando a esta ecuación. Adicionalmente la matriz de
diseño presentada en el primer método, tiene las siguientes propiedades:
N
x
i 1
ui .x ji 0 u j u , j 0,1,...., k (i)
N
x
i 1
ji 0 j 1, 2,...., k j0 (ii)
N
x
i 1
2
ji
N j 0,1,..., k (iii)
64
b0 1 / N 0 x0i yi x0i yi / N
b x y x y / N
1 1/ N 1i i 1i i
.
.......
B X T X X TY =
1 . .......
. . ........ ........
.
. .......
.
. .......
bk 1 / N xki yi xki yi / N
1
0, 25 0 0 92 0, 25 0 0 92
B 0
0, 25 0 36 0
0, 25 0 B 36
0 0 0, 25 44 0 0 0, 25 44
4 0 0 0 92
0 4 0 36
1
0 0 4 2 44
4 0 92 4 1 36 4 2 44
0 23 1 9 2 11
Luego: Y 23 9 p1 11 p2
x 3 x 260
Pero p1 1 ; p2 2
2 20
x 3 x 260
Y 23 9 1 11 2 Y 152,5 4,5 x1 0,55 x2
2 20
PROBLEMA 2.19
Temperatura 45
Codificación : x1 x2 Tiempo 2
30
-----------------------------------------------------------------------------------------------------------------
Ajustar un modelo de segundo orden (cuadrático), a los datos.
SOLUCIÓN
65
Rendimiento (%) x1 x2 w
96 1 0 1
78,7 0,5 0,866 1
76,7 -0,5 0,866 1
54,6 -1 0 1
64,8 -0,5 -0,866 1
78,9 0,5 -0,866 1
91,8 0 0 4
E 7
2 wi (C0 C1 x1i C2 x2i C3 x12i C4 x22i C5 x1i x2i Yi ) 0
C0 i 1
E 7
2 wi x1i (C0 C1 x1i C2 x2i C3 x12i C4 x22i C5 x1i x2i Yi ) 0
C1 i 1
E 7
2 wi x2i (C0 C1 x1i C2 x2i C3 x12i C4 x22i C5 x1i x2i Yi ) 0
C2 i 1
E 7
2 wi x12i (C0 C1 x1i C2 x2i C3 x12i C4 x22i C5 x1i x2i Yi ) 0
C3 i 1
E 7
2 wi x22i (C0 C1 x1i C2 x2i C3 x12i C4 x22i C5 x1i x2i Yi ) 0
C4 i 1
E 7
2 wi x1i x2i (C0 C1 x1i C2 x2i C3 x12i C4 x22i C5 x1i x2i Yi ) 0
C5 i 1
wi w x i 1i w x i 2i w x 2
i 1i w x 2
i 2i w x xi 1i 2 i
CO wiYi
wi x1i w x w x x w x w x x w x x C1 wi x1iYi
2 3 2 2
i 1i i 1i 2 i i 1i i 1i 2 i i 1i 2i
wi x2i w x x w x 2
w x x 2
w x 3
w x x 2 C2 wi x2iYi
i 2 i 1i i 2i i 2 i 1i i 2i i 1i 2 i
wi x1i w x w x x w x w x x w x x C3 wi x1iYi
2 3 2 4 2 2 3 2
i 1i i 1i 2 i i 1i i 1i 2 i i 1i 2 i
C w x2 Y
i 2i w x x w x w x x w x w x x 4 i 2i i
w x2 i 1i 2 i
2 3
i 2i
2 2
i 1i 2 i
4
i 2i
3
i 1i 2 i
66
Para operativizar el cálculo preparamos la siguiente tabla:
wiYi wi x1iYi wi x2iYi wi x1i 2Yi wi x2i 2Yi wi x1i x2 iYi wi x1i 2 x2i 2 wi x2i 4
96 96 0 96 0 0 0 0
78,7 39,35 68,1542 19,675 59,0215372 34,0771 0,187489 0,562434
76,7 -38,35 66,4222 19,175 57,5216252 -33,2111 0,187489 0,562434
54,6 -54,6 0 54,6 0 0 0 0
64,8 -32,4 -56,1168 16,2 48,5971488 28,0584 0,187489 0,562434
78,9 39,45 -68,3274 19,725 59,1715284 -34,1637 0,187489 0,562434
367,2 0 0 0 0 0 0 0
817 49 10 225 224 -5 1 2
Coeficiente de determinación:
1 1 0 1 96 18,7836 347,556 1
2 0,5 0,866 1 78,7 22,7687 1,803 3
3 -0,5 0,866 1 76,7 27,3670 0,431 8
4 -1 0 1 54,6 19,3600 517,887 6
5 -0,5 -0,866 1 64,8 11,7930 157,681 8
6 0,5 -0,866 1 78,9 9,7900 2,380 4
7 0 0 4 91,8 0,1600 208,5961
y 77,357 110,022 3 1236,337 1
y y E 1236,3371-110,0223 0,911 0
2
R2 i
y y
2
i
1236,3371
PROBLEMA 2.20
Un reactor convierte un compuesto orgánico al producto P por calentamiento del material en presencia de un
aditivo de A. El aditivo puede ser inyectado dentro del reactor, y el vapor puede ser inyectado dentro de un
serpentín de calentamiento para proporcionar calor al reactor. Alguna conversión puede obtenerse por el
calentamiento, sin adición de A, y viceversa, Con el fin de predecir el rendimiento de P, Yp, (lbmol de
producto por cada lbmol de alimentación), como función de la fracción molar de A, XA, y de la adición del
vapor S (en lb/lbmol de alimentación), se obtuvieron los siguientes datos:
Yp XA S
0,2 0,3 0
0,3 0 30
0,5 0 60
SOLUCIÓN
a) Modelo lineal
Y p c0 c1 X A c2 S
Yp Rendimiento de P, lbmol producto/lbmol de alimentación
XA Fracción molar de A,
S Adición de vapor (lb/lbmol alimentación)
E c0 c1 X Ai c2 Si Ypi
n
2
i 1
E
2 c0 c1 X Ai c2 Si Ypi 0
n
c0 i 1
E
2 c0 c1 X Ai c2 Si Ypi X Ai 0
n
c1 i 1
E
2 c0 c1 X Ai c2 Si Ypi Si 0
n
c2 i 1
Yp XA S X A2 X AS S2 X AY p SY p
0,2 0,3 0 0,09 0 0 0,06 0
0,3 0 30 0 0 900 0 9
0,5 0 60 0 0 3600 0 30
Yp 1,0 X A =0,3 S 90 X A 0,09
2
X AS 0 S 4 500
2
X AYp 0,06 SYp 39
3 0,3 90 c0 1,0
0,3 0,09 0 c1 0,06
90 0 4500 c2 39
1
c0 3 0,3 90 1, 0
c 0,3 0, 09 0 0, 06
1
c2 90 0 4500 39
69
c0 5 16, 67 0,1 1, 0
c 16, 67 66, 67 0,3333 0, 06
1
c2 0,1 0,33 0, 0022 39
De aquí:
c0 0,1 c1 0,3333 c2 0,00667
b) Se requiere que el modelo siempre deba ajustar YP = 0, para XA = S = 0. En tal caso es evidente que c0 =
0, y el modelo se reduce a:
Y p c1 X A c2 S
E c1 X A c2 S Y p
2
Luego:
E
2 X A c1 X A c2 S Y p 0
c1
E
2 S c1 X A c2 S Y p 0
c2
Sistema de ecuaciones normales:
c1 X A2 c2 X AS X AY p
c1 SX A c2 S 2 SY p
Notación matricial:
X A2 X AS c1 X AY p
2
SX A S SY p
c2
Yp XA S X A2 X AS S2 X AY p SY p
0,2 0,3 0 0,09 0 0 0,06 0
0,3 0 30 0 0 900 0 9
0,5 0 60 0 0 3600 0 30
Y p 1,0 X A
=0,3 S 90 X A 0, 09
2
X AS 0 S 2 4500 X AYp 0, 06 SY p 39
0, 09 0 c1 0, 06
0
4500 c2 39
1
c1 0, 09 0 0, 06
c 0 4500 39
2
c1 11,111111 0 0, 06
c 0, 00022 39
2 0
De aquí:
c1 0, 667 c2 0, 008667
PROBLEMA 2.21
Si usted añade una corriente de alimentación a la etapa de equilibrio mostrada en la figura, determine el
número de grados de libertad para una mezcla binaria (Q = calor transferido),
70
SOLUCIÓN
Comentario previo: Según la figura P2.21 se observa que la etapa 1 es la etapa del fondo (este criterio
contradice el criterio para contabilizar el número de las etapas de una columna de algunos autores, como
Treybal por ejemplo).
Asumamos que la alimentación es una corriente de una sola fase.
Total variables (5 corrientes + Q) = 5 (C+2) + 1
= 5C + 11
Restricciones:
Balances de materia independientes : C
Balance de energía :1
Relaciones de equilibrio :C
T la misma en cada fase :1
P la misma en cada fase :1
2C 3
Número de grados de libertad = Total de variables –Total restricciones
5C 11 2C 3
3C 8
PROBLEMA 2.22
¿Cuántas variables deben ser seleccionadas como variables independientes para el horno mostrado en la
figura?
SOLUCIÓN
Las tres presiones y una variable extensiva, deben ser especificadas, ya sea la alimentación, el aire o la
velocidad de flujo del gas de combustión, La última variable podría ser la relación CO/CO2.
PROBLEMA 2.23
Las variables dentro de círculo tienen valores conocidos. Los parámetros de reacción en el reactor son
conocidos como la fracción separada en el separador entre F4 y F5. Cada corriente presenta una sola fase.
SOLUCIÓN
PROBLEMA 2.24
Una caldera de recuperación (ver Fig. P2.24) debe ser diseñada para la operación en estado estable bajo las
siguientes especificaciones: 72
Pitch: distancia de separación entre tubos en el intercambiador
Basar la optimización sólo en el costo del casco, tubos y costos de bombeo para el gas. Ignore el
mantenimiento y reparaciones.
Formular el problema de optimización usando solamente la siguiente notación (según sea necesario):
A área de la superficie de los tubos, m 2
Cs costo del casco, $
Ct costo de tubos, $
Cpi capacidad calorífica del gas, kcal kg C
o
SOLUCIÓN
Función objetivo:
Minimizar el costo total por año:
Ctot = (Cs + Ct )r + Cop
o minimizar el valor presente del costo total
N
Ctot = Cs + Ct + Cop F
i=1
donde: r: factor de recuperación del capital
F: factor de descuento
Sujeto a:
Cs = 2,5Ws
Ws = πDzLs ρs
volumen del acero
74
días 24horas h
350 x 8400
año 1dia año
Electricidad $ 0.6/kwh
Wg 25000 kg / h
1, 5V 2 g fLsV 2 g
Pg
2 gc 2 gc di
f 0, 023
4 Wg
Y
3600 g di 2 n
Q U o Ao Tml
Q Wg Cp(T2 T1 )
U o 0, 95hio
d
hio hi i
do
hio do hi di
0.4
0.8
hi di 3600 gVdi Cp
Nu 0, 023
k k
Re
Pr
Cp 0, 24 kcal / kg º C
0, 14 kg / mh
k 0, 053 kcal / mh º C
(To T1 ) (To T2 )
Tml
T T1
ln o
To T2
T1 1200º C
T2 350º C
75