MÉTODOS NUMÉRICOS PARA INGENIEROS
QUÍMICOS CON MATLAB (I)
Francisco Muñoz Paba M.Sc.
. Departamento de Ingeniería Química, Grupo de Simulación y Control de
Procesos. f31paba @ yahoo.com, Universidad del Atlántico,
Barranquilla, Colombia
INTRODUCCION
0B
Muchos planteamientos matemáticos sobre
situaciones problémicas, en procesos
químicos, son de difícil solución analítica y
hacen que el ingeniero químico tenga que
recurrir a los métodos numéricos para
encontrar una respuesta a sus casos de
estudio. Una necesidad muy frecuente es la
de representar un conjunto de datos
experimentales tomados en forma discreta
ajustados a una expresión analítica que
permita de forma más fácil la estimación de,
por ejemplo, valores intermedios,
sumatorias o integrales y variaciones o
razones de cambio entre ellos. El desarrollo
de los métodos numéricos, la certidumbre
de sus resultados y la posibilidad de
ejecutarlos con la ayuda de códigos por
computador hacen de ellos un recurso que
ofrece ventajas con respecto a los métodos
analíticos. En ésta revisión se presentan
algunos métodos de ajuste de datos a
ecuaciones con ejemplos a la ingeniería
química que se resuelven con los pro
cedimientos explicados y con la ayuda de
un computador mediante la construcción de
instrucciones cortas codificadas con
MATLAB.
AJUSTE DE CURVAS PARA FUNCIONES
POLINOMICAS.
Muchas funciones matemáticas incluyen
términos como logarítmicos, exponenciales
o trigonométricos que las hacen de un
manejo complejo. Una alternativa para
afrontar tal dificultad la ofrecen los métodos
numéricos permitiendo que una función se
pueda expresar por otra equivalente en
cuanto a la correspondencia entre la
variable independiente y el valor de la
función pero mas sencilla y, por lo tanto, de
más fácil manipulación. Lo anterior es lo que
se conoce como ajuste de curvas,
interpolación o cálculo de la ecuación de
una curva. A continuación se muestra el
método de ajuste de curvas a un polinomio
como una Serie de Potencias o mediante
procedimiento de interpolación como el de
Newton y Lagrange.
.
SERIE DE POTENCIAS.
Prácticamente todas las funciones
matemáticas se pueden expresar como un
polinomio de grado n, es decir, mediante
una expresión en serie de potencias.
Es más fácil encontrar el valor numérico de
una función expandiéndola en una serie de
potencia polinomial como la ecuación (1):
n
f ( xi ) = ∑ an x n = a0 + a1 xi + a2 xi2 + ...an xin (1)
i =0
y evaluando los coeficientes a0 .. ..an .
Las funciones logarítmicas, hiperbólicas y
elípticas son casos puntuales.
1
Las series de potencias pueden usarse para Tabla 2. Diferencias divididas
ajustar un conjunto de datos tomando un
número suficiente de términos. El número [1] [2 ] [3] [4 ]
x f(x) ∆f i ∆f i ∆f i ∆f i
de términos está dado por el siguiente
1 5.0000 7.852 9.640 6.200 2.000
teorema:
1.1 5.7852 9.780 11.50 7.000 2.000
1.2 6.7632 12.08 13.60 7.800
Sí las enésimas diferencias divididas de una
1.3 7.9712 14.80 15.94
función tabulada son constantes cuando los
1.4 9.4512 17.98
valores de la variable independiente son
1.5 11.250
tomadas en progresión aritmética, la función
es un polinomio de grado n.
Debe notarse que todas las diferencias
divididas de cuarto orden tienen el mismo
Ejemplo 1
valor, independientemente de los
1B

argumentos que se usen para su cálculo,

f ( x) = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 (2) por lo tanto , la ecuación(2) se puede
escribir en forma de series de potencias
Tabla 1. Datos de la función como un polinomio de cuarto orden.
Para realizar los cálculos de diferencias
Punto 0 1 2 3 4 5 divididas puede usarse el siguiente
x 1.0 1.1 1.2 1.3 1.4 1.5 procedimiento codificado con MATLAB:
fx 5.000 5.785 6.763 7.971 9.451 11.25
Procedimiento 1
Elabore una tabla de diferencias divididas
determine los coeficientes del polinomio x=[1.0 1.1 1.2 1.3 1.4 1.5];
dado por la ecuación (2). fx=[5.000 5.7852 6.7632 7.9712 9.4512
11.25];
Las primeras diferencias divididas mediante M=6; N= M-1;
los puntos (0), (1) y (1), (2),
respectivamente, son: for i=1:N
T(i,1)= (fx(i+1)- fx(i))/(x(i+1)-x(i));
5.7852 − 5.0000 end
f [x0 , x1 ] = = 7.8520
1 .1 − 1 .0
for j=2 :N
6.7632 − 5.7852
f [x1 , x2 ] = = 9.7800 for i=j : N
1 .2 − 1 .1 T(i,j)= (T(i,j-1)- T(i-1,j-1))/(x(i+1)-x(i-j+1));
end
La segunda diferencia dividida mediante los end
puntos (0), (1) y (2) es:
T
9.7800 − 7.8520
f [x0 , x1 , x2 ] = = 9.6400
1 .2 − 1 .0
Para encontrar los coeficientes
La Tabla 2 muestra los resultados a0 , a1 , a2 , a3 y a4 del polinomio en series de
correspondientes hasta la cuarta diferencia potencia de la ec(2), se escribe el siguiente
dividida. procedimiento codificado con MATLAB:

2
Procedimiento 2

x=[1.0 1.1 1.2 1.3 1.4 1.5];

fx =[5.00 5.7852 6.7632 7.9712 9.4512
11.25];

plot(x,fx,’o’)

a = polyfit (x, fx, 4);

Y= polyval (a, x);

fprintf ( ‘ a0=%8.5f\n a1=%9.6f\n a2=%9.6f\n

…
a3=%9.6f\n
a4=%9.6f\n’,a(5),a(4),a(3),a(2),a(1))

plot(x,fx,’o’,x,Y,’-‘)
Figura 1 Gráfica del polinomio ajustado.
Donde se obtiene que:
a0 = 3.000
Tabla 3 Diferencias finitas hacia adelante
a1 = −2.000 _______________________________________
a2 = 5.000 X y = x 3 f i [1] f i [2 ] f i [3] f i [4 ]
a3 = −3.000 1.1 1.331 0.397 0.072 0.006 0
a4 = 2.000 1.2 1.728 0.469 0.078 0.006
1.3 2.197 0.547 0.081 0
En la figura 1 se muestran los datos 1.4 1.744 0.631 0 0
suministrado junto con el polinomio ajustado 1.5 3.375 0 0 0
_______________________________________
FORMULA DE NEWTON EN x y fi[1] fi[2] fi[3]
DIFERENCIAS FINITAS HACIA x0 f ( x0 ) f [x0 , x1 ] f [x0 , x1 , x2 ] f [x0 , x1 , x3 , x3 ]
ADELANTE. x1 f ( x1 ) f [x1 , x 2 ] f [x1 , x 2 , x3 ] f [x1 , x 2 , x3 , x 4 ]
x 2 f ( x 2 ) f [x 2 , x 3 ] f [x 2 , x3 , x 4 ] f [x 2 , x 3 , x 4 , x 5 ]
La fórmula necesita una tabla de valores y0,
y1, y2, .......yn para valores equidistantes x3 f ( x3 ) f [x 3 , x 4 ] f [x 3 , x 4 , x 4 ]
x0, x1, x2, ..xn de la variable independiente x 4 f ( x 4 ) f [x 4 , x 5 ]
x. __________ __________ __________ ________
Para usar la fórmula de Newton en
diferencias finitas es de mucha ayuda La función tabulada debe ajustarse con un
construir una tabla de diferencias finitas. polinomio f(x) de n-ésimo grado, que se
La tabla 3 es una tabla de diferencias finitas, expresa por
para y = x 3 Los valores numéricos están
arriba y la nomenclatura está debajo.

3
 f ( x) = a0 + a1 ( x − x0 ) + a2 ( x − x0 )( x − x1 ) +
a3 ( x − x0 )( x − x1 )( x − x2 ) +
an ( x − x0 )( x − x1 ). . . ( x − xn −1 )
Haciendo h = x1 − x0 = x2 − x1 s = ( x − x0 ) / h

Por derivación:
s( s − 1) [2]
y = f ( x) = f ( x0 ) + sf i [1] + fi +
2!
s ( s − 1)( s − 2) [3] s ( s − 1)( s − 2)( s − 3) [4 ]
+ fi + fi +
3! 4!
s ( s − 1) ...( s − n + 1) [n ]
fi (3)
n!

Siendo f i [1] , f [2 ], f i [3], la primera, segunda y

tercera diferencia finitas, respectivamente.

La fórmula es útil solo para valores Figura. 2 Datos de sedimentación.

puntuales, no para la ecuación de la curva
total Solución por Serie Potencias

Para encontrar el polinomio en serie de

Ejemplo 2 potencias, suponemos un polinomio de
séptimo grado que se encuentra mediante el
La velocidad de sedimentación de una siguiente procedimiento codificado con
suspensión, se relaciona con la MATLAB
concentración volumétrica del sedimento.
Los datos y la curva para la sedimentación Procedimiento 3
de una suspensión de precipitado de
carbonato de calcio se muestran en la figura x= [ 0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0];
2. La graficación de la curva se deja como y= [0 3.2 4.8 4.25 3.23 2.87 2.75 2.70
ejercicio para el lector 2.65];
Se requiere: plot(x,y,’o’)
1. Encontrar la ecuación de la curva que Coef = polyfit(x,y,7);
mejor se ajuste a los datos dados.
X=1:0.1:8;
2. Calcular la velocidad de edimentación
para una concentración volumétrica Y= polyval (Coef,X);
de 2.5%.
plot(x,y,’o’,X,Y)
.
fprintf (‘ a0=%9.6f\n a1=%9.6f\n a2=%9.6f\n
L
a3=%9.6f\n a4=%9.6f\n a5=%9.6f\n
a6=%9.6f\n
4
 Tabla 4. Diferencias finitas
a7=%9.6f\n’,a(8),a(7),a(6),a(5),a(4),a(3),a(2)
,a(1)) x y f i [1] f i [2 ] f i [3] f i [4 ] f i [5]
2.0 4.8 -0.55 -0.47 1.13 -1.55 1.80
Donde los coeficientes del polinomio de
3.0 4.25 –1.02 0.66 -0.42 0.25 -0.150
séptimo grado son:
4.0 3.23 –0.36 0.24 -0.17 0.10
a 0 = 0.0004 a 4 = 1.023 5.0 2.87 –0.12 0.07 -0.07
a1 = 1.7060 a 5 = −0.1579 6.0 2.75 –0.050 0
7.0 2.70 -0.05 0
a 2 = 3.8871 a 6 = 0.0121
8.0 2.65 0
a 3 = −3.27 a 7 = −0.00040
h =1.0
La ecuación de la curva es: 2 .5 − 2 .0
f ( x) = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 + a5 x 5 + a6 x 6 s= = 0 .5
1 .0
+ a7 x 7 (4)
Aplicando la ecuación (3)
La velocidad másica de concentración para 0.5(0.5 −1)
una concentración volumétrica de 2.5%, se f (2.5) = 4.8 + (0.5)(−0.50) + (−0.47)
2
halla sustituyendo los coeficientes
encontrados con el procedimiento 3 en la 0.5(0.5 −1)(0.5 − 2)
+ (1.13)
ecuación (4) para un valor de x =2.5. (3)(2)
0.5(0.5 −1)(0.5 − 2)(0.5 − 3)
Empleando los siguientes comandos de + (−1.55)
MATLAB: (4)(3)(2)
= 4.7149 g / cm2h
Pol= [-0.0004 0.0121 -0.1579 1.023 –
3.8871 0.0004]; Aunque la cuarta diferencia finita no es
fx = polyval (Pol,2.5) constante, el resultado obtenido es
satisfactorio. Es evidente a partir de éste
ejemplo que tanto el polinomio en serie de
Obtenemos que: f(2.5) = 4.6783 g / cm 2 h
potencias como la fórmula de Newton son
bastante aproximadas al valor medido que
Solución por la fórmula de Newton es de 4.700.
Este problema se puede resolver utilizando Los cálculos anteriores se pueden realizar
la fórmula de Newton en diferencias finitas. con el siguiente procedimiento codificado
Este método es válido solamente para con MATLAB.
calcular valores puntuales de la función y no
para calcular la ecuación de la curva, por Procedimiento 4
consiguiente, se calcula solamente el valor
de la función para un valor de x = 2.5. x= [2.0 3.0 4.0 5.0 6.0 7.0 8.0];
y= [4.8 4.25 3.23 2.87 2.75 2.70 2.65];
Se calculan las diferencias finitas que se N=7;
resumen en la Tabla 4.
for i =1: N-1
f(i,1) = y(i+1) –y(i);
5
end
for j=2: N-1
for i=j: N-1
f(i,j) = f(i,j-1) – f(i-1,j-1);
end
end
f ( x − x0 )( x − x1 )L ( x − xn −1 )
h= 1.0 ; xi = 2.5;
s = (xi – x(1))/h ;
yi = y(1) + s*f(1,1) + s*(s-1)/2*f(2,2)
+ s*(s-1)*(s-2)/(3*2)*f(3,3)
+ s*(s-1)*(s-2)*(s-3)/(4*3*2)*f(4,4) ;
fprintf(‘\n\n Resultado: 4º grado f(%4.2f)
=... %6.2f \ n’, xi,yi )
FÓRMULA DE INTERPOLACIÓN DE
LAGRANGE.
Muchas fórmulas de interpolación son
aplicables solo cuando los valores de la
variable independiente son dados en
intervalos equidistantes. La fórmula de
Lagrange no tiene ésta limitación, pero solo
utiliza datos que sean necesarios para
aproximarse al valor correcto.
Los datos donde los valores de x no son
equidistantes, a menudo son resultados de
observaciones experimentales o de análisis
de datos históricos.
Supóngase que se tiene una tabla de datos
con cuatro pares de valores x y f(x)
( x − x1 )( x − x2 )L( x − xn )
f ( x) = ( f0 )
( x0 − x1 )( x0 − x2 )L ( x0 − xn )
( x − x0 )( x − x2 )L( x − xn )
+ ( f1 )
( x1 − x0 )( x1 − x2 )L ( x1 − xn )
( x − x0 )( x − x1 )( x − x3 )L( x − xn )
+ ( f2 )
( x2 − x0 )( x2 − x1 )( x2 − x3 )L ( x2 − xn )
+L+ ( fn )
( xn − x0 )( xn − x1 )L ( xn − xn −1 )
(5)
La fórmula de Lagrange se usa
principalmente para :
(1) Calcular el valor de la variable
independiente correspondiente a un
valor dado de la función .
(2) Calcular cualquier valor de una
función, cuando los valores dados
de la variable independiente no son
equidistantes.
Además de que la fórmula de Lagrange es
tediosa, tiene una limitación muy seria,
cuando los valores no son tan cercanos
unos a otros, los resultados tienden a ser
indeseables. Sin embargo puede utilizarse
cuando sea imposible utilizar otro método.
Ejemplo 3
Se desea estimar la densidad de una
sustancia a una temperatura de 251º C a
partir de los siguientes datos experimentales
que se dan en la Tabla 5.

i 0 1 2 3 .. n
x x0 x1 x2 x3 L xn Tabla 5 Datos de Temperatura-Densidad
f ( x) f0 f1 f2 f3 L fn
i 0 1 2
Estos cuatro pares de datos es posible Ti , º C 94 205 371
ajustarlos a una función cúbica. La fórmula kg
de Lagrange para un polinomio de n-ésimo ρi, 929 902 860
m3
grado es

6
Como se dispone de tres datos, el orden de la fórmula de Lagrange , tomando los datos
la fórmula de Lagrange es 2 y el cálculo de de las densidades a una concentración del
la densidad a 251 es dado por 40% y la temperatura como la variable
independiente.
(251 − 205)(251 − 371) El orden de la fórmula es de 1 y el cálculo
ρ (251º C ) = (929) de la densidad mediante la fórmula de
(94 − 205)(94 − 371)
Lagrange es:
(251 − 94)(251 − 371)
+ (902)
205 − 94(205 − 371) (15 − 30) (15 − 10)
ρ (15º C ) = (1.3103 + (12953)
(251 − 94)(251 − 205) (10 − 30) (30 − 10)
+ (860)
(371 − 94)(371 − 205) = 1.3066 kg / m 3
= 890.5 kg / m3
El siguiente procedimiento codificado con
El siguiente procedimiento codificado con MATLAB realiza los cálculos anteriores.
MATLAB realiza los cálculos anteriores.
Procedimiento 6
Procedimiento 5

X = [94 205 371]; x= [10 30];

Y = [929 902 860]; y= [1.3103 1.2953];
Xi= 251; xi = 15;
d = interp1(x,y,xi,’linear’)
Densidad =interp1(X,Y,Xi,’cubic’)
FÓRMULA DE INTERPOLACIÓN HACIA
En la Tabla 6 se muestran las densidades en DELANTE DE DERIVADAS DE NEWTON.
kg / m3 , de soluciones acuosas de ácido
sulfúrico de diferentes concentraciones en La fórmula de diferenciación de Newton para
% para un conjunto de temperaturas en ºC. una estimación de f’(x) se obtiene
Se desea calcular la densidad de una
1  [1] 1 [2 ] 1 [3] 1 [4 ] 1 [5 ] 
solución de ácido sulfúrico a una f ′ ( x) = f i − f i + f i − f i + f1 − L
h  2 3 4 5 
concentración del 40% y a una temperatura (6)
de 15 ºC.
Derivaciones sucesivas se obtienen
Tabla 6 Tabulación de una función de dos
1  [2] 11 5 
variables ρ = f (T , C ) f ′′(x) = f − fi[3] + fi[4] − fi[5] + L 
2  i
(7)
h  12 6 
T (º C )
1 3 7 
C (%) 10 30 60 100 f ′′′(x) = 3  fi[3] − fi[4] + fi[5] − L (8)
h  2 4 
5 1.0344 1.0281 1.0140 0.9888
20 1.1453 1.1335 1.1153 1.0885 1
h
[
f IV (x) = 4 fi[4] − 2 fi[5] + L ] (9)
40 1.3103 1.2953 1.2732 1.2446
70 1.6923 1.6014 1.5753 1.5417

Para una función polinómica de dos

variables como éste caso, se puede aplicar
7
METODO DE DOUGLAS-AVAKIAN
Este método usa un polinomio de cuarto
orden que se ajusta a siete puntos
equidistantes por el método de mínimos
cuadrados. El polinomio es

y = a + bx + cx 2 + dx 3 + ex 4

Estos puntos son espaciados en intervalos

iguales con las coordenadas escogidas, tal
que, en x = 0 se encuentra el punto central
de los siete. Los siete valores de x pueden
escribirse como –3h, -2h, -h, 0, 2h y 3h.

Por derivación,

 dy  397 ∑ ky 7 ∑ k 3 y
  = − (10) Figura 3 Curva de velocidad de secado.
 dx 0 1512 h 216 h
Tabla 7 Diferencias Finitas
Donde k representa el coeficiente de h en
los valores de x, por ejemplo –3, -2 , -1, 0, 1, x y f i [1] f i [2 ] f i [3] f i [4 ] f i [5]
2, 3. 0.9 0.18335 -0.01995 0.0025 0.0003 0.00007 -0.00021
1.0 0.1634 -0.01745 0.00280 0.00037 –0.00014
Ejemplo 5 1.1 0.14595 –0.1465 0.00317 0.00023
1.2 0.1313 -0.001148 0.00340
Una pasta de material cristalino se seca con 1.3 0.11982 –0.0808
aire, que se hace fluir por encima de ella . 1.4 0.11174
Para diseñar el sistema de secado, se
obtuvieron los datos experimentales que se Y se aplica la ecuación (6) para determinar
muestran en la figura 3. A partir de esto, la velocidad de secado.
calcule la velocidad de secado en 0.9h ,es
decir, dy / dt = 0.9 , donde t es el tiempo en  dy  1  0.0025 2(0.0003)
  =  − 0.01995 − +
horas.  dx t = 0.9 0.1  2 6
6(0.00007) 6(−0.00021)
Solución por la Fórmula de la − − ]=
24 120
derivada de Newton
Se divide parte de la curva en cinco = − 0.2111 lb H 2O / lb sólido sec o
subdivisiones comenzando en t=0.9 hora,
como muestra la figura 3 y se elabora la Solución por el método de
Tabla de diferencias finitas ( Tabla 7)
Douglas-Avakian.
Primero se preparó la Tabla 8, a partir del
polinomio de cuarto orden ajustado los
datos experimentales, y la ecuación (11) con
ayuda de MATLAB.

8
fx = −0.0146 x 4 + 0.119 x 3 − 0.1453 x 2 k = [-3 -2 -1 0 1 2 3] ;
(11)
− 0.1958 x + 0.40 y = yi ;
for i = 1 : 7
K(i,1) = k(i)*y(i);
Tabla 8 Datos de y = f(x)
K(i,2) = k(i)^3*y(i);
x f(x) k ky k3 y
end
0.3 0.3313 -3 -0.9939 -8.9451 K
0.5 0.2798 -2 -0.5596 -2.2384 s= sum (K)
0.7 0.2291 -1 -0.2291 -0.2291 Derivada= 397*s(1)/(1512*0.2)
0.9 0.1833 0 0 0
- 7*s(2)/(216*0.2)
1.1 0.1459 1 0.1459 0.1459
1.3 0.1198 2 0.2396 0.9584
1.5 0.1071 3 0.3219 2.8971 OTROS MÉTODOS PARA AJUSTE
DE CURVAS.
∑ = −1.0752 ∑ = −7.4112 Método de mínimos cuadrados. Este
método se basa en la suposición, que la
La velocidad de secado se calcula con la mejor curva representativa es aquella para
ecuación (10), de la siguiente manera la cual la suma de los cuadrados de los
residuos (errores) es un mínimo. Los
 dy  (397)(−1.0752) 7(−7.4112) residuos son elevados al cuadrado para
  = −
 dx t = 0.9 (1512)(0.2) (216)(0.2) eliminar lo que concierne a su signo.
Consultar el libro de Nieves-Domínguez
= −0.2106 lbH 2O / lb sólido sec o
página 362.1
Este método es mucho más complicado
Comparando los resultados encontramos un
para polinomios de mayor grado y se usa
valor de –0.2111 por el método de Newton y
para polinomios no mayores de segundo
–0.2106 por el método de Douglas-Avakian.
grado. Es menos seguro que la Fórmula
El valor medido es de –0.21. El método de
interpolación de Newton y debe emplearse
Douglas-Avakian se basa en el método de
para correlacionar o encontrar el “mejor
mínimos cuadrados, por lo tanto, es un
ajuste” de un conjunto de datos
método inseguro.
experimentales.
El siguiente procedimiento codificado con
Fórmula de diferencia central de Stirling.
MATLAB realiza los cálculos anteriores
Dos formas de la fórmula de Newton se
donde se aplica el método de Douglas-
usan para la interpolación cercana al
Avakian.
comienzo y cercana al final de un conjunto
de datos tabulados. La fórmula de Stirling es
Procedimiento 7
particularmente disponible para valores
function y = Douglas(y,k) interpolados cercanos a la mitad de un
x = [0.9 1.0 1.1 1.2 1.3 1.4] ; conjunto de datos tabulados. Este método
fx =[0.18335 0.1634 0.14595 0.1313 está explicado en el libro de Constantinides-
0.11982 0.11174]; Mostoufi, página 176 2
pol = polyfit (x, fx, 4); Series de Taylor. Un método de expandir
xi = [0.3 0.5 0.7 0.9 1.1 1.3 1.5] ; funciones en series de potencias es
utilizando las series de Taylor. El último
yi = polyval(pol,xi) ; término en la serie es el residuo o tamaño
9
de error después de n términos y por lo
tanto, la serie de Taylor tiene una ventaja
sobre otros métodos, por que puede
programarse en un computador, de tal
manera que los términos se pueden agregar
automáticamente hasta que el último
término (término error) sea menor que el
limite especificado. Una nota de precaución
en el uso de todos los métodos de ajuste de
curvas debe expresarse. La exactitud de la
correlación entre los puntos de datos (xi,yi)
se debe chequear.
CALCULO DE INTEGRALES
INTEGRACIÓN NUMÉRICA
El proceso de calcular el valor de una
integral definida a partir de un conjunto de
Error
h
= − [ y−1 + yn +1 − 4( y0 + yn ) + 7( y1 + yn −1 )L
90
8( y2 + y4 + L + yn − 2 ) + 8( y3 + y5 + L yn − 3 ) ]
(14)
Donde h = ∆xi y n ≥ 6
Método trapezoidal compuesto. Consiste
en dividir el intervalo[a , b] en n
subintervalos y aproximar cada uno por un
polinomio de primer grado, luego se aplica la
fórmula trapezoidal a cada subintervalo y se
obtiene el área de cada trapezoide, de tal
POR modo que la suma de todas ellas da la
aproximación al área bajo la curva de la
función. La forma final de la ecuación para el
método trapezoidal compuesto es:
h
∫a ydx = 2 [ y0 + 2( y1 + y2 + y3 + L + yn −1 ) + yn ]
b

valores numéricos del integrando recibe el

nombre de integración numérica. El (15)
integrando se representa por una fórmula de Los siguiente dos ejemplo ilustran estos dos
interpolación y la fórmula se integra entre métodos.
los limites deseados. Una torre empacada absorbe un gas A de un gas
de combustión. El gas de entrada a la torre
Método de Simpson. Este método se contiene 10.5% molar de A y el gas de salida
puede resumir diciendo que se basa en la contiene 2.5% molar de A. Calcule el número de
conexión de los puntos (xi,yi) por una series unidades de transferencia necesarias, N OG . Los
de parábolas. datos se muestran en la tabla 6.
Las funciones de éste tipo son polinomios Tabla 6 Datos para el problema de unidades
de segundo grado de transferencia.
f ( x) = a + bx + cx 2 Datos Calculados de los datos
Hay un error inherente, por supuesto, si el 1
polinomio es mayor de segundo grado. La y y* y – y*
y − y*
fórmula final de la ecuación para la Regla
1/3 de Simpson es 0.015 ( x−1 ) 0.006342 0.008658 115.5 ( y−1 )
0.025 ( x0 ) 0.014328 0.010672 93.7 ( y0 )
b h 0.035 ( x1 ) 0.022500 0.012500 80.0 ( y1 )
∫ a
ydx =
3
[ y 0 + 4 ( y1 + y 3 + L + y n −1 ) +
0.045 . 0.031264 0.013736 72.8 .
2( y2 + y4 + L yn−2 ) + yn ] 0.055 . 0.040141 0.014859 67.3 .
(13) 0.065 . 0.049202 0.015798 63.3
La regla de Simpson sola es exacta para 0.075 0.058444 0.016556 60.4
polinomios de primero y segundo grado. El 0.085 . 0.067833 0.017167 58.25 .
grado de la función es desconocida en 0.095 ( x7 ) 0.077425 0.017575 56.9 ( y7 )
muchas aplicaciones, por consiguiente, se
0.105 ( xn ) 0.087127 0.017873 55.95 ( yn )
debe calcular el error. El error se calcula por
la siguiente ecuación: 0.115 ( xn +1 ) 0.096819 0.018181 55.0 ( yn +1 )
y* = Composición en equilibrio.

10
Primero resolvemos el problema aplicando el Aplicando el método 1/3 de Simpson, tenemos
método 1/3 de Simpson. Suponiendo que la xf dxw
película gaseosa es la controlante, tenemos: A=∫ =
x0 x − x
D w

0.0618
dy
y ( 2) 0.01 [2.38 + 4 (2.0 + 1.83 + 2.04)
N OG = ∫ y−y
y (1) *
=
3
[93.7 + 4(80 + 67.3 3
+ 2 (1.85 + 2.04) + 2.22 ] = 0.739
+ 60.4 +56.9) + 2 (72.8 + 63.3 + 58.25)
+ 55.95] = 5.3225 unidades de transf. W W
ln = − 0.739 y = 0.4776
Error = W0 W0
0.01
− [115.5 + 55 − 4(93.7 + 55.95) + 7(80 +
90
+ 56.7) − 8(72.8 + 63.3 + 58.25) + 8(67.3 +
+ 60.4) ] = 0.000333 unidades de transf .
El error es relativamente pequeño.

Por el método trapezoidal compuesto aplicamos

la ecuación (15)
y (2) 0.01
N OG = ∫ = [93.7 + 2(80 + 72.8
y (1) 2
+ 67.3 + 63.3 + 60.4 + 58.25 + 56.9)
+ 55.95 ] = 5.3377 unidades de transf. Fig 4 Gráfica de Xw vs 1/(XD- Xw)

Consideremos ahora una columna de destilación Por el método trapezoidal compuesto, tenemos
discontinua que contiene una mezcla de 50% que
molar de A en B, se destila hasta que la fracción
xwdxw 0.0618
molar de A en el calderin sea menor que 0.20. A= ∫x0 x − x
=
2
[2.38 + 2 (2.0 +
Calcule la razón W Los datos se muestran en D w
W0 + 1.85 + 1.83 + 1.90 + 2.04) + 2.22 ]
la tabla 7. y se grafican en la figura 4.
= 0.7366
Tabla 7 Datos para el problema de la columna de W W
destilación discontinúa ln = −0.7366 ; = 0.4787
W0 W0
1 Se observa que los dos resultados son casi iguales
xD xW xD − xW
xD − xW debido a que el polinomio es de orden 3. El
0.549 0.129 ( x0 ) 0.420 2.38 ( y0 ) siguiente código de MATLAB hace los cálculos
de los dos problemas dados anteriormente.
0.691 0.191 ( x1 ) 0.500 2.00 ( y1 )
0.793 0.253 ( x2 ) 0.540 1.85 ( y2 ) x = input( ʹ Introduzca los valores de x =ʹ );
0.806 0.314 . 0.492 1.83 . y = input(ʹ Introduzca los valores de y = ʹ );
0.902 0.376 . 0.526 1.90 . Area_1= trapz(x,y);
0.928 0.438 ( x5 ) 0.490 2.04 ( y5 ) Area_2= Simpson(x,y);
0.950 0.50 ( xn ) 0.450 2.22 ( yn ) fprintf (ʹ \ n Area_1(Método ...
trapezoidal)=%9.4f ʹ,Area_1)
fprintf(ʹ \ n Area_2(Método 1/3 de ...
Simpson)=%9.4f ʹ,Area_2)
11
function A=Simpson(x,y)
puntos = length(x);
if length(y) ~= puntos
error( ʹ x y y no son de la
misma longitud ʹ )
break BIBLIOGRAFIA
end
dx = diff(x); 1. Nieves A y Domínguez F. Métodos
if max(dx)-min(dx) > numéricos aplicados a la ingeniería. 2ª
min(abs(x))/1000 Edición CECSA 2002.
error (ʹx no son equidistantesʹ) 2. Constantinides A y Mostoufi N Numerical
break methods for chemical engineers with
end MATLAB applications 1ª Edición
h= dx(1); Prentice-Hall 1999.
if mod (puntos,2) == 0 3. Gerald C.F y Wheatley P.O Análisis
precaución(ʹAgregue números de numérico con aplicaciones. 7ª Edición
intervalosʹ ) Pearson Educación 2000.
n= puntos – 1; 4. Nakamura S. Análisis numérico y
else visualización gráfica con MATLAB 1ª
n= puntos; Edición Pearson Educación 1997.
end

if n ~= puntos
A = A + (y(puntos) + y(n))* h/2;
end.
y2 = y(3:2:n–1);
A= (h/3)*(y(1) + 4*sum(y1)+2*
sum(y2) + y(n)) ;
y1 = y(2:2:n–1);

end

12
2