Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INGENIERÍA QUÍMICA
Universidad de Antioquia
Medellín
Marzo de 2009
MATEMÁTICAS APLICADAS EN
INGENIERÍA QUÍMICA
Por
Universidad de Antioquia
Medellín
Marzo de 2009
TABLA DE CONTENIDO
PROLOGO
CAPÍTULO I
Modelación Matemática De Sistemas En Ingeniería Química
CAPÍTULO II
Diferencias Finitas y Ecuaciones de Diferencia
CAPÍTULO IV
Optimización
CAPÍTULO V
Interpretación de Datos Experimentales
En su ejercicio profesional, un ingeniero tiene que resolver los problemas con los
conocimientos existentes o sin ellos. Cuando se dispone de una aproximación
teórica para dar cuenta de los fenómenos que subyacen en los sistemas que
interviene el ingeniero, la matemática le ofrece un lenguaje simbólico para
construir un modelo o sistema sustituto con el cual se puede obtener información
sobre el comportamiento del sistema real. Pero también la matemática le provee
al ingeniero herramientas y métodos para resolver los modelos matemáticos
fenomenológicos y generar modelos matemáticos a partir de datos empíricos
obtenidos directamente de la experimentación de prototipos o de la operación de
sistemas reales.
i
de ecuaciones no lineales, de sistemas lineales y no lineales, interpolación y
aproximaciones, diferenciación, integración y solución de ecuaciones
diferenciales. La optimización no lineal con aplicaciones en ingeniería química es
tratada en el cuarto capítulo; se trabaja con funciones objetivo univariable y
multivariable, ambas con restricciones y sin ellas. En el capítulo final se aborda
el tratamiento estadístico de datos experimentales, de gran importancia en
ingeniería química, especialmente para conocer con determinada certeza la
validez de los datos obtenidos experimentalmente.
ii
1
CAPÍTULO I
TABLA DE CONTENIDO
CAPITULO I.
MODELACIÓN MATEMÁTICA DE SISTEMAS EN INGENIERÍA
QUÍMICA
Son muchos los objetivos posibles del análisis, los cuales pueden estar asociados
a problemas o necesidades como:
¿Qué tipo de equipo y qué tamaño es necesario para una operación unitaria?.
Las variables fundamentales son los atributos más generales de la materia que
sufren cambios dentro del sistema, para los cuales existen principios de
conservación. Los sistemas objeto de estudio de la ingeniería química involucran
procesos en los que la materia sufre transformaciones físicas, químicas o
bioquímicas para la modificación de su naturaleza, composición o contenido
energético. Por lo tanto, los atributos que se usan como variables fundamentales
para estos sistemas son la masa, la energía y la cantidad de movimiento; ya que
los cambios de estas variables son los que informan sobre el comportamiento de
dichos sistemas. Y son estos atributos generales los que permiten caracterizar los
sistemas o informar sobre su estado y trayectorias evolutivas en su
comportamiento.
Representación
esquemática del sistema
Selección de las
variables fundamentales
Selección de un volumen
de control apropiado
El volumen de control es una región del sistema que se elige para hacer la
contabilidad de las variables fundamentales mediante los principios de
conservación y generar así las ecuaciones básicas del modelo.
Un volumen de control apropiado en una fase puede elegirse por ensayo y error,
cuando no se tiene experiencia en el proceso de modelación matemática. Se
considera apropiado un volumen de control elegido, comprobando que
efectivamente las variables características especificadas para esta verificación
tengan, en un instante dado, el mismo valor en cualquier punto dentro del
volumen de control. Cuando alguna de esas variables características no cumpla
esta condición en el volumen de control, debe elegirse otro, hasta que se cumpla
la condición de constancia en los valores de ellas.
nA,x nA,x+dx
dy
y nA,y
x dx
F2, z2, T2
(d)
(a)
R
F + dF,
F, c, T c + dc,
T + dT
(b)
z dz
nA,r+dr
dr
nA,r
r R
nA,z nA,z+dz
(c)
z dz
Estas relaciones son específicas para los sistemas. Entre estas relaciones se
tienen, por ejemplo, una ecuación de estado, relaciones termodinámicas, una
ecuación que relaciona una propiedad como la conductividad térmica o la
viscosidad con variables características como la concentración y la temperatura,
una ecuación de velocidades de reacción, o ecuaciones para la densidad de
transferencia de masa, de transferencia de energía en forma de calor, o de
transferencia de cantidad de movimiento.
Hay que tener precaución en la elaboración del modelo de que sólo aparezcan
sistemas de ecuaciones linealmente independientes.
Ejemplo 1:
Fv
Po
Cv2
Vapor Pv
de
s
agua mv
Control
presión
T
Ts h
FL mH2O
Cv1
13
Para la masa las variables características son los flujos másicos, la densidad del
líquido y la densidad del vapor; y para la energía la presión, la temperatura y el
nivel del líquido.
Volúmenes de control
Los volúmenes de control apropiado son tres (tantos como fases hay presentes en
el sistema): el volumen de la fase líquida, el volumen de la fase de vapor del
líquido y el volumen del vapor en la chaqueta de calentamiento. En los tres
volúmenes de control se cumple la constancia de las variables características,
densidad y temperatura; solo la presión tiene variación en la fase líquida, pero se
considerará despreciable esta variación para efectos de la selección del volumen
de control.
Conservación de masa
d
FL mv mL Fase líquida (1)
dt
mv FV m G
d
Fase gaseosa (2)
dt
Conservación de energía
d
q FL H Lo mv HV HTL Fase líquida (3)
dt
14
Como existen nueve variables dependientes (FL, mV, mL, FV, mG, q, HLo, HV, HTL)
en las ecuaciones básicas y solo cuatro ecuaciones, el modelo debe completarse
con ecuaciones específicas para el sistema:
D2
mL h l (4)
4
m RT
PV VG G (5)
M
D 2
VG Vo h (6)
4
FL CV1 PL P (7)
FV CV2 PV Po (8)
P PV L gh (9)
H L C PL (T To ) (10)
HV CPL (T To ) (11)
HTL mL H L (12)
q UAT (Ts T ) (13)
AT Dh (14)
Bo
ln Ps Ao (15)
Ts Co
H Lo C pLo (T1 To ) (16)
C PL a bT (17)
B0 (18)
ln PV A0
T C0
CPLo a bTo (19)
0.38
T
k 1 (20)
Tc
0.38
T
H 2 O k H 2 O 1 s (21)
TcH O
2
q m H 2O H 2O (22)
Ejemplo 2:
yi
Control
presión
TJ T
Q xi
h
Volúmenes de Control
Conservación de masa:
dmt
0 V Fase líquida (1)
dt
d
0 m A Vy A (2)
dt
d
0 mB Vy B (3)
dt
Conservación de energía:
d
Q HTL VHV Fase líquida (4)
dt
Como existen 9 variables dependientes (V, mA, mB, mt, yA, yB, HL, HV, Q) en las
ecuaciones básicas y sólo cuatro ecuaciones, el modelo debe completarse con
ecuaciones específicas para el sistema:
D 2 h
mt (5)
4 M
m A mt x A (6)
mB mt x B (7)
1 wA w w
0 0B 0C (8)
A B C
M x A M A xB M B xC M C (9)
18
xAM A
wA (10)
M
xB M B
wB (11)
M
xC M C
wC (12)
M
x A x B xC 1 (13)
HV yi i C pL i T Tr (14)
PA0 x A
yA (15)
P
0
PB x B
yB (16)
P
0
PC xC
yC (17)
P
y A y B yC 1 (18)
AA
ln PA0 AA (19)
T CA
BB
ln PB0 AB (20)
T CB
BC
ln PC0 AC (21)
T CC
CPLA aA bAT (22)
CPLB aB bBT (23)
CPLC aC bCT (24)
0.38
T
A k A 1
(25)
TC A
0.38
T
B k B 1 (26)
TC
B
0.38
T
C k C 1 (27)
TC
C
HTL mL H L (28)
H L xiCPiLT Tr (29)
19
Q 5000TJ T (30)
Tso
Fs
TTi FT TTo
TSi
Vo
P
F1 T
mG
q
VL
Lo
1.4. Bibliografía
Franks, R., "Modeling and simulation in Chemical Engineering", John Wiley &
Sons, New York, 1972.
Husain, A.,“Chemical process simulation”, John Wiley & Sons, New York, 1986.
Rice, R., Duong, D., “ Applied mathematics and modeling for chemical engineers”,
Wiley, New York, 1995.
Smith, C., Pike, R., Murril, P., "Formulación and optimización of mathematical
models", International texbook Company, Scranton,1970.
TABLA DE CONTENIDO
CAPITULO II.
DIFERENCIAS FINITAS Y ECUACIONES DE DIFERENCIAS
f x f x h f x
Ejercicio 1:
2 x 2 3x 2 x h 3 x h 2 x 2 3x
2
2 x 2 4 xh 2h 2 3x 3h 2 x 2 3x
4 xh 2h 2 3h
2 f x f x 2h 2 f x h f x
2 f x f x f x h f x
f x h f x f x 2h f x h f x h f x
f x 2h 2 f x h f x
n
f x nh - f x n 1h ... 1 f x
n
1
n f x n 1 f x n 2 f x
n 2 veces f x
Ejercicio 2:
r 3
3 x 4 1 1 f x 3 r h , f x x 4 1
3
r 0 r
3 3 3 3
f x 3h f x 2h f x h f x
0 1 2 3
3! 3! 3! 3!
f x 3h f x 2h f x h f x
3!0! 2!1! 1!2! 0!3!
25
f x 3h 3 f x 2h 3 f x h f x
f x x4 1
x 3h 1 3 x 2 h 1 3 x h 1 x 4 1
4 4 4
24 xh 36 h
3 4
1. f x g x f x g x
f x g xf x f xg x
4.
g x g x g x h
d Lim
Como D , se puede observar que si las relaciones anteriores
dx x 0 x
se dividen por x y se toma el límite cuando x 0 , se obtienen las reglas de
diferenciación homólogas.
Ejercicio 3:
f x Dg x g x Df x
D f x g x
1. C 0
2. b x b x bh 1
3. e e e 1
rx rx rh
4. senrx 2sen rh cos r x h
2 2
5. cosrx 2sen rh sen r x h
2
2
6. ln x ln 1 h
x
7. log b x log b 1 h x
Si se dividen estas relaciones por x h y se toma límite cuando x 0 se
obtienen las correspondientes derivadas.
Ejercicio 4:
rx
Encuentre la regla para la derivada de la función e a partir de la regla 3 en la
sección 2.2. (diferencia de funciones especiales).
Lim e rx
de rx
Lim rx e rh 1 L' Hôpital
e
Lim rx rh
e .re
x 0 x dx h 0 h h0
= re rx D e rx
Ejercicio 5:
3
Halle la diferencia del monomio factorial 10x
10 x 3 3.10.x 2 h 30hxx h
27
f x m 1
f x h f x 2h ... f x mh
f x 0 1
cuando h 0 : f x f x
m m
f x m f x m
Ejercicio 6:
2 2
Expanda como productos de factores las funciones x x y x x
2 2
x2 2
x 2
x x x h x h
2
x 2
x 2
1 x h x h x 2h x 2h
2 2
En el caso particular en que f(x) = x, entonces se obtiene el monomio factorial:
1 1
x m
x hx 2h...x mh x mhm
Las funciones factoriales se convierten en monomios cuando el desplazamiento
se hace cero:
h 0 : x m x m
x m x m
Ejercicio 7:
3
Exprese como un producto de factores x y x 3
donde
Ejercicio 8:
3
Encuentre el polinomio equivalente para x
x 3 x 3 3x 2 h 2 xh2
29
x m mxm1h
a0 x p a1 x p1 ...a p
donde
S mm 1; S km 0 para k 0, k m 1, m 0
30
Ejercicio 9:
3
Encuentre el polinomio factorial equivalente para x
x 3 x 3 3x 2 h x 1h 2
Ef x f x h
Ejercicio 10:
Encuentre el valor de E 4 x x 2
E 4 x x 2 4 x h x h
2
4 x 4h x 2 2 xh h 2
E n f x f x nh
Se puede demostrar que:
E 1
Ef x = ehD f x
31
f a x a
2
Serie de Taylor: f x f a f a x a ...
2!
f x h 2
Si a x h f x h f x f x h ...
2!
d 2 f x
Si se reemplaza f x Df x , f ' ' x D 2 f x ,
df ( x)
2
dx dx
2
h
f x h f x hDf x D 2 f x
2!
como : Ef x f x h
h 2 D 2 h3 D3
entonces, Ef x 1 hD ... f x
2! 3!
x 2 x3
Desarrollo de la función exponencia l : e x 1 x ...
2! 3!
Ef(x) = e hD f x
1 2 3
n n n n
n f ( x ) E n E n1 E n2 E n3 ... 1 f x
1 2 3
n
E n f x E n1 f x ... 1 f x
n
1
n
n f x f x nh f x n 1h ... 1 f x
n
1
r n
n
-1 f x n r h
r 0 r
Ejercicio 11:
3 x 4 1 E 1 x 4 1
3
E 3 3E 2 3E 1 x 4 1
x 3h 1 3 x 2h 1 3 x h 1 x 4 1
4 4 4
24 xh3 36h 4
xo x1 x2 x3 xn
x a a+h a+2h a+3h a+nh
k 0 1 2 3 n
yk y0 y1 y2 y3 yn
yk yk 1 yk
yk yk 1
33
En general:
r n n n
n
n y k 1 y n k r y n k y n k 1 ...
r 0 r 0 1
E n yk y k n
1 hf x f x h c x
1 f x f x c1 x
donde c(x) y c1(x) son constantes periódicas, tal que c(x+h) = c(x).
1. f x g x f x g x
2. f x f x
3. f x g x f x g x g x hf x
Estas fórmulas se podrían escribir usando 1 en vez de Σ. Las dos primeras
indican que Σ o 1 es un operador lineal.
34
x en notación suscrita
1
k
1. 1 ,
h
x m1 k m1
2. x m
m 1h m 1;
1
en notación suscrita k m
m 1
px q
m1
3. px q m 1 ph
m
; m 1
bx
4. b b h 1
x
e rx
5. e e rh 1
rx
cos r x h 2
6. senrx
2sen rh 2
senr x h
2
cos rx
2
7.
2sen rh
a nh a n 1h
f x f a f a h ... f a nh 1 f x a
a
35
Ejercicio 12:
8
Resuelva la siguiente suma: 2 x 4 , h 2
2
2 x 5 2 x 5
10 10
10 2 5 10 8 6 4 2 2 0 2 4 6
1 5 1
8
4
2x
2 5h 2
10 2
5 5
3840
768
5
Prueba:
2 x 4 22 4 4 4 6 4 8 4
8
2
Por analogía con una ecuación diferencial, una ecuación diferencia es una
relación de la forma
y 2 y n y
F x, y , , 2 ,..., n 0
x x x
o también:
G x, f x, f x h,..., f x nh 0
en notación suscrita:
H k , yk , yk 1 ,..., yk n 0
36
donde:
H k , yk , yk , 2 yk ,..., n y k 0
Ejercicio 13:
3 5 2 6 3
Una solución general en una ecuación diferencia de orden n es una solución que
tiene n constantes arbitrarias. Una solución particular es una solución obtenida a
37
2 y y
Por ejemplo, la ecuación 3 2 y 4 x 2
x 2
x
ó
f x 2h 3h 2 f x h 2h 2 3h 1 f x 4h 2 x 2
yk 2 3h 2 yk 1 2h 2 3h 1 yk 4h 2 x 2
2x
C1 x 2 4hsen
h
2x
C2 x 5 h 2 1 cos
h
donde a0 k 0
a k
0
n
a1 k n1 ... an k yk Rk
38
yk R k
donde el operador lineal está dado por:
Ejercicio 14:
E 3
5E 2 6 E 3 y k 0
2k 1 2
3k 4 yk 4k 2 3k
yk yk 1 yk21
Rk 0
y k 0
yk R k
39
yk C1 f 1 k C2 f 2 k ...Cn f n k
Ejercicio 15:
f1 k 2 k , f 2 k 4 k
f1 0 f 2 0 1 1
42 2 0
f 1 1 f 2 1 2 4
a
0
n
a1 n1 ...an yk 0
a0 r n k a1r n k 1 ...an r k 0
40
a r
0
n
a1r n1 ...an r k 0
r 0
Esta ecuación tiene n raíces que pueden ser o no diferentes. De esta forma la
ecuación homogénea se puede escribir:
a0 r1 r2 ... rn yk 0
k k k
En este caso r1 , r2 ,..., rn son todas soluciones, múltiplos constantes de estas
soluciones serán también soluciones y combinaciones lineales de estas
soluciones también lo serán (pues es un operador lineal).
Ejercicio 16:
E 2
6E 8 yk 0
41
r 2 6r 8 0
yk C1 2k C2 4k
2 2
θ arctan
Ejercicio 17:
E 2
2E 5 R 0
42
r 2 2r 5 0
2 4 20 2 4i
r 1 2i
2 2
2 2 12 22 5
arctan arctan 1.107rad 63.43
2
1
R R C1 cos R C2 senR
C C k C k r
1 2 3
2
1
k
C C k ...C k r
1 2 m
m1
1
k
donde m n
k C1 C2 k ... Cm k m1 cos k C1 C2 k ... Cm k m1 senk
Ejercicio 18:
E 2
4 E 4 R 0
E 2 E 2 R 0
Ecuación auxiliar:
r 2r 2 0
r1 2; r2 2
R C1r1R C 2 Rr2R
R C1 2 R C 2 R 2 R
R C1 C 2 R 2 R
Ejemplo 1:
Gs lbmoles/h de gas seco que contiene YNp+1 lbmoles de soluto/lbmol de gas seco
son alimentadas a la base de una columna de absorción de platos, donde el
soluto va a ser despojado del gas por absorción con Ls lbmoles/h de un aceite que
se alimenta en el tope de la columna. Si el soluto en el aceite que entra es Xo
lbmol/lbmol de aceite, y el soluto en el gas es Y1 lbmol/lbmol de gas; demostrar
que el comportamiento del absorbedor puede ser expresado en términos del
factor de absorción y el número de etapas ideales está dada por la ecuación de
Kremser - Brown:
log
Y1 Y0
YNp1 Y0
1 1 1
A A
Np
log A
donde:
A Ls
kGs : Factor de absorción
k : constante o relación de equilibrio; Y kX
X , Y : Razones molares del soluto en fase liquida y gaseosa
44
Ls, Xo Gs, Yi
Xm-1 Ym
m
Xm Ym+1
Np
como Ym kX m X m Ym
k
Ls
Ym Ym1 Gs Ym1 Ym
k
Ym1 Ym
Ym Ym1
A A
Ym1 1 AYm AYm1 0
factorizando Ym 1 :
E 2
1 AE A Ym1 0
E 2
1 AE A Ym 0
E AE 1Ym 0
cuya solución general:
Ym C1 C2 Am ; para A 1
Para evaluar C1 y C2 se aplican las condiciones límites.
Y0 C1 C2
YNp 1 C1 C2 ANp 1
YNp 1 Y0 C2 ANp 1 1
(2)
Análogamente:
Ym C1 C2 Am ; A 1
Condiciones límites:
Y0 C1 C 2
Y1 C1 C 2 A
Resolviendo simultáneamente se obtiene:
Y1 AY0 Y0 Y1
C1 C2
1 A 1 A
46
Y1 AY0 Y0 Y1 m
Ym A
1 A 1 A
De esta ecuación se tiene:
Y1 AY0 Y0 Y1 Np1
YNp1 A
1 A 1 A
1
A
YNp1 Y0 Y1 Y0 Y0 Y1 A Np YNp1 Y0
Y0 Y1 A Np YNp1 Y0 1 1
A
1 AY Y
1 0
YNp1 Y0
A Np
Y1 Y0
1 1 A 1 A , sacando logaritmo
YNp 1 Y0
log
Y1 Y0
1 1 1
A A
Np
log A
Ym C1 C2 m
Condiciones límites:
Y0 C1
Y1 C1 C2
47
de donde:
C1 Y0 C2 Y1 Y0
Ym Y0 Y1 Y0 m
Para m Np 1
yk Yc k Yp k
Este método es útil cuando la función R(k) consiste de términos de cierta forma
especial. Correspondiente a cada término presente en R(k) se considera una
solución prueba que contiene un número de coeficientes desconocidos que son
determinados por sustitución en la ecuación diferencia.
Ejercicio 19:
Resolver yk 1 2 yk 8 yk 1 4k 2 e k
E 2 yk 1 2 Eyk 1 8 yk 1 0
E 2 2 E 8 y k 1 0
E 4E 2 yk 1 0 , que es equivalente a E 4E 2yk 0
Las raíces de la ecuación auxiliar son:
Solución particular:
yk A0 k 2 A1k A2 be k
49
Sustituyendo en la ecuación:
yk 1 A0 k 1 A1 k 1 A2 be k 1
2
se obtiene:
A0 k 1 A1 k 1 A2 be k 1 2 A0 k 2 A1k A2 bek
2
8 A0 k 1 A1 k 1 A2 bek 1 4k 2 ek
2
9 A2 9 A1 7 A0 0
9 A1 18 A0 0
9 A0 4
8
b e 2 1
e
de donde:
A0 4 A1 8
9 9
e
A2 44 b 2
81 e 2e 8
4 8 44 ek
yk 1 k 1 k 1
2
9 9 81 e 2 2e 8
La solución general:
k
4
y k 1 C1 4 k 1 C2 2
k 1
k 12 8 k 1 44 2 e
9 9 81 e 2e 8
k 1
4 8 44 e
y k C1 4 k C2 2 k2 k 2
k
9 9 81 e 2e 8
E 2
2E 8 yk 4k 1 e k 1
2
E 2
2E 8yk 4k 2 8k 4 e k e
yk 2 2 yk 1 8 yk 4k 2 8k 4 e k 1
A0 k 2 A1 k 2 A2 bek 2
2
2 A0 k 1 A1 k 1 A2 be k 1
2
8 A0 k 2 A1k A2 be k 4k 2 8k 4 e k e
9 A0 4 A0 4
9
9 A1 8 A1 8
9
2 A0 9 A2 4 A2 44
81
b e 2 2e 8 e b 2
e
e 2e 8
4 2 8 44 e k 1
yk k k
9 9 81 e 2 2e 8
La solución general:
4 2 8 44 e k 1
y k C1 4 C2 2 k k
k k
9 9 81 e 2 2e 8
( E )U R(k )
51
U 1 R(k )
( E )
Este método es útil en caso de que R(k) tome las formas especiales indicadas en
la siguiente lista:
k
; 0 ; si =0 use la regla 4
1
1. k
E
1 1
2. sen k ó cos k
E E
eik e ik
Escriba: cos k
2
e e ik
ik
sen k
2
y use la regla 1
3. 1
E
Pk
1
1
Pk b0 b1 ... bm m ... Pk
Donde la expansión solamente se hace hasta si
m m+1
P(k)=0
1 1
4. k P( k ) k P(k ) , y use regla 3.
( E ) ( E )
Ejercicio 20:
1
Si (1 ) 4 4 expanda como una función de
2
1
52
2
(1 ) 2 4 4 4 1
4
4 1
2
4
1 1
1
(1 ) 4
2
4
1
1
2
1 ...
4
2
4
2
4
Ejercicio 21:
Resolver yk 1 2 yk 8yk 1 4k 2 e k
Solución particular:
E 2
2 E 8 yk 1 4k 2 e k
y k 1 2
1 2 k
4k e
E 2 E 8
k
2
1
E 2 E 8 4 k 2
1
E 2 E 8
2
e
1
E 2 2 E 8
4 k 2
1
4k
2
(Regla 3)
1 21 8
2
1 2 1 2
4k 2
4k
1 2 2 2 8 9
2
1
1 2
1
9 9
4k , expandiendo:
2
1 2 4
1 ... 4k 2 4k 1
9
9 81
1 2
1 4k 2 4k 1
9 9
53
1
9
1
4 k 2 4 k 1 2 4 k 2 4 k 1
81
4 4
k 2 k 1
9 9 81
8k 1 4
4 4 8
k 2 k 1
9 9 81
4
k 2 k 1
9
8
81
4 8
k2
9 81
1 k ek
E 2 2 E 8 e (Regla 1)
e 2 2e 8
4 2 8 ek
yk 1 k 2
9 81 e 2e 8
ek 1 ek 1
k 2 2k 1 2
4 8 4 8
yk k 1 2
2
9 81 e 2e 8 9 81 e 2e 8
4 2 8 44 e k 1
yk k k 2
9 9 81 e 2e 8
La solución general es:
e k 1
y k C1 4 k C2 2 k 2 k 2
k 4 8 44
9 9 81 e 2e 8
Ejercicio 22:
Resolver E 2
4E 4 yk 3 2k 5 4k por el método de los Operadores
Inversos
54
Solución complementaria:
E 22 yk 0
y k C1 C2 k 2 k
Solución particular:
yk
1
E 4E 4
2
3 2k 5 4k
Si se usa la regla 1 2 0 , entonces se usa la regla 4 para 2k y la regla 1 para
4k
1 1
yk 2 k 3 5 2 4k
4 E 8E 4
2
4 4 4 4
k
2 1 5
yk 3 4k
4 1 21 1
2
4
2k 1 5
yk 2 3 4 k
4 4
k
2 3 4 k
2 5
4 4
k
2 5
1 3k 1 4 k
4 4
2
3 k 5
2k 4k
4 2 4
3 5
2k k k 1 4k
8 4
3 5
yk k k 12k 4k
8 4
Solución general:
3 5
yk C1 C2 k 2 k k k 12 k 4 k
8 4
3 5
yk C1 2 k C3 k 2 k k 2 2 k 4 k
8 4
55
Ejercicio 23:
Hallar una solución particular de: E 1 yk cos k por el método de los
coeficientes indeterminados.
Remplazando:
Bcos 1
A
sen
Bcos 1cos 1
Bsen 1
sen
Bcos 1 Bsen 2 sen
2
B sen 2 cos 2 2 cos 1 sen
Ejercicio 24:
Ecuación Homogénea:
E 2
6 E 8 R 0
E 2E 4R 0
Ecuación auxiliar:
r 2r 4 0
r1 2; r2 4
Solución homogénea:
R C1 2R C2 4R
Utilizando el método de los coeficientes indeterminados se halla la solución
particular prueba:
R A1R2 A2 R A3 A4 3R
R 2 6R 1 8R A1 R 2 A2 R 2 A3 A4 3R 2
2
6 A1 R 1 A2 R 1 A3 A4 3R 1 8 A1R 2 A2 R A3 A4 3R
2
3 A1R 2 3 A2 8 A1 R 3 A3 4 A2 2 A1 A4 3R
3 A1 R 2 3 A2 8 A1 R 3 A3 4 A2 2 A1 A4 3 R 3R 2 2 5 3 R
57
3 A1 3
3 A2 8 A1 0
3 A3 4 A2 2 A1 2
A4 5
A1 1, A2 8 , A3 44 , A5 5
3 9
Su solución particular es:
8 44
R R 2 R 5 3R
3 9
La solución general:
8 44
R C1 2 R C2 4R R 2 R 5 3R
3 9
Ejemplo 2:
estime el tamaño de los recipientes que darán el máximo beneficio del producto
B. Las constantes de velocidad específica son k1 0.1 min 1 y k2 0.05 min 1 a
la temperatura de operación y la densidad del fluido es constante e igual a 60
ft 3 lb .
V1 V2 Vn VN
1 2 n N
Figura 1. Esquema de batería de reactores
58
Donde,
CA1n : Concentración de A en el reactor n
CB1n : Concentración de B en el reactor n
CC1n : Concentración de C en el reactor n
V
donde V Volumen del reactor q Flujo volumétrico
q
Balance de masa de B en el reactor n :
Si k1 y k 2
de (1):
C A,n 1 E 1 C A,n 1 0
donde K1 Constante
1
1
1
Reemplazando CA , n en (2)
Solución complementaria:
C B,n K 2 2n
donde:
K2 = constante
1
2
1
1 K1 1n
CB ,n 1 K1 1 1 1
n caso 1
1 E 1 1
n 1 n 1
K1 1 K
CB ,n 1 1 1
1 1
1
K1 n
CB ,n 1
CA CA ,0
para n=0
CB CB ,0 0
De la ecuación (3):
K1 CA,0
De la ecuación (4):
C
K2 A ,0 0
CA ,0
K2
60
CA,0 n
CB , n
1 n2
Para una batería de dos reactores:
C A,0 2
C B ,2
1 22
k1C A ,0 1 1
2 2
C B ,2
k 2 k1 1 k1 1 k 2
dC B ,2 k C k2 k1
2 1 A ,0 3
d k 2 k1 1 k 2 1 k1
3
dC B ,2
0
d
k1 k2
1 k1 1 k2 3
3
21 k 2 1 k1
3 3
3 20 2 1333.33 0
La raíz real de la ecuación anterior es 7.024 min. Esta raíz debe chequearse con
la segunda derivada para saber si corresponde a un máximo.
Reemplazando:
7.024 min
k 2 0.05 min 1
k1 0.1 min 1
61
d 2 C B,2
d 2
12C A, 0 11.9 10 4 7.5 10 4
d 2 C B,2
0.00528C A, 0
d 2
CB,2max 0.4053CA,0
104 3
V q ft min 1 7.024 min 19.51 ft 3
3600
Este método funcionará para todas las ecuaciones de primer orden que se
puedan separar en una forma simple tal como la de arriba.
yn+1
A yn+1= yn2-Ayn-B
y3
7 P
6
yn+1= yn
5
4 D
y2
3
y1 2
1 C
yn
1 2 3 4 5 6 7
yo y1 y2
B
Ejemplo 3:
Se desea esterificar 454 kg/h de alcohol etílico por reacción con 386 kg/h de ácido
acético en una batería de reactores CSTR continuos, cada uno de 0.85 m 3 de
capacidad y mantenidos a 100°C. Si la relación de equilibrio es tal que se
esterifica el 75.2% del ácido, estime el número de reactores necesarios para una
conversión del 60%.
q q q q
A, B
1 2 m N q
Entonces:
CA: CA,m CB: CA,m + c CC: CA,0 –CA,m CD: CA,0 –CA,m
C A,m 1 C A,m k1C A,m C A,m c k2 C A,0 C A,m
2
(4)
64
q
454 386 kg / h 0.97 m 3 / h
865 kg / m 3
kg 1 kgmol 1h
C A ,0 386 3
6.63 kgmol / m 3
h 60 kg 0.97 m
Similarmente:
kg 1 kgmol 1h
C B ,0 454 3
10.17 kgmol / m 3
h 46 kg 0.97 m
c C B ,0 C A ,0 10.17 6.63 3.54 kgmol / m 3
V 0.85 m 3
0.88 h 52.6 min
q 0.97 m 3 / h
C A,m1 C A,m 4.76 10 4 C A,m C A,m 3.54 1.63 10 4 6.63 C A,m 52.6
2
Se grafica CA,m-1 vs CA,m y se trazan las etapas partiendo de una composición del
alimento de 6.63 kgmol/m3, hasta que se cumpla con la conversión requerida del
60% (CA,m-1 = 0.4x6.63 = 2.65 kgmol/m3).
Según la figura 3:
3
CA,m-1, kgmol/m 6
2
4
3
4
5
2.51 6
7
2
0
0 2 4 6 8
3
CA,m, kgmol/m
Ejercicio 25:
Solución complementaria:
E 2
E 1 k 0
1 1 4
r
2
66
1 3i 1 3i
r1 , r2
2 2 2 2
1 3 3 2
1, tan -1
4 4 1 3 3
k 2k 2k
u k 1 C1 cos C2 sen
3 3
1 1
uk
E2 E 1 1 2 1 1
1
1 1 1 2
uk 2 1
3 3 3 3 3
Solución general:
2k 2k
y k tan C1 cos C2 sen
3 3 3
Ejercicio 26:
Resolver:
1
yk 1 1 yk ,
2
pista: yk uk 2
67
y k21 y k2 1
u k 1 u k 1
E 1uk 1
Solución complementaria: uk C1 1
k
1
uk 1 1 1
E 1 11
1 1
1
1 1
1 1 1 1 1
2 2 2 2 2
1
2
Solución general:
1
uk C1 1
k
2
1
yk C1 1
k
Ejercicio 28:
Resolver:
yn 2 yn yn 1
2
; pista: sacar logaritmo
yn u n
2 A B C 0
A 1 B 1
1 0
un u n1
Si se define:
1
xn
un
A xn B xn1 1 0
A 1
xn1 xn 0 Ecuación diferencia lineal no homogénea
B B
A
n
x n C0 k
B
69
donde :
1
k
A B 2
n
1 A 1
C0
yn B A B 2
Ejemplo 4:
yn* xn
1 yn*
1 xn
xn
yn*
1 1xn (2)
xn
Lxn1 G Wx w 0
1 1 x n
Lxn11 1 xn Gxn Wxw 1 1 xn 0
Lxn1 L 1 xn xn1 Gxn Wxw W 1 xn xw 0
70
D, xD
F, xF
yn xn+1
n
n yn-1 xn
W, xw
xn 1xn
1
xn 1
G Wxw 1 x Wxw 0
1 L 1
n
L 1
Llamando:
1
A
1
B
G Wxw 1
L 1
Wx w
C
L 1
xn1 xn Axn1 Bxn C 0
100 D W
60 0.98D 0.02100 D
D 60.4, W 39.6
G R 1D 241.6
L F RD 281.6
1 1
A 0.769
1 1.3
B 1.523
C 0.0022
2 A B C 0
2
0.754 0.0022 0
1 0.757
2 0.003
1
C0 0.502 131
n
.
xn 0.003
Asumiendo que el ebullidor se comporta como una etapa ideal, se puede evaluar
C0, asignando al ebullidor n=0, o sea x0 = 0.02
C0 42.2
42.20.502 n 1.31
1
xn 0.003
1
42.20.502 f 1.31
n
0.6 0.003
log 0.3484 42.2
nf
log 0.502
nf = 6.96
Con este estimado se calcula x7 y x6 para decidir en cual de los platos ideales se
hace la alimentación.
1
x6 0.003 0.500
42.20.502 6 1.31
1
x7 0.003 0.603
42.20.5027 1.31
nf
E0 100
nrd
6
100 66.7%
9
Los procesos químicos que se llevan a cabo por medio de etapas, son analizados
con la ayuda de las ecuaciones de diferencias cuando se operan en estado
estacionario. Sin embargo, cuando este tipo de procesos está sujeto a un cambio
en las condiciones de operación, las composiciones de las corrientes que pasan a
través de las etapas cambian con el tiempo. Esto implica la adición de términos
diferenciales y la ecuación resultante se llama ecuación diferencial - diferencia.
2.6.1.Transformación de Laplace
Sistema Lineal
e(t) Dominio y(t) E(s)
Dominio
Y(s)
t Transformación s
directa
Solución general
Q(D)y(t) = e(t)
1. La a / s
s 1 a
2.L e at
3.Lt n n!
n 1 ;para n entero
s
n 1
n 1 ; para n entero1.
s
4.LRf t R f s
5.L f , t s f s f 0
t
6.L f t dt f s s
0
7.L t n e at n!
s a n 1 , para n entero.
8.LSent
s2 2
9.LCost
s
s2 2
10.LSenht
s2 2
11.LCosht
s
s2 2
1
Función Gama:
n t n 1e t dt
0
Propiedades:
i.n n 1n 1
ii .n n 1! ;para n entero.
iii .n ;para n entero negativo o n =0.
iv .n 1 n n 1
75
Existen varios métodos para transformar una función del dominio del parámetro s
al dominio del tiempo. El método más simple consiste en descomponer la función
f s en términos cuya inversa sea conocida. En algunos casos no es posible
utilizar esta técnica, por lo tanto debe recurrirse a otros métodos como el método
de la integral de convolución y el método de los residuos.
f s g s hs
g ht d
0
Ejercicio 29:
1 1
g s , h s g t 1, ht te at
s s a 2
t
f t e a d
0
76
f t udv uv vdu
u du d
a e a
dv e d v
a
t
t
a e a e a
e a 1 a
t
te at 1 at 1
e d d 2e e 2
0 a 0 a a a 0
a a2 a
at
1 te
2
1 e at
a a
j pn p n t
n t e
pn
2
Una función f(z)es analítica, en el campo complejo, cuando solo existe un valor de la función para
cada valor de z y existe la primera derivada en todo el dominio de la función.
3
Los polos son los puntos en los cuales el denominador de la función se hace cero y por lo tanto la
función es indeterminada o sea que se hace infinita. Un polo es un punto singular removible
cuando, si existe un factor que multiplicado por la función la haga analítica.
z z z0 f z
m
donde:
j s
f s
s
ds
pn
ds s pn
nm p pn
1
Ap p 1, 2, ..., m
m p !
d m p
m p
n pn m p n s n s s pn m f s
ds pn
Ejercicio 30:
Polos: s 0, s a
j s 1
s ss a s s a 2ss a
2 2
j 0 1
0 a 2
1
1 t 2
a
2 t eat A1 A2 t
1
A1 2 a
1
A2 2 a
2 s s a f s
2 1
s
1
2 a
a
1
2 s
s2
1
2 a 2
a
1
A1 2
a
1
A2
a
2 t e at 2
1 t
a a
f t 1 t 2 t
1
a2
1 e
at
teat
a
Ejemplo 5:
R R R R
Xo
1 2 n N R
XN
Figura 6. Cascada de tanques agitados
79
Análisis en el tanque n:
d
Rx n 1 Rx n vxn
dt
dx
Rx n 1 Rx n v n (1)
dt
Según la regla 5 del acápite 2.6.2:
df t
L s f s f 0
dt
Aplicando la transformada de Laplace (regla 5) a la ecuación (1):
R x n1 s R x n s vsx n s
x o s Lxo
xo
(composición del alimento constante)
s
xo
A
s
80
Para n=N:
N
N
R 1 1
x N s xo
v sR s
v
Definiendo:
N
R a
R
B xo y
v v
N
1 1
x N s B (3)
sa s
L 0 f t dt
t 1
s
f s
t N 1e at 1
L
N 1! s a
N
1 1 1
x N t L1 B B 0t L1 N
dt
s s a
N
s a
t N 1e at
x N t B
t
dt
0
N 1!
Se resuelve la integral por partes:
u t N 1 du N 1t N 2 dt
at e at
dv e v
a
81
B t N 1 at N 1 t N 2 at
x N t e t e dt
N 1! a a 0
N 1 R t v R t R t R t
x N x0 R N
t e
t N 2 e v
te v
e v
1
...
v N 1! R N 1 N
v N 2! v
2 N
R R R R
v v v
N 1 R t N 1 R t
v
R t Rt R t Rt e v
Rt e
x N x0 1 e v
e v
...
v v N 2 ! v N 1 !
x N xo xo e
R t
v
Rt
1
Rt
v
2
...
Rt
v
N 1
v 2! N 1!
N 1 Rt v i
R t
x N x0 x0 e v
i 0 i!
Polos: s=0
s = -R/v Polo multiple de orden n
j s
x n s
l s
j s x 0 R n
l s sR vs
n
n nsv
l s R vs 1
R vs
82
j 0 xo R n
l 0 R n 1 0 R n
xo R n
1 t n xo
R
Rt
t2 t n1
2 t e v
A1 A2 t A3 2! ... An n 1!
A1
1
n 1!
n21 R
v
2 s s R
n x0 R n
v sR vsn
x0 R n
s v
2 s 2 R
x0
s v
n
2 s 2 3 R
x0
s v
n
32 s 4 x0 R
3!
s
n
v
1n1 n 1 !
2 s
n 1
x 0 R
n
n v
s
n21 R
v
n 1!x 0
A1
n 1!x0 x0
n 1!
A2
1
n 2!
n22 R
v
1n2 n 2 !
s
n2
n
x0 R v
2 n 1
s
n22 R x0 n 2! R
v v
83
A2
x0 n 2 ! R v
n 2!
A2 x0 R v
A3
1
n 3!
n23 R
v
n23 s 1
n 3 n 3! x0 R
n
n2 v
s
n23 R 1 n 3 n 3! x0 R v n
v
R v n2
1
n 3 n 3! x0 R n
1n2 R v
n2 v
v
n 3!x0 R
2
1
n 3!x R v
2
A
n 3!
3 0
v
x0 R
2
A x R
n 1
n 0
v
Rt
Rt x0 Rt
2
x0 Rt
n 1
2 t e x0 x0 ...
n 1! v
v
v 2! v
Rt
Rt 1 Rt 2 1 Rt
n 1
x0 e 1 ...
n 1! v
v
v 2! v
xn t x0 x0
Rt
n 1 Rt v k
e v
k 0 k!
x N t x0 x0 e
Rt
N 1 Rt v k
Si n = N v
k 0 k!
Utilizando el método de la integral de convolución:
x0 R n
x n s g s hs
sR vs
n
84
1
g s
x0 R n h s vn
s sR
n
1
v
ht v t
n
g t x0 R n
n 1 v
Rt
e
n 1!
x n t x0 R
t
n 1 v n
n 1
e
R v
d
0 n 1!
v
v
R
n 1e
x n t x0 R
n t
d
0 n 1!
2. Resolver
a. yn 1 yn n
b. yn3 2 yn2 yn1 2 yn 0
c. yn3 5 yn2 8 yn1 4 yn 0
d. yn2 2 yn1 2 yn 1
e. yn2 4 yn1 4 yn n cos n
f. xn xn1 xn2 ; x1 0, x0 1
g. 8xn 6 xn 1 xn 2 2 n
3. Demostrar que para una extracción líquido - líquido con flujo cruzado donde los
solventes son insolubles y la relación de equilibrio es lineal de la forma y’ =
mx’, donde x´ y y´ son razones másicas en las fases extractoras y refinadas, se
cumple:
y 1 y S
Np
x F S
x Np
m 1 m
85
x yS
log m
F
x yS
Np m
Np
log 1
mB
donde:
A
2.8 Bibliografía
CAPÍTULO III
MÉTODOS NUMÉRICOS
TABLA DE CONTENIDO
CAPÍTULO III.
MÉTODOS NUMÉRICOS
En una solución por métodos numéricos pueden haber involucrados dos tipos de
errores en la respuesta
Error de truncamiento
Error de redondeo
Los métodos utilizados para hallar los ceros reales de las ecuaciones f(x) = 0 son
métodos que generalmente empiezan con uno o más valores iniciales
aproximados o supuestos para las raíces, a partir de los cuales se genera una
secuencia x0, x1, xk, que se espera converja a la raíz. Aunque existen métodos
numéricos restringidos a polinomios que pueden producir aproximaciones
simultáneas a todas las raíces como el método de Graeffe y el algoritmo QD, los
métodos que aquí se presentan son generales.
xk 1 g xk
para una adecuada función g(x) y una aproximación inicial x0. En ciertos métodos
es suficiente conocer un intervalo [a,b] en el cual se encuentra la raíz o las raíces.
En otros es conveniente estimar o suponer un x0, el cual está suficientemente
cercano a la raíz.
x xk
i. f xk y k 1
xk 1
ii. f xk y xk 1 xk
91
f(x) f(x)
ao bo ao bo
(a) (b)
f(x)
ao
bo
(c)
Dada una función f(x) continua en el intervalo [a0,b0] tal que f(a0)f(b0) 0, la
aproximación de la raíz en cada etapa se hace con la fórmula:
ak bk
xk
2
Siendo ak y bk los límites del intervalo en cada iteración k, donde está contenida la
raíz.
92
La elección del nuevo intervalo se hace de acuerdo con los siguientes criterios:
Sí f ak f xk 0 ak 1 ak y bk 1 xk
Sí f xk f bk 0 ak 1 xk y bk 1 bk
f(x)
ao xo x1
x2 bo
Ejemplo 1:
RT a
P
V b V V b T
Donde:
R 2T 5 2
a 0.42747 c
Pc
RT
b 0.08664 c
Pc
93
P: Presión en atm
V: Volumen molar en l/gmol
T: Temperatura en K
R: Constante de los gases, R = 0.08206 atm.l/(gmol.K)
Tc: Temperatura crítica, Tc = 405.5 K para amoníaco
Pc: Presión crítica, Pc = 111.3 atm para amoníaco
36.927 4.0369
f V 0 56
V 0.0259 V V 0.0259
Esta es una ecuación no-lineal, cuya raíz V desea conocerse. Para esto se
utilizará el método de la bisección.
ak bk
Vk
2
Vk 1 Vk
Tomando como criterio de convergencia f Vk 1103 y 110 3
Vk 1
se toma como aproximación del volumen molar el valor 0.5698 l/gmol, pues en la
Vk 1 Vk
iteración 11 se tiene que f Vk 2 10 3.51 10 4
4
y
Vk 1
Este método elige la secante entre los puntos (ao, f(ao)) y (bo, f(bo)), o en general la
secante entre los puntos que definen el intervalo actual para determinar la
aproximación de la raíz; ésta se toma como el punto donde la línea cruza el eje.
Se usa esta aproximación para reemplazar uno de los dos extremos del último
intervalo, de tal manera que se conserve el cambio de signo en el valor de la
función en los extremos del nuevo intervalo de aproximación. En la figura 3 se
representa el proceso iterativo.
Dada una función continua f(x) en el intervalo [a0,b0] tal que f a0 f b0 0 ; la
aproximación de la raíz en cada etapa se hace con la fórmula:
xk bk f bk
bk ak
f ak f bk
Siendo ak y bk los límites del intervalo en cada iteración k, donde está contenida la
raíz.
95
f(x)
ao xo x1 x2
bo
La elección del nuevo intervalo se hace de acuerdo con los siguientes criterios:
Sí f ak f xk 0 ak 1 ak y bk 1 xk
Sí f xk f bk 0 ak 1 xk y bk 1 bk
Ejemplo 2:
36.927 4.0369
f V 0 56
V 0.0259 V V 0.0259
Dada una función f(x) continua en el intervalo [a0,b0] tal que f a 0 f b0 0 ;
la aproximación de la raíz en cada etapa se calcula con la fórmula:
Gak Fbk
xk
GF
Siendo ak y bk los límites del intervalo en cada iteración k, donde está contenida la
raíz y G = f(bk) y F= f(ak).
La elección del nuevo intervalo se hace de acuerdo con los siguientes criterios:
ak 1 ak
bk 1 xk
Sí f ak f xk 0
G f xk
FF
2
97
f(x)
ao xo x1
bo
x2
ak 1 xk
bk 1 bk
Sí f bk f xk 0
F f xk
G G
2
Ejemplo 3:
Gak Fbk
Vk
GF
En la tabla 3 se muestran las iteraciones realizadas.
98
xk 1 f xk xk f xk 1
xk 1
f xk f xk 1
x k x k 1
x k 1 x k f x k
f x k f x k 1
x1 a0 y x0 b0
99
f(x)
x2
x1 ao bo
x-1 xo
Ejemplo 4:
En este método solo se requiere un valor inicial xo para comenzar las iteraciones.
f xk
xk 1 xk
f xk
f(x)
x2
x1 xo
Ejemplo 5:
36.927 4.0369
f V 0 56
V 0.0259 V V 0.0259
f Vk
Vk 1 Vk
f Vk
Ejemplo 6:
36.927 4.0369
f V 0 56
V 0.0259 V V 0.0259
36.927
F V 0.0259 V
56 4.0636 / V V 0.0259
Vk 1 F Vk
y=x
y = F(x)
x3 x2 x1 xo
Figura 8. Representación gráfica del método de Wegstein
Ejemplo 7:
36.927 4.0369
f V 0 56
V 0.0259 V V 0.0259
36.927
F V 0.0259
56 4.0636 / V V 0.0259
Vk 1 F Vk Vk F Vk 1
Vk 1
Vk 1 Vk F Vk F Vk 1
Método de Newton
f z ux , y iv x , y
donde:
u x , y 0
para las raíces
v x , y 0
Para encontrar las raíces se aplica la fórmula iterativa del método de Newton:
f zk
zk 1 zk
f zk
vu uu x
xk 1 xk 2y
u u2
x y xk , yk
vux uu y
yk 1 yk
u2 u2
x y xk , yk
donde:
u u
ux ;u y
x y
105
u x v y vx u y
para una función analítica, es decir que sólo existe un valor de f(z) para un z dado:
df z du idv
u x dx u y dy ivx dx v y dy
Como dz dx idy
df z
f z
dz
u x dx u y dy i vx dx v y dy
dx idy
v y dx u y dy i u y dx v y dy
f z
dx idy
u y dy idx v y dx idy
f z
dx idy
v y dx idy iu y dx idy
dx idy
f z vy iu y
u iv
Como zk 1 zk
v y iu y xk , yk
u iv vy iu y
xk 1 iyk xk iyk
v y2 u y2
106
uv y vu y uu y vv y
xk iyk i
v y2 u y2 v y2 u y2
vu y uu x
x k 1 x k 2
u u2
x y xk , yk
vu x uu y
yk 1 yk 2
u u2
x y xk , yk
Ejercicio 1:
z2 + 2z + 5 = 0
x iy 2x iy 5 ux , y iv x , y
2
x 2 y 2 2 x 5 2 xyi 2 yi ux , y iv x , y
ux, y x 2 y 2 2 x 5
vx , y 2 xy 2 y
ux 2x 2 vx 2 y
u y 2 y vy 2x 2
Utilizando las fórmulas del método de Newton y partiendo del valor inicial:
x0 0
z 0i
y0 1.0
Soluciones numéricas:
z1 0.99999 2.0i z2 0.99999 2.0i
Soluciones analíticas:
z1 1.0 2.0i z2 1.0 2.0i
El sistema:
De forma abreviada:
n
xi bi aij x j aii , i 1,2 ,..., n
j 1
j i
n
xi ,k 1 bi aij x j ,k aii , i 1, 2, ..., n
j 1
j i
Para que este método converja, se requiere que el valor absoluto de cada valor en
la diagonal sea mayor que la suma de los valores absolutos de los restantes
elementos en la misma fila:
n
aii aij
j 1
j i
xi ,k 1 xi ,k , i 1, 2, ..., n
109
Ejemplo 8:
Realice los balances de materia en estado estable para el tren de separación que
se muestra en la figura 9 y calcule los flujos molares para D1, D2, B1 y B2 si se
alimentan 100 kgmol/min. Utilice para ello el método de Jacobi.
D1 50% xileno
20% estireno
10% tolueno
20% benceno
30% xileno
60% estireno
20% xileno B1 5% tolueno
25% estireno 5% benceno
35% tolueno
20% benceno D2 10% xileno
10% estireno
65% tolueno
15% benceno
5% xileno
15% estireno
B2 10% tolueno
70% benceno
Figura 8. Tren de separación para xileno, estireno, tolueno y benceno
110
n
xi bi aij x j aii ,i 1,2,...,n
j 1
j i
Este método y el de Jacobi exigen una configuración especial del sistema de
ecuaciones, de tal forma que aii 0 .
Al igual que en el método de Jacobi, para que este método converja, se requiere
que el valor absoluto de cada valor en la diagonal sea mayor que la suma de los
valores absolutos de los restantes elementos en la misma fila:
n
aii aij
j 1
j i
i 1 n
xi ,k 1 bi aij x j ,k 1 aij x j ,k aii
j 1 j i 1
Ejemplo 9: Realice el ejemplo 8 utilizando el método de Gauss-Siedel.
Método de Newton-Raphson
Si se tiene un sistema:
f1 X 0
f2 X 0
fN X 0
donde X es un vector columna definido por las variables x1 , x2 ,..., x N :
x1
x2
X x1 , x2 ,..., x N
t
xN
Se hace una expansión de Taylor de cada una de las funciones en las cercanías
de un vector X k , y tomando únicamente los términos con primeras derivadas.
Aplicando a la función f X k 1
N f X
f1 X k 1 f1 X k 1 k x j
j 1 x j
N f X
f 2 X k 1 f 2 X k 2 k x j
j 1 x j
N f X
f N X k 1 f N X k N k x j
j 1 x j
113
Se toma como aproximación en cada etapa que f i X k 1 0 , entonces:
f1 X k f X
x1 1 k x N f1 X k
x 1 xN
f 2 X k f X
x1 2 k x N f 2 X k
x1 xN
f N X k f X
x1 N k x N f N X k
x1 xN
define el vector f X k .
X k k f X k
114
ik 1 , i 1,2,..., N
Ejemplo 10:
A+B C+D
B+C X+Y
A+XZ
115
CC C D C X CY CZ
K1 K2 K3
C AC B C B CC C AC X
C A C A 0 C D CZ
CB CB 0 CD CY
CY CD CC
CZ CY C X
f1 X 1.06 x1 x2 x3 x4 0
x1 : C A
f 2 X 2.63 x2 x3 x5 x6 0
x2 : C B
f 3 X 5 x1 x5 x7 0
x3 : CC
f 4 X x1 x4 x7 1.5 0
x4 : C D
f 5 X x 2 x 4 x 6 1 .5 0
x5 : C X
f 6 X x3 x 4 x 6 0
x6 : CY
f 7 X x 6 x5 x 7 0
x7 : C Z
t
f X k f1 X k f2 X k f3 X k f4 X k f5 X k f6 X k f 7 X k
116
1.06 x2 1.06 x1 x4 x3 0 0 0
0 2.63x3 2.63x2 0 x6 x5 0
5 x5 0 0 0 5 x1 0 1
Xk 1 0 0 1 0 0 1
0 1 0 1 0 1 0
0 0 1 1 0 1 0
0 1 1
0 0 0 1
X 0 1.5 1.5 0 0 0 0 0
t
f X 0 2.385 0 0 0 0 0 0
t
k 1 X k f X k
k 1 X 0 f X 0
X1 X 0 0
Se sigue este proceso en forma iterativa encontrándose que X 5 X 4 . El resumen
de los resultados se muestra en la tabla 11.
117
erf x
2
0 e t dt , x e z Z x 1 dZ , cuando se utilizan en programas
x 2
0
de computadores.
118
ii. Para interpolación en tablas, o sea, para evaluar una función en algún punto no
tabulado, cuando se conocen valores de la función en un conjunto de puntos
tabulados.
f x a0 g0 x a1 g1 x ... an g n x
a. Monomiales:
g k x x k
b. Trigonométricas:
g k x ak coskx bk senkx
n n
f x a0 ak cos kx bk sen kx
k 1 k 1
c. Exponenciales:
g k x e bk x
119
De todas las aproximaciones anteriores las más utilizadas son las aproximaciones
polinomiales.
Todos los métodos para hallar la función polinomial a una función, parten del
criterio de que para evaluar los coeficientes de Pn x se requiere que:
Pn xi f xi , i = 0, 1, 2,..., n
En este método no se requiere que los puntos base estén igualmente espaciados
y utiliza la diferencia finita dividida como una aproximación de las derivadas de la
función.
n
f xi
f xn , xn 1 , ... ,x0
x x
n
i 0
i j
j i
f x0
f xn , xn 1 , ... ,x0
x0 x1 x0 x2 ... x0 xn
f x1
...+
x1 x0 x1 x2 ... x1 xn
f xn
xn x0 xn x1 ... xn xn1
121
f x Pn x Rn x
en la que:
Si se reemplaza x x0 en Pn x , se obtiene:
f x0 a0 f x0
reemplazando x x1 en f x , se obtiene:
f x1 f x0
a1 f x1 , x0
x1 x0
En general:
an f xn , xn1 ,..., x0
Ejemplo 11:
T, K 10 20 60 80 100
Cp, kJ/kgK 0.0014 0.0089 0.214 0.357 0.481
122
a0 C p T0 0.0014
a1 C p T1 ,To 7.5 10 4
a2 C p T2 ,T1 ,To 8.76 10 5
a3 C p T3 ,T2 ,T1 ,To 7.7 10 7
a4 C p T4 ,T3 ,T2 ,T1 ,To 5.66 10 10
Para T = 90 K:
C p 90 0.0014 7.5 10 4 90 10 8.76 10 5 90 1090 20
7.7 10 7 90 1090 2090 60
5.66 10 10 90 1090 2090 6090 80
0.424
Este método no requiere que los puntos base estén igualmente espaciados. La
forma de Lagrange para el polinomio de interpolación está dada por:
n
Pn x Li x f xi
i 0
123
donde:
n x x j
Li x , i 0 ,1 ,..., n
j 0 xi x j
j i
Li x
x x0 ...x xi 1 x xi 1 ...x xn
xi x0 ...xi xi 1 xi xi 1 ...xi xn
Ejercicio 2:
L0 x
x 3x 1x 4 1 x 3x 1x 4
13 2 6
L1 x
x 2x 1x 4 1 x 2x 1x 4
14 1 4
L2 x
x 2x 3x 4 1 x 2x 3x 4
3 4 5 60
L3 x
x 2x 3x 1 1 x 2x 3x 1
215 10
1 1 1
f x x 3 x 1 x 4 x 2 x 1 x 4 x 2 x 3 x 4
6 2 20
2
x 2 x 3 x 1
5
124
f x f x0 x x0 f x1 , x0 x x0 x x1 f x2 , x1 , x0 ...
x x0 x x1 ... x xn1 f xn ,..., x0 x x0 x x1 ... x xn f x, xn , xn1,..., x0
Como:
x1 x0 h
x 2 x 0 2h
x3 x0 3h
x n x0 nh
f x1 f x0 f x0 h f x0 f x0
f x1 , x0
x1 x0 h h
2 f x0
f x2 , x1 , x0
2h 2
En general:
n f x0
f xn , xn 1 ,..., x0
n !hn
f x0 2 f x0
Pn x f x0 x x0 x x0 x x1 ...
h 2h 2
n f x0
x x0 x x1 ... x xn 1
n !h n
Si se define x x0 h
x x0 h
125
x x1 x x0 h x x0 h h h h 1
x x2 h 2
x xn h n
1
Pn f x0 f x0 2 f x0 ...
2!
1 2 ... n 1 n
f x0
n!
Ejemplo 12:
Como los puntos por debajo de 110F tienen hasta la tercera diferencia, se tomará
esta temperatura como temperatura base para estimar la presión de vapor.
126
1 1 2
PT PT0 PT0 2 PT0 3 PT0
2! 3!
donde:
T T0 h 167 F
T0 110 F
h 10 F
5.7
Q yi Ŷi
N
2
i 1
donde:
Ŷ a0 a1 x a2 x 2 ... an x n
Q
0 , k 0 ,1 , ... , n
ak
127
Q N yi a0 a1 xi ... an xi
n
2
a k 1 ak
a0 a1 xi a2 xi a3 xi yi
2 3
a0 xi a1 xi a2 xi a3 xi yi xi
2 3 4
a0 xi a1 xi a2 xi a3 xi yi xi
2 3 4 5 2
a0 xi a1 xi a2 xi a3 xi yi xi
3 4 5 6 3
AS P
AS P
En términos generales para un polinomio de grado n:
Las ecuaciones que resultan para evaluar los parámetros a y b son no lineales
Q a 1
2 y i 0
a b xi b x i
Q a a
2 y i 0
b b xi b x i
2
De donde:
a 1
yi b x 0
i b xi
a 1
y i b x 0
b xi
2
i
Ejemplo 13:
T
C p dT
Tref
Cp
T Tref
129
a0 a1 xi a2 xi a3 xi yi
2 3
a0 xi a1 xi a2 xi a3 xi yi xi
2 3 4
a0 xi a1 xi a2 xi a3 xi yi xi
2 3 4 5 2
a0 xi a1 xi a2 xi a3 xi yi xi
3 4 5 6 3
130
2.2. Si la derivada se evalúa en el punto medio del intervalo (ver figura 10):
f xn1 f xn
f C
xn1 xn
donde:
x n1 x n
C
2
f(xn)
f(xn+1)
xn xn+1
Figura 9. Derivada evaluada en uno de los puntos extremos
f(xn)
f(xn+1)
xn C xn+1
Figura 10. Derivada evaluada en el punto medio del intervalo
132
Ef x0 f x0 h
f a h Ef a 1 hD
hD hD
2
2
... f a
2 3!
E 1 1 hD
hD hD
2
3
...
2 3!
1+ e hD
hD= ln 1
1 1 1 1
D= 2 3 4 ...
h 2 3 4
1 2 11 4 5 5
D2 12 6 ...
3
h2
Ejemplo 14:
Halle la densidad del vapor de amoníaco a 110 y 167º F con los datos del ejemplo
12. El calor latente del amoníaco es 544 BTU/lb
133
dP
dT T VG VL
1 T dP
VG dT
Como:
1 1 2 1 3 1 4
D ...
h 2 3 4
Entonces:
T 1 2 1 3
P T P T PT ...
h 2 3
Para hallar la densidad a 110ºF se deben obtener los valores P( T ), 2 P( T ), etc
(tabla 16).
627 R 1 1 lbf
39.4 4.5 0.4 in 2
BTU 2 3
10 R 544
lb
627 37.28 lb
10 544 5.402 ft 3
lb
0.795
ft 3
1
PT PTo 2 PTo 3 PTo 70.4
2!
PT PTo PTo 6.78
2 2 3
627R 1 1 lbf
70.4 2 6.78 3 0.4 in 2
10R 544
BTU
lb
627 67.14 lb
10 544 5.402 ft 3
lb
1.43
ft 3
Si se estima esta densidad con la ecuación de los gases ideales, se observa una
diferencia del orden del 5% del valor obtenido con datos experimentales respecto
al valor del modelo ideal.
P
RT
lbf
538.46
in 2 lb in 2
17 144 2
lbf ft lbmol ft
1545 627 R
lbmol R
lb
1.36
ft 3
b
La evaluación de una integral definida f x dx , por métodos matemáticos es
a
generalmente difícil o imposible cuando f x no se ajusta a los casos tratables, o
su manipulación se hace muy engorrosa para convertirla a una forma integrable
analíticamente.
135
En este libro solo se presentan las fórmulas de integración con puntos base
igualmente espaciados, las cuales se dividen en cerradas y abiertas.
a f x dx a pn x dx
b b
xn
xn x0 f xn f x0 n1
f x dx f x
n
i
x0 2 i 1
0 1
a b
6 x12 h 2h3 4 x1h 2ch
3 2
ah 2
3
6 x1 2h 2 6 x1 6
bh
3
hc
3
h
3
a6 x12 2h 2 b6 x1 6c
h
3
ax12 2 x1h h 2 ax12 2 x1h h 2 bx1 h bx1 h c c 4ax12 4bx1 4c
h
3
2
2
ax1 h bx1 h c ax1 h bx1 h c 4 ax12 bx1 c
h
f x1 h 4 f x1 f x1 h
3
h
f x 0 4 f x1 f x 2
3
3n i 1 i 0
Esta ecuación se aplica cuando n es par, o sea número de puntos base impar
Forma generalizada:
n!
137
donde:
x x0 ba
h h
2
3 2 2 4 3 2 3
h f ( x0 ) f ( x0 ) f ( x0 ) f ( x0 ) ............
6 4 24 6 6
2
Ejemplo 15:
1100
q m C p T dT
300
Tn
Tn T0 C p Tn C p T0 n1
C p T dT n
C p Ti
T0 2 i 1
cal
q 1g 3334.5 3334.5cal
g
138
n2
Tn T0 n 1
T0 C p T dT 3n C p T0 C p Tn 2 C p Ti 2 C p T2i1
Tn 2
i 1 i 0
1100 300
2.066 5.27 59.354 33.542 3341.1
3 8
cal
q 1g 3341.1 3341.1cal
g
donde:
2 3 3 2
f x dx h f x1 f x1
2 f x1 ...
b
a 2 6
4
x f x dx h 3 f x1 2 f x 2 2 f x1
x3 3 3
0
Si 3
3h
f x1 f x 2
2
El área o integral se aproxima al área de un rectángulo con
altura igual a la media de f(x1) y f(x2) y amplitud 3h
Si 4 x0 f x dx
x4 4h
2 f x1 f x2 2 f x3
3
x0 5h
11 f x1 f x 2 f x3 11 f x 4
x5
Si 5 f x dx
24
Si 6 x0 f x dx
x6 3h
11 f x1 14 f x2 26 f x3 14 f x4 11 f x5
10
Ejemplo 16:
6 1.0 d
Aw
p 0 Dp
En este problema no hay dato para el límite superior de la integral, o sea, para
=1.0, por lo tanto el método más adecuado sería el de integración abierta.
140
1 0.4 0.7 1
f d f f f
0 0 0.4 0.7
i Dp f() = 1/Dp
0 0.47 0 2.128
1 0.33 0.1 3.03
2 0.24 0.2 4.167
3 0.16 0.3 6.25
4 0.12 0.4 8.333
5 0.08 0.5 12.5
6 0.06 0.6 16.667
7 0.04 0.7 25
8 0.03 0.8 33.3
9 0.02 0.9 50
10 Colector 1.0 -
4h 3h 3h
f d 3 2 f f 2 f 2 f f 2 f f
1
0 1 2 3 5 6 8 9
4 0.1 3 0.1
2 3.03 4.167 2 6.25 12.5 16.67
3 2
3 0.1
33.3 50.0
2
18.799
6 1.2
Aw 18.799 50.13
2.7
141
dy d 2 y dny
F x, y, , 2 ,..., n 0
dx dx dx
Los algoritmos comunes para resolver una ecuación diferencial ordinaria, con
condiciones iniciales específicas, están basadas en las siguientes
aproximaciones:
dy
F x, y , 0
dx
o
f x,y
dy
dx
La función y(x) puede expresarse alrededor de un punto base (x0, y(x0)) usando la
fórmula de Taylor como:
h2
y x y x0 h y x0 hf x0 , y x0 f x0 , y x0
2!
h3
f x0 , y x0 ...
3!
donde :
df x , y d 2 y ; y así sucesivamente para las derivadas superiores
f x , y 2
dx dx
A partir de la aproximación de Taylor se puede entonces definir el algoritmo para
encontrar el valor de la función en xi 1 desde xi , usando como fórmula recursiva:
h2 h n n 1
y xi 1 y xi h yxi hf xi , yxi f xi , yxi ...
f xi , y xi
2! n!
143
n 1
El error de truncamiento, en este caso, es de orden h y está acotado por el
valor:
h n1
et M
n 1!
donde:
M f ( n ) , y en xi , xi 1
max
Ejercicio 3:
y' x y , x0 0 y0 0 x f 0.5
Solución analítica: y e x x 1
dy
f x , y f x , y x y
dx
h2
yxi 1 yxi hf xi , yxi f ' xi , yxi
2!
d 2 y df x, y
f ' x, y 2
dy
1 1 x y
dx dx dx
2
El error de truncamiento cometido por el método es de orden h , (error local).
h2
et f , y
2!
donde: xi xi 1
Ejercicio 4:
dy
f x , y f x , y x y
dx
yi 1 yi h xi , yi , h
k1 f xi , yi
k 2 f xi ph , yi phk1
k3 f xi rh , yi shk 2 r s hk1
En general:
f x l , y m f x, y l m f x, y
x y
n 1
1
... l m f x, y
n 1! x y
Para hallar los valores de las constantes se pueden tomar arbitrariamente dos
valores para dos de ellas y se obtienen las demás, planteando las ecuaciones
algebraicas al igualar los respectivos coeficientes de las potencias de h entre la
fórmula de Runge-Kutta y la expansión de Taylor del mismo orden.
a = 1
6 b = 2
3 c = 1
6
p = 1
2 r = 1 s = 2
h
yi 1 yi k1 4k2 k3
6
k1 = f xi ,yi
1 1
k 2 = f xi h,yi hk1
2 2
k3 = f xi h,yi 2hk 2 hk1
Ejercicio 7:
dy
f x , y f x , y x y
dx
h
y xi 1 y xi k1 4k 2 k3
6
147
Si h 0.1 y xi 1 y xi
0.1
k1 4k 2 k3
6
k1 f xi , yi xi yi
1 1 1 1
k2 f xi h , yi hk1 xi h yi hk1 xi yi 0.051 k1
2 2 2 2
Ejercicio 6:
d2y dy
2
a1 a2 y p x
dx dx
148
dy
w
dx
dw
a1w a2 y p x
dx
dy
1 w f x , y , w
dx
dw
2 p x a1w a2 y g x , y , w
dx
1. Evaluar k1
k1 y = f xi , yi , wi wi
k1w = g xi , yi , wi p xi a1 wi a 2 yi
2. Evaluar k2
h h h
k2 y =f xi , yi k1 y , wi k1w
2 2 2
h
=wi p xi a1wi a2 yi
2
h h h
k2 w =g xi , yi k1 y , wi k1w
2 2 2
h h h
=p xi a1 wi k1w a2 yi k1 y
2 2 2
h
=p xi a1 wi p xi a1wi a2 yi
h
2 2
hh
aa2 2yyi i wi p xi a1wi a2 yi
h
22 2
149
3. Evaluar k3
4. Evaluar yi 1 , wi 1
yi k1 y 4k 2 y k3 y
h
yi 1
6
h
wi 1 =wi+ k1w 4k 2 w k3w
6
Ejemplo 17:
dB kBS dS 0.75kBS
dt K S dt K S
kBi Si
kB =f ti , Bi , Si
K Si
0.75kBi Si
kS =g ti , Bi , Si
K Si
150
1. Evaluar k1
kBi Si
k1B =f ti , Bi , Si
K Si
0.75kBi Si
k1S =g ti , Bi , Si
K Si
2. Evaluar k2
h h h
k2 B =f ti , Bi k1B , Si k1S
2 2 2
h h
k Bi k1B Si k1S
=
2 2
h
K S i k 1S
2
h h h
k2 S =g ti , Bi k1B , Si k1S
2 2 2
h h
0.75k Bi k1B Si k1S
=- 2 2
h
K S i k 1S
2
3. Evaluar k3
8
B
S
6
Concentración
0
0 4 8 12 16
Tiempo
3. Una reacción química toma lugar en una serie de cuatro reactores CSTR. Allí
se convierte el reactivo A en el producto B (relación estequiométrica 1 a 1), la
reacción es elemental y la constante de velocidad es k = 0.1 h -1. Si el caudal
alimentado es q = 100 ft3/h y la concentración de A a la entrada del primer
reactor es CA,0 = 3 lb/ft3, calcule la concentración a la salida de cada reactor,
teniendo en cuenta que el volumen en cada uno de ellos es V 1 = 20 ft3, V2 = 30
ft3, V3 = 50 ft3 y V4 = 40 ft3, y que un 10% de la corriente de salida del reactor 4
se recircula al reactor 3 y otro 10% al reactor 2. Tenga en cuenta que el sistema
está en estado estable, las reacciones son en fase líquida y se despreciarán los
cambios en volumen o densidad del líquido.
Para la solución utilice los métodos de Gauss-Siedel y Jacobi
FxA FA r
FxB FB r
F FA FB r
r 60 x A xB
0.6
Determine:
a) Nivel de oxígeno disuelto a 28ºC, utilizando el método de aproximación de
puntos base igualmente espaciados
b) La función de aproximación con el método de mínimos cuadrados
Tabla 27. Presión de vapor para el sistema benceno – ácido acético en función
de la composición a 50ºC
x1 0.0 0.0069 0.1565 0.3396 0.4666 0.6004 0.7021
P, mmHg 57.52 58.20 126.00 175.30 189.50 224.30 236.00
8. Use los datos de la tabla 29 para hallar la capacidad calórica media del n-
propano a 1500, 1300 y 1100 K. Esta se define por la ecuación que se presenta
a continuación. Para la solución utilice la regla trapezoidal y la de Simpson y
como temperatura de referencia asuma 300 K:
T
C p dT
Tref
Cp
T Tref
154
Determine las concentraciones de CA, CB y CC como una función del tiempo por
el método:
a) Taylor
b) Euler
c) Runge-Kutta
3.11. Bibliografía
Carnahan, B., Luther, H.A., Wilkes, J.O., "Applied numerical methods", Wiley, New
York, 1970.
Gerald, C.F., Whealtley P.O., “Análisis numérico con aplicaciones”, 2nd Edición,
Pearson Educación, México, 2000
Smith, C., Pike, R., Murril, P., "Formulación and optimización of mathematical
models", International texbook Company, Scranton,1970.
Luthe, L., Olivene, A., Schutz, F., “Métodos Numéricos”, Editorial Limusa, México,
1984.
158
CAPÍTULO IV
OPTIMIZACIÓN
TABLA DE CONTENIDO
CAPITULO IV.
OPTIMIZACIÓN
En los métodos analíticos, que hacen uso del cálculo diferencial y el cálculo
variacional como herramientas, el problema de optimización debe describirse en
términos matemáticos de tal forma que la función y las variables se puedan
manipular mediante reglas conocidas.
Los métodos gráficos, que tienen aplicación limitada para una o dos variables, se
valen de la representación gráfica de la función objetivo para obtener por
inspección los valores extremos de la función objetivo. Y en los métodos
experimentales el óptimo se busca realizando experimentos directamente sobre el
sistema o proceso.
En la práctica casi todos los procesos reales tienen restricciones impuestas por
agentes externos que no pueden ser controladas por el optimizador.
161
Ejemplos:
g J g J x1 , x2 ,...xn 0
g k g k x1 , x2 ,...xn 0
x. Optimización
Se encuentra la solución óptima mediante alguna técnica de optimización.
gi X 0
Ejemplo 1:
Maximizar el volumen de una caja sin tapa, que se desea construir con una
lamina de área total A.
2. Restricciones externas.
Caja rectangular.
V x1 x2 x3
A 2 x1 x3 2 x1 x2 x2 x3
6. Restricciones internas.
g1 x1 , x2 , x3 x1 0
g 2 x1 , x2 ,.x3 x2 0
g 3 x1 , x2 , x3 x3 0
164
f x1 , x2 , x3 x1 x2 x3
Maximizar f x1 , x2 , x3 x1 x2 x3
h1 x1 , x2 , x3 2 x1 x3 2 x1 x2 x2 x3 AL 0
Sujeto a: g1 x1 , x2 , x3 x1 0
g 2 x1 , x2 , x3 x2 0
g 3 x1 , x2 , x3 x3 0
Condiciones necesarias:
df x
y x0 0
dx
165
Condiciones suficientes:
Este análisis se puede realizar haciendo una expansión en una serie de Taylor
cerca al valor x0 de la función:
y x y x0 x x0 y x0
x x0
2
y x0 ...
x x0
n
y n x0 Rn
2! n!
( n 1)
Si y( x0 ) y( x0 ) y( n) ( x0 ) 0 , pero y ( x0 ) 0 :
La función tiene un máximo local en x0 si n es impar y y(n+1)( x0 )<0.
La función tiene un mínimo local en x0 si n es impar y y(n+1)( x0 )>0.
La función tiene un punto de inflexión en x0 si n es par.
Ejercicio 1:
x5 5 x 4 35 x3
Maximizar y 25 x 2 24 x 4
5 2 3
Sujeto a: x 2 (4 1)2 0
- 4.1 x 4.1 Dominio factible
166
Los métodos del gradiente requieren valores tanto de la función objetivo como del
gradiente en una localización. Estos métodos se dividen en dos subgrupos:
Métodos que siguen la dirección del gradiente tan cerca como sea posible,
con desplazamiento acelerado o uniforme.
Métodos que usan la dirección del gradiente como guía para la investigación,
pero no necesariamente en la dirección del gradiente, también con
desplazamiento acelerado o uniforme.
Los métodos más comúnmente usados son el método de la etapa fija, método
directo con aceleración, método de Fibonacci y método de la sección de oro.
xk 2 , xk
Si se cumple la precisión requerida definida como:
f xk f xk 1
168
x* xk 1
x N x0
S
N
Nota:
x1 x0 S
f(x)
S
... S
...
xo xk-2 xk-1 xk xN
Figura 2. Puntos de búsqueda de un máximo por medio del método de la etapa
fija
169
Ejercicio 2:
Hallar el mínimo de
f x x 100
2
104 96
S 2 . En la tabla 3 se muestran las nuevas etapas de búsqueda del
4
óptimo.
Ejemplo 2:
Q
donde: At o t a
C3C4 Q
U t s to x 1
1
k ha ho
Los costos de operación del tanque ($/año) son C5C6Q. Halle el costo mínimo y el
aislamiento requerido para el caso en que: A = 8000, t0 = 120, ta = 40, ts = 250, k
= 0.024, C1 = 4, C2 = 0.2, C3 = 0.8, C4 = 0.262, C5 = 1.5*10-6, C6 = 4000, h0 = 15 +
60x + 10x2, ha = 4.0 - 10x, U = 17.
Q
CT CI CO CI C1C2 Ax C3C4
U t s t0
171
At o t a
Q h0 15 60 x 10 x 2 h 4 10 x
x 1 1 a
k ha ho
$ 1 $ 1 QBTU / h
CI 4 2 0.2 8000 ft 2 xft 0.8 2 0.262
año 17 BTU 250 120 º F
ft ft año ft
hft 2 º F
$
6400 x 9.48 105 Q
año
8000 ft 120 40 º F
2
Q
xft 1 1
0.024
BTU
hft º F
BTU
4 10 x 2
hft º F
15 60 x 10 x 2 2
BTU
hft º F
640000 BTU
Q
41.67 x 4 10 x 15 60 x 10 x 2
1 1
h
C 0 C5 C 6 Q
$ h BTU
CO 1.5 106 4000 Q
BTU año h
$
CO 6 103 Q
año
3900.672
Función objetivo: CT 6400 x 1 1
41.67 x
4 10 x 15 60 x 10 x 2
0.2 0
Si N 10 S 0.02
10
172
0.140 0.100
S
5
x0 , x0 S , x1 2S , x2 4S ,...xk xk 1 2k 1 S
173
f(x)
d 2k 1 S
d
2k 2 S
2
xk-2 xk-1 xk
Figura 3. Búsqueda de un máximo por el método directo con aceleración
y 0 1 x xk 2 11 x xk 2 x xk 1
donde:
0 yk 2 y( xk 2 )
yk 1 yk 2
1 f xk 1 , xk 2
xk 1 xk 2
174
yk 2 yk 1
11 f xk , xk 1 , xk 2
xk 2 xk 1 xk 2 xk xk 1 xk 2 xk 1 xk
yk
xk xk 2 xk xk 1
El óptimo se localiza en:
1
x ( xk 2 xk 1 ) 1
2 2 11
d
xk 1 x k 1 donde: d xk xk 1
2
o Si y(xk+1) < y(xk-1), para un máximo y si y(xk+1) > y(xk-1), para un mínimo
d yk 1 yk 2
x xk 1
4 yk 1 2 yk 1 yk 2
o Si y(xk+1) > y(xk-1), para un máximo y si y(xk+1) < y(xk-1), para un mínimo
d yk yk 1
x xk 1
4 yk 2 yk 1 yk 1
Ejercicio 3:
0 f ( xk 2 ) 100
16 100
1 f xk 1 , xk 2 14
96 90
f ( xk 2 ) f ( xk 1 )
11 f xk , xk 1 , xk 2
( xk 2 xk 1 )( xk 2 xk ) ( xk 1 x k 2 )( xk 1 xk )
f ( xk )
( xk xk 2 )( xk xk 1 )
100 16 64
1 0
(90 96)(90 108) (96 90)(96 108) (108 96)(108 90)
1
x* xk 2 xk 1 1
2 2 11
1 14
x* 90 96
2 2
x 100
*
d
xk 1 xk 1
2
12
xk 1 96
2
xk 1 102
y ( xk 1 ) 4
x* 100
Ejemplo 3:
d 0.02
xk 1 0.135 CT xk 1 1509.2
d yk 1 yk 2
x xk 1
4 yk 1 2 yk 1 yk 2
x* 0.11167 CT 1487.7
Lj
lj lj
A C D E B
lj+1 lj+1
Región que
se descarta Lj+1
FN ( j 1)
lj Lj
FN ( j 1)
1 1 5
j 1 j 1
1 5
Fj , j0
5 2 2
FN 2
l1 L1
FN
En los intervalos siguientes sólo se requiere de una investigación por cada etapa,
porque se conserva un punto de la etapa anterior, como puede confirmarse en la
figura 4 con el punto D. Después de realizar m experimentos de los N
predeterminados, la longitud del intervalo de incertidumbre está dada por:
FN ( m1)
Lm L1
FN
Fo L
l N 1 LN 1 N 1
F2 2
Ejemplo 4:
1 1
FN 100
0.01
1 1 5
j 1 j 1
1 5
Fj , j 0,
5 2 2
para j = 10, F10 = 89 y para j = 11, F11 = 144. Se decide trabajar con N=10
Este método exige que las últimas cinco investigaciones se hagan mediante el
método de Fibonacci. El método se utiliza cuando no se conoce el número de
investigaciones que se van a realizar, o no se sabe el límite de seguridad
deseado. En caso contrario el método de Fibonacci permite el cálculo del número
de investigaciones a partir de la relación de la seguridad deseada.
(0.618) N 1
Ejercicio 4:
y (x 30) 2
Se continúa con el método de Fibonacci a partir de la novena etapa (ver tabla 12).
F3 3
l1 * L1 * 2.14 0.8025.
F5 8
Ejemplo 5:
Caso 1:
K 1 FN
1 k K
183
Se define entonces que el intervalo inicial para la búsqueda está dado por:
L1 K 1
En general:
FN ( j 1)
lj L1 FN ( j 1)
FN
Caso 2:
FN F K 1
Ejemplo 6:
CD2 D2
CD: Costo de la tubería de diámetro D
CD1 D1
Los tamaños estándares de la tubería pulgadas pueden ser tomados como 1, 1¼,
1½, 2, 2 ½, 3, 4, 5, 6 y 8, los costos de electricidad Y $/kwh.
H2
35 ft
H1
1ft
Figura 5. Representación del sistema de bombeo del ejemplo 6.
h fD h fD1 h fD 2
L V 2 64 L V 2
h fD1 4 f
D 2 g Re D 2 g
g lb lb
1.264 3 79.01 3 800cp 2.42 1936
cm ft fth
m ft
g 9.8 2 4.1731108
s h
lb 1 lb ft 3
Q 1000 12.673
h 79.01 ft 3 h
16.136
2
64 D 74 2.2464 103
h fD1
0.6577 D D 4 2 4.1731108 D4
Realizando una regresión del diámetro interno (ft) frente a la longitud equivalente
(ft) y haciéndola pasar por el origen, se obtiene el mejor ajuste para una línea
recta cuya ecuación es Le 17.658D
64 D Le D 16.136
2
0.00214
h fD 2 4
0.6577 D D 2 4.173110 D3
4 8
1
Syska R. And Birk J., “Pump engineering manual”, The Duriron Company, 1976
2
Radio corto
186
16.136
2
64 D 1 3.0357 105
h fS
0.6577 D D 4 2 4.1731108 D4
3.0357 105
hS H1
D4
Suponiendo que H1 = H2
CB Q HtY
m3 N 2.216 103 0.00214 0.3048m
9.97 105 12387.2 3 35 ft
s m D4 D3 1 ft
h $ 1kW Ws
8000 151
año kWh 1000W Nm
1.008 0.973
15917
D4 D3
187
DL
CT CD1
D1 T
1.008 0.973
CTotal 15917 518465 D
D4 D3
K = 10, K+1 = 11
FN F K 1
De allí se encuentra F = 2 y F6 = 13
por ello el primer valor del diámetro no está asociado al valor de k = 1, y el otro se
adicionó al otro extremo.
Condiciones necesarias:
i. f ( X ) diferenciable en X *
ii. f X * 0
Condiciones suficientes:
Di 0 ; i=1,3,5,... (impar)
Di 0 ; i=2,4,6,... (par)
189
Di 0 ; i=1,2,3,4,...
f xi x1 f xi x2 f xi xi
donde:
f
2 f X* ; segunda derivada evaluada en X *
x x
j i x x
j i
2 y 3 y k y
y ( X ) y( X ) y ... Rk 1
2! 3! k!
ó
2 f 3 f k f
f ( X ) f ( X ) f ... Rk 1
2! 3! k!
donde:
f X f X f X*
f x1 x
x2 x2
... xn xn
1
x1 x2 xn
2 f X 2 f X 2 f X*
f x1 x
2 2
x2 x2
2
... xn xn 2
1
x12 x2 2 xn 2
2 f X* 2 f X*
2 x1 x *
x x2 *
2 x1 x *
x x *
...
1 2
x1 x2 1 3 3
x1 x3
190
2 f X* 2 f X*
2 x1 x x xn ... 2 xn 1 xn 1 xn xn x
* * * *
1 n
x1xn xn
n 1
En general:
k! k f ( X )
f
k
p1 ! p2 !... pn !
( x1 x1 ) ... ( xn xn )
* p1 * pn
p
i 1
i k
p1 = 0 y p2 = 2, p1 =1 y p2 = 1, p1 = 2 y p2 = 0
2! * p1 * p2 2 f (X *)
f
2
( x1 x1 ) ( x2 x2 )
p1 ! p2 ! p1 p2
x1 x2
2 f (X *) 2 f (X *)
* f (X ) * 2
2 *
( x1 x1* )2 2( x x *
)( x x ) ( x x )
x12 1 1 2 2
x1 x2 2 2
x22
Para que la función f ( X ) tenga un óptimo en un punto estacionario se requiere:
i. Para un máximo: 2 f 0
ii. Para un mínimo : 2 f 0
2 f 3 f k f
f ( X ) f ( X * ) f ...
2! 3! k!
Ejercicio 5:
f X
2 x1 2 x3 4
x1
f X
2 x2 x3
x2
f X
2 x1 x2 2 x3
x3
Haciendo f ( X * ) 0 , se obtiene:
2 x1 2 x3 4 0
2 x2 x3 0
2 x1 x2 2 x3 0
x1 10
x2 4
x3 8
D f
1 x1x1
fx x fx x
D2 1 1 1 2
fx x fx x
2 1 2 2
fx x fx x fx x
11 1 2 1 3
D fx x fx x fx x
3 2 1 2 2 2 3
fx x fx x fx x
31 3 2 3 3
f 2 f 0 f 2
x x x x x x
11 1 2 1 3
f 0 f 2 f 1
x x x x x x
2 1 2 2 2 3
f 2 f 1 f 2
x x x x x x
31 3 2 3 3
192
D 2
1
2 0 -2
2 0
D 4 D 0 -2 -1 2
2 0 -2 3
-2 -1 2
Ejemplo 7:
f X
2'000.000
2
x y
x 20 2'000.2000 y 10
xy
x
Siendo X
y
f
* x 0
f ( X ) f
0
y
f X 2 10 40 y
2 2
6
2 y 10 0 (1)
x x y x
193
f X 2 10
2 2
6
20 x
2 x 20 0 (2)
y x y y
x * 30 y y * 15
Con estos valores, se puede confirmar la otra condición necesaria, de que f X*
es diferenciable en X x .
Di 0 ; i=1,3,5,... (impar)
Di 0 ; i=2,4,6,... (par).
2 f 2 10 120 y 4 y 20
6
2 2 2 f 6.584
x 2
x y x x x xx
2 f 2 106 60 x 4 x 40
f 26.337
y 2 x 2 y 2 y 2 y y yy
2 f 2 106 40 20
2 2 x 2 y f 6.584
xy x y xy
f
2
2 10 40
6
20
2 2 2 f 6.584
yx x y x y yx
D1 6.584 0
6.584 6.584
D2 130.05 0
6.584 26.337
Ejercicio 6:
Encontrar el mínimo de la función:
f X 4 x12 5x22 sujeto a 2x1 3x2 6 .
6 3x2
x1
2
f1 x2 14 x22 36 x2 36
f1 x2
28 x2 36
x2
36
x2 1.286
28
D1 f1x2 x2 28
x1 1.071
El mínimo es:
f X * 4 1.071 5 1.286
2 2
f X 12.857
*
Ejercicio 7:
Eliminando
x1 10 x22 3x3
f x2 , x3 y1 10 x22 3x3 3x2 5x32
10 x22 3x2 5x32 3x3
Condiciones necesarias:
y1 3
2 x2 3 0 x2
x2 2
y1 3
10x3 3 0 x3
x3 10
2
3 3
x1 10 3 8.65
2 10
Condiciones suficientes:
f x2 x2 f x2 x3
D1 f x 2 x 2 D2
f x3 x2 f x3 x3
2 y1
f x2 x2 2 D1
x22
2 y1
f x2 x3 0
x2 x3
2 y1
f x3 x2 0
x3x2
2 y1
f x3 x3 10
x32
2 0
D2 20
0 10
196
8.65
X * 3 / 2 es un máximo
3 /10
Ejemplo 8:
AD
-rA = k1CA
donde:
k1 = 0.004 min-1
CA [=] gmol/l
Q, CA, CD
gmol
QCD 50 (iii)
min
Modelo matemático del problema de optimización:
Costos totales anuales = costos operación anual + costo anual materia prima +
costo anual del reactor (inversión) + costo anual de la
torre (inversión)
198
1
Costo de capital por el reactor (anual) = 3000 1500V 300 150V
10
Función objetivo:
Restricciones:
50
(3) en (1): k1C AV 50 V
k1C A
50
(2) en (3): QC A0 QC A 50 Q
C A0 C A
199
50 50 50
CTA 10000 5.04 10 300 150
8
2000 500
C A0 C A k1C A C A0 C A
5.25 105 7500
CTA 5.04002 108
C A0 C A 0.004C A
dCTA
0 5.25 105 C A2 1.875 106 0.2 C A
2
dC A
C A 2 3.57 0.2 C A
2
C A 1.889 0.2 C A
2.889C A 0.3778
C A 0.1308
50
V 95638.87l
0.004 0.1307
50 l
Q 721.5
0.2 0.1307 min
0.2 CA
3
dC A2 C A3
Porcentaje de conversión:
C A0 C A
x A 100 34.6%
C A0
200
Ejemplo 9:
Objetivo:
Maximizar la producción de B o minimizar la concentración de A a la salida del
sistema
V1 V2 Vn VN
1 2 n N
Figura 7. Esquema de una batería de reactores
definiendo:
Vn
n q
1 k n CA , n CA , n 1 0
1
CA , n CA , n 1 0
1 k n
201
1
Si: An
1 k n
n
C A,n C A,0 At
t 1
1 1 1
C A,n C A,0 .... 2
1 k1 1 k 2 1 k n
Para una batería de N reactores cuyo volumen total es constante, se tiene que:
N N
V
t i
q t 1 i 1
N
V i
i 1
N
= n
n=1
1 1 1
C A, N C A,0 ....
1 k1 1 k 2 1 k N
N
1
C A, N C A,0
t 1 1 k t
V
como: 1 2 .... N
q
V N 1
N t
q t 1
202
N 1
C A,0 1
Función objetivo: C A, N
V N 1
1 k
1 k i
i 1 i
q i 1
Solución:
C A, N
Todas las derivadas ( ) deben ser iguales a cero.
i
C A, N N 1
1 k -kCA,0 N 1
1
C A,0 2
+
i 1 1 k i
1 k V 1 k1 1 k V i i 1
1 N 1 N 1
1 k i
q i
i 1 q i 1
C A, N
0
1
N 1
kC A,0 1
2 1 k
V N 1 i 1
q i
i
1 k
i 1
N 1
kC A,0 1
V
N 1 1 k
1 k i 1 k1
i 1 i
q i 1
1 1
V N 1
1 k1
1 k i
q i 1
V N 1
1 k i 1 k1
q i 1
1 k N 1 k1
N 1
VN Vn
N n VN Vn
q q
Condiciones necesarias:
para k=m+1,m+2,...,n
donde:
f f f f
......
x k x1 x2 xm
g1 g1 g1 g1
f ( X ), g1 , g2 , .... gm ......
Jk x k x1 x2 xm
xk , x1 , x2 .... xm
: : : :
gm gm gm gm
......
x k x1 x2 xm
g: restricciones de igualdad
n: númerode variables
m: número de restricciones de igualdad
Condiciones suficientes:
n f n n 2f
f ( X ) f ( X *) h 1
j 2!
h h .....
j k
j m 1 x j g j m 1 k m 1 x j xk g
204
i. Para un mínimo
n n 2f
2 f h h 0
i m 1 j m 1 xi x j i j
g
n n 2f
2 f h h 0
i m 1 j m 1 xi x j i j
g
donde:
2f m f 2x m m 2 x x
1. s f s r
xi x j x x x s 1 r 1 x x x x
g s 1 s x i j g r s x i g j g
g1, g2 ,....., gm
J
x x , x ,..... x , x , x ,...., x
p 1 2 p 1 i p 1 m
2. x g1, g2 ,....., gm
i
g J
x1, x2 ,....., xm
g , g ,....g , g ,...., g
J 1 2 l 1 l 1 m
2x m x1, x2 ,....x p 1, x p 1,...., xm
3. p (1) p l dl i, j
x x
i j l 1 g , g ,....., g
g J 1 2 m
x , x ,....., x
1 2 m
205
m m 2g x x
s p
i, j l
d
l
p 1 s 1 p xs
x x x
x i g j g
4.
m x p 2 g x 2g 2g
l p l l
x x x x x x
p 1 j g p xi
x
x i g p j x i j x
para: m 1 i n, m 1 j n
Dit 0
donde:
f 0x f 0x ...... f 0x
m 1 xm 1 m 1 xm 2 m 1 xm i
D f 0x f 0x ...... f 0x
it m 2 xm 1 m 2 xm 2 m 2 xm i
: : :
0
f x 0
f x ...... 0
f x
m i xm 1 m i xm 2 m i xm i
2 f
f 0x x
i j x x
i jg
Ejercicio 8:
x1 12
Eliminando x2
2
2
x 12
y1 x 4 1
2
1 4 x1
2
y1 2 x12 20 x1 144
Condición necesaria:
dy1
4 x1 20 0 x1* 5
dx1
x2* 7 / 2
Condición suficiente:
d 2 y1
2 0
dx1 x *1
d 2 y1
2 4 0
dx1
5
X* y* 94
7 / 2
y f ( x1 , x2 ) x 21 4 x 2 2 4 x1
g ( x1 , x2 ) 2 x2 x1 12 0
Condiciones necesarias:
f f
x x1 8 x2 2 x1 4
J2 2
g1 g1 2 1
x2 x1
8x2 4 x1 8 0 (1)
2 x2 x1 12 0 (2)
x1 5
x2 7 / 2
Condiciones suficientes:
2y
D1 f 0 i =2 y j = 2
x2 x2 2
x2 g
2 y 2x 2 x 2 2y x 2
y 1 y
1 2 1 y
x
2 x 2 2 x
x x x 2
2 g 1 x2 x2 g x1 x 2 g 1 2 2 g x2 x
2 1
2y x1 J ( g1 / x2 )
0 2
x1 x2 x2 g J ( g1 / x1 )
2 x1
2 0 , pues g ( X ) es lineal.
x2 g 1
5
Como D1 0 entonces X * es un mínimo
7 / 2
208
Ejercicio 9:
Encontrar un óptimo para f ( X ) 4 x12 5x22
sujeto a: g1 ( X ) 2 x1 3x2 6 0
f f
f , g1 x x1 10 x 2 8 x1
J2 0 J2 2
g 1 g 1
20 x 2 24 x1 0
x 2 , x1 3 2
x 2 x1
Esta ecuación resuelta simultáneamente con g1 ( X ) se obtiene:
x2 36 / 28 1286
.
x1 5x 2 / 6 1071
.
2 f
2 f 2 ( x 2 x 2* ) 2
x 2 g
2 2x 2 x 2 2 x 2
f f 1 f 1 2 f 1 f
x2 x 2 2 x x x x 2
2 g 1 x2 x2 g x1 x 2 g 1 2 2 g x2 x
2 1
f 2 f
8 x1 2 8
x1 x 2 x1 x2
f 2 f
10 x2 2 10
x2 x1 x2 x1
2 f
0
x1 x2
x1 J ( g / x2 ) g / x2 3
x2 g J ( g / x1 ) g / x1 2
2 x1 J (0 / 0)
2 (1)11 d12, 2
x2 g J ( g / x1 )
209
g , g , .... gk 1 , gk 1 , .... , gm
J 1 2 J (0 / 0) 1
x1 , x2 , .... x p 1 , x p 1 , .... , xm
2
2 g x1 x1 2 g 2g
d2 ,2
2 2 2
x1 x2 x2 g x2 g x1 x2 x x2 x1
1
2g 2g 2g
2 2 0
x1 x2 x1 x2 x x2 x1
d12 ,2 0
Por lo tanto:
2 x1
2 0
x2 g
2 f
2 8x1 ( 0) 8( 3 / 2) 2( 0)( 3 / 2) 10 28
2
x2 g
Nota:
Se recomienda aplicar el método de la variación restringida cuando el número de
restricciones no es mayor que 3.
Definido el problema:
Minimizar f (X)
Sujeto a: hi ( X ) 0 , i=1,2,...,m
gi ( X ) 0 , i=m+1,...,p
Las restricciones son de primer orden cuando son una vez diferenciables y todos
los gradientes de las restricciones activas
* de desigualdad y de las restricciones de
igualdad evaluadas en el óptimo ( X ) son linealmente independientes.
1. Condiciones necesarias:
4. U i* 0 , i=m+1,...,p
* * *
5. L( X ,U ,W ) 0
donde:
m p
L( X , U , W ) f ( X ) WJ hj ( X )
J 1
U
J m 1
J gj( X)
m p
L( X ,U ,W ) f ( X ) WJ hj ( X ) J j )
U g ( X
J 1 J m 1
211
2. Condiciones suficientes:
i. Las funciones f ( X ) , hi ( X ) y gi ( X ) sean dos veces diferenciables.
ii. Para todo vector V 0 , el cual:
V t g J ( X * ) 0 Para todas las restricciones de desigualdad activas.
V t g J ( X * ) 0 Para todas las restricciones de desigualdad no activas
V t hJ ( X * ) 0 J=1,...,m
Se cumple que:
V t 2 L( X * ,U * ,W * )V 0
donde 2 L( X * ,U * ,W * ) es la matriz hessiana.
Las restricciones son de segundo orden cuando son dos veces diferenciables y
los gradientes de las restricciones de desigualdad
* activas y los gradientes de las
restricciones de igualdad, evaluadas en X son linealmente independientes.
1. Condiciones necesarias:
Las condiciones necesarias para que haya un mínimo cuando las restricciones
son de segundo orden son:
i. Las funciones f ( X ) , hi ( X ) y gi ( X ) sean dos veces diferenciables.
4. U i* 0 , i=m+1,...,p
* * *
5. L( X ,U ,W ) 0
212
iii. Para todo vector V diferente de cero, el cual:
V t g J ( X * ) 0 Para todas las restricciones de desigualdad activas.
y, V t hJ ( X * ) 0 J=1,...,m
Se cumple que:
V t 2 L( X * ,U * ,W * )V 0
donde 2 L( X * ,U * ,W * ) es la matriz hessiana.
2. Condiciones suficientes:
También se aplican las mismas condiciones que se usan cuando las restricciones
son calificadas como restricciones de primer orden.
Una condición suficiente alternativa para que en X * haya un mínimo (válido para
restricciones de primer y segundo orden) es que f ( X ) , g J ( X ) y hJ ( X ) sean dos
veces diferenciables y el determinante de la matriz Jacobiana de las funciones
hJ ( X ) , U J g J ( X ) y las definidas por L( X ,U ,W ) 0 sea diferente de cero
evaluado en X * .
L L
h1,h2 ,...,U m 1g m 1,...,U p g p , x1 ,..., x
J n
x , x ,..., x ,U ,U ,...,U ,W ,W ,...,W
1 2 n m 1 m 2 p 1 2 m
h1 h1 h1 h h h
... ... 1 ... 1 ... 1
x1 x2 U m 1 U p W1 Wm
U m 1g m 1 U m 1g m 1
...
x1 Wm
2L 2L 2L 2L
... ...
xn x1 xn x2 xn U m 1 xn Wm
213
Ejercicio 10:
Minimice
f X x12 x2
Sujeto a:
g1 X x12 x22 9 0
g X x x
2 1 2 1 0
Al analizar las funciones g1 X
y g2 X se observa que son dos veces
diferenciables. Como solo hay una restricción activa y ninguna restricción de
igualdad, entonces se cumplen las condiciones para calificar las restricciones
como de segundo orden.
La función f X es también dos veces diferenciable, entonces:
1. U1* g1 X U1* x1*2 x2*2 9 0
2. U g X U x
*
2 2
*
2
*
1 x2* 1 0
Como:
L X ,U ,W x12 x2 U1 x12 x22 9 U 2 x1 x2 1
f g1 g2
x x x
L X , U , W 1
f
U1 1
g1
U2
1
g2
x x x
2 2 2
f f
2 x1 1
x1 x2
g1 g1
2 x1 2 x2
x1 x2
g2 g2
1 1
x1 x2
L X *,U *,W * 0
2 x1* 2 x1* 1
U1 *
U 2* 0
*
1 2 x2 1
Hay varias soluciones para este sistema de ecuaciones, sin embargo la única que
satisface U i* 0 es:
1
t
X * 0,3 U * ,0
t
6
0
Como solo g1 ( X ) es activa en X * , entonces
3
2 x 1 0
v1 , v2 2 x 0 v1 , v2 6 0
2
v1
0v1 6v2 0 v2 0 V
0
V t 2 L( X * , U * , W * )V 0
2L 2L
x2 x1 x2
L( X , U , W ) 2 1
2
L 2L
x2 x1 x22
215
2L
2 (1 U1 )
x12
2L
0
x1 x 2
2L
0
x 2 x1
2L
2U 1
x22
2 1 U1* 0
2 L X ,U ,W
0 2U1*
1
Reemplazando U *
6
14 0
L X ,U ,W
2
0
6
2
6
14 0 v 2
1 6 1 14 v1 0
2 0
v , 0
0 6
6
14 2
El valor v1 es mayor a cero independientemente del valor que tome v1 , por lo
6
tanto se cumplen las condiciones necesarias para que las restricciones sean
v2
calificadas como de segundo orden. También se cumple que 14 1 0 la condición
6
suficiente para un mínimo.
U1 g1 U1 g1
. .
L L x1 U 2
U1 g1 ,U 2 g 2 , x , x . . . .
J 1 2
.
x1 , x2 , U1 , U 2 . . . .
2L
. . .
x2 U 2
216
U1 g1 ( X ) U1 ( x12 x22 9)
U 2 g2 ( X ) U 2 ( x1 x2 1)
L L
2 x1 2U1 x1 U 2 1 2U1 x2 U 2
x1 x2
U1 g1 U1 g1
2U1 x1 2U1 x2
x1 x2
U1 g1 U1 g1
( x12 x22 ) 9 0
U1 U 2
U 2 g2 U 2 g2
U 2 U 2
x1 x2
U 2 g2 U 2 g2
0 x1 x2 1
U 1 U 2
2L 2L
2(1 U1 ) 0
x12 x1 x2
2L 2L
2 x1 1
x1 U1 x1 U 2
2L 2L
0 2U1
x2 x1 x22
2L 2L
2 x2 1
x2 U1 x2U 2
2L 2L
2 x1 1
x1 U1 x1 U 2
X * 0,3 y U * 1 / 6,0 se obtiene:
t t
La matriz Jacobiana evaluada en
0 1 0 0
0 0 0 4
14 / 6 0 0 1
0 1/ 3 6 1
0 0 4
14 / 6 0
(1) 1 14 / 6 0 1 4(1) 4
3
4(14 / 6)(6) 56
0 6
0 6 1
217
Como el valor es diferente de cero, entonces el punto X * 0,3 es un mínimo
t
f X * 3
Ejemplo 10:
COH 0.5F
T 70 50T 3500
50
5F 2.5 104
COR 5 R R 2 F 1 R
1
R R
COD 0.5F 1 R 2500 1 R
COC 0.15RF 750R
2.5 104
COT 50T 3500 2500 1 R 750 R
R
Función objetivo:
2.5 104
COT 50T 3250 R 1000 (1)
R
Restricción:
T 5000R (2)
218
Condiciones necesarias:
Las condiciones necesarias cuando las restricciones son de segundo orden son:
1. h T , R T * 5000R* 0 (1)
2. L T , R,W 0
2.5 104
como L T , R,W 50T 3250 R 1000 W T 5000 R
R
L 50 W
T
y L T , R,W 2.5 10 4 0
L 3250 5000W
R R 2
y 50 W * 0 (2)
2.5 104
*2
3250 5000W * 0 (3)
R
V t 2 L(T * , R* ,W * )V 0
h
T * 1
como h T * , R*
h 5000
R*
219
1
V t h T * , R* v1 v2 0
5000
v1 5000v2 0
Lo que implica que existen muchos vectores [ v1 v2] diferentes de cero que
satisfacen esta condición.
2.5 104
Para la función L T , R,W 50T 3250 R 1000 W T 5000 R se tiene
R
que:
2 L 2 L 5 104 2 L 2 L
0 0 0
T 2 R 2 R3 T R RT
y
2L 2L
T2 T R
2 L(T , R, W ) 2
L 2L
R T R 2
0 0
2 L(T * , R* ,W * ) 6
0 1.615 10
v
v1 v2 0 1 0
v2
Condición suficiente:
h h h
T R W
L L
h, , 2L 2L 2L
J T R
T , R,W T
2 T R T W
2L 2L 2L
RT R 2 RW
220
1 5000 0 5104
0 0 1 1 5000 0 0 0 1.615 106 0
0.314 3
5104
0 5000
0.314 3
i 1 i m 1
p X
0 i 1,..., n
xi
p X
0 i 1,..., p
wi
p X
2 wi vi 0 i m 1,..., p
vi
wi 0 i 1,..., p
221
Notas:
Ejercicio 11:
g X x1 x2 1 0
g X i
2
0
Función de Lagrange:
w h X w g X
m m
P X ,W f X i i i i i
2
i 1 i 1
P X ,W f X w g X 2
P X ,W 4 x 5 5 x 4 w x x 1 2
2 2
1 2 1 2
P
8 x1 5 w 0 w 8 x1 5 (1)
x1
P
10 x2 4 w 0 (2)
x2
P
x1 x2 1 2 0 (3)
v
P
2 w 0 (4)
w
3
Un conjunto es convexo si para todo X 1 y X 2 en el conjunto, el segmento que los une está en el
conjunto
4
Un punto interior en la región factible, es un punto que cae dentro de ella y no en su frontera.
Estos puntos se dan cuando las restricciones son satisfechas sin el signo igual.
222
Si = 0 de (3): x1 x2 1 x1 1 x2 (5)
Reemplazando (5) en (1): w 8 1 x2 5 8 4 x2 (6)
De (2): w 10 x2 4 (7)
4 5
Igualando (6) y (7): x2 x1 1 x2
9 9
0 d1 d2 d2
0 d2 d1 d2
D 0 d2 d2 d2
0 d2 d2 d1
donde:
d1 n 1 n 1
t
n 2
d2
t
n 1 1
n 2
223
k
f X a max f X , f X ,..., f X
1
k
2
k
n1
k
k
f X b min f X , f X ,..., f X
1
k
2
k
n1
k
1 n1 k k
xn2 , j xi , j xa , j ; j: designa cada coordenada, j=1,2,...n.
n i 1
k
2. Reflexión de X a a través del centroide.
k k k k
X n 3 X n 2 X n 2 X a
donde es el coeficiente de reflexión, mayor que cero, pero se recomienda
=1.
Se calcula f X n 3k y dependiendo del valor que tome la función para X n 3k ,
comparado con el de los demás puntos del poliedro, debe hacerse una de las tres
operaciones: expansión, contracción o reducción
224
3. Expansión.
k k
k k k k
Si f X n 3 f X b , se obtiene X n 4 X n 2 X n 3 X n 2 donde
1 ( es el coeficientes de expansión) y se recomienda 2.8 3.0 .
Se calcula f X n 4 k .
3.1 Si f X n 4 f X , se reemplaza
k
b
k k k
X a por X n 4 y se pasa a la
etapa k+1.
4. Contracción.
Si f X b k f X n3k X a k se hace una contracción obteniendo:
k k k
X n 5 X n 2 ( X a X n 2 )
Se calcula f X n 5k .
Si , se reemplaza X a por X n5 y se pasa a la
k k
f X n 5 k f X a k
etapa k+1.
Si
f X n 5 k f X a k , se hace reducción.
X ik 1 X bk 0.5 X X ,
i
k
i 1, , n 1 y se pasa a la etapa
k
b
k 1.
5. Reducción.
k
k
Si f X n 3 f X a , se reducen todos los vectores.
X ik 1 X bk 0.5 X ik X bk , i 1, , n 1 y se pasa a la etapa k 1 .
Antes de proseguir a la etapa k 1 , se analiza la convergencia con:
1
1 f X ik f X nk 2
n 1
2 2
n 1 i 1
225
x2 Disminuye f(X)
Contornos de f(X)
x1
Figura 8. Representación gráfica del método del poliedro flexible en dos
dimensiones
Ejercicio 12:
flexible.
d1
n 2
t
n 1 n 1 0.4830
d2
t
n 2
n 1 1 0.1294
Los datos de las primeras cuatro iteraciones y de la última teniendo en cuenta una
convergencia de 8x10-3 se muestran en la tabla 18.
226
Este
k método utiliza
k 1el gradiente en la etapa k para la transición desde el punto
X a otro punto X , mediante la siguiente expresión:
X k 1 X k X k X k k Ŝ k
227
donde:
S k : vector unitario en la dirección del gradiente en X k .
k : escalar que define la magnitud del desplazamiento desde X k en la dirección
del gradiente o en la dirección contraria. Si se toma el signo (+) el
desplazamiento se hace hacia donde crece la función y si se toma (-) hacia
donde decrece.
puede escogerse como una cantidad variable o como una constante. También
puede ajustarse en cada etapa de tal manera que la función se minimice o
maximice, dependiendo del propósito, en cada etapa.
f X k f f f
Sˆ k
f X k
f X k
x1
x2
xn X k
2 2
f f
f X k
...
x1
xn
1 k 1 k
t
f X k 1 f X k t f X k X k 1 X k X X H X k X k 1 X k
2
H: Matriz Hessiana
Si X k 1 X k k S k
f X k k Ŝ k
0
k
t f X k Ŝ k
Ŝ k
T
Hk Ŝ k
0
2
k
2 t f X k Ŝ k
T
Ŝ k HŜ k
2. Se calcula f X k Sˆ k , se compara con f X k y se elige una de las dos
siguientes opciones:
2.1. Si f X k S k f X k :
Se evalúa f X k 2S k y se compara con f X k S k ; si continua menor se
mantiene la misma dirección hasta obtener un punto X k 2m S k tal que:
f X k 2m 1 Ŝ k f X k 2m S k f X k 2m 1 Ŝ k
y se continúa en la etapa k+1, partiendo de X k 2m S k .
2.2.
Si f X k S k f X k :
k S k
Se evalúa f X
2
y se compara con f X k , si continúa mayor, se
sigue disminuyendo el desplazamiento hasta que:
f X k m S k f X k
2
y se continúa en la etapa k+1 en el punto
k
X m S k .
2
Ejercicio 13:
f X
k
2 x1 50 x2
2 2
M
Sˆ
k
f X k
y1' y2'
s1 s2
f X k
M M
Este método conocido como el método PARTAN, utiliza dos tangentes paralelas
a contornos de la función y en la línea que une los puntos de tangencia investiga
el óptimo de la función. Existen algunas modificaciones de este método, entre
ellos uno denominado PARTAN CONTINUADO.
2. Localizar X (1) en el mínimo de f X a lo largo del negativo del gradiente
desde X (0 ) .
X X n S
1 0 0
n = 1, 2, ...
0
f X 0
0
Ŝ
f X
T
f f f
f X 1
x1
x2
xn X 1
Sˆ 1
f X 1
f X 1
X X nUˆ
3 0 0
X 2 X 0
Uˆ 0 2
X X 0
231
Ejemplo 11:
Función objetivo:
1 10 5
f X 4 10 6 2 2 2
xy x y x y
T
f f
f X (k)
x y (k)
X
f X 1 20 5
4 10 6 2 3 2 2 y x
x x y x y x y
f X 1 10 10
4 10 6 2 2 2 3 y y
y xy x y xy
f ( X )
f X
2
f X
2
M
x y
f X yx yy
Sˆ s1 , s2
f X M M
Tabla 20. Iteraciones para la búsqueda del mínimo del ejemplo 12.
-yx o -yy o
(k) (2) (0) (2) (0)
Etapa X n x y x -x y -y M s1 o u1 s2 o u2 F
(0)
0 X 29 14 15,899 41,600 44,534 0,357 0,934 -2936,3
1 29,036 14,093 -2940,5
2 29,071 14,187 -2944,3
3 29,107 14,280 -2947,7
4 29,143 14,374 -2950,7
5 29,178 14,467 -2953,3
6 29,214 14,560 -2955,6
7 29,250 14,654 -2957,5
8 29,286 14,747 -2959,0
9 29,321 14,841 -2960,3
10 29,357 14,934 -2961,2
11 29,393 15,028 -2961,8
12 29,428 15,121 -2962,1
(1)
X 13 29,464 15,214 -2962,2
14 29,500 15,308 -2961,9
29,464 15,214 2,250 -1,952 2,979 0,755 -0,655 -2962,2
1 29,540 15,149 -2962,4
2 29,615 15,083 -2962,6
3 29,691 15,018 -2962,7
(2)
X 4 29,766 14,952 -2962,7
5 29,842 14,887 -2962,6
(3)
X 1 29,627 14,779 0,766 0,952 1,222 0,627 0,779 -2961,3
-1 28,373 13,221 -2872,3
2 30,254 15,558 -2958,1
(0
1 X ) 29,627 14,779 4,125 8,754 9,678 0,426 0,905 -2961,3
1 29,670 14,870 -2962,1
2 29,712 14,960 -2962,6
3 29,755 15,050 -2962,8
(1)
X 4 29,797 15,141 -2962,8
5 29,840 15,231 -2962,4
29,797 15,141 0,425 -2,306 2,345 0,181 -0,983 -2962,8
(2)
X 1 29,816 15,043 -2962,9
2 29,834 14,944 -2962,8
(3)
X 1 30,209 15,592 0,189 0,264 0,324 0,582 0,813 -2957,8
-1 29,045 13,966 -2935,5
2 30,791 16,405 -2933,5
233
x 30,025 30 $/día
y 15,021 15 $/día
Los métodos que utilizan aproximación del problema a un problema lineal en cada
etapa, utilizan la expansión en Taylor para la aproximación.
El problema : optimizar f (X )
Sujeto a: hi ( X ) 0 , i=1,2,...m
gi ( X ) 0 , i=m+1,.....,p
Se transforma a:
Optimizar f ( X k ) t f ( X k ) ( X X k )
Sujeto a: hi ( X k ) t hi ( X k ) ( X X k ) 0 , i=1,...,n.
gi ( X k ) t gi ( X k ) ( X X k ) 0 , i=m+1,...,p.
- Método de Rosen.
- Método del gradiente generalizado.
- Método de Davidson.
- Método de direcciones factibles.
i 1 i m 1
donde ui es el operador Heaviside tal que ui = 0 para gi ( X ) 0 , ui =1 para
gi ( X ) 0 .
Los métodos del gradientes son métodos que utilizan información sobre el
gradiente de la función objetivo en cada etapa para obtener la próxima
aproximación del óptimo.
Existe una gran variedad de estos métodos entre los cuáles se mencionan:
De estos métodos, los dos últimos son los más eficientes y rápidos.
236
El método solo encuentra mínimo local. Para encontrar otros mínimos locales hay
que inicializar el procedimiento con puntos diferentes.
En el caso de que se esté maximizando, la fórmula de aproximación será:
X i 1 X i i f ( X i ) .
n 1
X X0 S
i0
i i
237
donde en cada etapa Si es un vector unitario s1 , s2 ,...., sn que hace parte del
T
Un procedimiento
general que utilice las direcciones
conjugadas arranca
generando X 1 y a partir de este sigue generando X 2 , X 3 , hasta obtener X en n
iteraciones.
El valor de X 1 lo obtendría
X1 X 0 0 S0
o sea:
T S0
0 b H X X0
0
S0T H X 0 S0
El vector S 0 inicial puede ser cualquier vector unitario.
Una vez obtenido X1 , X 2 se obtiene como:
X 2 X1 1S1
El vector S1 se obtiene de la propiedad de conjugado:
S1 HS0 0
y de que S1 sea un vector unitario
S1T HS1 0
donde k k Sk
donde la dirección S k se obtiene como:
Sk Dk f X k
donde:
k Tk
Ak T
k k
k f X k 1 f X k
Bk
Dk k Tk Dk
Dk k
T
k
Este método es mucho más efectivo, tiene una mayor convergencia, que los
métodos que utilizan únicamente la dirección del gradiente. Para medir esta
efectividad existe la función de Rosembroch
1 x
2
f X 100 x2 x12
2
1
que tiene contornos marcadamente excéntricos y que hace que los métodos
basados puramente en el gradiente presenten una convergencia lenta.
Este método también está basado en las direcciones conjugadas, pero no tiene la
misma eficiencia del método anterior, pero si lo es más que los métodos de
ascenso-descenso acelerado y de Newton.
sk 1 f ( X k 1 ) k sk .
T f ( X k 1 ). f ( X k 1 )
k T
f ( X k ). f ( X k )
El algoritmo arranca escogiendo como dirección inicial: s0 f ( X 0 ) .
t1 t2 Tn
Figura 9. Esquema intercambiadores en serie
4.5. Bibliografía
Bazaraa M., “Nonlinear programming”, John Wiley & Sons, New York, 1979
Beveridge, S., “Optimization, theory and practice”, McGraw-Hill, New York, 1970
Smith, C., Pike, R., Murril, P., "Formulation and optimización of mathematical
models", International texbook Company, Scranton,1970.
241
CAPÍTULO V
TABLA DE CONTENIDO
CAPITULO V.
INTERPRETACIÓN DE RESULTADOS EXPERIMENTALES
Son muchas las actividades en ingeniería química en las que se requiere obtener,
analizar e interpretar datos para la toma de decisiones. En la investigación y
desarrollo de procesos, así como en el diseño, operación y mejoramiento
continuo de unidades de transformación o plantas de procesos completas, por
ejemplo, el ingeniero químico está enfrentado al tratamiento y análisis de datos,
resultados de experimentos, cálculos u operaciones de producción cotidiana.
= + ε
donde:
= valor verdadero.
ε = error experimental.
i= + i
En este caso la media de estas determinaciones puede tomarse como un
estimado más confiable de la densidad. Resulta evidente, en forma intuitiva, que
en la medida en que se tome un mayor número de muestras, la media de las
determinaciones tiende a un valor fijo. Este valor representa el valor verdadero de
245
1 n
x xi
n i 1
donde:
1 n
xi x
2
s
n 1 i 1
1 ( x u ) 2
exp
2
f ( x) , -∞< x < +∞
2
donde:
u = media hipotética
= desviación estándar
f ( x) = frecuencia o probabilidad de ocurrencia de un valor de magnitud x.
xu
z
246
por lo tanto:
1
exp z 2
f ( z) 2 , -∞< z < +∞
2
M f M1 , M 2 ,..., M n
Q f q1 , q2 ,..., qn
Q f q1 , q 2 ,..., q n
Si se conocen los errores en q1 , q2 ,......., qn se puede estimar la característica del
error en Q . Haciendo una expansión en Taylor alrededor del punto que define los
valores más probables de los qi y reteniendo únicamente los términos lineales se
obtiene:
Q Q t q q q
donde:
q q1 , q2 ,..., qn y q q1 , q2 ,..., qn
247
Q Q Q t q q q
f f
Q q1 q ...
q1 q q2 q 2
n
f
Q qi
i 1 qi q
Naturaleza de la función f
Magnitud de las cantidades medidas
Magnitud de los errores en las cantidades medidas
Q q1 q2 ....... qn q
i
n
Q q
i 1
i
Q n
q
i
Q i 1 q i
Q qa qb ... q k
a b k
a 1
Q qb ...qk aqa qa ... qa ...q j kqk
b k
a j
k 1
qk
Q aqa bqb kqk
...
Q qa qb qk
248
En este caso se establece que el error relativo de Q está dado por la suma de
errores relativos afectados por la respectiva potencia en q i en la función.
Ejemplo 1:
W 4W
v
tA D 2 t
Las medidas directas con los errores estimados son:
W 100 5 lb
t 70 10
. s
D 1 0.03 in
62.34 0.001lb/ft3
v v v
v W t D
W t D
De la relación de v se obtiene:
v 4
W D 2 t
v 4W
t D 2 t 2
v 8W
D D 3 t
4 4W 8W
v W t D
D t
2
Dt
2 2
D3t
100
v 0.042W 0.060t D
12
249
100
v 0.042 5 0.060 1.0 0.03
12
v 0.522 ft / s
4 100 144
v ft / s
70 3.14 62.3
4.21 ft / s
0.522
100 12.4%
4.21
Para hallar los errores relativos en las cantidades medidas para que el error de la
cantidad indirectamente medida esté dentro de cierto margen de seguridad se
utiliza el principio de efectos iguales; asumiendo que el error total puede estimarse
como n veces la contribución de cualquiera de las medidas directas.
O sea:
f f f
Q n q1 n q2 ... ...n q
q1 q2 qn n
i. Si Q q1 q2 ... qn
Q q q qn
n 1 n 2 n
Q q1 q2 qn
ii. Si Q qa qb ...qn
a b n
Q q q qn
na a nb b nn
Q qa qb qn
Ejemplo 2:
Cuáles deben ser los errores relativos en W,D y t para el ejemplo anterior, si se
desea que v posea un error de 2.0%.
250
v W W 0.02
3 0.7%
v W W 3
v t t 0.02
3 0.7%
v t t 3
v D D 0.02
3 2 0.33%
v D D 23
Ejemplo 3:
Para un orificio particular de 0.25 in. de diámetro, se determinó una rata de flujo W
igual a 19 lb/min con un error estimado de +/- 0.1 lb/min, y la correspondiente
caída de presión fue 9.1 inHg con un error estimado de +/- 0.1 in Hg. Calcular el
máximo error posible en el cálculo del coeficiente del orificio Cv, para el flujo
medido.
Determine cuál debe ser el error máximo en las medidas de W y caída de presión
si se desea que el error máximo en Cv sea el +/-2%.
1 W
Cv
K hm
donde
K A0 w 60 2 1.05 g
1
lb seg 1 ft 2 ft 2
(0.25) in 62.3 3 60
2 2
2 1.05 32.2
4 ft min 144in 2 seg
1
lb ft 2
K 10.5
min
W = rata másica en lb/min.
hm = caída de presión en in Hg.
Cv Cv
Cv W h
W hm m
Cv 1
W K hm
251
Cv W 32
hm
hm 2K
1 W 32
Cv W hm hm
K hm 2K
Para obtener el máximo error se toman los signos de W y hm que hagan,
efectivamente, máximo el valor.
Para hallar los errores relativos de W y hm, para que Cv tenga un error máximo del
+/-2% se aplica el principio de efectos iguales:
Q Q Q
Q n q1 n q2 ... n q
q1 q2 qn n
En este caso:
Cv Cv
Cv 2 W 2 h
W hm m
Cv Cv Cv W CvW CvW
W K hm K hm
2 Cv 2 2 W 2Cv
W 2W
K hm
W 1 Cv 1
(0.02) 0.01 1%
W 2 Cv 2
Cv Cv Cv Cv hm Cv hm
hm
2
Cv 3
Wh 1 Cv
hm 2 Whm 2 m W
2 K K hm K hm
hm Cv
2%
hm Cv
El error relativo con que debe determinarse el flujo W es ±1% y ±2% para la caída
de presión.
252
2
Q 2
n
(Q)
2
(qi )
i 1 qi q
2
n
Q 2
s (Q)
2
s (qi )
i 1 qi q
Q Q t (q ) q q
Q f (q1 , q2 ,...qn )
Q Q t (q ) q q
f f
Q q q2 ...
q1 q q2 q
1
q1 q q2 q qn q
dividiendo por n -1
2 2 2
Q 2 f q12 f q22 f qn2
...
n 1 q1 q n 1 q2 q n 1 qn q n 1
253
2
n
Q 2
s (Q)
2
s (qi )
i 1 qi q
Ejemplo 4:
Hallar la varianza de la velocidad promedio del agua, con los datos del ejemplo 1,
teniendo en cuenta que el estimado de la varianza para cada una de las variables
es:
s 2 W 4.884
s 2 t 0.195
s 2 D 1.69 104
s 2 1.95 107
W 4W
v
tA D 2 t
W 100 5 lb
t 70 10
. s
D 1 0.03 in
62.34 0.001lb/ft3
2
3
v 2
s v
2
s qi
i 1 qi q
i
v 2 v 2 v 2
2 2 2
s v
2
s W s t s D
W t D
254
De la relación de v se obtiene:
v 4
W D 2 t
v 4W
t D 2 t 2
v 8W
D D 3 t
2 2 2
4 2 4W 2 8W 2
s v
2
s W 2 2
s t s D
D t D t D t
2 3
2
100 2
s v 0.042 s W 0.060 s t s D
2 2 2 2 2
12
xz
n
donde:
ni
1
xm
ni
x
j 1
j
donde:
1 ni
sm
ni 1 j 1
( x j xm )2
s 1
sm ; s xi x
2
n n 1
m sm
x z / 2 sm
s
xm z / 2
n
z P( z z )
2 2 2
s2
En el caso en que el número de datos de la muestra sea pequeño n 30, no
n
es un estimado adecuado de 2m . En este caso se utiliza la distribución t de
Student para el estimado del intervalo en lugar de la distribución normal. La
distribución t de Student está definida por.
1
1
2 2
1 2 t
f t 1 , -∞< t < +∞
2
donde:
x
t
sm
: grados de libertad (número de valores usados para calcular las medias menos
el número de medias calculadas).
x
t
sm
donde:
x t sm
2
257
t P(t t ) f (t )dt
2 2 2 t / 2
w x i i
x mv i 1
ni
w
i 1
i
donde :
nk i nk i 1
wi
i 2
si
2
s 2
m ,i
1 1
2 m ,mv sm ,mv
2
nk i 1
2
i 1 i2 sm ,i
Ejemplo 5 :
n
xi 1
x (9137
. 9145
. ...92.79) 92.30
i 1 n 10
196
. * 0.75 196
. * 0.75
92.30 R 92.30
10 10
. R 92.76.
9183
R 92.30 0.464.
ni
1
xm
ni
x
i 1
i
donde:
1 ni
Sm
ni 1 i 1
( xi xm ) 2 .
S 1
Sm ; S xi x 2
n n 1
259
m Sm
x zSm
S
x z
n
Ejemplo 6:
x zsm
30.8 1.96 0.489
30.8 0.96
29.8 31.8
Ejemplo 7:
Los resultados de un análisis gravimétrico son: 55.3, 56.9, 55.8, 57.3 y 57.7. Calcular
el rango en que pueda encontrarse el valor verdadero con una confianza del 95%.
260
Como el número de datos es menor que 30 (n 30), para el calculo del intervalo
de confianza se usará el estadístico t y el estimado sm .
Cálculo de la media:
1 5
x xi
n i 1
1
55.3 56.9 55.8 57.3 57.7
5
56.6
Cálculo de la sm :
5
1
sm2 xi x
2
n n 1 i 1
0.20
x tsm
56.6 0.45t
56.6 126
.
55.34 57.86
Ejemplo 8:
Un análisis realizado por dos procedimientos diferentes arroja los resultados que
se muestran en la tabla 1.
Obtenga el rango del valor verdadero con una confianza del 95%.
56.6 55.5
xmv 0.2 2.2 56.5
1 1
0.2 2.2
261
1
sm2 ,mv 0.183
1 1
0.2 2.2
Para obtener el intervalo con el mejor valor de la media se asumirá que las
varianzas de los dos procedimientos son diferentes, es decir 12 22 .
xmv tsm, mv
56.5 2.306 0.18
56.5 0.984
(n 1) s2
2
2
1
f
2
1
2
( )
2 2
, 0 2
2
e
2 2
2
donde
: grados de libertad
k t k 1et , k >0
0
262
(n 1) s 2
12 2
2 2 2
(n 1) s2 (n 1) s2
.
2 12
2 2
P(
2 2
1
) como se ilustra en la figura 2.
2 2
s s
z z
1 2 1 2
2n 2n
donde:
z P( z z )
2 2 2
Ejemplo 9:
(n 1) s2 (n 1) s2
.
2 12
2 2
Cálculo de la media:
1
x
5
xi
1
5.84 5.76 6.03 5.9 5.87
5
5.88
1 5
s xi x
2
2
4 i 1
1
(5.84 5.88) 2 (5.76 5.88) 2 (6.03 5.88) 2 (5.9 5.88) 2 (5.87 5.88)2
4
0.013
Los valores de 2 / 2 y 12 / 2 se leen de una tabla para las distribución Chi-
cuadrado con 5% ; para obtener el intervalo de confianza con una probabilidad
del 95%. Los valores leídos con 4 son:
0.025
2
13.277 ; 0.975
2
0.4844
4 0.013 4 0.013
.
13.277 0.4844
0.062 0.327
Ho : 2 ≥ 02 y H1 : 2 02
Ho : 2 ≤ 02 y H1 : 2 > 02
Ho : 2 = 02 y H1 : 2 ≠ 02
2
n 1 s 2
20
donde s2 es un estimado del valor verdadero de 2, y los grados de libertad son
iguales a n 1 .
Donde:
2 P( 2 2 )
12 1 P( 2 12 )
2 / 2 / 2 P( 2 2 / 2 )
12 / 2 1 / 2 P( 2 12 / 2 )
267
2
f( )
Y Axis Title
0
2
0
2
-2
-2 0 2 4 6 8 10 12
X Axis Title
2
f( )
Y Axis Title
0
2
0
2
2
H0: 2 02 (0.60)2
H1: 2 > 02 (0.60)2
2
0 0.60
2 2
2 31.75
2 27.587.
269
Ho : 12 ≥ 22 y H1 : 12 22
Ho : 12 ≤ 22 y H1 : 12 > 22
Ho : 12 = 22 y H1 : 12 ≠ 22
s12
F
s22
12 22 12 22 F F F F
12 22 12 22 F F1 ó F F F1 / 2 F F / 2
2 2
270
Donde:
F1 1 P( F F1 )
F P( F F )
F1 / 2 1 / 2 P( F F1 / 2 )
F / 2 / 2 P( F F / 2 )
F F ( 1 , 2 )
donde:
1
F1 ( 1 , 2 )
F ( 2 , 1 )
1
F1 / 2 ( 1 , 2 )
F / 2 ( 2 , 1 )
Por ejemplo, de una tabla se lee F0.05 (7,9) = 3.29 y el valor de F0.95 (9,7) se
obtiene como:
1
F0.95 (9, 7)
F0.05 (7,9)
1
F0.95 (9, 7)
3.29
F0.95 (9, 7) 0.304
271
Ejemplo 11:
El rendimiento diario de un reactor determinado durante 10 días fue 92.30 con una
desviación estándar de 0.65. Si cierto tiempo después se realizaron otras 10
pruebas para el reactor, con algunas modificaciones ligeras en él, en las cuales se
obtuvo un rendimiento promedio de 92.59 con una desviación estándar de 0.37.
Existe diferencia entre las desviaciones estándar de los dos conjuntos de medidas
del rendimiento.
H0: 1 2
H1: 1 2
s12 (0.65) 2
F 2 3.086.
s2 (0.37) 2
F
El valor de / 2 se lee en una tabla con grados de libertad en el numerador, n 1-1,
igual a 9 y grados de libertad en el denominador, n2-1, también igual a 9.
F = 4.03
2
Ejemplo 12:
x1 x2 x3 x4 x5 x
Procedimiento 1 55.3 56.9 55.8 57.3 57.7 56.6
Procedimiento 2 52.6 54.3 58.0 52.7 60 55.5
Para responder la pregunta se hará una prueba de hipótesis de varianza con las
siguientes hipótesis:
H0: 12 22
H1: 12 22
La prueba se hará con un nivel de significancia del 5%. Con este valor de α se
obtiene de una tabla para la distribución F el valor de F0.025 (4, 4) y con este valor se
calcula F0.975 (4, 4) usando la propiedad que tiene esta distribución. Así, el valor de
F0.025 es:
s22
F 2
s1
Con:
1
xi,1 x1
2
s12
4
1
(55.3 56.6) 2 ... (57.7 56.6) 2
4
1.02
y
273
1
xi,2 x2
2
s22
4
1
(52.6 55.5) 2 ... (60 55.5) 2
4
11.02
F
11.02
10.8
1.02
Como el valor de F calculado cae fuera del intervalo 0.104 F 9.6 se descarta la
hipótesis nula; es decir, se concluye que hay diferencia en las desviaciones
estándares de los dos procedimientos.
Con este resultado de este ejemplo se confirma la suposición que se hizo sobre
las varianzas de los dos procedimientos analíticos en el ejemplo 7; en
consecuencia si era posible obtener el intervalo de confianza con el mejor valor de
la media.
s12 1.02
F 2 0.092
s2 11.02
Ho : ≥ o y H1 : o
Ho : ≤ o y H1 : > o
Ho : = o y H1 : ≠ o
donde:
z P( z z ) f ( z )dz
z
z P( z z ) f ( z )dz
2 2 2 z / 2
x 0
z
/ n
donde:
t P(t t ) f (t )dt
t
t P(t t ) f (t )dt
2 2 2 t / 2
x 0
t
sm
con:
n 1 para leer t ó t
2
Los criterios registrados en las tablas 5 y 6 pueden mostrarse sobre una línea
recta, en la que se representa el dominio del estadístico y los valores leídos del
estadístico de acuerdo con las hipótesis formuladas. Simbolizados como θ (t o z)
el estadístico usado en los criterios, en las siguientes gráficas se representan las
regiones donde se acepta la hipótesis nula o se rechaza, dependiendo donde se
localice el valor calculado del estadístico
Reservarse el
juicio
≥ o Rechazar Ho Aceptar
Ho
Θ = - Θα Θ=0
276
Reservarse el
juicio Rechazar Ho
Aceptar Ho
≤ o
Θ=0 Θ = Θα
Rechazar Ho
Rechazar Ho Aceptar
= o Ho
Θ = - Θα/2 Θ=0 Θ=
Θα/2
Reservarse el
juicio
Ejemplo 13:
Calculo de la media:
1 12 1
x
12 i 1
xi 2.1 ... 2.4 2.37
12
1 12
s2
11 i 1
( xi x) 2
1
s 2 (2.1 2.37) 2 (1.9 2.37) 2 ...... (2.4 2.37) 2
11
s 0.0326
2
Entonces:
s 2 0.0326
sm2
n 12
sm 2.716 x103
2
sm 0.052
Valor de t calculado:
x 0 2.37 2.5
t
sm 0.052
t 2.5
P ( t t )= 0.05.
t = 1.796
H0: 0 = 2.5%
H1: 0 = 2.5%
278
El análisis también puede realizarse sobre una línea recta donde se ubiquen los
valores del estadístico t.
H0: 0 = 2.5%
H1: 0 = 2.5%
Aceptar Ho Rechazar Ho
t =-2.5 0 tα=1.796
H0: 0 = 2.5%
H1: 0 = 2.5%
x t sm
2.37 2.201 0.052
2.37 0.114
2.256 2.484
Como o =2.5 es mayor que el limite superior del intervalo, se concluye que es
menor que o. Es decir se acepta la hipótesis nula: El crudo tiene un contenido de
azufre menor que el 2.5%
279
Ho : 1 ≥ 2 y H1 : 1 2
Ho : 1 ≤ 2 y H1 : 1 > 2
Ho : 1 = 2 y H1 : 1 ≠ 2
El estadístico que se usa en los criterios para decidir sobre las hipótesis depende
de si los valores de las , 1 y 2, son conocidos o desconocidos e iguales o
diferentes, y del número de datos de las muestras o conjuntos de datos.
x1 x2
z
1/ n1 1/ n2
x1 x2
t
1 1
n1 n2
con:
. n1 n2 2 grados de libertad
donde:
n1 : numero de datos del conjunto 1
n2 : numero de datos del conjunto 2
Los criterios para decidir sobre las hipótesis se encuentran registrados en las
tablas 7 y 8.
280
x1 x2
z
/ n1 22 / n2
2
1
x1 x2
t
12 / n1 22 / n2
con:
n1 n2 2 grados de libertad
donde:
Los criterios para decidir sobre las hipótesis son los que se encuentran registrados
en las tablas 7 y 8.
x1 x2
z
s12 s22
n1 n2
x1 x2
t
s 1 1
n1 n2
donde:
con:
n1 n2 2 grados de libertad
Los criterios para decidir son los mismos registrados en las tablas 7 y 8.
x1 x2
t
2
s s22
1
n1 n2
con:
s / n1 s22 / n2
2 2
1
s / n1 / n1 1 s22 / n2 / n 2 1
2 2 2
1
También en las tablas 7 y 8 se registran los criterios para decidir sobre las
hipótesis
Ejemplo 14:
El rendimiento diario de un reactor determinado durante 10 días fue 92.30 con una
desviación estándar de 0.65. Si cierto tiempo después se realizaron otras 10
pruebas para el reactor, con algunas modificaciones ligeras en él, en las cuales se
obtuvo un rendimiento promedio de 92.59 con una desviación estándar de 0.37,
afectó el rendimiento promedio las modificaciones realizadas?.
Hipótesis nula H0 : 1 2 .
Hipótesis alterna H1: 1 2 .
Dado que el número de datos n1 y n2, es menor que 30, se usará el estadístico t
para la prueba y su valor esta dado por:
x1 x2
t
s 1 1
n1 n2
el valor de s2 es:
como n1 = n2
1 1
s 2 ( s12 s22 ) (0.65) 2 (0.37) 2 0.28
2 2
s 0.53
92.3 92.59
t 1.22
0.53 2
10
Diferencias x d1 x d2 x d3 x d4 ……….. x dn
x di = x i,1 – x i,2
Ho: xd o 0
H1 : xd o 0
xd 0
t
smd
284
donde:
(x di xd )2
2
smd i 1
n(n 1)
1 n
xd xdi
n i 1
Ho: 1 2 3...... n i
H1 : 1 2 3 ...... n i
s 2p
F
se2
diferencias entre las medias muestrales, hacen que s 2p sea mucho mayor que
se2 .Así, la razón entre s 2p y se2 , el valor de F calculado, es una medida de si
pueden o no acontecer diferencias entre las medias muestrales.
ni nk
(x ik xi ) 2
se2 i 1 k 1
ni
(n
i 1
k )i ni
donde:
ni
(n
i 1
k ) i ni
se2 , también puede obtenerse a partir de las varianzas de error dentro de cada
muestra.
ni
( n k ) i 1si2
se2 i 1
ni
(n
i 1
k ) i ni
ni
(x x i p )2
2
smp i 1
ni 1
donde:
ni
(n k ) i xi
xp i 1
ni
.
(n
i 1
k )i
286
s 2p n0 smp
2
donde:
ni
( n )
2
1 ni k i
n0 (nk ) i
i 1
.
ni 1 i 1 ni
(n
i 1
k )i
Los valores de F que son significativamente mayores que 1.0, indican que la
diferencia entre las medias se debe a factores no aleatorios. Para decidir sobre la
prueba con un valor de ( ) determinado, se obtiene el valor de F de una tabla.
2
Ejemplo 15:
La prueba puede plantearse como: Existe una diferencia significativa entre los dos
rendimientos promedio?.
Hipótesis nula H0 : 1 2
Hipótesis alterna H1: 1 2
Se tiene:
x1 92.30 x2 92.59
s1 0.65 s2 0.37
287
1
se2 0.65 0.37 0.28
2 2
2
1 ni
xi x p
2
2
smp
ni 1 i 1
x1 x2 92.3 92.59
xp 92.44
2 2
smp 92.3 92.44 92.59 92.44
2 2 2
2
smp 0.0421
s 2p 10 smp
2
0.421
s 2p 0.421
F 2
1.5
s e 0.28
Ejemplo 16:
Para responder la pregunta se debe hacer una prueba de hipótesis sobre el valor
verdadero del coeficiente de transferencia de calor UD, para las dos conjuntos de
datos reportados. Con este propósito se llamará 1 el valor verdadero del
coeficiente reportado por el fabricante (UD de diseño) y 2, el valor verdadero de
las determinaciones del coeficiente UD en condiciones de operación en planta.
1 10
x1 xi,1
10 i 1
1
x1 58 61 65 ... 67
10
x1 66.5
1 10
x2 xi,2
10 i 1
1
x2 60 63 ... 65
10
x2 66.0
1 10
xi ,1 x1
2
s12
9 i 1
1
s12 (58 66.5) 2 ... (67 66.5) 2
9
s1 26.5
2
1 10
xi ,2 x2
2
s22
9 i 1
1
s22 (60 66) 2 ... (65 66) 2
9
s2 29.78
2
289
La prueba se hará con un nivel de significancia del 5%, 5% . Para este nivel
de significancia se obtiene de una tabla para la distribución F el valor de F , y
2
s12 26.5
F 2
0.89
s2 29.78
Hipótesis nula H0 : 1 2
Hipótesis alterna H1: 1 2
x1 x2
t
s 1 1
n1 n2
con:
2
Calculo de s :
66.5 66.0
t
(28.14)1/ 2 1 1
10 10
t 0.21
t t0.025 2.101
2
2. ¿Cuáles son los intervalos de confianza del 99% para la media del siguiente
grupo: 1.254, 2.532, 1.489, 3.371, 1.986?
291
Prueba A: 134, 146, 104, 119, 124, 161, 107, 83, 113, 129, 97, 123
Prueba B: 70, 118, 101, 85, 107, 132, 94
5.9. Bibliografía
Smith, C., Pike, R., Murril, P., "Formulation and optimization of mathematical
models", International texbook Company, Scranton,1970.
Andersen, L.B. "Statistical methods extend your data". Chem. Eng., october, 1962.
Idem., "Tests and estimates of statistical mean"., Chem, Eng., february 1963.
Idem., "Tests and estimates on the statistical variance", Chem. Eng., March 1963.