Métodos numéricos en la 

conducción bidimensional de 
calor 
15.12.2017 
─ 

 
 1 
 

Jesús Malkun - Christian Calero - Hiam Ballesta 

Universidad Universidad Industrial de Santander 

Escuela de Ingeniería Mecánica 
Transferencia de calor 
Bucaramanga - Santander  

INTRODUCCIÓN 
A  medida  que  avanzamos  en  nuestra  formación  profesional  podemos  encontrar  que  las 
matemáticas  son  mucho  más  complejas  en  nuestra  vida  real,  por  eso  en  nuestra  labor 
como  estudiantes  de  la  Universidad  Industrial  de  Santander  hemos  querido  consultar 
acerca  de  cómo  formular  problemas  matemáticos  de  tal  manera  que  se  puedan  resolver 
con  operaciones  aritméticas.  Como  ingenieros  nuestro  trabajo  no  es  solo  encontrar  una 
solución,  tenemos  que  encontrar  la  solución  más  eficiente,  más  aplicable  y  por  supuesto 
contemplando los efectos ajenos a la práctica. 
Los  métodos  numéricos  que  bien  son  acogidos  por  programas  como  “MATLAB”  son 
herramientas  que  nos  brindan  una  mayor  utilidad  y  que  nos  vuelven  aptos  para entender 
esquemas  numéricos de ingeniería y ciencia. Reducir esquemas numericos basicos, escribir 
programas  y  resolverlos  en  una  computadora  no  sólo  aumenta  nuestra  habilidad con una 
computadora,  sino  que  también  amplía  nuestra  comprensión  de  principios  científicos 
básicos.   

OBJETIVOS  
● Encontrar soluciones aproximadas a problemas muy complejos utilizando 
únicamente las operaciones más simples de la matemática 
● Determinar para qué valores de conductividad térmica la conducción de calor de 
materiales colocados en paralelo se puede o no considerar como unidimensional  
● Tener un previo conocimiento de operaciones lógicas y algebraicas las cuales 
producen la solución al problema matemático 
● Manejar conceptos de exactitud y cifras significativas 
● Conocer acerca de la teoría del error que se manejan y su valor 
● Resolver de manera eficaz problemas complejos de modelar 
 2 
 

MARCO TEORICO
Análisis numérico. 

Una  definición  de  análisis  numérico  podría  ser  el  diseño,  uso  y  análisis  de  algoritmos,  los 
cuales  son  conjuntos  de  instrucciones  cuyo  fin  es  calcular  o  aproximar  alguna  cantidad  o 
función. 

El  análisis  numérico  consiste  en  procedimientos  que  resuelven  problemas  y  realizan 
cálculos  puramente  aritméticos.  Pero  hay  que  tomar  en  cuenta  las  características 
especiales  y  limitaciones  de  los  instrumentos  de  cálculo  (como  las computadoras) que nos 
ayudan en la ejecución de las instrucciones del algoritmo. 

Si  bien  no  nos  interesa  la  construcción  de  tal  dispositivo  o  la  manera  en  que  funciona,  si 
nos  importarán  los  sistemas  numéricos  de  máquinas  en  contraposición  con  nuestro 
sistema de números reales, y los errores resultantes de cambiar de uno a otro sistema. 

Después  de  todo,  el  análisis numérico es importante porque es necesario en la solución de 

muchos problemas del mundo real. 

Métodos numéricos 

Los  métodos  numéricos  son  herramientas  muy  poderosas  para  a  solución  de  problemas. 
Pueden  manejar  sistemas  de  ecuaciones  grandes,  no  linealidades  y  geometrías 
complicadas,  comunes  en  la  ingeniería.  También  es  posible  que  se  utilice  software 
disponible  comercialmente  que  contenga  métodos  numéricos.  El  uso  inteligente  de  estos 
programas  depende  del  conocimiento  de  la  teoría  básica  de  estos  métodos;  además  hay 
muchos  problemas  que  no  pueden  plantearse  al  emplear  programas  hechos,  conociendo 
bien  los  métodos  numéricos  se  puede  diseñar  programas  propios  y  así  no  comprar 
software  costoso.  Al  mismo  tiempo  se  aprende  a  conocer  y  controlar  los  errores  de 
aproximación que son inseparables de los cálculos numéricos a gran escala. 

Los  métodos  numéricos  son  un  medio  para  reforzar  la  comprensión  de  las  matemáticas, 
porque  profundizan  en  los  temas  que  de  otro  modo  resultarían  difíciles  de entender, esto 
aumenta su capacidad de comprensión y entendimiento en la materia. 

Cifras significativas 

Cuando  se  emplea  un  número  en  un  cálculo,  debe  haber  seguridad  de  que  pueda  usarse 
con  confianza.  El  concepto de cifras significativas tiene dos implicaciones importantes en el 
estudio de los métodos numéricos. 
 3 
 

1.-  Los  métodos  numéricos  obtienen  resultados  aproximados.  Por  lo  tanto,  se  debe 
desarrollar criterios para especificar que tan precisos son los resultados obtenidos. 

2.-  Aunque  ciertos  números  representan  número  específicos,  no  se  pueden  expresar 
exactamente con un número finito de cifras. 

Exactitud y Precisión 

La  exactitud  se  refiere  a  que  tan  cercano  está  el  valor  calculado  o  medido  del  valor 
verdadero.  La  precisión  se  refiere  a  qué  tan  cercano  está  un  valor  individual  medido  o 
calculado respecto a los otros. 

La  inexactitud  se  define  como  un  alejamiento  sistemático  de  la  verdad.  La  imprecisión, 
sobre el otro lado, se refiere a la magnitud del esparcimiento de los valores. 

Los  métodos  numéricos  deben  ser  lo  suficientemente  exactos  o  sin  sesgos  para  que 
cumplan los requisitos de un problema particular de ingeniería. 

Error 

En  general,  para  cualquier  tipo  de  error,  la  relación  entre  el  número  exacto  y  el  obtenido 
por aproximación se define como: 

Error = Valor real -valor estimado 

En  ocasiones,  se  sabrá  exactamente  el  valor  del  error,  que  denotaremos  como  Ev,  o 
deberemos estimar un error aproximado. 

Ahora,  para  definir  la  magnitud  del  error,  o  que  incidencia  tiene  en  el  cálculo  el  error 
detectado, podemos normalizar su valor : 

Ea = Error relativo (fracción) = error estimado I valor verdadero 

Como  el valor de Ea puede ser tanto positivo como negativo, en muchos casos nos interesa 
saber más la magnitud del error, caso en el cual usaremos el valor absoluto de este. 

Un  caso  muy  interesante  es  una  investigación  que  realiza  Scarborough,  en  que  determinó 
el número de cifras significativas que contiene el error como: 

Si  reemplazamos  Es  en  la  ecuación.  Obtendremos el número de cifras significativas en que 

es confiable el valor aproximado obtenido. 

Así,  si  queremos  que  nuestro  cálculo  tenga  un  error  menor  al  criterio  para  dos  cifras 
significativas, debemos obtener números que correspondan a menos de: 
 4 
 

Es=(0.5x 10^(2-2))%=0.5% 

Esto  nos  servirá  para  determinar  cuántos  términos  serán  necesarios  en  un  cálculo 
aproximado  para  tener  la certeza que el error se encuentra bajo el margen especificado en 
Es. 

Expansión en Series de Taylor 

Una  especial  atención  tiene  la  aproximación  de  funciones  por  la  utilización  de  series  de 
expansión  de  Taylor.  Así,  si  una  función  es  continua  y diferenciable dentro del intervalo de 
interés, puede ser escrita como una serie de potencia finita, o serie de Taylor. 

Este  método  no  puede,  sin  embargo,  usarse  para  ajustar  datos  experimentales  [Xi  ,  f(xJ], 
sino  que  para  transformar  funciones  ya  conocidas  y  diferenciables  a  unas  de  más  fácil 
manejo. 

Existen  ciertas  observaciones  que  deben  conocerse  al  aplicar  esta  fórmula.  Por  ejemplo, 
para  tener  una  mejor  aproximación  de  la  función  a  un  intervalo  [a,  b],  el  valor  de Xo debe 
elegirse  lo  más  cercano  posible al centro de dicho intervalo. De esta manera se minimiza la 
contribución máxima del término (X-Xo)n+l del residuo en el cálculo de R(x) entre a < = x < = 
b. 

Otra  forma  de  minimizar  el  valor  del  residuo  es  elevar  el  grado  del  polinomio  de  ajuste,  o 
sea incluir más términos en la serie y reducir así el exponente de R(x). 

Formulación 
Se  conoce  que  el  calor  es  conducido  de  manera  perpendicular  a  las  líneas  a  igual 
temperatura  (isotermas)  en  un  sólido,  luego,  si  se  tienen  varias  paredes  en  paralelo,  el 
calor  tenderá  a  fluir  por  la  que oponga menor resistencia a la transferencia de calor, es ahí 
cuando  las  formulas  usadas  para  transferencia  de  calor  unidimensional  dejan  de  servir. 
Debido  a  la  complejidad  de  los  cálculos,  se  recurre  a los métodos numéricos para resolver 
con  agilidad  dicho  interrogante  sobre  el  flujo  de  calor  cuando  este  es  bidimensional  o 
incluso en tres dimensiones. 
 5 
 

situación a analizar  
(Imagen del problema) 

 
Se tienen parades paralelas con ​k (​conductividad térmica​) bastante diferentes unas de otras, 
por  lo  que  el  calor  (que  viene  paralelo  a  la  horizontal)  se  desvía  con  el  fin de pasar por las 
paredes  de  mayor  ​k​,  puesto  que  oponen  menor  resistencia  al  flujo  de  calor.  las  paredes 
izquierda y derecha se mantienen a una temperatura constante T1 y T2 respectivamente 

Metodología 
Por  medio  de  métodos  numéricos  y  método  analítico,  con  el  fin  de  comparar  ambas 
maneras  de  solución,  se  recurre  a la herramienta MATLAB para resolver numéricamente el 
problema  planteado.  Se  toma  una  malla  de  8  filas  por  15  columnas  (5  columnas  por 
sección  con  un  total  de  tres  secciones)  lo  cual  se  consideró  una buena distribución puesto 
que la distribución de temperaturas es lineal. 
Nota:  en  el  caso  de  que  hubiese  generación  de  energía  dentro  del  material  a 
analizar  se  recomienda  tomar  una  malla  mucho  mayor  (mayor  numero  de  celdas)  puesto 
que  la  distribución  de  temperaturas  sería  no  lineal  y  por  ende  requerirá  de  una  mayor 
precisión en la toma de datos. 
Algo  importante  a  tener  en  cuenta  al  momento  de  analizar  resultados  es  que  para  la 
resolución  del  problema  se  asumieron  las  conductividades  térmicas  de  los  materiales 
como constantes. 
 
 6 
 

Análisis numérico 
Se  realiza  el  código  en  MATLAB  lo  cual  permite  una  mejor  visualización  de  datos 
comparado  con  los  cálculos  manuales  puesto  que  se  requiere  de  muchas  iteraciones  y  se 
manejan muchas ecuaciones (1 ecuación por nodo, con un total de 15x8=120 nodos) 
 
A  la  derecha  se  observa  una  celda  de 
donde  se  aprecia  que  ésta  intercambia 
calor  con  las  adyacentes.  Del  balance  de 
energía  de  dicha  celda  se  obtiene  una 
ecuación  la  cual  se  almacena  en  una 
matriz  de i x j (en nuestro caso de 8x15) y 
mediante  un  proceso  iterativo  se 
resuelve  y  se  obtienen  las  incógnitas 
deseadas  que  en  este  caso  son  las 
temperaturas  de  cada  nodo  (centro  de 
cada celda). 
 
La  temperatura  hallada  para  cada  nodo 
se  asume  como  igual  para  toda  la  celda 
que  lo  contiene,  es  decir  que  las 
propiedades de un mismo nodo se asumen como constantes   

Resultados y discusión  
Se analiza la situación planteada por tres métodos: 
- Método analítico (pared adiabática) 
- Método analítico (paredes isotermas) 
- Método numérico (MATLAB) 
 
Nota:  Para  poder  visualizar  mejor  los  resultados  se  toman  valores  numéricos  para 
conductividades  y  longitudes  con  el  fin  de  comparar  los  resultados  arrojados  por  los 
diferentes métodos. Los valores tomados para los cálculos son los siguientes: 
 7 
 

 
La  profundidad  (3  m)  no  influye  sobre  las  temperaturas puesto que ésta no cambia con la 
profundidad, sin embargo si influye en el calor total transferido 
Para cada método se obtiene lo siguiente: 

Paredes isotermas 
Se  asume  que  las  paredes  verticales  de  unión  entre  los  materiales  son  isotermas  por  lo 
tanto el calor es este caso es unidimensional (en la dirección horizontal) puesto que el calor 
siempre se conduce perpendicular a las isotermas: 

 
 
 8 
 

Resolviendo las ecuaciones arrojadas por el método se tiene lo siguiente: 

 
 
La distribución es lineal para una pared determinada, 
en este caso, al asumir las paredes verticales como 
isoterma, no se hace distinción entre los materiales 
del medio lo cual conlleva a errores considerables en 
los resultados como se ve más adelante. 
 
 
 

Paredes adiabáticas  
Para  este  método,  se  asume  que  no  hay  transferencia  de  calor  a  través  de  la  pared  que 
divide a todo el sólido por la mitad de manera horizontal. 

 
 
 9 
 

 
 
 
Al  tomar  paredes  adiabáticas,  se  divide  todo  en 
dos  partes  (superior  e  inferior)  con  lo  cual  se 
tienen  dos  distribuciones  diferentes  de 
temperaturas,  siendo  este  un  caso  más 
aproximado a la realidad 
 
 
Se  tiene  que  para  valores  no  muy  distintos  de  ​k  este  método  da  muy  similar  al  de 
elementos finitos (error muy pequeño) 

Métodos numéricos (elementos finitos)  

Se  divide  el  sólido  por  medio  de  una  malla,  a  cada  cuadro  se  le  denomina  celda,  es  este 
caso se usa una malla de 8x15 donde a cada material le corresponden 5 columnas: 
 

 
Para  este  método,  las  isotermas  no  son  totalmente  verticales y por ende la distribución de 
temperaturas  varía  un  poco  respecto  a  los  anteriores  métodos.  Esta distribución se puede 
visualizar en la matriz arrojada por MATLAB al desarrollar el código 
 
 10 
 

Comparación entre métodos  

Se  desea  conocer  para  qué  diferencias  en  los  valores  de  ​k  ​dejan  de  ser  precisos  los 
métodos  analíticos  y  se  vuelve necesario el emplear los métodos numéricos, para lo cual la 
siguiente respuesta se obtuvo de manera experimental: 
 
(Resultados en MATLAB para los valores de entrada tratados anteriormente) 

 
Como  se  aprecia  en  la  última  parte,  el  error  arrojado  para  las  longitudes,  valores  de  ​k  y 
temperaturas  descritas,  el  error  máximo  es  de  62%  entre  el  método  adiabático  y  de 
elementos finitos lo cual es muy grande. 
Ahora,  se  quiere  saber  para  qué  valores  de  ​k  se  puede  usar  el  método  adiabático  sin  un 
error  significativo  (tomando  el método de elemento finitos como el teórico y correcto) para 
lo  cual  se  determina  el  máximo  error  porcentual  entre  estos  dos  y  además  se  recurre a el 
concepto  de  desviación  típica  de  las  conductividades  para  tener  un  indicio  de  qué  tanto 
varía el error en los resultados al variar los valores de ​k.​  
 
Nota:  Para  lo  anterior,  se  tomó  el  error  porcentual  entre  los  valores  obtenidos 
mediante  método  de  paredes  adiabáticas  y  los  resultados  arrojados  por  MATLAB.  El 
método  de  isotermas  se  descarta  puesto  que  es  un  método  idealizado  ya  que  arroja 
resultados bastante alejados de la realidad para conducción bidimensional 
 
 11 
 

¿Hasta dónde puedo usar métodos analíticos sin recurrir a grandes errores? 
Para resolver la pregunta anterior, recalculamos con la ayuda de MATLAB pero variando los 
valores  de  las  conductividades  térmicas  de  los  materiales  de donde se obtiene la siguiente 
tabla: 
(Tabla 1) 
N° de dato  k​1  k​2  k​3  k​4  σ  ε % 

1  50  .8  205  .55  83.8  62 

2  50  50  50  50  0  0 

3  100  120  90  98  11  7.5 

4  20  30  19  15  5.5  5 

5  20  100  19  15  35  18 

6  300  100  190  400  113  44 

7  .5  10  8  40  15  72 

 
Donde: 
σ → ​desviación típica de las 
conductividades 
ε % → ​desviación porcentual (o 
estándar) máxima entre los 
resultados por el método adiabático y 
elementos finitos  
 
Nota:  Para  diferencias  muy  grandes  entre  los  valores  de  ​k  se  necesitan  más 
iteraciones  para  que  la  matriz  se  resuelva  de  manera  más  exacta,  por  ejemplo,  para  una 
diferencia  de  ​k  de  700,  se  requieren  aproximadamente  700.000  iteraciones  para  que  el 
valor sea constante y más acertado.  
 
 
 
 12 
 

Conclusiones 
Analizando la ​Tabla 1​ se aprecia que: 
- Según  los  datos  de  la  fila  2,  los  métodos  numérico  y  adiabático  coinciden  para 
cuando todas las conductividades son iguales, lo cual era de esperarse 
- A  medida  que  se  distancian  los  valores  de  ​k  se  aprecia  un  error  porcentual  que 
incrementa  también  lo  cual  nos  indica  que  hay  cierto  límite  para  variar  las  k  a 
menos  que  queramos  tener  un  gran  error  en  los  resultados  obtenidos  mediante  el 
método analítico 
- Según  datos  en  la  fila  7,  para  valores  numéricos  pequeños  de  ​k  se  tienen  grandes 
errores aún para desviaciones estándar no tan grandes del mismo 
- Comparando  los  datos  6  y  7  se  podría  decir  que  la  medida  de  desviación  estándar 
como  una  referencia  para  determinar  el  error  porcentual  entre  método  analítico  y 
numérico  no  es  un  parámetro  certero  puesto  que  no  guardan  una  relación  lineal 
(​σ-ε %​) 
 

Recomendaciones 
Teniendo  en  cuenta  los  resultados  arrojados por los métodos anteriormente analizados se 
podría recomendar lo siguiente: 
- Si  se  tienen  materiales  con  una  diferencia  en  sus  conductividades  térmicas 
considerable  ubicados  en  paralelo,  se  recomienda  utilizar  los  métodos  numéricos 
para resolver las incógnitas 
- En el caso de  querer diseñar algún arreglo de materiales con el fin de determinar  el 
flujo  de  calor  a  través  de  los  mismos,  se  recomienda  usar  los  métodos  numéricos, 
en  este  caso  el  programa  MATLAB  puesto  que  el  Diseño  es  un  proceso  iterativo  lo 
cual es mucho mejor y fácil llevarlo a cabo con un programa como este 
- Si  las  conductividades  térmicas  de  los  materiales  en  paralelo  a  trabajar  son 
similares,  se  puede  trabajar  el  método  de  paredes  adiabáticas  debido  a  su  poca 
complejidad y facilidad de manejo 
- Se  puede  considerar  el  error  máximo  permitido  del  10%  para  efectos  ingenieriles y 
de  academia,  sin  embargo  este  criterio  puede  variar  dependiendo  de  la  situación  a 
trabajar 
 13 
 

Bibliografía 
Página web 

MATLAB - FISEM 

En el texto: (Fisem.org, 2017) 

Bibliografía: Fisem.org. (2017). M

​ ATLAB - FISEM​. [online] Available at: 
http://www.fisem.org/www/union/revistas/2016/45/45_articulo13.pdf [Accessed 11 Dec. 2017]. 

Libro 
INCROPERA, F. P. 
Foundations of heat transfer 
En el texto: (Incropera, 2013) 
Bibliografía: Incropera, F. (2013). F
​ oundations of heat transfer​. Singapore: John Wiley & Sons. 

Libro 

CENGEL, Y. 
Heat transfer 
En el texto: (Cengel, 2003) 
Bibliografía: Cengel, Y. (2003). H
​ eat transfer​. Boston: McGraw-Hill. 

Página web 

PIMENTEL 

Conducción bidimensional de calor en estado estacionario 

En el texto: (Pimentel, 2017) 
Bibliografía: Pimentel (2017). Conducción bidimensional de calor en estado 
estacionario. [online] Es.slideshare.net. Available at: 
https://es.slideshare.net/DiVaLlIcCious/conduccin-bidimensional-de-calor-en-estado
-estacionario [Accessed 5 Dec. 2017]. 
 

 
 14 
 

Visualizando el código 
A  continuación  se  presenta  de  manera  resumida  el  código escrito el MATLAB para obtener 
los resultados vistos con anterioridad: 
 
%DATOS INICIALES   

Tpared1=700; Tpared2=40; L1=5; L2=5; L3=5;  %Método analítico con isotermas 

m=8;  Qt=(Tpared1-Tpared2)/(R1+(1/(1/R2+1/R4))+R3); 

H=8;  n1=m*L1/H;  n2=m*L2/H;  n3=m*L3/H;  n4=n2;  T1=Tpared1-Qt*R1; 

n=n1+n2+n3; L=L1+L2+L3; k1=50; k2=80; k4=80; k3=205; 
T2=Tpared2+Qt*R3; 
%Métodos numéricos 
Q1=(T1-T2)/R2; 
T=ones(m,n);  %Se  inicia  con  una  matriz  que  contenga  un 
Q2=(T1-T2)/R4; 
valor inicial 
Q3=Q1+Q2; 
 
 
for t=1:1:10000 
%Distribución de temperaturas 
%Columna 1 
deltay=H/m; 
T(1,1)=(2*Tpared1+T(1,2)+T(2,1))/4;   
deltax=deltay; 
T(2,1)=(2*Tpared1+T(2,2)+T(3,1)+T(1,1))/5;   
p=1; 
T(3,1)=(2*Tpared1+T(3,2)+T(4,1)+T(2,1))/5;   
Tadiabatico=ones(2,n); %División adiabática 
T(4,1)=(2*Tpared1+T(4,2)+T(5,1)+T(3,1))/5;   
Tisotermas=ones(2,n); %Isotermas 
T(5,1)=(2*Tpared1+T(5,2)+T(6,1)+T(4,1))/5;   
 
T(6,1)=(2*Tpared1+T(6,2)+T(7,1)+T(5,1))/5;   
%Material 1 
T(7,1)=(2*Tpared1+T(7,2)+T(8,1)+T(6,1))/5;   
for x=deltax/2:deltax:deltax*(2*n1-1)/2 
T(8,1)=(2*Tpared1+T(8,2)+T(7,1))/4;   
  .  Tadiabatico(1,p)=Tpared1-((Tpared1-T12)/L1)*x; 
. 
Tadiabatico(2,p)=Tpared1-((Tpared1-T14)/L1)*x; 
.  
Tisotermas(1,p)=Tpared1-((Tpared1-T1)/L1)*x; 
end 
Tisotermas(2,p)=Tisotermas(1,p); 
disp('Matriz elemento finitos:') 
p=p+1; 
disp(T) 
end 
%Método analítico con división adiabática 
 
prof=3; 
%Material 2 
R1=2*L1/(k1*H*prof);  R2=2*L2/(k2*H*prof); 
R4=2*L2/(k4*H*prof);  R3=2*L3/(k3*H*prof);  for x=deltax/2:deltax:deltax*(2*n2-1)/2 
Req1=R1+R2+R3; Req2=R1+R4+R3; 
Tadiabatico(1,p)=T12-((T12-T23)/L2)*x; 
Req=1/((1/Req1)+(1/Req2)); 
Qadiab=(Tpared1-Tpared2)/Req;  Tadiabatico(2,p)=T14-((T14-T34)/L2)*x; 
Qa=(Tpared1-Tpared2)/Req1;  Tisotermas(1,p)=T1-((T1-T2)/L2)*x; 
Qb=(Tpared1-Tpared2)/Req2; Qc=Qa+Qb; 
Tisotermas(2,p)=Tisotermas(1,p); 
T12=Tpared1-Qa*R1;  T23=Tpared1-Qa*(R1+R2); 
T14=Tpared1-Qb*R1; T34=Tpared1-Qb*(R1+R4);  p=p+1; 
 15 
 

end  end 

  Tm(2,j)=Sum/(m/2); 

%Material 3  end 

for x=deltax/2:deltax:deltax*(2*n3-1)/2  Tm=vpa(Tm,6); 

Tadiabatico(1,p)=T23-((T23-Tpared2)/L3)*x;  disp('métodos numéricos:') 

Tadiabatico(2,p)=T34-((T34-Tpared2)/L3)*x;  disp(Tm) 

Tisotermas(1,p)=T2-((T2-Tpared2)/L3)*x;   

Tisotermas(2,p)=Tisotermas(1,p);  %Comparar  matrices  (metodos  y  analitica  de  separación 

adiabática) 
p=p+1; 
E=zeros(2,n); 
end 
for i=1:1:2 
Tadiabatico=vpa(Tadiabatico,6); 
for j=1:1:12 
disp('División adiabática:') 
E(i,j)=(abs(Tm(i,j)-Tadiabatico(i,j))/Tadiabatico(i,j))*100; 
disp(Tadiabatico) 
end 
disp('Isotermas:') 
end 
disp(Tisotermas) 
Emax=0; 
 
for i=1:1:2 
Tm=ones(2,n); 
for j=1:1:12 
for j=1:1:n 
if E(i,j)>Emax 
An=0; 
Emax=E(i,j); 
for i=1:1:m/2 
end 
Sum=An+T(i,j); 
end 
An=Sum; 
end 
end 
disp(['Error  máximo  entre  matriz  numérica  y  adiabática: ' 
Tm(1,j)=Sum/(m/2); 
num2str(Emax) ' %']) 
An=0; 
Kprom=(k1+k2+k4+k3)/4; 
for i=m/2+1:1:m 
Sigma=sqrt(((k1-Kprom)^2+(k2-Kprom)^2+(k4-Kprom)^2+(
Sum=An+T(i,j);  k3-Kprom)^2)/4); 

An=Sum;  disp(['La  desviación  típica  de  las  conductividades  es:  ' 

num2str(Sigma)])