Problemario 2020 PDF

P R O B L E M A R I O
El presente trabajo es un compendio de ejercicios correspondientes a la
Unidad de Aprendizaje Métodos Numéricos que se imparte en el Primer Nivel de
la carrera de Ingeniería Química Industrial en la ESIQIE.
Se presentan ejemplos resueltos de cada uno de los temas del curso y se
proponen problemas para que los alumnos puedan ejercitar los conceptos vistos
en clase y, lo que es más importante, que desarrollen su capacidad para resolver
diferentes tipos de problemas.
Los problemas propuestos se han incluido después de cada tema y no al
final de cada Unidad para que el alumno pueda revisar cada tema por separado.
Se han incluido las respuestas de algunos de los problemas propuestos con
la finalidad de que el alumno compruebe su solución con la presentada aquí.
Asimismo, se han incluido algunos temas que no están contemplados en el
programa, pero se considera que pueden ser de utilidad.
Se presentan dos tipos de problemas:
a) Problemas teóricos (Donde se practican conceptos teóricos)
b) Problemas de aplicación (Donde se aplican conceptos a problemas
reales de ingeniería)
En cada problema se presenta un ícono que indica de qué tipo de problema
se trata.
Sea este un primer escrito, sujeto a mejoras posteriores, así como en una
segunda etapa se pretenden incluir problemas de aplicación de Software
Matemático, como MATLAB, MATHCAD y MATEMATICA.

AGRADECIMIENTOS
La elaboración del presente material no hubiera sido posible sin las valiosas
aportaciones de los profesores integrantes de la Academia de Matemáticas Aplicadas,
quienes con agrado han compartido su experiencia y conocimientos, en particular del
importante y desinteresado apoyo del Prof. Federico Domínguez Sánchez (q.e.p.d.),
quien fuera no solo un gran catedrático y amigo, sino también un ejemplo a seguir por su
extraordinaria calidad humana, por la revisión del mismo y por sus acertados
comentarios y consejos. Deseo expresar mi más profundo agradecimiento al Prof.
Rogelio Márquez Nuño por su inagotable paciencia, su desinteresada disposición y su
importante contribución en la elaboración de este Material.
Gracias al Instituto Politécnico Nacional y a la ESIQIE que me brindaron el
apoyo para mi formación profesional sin esperar nada a cambio, razón por la cual he
sentido el gran compromiso de elaborar este material para ayuda de los alumnos que
cursan la asignatura de Métodos Numéricos.
De igual manera a mis compañeros y amigos por los gratos momentos que me han
regalado y han hecho no solo agradable sino placentera la labor frente al aula.
No quiero dejar de agradecer a los alumnos por contagiarme día con día la alegría
de su fresca juventud y sus inquietantes preguntas, aliciente en la búsqueda incansable
del conocimiento.
Grecia Elizabeth Vázquez Camarillo
“El pesimista se queja del viento,
el optimista espera que cambie,
el realista ajusta las velas”
William George Ward

Agradecimientos
Quiero hacer un pequeño reconocimiento en este espacio a los profesores que han
dejado huella en mi formación académica, a mis compañeros que han enriquecido mi
actividad profesional y a mis alumnos de los que he aprendido muchas cosas; no quiero
mencionar nombres por temor a olvidar alguno de ellos.
A Elva, Diego y Alonso, quienes han llenado mi vida.
Rogelio Márquez Nuño
"El trabajo duro es el precio que debemos pagar por el éxito"
Vincent T. Lombardi
Entrenador de los Green Bay Packers de la NFL entre 1959 y 1967.
OBJETIVO.-
Proporcionar los fundamentos teóricos y metodológicos de los métodos
numéricos, con el fin de aplicarlos como una herramienta adicional a los métodos
exactos o analíticos, en la solución de problemas matemáticos que se presentan
en ingeniería química.
Identificar los métodos numéricos distinguiendo entre una solución
exacta y una solución aproximada a partir de las ventajas del uso de algoritmos
numéricos y de las herramientas necesarias para su aplicación.
Aplicar la metodología más adecuada para la solución de problemas reales
que involucren sistemas de ecuaciones, así como suministrar las bases teóricas
del criterio de los mínimos cuadrados y el ajuste exacto de interpolación a
problemas reales.
Utilizar los métodos de derivación y optimización numérica seleccionando
la metodología más adecuada para la solución de problemas reales que involucren
dichos conceptos.
Emplear los métodos numéricos que resuelven ecuaciones diferenciales
para obtener la solución más pertinente.

CONTENIDO
Tema Página
I. INTRODUCCIÓN A LOS MÉTODOS NUMÉRICOS
1.1 Introducción a los Tipos de Soluciones .……………………………………………………… 1
1.1.1 Soluciones exactas…………………………………………………………………………………… 2
1.1.2 Soluciones aproximadas…………………………………………………………………………… 3
1.1.3 Implementación de Soluciones Numéricas …………………………………………… 3
II. SOLUCIÓN DE ECUACIONES MEDIANTE MÉTODOS ITERATIVOS
2.1 Sistemas de ecuaciones lineales…………………………………………………………………… 5
2.1.1 Método de Jacobi……………………………………………………………………………………… 9
2.1.2 Método de Gauss-Seidel………………………………………………………………………… 17
2.1.3 Otros métodos…………………………………………………………………………………………… 31
2.2 Sistemas de Ecuaciones no lineales……………………………………………………………… 37
2.2.1 Método de Punto Fijo Multivariable ……………………………………………………. 37
2.2.2 Métodos de Newton ………………………………………………………………………………… 53
2.2.2.1 Método de Newton-Raphson Multivariable …………………………………… 53
2.2.2.2 Método de Newton-Raphson Modificado ………………………………………. 69
III. INTERPOLACIÓN Y AJUSTE DE DATOS
3.1 Aproximación funcional e interpolación ……………………………………………………… 75
3.1.1 Polinomios de Lagrange…………………………………………………………………………… 77
3.1.2 Aproximación polinomial segmentaria…………………………………………………… 99
3.2 Ajuste por Mínimos Cuadrados ……………………………………………………………………… 107
3.2.1 Ajuste polinomial univariable………………………………………………………………… 107
3.2.2 Ajuste multivariable………………………………………………………………………………… 125
IV. DERIVACIÓN Y OPTIMIZACIÓN NUMÉRICA
4.1 Derivación numérica………………………………………………………………………………………… 147
4.1.1 Derivación numérica mediante el Polinomio de Lagrange…………………….. 147
4.1.2 Derivación numérica mediante el Polinomio de Newton……………………… 161

4.2 Optimización……………………………………………………………………………………………………… 171
4.2.1 Métodos univariables de eliminación de regiones………………………………… 171
4.2.2 Métodos multivariables sin restricciones……………………………………………… 181
4.2.3 Métodos multivariables con restricciones………………………………………………. 191
V. SOLUCIÓN DE ECUACIONES DIFERENCIALES
5.1 Métodos de integración………………………………………………………………………………… 205
5.1.1 Métodos de Newton-Cotes……………………………………………………………………… 206
5.1.1.1 Método del Trapecio ………………………………………………………………………… 207
5.1.1.2 Método Trapezoidal Compuesto ……………………………………………………. 207
5.1.1.3 Método de Simpson 1/3 ……………………………………………………………………. 209
5.1.1.4 Método de Simpson 3/8 …………………………………………………………………… 210
5.1.2 Cuadratura de Gauss………………………………………………………………………………… 225
5.2 Ecuaciones diferenciales ordinarias…………………………………………………………… 239
5.2.1 Métodos de Euler………………………………………………………………………………………. 240
5.2.2 Métodos de Runge-Kutta………………………………………………………………………… 249
Formulación del Problema de Valores en la Frontera ……………………………. 267
5.2.3 Métodos Predictor-Corrector………………………………………………………………… 271
5.2.4 Ecuaciones diferenciales de orden superior……………………………………… 280
5.2.5 Sistemas de ecuaciones diferenciales ordinarias…………………………… 293
5.3 Ecuaciones diferenciales parciales……………………………………………………………… 311
5.3.1 Método Explícito……………………………………………………………………………………… 312
5.3.2 Método Implícito……………………………………………………………………………………… 316
Bibliografía ………………………………………………………………………………………………………………. 323

I. INTRODUCCIÓN A LOS
MÉTODOS NUMÉRICOS
INTRODUCCIÓN.-
Los métodos numéricos se utilizan habitualmente para resolver problemas
matemáticos formulados en diferentes campos científicos y técnicos, donde es
difícil, o incluso imposible, obtener soluciones exactas a un problema dado.
La solución obtenida a partir de ellos representa una muy buena aproximación
numérica a la que se obtendría de forma analítica o exacta, radicando ahí su gran
importancia, ya que las soluciones analíticas sólo pueden encontrarse para una
clase limitada de problemas.
En consecuencia, las soluciones analíticas tienen un valor práctico limitado
porque la mayoría de los problemas reales o aplicados a ingeniería no son lineales
e implican formas y procesos complejos.
Debido a que los métodos numéricos requieren operaciones aritméticas
tediosas y repetitivas, es necesario desarrollarlos y estudiarlos utilizando algún
instrumento electrónico de cálculo, como las calculadoras programables o las
computadoras, de esta manera la energía que se gastaría en la técnica misma de
solución, se puede aprovechar en la definición del problema y en su
interpretación.
Sin embargo, no es necesario que el usuario de los métodos numéricos sea
experto en programación, dado que en la actualidad existe un número ilimitado
de software que cuenta con programas de los métodos numéricos más conocidos.
No obstante, es indispensable conocer las bases teóricas de cada método,
para discernir en qué tipo de problema pueden ser utilizados y cuál de todos
ofrece una mejor alternativa para cada problema en particular.

1
1.1 INTRODUCCIÓN A LOS TIPOS DE
SOLUCIONES
Las Matemáticas no son como otras ciencias donde se hacen
descubrimientos de hechos que existen, pero no se conocen.
Así, podemos hablar de la estructura de la materia, la cual siempre ha sido
igual, pero con el tiempo y las contribuciones de la Física, la Química, la Biología,
etc. se ha ido profundizando el conocimiento de su estructura e incluso hasta se
ha llegado a manipular para obtener nuevos materiales y comportamientos de
interés para el hombre.
Las Matemáticas no se descubren, se crean. Así, tenemos que para muchos
matemáticos las Matemáticas se reducen a la creación de modelos que describan
lo más sencillo y lo más preciso posible los fenómenos y comportamientos de la
naturaleza.
Gran parte de estos modelos se representan en forma de ecuaciones.
La solución de una ecuación es el valor o valores de la variable (incógnita)
que satisfacen la ecuación.
1.1.1 SOLUCIONES EXACTAS
Para encontrar esta solución existen procedimientos que pueden ser
analíticos o numéricos. Los procedimientos analíticos proporcionan soluciones
exactas y con los numéricos se obtienen aproximaciones.
2
1.1.2 SOLUCIONES APROXIMADAS
Hay casos en los que los métodos analíticos no funcionan y es necesario
aplicar una técnica numérica.
Los métodos numéricos se caracterizan por: a) la determinación de una
raíz aproximada y b) el refinamiento de la aproximación hasta algún grado de
precisión prestablecido.
El procedimiento numérico que involucra una serie de aproximaciones se
denomina técnica iterativa, en la cual cada paso o aproximación recibe el nombre
de iteración.
Si las iteraciones producen acercamientos que se aproximan cada vez más
a la solución se dice que el método converge, en caso contrario se dice que el
proceso diverge.
1.1.3 IMPLEMETACIÓN DE SOLUCIONES NUMÉRICAS
Debido a que los métodos numéricos requieren operaciones aritméticas
tediosas y repetitivas, es necesario desarrollarlos y estudiarlos utilizando algún
instrumento electrónico de cálculo, como las calculadoras programables o las
computadoras, de esta manera la energía que se gastaría en la técnica misma de
solución, se puede aprovechar en la definición del problema y en su
interpretación.
Sin embargo, no es necesario que el usuario de los métodos
numéricos sea experto en programación, dado que en la actualidad existe un
número ilimitado de software que cuenta con programas de los métodos
numéricos más conocidos.
3
No obstante, es indispensable conocer las bases teóricas de cada método,
para discernir en qué tipo de problema pueden ser utilizados y cuál de todos
ofrece una mejor alternativa para cada problema en particular.
En ingeniería química existen un sinnúmero de problemas cuya solución
analítica o exacta es muy compleja, o simplemente, para los cuales no existe
solución analítica, dentro de los cuales podemos mencionar:
❑ Cálculo del volumen de un gas real mediante una ecuación cúbica de estado.
❑ Cálculo de presiones y temperaturas de rocío o de burbuja para una mezcla de
n componentes.
❑ Cálculo de los coeficientes de fugacidad de los “n” componentes en una mezcla.
❑ Solución de sistemas de Ecuaciones Lineales que expresan balances de materia
Cuando elreacción
con y sin ingeniero químico
química, se enfrenta
globales a esta situación
y por componentes debe de
en un proceso saber
químico.
❑que los métodos numéricos representan una buena alternativa de solución
Búsqueda del valor de una función dentro de un conjunto de valores tabulados
de la función.
para talesproblemas, ya que su función principal es convertir las
❑ Estimación de integrales o derivadas de funciones tabuladas.
matemáticas superiores en operaciones aritméticas básicas, facilitando
❑ Modelamiento matemático de funciones tabuladas.
❑de esta de
Diseño manera la para
reactores manipulación de sistemas
optimizar una de ecuaciones grandes, el
reacción química.
❑manejo de parámetros
Cálculo de no linealidades, la solución
de velocidad de mediante
de reacción geometrías complejas
la solución de y el
modelamiento de funciones tabuladas a ecuaciones matemáticas simples.
Ecuaciones diferenciales.
4
II. SOLUCIÓN DE ECUACIONES
MEDIANTE MÉTODOS
ITERATIVOS
2.1 SISTEMAS DE ECUACIONES
LINEALES
En general, un sistema de ecuaciones lineales se puede representar como:
a1,1 x1 + a1,2 x2 + … + a1,n xn = b1

a2,1 x1 + a2,2 x2 + … + a2,n xn = b2
: … (1)
:
an,1 x1 + an,2 x2 + … + an,n xn = bn
El cual, en forma matricial también se puede expresar como:
A 𝒙
̅ = 𝒃
̅
Donde:
A = Matriz de coeficientes del sistema
̅ = Vector de incógnitas
𝒙
̅ = Vector de términos independientes
𝒃
Resolver un sistema de ecuaciones lineales consiste en encontrar valores
de xi que satisfagan simultáneamente las ecuaciones (1).
En un sistema de la forma (1) la matriz de coeficientes A está formada
por:
𝒂𝟏,𝟏 𝒂𝟏,𝟐 𝒂𝟏,𝒏
𝑨 = [ 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟐,𝒏 ]
𝒂𝒎,𝟏 𝒂𝒎,𝟐 𝒂𝒎,𝒏
Donde A es una matriz de mxn porque tiene m renglones y n columnas.
5
En el mismo sistema (1), el vector de términos independientes está
formado por:
𝒃𝟏
𝒃 = [ 𝒃𝟐 ]
𝒃𝒎
De tal manera que el vector de incógnitas x es:
𝒙𝟏
𝒙 = [ 𝒙𝟐 ]
𝒙𝒎
De acuerdo a esta notación, las ecuaciones (1) se pueden expresar como:
𝒂𝟏,𝟏 𝒂𝟏,𝟐 𝒂𝟏,𝒏 𝒙𝟏 𝒃𝟏
[ 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟐,𝒏 ] [ 𝒙𝟐 ] = [ 𝒃𝟐 ] … (1a)
𝒂𝒎,𝟏 𝒂𝒎,𝟐 𝒂𝒎,𝒏 𝒙𝒎 𝒃𝒎
Si el vector de términos independientes es igual a cero, se dice que el
sistema es homogéneo.
Un sistema homogéneo tiene por lo menos la solución trivial, es decir:

𝒙𝟏 = 𝟎
𝒙 = [ 𝒙𝟐 = 𝟎 ]
𝒙𝒎 = 𝟎
EXISTENCIA DE SOLUCIONES.
Antes de resolver un sistema lineal es recomendable indagar si tiene
solución.
El método más práctico consiste en calcular el rango de la matriz de
coeficientes A y el rango de la matriz aumentada B:
Matriz Aumentada:
𝒂𝟏,𝟏 𝒂𝟏,𝟐 𝒂𝟏,𝒏 𝒃𝟏
𝑩 = [ 𝒂𝟐,𝟏 𝒂𝟐,𝟐 𝒂𝟐,𝒏 𝒃𝟐 ]
𝒂𝒎,𝟏 𝒂𝒎,𝟐 𝒂𝒎,𝒏 𝒃𝒎
En el siguiente esquema se muestra el tipo de solución de un sistema lineal
de la forma Ax = b, en base al rango de A y de B:
6
SISTEMA DE ECUACIONES LINEALES Ax=b
Rango A = Rango B Rango A ≠ Rango B
Consistente Inconsistente
No tiene
Rango A = n Rango A ≠ n
solución
Número
Solución
infinito de
única
soluciones
7
8
2.1.1. MÉTODO DE JACOBI
El Método de Jacobi es un método iterativo que requiere reacomodar el
sistema de ecuaciones lineales original a un sistema que presente la forma más
cercana a diagonal dominante, es decir, que los coeficientes de la diagonal
principal sean los de mayor valor absoluto con respecto a los demás coeficientes
de la misma ecuación.
Una vez hecho lo anterior se deben generar las ecuaciones equivalentes
correspondientes, es decir, despejar x1 de la primera ecuación, x2 de la segunda
ecuación y así sucesivamente.
Al igual que cualquier método iterativo es necesario partir de una
suposición incial, que en este caso será un vector x(0) que deberá contener
valores iniciales para cada una de las incógnitas.
Este método también se conoce como de Paso Total, puesto que los valores
de las variables calculadas se reemplazan hasta que se termina cada iteración.
En general, para un sistema de n ecuaciones la fórmula iterativa está dada
por:
n
b i −  a i,j x j
( k −1)
xi(k) = j i
…(3.1.3.a.1)
a i ,i
9
EJERCICIOS RESUELTOS
Ejemplo 2.1.1.1
Aplique el método de Jacobi para resolver el siguiente sistema de ecuaciones
lineales usando como valores iniciales x(0) = ( 0 , 0 , 0 ). Realice un máximo de 10
iteraciones o hasta que | xi(k) - xi(k-1) |  0.0001
-x1 + 11x2 – 2x3 = 7

-2x2 + 10x3 -6 = 0
9x1 + x1 – x2 = 4
Solución:
Reacomodando:
10x1 – x2 = 4
-x1 + 11x2 – 2x3 = 7
-2x2 + 10x3 -6 = 0
Ecuaciones equivalentes:
x1 = (4 + x2)/10
x2 = (7 + x1 + 2x3)/11
x3 = (6 + 2x2)/10
Primera iteración:
4+0
x1(1) = = 0.4
10
7 + 0 + 2(0)
x2(1) = = 0.6364
11
6 + 2(0)
x3(1) = = 0.6
10
En la siguiente tabla se presentan los resultados:
10
Iteración (k) x1(k) x2(k) x3(k)
0 0 0 0
1 0.4 0.6364 0.6
2 0.4636 0.7818 0.7273
3 0.4782 0.8107 0.7564
4 0.4811 0.8174 0.7622
5 0.4817 0.8187 0.7635
6 0.4819 0.8190 0.7637
7 0.4819 0.8190 0.7638
Es decir, el resultado es:
x1 = 0.4819 x2 = 0.8190 x3 = 0.7638
11
12
PROBLEMAS PROPUESTOS
Problema 2.1.1.1
Realice 10 iteraciones o hasta que | xi(k) - xi(k-1) |  1x10-4 para obtener una
aproximación a la solución del siguiente sistema de ecuaciones lineales:
 1 − 6 2   x1   − 28
 1 − 3 12  x  = − 86
  2   
4 − 2 − 1 x3   39 
bi
Utilice el método de Jacobi tomando como vector inicial xi(0) = para i=1,2,3 e
ai,i
indique si el método converge o diverge.
Solución: ( 10 , 4 , -7 ). El método converge.
Problema 2.1.1.2
Realice 10 iteraciones con el método de Jacobi o hasta que | xi(k) - xi(k-1) |  1x10-
4
para obtener una aproximación a la solución del siguiente sistema de ecuaciones
lineales, usando como valores iniciales
x(0) = ( 0 , 0 , 0 ).
3x1 – 0.1x2 – 0.2x3 = 7.85
0.1x1 + 7x2 – 0.3x3 = -19.3
0.3x1 – 0.2x2 + 10x3 = 71.4
13
Problema 2.1.1.3
Encuentre la solución del siguiente sistema de ecuaciones lineales utilizando el
método de Jacobi. Tome como vector inicial
x(0) = ( 1.701 , 1.587 , 1.48 ) calculando la norma de convergencia y relice 10
iteraciones o hasta que la norma sea  0.0001
x1 + 8x2 – 3x3 = 10
4x1 - 2x2 + x3 = 5
x1 +3x2 + 9x3 = 20
Solución: ( 1.6764 , 1.6035 , 1.5014 )
Problema 2.1.1.4
lineales. Realice 10 iteraciones o hasta que la norma sea  0.001 y utilice un
vector de valores iniciales x(0) = ( 0 , 0 , 0 )
3x1 – 0.1x2 – 0.2x3 = 7.85

0.1x1 + 7x2 – 0.3x3 = -19.3
0.3x1 – 0.2x2 + 10x3 = 71.4
Solución: (3 , -2.5 , 7)
Problema 2.1.1.5
Use el método de Jacobi para resolver el siguiente sistema de ecuaciones
lineales. realice un máximo de 10 iteraciones o hasta que | xi(k) – xi(k) |  0.0001
y utilice un vector inicial x(0)= ( 0 , 0 , 0 )
2.2220 x1 + 16.7100 x2 + 9.6120 x3 = 28.544

3.3333 x1 + 15920 x2 – 10.333 x3 = 15913
1.5611 x1 + 5.1791 x2 + 1.6852 x3 = 8.4254
Solución: [ 1 , 1 , 1 ]
14
Problema 2.1.1.6
lineales. realice un máximo de 10 iteraciones o hasta que | xi(k) – xi(k-1) |  0.0001
y utilice un vector inicial x(0)= ( 0 , 0 , 0 ):
- x1 + 11 x2 – x3 + 3x4 = 25
10x1 - x2 + 2x3 = 6
2x1 - x2 + 10x3 - x4 = -11
3x2 – x3 + 8x4 = 15
Solución: ( 1 , 2 , -1 , 1 )
Problema 2.1.1.7
lineales. realice un máximo de 10 iteraciones o hasta que | xi(k) – xi(k-1) |  0.0001
y utilice un vector inicial x(0)= ( 0 , 0 , 0 ):
3x1 + 4x2 – x3 = 30
4x1 + 3x2 = 24
-x2 + 4x3 = -24
Solución: ( 3 , 4 , -5)
Problema 2.1.1.8
lineales. Realice un máximo de 10 iteraciones o hasta que | xi(k) – xi(k-1) |  0.0001
y utilice un vector inicial x(0)= (0 , 0 , 0 , 0 , 0)
0.1 x1 + 4 x2 – x3 + x4 – x5 = 2
0.2 x1 + 0.1 x2 + x3 + x4 = 1
- x2 – 2 x3 + 4 x4 + 700 x5 = 5
x1 - x2 + 60 x3 – 2 x5 = 3
x1 + x2 + 8 x4 + 4 x5 = 4
Solución: ( 7.8597 , 0.4229 , -0.0736 , -0.5406 , 0.0106 )
15
Problema 2.1.1.9
Para calcular el balance de materia en un mezclador, se realizó un análisis y se
llegó a las siguientes ecuaciones, donde M1, M2 y M3 son las masas de las tres
corrientes que se mezclan y los coeficientes son las fracciones en peso de cada
componente en cada una de las tgres corrientes:
-0.2 M1 + 0.7 M2 +0.3M3 – 2.2 = 0

0.4 M1 – 0.5 M3 = -2.3
0.1 M2 = 1- 0.3 M1
Marque con una X el resultado que se obtendría al realizar 4 iteraciones con el
Método de Jacobi con M1(0) = 0, M2(0) = 0 y M3(0) = 0:
a) [3.1061 , 1.1379 , 6.7003] b) [3 , 1 , 7]
c) [2.8691 , 0.9158 , 6.8953]
Solución: a)
Problema 2.1.1.10
Dado el siguiente sistema de ecuaciones lineales, realice 1 iteración por el
̅(0) = [0 , 0 , 0]:
método de Jacobi usando como valores iniciales 𝒙
𝟏 𝟗 𝟏
− 𝒙+ 𝒚− 𝒛=𝟑
𝟐 𝟑 𝟑
𝟐 𝟓 𝟖
− 𝒙 + 𝒚 − 𝒛 = −𝟐
𝟑 𝟑 𝟐
𝟖 𝟐 𝟏
𝒙+ 𝒚+ 𝒛=𝟓
𝟓 𝟓 𝟐
16
2.1.2 MÉTODO DE GAUSS-SEIDEL
El método de Gauss-Seidel consiste en resolver un sistema de ecuaciones
lineales a partir de una suposición inicial subtituyendo los valores paso a paso en
cada una de las ecuaciones equivalentes, las cuales se generan a partir de las
ecuaciones reacomodadas con diagonal dominante. En Ingeniería Química es
común encontrar sistemas que tienen diagonal dominante, es decir sistemas
cuyos coeficientes de la diagonal principal son mayores en valor absoluto que la
suma de los valores absolutos de los otros coeficientes de la misma ecuación, por
ejemplo, el sistema de ecuaciones:
-10x1 + 2x2 +3x3 = 6

x1 + 8x2 - 2x3 = 9 … (3.1.3.b.1)
-3x1 - x2 -7x3 = -33
presenta diagonal dominante porque:
| -10 | > | 2 | + | 3 |
| 8 | > | 1 | + | -2 |
| -7 | > | -3 | + | -1 |
El sistema de ecuaciones (3.1.3.b.1) se puede resolver de la siguiente
forma:
6 − ( 2 x 2 + 3 x3 )
x1 = … (3.1.3.b.2)
− 10
9 − ( x1 − 2 x3 )
x2 = …(3.1.3.b.3)
8
− 33 − (−3x1 − x 2 )
x3 = …(3.1.3.b.4)
−7
El Método de Gauss-Seidel requiere de una suposición inicial de los valores
de las incógnitas x2 y x3, los cuales se usan en la ecuación (3.1.3.b.2) para calcular
una nueva estimación de x1 , este nuevo valor de x1 y la suposición de x3 se usan
para calcular x2 con la ecuación (3.1.3.b.3). A su vez, las nuevas estimaciones de
x1 y x2 se usan para calcular una nueva x3 .
17
En general, para un sistema de n ecuaciones:
Ax=b
La fórmula iterativa del Método de Gauss-Seidel está dada por:

i −1 n
b i −  a i,j x j a
( k −1)
−
(k )
i,j xj
xi(k) = j=1 j = i +1
…(3.1.3.b.5)
a i ,i
donde el supraíndice se refiere a:
k = iteración actual
k-1 = iteración anterior
El número de iteraciones a realizar depende de la tolerancia que se desee.
18
Ejemplo 2.1.2.1
Aplique el método de Gauss-Seidel para resolver el siguiente sistema de
ecuaciones lineales usando como valores iniciales
x(0) = ( 0 , 0 , 0 ). Realice un máximo de 10 iteraciones o hasta que
| xi(k) - xi(k-1) |  0.0001
-x1 + 11x2 – 2x3 = 7

-2x2 + 10x3 -6 = 0
9x1 + x1 – x2 = 4
Solución:
Reacomodando:
10x1 – x2 = 4
-x1 + 11x2 – 2x3 = 7
-2x2 + 10x3 -6 = 0
𝟒+ 𝒙𝟐
x1 =
𝟏𝟎
𝟕+ 𝒙𝟏 +𝟐𝒙𝟑
x2 =
𝟏𝟏
𝟔+𝟐𝒙𝟐
x3 =
𝟏𝟎
Primera iteración:
4+0
x1(1) = = 0.4
10
7 + 0.4 + 2(0)
x2(1) = = 0.6727
11
6 + 2(0.6727 )
x3(1) = = 0.7345
10
19
Iteración (k) x1(k) x2(k) x3(k)
0 0 0 0
1 0.4 0.6727 0.7345
2 0.4673 0.8124 0.7625
3 0.4812 0.8187 0.7637
4 0.4819 0.8190 0.7638
5 0.4819 0.8190 0.7638
x1 = 0.4819 x2 = 0.8190 x3 = 0.7638
20
Problema 2.1.2.1
llegó a las siguientes ecuaciones, donde M1, M2y M3 son las masas de tres
corrientes que se mezclan:
-M1 + 7M2 + 3M3 = 10

4M2 – 5M3 = -4
3M1 + M2 = 7
Marque con una X el resultado de la primera iteración al aplicar el Método de
Gauss-Seidel con M1(0) = 1, M2(0) = 1 y M3(0) = 1:
a) [2.0000, 1.2857, 1.8286]Tb) [1.9931, 1.0205, 1.6164]T
c) [2.0000, 1.1429, 1.6000]T

Solución: a)
Problema 2.1.2.2
Realice primero dos iteraciones con el método de Jacobi para resolver el
siguiente sistema de ecuaciones lineales usando como valores iniciales
x(0) = ( 0 , 0 , 0 ). Utilice como valores iniciales los obtenidos en la iteración 2 del
método de Jacobi y realice otras 8 iteraciones con el método de Gauss-Seidel:
-x1 + 11x2 – 2x3 = 7

-2x2 + 10x3 -6 = 0
9x1 + x1 – x2 = 4
Solución: ( 0.4819 , 0.8190 , 0.7638 )
21
Problema 2.1.2.3
Para determinar la composición de una mezcla a partir de un análisis
espectrofotométrico se obtuvieron las siguientes ecuaciones:
11C1 + 118C2 + 9C3 = 26

27C1 + 27C2 + 85C3 = 39
98C1 + 9C2 + 2C3 = 35
Realice 10 iteraciones con el método de Gauss-Seidel usando C1(0) = 0.4,
C2(0) = 0.3 y C3(0) = 0.3 Diga si hay convergencia o no usando  = 0.01 y revise si el
sistema asegura convergencia.
Problema 2.1.2.4
Para calcular las masas de tres corrientes en un mezclador, se realizó un balance
de materia y se llegó a las siguientes ecuaciones, donde M1, M2 y M3 son las masas
de las corrientes que se mezclan y los coeficientes son las fracciones de cada
componente en las corrientes:
0.18M2 + 0.55M3 = 21 - 0.27M1

0.23M1 + 0.6M2 + 0.24M3 = 21
0.83M1 + 0.10M2 + 0.55M3 = 58
Realice 10 iteraciones con el método de Gauss-Seidel para aproximar la solución.
Utilice M1(0) = 45, M2(0) = 10 y M3(0) = 2 e indique si el proceso iterativo tiende a
la convergencia o no.
22
Problema 2.1.2.5
Use el método de Gauss-Seidel para resolver el siguiente sistema de ecuaciones
lineales. Realice un máximo de 10 iteraciones o hasta que | xi(k) – xi(k) |  0.0001
y utilice un vector inicial x(0)= ( 0 , 0 , 0 )
1.5611 x1 + 5.1791 x2 + 1.6852 x3 = 8.4254

3.3333 x1 + 15920 x2 – 10.3333 x3 = 15.913
2.2220 x1 + 16.7100 x2 + 9.6120 x3 = 28.544
Solución: [ 1 , 1 , 1 ]
Problema 2.1.2.6
ecuaciones lineales. realice un máximo de 10 iteraciones o hasta que
| xi(k) – xi(k) |  0.0001 y utilice un vector inicial x(0)= ( 0 , 0 , 0 ):
- x1 + 11 x2 – x3 + 3x4 = 25
10x1 - x2 + 2x3 = 6
2x1 - x2 + 10x3 - x4 = -11
3x2 – x3 + 8x4 = 15
Solución: ( 1 , 2 , -1 , 1 )
Problema 2.1.2.7
ecuaciones lineales. Realice un máximo de 10 iteraciones o hasta que
| xi(k) – xi(k) |  0.0001 y utilice un vector inicial x(0)= ( 0 , 0 , 0 ):
3x1 + 4x2 – x3 = 30
4x1 + 3x2 = 24
-x2 + 4x3 = -24
Solución: ( 3 , 4 , -5)
23
Problema 2.1.2.8
ecuaciones lineales. Realice un máximo de 10 iteraciones o hasta que
| xi(k) – xi(k) |  0.0001 y utilice un vector inicial x(0)= (0 , 0 , 0 , 0 , 0)
0.1 x1 + 4 x2 – x3 + x4 – x5 = 2
0.2 x1 + 0.1 x2 + x3 + x4 = 1
- x2 – 2 x3 + 4 x4 + 700 x5 = 5
x1 - x2 + 60 x3 – 2 x5 = 3
x1 + x2 + 8 x4 + 4 x5 = 4
Solución: ( 7.8597 , 0.4229 , -0.0736 , -0.5406 , 0.0106 )
Problema 2.1.2.9
Dado el siguiente sistema de ecuaciones lineales, realice 1 iteración por el
̅(0) = [0 , 0 , 0]:
método de Gauss-Seidel usando como valores iniciales 𝒙
𝟏 𝟗 𝟏
− 𝒙+ 𝒚− 𝒛=𝟑
𝟐 𝟑 𝟑
𝟐 𝟓 𝟖
− 𝒙 + 𝒚 − 𝒛 = −𝟐
𝟑 𝟑 𝟐
𝟖 𝟐 𝟏
𝒙+ 𝒚+ 𝒛=𝟓
𝟓 𝟓 𝟐
Problema 2.1.2.10
Encuentre la solución del siguiente sistema de ecuaciones lineales hasta que la
norma |xk+1 – xk| sea menor o igual a 0.01:
4x1 + 7x2 + x3 = 33
5x1 + 3x2 + 9x3 = 55
-14x1 + 2x2 + 2x3 = -14
Para las dos primeras iteraciones utilice el método de Jacobi y para las restantes
use el método de Gauss-Seidel.
Solución: x1=2, x2=3, x3=4
24
Problema 2.1.2.11
El balance de materia por componente y global en un mezclador se puede
expresar como sigue:
Etanol: 10 m1 + m2 – 5 m3 + 3 = 0
Metanol: - 20 m1 + 3 m2 + 20 m3 – 46 = 0
Agua: 5 m1 + 3 m2 + 5 m3 – 26 = 0
Balance Total: m1 + m2 + m3 – m4 = 0
Determine si el sistema tiene solución única, un número infinito de soluciones o
no tiene solución. Justifique su respuesta.
Problema 2.1.2.12
En una columna de absorción se alimenta una mezcla gaseosa constituida por
Benceno y otras substancias y se desea separar el Benceno. Después de realizar
el análisis correspondiente se llegó al siguiente sistema de ecuaciones:
y1 = 8 + 2y3 – y2
y2 – y1 – 5 = 0
y1 = 0.5 (1 + y3)
Diga si el sistema de ecuaciones es consistente o no. En caso de tener solución
indique si es única. Si el sistema tiene solución única, aplique el método de Gauss-
Seidel.
25
Problema 2.1.2.13
El siguiente conjunto de ecuaciones define las corrientes de malla en un circuito
determinado. Mediante el Método de Gauss-Seidel calcule las corrientes de la
malla (ii) usando los valores de resistencias R1=100, R2=50, R3=25, R4=200 y
R5=10 Ω si la fuente de voltaje (V1) es 15V. El error máximo permitido es 0.001
V1 + R2(i1-i2)+R4(i1-i3)=0
R1i2+R3(i2-i3)+R2(i2-i1)=0
R3(i3-i2)+R5i3+R4(i3-i1)=0
Comience sus cálculos con el vector 𝒊̅(0) = (0 , 0 , 0).
Problema 2.1.2.14
Marque con una X el resultado de la primera iteración al aplicar el método de
Gauss - Seidel al siguiente sistema de ecuaciones lineales, usando como valores
iniciales x(0) = ( 0 , 0 , 0 ).
2x + 3y – 8z + 3 = 0
5x – 2y + z = 4
-x + 6y – 2z = 3
a) ( 0.8000 , 0.6333 , 0.8125 ) b) ( 0.8 , 0.5 , 0.375 ) c) ( 1 , 1 , 1 )
26
Problema 2.1.2.15
Realice 10 iteraciones con el Método de Gauss-Seidel para resolver el siguiente
sistema de ecuaciones lineales y diga si hay convergencia o no.
100x – 200y + 800z = 1100
1200x - 100y + 300z - 1400 = 0
300x - 1400y – 200z = -1100
Utilice un vector de valores iniciales x0 = ( 0.8 , 1.2 , 1.5)
Problema 2.1.2.16
Obtenga una aproximación a la solución del siguiente sistema de ecuaciones
lineales utilizando el Método de Gauss-Seidel con 4 cifras significativas
bi
redondeadas, tomando como valores iniciales x10 = 0.1942 y xi0 = , i= 2 , 3.
ai,i
| x i +1 − x i |
Realice tres iteraciones o hasta que  i =  0.001 , i= 1 , 2, 3 ¿Existen
| x i +1 |
condiciones necesarias de convergencia? Explique su respuesta.
29x1 + 19x2 = 4 – 115x3
103x1 + 29x2 = 20 – 22x3
44x1 + 161x2 + 36x3 = 21
Solución: (0.1745 , 0.0881 , -0.0238)
27
Problema 2.1.2.17
Resuelva el siguiente sistema de ecuaciones lineales, mediante el método
iterativo de Gauss-Seidel, tomando como vector inicial x0 = ( 0 , 0 , 0 )t.
Realice 10 iteraciones o hasta que | xk+1 – xk |  , donde = 0.001 y diga si hay
o no convergencia.
– 0.2 x2 + 11 x3 = 71.4
3 x1 – 0.1 x2 + 0.2 x3 = 7.85
0.1x1 + 7 x2 - 0.3 x3 = -19.3
Problema 2.1.2.18
bi
Utilice el Método de Gauss-Seidel y un vector inicial xi(0) = ,
a i ,i
x k − x k −1
i = 1,2,3,4 para realizar dos iteraciones o hasta que 0.01 , k = 1,2.
xk
¿Existen condiciones necesarias para la convergencia?. Explique su respuesta:
17 x1 + 12 x2 + 28 x3 + 121 x4 = 29
11 x1 + 120 x2 = 26 – 9 x3
27 x1 + 30 x4 = 39 – 27 x2 - 85 x3
99 x1 + 9 x2 + 2 x3 = 35 – 31 x4
Solución: (0.2927 , 0.1715 , 0.2647 , 0.1203)
Problema 2.1.2.19
Aproxime el sistema de ecuaciones lineales por el método iterativo de Gauss-
Seidel usando como vector inicial ( -6 , 3 , 4 ) y un ε = 0.01, realice 10 iteraciones
o hasta que |xi(k) – xi(k-1)| ≤ 0.0001
1/5 x1 + ½ x2 + 1/3 x3 = 2
½ x1 + 1/3 x2 + ¼ x3 = -1
1/3 x1 + ¼ x2 + ½ x3 = 1
28
Problema 2.1.2.20
Aplique el Método de Gauss-Seidel para encontrar una aproximación a la raíz
del siguiente sistema de ecuaciones lineales. Realice 10 iteraciones o hasta que
|xi(k) – xi(k-1)| ≤ 1x10-4 con los valores iniciales x(0) = 0.8, y(0) = 1.5, z(0) = 2.3
- 5x – 4y = 11.5 – 2x
3x + 4y – 3z = 21
15x – 4y + 2z = 11.5
Solución: (0.2873 , -3.0905 , -2.5921)
Problema 2.1.2.21
Resuelva el siguiente sistema de ecuaciones lineales con el método de Gauss-
Seidel. Realice un máximi de 10 iteraciones o hasta que |xi(k) – xi(k-1)| ≤ 1x10-4 y
utilice un vector de valores iniciales x(0) = (0 , 0 , 0)
10x1 + 11x2 + 2x3 = 26
10x1 + 12x2 – 15x3 = -7
-10x1 – 22x2 + 13x3 = -7
29
Problema 2.1.2.22
Una empresa química, en un balance de materia de su proceso, llegó al siguiente
sistema de ecuaciones y desea obtener la solución numérica. Se le pide a usted
que obtenga una aproximación a dicha solución usando un vector inicial
x = ( 0 , 0 , 0 ) y una tolerancia de convergencia ε = 1 X 10-4. Realice primero dos
iteraciones con el Método de Jacobi y después, con los últimos valores
obtenidos, continúe con el Método de Gauss-Seidel realizando otras dos
iteraciones. No olvide buscar primero una condición para asegurar convergencia
a la solución.
2x – y + 10z = -11
10x – y + 2z = 6
-x +11y – z = 25
Solución: ( 1.0429 , 2.2697 , -1.0816 )
30
2.1.3 OTROS MÉTODOS
Si después de aplicar un método numérico como Jacobi o Gauss-Seidel a
un sistema de ecuaciones lineales no existe convergencia o ésta se vuelve muy
lenta, puede recurrirse a los métodos de relajación, mejor conocidos como
métodos SOR, de su abreviatura en inglés (Succesive Over Relaxation).
Los métodos de relajación no son otros que los métodos de Jacobi o de
Gauss-Seidel pero afectados por un factor de peso w, el cual servirá para
acelerar la convergencia o producirla si es que no existe. Si el valor de w es
menor a 1 se dice que el proceso se subrelaja, por el contrario si w es mayor a 1
el proceso se sobre-relaja; si w=1 el método se convierte en Jacobi o Gauss-
Seidel, según sea el caso.
Básicamente existen dos métodos de relajación:
• Método SOR de Paso Total (que sería el equivalente a Jacobi)
• Método SOR de Pasos Sucesivos (equivalente a Gauss-Seidel)
En general, el cálculo de la w óptima es un procedimiento muy laborioso, por
lo que en los problemas que aquí se presentan se proporcionará como dato.
Las fórmulas a utilizar están dadas por:

n
b i −  a i,j x j
( k −1)
xi(k) = (1 − w )x i k −1 + w j i
(Paso Total)
a i ,i
i −1 n
b i −  a i,j x j a
( k −1)
−
(k )
i,j xj
xi(k) = (1 − w )x i k −1 + w j=1 j= i +1
(Pasos Sucesivos)
a i ,i
31
32
Ejemplo 2.1.3.1
Resuelva el siguiente sistema de ecuaciones lineales:
- x1 + 3x2 + 9x3 + 2x4 = 10

x1 + 9x2 + 4x3 + 4x4 = 15
x2 + 9x4 = 2
9x1 + x2 + x3 – x4 = -3
con desplazamientos sucesivos, use un valor de w=1.3 y ε=10-2 aplicado a |xk+1
– xk| o bien un máximo de 10 iteraciones y utilice un vector de suposiciones
̅(0) = (-0.5 , 1.5 , 0.5 , 0 )

iniciales igual a 𝒙
Solución:
Reacomodando:
9x1 + x2 + x3 – x4 = -3
x1 + 9x2 + 4x3 + 4x4 = 15
- x1 + 3x2 + 9x3 + 2x4 = 10
x2 + 9x4 = 2
x1 = (-3 –x2 – x3 + x4)/9

x2 = (15 – x1 – 4x3 – 4x4)/9
x3 = (10 + x1 – 3x2 – 2x4)/9
x4 = (2 – x2)/9
Primera iteración:
−3−1.5−0.5+0
x1(1) = = -0.5722
9
15−(−0.5722)−4(0.5)−4(0)
x2(1) = = 1.5104
9
10+(−0.5722)−3(1.5104)−2(0)
x3(1) = =0.5573
9
2−1.5104
x4(1) = = 0.0707
9
33
Iteración (k) x1(k) x2(k) x3(k) x4(k)
0 -0.5000 1.5000 0.5000 0.0000
1 -0.5722 1.5104 0.5573 0.0707
2 -0.5501 1.4302 0.5576 0.0611
3 -0.5466 1.4591 0.5483 0.0598
4 -0.5507 1.4571 0.5517 0.0605
5 -0.5496 1.4552 0.5515 0.0606
6 -0.5496 1.4559 0.5512 0.0604
7 -0.5496 1.4559 0.5513 0.0604
Este mismo sistema resuelto con el Método de Gauss- Seidel requiere
una iteración más para llegar al resultado.
34
Problema 2.1.3.1
llegó a las siguientes ecuaciones, donde M1, M2 y M3 son las masas de las tres
corrientes que se mezclan y los coeficientes son las fracciones peso de cada
componente en cada una de las corrientes:
0.3M1 + 0.1M2 = 7
-0.1M1 + 0.7M2 + 0.3M3 = 10
0.4M2 – 0.5M3 = -4
Marque con una X el resultado de la primera iteración al aplicar el Método SOR
con M1(0) = 1, M2(0) = 1 y M3(0) = 1 y un factor de peso w = 0.8:
a) [2.0000, 1.2857, 1.8286]T b) [18.4000, 13.1886, 14.8407]T
c) [2.0000, 1.1429, 1.6000]T

Solución: b)
Problema 2.1.3.2
Realice primero dos iteraciones con el método de Jacobi para resolver el
siguiente sistema de ecuaciones lineales usando como valores iniciales
x(0) = ( 0 , 0 , 0 ). Utilice como valores iniciales los obtenidos en la iteración 2 del
método de Jacobi y realice otras 8 iteraciones con el método SOR y un factor
de peso w = 1.8:
-x1 + 11x2 – 2x3 = 7

-2x2 + 10x3 -6 = 0
9x1 + x1 – x2 = 4
Solución: ( 0.4751 , 0.8237 , 0.7676 )
35
Problema 2.1.3.3
Para determinar la composición de una mezcla a partir de un análisis
espectrofotométrico se obtuvieron las siguientes ecuaciones:
11C1 + 118C2 + 9C3 = 26

27C1 + 27C2 + 85C3 = 39
98C1 + 9C2 + 2C3 = 35
Realice 10 iteraciones con el método de SOR usando C1(0) = 0.4,
C2(0) = 0.3 y C3(0) = 0.3 y un factor de peso w = 0.7 .Diga si hay convergencia o no
usando  = 0.01 y revise si el sistema asegura convergencia.
Problema 2.1.3.4
Para calcular las masas de tres corrientes en un mezclador, se realizó un balance
de materia y se llegó a las siguientes ecuaciones, donde M1, M2 y M3 son las masas
de las corrientes que se mezclan y los coeficientes son las fracciones de cada
componente en las corrientes:
0.27M1 + 0.18M2 + 0.75M3 = 21

0.23M1 + 0.8M2 + 0.24M3 = 21
0.93M1 + 0.10M2 + 0.55M3 = 58
Realice 10 iteraciones con el método SOR para aproximar la solución. Utilice M1(0)
= 45, M2(0) = 10 y M3(0) = 2 e indique si el proceso iterativo tiende a la
convergencia o no. Use un factor de peso w = 0.27
Solución: M1=34,M2=1,M3=59
El proceso converge pero muy lentamente
36
2.2 SISTEMAS DE ECUACIONES NO
LINEALES
Se dice que un sistema de ecuaciones es no lineal cuando por lo menos una
de las variables se encuentra en forma no lineal, es decir, elevada a una potencia
diferente de uno, o bien aparece en una función trigonométrica, exponencial o
logarítmica.
2.2.1.- MÉTODOS DE PUNTO FIJO MULTIVARIABLE
Los métodos de Punto Fijo Multivariable se basan en la teoría del Método
de Punto Fijo para una sola variable y consisten en generar ecuaciones
equivalentes a partir de un sistema de ecuaciones no lineales.
Los métodos de Punto Fijo Multivariables pueden ser:
• Método de Punto Fijo Multivariable de Paso Total
• Método de Punto Fijo Multivariable de Pasos Sucesivos
Los cuales de describen a continuación.
37
38
2.2.1.a MÉTODO DE PUNTO FIJO MULTIVARIABLE DE PASO TOTAL
Este método es una extensión del Método de Punto Fijo para una sola
variable, pero, en este caso, es necesario generar tantas ecuaciones equivalentes
como incógnitas haya.
Por ejemplo, para un sistema de dos ecuaciones no lineales, las ecuaciones
equivalentes serían:
x1 = g1(x1,x2)
… (4.1.a.1)
x2 = g2(x1,x2)
Al igual que cualquier método iterativo, es necesario empezar a iterar a
partir de una suposición inicial.
El orden en el que se acomoden las ecuaciones, así como la selección de las
ecuaciones equivalentes tendrá un efecto sobre la convergencia del método, sin
embargo, para asegurar que habrá convergencia para las ecuaciones equivalentes
propuestas, así como para los valores iniciales seleccionados, se puede aplicar el
siguiente Criterio de Convergencia:
g 1 g 2 g 1 g 2
+ 1 y + 1 … (4.1.a.2)
x 1 x 1 x 2 x 2
39
40
Ejemplo 2.2.1.a
Realice 10 iteraciones con el Método de Punto Fijo de Paso Total o hasta que
| xi(k) – xi(k-1) | ≤ 0.0001 para encontrar una solución del siguiente sistema de
ecuaciones no lineales. Utilice como valores iniciales x1(0) = 0 y x2(0) = 0.1

x
f2(x1,x2) = 1 sen (x 1 x 2 ) − 2
2 4
…(1)

f1(x1,x2) =  1 − (
1  2x1 ex
 e −e + 2 )
 4  
Seleccione ecuaciones equivalentes que aseguren convergencia.
Solución:
Se proponen las siguientes ecuaciones equivalentes:
 − ex 2   1  
ln   / 1 −  + e
    4 
g1(x1,x2) =   …(2)
2
g2(x1,x2) = 2 π sen(x1x2)
para el vector de valores iniciales propuesto:
x(0) = ( 0 , 0.1 ) … (3)
g 1
=0
x 1
 −e  1  
  / 1 − 
g 1 1      4  

= = -0.1791
x 2 2   − ex 2   1  
    /  1 − 4  + e 
    
g 2
= 2cos(x 1 x 2 )x 2 = 0.6283
x 1
g 2
= 2cos(x 1 x 2 )x 1 = 0
x 2
41
Aplicando el criterio de convergencia del método:
0 + 0.6283 < 1 y | -0.3582 | + 0 < 1
Lo que indica que las ecuaciones equivalentes seleccionadas aseguran
convergencia:
 − e  0.1   1  
ln   / 1 −  + e
    4 
x1(1) =   = 0.4824
2
x2(1) = 2 π sen(0*0.1) = 0
En la siguiente Tabla se muestran los resultados:
Iteración (k) x1(k) x2(k)

1 0 0.1
2 0.4824 0
3 0.5 0
4 0.5 0
x1 = 0.5 x2 = 0
42
Problema 2.2.1.1
Aplique el Método de Punto Fijo de Paso Total para encontrar una solución del
siguiente sistema de ecuaciones no lineales. Realice un máximo de 10 iteraciones
o hasta que | fi | ≤ 1X10-4 y utilice un vector de valores iniciales x(0) = ( 0 , 0 )
1 + x = -2y
xy = -x3
Solución: ( 1 , -1 )
Problema 2.2.1.2
siguiente sistema de ecuaciones no lineales. Realice un máximo e 10 iteraciones
o hasta que | fi | ≤ 1X10-4 y utilice un vector de valores iniciales x(0) = ( 0.5 , 0 )
4x + ey = 3
xy + sen(x) = 5
Solución: ( 0.7920 , -6.2434 )
Problema 2.2.1.3
o hasta que | fi | ≤ 1X10-4 y utilice un vector de valores iniciales x(0) = ( 0.5 , 0 )
log(x) + 4y = 1.2
ey + xy = 3.4
Solución: ( 0.0001 , 1.2238 )
43
Problema 2.2.1.4
o hasta que | fi | ≤ 1X10-2 y utilice un vector de valores iniciales x(0) = ( 0.9960 ,
0)
y
2x + =2
x
x2 + yx = 3.4
Solución: (1 ,0 )
Problema 2.2.1.5
Utilizando el Método de Punto Fijo Multivariable de Paso Total realice 10
iteraciones para resolver el siguiente sistema de ecuaciones no lineales:
sen(12.6xy) – 2y – x = 0
0.92(e2x – e) + 4ey2 – 2ex = 0
Use x(0) = ( 0 , 0 ) como vector inicial. Diga si hay o no convergencia de acuerdo
a la evaluación de la norma | xi(k+1) – xi(k) |  0.01
44
Problema 2.2.1.6
Utilizando el Método de Punto Fijo Multivariable de Paso Total realice 10
iteraciones para resolver el siguiente sistema de ecuaciones no lineales:

1
3x1 – cos(x2 x3) - =0
2
x12 – 81 (x2 + 0.1)2 + sen(x3) + 1.06 = 0
10 − 3
e − x1x2 + 20 x3 +
3 =0
Use x(0) = ( 0.1 , 0.1 , -0.1 ) como vector inicial. Diga si hay o no convergencia de
acuerdo a la evaluación de la norma | xi(k+1) – xi(k) |  0.01

1
+ cos(x 2 x 3 )
Solución: g1= 2
3
x 1 + sen (x 3 ) + 1.06
2
g2= − 0.1
81
−x x 10 − 3
e 1 2
+
g3=- 3
20
( 0.5 , 0 , -0.5236 )
45
46
2.2.1.b MÉTODO DE ITERACIÓN DE PUNTO FIJO MULTIVARIABLE DE
PASOS SUCESIVOS
Este método es similar al de Punto Fijo Multivariable, con la diferencia de
que en este caso los valores de las xi se van actualizando a medida que se van
calculando, por ejemplo, para un sistema de dos ecuaciones no lineales, y apartir
de una suposición inicial x1(0) y x2(0), las ecuaciones equivalentes estarían dadas
por:
x1(k) = g1(x1(0),x2(0))
…(4.1.b.1)
(k) (k) (0)
x2 = g1(x1 ,x2 )
Al igual que en el método anterior, es necesario aplicar el criterio de
convergencia para asegurar ésta para los valores iniciales y las ecuaciones
equivalentes propuestas.
Este método también se conoce como de Aproximaciones Sucesivas.
47
48
PROBLEMAS RESUELTOS
Ejemplo 2.2.1.b
Para calcular la concentración de un reactivo en dos reactores interconectados
se llegó a las siguientes ecuaciones:
1.25 C2 + 0.3125 – 1.5625 C1 = 0.2 C11.8

6.25 (C1 – C2) = 0.2 C21.8
Utilizando el Método de Punto Fijo Multivariable de Pasos Sucesivos
realice 10 iteraciones para resolver el sistema de ecuaciones no lineales.
Use C1(0) = 0.4 y C2(0) = 0.3 como valores iniciales. Diga si hay o no
convergencia de acuerdo a la evaluación de la norma | Ci(k) – Ci(k-1) | ≤ 0.01
Solución:
Haciendo:
f1(C1,C2) = 1.25 C2 + 0.3125 – 1.5625 C1 - 0.2 C11.8 = 0

f2(C1,C2) = 6.25 (C1 – C2) - 0.2 C21.8 = 0
Estableciendo las ecuaciones equivalentes:

1.8
1.25C2 + 0.3125 − 0.2C1
C1 = = g1(C1,C2)
1.5625
1.8
6.25C1 − 0.2C 2
C2 = = g2(C1,C2)
6.25
Los valores de C1 y C2 de la primera iteración estarán dados por:

1.8
1.25(0.3) + 0.3125 − 0.2(0.4)
C1(1) = = 0.4154
1.5625
6.25(0.4154) − 0.2(0.3) 1.8

C2 (1) = = 0.4117
6.25
En la siguiente Tabla se presentan los resultados:
49
Iteración (k) C1(k) C2(k) |C1(k)-C1(k-1)| |C2(k)-C2(k-1)|
0 0.4 0.3 -- --
1 0.4154 0.4117 0.0154 0.1117
2 0.5031 0.4966 0.0877 0.849
3 0.5601 0.5510 0.0570 0.0544
4 0.5957 0.5848 0.0356 0.0338
5 0.6174 0.6053 0.0217 0.0205
6 0.6305 0.6175 0.0131 0.0122
7 0.6382 0.6248 0.0077 0.0073
C1 = 0.6382 C2 = 0.6248
50
Problema 2.2.1.7
Utilizando el método iterativo de Punto Fijo Multivariable encuentre una
aproximación a la solución del sistema:
xy – 12x + y2z + 16.625 = 0

yz + xz – 20z + 45 = 0
2
xz + 15y – yz – 15.625 = 0
Tome como valores iniciales x(0) = ( 0 , 0 , 0 ). Haga solo 3 iteraciones o hasta
que | x(k) – x(k-1) | ≤ 0.01
Problema 2.2.1.8
Utilizando el método iterativo de Punto Fijo Multivariable de Pasos Sucesivos
realice 10 iteraciones para resolver el siguiente sistema de ecuaciones no
lineales:
sen( 12.6 x y ) – 2y - x = 0
0.92( e2x – e ) + 4ey2 – 2ex = 0
Use x(0) = ( 0 , 0 ) como vector inicial y diga si hay o no convergencia de acuerdo
a la evaluación de la norma | xi(k) – xi(k-1) | ≤ 0.01
Solución: ( -0.3735 , 0.0561 )
51
Problema 2.2.1.9
Se desea resolver el siguiente sistema de ecuaciones por el método de
aproximaciones sucesivas (Punto Fijo). Realice un máximo de 10 iteraciones o
hasta que | xi(k) – xi(k-1) | ≤ 0.001 y use el vector de valores iniciales x(0) = ( 0.5954
, 7.8012 )
2x + 3y = 34.6
xy + y2 = 104.52
Solución: ( 5.6 , 7.8 )
Problema 2.2.1.10
Se desea resolver el siguiente sistema de ecuaciones por el método de
aproximaciones sucesivas. Realice un máximo de 10 iteraciones o hasta que | xi(k)
– xi(k-1) | ≤ 0.001 y use el vector de valores iniciales
x(0) = ( 1 , 1 )
ln(x) + log(y) = 0.7138

2x + ey = 32.2615
Solución: ( 1.2 , 3.4 )
52
2.2.2 métodoS DE NEWTON
2.2.2.1 MÉTODO DE NEWTON RAPHSON MULTIVARIABLE
El Método de Newton-Raphson Multivariable consiste en transformar un
sistema de ecuaciones no lineales de la forma:
f1(x1,x2) = 0
… (4.2.a.1)
f2(x1,x2) = 0
donde ambas funciones son continuas y diferenciables, a un sistema de
ecuaciones lineales:
f1 f
x1 + 1 x 2 = −f1 ( x1 , x2 )
x1 x 2
… (4.2.a.2)
f 2 f 2
x1 + x 2 = −f 2 ( x1 , x2 )
x1 x 2
donde:
∆x1 = x1(k) – x1(0) … (4.2.a.3)

∆x2 = x2(k) – x2(0)
El supraíndice (0) indica la estimación inicial y (k) se refiere a la estimación
de la iteración actual.
Para conocer los nuevos valores de x1 y x2 es necesario evaluar antes ∆x1
y ∆x2.
En el sistema de ecuaciones lineales (4.2.a.2) la matriz de coeficientes se
conoce como Matriz Jacobiana del Sistema o Jacobiano del sistema, y se denota
con la letra J, es decir:

f 1 f 1
x x 2
J= 1 … (4.2.a.4)
f 2 f 2
x 1 x 2
53
y su valor debe ser diferente de cero para que las ecuaciones (4.2.a.2) tengan
solución.
Los valores de ∆x1 y ∆x2 se pueden calcular aplicando la Regla de Cramer
a las ecuaciones (4.2.a.2) de la siguiente manera:
f 1 f
f2 − f1 2
x 2 x 2
∆x1 =
J … (4.2.a.5)
f f
f1 2 − f 2 1
x1 x1
∆x2 =
J
de tal manera que los nuevos valores de las variables x1 y x2 se calculan mediante:
x1(k) = x1(k-1) + ∆x1

… (4.2.a.6)
x2(k) = x2(k-1) + ∆x2
El procedimiento anterior se repite un número máximo de iteraciones o
hasta que | fi | ≤ ε ó | xi(k) – xi(k-1) | ≤ ε, donde ε es una tolerancia fijada
previamente e indica la exactitud con que se desea calcular los valores de las xi
54
PROBLEMAS RESUELTOS
Ejemplo 2.2.2.1.1
Realice 10 iteraciones con el Método de Newton-Raphson Multivariable para
resolver el siguiente sistema de ecuaciones no lineales:
f1(x,y) = 7[x/ln(y)] – 2x2+ 1 = 0

f2(x,y) = 9x2y – 5x2y2+ y = 0
Utilice un vector inicial x0 = (-1 , 3)
Solución:
1 Evaluando f1 y f2 en los valores iniciales:
f1(-1,3) = 7(-1/ln(3)) – 2(-1)2+ 1 = -7.3717
f2(-1,3) = 9(-1)2(3) – 5(-1)2(3)2+ y = -15
2 Las derivadas parciales están dadas por:
f 1 7
= − 4x
x ln(y )
f 1 − 7x
=
y yln (y )2
f 2
= 18xy − 10xy 2
x
f 2
= 9x 2 − 10x 2 y + 1
y
Es decir:
f 1 7
= − 4(−1) = 10.3717
x ln(3)
f 1 − 7(−1)
= = 1.9332
y 3ln (3)2
f 2
= 18(−1)(3) − 10(−1)(3) 2 = 36
x
f 2
= 9(−1) 2 − 10(−1) 2 (3) + 1 = −20
y
55
3 El Jacobiano está dado por:
10.3717 1.9332
J= = −277.0305
36 − 20
4 Calculando ∆x y ∆y:
(−15)(1.9332) − (−7.3717)( −20)
∆x = = 0.6369
− 277.0305
(−7.3717)( 36) − (−15)(10.3717)
∆y = = 0.3964
− 277.0305
5 Los nuevos valores de x y de y están dados por:
x(1) = -1 + 0.6369 = -0.3631

y(1) = 3 + 0.3964 = 3.3964
Iteración 0 1 2 3 4 5
x -1 -0.3631 -0.2428 -0.2346 -0.2248 -0.2248
y 3 3.3964 4.3526 5.6077 5.7468 5.7576
f1 -7.3717 -1.3427 -0.2733 -0.0626 -0.0011 0
f2 -15 -0.1784 1.0787 -0.2685 0.0143 0
∂f1/∂x 10.3717 7.1775 5.7304 4.9984 4.9024 4.8980
∂f1/∂y 1.9332 0.5006 0.1805 0.0985 0.0896 0.0892
∂f2/∂x 36 19.6884 26.9719 50.0944 50.9945 51.2246
∂f2/∂y -20 -2.2918 -1.0347 -1.5911 -1.4499 -1.4548
J -277.0305 -26.3057 -10.7975 -12.8881 -11.6753 -11.6944
∆x 0.6369 0.1204 0.0082 0.0098 0 0
∆y 0.3964 0.9562 1.2551 0.1391 0.0108 0
Es decir, la solución es:
x =-0.2248 y =5.7576
56
Problema 2.2.2.1.1
Las coordenadas de reacción de dos reacciones que ocurren simultáneamente 1
y 2 se calculan resolviendo el siguiente sistema de ecuaciones:
4 1 3
= 122.97
(1 − 1 − 22 )(1 + 21 )2
22
= 21.42
(1 − 1 − 22 )2
Encuentre los valores de las coordenadas 1 y 2 mediante la aplicación del
método de Newton-Raphson. Inicie sus cálculos con los valores 1(0)= 0.965 y
2(0)= 0.016. Realice un máximo de 10 iteraciones o hasta que |fi | ≤ 0.0001
Solución: (0.9651,0.0158)
Problema 2.2.2.1.2
1 C
sen(C1C2 ) − 2 = 0
kp1 kp2 
1 eC
(1 − )(e kp1C1 − e) + 2 = 0
kp2  
Donde kp1 = 2 y kp2 = 4. Realice 10 iteraciones con el Método de Newton-
Raphson Multivariable (con Jacobiano) para encontrar los valores de C1y
C2utilizando como valores iniciales ( 1 , 0 ).
Solución: ( 0.5 , 0 )
57
Problema 2.2.2.1.3
Resuelva el siguiente sistema de ecuaciones no lineales utilizando el método de
Newton-Raphson Multivariable:
f(t,c) = 55et + tc2 – 2 = 0

3
g(t,c) = e t − 20c = 0
Realice 10 iteraciones con x(0) = ( 1 , 1 ) y un criterio de convergencia  = 0.01
Problema 2.2.2.1.4
Realice 10 iteraciones o hasta que |fi| ≤ 0.001 con el Método de Newton-Raphson
Multivariable para aproximar una solución del sistema de ecuaciones:
sen(x + y) + sen(2x +1) = cos(y)

x2 y + y2 = 5 + 2x
Utilice como valores iniciales x(0) = 1 y y(0) = 2

Solución: ( 1.2325 , 2.0763 )
Problema 2.2.2.1.5
Usando el Jacobiano obtenga una aproximación con 10 iteraciones a la solución
del siguiente sistema de ecuaciones lineales por el Método de Newton-Raphson.
Considere x(0) = ( 1.3 , 2.3 ) y ε = 0.01. Diga si hay convergencia o no usando el
concepto de norma:
8x23y + x4 = 170.073
xy/x1/2 – y1/3 = 1.291
58
Problema 2.2.2.1.6
Realice 10 iteracioneso hasta que | fi | ≤ 0.0001 con el Método de Newton-
Raphson Multivariable para resolver el siguiente sistema de ecuaciones no
lineales usando como valores iniciales x(0)=( 1, 1 )
f1(x,y) = ½ sen(xy) – 3ln(y) = 0

f2(x,y) = cos(y) – 5x2y2= 0
Solución: ( 0.2988 , 1.0529 )
Problema 2.2.2.1.7
Use el Método de Newton-Raphson para encontrar una solución al siguiente
sistema de ecuaciones no lineales. Itere hasta una tolerancia de 0.0001 y utilice
un vector inicial x(0) = ( 1,1 )
ln ( x12 + x22 ) – sen ( x1x2 ) = ln (2) + ln (  )

e x1 −x2 + cos(x 1 x 2 ) = 0
Solución : ( 1.7724 , 1.7724 )
Problema 2.2.2.1.8
Utilizando el Método de Newton-Raphson Multivariable realice 10 iteraciones
para resolver el siguiente sistema de ecuaciones no lineales:

1
3x1 – cos(x2 x3) - = 0
2
x12 – 81 (x2 + 0.1)2 + sen(x3) + 1.06 = 0
10 − 3
e − x1x 2 + 20x 3 +
3 = 0
Use x(0) = ( 0.1 , 0.1 , -0.1 ) como vector inicial. Diga si hay o no convergencia de
acuerdo a la evaluación de la norma | xi(k+1) – xi(k) |  0.01
Solución: ( 0.5 , 0 , -0.5236 )
59
Problema 2.2.2.1.9
Aplique el método de Newton-Raphson Multivariable para encontrar una solución
del siguiente sistema de ecuaciones no lineales. Realice un máximo de 10
iteraciones o hasta que | f(xi) |  0.0001 y utilice un vector inicial x(0)=(0,0):

1 2
4x1 – 20x1 + x2 + 8 = 0
4
1
x1 x22 + 2x1 – 5x2 + 8 = 0
2
Problema 2.2.2.1.10
sen (4x1x2) – 2x2 – x1 = 0

 4 − 1  2x1


( )
 e − e + 4ex22 – 2ex1 = 0
 4 
Solución: ( -0.3737 , 0.0563 )
Problema 2.2.2.1.11
3x12 – x22 = 0
3x1x22 – x12 – 1 = 0
60
Problema 2.2.2.1.12
iteraciones o hasta que | f(xi) |  0.0001 y utilice un vector inicial
x(0)=(2.66,0.18):
f1(x,y) = sen(x) – 3x/y + 1 = 0
f2(x,y) = cos(y) – 5x2y2 + y = 0
Problema 2.2.2.1.13
iteraciones o hasta que | f(xi) |  0.0001 y utilice un vector inicial x(0)=(1 , 1):
f(x,y) = x2y – xy2 – 0.8 = 0

𝒙𝟐 𝒙𝟐
g(x,y) = 𝟐
−𝟏− = 0
𝒚 𝟐
Solución:(1.5403 , 1.0417)
Problema 2.2.2.1.14
Realice dos iteraciones con el Método de Newton-Raphson Multivariable ( con
Jacobiano )para resolver el siguiente sistema de ecuaciones no lineales y diga si
hay convergencia o no.
ln [x + sen(x)] + y3 – 4 = 0
ey + x3 – 50 = 0
Utilice un vector de valores iniciales x0 = (1 , 1 )
61
Problema 2.2.2.1.15
En un proceso de optimización para la producción de un polímero, se debe
resolver el siguiente sistema de ecuaciones no lineales para encontrar los valores
óptimos de las variables x1 y x2:
100 x1 – x12 – x22 = 80
100 x2 – x1 x22 – x1 = 80
Realice tres iteraciones utilizando el método de Newton-Raphson y el siguiente
vector inicial x(0) = (0.5 , 1.5) y reporte los valores finales del vector x.
Solución: x = (0.8132 , 0.8135)
Problema 2.2.2.1.16
Realice 10 iteraciones con el Método de Newton-Raphson para resolver el
siguiente sistema de ecuaciones no lineales y diga si hay convergencia o no.
ln (xy) + x2 + y = 3.6
x ln(y) + y2 – x = 3.6
Utilice un vector de valores iniciales x0 = ( 1.3 , 1.8 )
Problema 2.2.2.1.17
Dado el siguiente sistema de ecuaciones no lineales realice 10 iteraciones con el
Método de Newton-Raphson Multivariable (con Jacobiano).
f1(x,y) = ln (x) + y4 – 4 = 0
f2(x,y) = ey + x3 – 50 = 0
Utilice un vector de valores iniciales x0 = (3 , 1 )
Solución:(3.5931, 1.2843)
62
Problema 2.2.2.1.18
Realice 10 iteraciones con el Método de Newton – Raphson Multivariable con
Jacobiano para encontrar una aproximación a la solución del siguiente sistema
de ecuaciones no lineales:
3x – cos(xy) = 1/3
x2 – 81(y+0.1)2 = -1.06
Tomar x0 = ( 0 , 0 ) como valor inicial, eps = 10-4 y 4 cifras significativas
redondeadas.
Solución: El sistema no tiene solución
Problema 2.2.2.1.19
Dado el siguiente sistema de ecuaciones realizar 10 iteraciones aplicando el
método de Newton-Rhapson Multivariable utilizando los siguientes valores
iniciales: x=0.5 y y=0.4.
𝟓𝒙𝟐𝟏 = 𝒙𝟐𝟐
𝒙𝟐 − 𝟎. 𝟐𝟓(𝒔𝒆𝒏𝒙𝟏 + 𝒄𝒐𝒔𝒙𝟐 ) = 𝟎
63
Problema 2.2.2.1.20
2
x2 =
y
3
1 + y =
x
Realice 10 iteraciones con el Método de Newton Raphson Multivariable
para aproximar la solución. Use x0 = 1.1 y y0 = 1.9 como valores iniciales.
Indique si hay o no convergencia a la solución.
Problema 2.2.2.1.21
Realice dos iteraciones con el Método de Newton Raphson Multivariable para resolver
el siguiente sistema de ecuaciones no lineales:
x = x2 + y2
y = x2 - y2
Utilice el vector de valores iniciales x(0) =  1 , 0.5 
Solución: (0.7448 , 0.4635)
Problema 2.2.2.1.22
Aplique el Método de Newton-Raphson para encontrar una aproximación a la
solución del siguiente sistema de ecuaciones no lineales. Realice 10 iteraciones
con los valores iniciales x(0) = 0.8, y(0) = 1.5:
4 y sen(x2) + yx + 3 x = 5
3 x sen(y2) + x2y + 5y = 10
Solución: (2.4152 , 0.4337)
64
Problema 2.2.2.1.23
Utilizando el método iterativo de Newton-Raphson Multivariable encuentre una
aproximación a la solución del sistema:
f1(x,y,z) = xy – 12x + y2z + 16.625 = 0
f2(x,y,z) = y + xz – 0.5z – 4.8425 = 0
f3(x,y,z) = xz2 + 0.2y – z – 1.1271 = 0
Tome como valores iniciales x(0) = ( 0 , 1 , 0 ). Realice 10 iteraciones o hasta que
| x(k) – x(k-1) | ≤ 0.01 .
Problema 2.2.2.1.24
Realice 10 iteraciones con el Método de Newton-Raphson Multivariable o hasta
que |fi |≤ 0.0001 para resolver las ecuaciones:
1 + x = -2y
xy = -x3
Utilice un vector de valores iniciales x(0) = ( 0 , 0 ) e indique si hay convergencia.
Solución: El Jacobiano es igual a cero, por lo tanto el Sistema no tiene
Solución.
Problema 2.2.2.1.25
que |fi |≤ 0.0001 para resolver el siguiente sistema de ecuaciones no lineales:
4x + ey = 3
xy + sen(x) = 5
65
Problema 2.2.2.1.26
que |fi |≤ 0.0001 para resolver el siguiente sistema de ecuaciones no lineales:

y
2x + = 2
x
x2 + yx = 3.4
Solución: (0.9731 , 1.1165 )
Problema 2.2.2.1.27
Realice 10 iteraciones por medio del método de Newton-Rhapson Multivariable
para el siguiente sistema de ecuaciones no lineales:

𝒂𝟐 − 𝟏𝟎𝒂 + 𝒃𝟐 + 𝟐𝒄 + 𝒅 = 𝟎
𝒂 + 𝒃 + 𝟐𝒄 − 𝒅 = 𝟎
𝒂𝒃𝟐 + 𝒂 − 𝟏𝟎𝒃 − 𝟒𝒄 + 𝟒𝒅 = 𝟎
𝒂 + 𝒃 + 𝟒𝒄 + 𝟐𝒅 − 𝟏𝟔 = 𝟎
Utilice los siguientes valores iniciales: a0 = b0 = c0 = d0 = 0
Problema 2.2.2.1.28
Aplique el método de Newton- Raphson para encontrar una aproximación a la
solución del siguiente sistema de ecuaciones no lineales. Realice 10 iteraciones o
hasta que |fi| ≤ 0.0001 con los valores iniciales x0 = 0.5, y0 = 1.5
𝟐 𝒚 𝒔𝒆𝒏(𝒙𝟐.𝟓 ) + 𝒚𝟏.𝟓 𝒙 = 𝟓 − 𝟑𝒙𝟐

𝟓 𝒙 𝒔𝒆𝒏(𝒚𝟐.𝟓 ) + 𝒙𝟐𝒚 = 𝟏𝟎 − 𝟓𝒚𝟐
Solución: ( 0.9146 , 1.0197 )
66
Problema 2.2.2.1.28
Realice 10 iteraciones o hasta que |fi| ≤ 0.0001 con el Método de Newton-
Raphson Multivariable para resolver el siguiente sistema de ecuaciones no
lineales.
2x2y – ln(y) + y2 = 20.6
x2 + x ln(y) = 2.8
Utilice un vector de valores iniciales x0 = ( -2.2 , 2.3 )
Solución: (-2.0624 , 2.0232)
67
68
2.2.2.2 MÉTODO DE NEWTON RAPHSON MODIFICADO
El Método de Newton-Raphson Modificado es, como su nombre lo indica,
una modificación del Método de Newton-Raphson Multivariable.
Para un sistema de dos ecuaciones no lineales de la forma:
f1(x1,x2) = 0
… (4.2.b.1)
f2(x1,x2) = 0
y a partir de un vector de valores iniciales x(0) = ( x1(0) , x2(0) ), los nuevos valores
de x y de y se obtienen de la siguiente manera:
f1
x1(1) = x 1 −
(0)
f 1 / x 1
… (4.2.b.2)
f2
x2(1) = x 2 −
(0)
f 2 / x 2
Las ecuaciones anteriores se pueden generalizar para cualquier iteración
k:
( k −1 ) f1
x1(k) = x 1 −
f 1 / x 1
… (4.2.b.3)
( k −1 ) f2
x2(k) = x 2 −
f 2 / x 2
69
70
PROBLEMAS RESUELTOS
Ejemplo 2.2.2.b.1
Realice 10 iteraciones con el Método de Newton-Raphson Modificado o hasta
que |fi| ≤ 0.0001 para resolver el siguiente sistema de ecuaciones no lineales:
f1(x,y) = 7[x/ln(y)] – 2x2+ 1 = 0

f2(x,y) = 9x2y – 5x2y2+ y = 0
Utilice un vector inicial x0 = (-1 , 3)
Solución:
1 Evaluando f1 y f2 en los valores iniciales:
f1(-1,3) = 7(-1/ln(3)) – 2(-1)2+ 1 = -7.3717
f2(-1,3) = 9(-1)2(3) – 5(-1)2(3)2+ y = -15
2 Las derivadas parciales están dadas por:
f 1 7
= − 4x
x ln(y )
f 2
= 9x 2 − 10x 2 y + 1
y
Es decir:
f 1 7
= − 4(−1) = 10.3717
x ln(3)
f 2
= 9(−1) 2 − 10(−1) 2 (3) + 1 = −20
y
3 Los nuevos valores de x y de y están dados por:
f1 − 7.3717
x(1) = x − = −1 − = −0.2892
(0)
f 1 / x 10.3717
f2 − 15
y(1) = y − = 3− = 2.25
(0)
f 2 / y − 20
71
Iteración (k) x y f1 f2 ∂f1/∂x ∂f2/∂y
0 -1 3 -7.3717 -15 10.3717 -20
1 -0.2892 2.25 -1.6641 1.8264 9.7891 -0.1295
2 -0.1192 16.356 0.6729 -0.5716 2.9818 -1.1979
3 -0.3449 15.8788 -0.1111 -117.0896 3.9113 -16.8185
4 -0.3165 8.9169 -0.2129 -22.868 4.4653 -7.0307
5 -0.2688 5.6643 -0.2296 -2.2441 5.1117 -2.4427
6 -0.2239 4.7456 -0.1067 1.2417 5.3908 -0.9279
7 -0.2041 6.0839 0.1254 0.6554 4.6931 -1.1595
8 -0.2308 6.6492 0.0405 -1.9407 4.6182 -2.0633
9 -0.2396 5.7086 -0.0777 -0.6964 4.9769 -1.7607
10 -0.2240 5.3131 -0.0392 0.6303 5.0872 -1.2143
Como se puede observar, este método es más sencillo que el Método de
Newton-Raphson Multivariable con Jacobiano, aunque no tan exacto, pues en
este caso los valores más aproximados a la solución son:
x = -0.2240 y = 5.3131
los cuales se encuentran muy distantes de la solución exacta que es:
x = -0.2248 y = 5.7576
72
Problema 2.2.2.b.1
Realice 10 iteraciones o hasta que | xi(k) – xi(k-1) | ≤ 0.001 para resolver el siguiente
sistema de ecuaciones no lineales mediante el Método de Newton-Raphson
Modificado:
8x23y + x4 = 170.073
xy/x1/2 – y1/3 = 1.291
Utilice como valores iniciales ( 1.3028 , 2.2875 )

Solución: ( 1.3032 , 2.2855 )
Problema 2.2.2.b.2
Las coordenadas de dos reacciones que ocurren simultáneamente ε1 y ε2 se
calculan resolviendo el siguiente sistema de ecuaciones:
4 1
3
= 122.97
(1 −  1 − 2 2 )(1 + 2 1 ) 2
 22
= 21.42
(1 −  1 − 2 2 ) 2
Encuentre los valores de las coordenadas ε1 y ε2 mediante la aplicación del
Método de Newton-Raphson Modificado. Inicie sus cálculos con los valores
ε1(0) = 0.965 y ε2(0) = 0.016 y realice un máximo de 10 iteraciones o hasta que
| εi(k) – εi(k-1) | ≤ 0.001

Solución: ( 0.9646 , 0.0158 )
73
Problema 2.2.2.b.3
Realice 10 iteraciones o hasta que |fi| ≤ 0.001 con el Método de Newton-Raphson
Modificado para aproximar una solución del sistema de ecuaciones:
sen(x + y) + sen(2x + 1) = cos(y)

x2y + y2 = 5 + 2x
Utilice como valores iniciales x(0) = 1 y y(0) = 2

Solución: ( 1.2325 , 2.0763 )
Problema 2.2.2.b.3
1 C
sen(C1C2 ) − 2 = 0
kp1 kp2 
1 eC
(1 − )(e kp1C1 − e) + 2 = 0
kp2  
Donde kp1 = 2 y kp2 = 4. Realice 10 iteraciones con el Método de Newton-
Raphson Modificado para encontrar los valores de C1y C2utilizando como valores
iniciales ( 1 , 0 ).
Solución: ( 0.5 , 0 )
74
III. INTERPOLACIÓN Y AJUSTE DE
DATOS
3.1 APROXIMACIÓN FUNCIONAL E
INTERPOLACIÓN.
La interpolación es una técnica para estimar valores intermedios en base
a valores cercanos.
Generar una curva de ajuste consiste en encontrar una función que se pueda
utilizar para modelar datos. Esta función no tiene que pasar necesariamente por
cada uno de los puntos que representan los datos estudiados, sino que sirve más
bien para hacer un modelo con el menor error de aproximación posible. En
general, no existen limitaciones sobre el tipo de ecuación que se puede utilizar
como curva de ajuste de datos. Sin embargo, los más utilizados son los
polinomios, los exponenciales y los potenciales.
75
76
3.1.1 POLINOMIOS DE INTERPOLACIÓN de LaGrange
Los ingenieros con frecuencia deben enfrentar la tarea de interpretar y
correlacionar observaciones experimentales, las cuales generalmente se
encuentran en forma de datos discretos. Esta tarea se puede facilitar mediante
el uso de fórmulas de interpolación/extrapolación. Existen numerosas técnicas
para este propósito, siendo una de las más utilizadas la propuesta por LaGrange.
La interpolación es un proceso que nos permite estimar valores que se
encuentran entre los puntos (datos) conocidos.
El ajuste de curvas, también llamado análisis de regresión, es un
procedimiento que consiste en ajustar a una función un conjunto de datos
representados por puntos.
Sea un polinomio de primer grado, el cual se puede expresar como sigue:
p(x) = a0(x – x1) + a1(x – x0) … (1)
Donde:
x0,x1 = Pertenecen a dos puntos conocidos de coordenadas [x0,f(x0)] y
[x1,f(x1)]
a0,a1 = Coeficientes por determinar
x = Valor intermedio entre x0 y x1 para el cual se desea calcular f(x)
Para calcular los coeficientes a0 y a1 se hace x = x0 y x = x1 en la ec. (1):

𝒇(𝒙𝟎 )
a0 = …(2)
𝒙𝟎 − 𝒙𝟏
𝒇(𝒙𝟏 )
a1 = …(3)
𝒙𝟏 − 𝒙𝟎
Substituyendo (2) y (3) en (1):

𝒇(𝒙𝟎 ) 𝒇(𝒙𝟏 )
p(x) = (𝒙 − 𝒙𝟏 ) + (𝒙 − 𝒙𝟎 )… (4)
𝒙𝟎 − 𝒙𝟏 𝒙𝟏 − 𝒙𝟎
77
Haciendo:
𝒙−𝒙𝟏
L0(x) = … (5)
𝒙𝟎 − 𝒙𝟏
𝒙−𝒙𝟎
L1(x) = … (6)
𝒙𝟏 − 𝒙𝟎
Substituyendo (5) y (6) en (4):
p(x) = L0(x) f(x0) + L1(x) f(x1) …(7)
La ecuación anterior se puede generalizar de la siguiente manera:
pn(x) = ∑𝒏
𝒊=𝟎 𝑳𝒊 (𝒙)𝒇(𝒙𝒊 ) …
PUNTOS DE LA FUNCIÓN f(x)

DESIGUALMENTE ESPACIADOS
3
2.5
2
1.5
1
0.5
0
0 2 4 6 8 10
Definamos el polinomio:
n
Pn(x) =  pk(x)f(xk) ... ( 1 )
k =0
El cual es la suma de los valores ponderados de la función en los puntos
n+1. Los valores pk(x) son las funciones polinomiales de grado n correspondientes
a cada punto. La ecuación ( 1 ) es en realidad una combinación lineal de los
polinomios de grado n, por lo tanto Pn(x) es también un polinomio de grado n.
78
Con el objeto de interpolar el polinomio para ajustar la función
exactamente a todos los puntos, se debe seleccionar cada polinomio particular
pk(x) de tal manera que su valor sea la unidad cuando x = xk e igual a cero para
cualquier otro punto, es decir:
0 i≠k
pk(x) ... ( 2 )
1 i=k
El polinomio de Lagrange, el cual tiene la siguiente forma:

n
pk(x) = Ck  ( x − xi ) ... ( 3 )
i =0
ik
satisface la primera parte de la condición ( 2 ) porque habrá un término (xi – xi)
en el producto de la ec. ( 3 ) cuando x = xi.
Por otro lado, la constante Ck se evalúa de tal manera que el polinomio de
Lagrange cumpla con la segunda parte de la condición ( 2 ), es decir:

1
Ck = n ... ( 4 )
 (x k − x i )
i =0
i k
La combinación de las ecuaciones ( 3 ) y ( 4 ) proporciona la expresión de
los polinomios de Lagrange:

n  x − xj 
Li(x) =   x  ... ( 5 )

j =0  i − x j 
j i
El polinomio de interpolación Pn(x) tiene un término adicional, el cual se
puede obtener de la siguiente manera:
Pn(x) = ∑𝒏𝒊=𝟎 𝑳𝒊 (𝒙)𝒇(𝒙𝒊 ) ... ( 6 )
Además:
∑𝒏𝒊=𝟏 𝑳𝒊 = 𝟏 … ( 7 )
79
80
PROBLEMAS RESUELTOS
Ejemplo 3.1.1.1
En cierta experimentación se mide la caída de presión que experimenta un filtro
tipo canasta a diferentes velocidades de flujo, como se presenta en la siguiente
Tabla:
Velocidad de flujo Caída de presión

(L/s) (KPa)
0.00 0.000
10.80 0.299
16.03 0.576
22.91 1.036
32.56 1.781
36.76 2.432
38.88 2.846
43.68 3.304
Utilice un Polinomio de Lagrange de 4° orden para calcular la caída de
presión que habrá para una velocidad de flujo de 30 L/s.
81
Solución:
Puesto que se solicita Polinomio de orden 4, es necesario utilizar 5 puntos,
para lo cual usaremos los 5 puntos que se encuentren más cercanos a 30 L/s que
es el valor para el que habrá que interpolar, es decir:
Puntos x f(x)
0 22.91 1.036
1 32.56 1.781
2 36.76 2.432
3 38.88 2.846
4 43.68 3.304
El polinomio solicitado estará dado por:
P5(x) =L0(x)f(x0) + L1(x)f(x1) + L2(x)f(x2) + L3(x)f(x3) + L4(x)f(x4) …(1)
Donde:
(𝒙−𝒙𝟏 )(𝒙−𝒙𝟐 )(𝒙−𝒙𝟑 )(𝒙−𝒙𝟒 )
L0(x) =
(𝒙𝟎 −𝒙𝟏 )(𝒙𝟎 −𝒙𝟐 )(𝒙𝟎 −𝒙𝟑 )(𝒙𝟎 −𝒙𝟒 )
(𝒙−𝒙𝟎 )(𝒙−𝒙𝟐 )(𝒙−𝒙𝟑 )(𝒙−𝒙𝟒 )
L1(x) =
(𝒙𝟏 −𝒙𝟎 )(𝒙𝟏 −𝒙𝟐 )(𝒙𝟏 −𝒙𝟑 )(𝒙𝟏 −𝒙𝟒 )
(𝒙−𝒙𝟎 )(𝒙−𝒙𝟏 )(𝒙−𝒙𝟑 )(𝒙−𝒙𝟒 )
L2(x) =
(𝒙𝟐 −𝒙𝟎 )(𝒙𝟐 −𝒙𝟏 )(𝒙𝟐 −𝒙𝟑 )(𝒙𝟐 −𝒙𝟒 )
(𝒙−𝒙𝟎 )(𝒙−𝒙𝟏 )(𝒙−𝒙𝟐 )(𝒙−𝒙𝟒 )
L3(x) =
(𝒙𝟑 −𝒙𝟎 )(𝒙𝟑 −𝒙𝟏 )(𝒙𝟑 −𝒙𝟐 )(𝒙𝟑 −𝒙𝟒 )
(𝒙−𝒙𝟎 )(𝒙−𝒙𝟏 )(𝒙−𝒙𝟐 )(𝒙−𝒙𝟑 )
L4(x) =
(𝒙𝟒 −𝒙𝟎 )(𝒙𝟒 −𝒙𝟏 )(𝒙𝟒 −𝒙𝟐 )(𝒙𝟒 −𝒙𝟑 )
Substituyendo valores:
(𝟑𝟎−𝟑𝟐.𝟓𝟔)(𝟑𝟎−𝟑𝟔.𝟕𝟔)(𝟑𝟎−𝟑𝟖.𝟖𝟖)(𝟑𝟎−𝟒𝟑.𝟔𝟖)
L0(x)= = 0.0474
(𝟐𝟐.𝟗𝟏−𝟑𝟐.𝟓𝟔)(𝟐𝟐.𝟗𝟏−𝟑𝟔.𝟕𝟔)(𝟐𝟐.𝟗𝟏−𝟑𝟖.𝟖𝟖)(𝟐𝟐.𝟗𝟏−𝟒𝟑.𝟔𝟖)
(𝟑𝟎−𝟐𝟐.𝟗𝟏)(𝟑𝟎−𝟑𝟔.𝟕𝟔)(𝟑𝟎−𝟑𝟖.𝟖𝟖)(𝟑𝟎−𝟒𝟑.𝟔𝟖)
L1(x)= = 2.0441
(𝟑𝟐.𝟓𝟔−𝟐𝟐.𝟗𝟏)(𝟑𝟐.𝟓𝟔−𝟑𝟔.𝟕𝟔)(𝟑𝟐.𝟓𝟔−𝟑𝟖.𝟖𝟖)(𝟑𝟐.𝟓𝟔−𝟒𝟑.𝟔𝟖)
82
(𝟑𝟎−𝟐𝟐.𝟗𝟏)(𝟑𝟎−𝟑𝟐.𝟓𝟔)(𝟑𝟎−𝟑𝟖.𝟖𝟖)(𝟑𝟎−𝟒𝟑.𝟔𝟖)
L2(x) = = -2.5837
(𝟑𝟔.𝟕𝟔−𝟐𝟐.𝟗𝟏)(𝟑𝟔.𝟕𝟔−𝟑𝟐.𝟓𝟔)(𝟑𝟔.𝟕𝟔−𝟑𝟖.𝟖𝟖)(𝟑𝟔.𝟕𝟔−𝟒𝟑.𝟔𝟖)
(𝟑𝟎−𝟐𝟐.𝟗𝟏)(𝟑𝟎−𝟑𝟐.𝟓𝟔)(𝟑𝟎−𝟑𝟔.𝟕𝟔)(𝟑𝟎−𝟒𝟑.𝟔𝟖)
L3(x) = = 1.6343
(𝟑𝟖.𝟖𝟖−𝟐𝟐.𝟗𝟏)(𝟑𝟖.𝟖𝟖−𝟑𝟐.𝟓𝟔)(𝟑𝟖.𝟖𝟖−𝟑𝟔.𝟕𝟔)(𝟑𝟖.𝟖𝟖−𝟒𝟑.𝟔𝟖)
(𝟑𝟎−𝟐𝟐.𝟗𝟏)(𝟑𝟎−𝟑𝟐.𝟓𝟔)(𝟑𝟎−𝟑𝟔.𝟕𝟔)(𝟑𝟎−𝟑𝟖.𝟖𝟖)
L4(x) = = -0.1420
(𝟒𝟑.𝟔𝟖−𝟐𝟐.𝟗𝟏)(𝟒𝟑.𝟔𝟖−𝟑𝟐.𝟓𝟔)(𝟒𝟑.𝟔𝟖−𝟑𝟔.𝟕𝟔)(𝟒𝟑.𝟔𝟖−𝟑𝟖.𝟖𝟖)
Entonces, el valor de f(x) para x = 30 estará dado por:
P4(30) = 0.0474 (1.036) + 2.0441(1.781) -2.5837(2.432) + 1.6343(2.846)
-0.1420(3.304)
P4(30) = 1.5879
83
84
Problema 3.1.1.1
A principios del Siglo XX Lord Raleygh encontró que relación de destilación de
una mezcla binaria por lotes está dada por la siguiente ecuación:
𝜶𝒙
𝜸=
𝟏 + (𝜶 − 𝟏)𝒙
Donde:
 = Fracción molar del vapor en equilibrio
x = Fracción molar del componente más volátil en la mezcla
 = Volatilidad relativa de los componentes
La volatilidad relativa de los componentes es una función de x.
x 0.7 0.65 0.6 0.55 0.5 0.45 0.4
 2.2 2.13 2.09 2.04 1.94
Calcule los valores faltantes mediante Polinomios de LaGrange de segundo
orden.
Solución: (0.65)=2.17
(0.45)=1.99
85
Problema 3.1.1.2
Dada la siguiente Tabla calcule:
a) La presión de saturación (bar) @ una temperatura de 50°C.
b) El volumen específico (cm3 / g) @ una presión de 0.8 bar y una
temperatura de 180°C
c) La temperatura @ una presión de 0.8 bar y una entalpía de 3000 KJ / Kg
Aplique Polinomios de Lagrange usando todos los puntos posibles.

TABLA.- PROPIEDADES DE VAPOR SOBRECALENTADO
v(cm3/g), u(KJ/Kg), h(KJ/Kg) y S(KJ/Kg K)
Temp v u h s v u h s
°C
0.06 bar ( 36.16 °C ) 0.35 bar ( 72.69 °C )
80 23739 2546.4 4526 2631.4
100 27132 2650.1 4625 2645.6
120 30219 2726.0 5163 2723.1
160 33302 2802.5 5696 2800.6
200 36383 2879.7 6228 2878.4
240 39462 2957.8 6758 2956.8
280 42540 3036.8 7787 3036.0
0.70 bar ( 89.95 °C ) 1.00 bar ( 99.63 °C )
80 2365 2660.0 1694 2675.5
100 2434 2680.0 1696 2676.2
120 2571 2719.6 1793 2716.6
160 2841 2798.2 1984 2796.2
200 3108 2876.7 2172 2875.3
240 3374 2955.5 2359 2954.5
280 3640 3035.0 2546 3034.2
86
Problema 3.1.1.3
En un reactor CSTR (Tipo Tanque Perfectamente Agitado) se obtuvieron los
siguientes datos de conversión (xA) y velocidad de reacción (rA):
xA 0.4 0.5 0.7 0.8 0.85
rA 0.00400 0.00330 0.00180 0.00175 0.00100
Calcule el volumen del reactor para xA = 0.6 usando un Polinomio de
LaGrange de grado 2, si el volumen se calcula como V = xA(1/rA)FA0 y el flujo
molar de alimentación al reactor es FA0 = 4 lt/mol
Solución: 923.0769 litros
Problema 3.1.1.4
Dados los siguientes valores de x Vs y calcule el valor de y cuando x = 0.5 usando
para ello un Polinomio de LaGrange de tercer orden:
x 0 1 2 3 4 5
y -8.1 -3.9260 -1.4707 3.2406 -0.7366 -6.3717
Problema 3.1.1.5
A partir de los siguientes datos calcule el valor de y cuando x=2 utilizando un
polinomio de tercer grado:
x -1 0 1 3
y 0 1 -2 4
87
Problema 3.1.1.6
Los datos de cambio en la temperatura en un intercambiador vertical a
diferentes gastos másicos y presiones de vapor se muestran en la siguiente tabla
(con temperatura de entrada fija en 20ºC en todos los casos):
Presión de
% Gm vapor (Kgf/cm2)
Rotámetro (Kg/h) 0.5 0.8
60 804.97 23.8 25.7
70 939.10 ? 22.0
80 1073.3 20.7 22.3
90 1207.5 19.4 21.1
100 1341.6 18.4 20
a).- Calcule el cambio en la temperatura cuando la presión de vapor es
de 0.5 Kgf/cm2 y el % Rotámetro es de 70.
b).- Calcule el cambio en la temperatura del intercambiador cuando la
presión de vapor es de 0.6 Kgf/cm2 y el Rotámetro está a un 85%
Problema 3.1.1.7
A partir de los siguientes datos calcule el valor de y cuando x=0.5 utilizando un
polinomio de Lagrange de tercer grado:
x 0 0.33 0.66 1
y 1 1.391 1.935 2.718
88
Problema 3.1.1.8
En la siguiente tabla se muestra el comportamiento de la concentración de
Penicilina en función del tiempo durante el proceso de fermentación.
Tiempo Concentración de Tiempo Concentración de

[h] Penicilina [h] Penicilina
[unidades/ml] [unidades/ml]
0 0 120 9430
20 106 140 10950
40 1600 160 10280
60 3000 180 9620
80 5810 200 9400
100 8600
Calcule la concentración de Penicilina a las 10, 50 y 130 horas usando un Polinomio
de Lagrange de Segundo Orden.
Problema 3.1.1.9
A partir de los siguientes datos calcule el valor de y cuando x=0.11 utilizando
un polinomio de Lagrange de cuarto grado:
x 0 0.25 0.5 0.75 1
y 1 1.0645 1.2840 1.7551 2.7183
89
Problema 3.1.1.10
Calcule el pH de una solución de suero cuyo potencial (E) es de 20.3 mV de
acuerdo a los datos de la siguiente tabla. Utilice el método del polinomio de
Lagrange de primer orden.
pH E [mV]
5 -53.8
4 -27.7
3 2.7
2 31.9
1 65.1
Solución: pH(20.3) = 2.4
Problema 3.1.1.11
En la siguiente tabla se muestran valores de entalpía en KJ/Kg a diferentes
temperaturas y diferentes presiones:
T [°C] P [mPa]
0.2 0.3 0.5 0.6
350 3167.7 3165.7
400 3276.6 3275
500 3487.1 3486 3483.9 3482.8
700 3927.9 3927.1 3925.9 3925.3
Calcule la entalpía a una temperatura de 450°C y una presión de 0.4 mPa usando
un Polinomio de Lagrange de Primer Orden.
Solución: H(450°C, 0.4 mPa) = 3379.5
90
Problema 3.1.1.12
En la reacción de formación de Monoclorobenceno a partir de Benceno se
determinó experimentalmente la concentración de Benceno como función de la
temperatura y del tiempo según se muestra en la siguiente Tabla:
t (min) T (ºC)
40 45 50 55 60
2 0.578 0.5 0.427 0.382 0.360
4 0.477 0.357 0.261 0.208 0.186
6 0.394 0.255 0.159 0.113 0.096
8 0.325 0.182 0.097 0.062 0.049
10 0.269 0.130 0.059 0.034 0.026
Calcular:
CB = ? @ t = 7 min T = 53ºC
usando Polinomios de Lagrange de Primer Grado.
Problema 3.1.1.13
A partir de los siguientes datos calcule el valor de y cuando x=0.7 utilizando un
polinomio de Lagrange de quinto grado:
x 0.121 0.542 0.604 0.995 1.196 1.37
y 0.8588 -0.4911 -0.6433 -0.5214 0.0531 0.493
91
Problema 3.1.1.14
La concentración de saturación del Oxígeno disuelto en agua en función de la
temperatura y de la concentración de Cloruro de Sodio se muestra en la
siguiente Tabla:
Temperatura Cloruro de Sodio [mg/l]

°C
0 10000 20000 30000
5 12.8 11.6 9.9
10 11.3 10.3 9.2 8.6
15 10.0 8.2 7.6
20 9.0 8.2 7.4 6.8
25 8.2 6.7
30 6.8 6.1 5.5
Usando Polinomios de Lagrange de Segundo Orden calcule:
a) La concentración de saturación del Oxígeno a una temperatura de 15°C
y 10000 mg/l de Cloruro de Sodio.
b) La concentración de saturación del Oxígeno a 18°C y 14000 mg/l de
Cloruro de Sodio.
92
Problema 3.1.1.15
Dada la siguiente tabla calcule la entalpía @ una temperatura de 450°C y una
presión de 0.33Mpa:
T P [Mpa]
[°C] 0.2 0.3 0.5 0.6
350 3167.7 3165.7
400 3276.6 3275
500 3487.1 3486 3483.9 3482.8
700 3927.9 3927.1 3925.9 3925.3
Mediante Polinomios de Lagrange.
Problema 3.1.1.16
Dada la siguiente función tabular calcule el valor de y para x=3 usando un
polinomio de Lagrange de tercer grado:
x y
0 5
1 7
2 9
5 15
93
Problema 3.1.1.17
Los datos de presión, temperatura, volumen específico para el Etano se muestran
en la siguiente Tabla, donde la temperatura está dad en °C, la presión en
atmósferas y las unidades del volumen específico son moles/litro:
P
T
1 2 4 6 8 9 10
25 20.14 32.84
75 24.95 43.8 68.89 85.95 104.38 118.32 139.23
150 31.89 59.31 106.06 151.38 207.66 246.57 298.02
200 36.44 69.38 130.18 194.53 276.76 332.56
250 40.87 79.16 153.59 237.38 345.38
a) Calcule el volumen específico en mol/lt para una presión de 7.2 atmósferas
y una temperatura de 170°C usando un Polinomio de Lagrange de Segundo
grado.
b) Calcule el volumen específico que tendrá el Etano a una presión de 6 atm
y una temperatura de 180°C usando un Polinomio de Lagrange de Segundo
Grado.
c) Mediante un Polinomio de Lagrange de Segundo grado calcule la presión
cuando se tiene un volumen específico de 173.52 mil/lt a una temperatura
de 150°C.
94
Problema 3.1.1.18
Usted está a bordo de una aeronave que vuela del aeropuerto internacional
Heathrow en Londres al Benito Juárez en la Ciudad de México el cual partió la
noche del 31 de diciembre y está programado para aterrizar en la madrugada del
1 de enero así que pasará año nuevo en pleno vuelo.
Determine:
a) ¿Qué tiempo de vuelo se requirió para encontrarse con el año nuevo?
b) ¿A qué hora GMT y CST sucedió esto?
Los datos que se conocen son los siguientes:
1) Distancia de Londres a la Ciudad de México 8909 km (calculada con la fórmula
de Haversine).
2) Perímetro terrestre en el ecuador 40075 km.
3) Tiempo de vuelo 11h 12m.
4) Hora de salida de Londres 22:30 GMT 16:30 CST.
5) Hora de llegada a la Ciudad de México 9:42 GMT 3:42 CST.
Notas:
- Asuma velocidad constante del avión durante todo el recorrido despreciando
las variaciones de la aeronave debidas al despegue y cambios de trayectoria.
- Considere que ambas ciudades se encuentran al centro de sus respectivas
zonas horarias.
- Considere que el recorrido del sol es sobre el ecuador.
95
Problema 3.1.1.19
Obtenga el polinomio de tercer grado que mejor ajuste a los siguientes
datos:
x 0 1 3 4
y -5 1 25 55
Solución: x3-2x2+7x-5
Problema 3.1.1.20
Complete la siguiente tabla:
x 0 1 2 3 4 5 6 7
y 1 2 4 8 15 26
Asumiendo que la función y se comporta como un polinomio de quinto
grado.
Solución: y(6) = 42; y(7) = 64
Problema 3.1.1.21
Aplique los polinomios de Lagrange para calcular el valor de f(1.5)
mediante un polinomio de interpolación de segundo grado:
x 0 1 2 3 4
f -5 1 9 25 55
96
Problema 3.1.1.22
Utilice los siguientes valores para construir un polinomio de Lagrange de
cuarto orden y calcule el valor de f(1.25):
x 1 1.1 1.2 1.3 1.4
f(x) 1 1.2337 1.5527 1.9937 2.6447
Solución: f(1.25) = 1.7550
Problema 3.1.1.23
Dada la siguiente Tabla calcule el valor de f(0.55) mediante un polinomio
de Lagrange de quinto grado:
x 0 0.125 0.25 0.375 0.5 0.625 0.75 0.875 1
f(x) 1 0.8825 0.7788 0.6873 0.6065 0.5353 0.4724 0.4169 0.3679
Problema 3.1.1.24
Calcule el polinomio de interpolación de segundo grado que pasa por los
siguientes puntos:
{ (1,3.2);(1.5,2.8);(2.2,1.4) }
97
Problema 3.1.1.25
En un laboratorio experimental se midió la viscosidad del agua a
diferentes temperaturas (a presión fija) y se obtuvo la siguiente tabla de
resultados:
T [°C] µ x 10-3 [Ns/m2]
0 1.792
10 1.308
30 0.801
50 0.549
70 0.406
90 0.317
100 0.248
Calcule la viscosidad a 5°C usando para ello un polinomio de Lagrange de
cuarto grado.
98
3.1.2 APROXIMACIÓN POLINOMIAL SEGMENTARIA
En la interpolación por Lagrange se usan polinomios de n-ésimo grado para
interpolar entre n+1 puntos que se tienen como datos. Por ejemplo, para ocho
puntos se obtiene un polinomio de séptimo grado. No obstante, hay casos en los
que estas funciones nos pueden conducir a resultados erróneos. Un
procedimiento alternativo consiste en colocar polinomios de grado inferior en
subconjuntos de los datos, estos polinomios reciben el nombre de funciones
segmentarias.
Por ejemplo, las curvas de tercer grado empleadas para unir cada par de
datos se conocen como segmentarias cúbicas y son las más ampliamente
utilizadas en ingeniería química.
Interpolación segmentaria cúbica.
El objetivo consiste en obtener un polinomio de tercer grado para cada
intervalo, es decir:
fi(x) = aix3 + bix2 + cix + di …(1)
Para n+1 datos (i = 0,1,2,…,n) existen n intervalos, y por lo tanto es
necesario establecer 4n condiciones:
1. Los valores de la función deben ser iguales en los puntos interiores.
2. La primera y la última función deben pasar por los puntos extremos.
3. Las primeras derivadas en los puntos interiores deben ser iguales.
4. Las segundas derivadas en los puntos interiores deben ser iguales.
5. Las segundas derivadas en los puntos extremos deben ser cero. (Porque
las funciones se vuelven rectas)
Las condiciones anteriores permiten obtener las 4n ecuaciones que se
requieren para encontrar los 4n coeficientes de la ecuación (1).
99
Al aplicar los puntos 1. a 5. se llega a la siguiente expresión:
𝒇′′(𝒙𝒊−𝟏 ) 𝒇′′ (𝒙𝒊 ) 𝒇(𝒙𝒊−𝟏 )
fi(x) = (𝒙𝒊 − 𝒙)𝟑 + (𝒙 − 𝒙𝒊−𝟏 )𝟑 + [ −
𝟔(𝒙𝒊 −𝒙𝒊−𝟏 ) 𝟔(𝒙𝒊 −𝒙𝒊−𝟏 ) 𝒙𝒊 −𝒙𝒊−𝟏
𝒇′′ (𝒙𝒊−𝟏 )(𝒙𝒊 −𝒙𝒊−𝟏 ) 𝒇(𝒙𝒊 ) 𝒇′′ (𝒙𝒊 )(𝒙𝒊 −𝒙𝒊−𝟏 )

] (𝒙𝒊 − 𝒙) + [ − ] (𝒙 − 𝒙𝒊−𝟏 )…(2)
𝟔 𝒙𝒊 −𝒙𝒊−𝟏 𝟔
Derivando la ec. (2) para los intervalos i-1 e i e igualando los resultados
se llega a la siguiente relación:
(𝒙𝒊 − 𝒙𝒊−𝟏 )𝒇′′ (𝒙𝒊−𝟏 ) + 𝟐(𝒙𝒊+𝟏 − 𝒙𝒊−𝟏 )𝒇′′ (𝒙𝒊 ) + (𝒙𝒊+𝟏 − 𝒙𝒊 )𝒇′′ (𝒙𝒊+𝟏 ) =
𝟔 𝟔
[𝒇(𝒙𝒊+𝟏 ) − 𝒇(𝒙𝒊 )] + [𝒇(𝒙𝒊−𝟏 ) − 𝒇(𝒙𝒊 )]…(3)
𝒙𝒊+𝟏 −𝒙𝒊 𝒙𝒊 −𝒙𝒊−𝟏
Si se escribe la ecuación (3) para todos los puntos internos se llega a un
sistema de n-1 ecuaciones con n-1 incógnitas, en el cual las incógnitas son las
segundas derivadas de los puntos interiores (recordemos que las segundas
derivadas de los puntos exteriores son iguales a cero).
100
Ejemplo 3.1.2.1
Ajuste los datos que se muestran en la tabla con segmentarias cúbicas y calcule
el valor de la función en x = 5:
Puntos x f(x)
0 3.0 2.5
1 4.5 1.0
2 7.0 2.5
3 9.0 0.5
Solución:
a).- De la ec. (3):
i=1
x0=3 f(x0)=2.5
x1=4.5 f(x1)=1
x2=7 f(x2)=2.5
(𝒙𝟏 − 𝒙𝟎 )𝒇′′ (𝒙𝟎 ) + 𝟐(𝒙𝟐 − 𝒙𝟎 )𝒇′′ (𝒙𝟏 ) + (𝒙𝟐 − 𝒙𝟏 )𝒇′′ (𝒙𝟐 )

𝟔 𝟔
= [𝒇(𝒙𝟐 ) − 𝒇(𝒙𝟏 )] + [𝒇(𝒙𝟎 ) − 𝒇(𝒙𝟏 )]
𝒙𝟐 − 𝒙𝟏 𝒙𝟏 − 𝒙𝟎
1.5 f’’(3) + 8 f’’(4.5) + 2.5 f’’(7) = 9.6
Pero:
f’’(3) = 0
8 f’’(4.5) + 2.5 f’’(7) = 9.6 …(1)
i=2
x1=4.5 f(x1)=1
101
x2=7 f(x2)=2.5
x3=9 f(x3)=0.5
(𝒙𝟐 − 𝒙𝟏 )𝒇′′ (𝒙𝟏 ) + 𝟐(𝒙𝟑 − 𝒙𝟏 )𝒇′′ (𝒙𝟐 ) + (𝒙𝟑 − 𝒙𝟐 )𝒇′′ (𝒙𝟑 )

𝟔 𝟔
= [𝒇(𝒙𝟑 ) − 𝒇(𝒙𝟐 )] + [𝒇(𝒙𝟏 ) − 𝒇(𝒙𝟐 )]
𝒙𝟑 − 𝒙𝟐 𝒙𝟐 − 𝒙𝟏
2.5 f’’(4.5) + 9 f’’(7) + 2 f’’(9) = -9.6
Pero:
f’’(9) = 0
2.5 f’’(4.5) + 9 f’’(7) = -9.6 …(2)
Resolviendo las ecuaciones (1) y (2):
f’’(4.5) = 1.6791
f’’(7) = -1.5331
b).- De la ec. (2):
Puesto que el valor a interpolar se encuentra en el segundo segmento,
generaremos el polinomio correspondiente, es decir:
i=2
𝒇′′ (𝟒.𝟓) 𝒇′′ (𝟕) 𝒇(𝒙𝟏 )
f2(x) = (𝒙𝟐 − 𝒙)𝟑 + (𝒙 − 𝒙𝟏 )𝟑 + [ −
𝟔(𝒙𝟐 −𝒙𝟏 ) 𝟔(𝒙𝟐 −𝒙𝟏 ) 𝒙𝟐 −𝒙𝟏
𝒇′′ (𝟒.𝟓)(𝒙𝟐 −𝒙𝟏 ) 𝒇(𝒙𝟐 ) 𝒇′′ (𝟕)(𝒙𝟐 −𝒙𝟏 )

] (𝒙𝟐 − 𝒙) + [ − ] (𝒙 − 𝒙𝟏 )
𝟔 𝒙𝟐 −𝒙𝟏 𝟔
f2(x) = 0.1119(7-x)3 – 0.1022(x-4.5)3 – 0.2996(7-x) + 1.6388(x-4.5)
Substituyendo x = 5:
f2(5) = 1.1026
102
Problema 3.1.2.1
Dados los siguientes valores de x Vs y calcule el valor de y cuando x = 0.5 usando
para ello un Polinomio de Interpolación Segmentaria con cuatro puntos:
x 0 1 2 3 4 5
y 1.0000 -0.6242 -1.4707 3.2406 -0.7366 -6.3717
Solución: y(0.5)=0.2491
Problema 3.1.2.2
A principios del Siglo XX Lord Raleigh encontró que la destilación de una mezcla
binaria por lotes, cuya relación binaria está dada por la siguiente ecuación:
𝜶𝒙
𝜸=
𝟏 + (𝜶 − 𝟏)𝒙
Donde:
 = Fracción molar del vapor en equilibrio
x = Fracción molar del componente más volátil en la mezcla
 = Volatilidad relativa de los componentes
La volatilidad relativa de los componentes es una función de x.
x 0.7 0.65 0.6 0.55 0.5 0.45 0.4
 2.2 2.13 2.09 2.04 1.94
Calcule los valores faltantes mediante Interpolación segmentaria cúbica.
103
Problema 3.1.2.3
Dada la siguiente Tabla calcule:
a) La presión de saturación (bar) @ una temperatura de 50°C.
b) El volumen específico (cm3 / g) @ una presión de 0.8 bar y una
c) La temperatura @ una presión de 0.8 bar y una entalpía de 3000 KJ / Kg
Aplique Interpolación Segmentaria Cúbica.

TABLA.- PROPIEDADES DE VAPOR SOBRECALENTADO
v(cm3/g), u(KJ/Kg), h(KJ/Kg) y S(KJ/Kg K)
Temp v u h s v u h s
°C
0.06 bar ( 36.16 °C ) 0.35 bar ( 72.69 °C )
sat 23739 2546.4 4526 2631.4
80 27132 2650.1 4625 2645.6
120 30219 2726.0 5163 2723.1
160 33302 2802.5 5696 2800.6
200 36383 2879.7 6228 2878.4
240 39462 2957.8 6758 2956.8
280 42540 3036.8 7787 3036.0
0.70 bar ( 89.95 °C ) 1.00 bar ( 99.63 °C )
sat 2365 2660.0 1694 2675.5
100 2434 2680.0 1696 2676.2
120 2571 2719.6 1793 2716.6
160 2841 2798.2 1984 2796.2
200 3108 2876.7 2172 2875.3
240 3374 2955.5 2359 2954.5
280 3640 3035.0 2546 3034.2
Solución: a) P=0.1321bar
b) v=3212 cm3/g
c) T=263 °C
104
Problema 3.1.2.4
La viscosidad  es una propiedad de los fluidos que caracteriza su resistencia al
flujo. La viscosidad de la mayoría de los fluidos es muy sensible a la temperatura.
A continuación se muestra una Tabla donde se representa la viscosidad de un
aceite tipo SAE 10W a diferentes temperaturas (datos tomados del libro B.R.
Munson, D. F. Young y T. H. Okiishi “Fundamental of Fluid Mechanics”, 4ª Ed.,
John Wiley and Sons, 2002).
T (°C) -20 0 20 40 60 80 100 120

 x 10-5 4 0.38 0.095 0.032 0.015 0.0078 0.0045 0.0032
(N s/m2)
Use los datos anteriores para predecir el valor de la viscosidad a una
temperatura de 23°C usando Interpolación segmentaria cúbica con cuatro
puntos.
Problema 3.1.2.5
En la siguiente tabla se proporcionan las velocidades de un cohete espacial en los
primeros segundos de su lanzamiento:
Tiempo t (seg) 10 15 20 25
Velocidad v (m/s) 227 365 520 600
Calcular la velocidad a los 23 segundos utilizando interpolación segmentaria
cúbica.
105
Problema 3.1.2.6
En un reactor CSTR (Tipo Tanque Perfectamente Agitado) se obtuvieron los
siguientes datos de conversión ( xA ) y velocidad de reacción ( rA ):
xA 0.4 0.5 0.7 0.8 0.85
rA 0.0040 0.0033 0.0018 0.00175 0.0010
a).- Genere el polinomio de interpolación segmentaria cúbica
usando cuatro puntos para conocer el valor de rA cuando xA = 0.6
b).- Calcule el volumen del reactor para xA = 0.6 empleando para
ello la siguiente ecuación:
𝟏
V = x A( )FA0
𝒓𝑨
Donde FA0 = 4 (Flujo molar de alimentación al reactor)
NOTA.- Utilice cuatro cifras decimales redondeadas en su resultado.

Solución: a) P2(x)=-0.0266(x2-x)3+0.0672(x-x1)3
+0.0176(x2-x)+0.0063(x-x1)
c) V=1000
106
3.2 AJUSTE POR MÍNIMOS CUADRADOS
3.2.1 AJUSTE POLINOMIAL UNIVARIABLE
Cuando se tienen n puntos, es posible definir un polinomio de grado menor
a n-1 que no necesariamente pase por todos los puntos dados pero que sea capaz
de darnos una buena aproximación de los datos. El método más común para
encontrar el mejor ajuste es el método de los mínimos cuadrados. En este
método los coeficientes del polinomio se calculan minimizando la suma de los
cuadrados de los valores residuales de todos los puntos estudiados. El valor
residual de un punto se define como la diferencia entre el valor del polinomio en
ese punto y el punto dado. Por ejemplo, considere que se desea encontrar la
ecuación de la recta que mejor se ajuste a los cuatro puntos que se muestran en
la siguiente figura:
El polinomio de primer grado necesario para el ajuste es:
f(x) = a0 + a1x… (1)
107
Ejemplo 3.2.1.1
En la siguiente tabla se presentan los alargamientos de un resorte
correspondientes a fuerzas de diferente magnitud que lo deforman:
Puntos 1 2 3 4 5
Fuerza 0 2 3 6 7
(Kgf)
Longitud
del resorte 0.12 0.153 0.17 0.225 0.26
(m)
Determine por mínimos cuadrados el mejor polinomio de primer grado
(recta) que represente la función dada.
Solución.-
Construiremos una tabla para calcular las sumatorias:
Puntos xi yi xi 2 xi yi
1 0 0.12 0 0
2 2 0.153 4 0.306
3 3 0.17 9 0.51
4 6 0.225 36 1.35
5 7 0.26 49 1.82
Total 18 0.928 98 3.986
El sistema por resolver está dado por:
5 a0 + 18 a1 = 0.928
18 a0 + 98 a1 = 3.986
108
De donde:
a0 = 0.1156
a1 = 0.0194
El polinomio solicitado está dado por:
P1(x) = 0.1156 + 0.0194 x
109
110
Problema 3.2.1.1
En un reactor CSTR (Tipo Tanque Perfectamente Agitado) se obtuvieron
los siguientes datos de conversión ( xA ) y velocidad de reacción ( rA ):
xA 0.4 0.5 0.7 0.8 0.85
rA 0.0040 0.0033 0.0018 0.00175 0.0010
a).- Genere un polinomio de segundo orden que ajuste a estos
datos para conocer el valor de rA cuando xA = 0.6 mediante la
técnica de Mínimos Cuadrados.
b).- Calcule el volumen del reactor para xA = 0.6 empleando para
ello la siguiente ecuación:
𝟏
V = xA( )FA0
𝒓𝑨
Donde FA0 = 4 (Flujo molar de alimentación al reactor)
NOTA.- Utilice cuatro cifras decimales redondeadas en su resultado.
Solución: a) rA=0.0077-0.0105x+0.0033x2
b) V=923.0769
111
Problema 3.2.1.2
Las siguientes cifras corresponden al tiempo de secado de cierto barniz (y) y a
la cantidad de un aditivo con el que se intenta reducir el tiempo (x):
cantidad
de 0 1 2 3 4 5 6 7 8
aditivo
(gr)
tiempo
de 12.0 10.5 10.0 8.0 7.0 8.0 7.5 8.5 9.0
secado
(hr)
Calcule las constantes del polinomio y = a0 + a1x + a2x2
Problema 3.2.1.3
Los datos mostrados en la siguiente tabla se obtuvieron de observaciones
periódicas hechas durante el crecimiento de una población de células de levadura
efectuándose recuentos cada dos horas:
Tiempo
(horas) 2 4 6 8 10 12 14
x
No. de
células 19 37 72 142 295 584 995
y
a).- Estime las constantes de la ecuación y = a bx que se ajuste a estos
datos.
b).- Calcule el número de células que habrá después de 20 horas
Solución: a) a = 9.7544; b = 1.3989

b) 8034 células
112
Problema 3.2.1.4
Con los siguientes datos:
Puntos 1 2 3 4 5 6 7
xi 293 300 320 340 360 380 400
yi 2x10-4 19.1x10-4 1.56x10-3 0.01 0.0522 0.2248 0.8631
Calcular los coeficientes de la siguiente ecuación:

−𝒃
yi = a 𝒆𝟏.𝟗𝟖 𝒙𝒊
Solución: a = 758990637.502
b = 16584.959
Problema 3.2.1.5
En electroquímica, la ecuación de Nerst se utiliza para calcular la fuerza
electromotriz de una pila. Para los siguientes datos y utilizando el método de los
Mínimos Cuadrados calcule los parámetros de la ecuación de Nerst:

𝒏(𝑬 − 𝒌)
𝒍𝒐𝒈(𝒂𝑳𝒊+ ) =
𝟎. 𝟎𝟓𝟗𝟐
aLi+ 0.1 0.05 0.01 0.001
E [mV] 10 -30 -60 -138
113
Problema 3.2.1.6
Calcule las constantes de la siguiente ecuación:
V = a Pb
que ajusten a los datos mostrados en la Tabla usando para ello el Método de
Mínimos Cuadrados:
P 39.7 51.1 78.5 115.5 195.3 546.1
V 30 25 20 15 10 5
Solución: a = 5691.3343; b = -1.4521
Problema 3.2.1.7
Calcule el pH de una solución de suero cuyo potencial (E) es de 20.3 mV de
acuerdo a los datos de la siguiente tabla. Utilice el método de Mínimos
Cuadrados sabiendo que existe una relación lineal entre el pH y el potencial E.
pH E [mV]
5 -53.8
4 -27.7
3 2.7
2 31.9
1 65.1
Solución: pH(20.3) = 2.4
114
Problema 3.2.1.8
Los siguientes datos muestran la Capacidad Calorífica (Cp) de un gas ideal a
presión constante en función de la temperatura:
T [K] 280 310 340 360 400
Cp 4.87 5.02 5.16 5.22 5.3

[cal/mol K]
Utilizando un Polinomio de ajuste por Mínimos Cuadrados de orden 2 calcule la
Cp que tendrá el gas a una temperatura de 359 K.
Solución: Cp(359) = 5.2167
Problema 3.2.1.9
Ajuste los siguientes datos a un polinomio de primer grado mediante la técnica
de los Mínimos Cuadrados:
xi yi
1 1.5
2 2
3 4
5 4.7
6 8.5
8 8.8
9 9.9
115
Problema 3.2.1.10
Un muelle se somete a tracción y se carga con diferentes pesos. En la siguiente
tabla se muestran los alargamientos experimentados por el muelle en función del
peso añadido:
Cargas sucesivas [mm] Alargamiento [mm]
F L
200 60
400 120
500 150
700 210
900 260
1000 290
La fuerza de tracción F sobre un muelle y el alargamiento L que
experimenta están relacionados a través de la siguiente ley:

𝑭
L = … (1)
𝑲
Calcule la constante elástica del muelle (K) en g/mm para estos datos
mediante la aplicación del Método de Mínimos Cuadrados.
116
Problema 3.2.1.11
En la reacción de formación de Monoclorobenceno a partir de Benceno, se
determinó experimentalmente la concentración de Monoclorobenceno como
función de la temperatura y del tiempo de acuerdo a la siguiente tabla:
t T [°C]
[min]
40 45 50 55 60 65 70
2 0.12 0.2 0.29 0.37 0.45 0.41 0.36
4 0.22 0.31 0.4 0.49 0.47 0.32 0.16
6 0.3 0.37 0.44 0.51 0.42 0.25 0.07
8 0.37 0.41 0.45 0.49 0.34 0.19 0.03
10 0.42 0.43 0.44 0.45 0.27 0.14
12 0.47 0.45 0.43 0.41 0.22 0.11 0.002
Calcule:
a) Los parámetros k1, k2 y k3 en el intervalo T > 55°C y t > 6 min para el
modelo:
𝒌𝟐
CMCB = k1 + t + k3 T
𝑻
b) Utilizando el modelo propuesto en el inciso anterior:
T = ? @ CMCB=0.25 y t=9 min
c) Utilizando el Polinomio de Lagrange de Primer Orden:
T = ? @ CMCB=0.25 y t=9 min
d) Utilizando el Polinomio de Lagrange de Primer Orden:

𝒅𝑪𝑩
= ¿?
𝒅𝑻
117
Problema 3.2.1.12
La entalpía de solución como función de la temperatura T y de la concentración
x de soluto se muestra en la siguiente tabla:
T x
[°C] 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
0 2.12 3.15 4.21 5.24 6.31 7.33 8.42 9.40 10.00
10 8.10 9.52 11.22 12.51 14.20 15.51 17.21 18.42 20.00
20 14.00 16.13 18.03 20.15 22.16 24.02 26.05 28.10 30.12
30 20.10 22.52 24.95 27.32 30.02 32.51 35.11 37.30 40.00
Utilizando estos datos calcule los parámetros a y b del modelo:
h = a + bT
mediante la técnica de Mínimos Cuadrados, donde h es la entalpía de solución, T
es la temperatura y x es la concentración de soluto.
Calcule la entalpía para T = 12 °C y x = 0.5
Solución: h(12,0.5) = 14.0886
118
Problema 3.2.1.13
Hinshelwood y Burk han estudiado la descomposición térmica del Monóxido de
Dinitrógeno en un reactor por lotes a volumen constante, donde la reacción que
se produce es:
2 N2O 2N2 + O2
De acuerdo a Fogler, la ecuación resultante de la integración para un reactor por
lotes con la velocidad de reacción dada por –rA = kCAα y expresada en términos
de la vida media (t1/2) es:

𝟐𝜶−𝟏 −𝟏 𝟏
𝒕𝟏/𝟐 =
𝒌(𝜶−𝟏)
(
𝑪𝜶−𝟏
) …(1)
𝑨𝟎
La cual se puede linealizar a una forma apropiada de la siguiente manera:

𝟐𝜶−𝟏 −𝟏
𝒍𝒏(𝒕𝟏/𝟐 ) = 𝒍𝒏 [ 𝒌(𝜶−𝟏) ] + (𝟏 − 𝜶)𝒍𝒏(𝑪𝑨𝟎 )… ( 2 )
Donde α representa el orden de la reacción.
En la siguiente tabla se presentan datos de vida media a diferentes
temperaturas:
Puntos t1/2 [s] T [K] CA0 x 103 [gmol/L]
1 1240 1060 1.2478
2 1352 975 2.5899
3 510 970 3.0250
4 918 1035 4.0495
5 455 1035 4.2599
6 318 1050 5.3060
Calcule el orden de la reacción y la constante de velocidad de reacción para estos
datos usando el Método de Mínimos Cuadrados.
Solución: α = 1.8466, k = 0.5853
119
Problema 3.2.1.14
En la siguiente tabla se presentan datos de presión [psia] y de volumen [ft3]
correspondientes a cierto gas. Mediante el método de Mínimos Cuadrados
a) Calcule los parámetros a y b del siguiente modelo matemático:
P = aVb …( 1 )
V P V P V P
26.43 14.70 16.32 24.54 39.25
22.40 17.53 14.04 28.83 9.15 45.49
19.08 12.12 33.71 8.00 52.52
b) Usando el modelo representado por la ecuación (1) calcule la presión cuando
el volumen es de 18.5 ft3.
Problema 3.2.1.15
En la siguiente tabla se muestran los datos obtenidos experimentalmente de la
temperatura de transición vítrea (Tg) de un polímero para muestras de
diferente peso molecular (Mn):
Mn 5100 10600 21200 35100 50200 100000
Tg [°K] 363 368 370 371.5 372 372.5
Ajuste los datos al siguiente modelo:

1 1 𝐶
= + … (1)
𝑇𝑔 𝐴 𝑀𝑛
Usando el método de Mínimos Cuadrados
120
Ejemplo 3.2.1.16
Para cierta reacción A → B se determinó experimentalmente la relación entre
la temperatura [°C] y la constante de reacción [min-1] según se muestra en la
siguiente tabla:
T [°C] 40 50 60 70 80
k [min-1] 0.325 0.365 0.415 0.5 0.65
Se sabe que la concentración del reactivo A (CA) [gmol/lt] varía con la
temperatura (T) y con el tiempo de reacción (t) como se muestra a continuación:
T [°C]
t [min]
40 50 60 70 80
0 0.7 0.7 0.7 0.7 0.7
2 0.366 0.3384 0.3072 0.2625 0.2085
4 0.1914 0.1636 0.1349 0.0984 0.0621
6 0.1001 0.0791 0.0592 0.0369 0.0185
8 0.0523 0.0382 0.026 0.0138 0.0055
10 0.0274 0.0185 0.0114 0.0052 0.0016
a) ¿Cuál será el valor de la constante de reacción (k) si se sabe que a los 5
minutos con 15 segundos la concentración del reactivo A es de 0.12
gmol/lt? Utilice Polinomios de Lagrange de Orden 2.
b) Calcule los parámetros a y b del ajuste por mínimos cuadrados del modelo
k = a Tb que mejor describa los datos de la Tabla y compare el resultado
con el obtenido en el inciso anterior.
Solución: a) k = 0.3393
b) k = 0.3329
121
Ejemplo 3.2.1.17
Se sabe que el número de pulgadas de una estructura recién construida que
se hunde en el suelo está dado por:
y = 3 – 3e-ax
Donde x es el número de meses que lleva construida la estructura.
Con los valores de la siguiente tabla estime el valor de la constante a usando
el criterio de los mínimos cuadrados y estime el hundimiento a los 10 y 20 meses
de construcción:
x 2 4 6 12 18 24
y 1.07 1.88 2.26 2.78 2.97 2.99
Ejemplo 3.2.1.18
Ajuste los siguientes datos al siguiente modelo:
y = a ebx …(1)
x y
2.3 2.92
5 3.69
7.1 6.19
8 6.36
Aplique la técnica de los Mínimos Cuadrados.
122
Ejemplo 3.2.1.19
Ajuste los siguientes datos al siguiente modelo:
y = a xb …(1)
x y
3 10.3
7.34 13.5
20.1 18.2
54.6 24.5
Aplique la técnica de los Mínimos Cuadrados
123
124
3.2.2. AJUSTE MULTIVARIABLE
Con frecuencia se tienen funciones de más de una variable como sería el
caso de f(u,v,z) por ejemplo.
Si se tiene idea de una funcionalidad lineal en las distintas variables, es
decir, que se ajustan a una ecuación de la forma:
y = a0 + a1u + a2v + a3z … (1)
Entonces:
Puntos u v z y
1 u1 v1 z1 f(u1,v1,z1)
2 u2 v2 z2 f(u2,v2,z2)
3 u3 v3 z3 f(u3,v3,z3)
: : : : :
m um vm zm f(um,vm,zm)
Entonces la función a minimizar sería:
𝒊=𝟏[(𝒂𝟎 + 𝒂𝟏 𝒖𝒊 + 𝒂𝟐 𝒗𝒊 + 𝒂𝟑 𝒛𝒊 ) − 𝒚𝒊 ] …(2)
∑𝒎 𝟐
Derivando parcialmente con respecto a cada uno de los coeficientes e
igualando a cero:
𝒎 𝒎
𝝏
∑[(𝒂𝟎 + 𝒂𝟏 𝒖𝒊 + 𝒂𝟐 𝒗𝒊 + 𝒂𝟑 𝒛𝒊 ) − 𝒚𝒊 ]𝟐 = 𝟐 ∑(𝒂𝟎 + 𝒂𝟏 𝒖𝒊 + 𝒂𝟐 𝒗𝒊 + 𝒂𝟑 𝒛𝒊 − 𝒚𝒊 )𝟏
𝝏𝒂𝟎
𝒊=𝟏 𝒊=𝟏
=𝟎
𝒎
𝝏
= 𝟐 ∑(𝒂𝟎 + 𝒂𝟏 𝒖𝒊 + 𝒂𝟐 𝒗𝒊 + 𝒂𝟑 𝒛𝒊 − 𝒚𝒊 )𝒖𝒊 = 𝟎
𝝏𝒂𝟏
𝒊=𝟏
𝒎
𝝏
= 𝟐 ∑(𝒂𝟎 + 𝒂𝟏 𝒖𝒊 + 𝒂𝟐 𝒗𝒊 + 𝒂𝟑 𝒛𝒊 − 𝒚𝒊 )𝒗𝒊 = 𝟎
𝝏𝒂𝟐
𝒊=𝟏
125
𝒎
𝝏
= 𝟐 ∑(𝒂𝟎 + 𝒂𝟏 𝒖𝒊 + 𝒂𝟐 𝒗𝒊 + 𝒂𝟑 𝒛𝒊 − 𝒚𝒊 )𝒛𝒊 = 𝟎
𝝏𝒂𝟑
𝒊=𝟏
Las cuales rearregladas quedan como sigue:
m a0 + a1u + a2v + a3z = y
a0u + a1u2 + a2uv + a3uz = uy
a0v + a1uv + a2v2 + a3vz = vy
a0z + a1uz + a2vz + a3z2 = zy
Que es el sistema lineal por resolver.
126
PROBLEMAS RESUELTOS
Ejemplo 3.2.2.1
A partir de un estudio experimental acerca de la estabilización de arcilla
plástica, se observó que el contenido de agua para moldeo con densidad óptima
depende linealmente de los porcentajes de cal y de puzolana mezclados con la
arcilla. De este estudio se obtuvieron los siguientes datos:
Puntos % Agua % Cal % Puzolana
1 27.5 2 18
2 28 3.5 16.5
3 28.8 4.5 10.5
4 29.1 2.5 9
5 30 8.5 2.5
6 31 10.5 4.5
7 32 13.5 1.5
Ajuste estos datos a una ecuación de la forma:
y = a0 + a1 u + a2 v …(1)
Solución:
Ajustaremos los datos a un sistema de la forma:
m a0 + a1u + a2v = y
a0u + a1u2 + a2uv = uy …(2)
a0v + a1uv + a2v2 = vy
Elaboraremos una tabla como se muestra a continuación:
127
Puntos u v y u2 uv uy v2 vy
1 2 18 27.5 4 36 55 324 495
2 3.5 16.5 28 12.25 57.75 98 272.25 462
3 4.5 10.5 28.8 20.25 47.25 129.6 110.25 302.4
4 2.5 2.5 29.1 6.25 6.25 72.75 6.25 72.75
5 8.5 9 30 81 76.5 255 81 270
6 10.5 4.5 31 20.25 47.25 325.5 20.25 139.5
7 13.5 1.5 32 182.25 20.25 432 2.25 48
Total 45 62.5 206.4 407.5 291.25 1367.85 816.25 1789.65
Resolviendo el sistema (2):
a0 = 28.6917 a1 = 0.2569 a2 = -0.0961
Es decir:
y = 28.6917 + 0.2569 u – 0.0961 v
128
Ejemplo 3.2.2.2
La ecuación de Antoine relaciona la temperatura con la presión de vapor de un
componente puro. Determine, utilizando regresión por mínimos cuadrados, los
parámetros A, B y C para los siguientes datos de presión de vapor y temperatura
del propano. Represente los valores calculados y experimentales en una gráfica
P vs T
T (F) Presión (Psia)

-70 7.37
-50 12.6
-30 20.3
-10 31.4
10 46.0
30 66.3
50 91.8
70 124
90 164
Solución:
𝐵
𝑙𝑜𝑔10 (𝑃𝑣𝑎𝑝 ) = 𝐴 +
𝑇+𝐶
(𝑇 + 𝐶)𝑙𝑜𝑔10 (𝑃𝑣𝑎𝑝 ) = (𝑇 + 𝐶)𝐴 + 𝐵
𝑇𝑙𝑜𝑔10 (𝑃𝑣𝑎𝑝 ) = 𝐴𝐶 + 𝐵 + 𝐴𝑇 − 𝐶𝑙𝑜𝑔10 (𝑃𝑣𝑎𝑝 )
𝑎0 = 𝐴𝐶 + 𝐵
𝑎1 = 𝐴
𝑎2 = 𝐶
𝑥1 = 𝑇
𝑥2 = 𝑙𝑜𝑔10 (𝑃𝑣𝑎𝑝 )
𝑦 = 𝑇𝑙𝑜𝑔10 (𝑃𝑣𝑎𝑝 )
Datos
T Pvap
-70.0 7.37
-50.0 12.60
-30.0 20.30
-10.0 31.40
10.0 46.00
30.0 66.30
50.0 91.80
70.0 124.00
90.0 164.00
129
x1 x2 y
T*log(Pvap x12 x22 x1x2 x1y x2y
T log(Pvap) )
-70.0 0.8675 -60.7227 4900 0.7525 -60.7227 4250.5907 -52.6750
-50.0 1.0899 -54.4953 2500 1.1879 -54.4953 2724.7628 -59.3947
-30.0 1.3075 -39.2249 900 1.7095 -39.2249 1176.7464 -51.2864
-10.0 1.4969 -14.9693 100 2.2408 -14.9693 149.6930 -22.4080
10.0 1.6628 16.6276 100 2.7648 16.6276 166.2758 27.6476
30.0 1.8215 54.6454 900 3.3179 54.6454 1639.3622 99.5373
50.0 1.9628 98.1421 2500 3.8528 98.1421 4907.1067 192.6376
70.0 2.0934 146.5395 4900 4.3824 146.5395 10257.7663 306.7690
90.0 2.2148 199.3359 8100 4.9055 199.3359 17940.2352 441.4980
∑=90.0 14.5172 345.8784 24900.000 25.1141 345.8784 43212.5390 882.3255
9.0 90.0 14.51718 345.8784

A= 90.0 24900.0 345.87843 b = 43212.5390
14.51718 345.87843 25.11411 882.3255
a0 = 5.1650
a1 = -1503.4089
a2 = 419.5433
Pvap calc
7.31
12.49
20.21
31.19
46.24
66.18
91.86
124.15
163.87
130
180.00 Presión de vapor vs Temperatura para Propano
160.00
140.00
120.00
Pvap [psia]
100.00 Pvap
80.00 Pvap calc
60.00
40.00
20.00
0.00
-100.0 -50.0 0.0 [°F]
Temperatura 50.0 100.0
131
132
Problema 3.2.2.1
En la reacción de formación de Monoclorobenceno a partir de Benceno se
determinó experimentalmente la concentración de Benceno como función de la
temperatura y del tiempo según se muestra en la siguiente Tabla:
t (min) T (ºC)
40 45 50 55 60
2 0.578 0.5 0.427 0.382 0.360
4 0.477 0.357 0.261 0.208 0.186
6 0.394 0.255 0.159 0.113 0.096
8 0.325 0.182 0.097 0.062 0.049
10 0.269 0.130 0.059 0.034 0.026
Calcular:
a) CB = ? @ t = 7 min T = 53ºC
𝒅𝑪𝑩
b) = ? @ t = 8 min T = 53ºC
𝒅𝑻
c) t = ? @ CB = 0.25 T = 45ºC
d) Los parámetros k1 , k2 y k3 en el intervalo T < 55ºC y t < 8 min para el
siguiente modelo:
𝒌𝟐
𝑪𝑩 = 𝒌𝟏 + 𝒕 + 𝒌𝟑 𝑻
𝑻𝟐
133
Problema 3.2.2.2
La eficiencia de reacción  en porciento de una substancia obtenida mediante
una reacción química está relacionada con el volumen de la substancia V y con su
densidad inicial ρ, de acuerdo a los siguientes datos experimentales:
Rendimiento () 2.3 3.0 6.2 7.3 12.7
Volumen (V) 1.50 0.80 0.75 0.75 1.00
Densidad () 0.31 0.75 1.65 0.44 3.40
Calcule los parámetros a, b, c y d del siguiente modelo matemático:
 = a + b + cV + dV2
Solución: a=10.9315, b=-2.5486, c=-5.4755, d=1.3819
Problema 3.2.2.3
La siguiente Tabla muestra valores de volumen específico (ft3/lb) de vapor
de agua sobrecalentado:
T P (psia)
(°F)
90 95 100 105
400 5.505 5.205 4.935 4.690
450 5.869 5.551 5.266 5.007
500 6.223 5.889 5.588 5.315
550 6.572 6.221 5.904 5.617
Calcule los parámetros a, b y c correspondientes al siguiente modelo:
v = a bTcP
134
Problema 3.2.2.4
Los datos de cambio de temperatura (T) en un intercambiador vertical a
diferentes gastos volumétricos (Gm) y presiones de vapor (P) se muestran en la
siguiente tabla (con temperatura de entrada fija en 20°C en todos los casos)
% Gm Presión de vapor (Kgf/cm2)

Rotámetro (Kg/h) 0.5 0.8 1.0 1.2 1.4 1.6 1.8 2.0
60 804.97 23.8 27.0 28.2 29.2 30.2 31.5 32.8
70 939.10 22.0 25.0 26.1 27.1 28.0 28.8 29.5
80 1073.30 20.7 22.3 24.5 25.4 26.1 26.9 27.6
90 1207.50 19.4 19.4 22.2 23.0 23.9 24.8 25.4 26.0
100 1341.60 18.4 18.4 21.0 21.9 22.6 23.4 24.1 24.8
a).- Calcule los valores faltantes en la tabla utilizando el siguiente
modelo:
%𝑹 𝒄
T = a Pb( )…(1)
𝑷
0.5 ≤ P ≤ 1.0
60 ≤ %R ≤ 90
b).- Usando polinomios de ajuste exacto de orden 2 calcule:
𝐾𝑔
P @ Gm = 1300 y T = 25°C
ℎ
Solución: a) %R=70 y P=0.5 T=21.8
%R=60 y P=0.8 T=25.5
%R=80 y P=1.0 T=23.1
b) Gm=1300 y T=25°C P=1.96
135
Problema 3.2.2.5
Diversos tipos de hojas de acero procesadas en frío tienen diferentes
composiciones de cobre y temperaturas de templado. Al medir su dureza
resultante se obtuvieron los siguientes valores:
Dureza Rockell 30-T Contenido de Cobre Temperatura de

[%] templado [°F]
78.9 0.02 1000
65.1 0.02 1100
55.2 0.02 1200
56.4 0.02 1300
80.9 0.10 1000
69.7 0.10 1100
57.4 0.10 1200
55.4 0.10 1300
85.3 0.18 1000
71.8 0.18 1100
60.7 0.18 1200
58.9 0.18 1300
Si se sabe que la dureza depende en forma lineal del contenido de Cobre (u) y
de la temperatura de templado (v) de la siguiente manera:
y = a0 + a1 u + a2 v
Calcule los parámetros a0, a1 y a2 siguiendo el criterio de los Mínimos Cuadrados.
136
Problema 3.2.2.6
La concentración de Benceno CB [gmol/L] con respecto al tiempo t [min] a
diferentes temperaturas en la reacción de cloración de Benceno se muestra en
la siguiente Tabla:
t [min]
T [°C]
0.0 1.0 2.0 3.0 4.0 5.0
40 0.7000 0.4939 0.3485 0.2459 0.1735 0.1224
55 0.7000 0.4793 0.3282 0.2248 0.1054
60 0.7000 0.4614 0.3041 0.2005 0.1321 0.0871
70 0.7000 0.4395 0.2759 0.1732 0.1087 0.0683
Calcule CB cuando t = 4 minutos y T = 55°C utilizando Mínimos
Cuadrados y el siguiente Modelo:
𝟏 𝒃 𝒕 𝒄
𝑪𝑩 = 𝑻 ( )
𝒂 𝑻
para el intervalo de validez: 1.0 ≤ t ≤ 4.0
40.0 ≤ T < 70.0
Solución: CB(4,55) = 0.1655
137
Problema 3.2.2.7
Cutlip y Peters investigaron la deshidratación heterogénea catalítica del ter-
Butanol (A) a Isobutileno (B) y agua (W). La reacción se estudió a presión
atmosférica y a diferentes temperaturas. En la siguiente tabla se muestran las
velocidades de reacción observadas a una temperatura de 533.1 K para
diferentes presiones parciales del reactivo y de los productos:
Tabla.-Velocidades de reacción en función de la presión parcial a 533.1 K

Presión parcial media [atm] Velocidad de
Puntos reacción [gmol/h
ter-Butanol Agua Isobutileno
g]
1 0.7913 0.0177 0.0172 0.005047
2 0.6349 0.0159 0.0156 0.004409
3 0.4788 0.0149 0.0146 0.003857
4 0.3339 0.0157 0.0163 0.003048
5 0.6362 0.0146 0.1736 0.004464
6 0.4864 0.0128 0.3252 0.003671
7 0.3302 0.0135 0.4819 0.002716
8 0.5610 0.1629 0.0104 0.004271
9 0.4740 0.3374 0.0122 0.003244
10 0.3167 0.4982 0.0100 0.002348
11 0.3506 0.0121 0.3140 0.002841
12 0.3973 0.2705 0.0121 0.002903
13 0.3661 0.1860 0.0083 0.002995
14 0.3219 0.0117 0.1819 0.002801
15 0.4737 0.0135 0.1821 0.003622
16 0.4857 0.1687 0.0089 0.003523
Para correlacionar estos datos, Cutlip y Peters consideran una expresión
empírica de la velocidad como una función potencial:
r’ = k PAa PWW PBb … ( 1 )
Calcule el valor de k para estos datos usando el método de Mínimos Cuadrados.
Solución: k = 1.9759
138
Problema 3.2.2.8
Veinte tipos de hojas de acero procesadas en frío tienen diferentes
composiciones de Cobre a diferentes temperaturas de templado. Al medir su
dureza, se obtuvieron los siguientes valores:
Contenido de Temperatura de templado [°F]

Cobre [%]
1000 1100 1200 1300
0.02 78.9 65.1 55.2 56.4
0.10 80.9 69.7 55.4
0.18 85.3 71.8 60.7 58.9
Realice un ajuste lineal por mínimos cuadrados para calcular la dureza cuando el
contenido de Cobre es de 0.05% a una temperatura de templado de 1125°F.
139
Problema 3.2.2.9
En un estudio veterinario se midió el porcentaje de sobrevivencia de cierto tipo
de semen animal en varias combinaciones de concentraciones de
tres materiales que se utilizan para aumentar su oportunidad de sobrevivencia.
Los datos son los siguientes:
y(% sobrevivencia) x1(peso %) x2(peso %) x3(peso %)
25.5 1.74 5.30 10.80
31.2 6.32 5.42 9.40
25.9 6.22 8.41 7.20
38.4 10.52 4.63 8.50
18.4 1.19 11.60 9.40
26.7 1.22 5.85 9.90
26.4 4.10 6.62 8
25.9 6.32 8.72 9.10
32 4.08 4.42 8.70
25.2 4.15 7.60 9.20
39.7 10.15 4.83 9.40
35.7 1.72 3.12 7.60
26.5 1.70 5.30 8.20
Calcule los coeficientes de regresión del siguiente modelo, usando la técnica de
Mínimos Cuadrados:
y = b0 + b1 x1 + b2 x2 + b3 x3
140
Problema 3.2.2.10
Los datos de presión-temperatura-volumen específico para el Etano se muestran
en la siguiente tabla, donde la temperatura (T) está dada en °C, la presión (P) en
atmósferas y el volumen específico en moles/litro:
P (atm)
T [°C]
1 2 4 6 8 9 10
25 20.14 32.84
75 24.95 43.80 68.89 85.95 104.38 118.32 139.23
150 31.89 59.31 106.06 151.38 207.66 246.57 298.02
200 36.44 68.38 130.18 194.53 276.76 332.56
250 40.87 79.16 153.59 237.38 345.38
a) Encuentre un Polinomio de Lagrange de Segundo Grado para calcular el
volumen específico en moles/lt a una presión de 7.2 atmósferas y una
b) Calcular el volumen específico a una presión de 6 atmósferas y una
temperatura de 180°C empleando un Polinomio de Lagrange de Segundo
Grado.
c) Mediante un Polinomio de Lagrange calcule la presión cuando se tiene un
volumen específico de 173.52 moles/lt a una temperatura de 150°C
141
Problema 3.2.2.11
En una localidad de la costa del país se realizaron diversos experimentos para
caracterizar el perfil de una playa en función del tamaño de la arena, longitud
y altura de la ola, así como la velocidad de la arena, con la finalidad de
determinar si hay erosión, equilibrio o acreción (aumento de la cantidad de
arena). En la siguiente tabla se muestran los datos experimentales:
Altura Tiempo de Velocidad

Altura de Longitud
Experimento máxima la de la
la ola (H) de la ola
de la ola medición arena (w)
[m] (L) [m]
(Hb) [m] (t) [s] [m/s]
1 1.28 2.75 11.33 237.04 0.031
2 1.28 2.75 11.33 237.04 0.038
3 0.55 1.46 11.33 293.13 0.036
4 1.68 3.38 11.33 240 0.033
5 1.62 2.18 5.6 46.15 0.031
6 1.52 1.69 3.75 20.27 0.031
7 0.61 1.95 16 554.55 0.036
8 0.61 1.95 16 554.55 0.037
9 1.83 4.44 16 554.55 0.037
10 1.62 4.10 16 578.57 0.037
11 1.28 2.75 11.33 237.04 0.059
Determine la altura de la ola (H) para una altura máxima (Hb) de 3

metros en un tiempo (t) de 11 segundos de acuerdo al siguiente
comportamiento:
H = a + b Hb + c t …(1)
142
Problema 3.2.2.12
Determine la recta de mínimos cuadrados para el porcentaje de calificaciones
arriba del 80% obtenidas por un grupo de 4° semestre en las diferentes
evaluaciones aplicadas durante el curso:
Evaluación 1 2 3 4 5 6
Porcentaje 10 25 20 35 45 40
De acuerdo al ajuste, calcule el porcentaje de alumnos qué obtendrán más del
80% de calificación en la séptima evaluación.
Problema 3.2.2.13
En una isla al sureste de los EUA se estimó la población de conejos desde el
año 2014 hasta el 2017, obteniéndose los siguientes datos:
Año (A) Población de conejos (N)
2014 2960 = N0
2015 4540
2016 8080
2017 17060
Se espera que estos datos se ajusten a la función exponencial:
N = N0 ek(A-2014)
Utilice el método de mínimos cuadrados para estimar la población de conejos
que habrá en el año 2019.
143
Problema 3.2.2.14
Se deja caer un objeto desde una altura de 200 metros. Mientras cae, se
toman las siguientes medidas:
tiempo transcurrido [s] Altura [m]
0 200
1 195
2 180
4 120
6 25
Si se sabe que la altura del objeto (h) después de transcurrido un tiempo (t)
está dada por:

𝟏
h = 200 - g t2 … (1)
𝟐
Se desea calcular el valor de g para estos datos. Aplique el método de los
mínimos cuadrados.
Problema 3.2.2.15
La siguiente tabla muestra la población en México en millones de habitantes
en intervalos de 5 años, desde 1975 hasta 2015. Ajuste estos datos a una
ecuación de segundo grado y utilícela para predecir la población que habrá en
el año 2020.
Año 1975 1980 1985 1990 1995 2000 2005 2010 2015
Población 50 73 80 90 100 101 120 124 129
144
Problema 3.2.2.16
En la siguiente tabla se presentan valores experimentales de la presión
ejercida por un gas en función de su volumen. De acuerdo con los principios
termodinámicos ambas variables están relacionadas de la siguiente forma:
P V = C …(1)
Donde  y C son constantes características para cada gas.
a) Calcule los valores de  y C para los datos presentados.
b) Escriba la ecuación que relaciona P y V.
c) calcule la presión cuando el volumen del gas es de 100 pulg3.

V [pulg3] 54.3 61.8 72.4 88.7 118.6 194
P [lb/pulg2] 61.2 49.2 37.6 28.4 19.2 10.1
145
Problema 3.2.2.17
La posición de un cometa en coordenadas polares (r,) satisface una ecuación
de la siguiente forma:
r = β – e [ r cos() ] … (1)
Donde:
β = Constante
<1  elipse
e = Excentricidad de la órbita =1  parábola
>1  hipérbola
Las observaciones de un cometa recientemente descubierto proporcionan los
siguientes datos:
 0.88 1.1 1.42 1.77 2.14
r 3 2.3 1.65 1.25 1.01
Pronostique dónde se encontrará el cometa cuando  = 4.6 radianes y
determine el tipo de órbita que presentará. Utilice el método de los mínimos
cuadrados.
Solución: r = 1.33
e = 0.811 (elipse)
146
IV.- DERIVACIÓN Y
OPTIMIZACIÓN NUMÉRICA
4.1 DERIVACIÓN NUMÉRICA
La derivación numérica es una técnica de análisis numérico para calcular
una aproximación a la derivada de una función en un punto utilizando los valores
y propiedades de la misma.
4.1.1 DERIVACIÓN NUMÉRICA MEDIANTE EL POLINOMIO DE LaGrange
La ecuación general de los polinomios de Lagrange es la siguiente:

(𝒙−𝒙𝒋 )
𝑷𝒏(𝒙) = ∑𝒏𝒊=𝟎 𝒇(𝒙𝒊 ) ∏𝒏𝒋=𝟎 … (1)
(𝒙𝒊 −𝒙𝒋 )
𝒋≠𝒊
Derivando con respecto a x:
𝒅 𝑷𝒏(𝒙) 𝒅 (𝒙−𝒙𝒋 )
𝒅𝒙
= ∑𝒏𝒊=𝟎 𝒇(𝒙𝒊 )
𝒅𝒙
𝒏
[∏𝒋=𝟎 (𝒙 −𝒙 )
] …(2)
𝒊 𝒋
𝒋≠𝒊
Haciendo:
𝒏 (𝒙−𝒙𝒋 )
y = ∏𝒋=𝟎 …(3)
(𝒙𝒊 −𝒙𝒋 )
𝒋≠𝒊
Tomando logaritmos:
(𝒙−𝒙𝒋 )
ln(y) = ln[∏𝒏𝒋=𝟎 (𝒙 −𝒙 )]… (4)
𝒊 𝒋
𝒋≠𝒊
Pero el logaritmo de un producto es igual a la suma de los logaritmos de
los factores, es decir:
147
(𝒙−𝒙 ) 𝒙−𝒙
ln[∏𝒏𝒋=𝟎 (𝒙 −𝒙 )] = ∑𝒏𝒋=𝟎 𝒍𝒏 (𝒙 −𝒙 )… (5)
𝒋 𝒋
𝒊 𝒋 𝒊 𝒋
𝒋≠𝒊 𝒋≠𝒊
Entonces:
𝒏
𝒅 𝟏 𝒅𝒚 𝒅 𝒙 − 𝒙𝒋
[𝒍𝒏(𝒚)] = = ∑ 𝒍𝒏 ( )
𝒅𝒙 𝒚 𝒅𝒙 𝒅𝒙 𝒙𝒊 − 𝒙𝒋
𝒋=𝟎
[ 𝒋≠𝒊 ]
𝒅 𝒅 𝒙−𝒙
[𝒍𝒏(𝒚)] = ∑𝒏𝒋=𝟎 [𝒍𝒏 (𝒙 −𝒙 )] …(6)
𝒋
𝒅𝒙 𝒅𝒙 𝒊 𝒋
𝒋≠𝒊
Realizando operaciones algebráicas y reacomodando para evitar divisiones
entre cero se llega a la siguiente expresión:
𝒏 𝒏 𝒏
𝒅𝑷𝒏(𝒙) 𝒇(𝒙𝒊 )
= ∑ 𝒏 ∑ ∏(𝒙 − 𝒙𝒋 )
𝒅𝒙 ∏𝒋=𝟎(𝒙𝒊 − 𝒙𝒋 ) … (7)
𝒊=𝟎 𝒌=𝟎 𝒋=𝟎
𝒋≠𝒊 𝒌≠𝒊 𝒋≠𝒊
𝒋≠𝒌
Que es la Ecuación para Derivar con Polinomios de Lagrange.
148
Ejemplo 4.1.1.1
En el análisis de la actividad () de la enzima Polifenoloxidaza de muestras de
aguacate, se obtuvieron los siguientes datos, los cuales están en función del
tiempo de tratamiento () y del tiempo de reacción () en minutos:

Tiempo de Tiempo de reacción ()
tratamiento ()
15 30 45 60
30 0.166 0.166 0.152 0.155
60 0.162 0.140 0.154 0.149
120 0.100 0.080 0.192 0.162
180 0.057 0.067 0.057 0.104
240 0.052 0.056 0.058 0.080
𝝏
Calcule =? con un polinomio de Lagrange de grado 2 para  = 30 y
𝝏
 = 180
Solución:
𝒅
Calcular |
𝒅 =𝟑𝟎,=𝟏𝟖𝟎
Usando la ecuación (7):

𝒅𝑷𝟐 (𝒙) 𝒇(𝒙𝟎 )(𝒙 − 𝒙𝟏 + 𝒙 − 𝒙𝟐 ) 𝒇(𝒙𝟏 )(𝒙 − 𝒙𝟎 + 𝒙 − 𝒙𝟐 )
= +
𝒅𝒙 (𝒙𝟎 − 𝒙𝟏 )(𝒙𝟎 − 𝒙𝟐 ) (𝒙𝟏 − 𝒙𝟎 )(𝒙𝟏 − 𝒙𝟐 )
𝒇(𝒙𝟐 )(𝒙 − 𝒙𝟎 + 𝒙 − 𝒙𝟏 )
+
(𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )
Es decir:
𝒅𝑷𝟐 (𝒙) 𝒇(𝒙𝟎 )(𝟐𝒙 − 𝒙𝟏 − 𝒙𝟐 ) 𝒇(𝒙𝟏 )(𝟐𝒙 − 𝒙𝟎 − 𝒙𝟐 ) 𝒇(𝒙𝟐 )(𝟐𝒙 − 𝒙𝟎 − 𝒙𝟏 )
= + +
𝒅𝒙 (𝒙𝟎 − 𝒙𝟏 )(𝒙𝟎 − 𝒙𝟐 ) (𝒙𝟏 − 𝒙𝟎 )(𝒙𝟏 − 𝒙𝟐 ) (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )
Puesto que se solicita un polinomio de segundo grado usaremos únicamente tres
puntos de los proporcionados en la tabla, es decir, de los correspondientes a  =
180 seleccionaremos los más cercanos a  = 30, es decir:
149
Puntos x f(x)
0 15 0.057
1 30 0.067
2 45 0.057
𝒅𝑷𝟐 (𝟑𝟎) [𝟐(𝟑𝟎) − 𝟑𝟎 − 𝟒𝟓]𝟎. 𝟎𝟓𝟕 [𝟐(𝟑𝟎) − 𝟏𝟓 − 𝟒𝟓]𝟎. 𝟎𝟔𝟕
= +
𝒅𝒙 (𝟏𝟓 − 𝟑𝟎)(𝟏𝟓 − 𝟒𝟓) (𝟑𝟎 − 𝟏𝟓)(𝟑𝟎 − 𝟒𝟓)
[𝟐(𝟑𝟎) − 𝟏𝟓 − 𝟑𝟎]𝟎. 𝟎𝟓𝟕
+
(𝟒𝟓 − 𝟏𝟓)(𝟒𝟓 − 𝟑𝟎)
𝒅𝑷𝟐 (𝟑𝟎)
= 0
𝒅𝒙
Este resultado no debe sorprender, ya que se puede observar en los datos
anteriores que para  = 30 el punto representa un máximo.
150
Problema 4.1.1.1
La ecuación de estado de Redlich-Kwong puede escribirse como se muestra a
continuación:
𝒂
[𝑷 + ] [𝑽 − 𝒃] = 𝑹𝑻
𝑻𝟎.𝟓 𝑽 (𝑽 + 𝒃)
Donde, para el Oxígeno:
𝑹𝟐 𝑻𝒄𝟐.𝟓 𝑹 𝑻𝒄
a=0.42748 b=0.08664
𝑷𝒄 𝑷𝒄
Tc=154.508 Pc=49.6682
𝑙𝑡 𝑎𝑡𝑚 𝑙𝑡
P = [atm] V = [𝑔𝑚𝑜𝑙] R = 0.08205
𝑔𝑚𝑜𝑙 𝐾
Los datos PVT obtenidos con esta ecuación se muestran en la siguiente
Tabla:
P (atm) T (K)
373.15 363.15 353.15 343.15
28 0.0257 0.0243 0.0232 0.0222
27 0.0277 0.0259 0.0245 0.0234
26 0.0303 0.0280 0.0262 0.0248
25 0.0343 0.0307 0.0282 0.0264
24 0.0425 0.0340 0.0310 0.0285
Utilizando un Polinomio de LaGrange de segundo orden calcule:

𝝏𝑽
a).-
𝝏𝑷
A una temperatura T = 355.15 K y una presión P = 25 atm
Solución: -0.0025
𝑑2𝑃
=?
𝑙𝑡
b).- para V = 0.0262
𝑑𝑉 2 𝑔𝑚𝑜𝑙
151
Problema 4.1.1.2
La entalpía de solución ( h ) es función de la temperatura T y de la concentración
x de acuerdo a la siguiente Tabla:
T x
(ºC) 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
0 2.12 3.15 4.21 5.24 6.31 7.33 8.42 9.40 10.00
10 8.10 9.52 11.22 12.51 14.20 15.51 17.21 18.42 20.00
20 14.00 16.13 18.03 20.15 22.16 24.02 26.05 28.10 30.12
30 20.10 22.52 24.95 27.32 30.02 32.51 35.11 37.30 40.00
Encuentre la aproximación numérica que se indica utilizando un
polinomio de LaGrange de segundo orden:

𝜕ℎ
( )=?
𝜕𝑇
𝑥 = 0.48
T = 22ºC
Problema 4.1.1.3
Dada la siguiente tabla de valores:
x 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6
f(x) 0.8967 0.8704 0.8415 0.8102 0.7767 0.7412 0.7039 0.6650 0.6247
Calcule el valor de la derivada cuando x = 1.2 usando un polinomio de Lagrange de
Primer Grado.
152
Problema 4.1.1.4
En la siguiente tabla se muestra la concentración de Benceno (CB) con respecto
al tiempo a diferentes temperaturas en la reacción de cloración de Benceno:
T t [min]
[°C]
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
40 0.7 0.588 0.4939 0.4149 0.3485 0.2927 0.2459 0.2066 0.1735 0.1458 0.1224
55 0.7 0.5793 0.4793 0.3966 0.3282 0.2765 0.2248 0.1860 0.1539 0.1274 0.1054
60 0.7 0.5683 0.4614 0.3746 0.3041 0.2469 0.2005 0.1628 0.1321 0.1073 0.0871
70 0.7 0.5546 0.4395 0.3482 0.2759 0.2186 0.1732 0.1372 0.1087 0.0862 0.0683
𝒅𝑪𝑩
Calcule a una temperatura T = 48°C y a los 0.5 minutos usando un Polinomio
𝒅𝑻
de Lagrange de Tercer Grado.
153
Problema 4.1.1.5
Para el oxígeno molecular se tienen los siguientes datos PVT:
P T ( K )
(atm)
373.15 363.15 353.15 343.15
28 0.2923 0.4557 0.8921 5.9261
27 0.1962 0.2745 0.4163 0.7577
26 0.1403 0.1875 0.2591 0.3837
25 0.1020 0.1352 0.1797 0.2455
24 0.0698 0.0986 0.1305 0.1726
Utilizando Polinomios de orden 2 calcule:

𝒅𝑽
a).- =? cuando P = 25 y T = 360.15
𝒅𝑻
𝒅𝑽
b).- =? cuando P = 25.5 y T = 360.15
𝒅𝑷
Solución: a) -0.0042
b) 0.0604
154
Problema 4.1.1.6
En el proceso de fabricación de Benceno se llevan a cabo, entre otras, las
siguientes reacciones:
C6H6 + Cl2→ C6H5Cl + HCl
C6H5Cl + Cl2→ C6H4Cl2 + HCl
De un balance de material se obtuvo la siguiente información:
t (min) CB (gmol/l) CMCB (gmol/l)
0 0.7000 0.0000
1 0.4396 0.2534
2 0.2761 0.3891
3 0.1734 0.4530
4 0.1089 0.4738
5 0.0684 0.4693
6 0.0429 0.4505
Determine el tiempo en que la concentración de Monoclorobenceno (CMCB)
es máxima y las concentraciones de Benceno (CB) y de Monoclorobenceno en ese
punto.
155
Problema 4.1.1.7
Los siguientes datos muestran la Capacidad Calorífica de un gas ideal en función
de la temperatura a presión constante:
T (K) 280 310 340 360 400
Cp (cal/mol K) 4.87 5.02 5.16 5.22 5.3
Utilizando un polinomio de ajuste por mínimos cuadrados de orden 2

𝒅𝑪𝒑
calcule la temperatura y la Cp cuando = 0.004
𝒅𝑻
Problema 4.1.1.8
En la reacción de fabricación de Monoclorobenceno a partir de Benceno, se
determinó la funcionalidad de la concentración de Benceno con respecto al
tiempo y a la temperatura de reacción. La información se muestra en la siguiente
tabla:
t T [°C]
[min]
40 45 50 55 60
0 0.700 0.700 0.700 0.700 0.700
2 0.578 0.500 0.427 0.382 0.360
4 0.447 0.357 0.261 0.208 0.186
6 0.394 0.255 0.159 0.113 0.096
8 0.325 0.182 0.097 0.062 0.049
10 0.269 0.130 0.059 0.034 0.026
𝒅𝑪𝑩
Calcule a 4.7 minutos y 48°C utilizando un Polinomio de Orden 2.
𝒅𝒕
𝒅𝑪𝑩
Solución: |𝟒.𝟕 𝒎𝒊𝒏 & 𝟒𝟖°𝑪 = -0.0551
𝒅𝒕
156
Problema 4.1.1.9
función de la temperatura y del tiempo de reacción de reacción de acuerdo a la
siguiente tabla:
t T [°C]
[min]
40 45 50 55 60 65 70
2 0.12 0.20 0.29 0.37 0.45 0.41 0.36
4 0.22 0.31 0.40 0.49 0.47 0.31 0.16
6 0.30 0.37 0.44 0.51 0.42 0.25 0.07
8 0.37 0.41 0.45 0.49 0.34 0.19 0.03
10 0.42 0.43 0.44 0.45 0.27 0.14
12 0.47 0.45 0.43 0.41 0.22 0.11 0.002
Calcule:
a) Los parámetros k1, k2 y k3 en el intervalo T > 55°C y t > 6 min para el
modelo:
𝒌𝟐
CMCB = k1 + t + k3T
𝑻
b) Utilizando el modelo propuesto en el inciso anterior:
T = ? @ CMCB = 0.25 & t = 9 min
c) Utilizando un Polinomio de Lagrange de Primer Orden:
d) T = ? @ CMCB = 0.25 & t = 9 min
d) Utilizando un Polinomio de Lagrange de Segundo Orden:

𝒅𝑪𝑩
=? @ T = 62°C & t = 9 min
𝒅𝑻
157
Problema 4.1.1.10
Dada la Tabla, calcule el Cp del Oxígeno @ T = 15°C y P = 11 bar usando el
siguiente modelo termodinámico:

𝝏𝑺
Cp(T,P) = T(𝝏𝑻)
𝑷
Usando para ello un Polinomio de Lagrange de Segundo Orden.
TABLA.- Propiedades Termodinámicas del Oxígeno calculadas usando

la Ecuación de Estado de Peng-Robinson
T(°C) -50 -25 0 25 50
P=2 bar
Z 0.9948 0.9963 0.9974 0.9982 0.9987
V 9.2290 10.2800 11.3300 12.3700 13.4200
H -2202.08 -1480.03 -753.13 -18.88 721.89
S -14.23 -11.17 -8.38 -5.81 -3.43
P=5 bar
Z 0.9871 0.9909 0.9936 0.9954 0.9968
V 3.6630 4.0890 4.5130 4.9350 5.3560
H -2248.04 -1519.52 -786.05 -47.12 697.51
S -22 -18.90 -16.09 -13.50 -11.10
P=10 bar
Z 0.9743 0.9820 0.9872 0.9910 0.9937
V 1.8080 2.0260 2.2420 2.4570 2.6700
H -2325.11 -1584.04 -840.75 -93.94 657.16
S -28 -24.85 -21.99 -19.38 -16.97
P=20 bar
Z 0.9491 0.9646 0.9751 0.9825 0.9878
V 0.8804 0.9951 1.1070 1.2180 1.3270
H -2480.87 -1713.17 -949.56 -186.68 577.48
S -34.25 -30.99 -28.06 -25.39 -22.92
P=30 bar
Z 0.9246 0.9479 0.9636 0.9745 0.9824
V 0.5718 0.6519 0.7295 0.8053 0.8798
H -2638.59 -1842.18 -1057.37 -278.07 499.24
S -38.11 -34.73 -31.72 -28.89 -26.48
158
Problema 4.1.1.11
En una prueba realizada a un vehículo motorizado, se obtuvieron datos de
velocidad [km/h] contra tiempo [s] según se muestra en la siguiente Tabla:
t [s] 0.0 3.7 7.1 11.1 14.4
v [km/h] 0.0 30.0 50.0 65.0 70.0
a) Encuentre el polinomio de grado 2 que mejor ajuste los datos utilizando
el criterio de los mínimos cuadrados.
b) Reporte la velocidad esperada a cada segundo desde 0 hasta 14.
c) Calcule la aceleración del vehículo a cada segundo.
d) Obtenga las gráficas de velocidad y aceleración contra tiempo y compare
con los datos experimentales.
e) ¿En qué tiempo recorre una distancia de 300 m?
f) ¿En qué tiempo se alcanzan los 40 Km/h?
g) ¿Qué distancia recorre en 10 segundos?
Solución:
a) y=0.0312+9.1842x-0.3004x2
b) :
t 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
v 0.03 8.9 17.2 24.9 32.0 38.4 44.3 49.6 54.3 58.4 61.8 64.7 67.0 68.7 69.7
159
160
4.1.2 DERIVACIÓN NUMÉRICA MEDIANTE POLINOMIOS DE NEWTON
Generalmente, cuando se aplica una operación en una función tabulada se
aproximan los datos a alguna función y se efectúa la operación sobre la función
generada, de esta manera se procede en la derivación numérica, es decir, se
aproxima la función tabulada f(x) y se deriva esta aproximación Pn(x).
Si la aproximación es polinomial la derivación numérica consiste
sencillamente en derivar la fórmula del polinomio interpolante que se utilizó.
En general:
f(x) = Pn(x) + Rn(x)… (1)
Entonces, la aproximación de la primera derivada es:

𝒅𝒇(𝒙) 𝒅𝑷𝒏 (𝒙)
≈ …(2)
𝒅𝒙 𝒅𝒙
En general:
𝒅𝒏 𝒇(𝒙) 𝒅𝒏 𝑷𝒏 (𝒙)
≈ …(3)
𝒅𝒙𝒏 𝒅𝒙𝒏
Derivando la fórmula de Newton:

𝒅𝒏 𝒇(𝒙) 𝒅𝒏 𝑷𝒏 (𝒙) 𝒅𝒏 𝑹𝒏 (𝒙)
= + …(4)
𝒅𝒙𝒏 𝒅𝒙𝒏 𝒅𝒙𝒏
Donde:
𝒅𝒏 𝑹𝒏 (𝒙) 𝒅𝒏 𝒇(𝒙) 𝒅𝒏 𝑷𝒏 (𝒙)
=Error que se comete al aproximar por
𝒅𝒙𝒏 𝒅𝒙𝒏 𝒅𝒙𝒏
Si las abscisas x0, x1,…,xn están regularmente espaciadas por intervalos
de longitud h, entonces Pn(x) puede escribirse en términos de diferencias
finitas.
Substituyendo f(x0), f(x0,x1),…, etc. en términos de diferencias finitas se
obtiene:
161
∆𝟐 𝒇(𝒙𝟎 )
𝑷𝒏 (𝒙) = 𝒇(𝒙𝟎 ) + (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) + ⋯ + (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) … (𝒙
𝟐! 𝒉𝟐
∆𝒏 𝒇(𝒙𝟎 )
− 𝒙𝒏−𝟏 )
𝒏! 𝒉𝒏
De donde:
∆𝒇(𝒙𝟎 ) ∆𝟐 𝒇(𝒙𝟎 )
𝒅𝒇(𝒙) 𝒅𝑷𝒏 (𝒙) 𝒅𝒇(𝒙𝟎 ) 𝒅[(𝒙−𝒙𝟎 ) ] 𝒅[(𝒙−𝒙𝟎 )(𝒙−𝒙𝟏 ) ]
𝒉 𝟐! 𝒉𝟐
≈ = + + +⋯+
𝒅𝒙 𝒅𝒙 𝒅𝒙 𝒅𝒙 𝒅𝒙
∆𝒏 𝒇(𝒙𝟎)
𝒅[(𝒙−𝒙𝟎 )(𝒙−𝒙𝟏 )…(𝒙−𝒙𝒏−𝟏 ) ]
𝒏! 𝒉𝒏
…(5)
𝒅𝒙
La cual se puede escribir como:
P’(x) = a1 + a2[(x-x0)+(x-x1)] + a3[(x-x0)(x-x1)+(x-x1)(x-x2)] + … +
an∑𝒊−𝟏
𝒌=𝟎 ∏𝒋=𝟎(𝒙 − 𝒙𝒋 )… (6)
𝒊−𝟏
𝒋≠𝒌
En general:
𝒏−𝟏 𝒊−𝟏 𝒊−𝟏
𝑷′ (𝒙) = ∑ 𝒂𝒊 ∑ ∏(𝒙 − 𝒙𝒋 ) …(7)

𝒊=𝟏 𝒌=𝟎 𝒋=𝟎
𝒋≠𝒌
Que es la Fórmula para Derivar con Polinomios de Newton.
Donde:
a1 = f(x0,x1)
a2 = f(x0,x1,x2)
:
:
an = f(x0,x1,…,xn)
162
Ejemplo 4.1.2.1
En la reacción de fabricación de Monoclorobenceno a partir de Benceno se
determinó la funcionalidad de la concentración de Benceno con respecto al
tiempo y a la temperatura de reacción. La información se muestra en la siguiente
tabla:
t(min) 40 45 50 55 60
0 0.700 0.700 0.700 0.700 0.700
2 0.578 0.500 0427 0.382 0.360
4 0.447 0.357 0.261 0.208
6 0.394 0.255 0.113 0.096
8 0.325 0.182 0.097 0.049
10 0.269 0.130 0.059 0.034 0.026
Calcule:
𝒅𝑪𝑩
a).- @ 7 minutos y 53°C utilizando un Polinomio de Newton de orden
𝒅𝑻
Solución:
Primero interpolaremos el valor de CB a 7 minutos:
t (min) 45°C 50°C 55°C
4 0.261
6 0.255 0.113
7 0.219 0.138 0.093
8 0.182 0.097
10 0.034
163
Aplicando la ecuación (7) a un Polinomio de orden 2:
P’2(T) = a1 + a2[(x-x0)+(x-x1)] …(1)
Generaremos la Tabla de Diferencias Divididas, es decir:
xi f(xi) Primera Segunda
45 0.219
-0.0161
50 0.138 0.0007
-0.009
55 0.093
De donde:
a1 = -0.0161
a2 = 0.0007
Substituyendo en (1):
P’2(T) = 0.0161 + 0.0007[(x-x0)+(x-x1)]
P’2(T) = 0.0161 + 0.0007[(53-45)+(53-50)]
P’2(53) = -0.0084
164
Problema 4.1.2.1
La entalpía de solución es función de la temperatura T y de la concentración x
de acuerdo a la siguiente Tabla:
T x
(ºC) 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
0 2.12 3.15 4.21 5.24 6.31 7.33 8.42 9.40 10.00
10 8.10 9.52 11.22 12.51 14.20 15.51 17.21 18.42 20.00
20 14.00 16.13 18.03 20.15 22.16 24.02 26.05 28.10 30.12
30 20.10 22.52 24.95 27.32 30.02 32.51 35.11 37.30 40.00
Encuentre la aproximación numérica que se indica utilizando un Polinomio
de Newton de segundo orden:

𝜕ℎ
( ) =?
𝜕𝑇
𝑥 = 0.48
T = 22ºC
Solución: 0.7228
165
Problema 4.1.2.2
a) Dada la Tabla y el siguiente Modelo Termodinámico calcule el Cp @
T = 15ºC y P = 11 bar:
𝜕𝑆
𝐶𝑝(𝑇, 𝑃) = 𝑇 ( )
𝜕𝑇 𝑃
Empleando para ello un Polinomio de LaGrange de segundo grado.
b) Dada la Tabla y el siguiente Modelo Termodinámico calcular el
Coeficiente de Joule-Thomson a las mismas condiciones de presión
y temperatura que el inciso a) empleando para ello un Polinomio de
Newton de segundo orden:

𝝏
 − 𝑻 (𝝏𝑻)
𝑷
𝝁= − [ ]
𝑪𝑷
c) Dada la Tabla y el siguiente modelo termodinámico calcule el
Coeficiente de Expansión Térmica a las mismas condiciones de
presión y temperatura que el inciso a):

𝟏 𝝏
𝜶= ( )
 𝝏𝑻 𝑷
NOTA.-
𝒎𝟑
 = [𝑲𝒎𝒐𝒍]
𝑲𝑱𝒐𝒖𝒍𝒆
H = [ 𝑲𝒎𝒐𝒍 ]
𝑲𝑱𝒐𝒖𝒍𝒆
S = [𝑲𝒎𝒐𝒍 𝑲]
166
Propiedades Termodinámicas del Oxígeno calculadas usando la Ecuación de Estado
de Peng-Robinson
T(ºC) -100 -75 -50 -25 0 25 50 75 100
P=1 bar
Z 0.9945 0.9963 0.9974 0.9982 0.9987 0.9991 0.9994 0.9996 0.9997
V 14.32 16.42 18.15 20.59 22.68 24.77 26.85 28.93 31.02
H -3603.75 -2898.69 -2186.80 -1480.83 -742.14 -9.44 730.04 1476.18 2228.83
S -15.59 -11.81 -8.43 -5.38 -2.59 -0.02 2.36 4.58 6.67
P=2 bar
Z 0.9889 0.9925 0.9948 0.9963 0.9974 0.9982 0.9987 0.9991 0.9994
V 7.119 8.176 9.229 10.280 11.330 12.370 13.420 14.460 15.500
H -3626.18 -2917.04 -2202.08 -1480.03 -753.13 -18.88 721.89 1469.10 2222.68
S -21.38 -17.63 -14.23 -11.17 -8.38 -5.81 -3.43 -1.19 0.87
P=5 bar
Z 0.9722 0.9813 0.9871 0.9909 0.9936 0.9954 0.9968 0.9978 0.9986
V 2.799 3.233 3.663 4.089 4.513 4.935 5.356 5.776 6.196
H -3694.40 -2972.47 -2248.04 -1519.52 -786.05 -47.12 697.51 1447.97 2204.29
S -29.33 -25.44 -22.00 -18.90 -16.09 -13.50 -11.10 -8.86 -6.77
P=10 bar
Z 0.9439 0.9626 0.9743 0.9820 0.9872 0.9910 0.9937 0.9957 0.9972
V 1.359 1.586 1.808 2.026 2.242 2.457 2.670 2.882 3.094
H -3811.36 -3066.16 -2325.11 -1584.04 -840.75 -93.94 657.16 1413.02 2173.92
S -35.55 -31.53 -28.00 -24.85 -21.99 -19.38 -16.97 -14.71 -12.60
P=20 bar
Z 0.8856 0.9252 0.9491 0.9646 0.9751 0.9825 0.9878 0.9918 0.9947
V 0.6375 0.7621 0.8804 0.9951 1.1070 1.2180 1.3270 1.4350 1.5430
H -4059.21 -3258.71 -2480.87 -1713.17 -949.56 -186.68 577.48 1344.15 2114.16
S -42.27 -37.95 -34.25 -30.99 -28.06 -25.39 -22.92 -20.64 -18.50
P=30 bar
Z 0.8245 0.8878 0.9246 0.9479 0.9636 0.9745 0.9824 0.9882 0.9925
V 0.3957 0.4876 0.5718 0.6519 0.7295 0.8053 0.8798 0.9535 1.0260
H -4329.71 -3458.44 -2638.59 -1842.18 -1057.37 -278.07 499.24 1276.72 2055.76
S -46.72 -42.01 -38.11 -34.73 -31.72 -28.89 -26.48 -24.17 -22.00
167
Problema 4.1.2.3
En el análisis de la actividad  de la enzima Polifenoloxidaza en muestras de
aguacate, se obtuvieron los siguientes datos de tiempo de tratamiento  (min)
y tiempo de reacción  (min):
Tiempo de Tiempo de reacción 

tratamiento 
15 30 45 60
30 0.166 0.166 0.152 0.155
60 0.162 0.140 0.154 0.149
120 0.100 0.080 0.192 0.162
180 0.057 0.067 0.057 0.104
240 0.052 0.056 0.058 0.080

𝝏𝜶
Calcule para =30 y =180 con Polinomio de Newton de grado 2
𝝏𝝆
Solución: 0
Problema 4.1.2.4
En la siguiente Tabla se muestra la relación de la concentración de
Monoclorobenceno (CMCB) con respecto al tiempo a diferentes temperaturas en
una reacción de cloración se Benceno:
T tiempo (minutos)
(ºC)
0 1 2 3 4 5 6 7 8
40 0 0.0629 0.1198 0.1711 0.2175 0.2593 0.2969 0.3309 0.3614
55 0 0.2295 0.3692 0.4502 0.4928 0.5106 0.5125 0.5045 0.4903
60 0 0.3144 0.4450 0.4831 0.4762 0.4487 0.4130 0.3752 0.3384
70 0 0.4206 0.3581 0.2485 0.1618 0.1033 0.0655 0.0412 0.0258

𝒅𝑪𝑴𝑪𝑩
Calcule pasados 5 minutos y 62ºC utilizando un Polinomio de segundo
𝒅𝑻
orden.
168
Problema 4.1.2.5
Para el Oxígeno molecular se tienen los siguientes datos PVT:
P T (K)
(atm)
373.15 363.15 353.15 343.15
28 0.2923 0.4557 0.8921 0.9261
27 0.1962 0.2745 0.4163 0.7577
26 0.1403 0.1875 0.2591 0.3837
25 0.1020 0.1352 0.1797 0.2455
24 0.0698 0.0986 0.1305 0.1726
Utilizando Polinomios de Newton de orden 2 calcule:

𝑑𝑉
a) = ? cuando P=25 atm y T=360.15 K
𝑑𝑇
𝑑𝑉
b) = ? cuando P=25.5 atm y T=360.15 K
𝑑𝑃
NOTA.- El volumen está dado en lt/gmol
169
Problema 4.1.2.6
Las densidades de las soluciones acuosas de Ácido Sulfúrico varían con la
temperatura y con la concentración como se muestra en la siguiente Tabla:
T (ºC)
C (%) 10 30 60 100
5 1.0344 1.0281 1.0140 0.9888
20 1.1453 1.1335 1.1153 1.0885
40 1.3103 1.2953 1.2732 1.2446
70 1.6923 1.6014 1.5753 1.5415
Calcule la variación de la densidad con respecto a la temperatura a 50ºC
y una concentración de Ácido Sulfúrico de 30% usando Polinomios de Newton
de segundo orden.
Solución: -0.0007
Problema 4.1.2.7
T tiempo (minutos)
(ºC)
0 1 2 3 4 5 6 7 8
40 0 0.0629 0.1198 0.1711 0.2175 0.2593 0.2969 0.3309 0.3614
55 0 0.2295 0.3692 0.4502 0.4928 0.5106 0.5125 0.5045 0.4903
60 0 0.3144 0.4450 0.4831 0.4762 0.4487 0.4130 0.3752 0.3384
70 0 0.4206 0.3581 0.2485 0.1618 0.1033 0.0655 0.0412 0.0258

𝒅𝑪𝑴𝑪𝑩
Calcule pasados 5 minutos y 62ºC utilizando un Polinomio de segundo
𝒅𝑻
orden.
170
4.2 OPTIMIZACIÓN
4.2.1 MÉTODOS UNIVARIABLES DE ELIMINACIÓN DE REGIONES
Búsqueda de la Sección Dorada
En la búsqueda de la raíz de una ecuación no lineal, el objetivo radica en
encontrar el valor de x que haga que f(x)=0.
La optimización en una sola variable tiene como objetivo encontrar el valor
de x que haga que f(x)=máximo o f(x)=mínimo.
La búsqueda de la Sección Dorada es una técnica de búsqueda para una
sola variable, la cual es sencilla y de propósito general y es similar al método de
la Bisección.
Valor de f(x) máximo
El primer paso consiste en definir un intervalo (xi ,xd ) dentro del cual se
desea encontrar el valor máximo de la función.
Para detectar si existe un máximo dentro del intervalo dado se requiere
otro valor de la función.
La clave del método consiste en la selección adecuada de los puntos
intermedios, siendo el objetivo primordial minimizar las evaluaciones de la
función, para lo cual se evalúa la función en estos puntos intermedios como se
muestra en la siguiente figura:
Primera Iteración: L0
Segunda Iteración: L1
171
Algoritmo de Cálculo:
1. Proponer un intervalo inicial xi , xd
2. Calcular la distancia d, la cual está dada por:
d = R ( xd – xi ) … (1)
3. Calcular los puntos interiores x1 y x2:
x1 = xi + d
… (2)
x2 = x d - d
4. Evaluar la función en x1 y en x2 :
Si f(x1) >f(x2) entonces xi = x2
En caso contrario xd = x1
5.- Calcular la nueva distancia:
d = R ( xd – xi )
6. Calcular una nueva x2 :
x2 = xi - d
7. Regresar al paso 4.
El procedimiento anterior se repite un número máximo de iteraciones o hasta
que se cumpla una tolerancia fijada previamente.
172
Ejemplo 4.2.1.1
Use la búsqueda de Sección Dorada para encontrar el máximo de:

𝒙𝟐
f(x) = 2 sen(x) -
𝟏𝟎
dentro del intervalo xi = 0, xd= 4.
Realice un máximo de 10 iteraciones o hasta que |x2 – x1| ≤ 0.0001
Solución:
De (1):
d = R(xd – xi) = 0.61803(4-0) = 2.4721
De (2):
x1 = xi + d = 2.4721
x2 = xd - d = 1.5279
f(x1) = 0.63
f(x2) = 1.7647
Puesto que f(x2) > f(x1) el nuevo intervalo estará definido entre xi
y x1, es decir:
xd = x1 = 2.4721
x1 = x2 = 1.5279
d = R(xd – xi) = 0.61803(2.4721-0) = 1.5278
x2 = xd – d = 2.4721-1.5278 = 0.9443
f(x2) = f(0.9443) = 1.5310
f(x1) = f(1.5279) = 1.7647
Puesto que f(x1) > f(x2) el nuevo intervalo estará definido entre xd
y x2, es decir:
xi = x2 = 0.9443
A continuación se presenta la Tabla de Resultados:

173
TABLA DE RESULTADOS
k xi xd d x1 x2 f(x1) f(x2)
1 0.0000 4.0000 2.4721 2.4721 1.5279 0.6300 1.7647
2 0.0000 2.4721 1.5278 1.5278 0.9443 1.7647 1.5310
3 0.9443 2.4721 0.9443 1.8885 1.5279 1.5432 1.7647
4 0.9443 1.8885 0.5836 1.5279 1.3050 1.7647 1.7595
5 1.3050 1.8885 0.3607 1.6656 1.5279 1.7136 1.7647
6 1.3050 1.6656 0.2229 1.5279 1.4427 1.7647 1.7755
7 1.3050 1.5279 0.1378 1.4427 1.3901 1.7755 1.7742
8 1.3901 1.5279 0.0851 1.4752 1.4427 1.7732 1.7755
9 1.3901 1.4752 0.0526 1.4427 1.4426 1.7755 1.7757
 El máximo se encuentra en x = 1.4427
174
Problema 4.2.1.1
Encontrar el máximo de la siguiente función mediante el Método de Búsqueda de
la Sección Dorada:
f(x) = -1.5x6 – 2x4 + 2x
En el intervalo ( 0 , 4 )
Solución: Máximo=x=0.5836
Problema 4.2.1.2
Encuentre el mínimo de la siguiente función mediante el Método de Búsqueda de
la Sección Dorada en el intervalo ( 3 , 8 ) realizando para ello un máximo de 10
iteraciones:
f(x) = x3 – 12x2 + 40.25x – 36.5
Solución: Mínimo= x=5.6073
Problema 4.2.1.3
la Sección Dorada en el intervalo ( 0 , 8 ) realizando para ello un máximo de 10
iteraciones:
f(x) = x3 – 12x2 + 40.25x – 36.5
Solución: Mínimo= x=0
175
Problema 4.2.1.4
Encuentre el valor máximo de la siguiente función mediante el Método de
Búsqueda de la Sección Dorada en el intervalo ( 0 , 8 ) realizando para ello un
máximo de 10 iteraciones:
f(x) = -x e-x + 0.2
Búsqueda de Fibonacci
El principio de este método es básicamente el mismo que el de la Búsqueda
de la Sección Dorada, con la diferencia de que en este caso la distancia entre
los puntos inicial y final está dada por:

𝑭𝒏−𝟐
d = 𝑳… (3)
𝑭𝒏
Donde Fi son los valores de la Serie de Fibonacci, los cuales están dados
por:
n Fn
0 1
1 1
2 2
3 3
4 5
5 8
6 13
A su vez:
L = xf – xi … (4)
A partir de aquí el procedimiento es similar al de la Región Dorada.
176
Ejemplo 4.2.1.2
Use el Método de Búsqueda de Fibonacci para encontrar el máximo de:

𝒙𝟐
f(x) = 2 sen(x) - 𝟏𝟎
Dentro del intervalo xi= 0;xd= 4
Solución:
De (4):
L = x d – xi = 4 – 0 = 4
n=4 Fn=5
De (3):
𝟐
d=𝟓 (𝟒)=1.6
De (2):
x1= xi + d = 0 + 1.6 = 1.6f(x1) = 1.7341
x2 = xd – d = 4 – 1.6 = 2.4f(x2) = 0.7749
f(x1) > f(x2) :
xd = x2
A continuación se presenta la Tabla de Resultados:
TABLA DE RESULTADOS
n xi xd d x1 x2 f(x1) f(x2)
4 0.0 4.0 1.60 1.60 2.40 1.7431 0.7749
3 0.0 2.4 0.80 0.80 1.60 1.3707 1.7431
2 0.8 2.4 0.80 1.60 1.60 1.7431 1.7431
1 0.8 1.6 0.08 0.88 1.52 1.4640 1.7664
El máximo se encuentra en 1.52
177
178
Problema 4.2.1.5
Encontrar el máximo de la siguiente función mediante el Método de Búsqueda de
Fibonacci:
f(x) = -1.5x6 – 2x4 + 2x
En el intervalo ( 0 , 4 )
Solución: Máximo=x=0.5836
Problema 4.2.1.6.- Encuentre el mínimo de la siguiente función mediante el
Método de Búsqueda de Fibonacci en el intervalo ( 3 , 8 ) realizando para ello
un máximo de 10 iteraciones:
f(x) = x3 – 12x2 + 40.25x – 36.5
Solución: Mínimo= x=5.6073
Problema 4.2.1.7
Fibonacci en el intervalo ( 0 , 8 ) realizando para ello un máximo de 10
iteraciones:
f(x) = x3 – 12x2 + 40.25x – 36.5
179
Problema 4.2.1.8
Encuentre el valor máximo de la siguiente función mediante el Método de
Búsqueda de Fibonacci en el intervalo ( 0 , 8 ) realizando para ello un máximo
de 10 iteraciones:
f(x) = -x e-x + 0.2
180
4.2.2 MÉTODOS MULTIVARIABLES SIN
RESTRICCIONES
a) MÉTODO DE NEWTON-RAPHSON CON OPTIMIZACIÓN DE UN

TAMAÑO DE LA ETAPA T Y UNA DIRECCIÓN DE BÚSQUEDA
Este método es un método de aceleración de convergencia, es decir, se
hace uso de un factor t para hacerla más rápida, donde los nuevos valores de las
variables x y y se obtienen de la siguiente manera:
x(k+1) = x(k) + td1(k)

y(k+1) = y(k) + td2(k)
Donde:
t = Factor de tamaño de la etapa de aceleración
d1 , d2 = Dirección del desplazamiento del vector de convergencia
d1 y d2 se calculan a partir de la función residuo:
z = f12(x,y) + f22(x,y)
z
d1 =
x
z
d2 =
y
Para saber cuál de los valores de t es el óptimo, es necesario desarrollar
la función residuo, la cual está dada por:

n
z= f
2
i
i =1
Es necesario evaluar la función residuo para cada valor de t propuesto y
aquélla que arroje el valor menor será la que proporcione el valor de t más
adecuado.
181
PROBLEMAS RESUELTOS
Ejemplo 4.2.2.1.a
Aplique el Método de Newton-Raphson con optimización de t para resolver el
siguiente sistema de ecuaciones no lineales:
f1(x,y) = x2 - 10x + y2 + 8 = 0
f2(x,y) = xy2 + x -10y + 8 = 0
Utilice un vector de valores iniciales x(0) = ( 0 , 0 ) y realice una búsqueda entre
tmin = -0.5 y tmax = -1.5, en incrementos de ∆t = -0.25
Solución:
Aplicando el Método de Newton-Raphson Multivariable para los valores
iniciales proporcionados obtenemos:
∆x = 0.8 ∆y = 0.88
Es decir, el vector d está dado por:
d = ( -0.8 , -0.88 )
A continuación se presentan los resultados obtenidos con los valores de t
propuestos:
t x y
-0.50 0.4 0.44
-0.75 0.6 0.66
-1.00 0.8 0.88
-1.25 1.0 1.10
-1.50 1.2 1.32
En este caso la función residuo z estará dada por:
z = f12(x,y) + f22(x,y)
182
En la siguiente Tabla se presentan los valores de z para los diferentes
valores de t:
t z
-0.50 35.5794
-0.75 12.9291
-1.00 2.3843
-1.25 0.6682
-1.50 4.3132
Como se puede observar, el valor óptimo de t es:
t = -1.25
Puesto que es el que arroja el menos valor de la función residuo z.
183
184
Problema 4.2.2.1.a
Utilice el Método de Newton-Raphson con optimización de t para encontrar una
solución del siguiente sistema de ecuaciones no lineales:
f1(x1,x2) = x1(4 – 0.0003x1 – 0.0004x2) = 0

f2(x1,x2) = x2(2 – 0.0002x1 – 0.0001x2) = 0
Utilice un vector de valores iniciales x(0) = ( 0 , 0 ) y realice una búsqueda
de t óptima entre los siguientes valores:
t1 = (a + b)/2
t2 = (a + t1)/2
t3 = (t1 + b)/2
t4 = (t2 + t1)/2
t5 = (t3 + t1)/2
Problema 4.2.2.2.a
Obtenga una aproximación a la solución del siguiente sistema de ecuaciones no
lineales usando el Método de Máxima Pendiente. Realice la búsqueda del
parámetro t en el intervalo ( 0.006 , 0.008 ). Haga solo una iteración con la t
óptima encontrada y utilice x(0) = 0 y y(0) = 1 como valores iniciales:
x
3 - 2y = -1
y
5x – y2 = 1
185
186
b) DEFINICIÓN DE GRADIENTE Y SU USO COMO VECTOR DE
DIRECCIÓN EN EL MÉTODO DE LA MÁXIMA PENDIENTE
Se define el gradiente de la función z(xi) como el vector en el plano
coordenado cuya dirección nos indica hacia dónde avanzar lo más rápidamente
posible.
Como nuestro interés radica en descender lo más bruscamente posible, se
toma la dirección contraria del gradiente, es decir, matemáticamente
avanzaremos en la dirección de -z.
El vector dirección estará dado por:
z
di =
xi
187
PROBLEMAS RESUELTOS
Ejemplo 4.2.2.1.b
Obtenga la dirección del descenso de máxima pendiente del sistema:
f1(x1,x2,x3) = 3x1 – cos (x2 x3) – 0.5 = 0

f2(x1,x2,x3) = x12 – 625x22 = 0
f3(x1,x2,x3) = e − x x + 20x3 + (10π – 3)/3 = 0
1 2
Use como vector inicial x(0) = ( 0 , 0 , 0 )
Solución:
La función residuo z está dada por:
z = [ 3x1 - cos(x2x3) - 0.5]2 + [ x12 – 625x22 ]2 + [ e − x x + 20x3 + (10π – 3)/3]2

1 2
Los componentes del vector dirección d están dados por:
z z z
d1 = d2 = d3 =
x1 x 2 x3
Es decir:
d1 = 6 [ 3x1 - cos(x2x3) - 0.5 ] + 4x1 ( x12 – 625x22 )
– 2x2 e − x x [ e − x x + 20x3 + (10π – 3)/3 ]

1 2 1 2
d2 = 2x3 sen(x2x3) [ 3x1- cos(x2x3) - 0.5] – 2500x2 ( x12 – 625x22 )
-2x1 e − x x [ e − x x + 20x3 + (10π – 3)/3 ]

1 2 1 2
d3 = 2x2sen(x2x3) [ 3x1 - cos(x2x3) - 0.5] + 40 [ e − x x + 20x3 + (10π – 3)/3 ]

1 2
Evaluando d1, d2 y d3 en x(0) se obtiene:
d1 = -9 d2 = 0 d3 = 418.8787
Es decir, el vector dirección está dado por:
 −9 
 
d=  0 
418 .8787 
188
Problema 4.2.2.1.b
Para resolver el sistema de ecuaciones no lineales:
x2 + y cos(xy) = 37
xsen(x1.3 y) – y2 = 5
por el Método del Descenso de Máxima Pendiente (descenso más brusco), se

n
requiere construir la función z(x,y) =  f (x, y)
i =1
i
2
y calcular su gradiente z(x,y).
Calcule ( 1 , 2 ).
Problema 4.2.2.2.b
Para resolver el sistema de ecuaciones no lineales:
x + y cos(xy) = 37
x sen(x y1.8) – y = 5
2
por el Método del Descenso de Máxima Pendiente (descenso más brusco), se

n
requiere construir la función z(x,y) =  f (x, y)
i =1
i
2
y calcular su gradiente z(x,y).
Calcule ( 2 , 3 ).
Problema 4.2.2.3.b
Obtenga el vector de dirección del descenso de máxima pendiente del siguiente
sistema de ecuaciones no lineales:
f1(x1,x2) = x12 – 625 x22 = 0

 10 − 3 
f2(x1,x2) = e − x x + 
1 2
 =0
 3 
Use como vector inicial x(0) = ( 0 , 0 )
189
Problema 4.2.2.4.b
Obtenga el vector de dirección del descenso de máxima pendiente del siguiente
sistema de ecuaciones no lineales:
f1(x1,x2) = 3x1 –cos(x2) – 0.5 = 0

f2(x1,x2) = x12 – 625x22 = 0
Use como vector inicial x(0) = ( 0 , 0 )
Problema 4.2.2.5.b
Para la reacción:
A+B C+D
A+C 2E
con una alimentación de 1 mol/lt de A y 2 mol/lt de B, a la temperatura de la
reacción, las constantes de equilibrio son: k1 = 2.6 y k2 = 3.1; se plantean las
siguientes ecuaciones para el cálculo de los grados de avance ε1 , ε2 :
( 1 −  2 ) 1
k1 =
(1 −  1 −  2 )( 2 −  1 )
(2 2 ) 2
k2 =
(1 −  1 −  2 )( 1 −  2 )
Obtenga el vector de dirección del descenso de máxima pendiente del sistema
anterior usando como vector inicial ε(0) = ( 0.85 , 0.55 )
190
4.2.3 MÉTODOS MULTIVARIABLES CON RESTRICCIONES
La técnica de Multiplicadores de Lagrange es un método que se utiliza para
optimizar funciones de más de una variable sujetas a restricciones. Se agrega
un multiplicador (lambda) por cada restricción que se tenga en el problema y con
esto se obtiene una ecuación de n variables más m lambdas (m restricciones); se
deriva parcialmente dicha función con respecto a cada variable y a cada
restricción y se resuelve el sistema de ecuaciones resultante para cada variable
y para cada multiplicador. Con esto se obtienen los valores óptimos de cada
variable que conducen al valor óptimo de la función.
191
192
Ejemplo 4.2.3.1
Calcule las dimensiones de un tanque rectangular sin tapa de 1000 pies 3 de
capacidad que pueda construirse con la menor cantidad de material, como se
muestra en la siguiente figura:
Solución:
La función objetivo se puede representar como:
min f = 2HW + 2HL + WL … (1)
sujeta a:
HLW = 1000 HLW – 1000 = 0
utilizando multiplicadores de Lagrange:
l = 2HW + 2HL + WL + (HLW – 1000) …(2)
derivando parcialmente l con respecto a H, W, L y  nos queda:

𝝏𝒍
= 𝑾 + 𝟐𝑯 + 𝑾𝑯 = 0 … (3)
𝝏𝑳
𝝏𝒍
= 𝟐𝑯 + 𝑳 + 𝑾𝑯 = 0 … (4)
𝝏𝑾
𝝏𝒍
= 𝟐𝑾 + 𝟐𝑳 + 𝑳𝑾 = 0 … (5)
𝝏𝑯
𝝏𝒍
= 𝑳𝑾𝑯 − 𝟏𝟎𝟎𝟎 = 0 … (6)
𝝏
de la ecuación (3):
−(𝑾+𝟐𝑯)
 = 𝑾𝑯
… (7)
193
substituyendo en (4) y resolviendo para W:
W = L … (8)
de la ecuación (5) se obtiene:

𝟒
− 𝑾… (9)
entonces, de la ecuación (3):
W = 2H… (10)
(10) en (6):
𝑾𝟑
− 𝟏𝟎𝟎𝟎= 0… (11)
𝟐
Resolviendo:
W = 12.6 pies
L = 12.6 pies
H = 6.3 pies
194
Ejemplo 4.2.3.2
15 m3 de gas a una temperatura de 50°C y una presión de 175 KPa se comprimirá
hasta una presión final de 17500 KPa. Para tal efecto se eligió un arreglo de 2
compresores en serie como se muestra en la siguiente figura:
El intercambiador de calor regresa la temperatura a su nivel
inicial de 50°C. Asuma que el sistema sigue la Ley de los Gases
Ideales. Se seleccionó dicho arreglo debido a la característica de
cada compresor de manejo de volumen y presión.
Las ecuaciones de costo son las siguientes:
CC = 70 Q0 + 1600 P1 / P0
… (1)
CR = 200 Q1 + 800 P2 / P1
Donde:
CC = Costo del compresor centrífugo [ $ ]
CR = Costo del compresor reciprocante [ $ ]
Q = Flujo [ m3 / s ]
a).- Obtenga la función objetivo para el costo total y las ecuaciones de
restricción (si es que existen)
195
b).- Utilizando el método de los multiplicadores de Lagrange calcule la
relación óptima de las presiones, así como el costo total mínimo.
Solución:
a).- Ley de los gases ideales:

𝑸𝟎 𝑷 𝟎 𝑸𝟏 𝑷 𝟏
= ... (2)
𝑻𝟎 𝑻𝟏
De donde:
𝑷 𝑻 𝑷𝟎
Q1=Q0𝑷𝟎 𝑻𝟏 = 15 …(3)
𝟏 𝟎 𝑷𝟏
CT = CC + CR…(4)
(1) en (4):
𝑷 𝑷 𝑷
CT = 70*15+1600𝑷𝟏 + 200*15𝑷𝟎+800𝑷𝟐
𝟎 𝟏 𝟏
𝑷 𝑷 𝑷
CT = 1050+1600𝑷𝟏 + 3000𝑷𝟎+800𝑷𝟐 … (4)
𝟎 𝟏 𝟏
Si
𝑷𝟏 𝑷𝟐
= R1 y = R2 …. (5)
𝑷𝟎 𝑷𝟏
Se puede escribir:
𝑷𝟏 𝑷𝟐 𝟏𝟕𝟓𝟎𝟎
* = = 100 = R1 * R2
𝑷𝟎 𝑷𝟏 𝟏𝟕𝟓
De (4):
𝟑𝟎𝟎𝟎
CT = 1050+1600 R1 + +800 R2
𝑹𝟏
sujeta a:
R1 * R2 = 100
Aplicando multiplicadores de Lagrange:
𝟑𝟎𝟎𝟎
w = 1050 + 1600 R1 + + 800 R2 + (R1 R2 – 100) … (6)
𝑹𝟏
que es la función objetivo.
196
b).- Derivando (6) con respecto a cada una de las variables:
𝝏𝒘 𝟑𝟎𝟎𝟎
= 𝟏𝟔𝟎𝟎 − +  𝑹𝟐 = 𝟎
𝝏𝑹𝟏 𝑹𝟐𝟏
… (7)
𝝏𝒘
= 800 + R1 = 0
𝝏𝑹𝟐
𝝏𝒘
= R1*R2 – 100 = 0
𝝏
Aplicando el método de Newton-Raphson Multivariable para resolver el sistema
de ecuaciones no lineales (7) con los valores iniciales R1(0) = 9; R2(0) = 11; (0) = 1
en 14 iteraciones se obtiene el siguiente resultado:
R1 = 7.2
R2 = 13.88
 = -111.07
De (5):
P1 = R1 P0 = 7.2 * 175
Es decir, la relación óptima de presiones es:
P1 = 1260 KPa
y el costo total mínimo está dado por:
CT = 24090.67 $
197
198
Problema 4.2.3.1
En un reactor por lotes se produce un compuesto orgánico. El tiempo requerido
para completar con éxito un lote depende de la cantidad cargada al reactor y se
puede correlacionar de la siguiente manera:
t = 2 P0.4
Donde:
P = Cantidad de producto [lb/lote]
t = Tiempo de producción [hr/lote]
Una cierta cantidad de tiempo improductivo está asociada con cada lote por
carga / descarga y mantenimiento menor y es de 14 hr/lote. El costo de
operación para el sistema por lotes es de 50 $/hr. El costo de capital incluyendo
almacenamiento depende del tamaño de cada lote y es:
CC = 800 P0.7 [$/año]
La producción anual requerida es de 300000 libras y el proceso puede ser
operado 320 días/año durante 24 horas al día. El costo de la materia prima es
de 400000 $/año.
1) Formule la función objetivo que describa el proceso.
2) Obtenga el costo total óptimo.
Solución:
1) CT = 4x105 + 800 P0.7 + 3x107/P0.6
2) CT* = 863205.52 $/año
199
Problema 4.2.3.2
Una máquina puede fabricar 1000 unidades de producto A por hora ó 2000 de
producto B por hora. El tiempo total de producción disponible es de 2400 hr/año.
Los costos fijos anuales son de $80000.00. Otros datos son los siguientes:
Costo promedio por Ventas netas promedio

Producto unidad por unidad
[$/unidad] [$/unidad]
A 6 NA x 10-8 + 0.2 0.5
B 0.15 0.2
Donde NA es la producción anual de unidades de A. Calcule la cantidad de
unidades del producto A (NA) y del producto B(NB) para obtener el máximo
beneficio por año.
Solución:
NA = 1 667 000 unidades/año
NB = 1 467 000 unidades/año
200
Problema 4.2.3.3
Un total de 100 metros de tubería deben instalarse en un intercambiador de
calor de tubo y coraza para obtener la cantidad adecuada de área de
transferencia de calor. El costo total de instalación en dólares incluye:
• Costo de la tubería $900.00
• Costo de la coraza 1100 D2.5 L [$]
• Costo del espacio ocupado por el cambiador 320 D L [$]
Donde L es la longitud del intercambiador y D es el diámetro del mismo,
ambos en metros. El espaciamiento de los tubos es tal que 200 de ellos se pueden
acomodar en un área de 1m2. Determine L* y D* para obtener un costo mínimo.
Considere como restricción del problema los 100 m de tubería de acuerdo a la
siguiente expresión:
50  D2 L = 100
Solución:
*
L = 1.31 m
D* = 0.696 m
201
Problema 4.2.3.4
Las dimensiones de un ducto rectangular se seleccionan de tal manera que a
través de dicho ducto circule la mayor cantidad posible de aire:
0.8 m
h w
0.6 m
Obtenga la función objetivo y la(s) restricción(es) en términos de h y w, así como
los valores óptimos de dichas variables y la función objetivo:
Solución:
f(h,w,) = h w + (0.4 h + 0.3 w – 0.24)
h*=0.3 m; w*= 0.4 m; *=-1
202
V.- SOLUCIÓN DE ECUACIONES
DIFERENCIALES
Las ecuaciones diferenciales juegan un papel esencial en las disciplinas
científicas y técnicas, ya que la mayoría de los fenómenos físicos se pueden
modelar utilizando este tipo de ecuaciones y solo un número limitado de éstas
pueden resolverse analíticamente. Los métodos numéricos pueden dar una
solución aproximada a la mayoría de estas ecuaciones, sin embargo, obtener una
solución numérica no es una tarea sencilla, ya que no existe un método numérico
general que pueda resolver todas las ecuaciones diferenciales existentes.
Una ecuación diferencial ordinaria (ODE ó EDO) es una ecuación que
contiene una variable independiente, una variable dependiente y una o más
derivadas de la variable dependiente. Una ecuación diferencial de primer orden
se puede representar de la siguiente forma:

𝑑𝑦
= 𝑓(𝑥, 𝑦) … (1)
𝑑𝑥
Donde x e y representan la variable independiente y dependiente
respectivamente. La solución es una función y = F(x) que satisface la ecuación.
En general, existen muchas funciones que dan solución a una determinada ODE,
por lo que se necesita más información para calcular la solución a un problema
específico. Esta información adicional es el valor de la función (variable
dependiente) para uno o más valores de la variable independiente.
203
204
5.1 MÉTODOS DE INTEGRACIÓN
La integración es una operación matemática muy usada para resolver
problemas en distintos campos científicos y técnicos. La integración de
funciones sencillas se puede realizar de forma analítica, sin embargo muchas
funciones son difíciles, e incluso imposibles de integrar en forma analítica. En
los cursos de cálculo el integrando (lo que se integra) generalmente se
proporciona en forma de una función, no obstante, en aplicaciones científicas y
técnicas el integrando puede estar dado ya sea como una función o bien como un
conjunto de puntos tabulados.
La integral definida de una función f(x) en el intervalo a,b se expresa como
sigue:
𝒃
𝑰 = ∫ 𝒇(𝒙)𝒅𝒙
𝒂
La función f(x) es el integrando y los valores a y b son los límites de
integración. Gráficamente el valor de la integral I es el área sombreada que se
encuentra debajo de la curva de la función y está limitada por los puntos a y b
del eje x, como se muestra en la siguiente figura:
Cuando se calcula una integral definida de forma analítica, f(x) es siempre
una función, pero cuando la integral se calcula numéricamente f(x) puede ser una
función o una serie de puntos. En la integración numérica el área total se obtiene
dividiéndola en secciones más pequeñas, calculando el área de cada sección y
posteriormente sumando todas las áreas. Para este propósito se han
205
desarrollado diferentes métodos numéricos, la diferencia entre ellos radica en
la forma de dividir el área total en secciones y la forma en que se calcula el área
de cada sección.
5.1.1 MÉTODOS DE NEWTON COTES
Son las técnicas más utilizadas para estimar:

𝒃
I = ∫𝒂 𝒇(𝒙)𝒅𝒙…(1)
Para estimar la integral definida (1) los métodos de Newton-Cotes
funcionan en general bajo dos condiciones:
i. El intervalo [a, b] se divide en n intervalos de igual amplitud.
ii. La función f(x) se aproxima por un polinomio Pn(x) de grado
n y se integra para obtener la aproximación (1). En otras
palabras, se basa en la estrategia de remplazar una función
complicada o un conjunto de datos tabulares con alguna
función aproximada que sea más fácil de integrar, esto es,
fn(x) por Pn(x). Podemos emplear un polinomio de primer
grado, es decir, una línea recta como aproximación o bien una
parábola.
La integral definida se puede aproximar empleando una serie
de polinomios aplicados por partes ya sea a la función o bien a los datos sobre
intervalos de longitud constante.
Las fórmulas de Newton-Cotes pueden ser abiertas o
cerradas.
Las cerradas son aquellas donde los puntos al principio y al
final de los límites se conocen.
206
Las abiertas tienen los límites de integración extendidos
más allá del rango de los datos.
A saber, los Métodos de Newton-Cotes son los siguientes:
5.1.1.1 MÉTODO DEL TRAPECIO
La precisión de la aproximación se incrementa si se usan trapecios en lugar
de rectángulos al dividir el área de interés, como se muestra en la figura:
El área del trapecio está dada por:

𝟏
𝑨𝒓𝒆𝒂 = [𝒇(𝒙𝒊 ) + 𝒇(𝒙𝒊+𝟏 )]∆𝒙 …(2)
𝟐
5.1.1.2 MÉTODO TRAPEZOIDAL COMPUESTO
Si en lugar de usar un solo trapecio el área a integrar se divide en n
trapecios, entonces el método se conoce como Trapezoidal Compuesto.
La suma de las áreas de los n trapecios proporciona una aproximación del
área bajo la curva y por lo tanto una aproximación a la integral definida, es decir:
207
𝒃
𝟏 𝟏
∫ 𝒇(𝒙)𝒅𝒙 ≈ [𝒇(𝒙𝟏 ) + 𝒇(𝒙𝟐 )]∆𝒙 + [𝒇(𝒙𝟐 ) + 𝒇(𝒙𝟑 )]∆𝒙 + ⋯
𝟐 𝟐
𝒂
𝟏
+ [𝒇(𝒙𝒏−𝟏 ) + 𝒇(𝒙𝒏 )]∆𝒙
𝟐
𝒃
∆𝒙
∫ 𝒇(𝒙)𝒅𝒙 = …
[𝒇(𝒙𝟏 ) + 𝟐𝒇(𝒙𝟐.) + ⋯ + 𝟐𝒇(𝒙𝒏−𝟏 ) + 𝒇(𝒙𝒏 )]…(… (3)
𝟐
𝒂
Donde:
𝒃−𝒂
∆𝒙 = 𝒉 =
𝒏
La cual recibe el nombre de Regla del Trapecio.
Reglas de Simpson
Otra forma de obtener una estimación más exacta de una integral es
mediante el uso de polinomios de orden superior para conectar los puntos.
Este método se basa en la aproximación del área bajo la curva a través de
columnas usando curvas en lugar de rectas en la parte superior de cada columna.
A las fórmulas que se obtienen al evaluar la integral bajo estos polinomios se les
conoce como Reglas de Simpson.
208
5.1.1.3 MÉTODO DE SIMPSON 1/3
El primer paso consiste en dividir el intervalo de interés [a,b] en un
número par de subintervalos.
A continuación se aproximan los tres primeros puntos a través de un
polinomio de segundo grado para calcular el área bajo la curva correspondiente.
De manera similar se toman los siguientes tres puntos y se genera otro polinomio
de segundo grado para calcular el área bajo la curva y así sucesivamente. La suma
de estas áreas dará como resultado la aproximación de la integral.
La ecuación resultante está dada por:

𝒃 𝒉
∫𝒂 𝒇(𝒙)𝒅𝒙 = [𝒇(𝒙𝟎 ) + 𝟒𝒇(𝒙𝟏 ) + 𝟐𝒇(𝒙𝟐 ) + 𝟒𝒇(𝒙𝟑 ) + 𝟐𝒇(𝒙𝟒 ) + ⋯ 𝟐𝒇(𝒙𝒏−𝟐 ) +
𝟑
𝟒𝒇(𝒙𝒏−𝟏 ) + 𝒇(𝒙𝒏 )] …. (4)
Generalizando:
𝒃 𝒏−𝟏 𝒏−𝟐
𝟏
.∫ 𝒇(𝒙)𝒅𝒙 = ) 𝒉 [𝒇(𝒙𝟎 ) + 𝟒 ∑ 𝒇(𝒙𝒊 ) + 𝟐 ∑ 𝒇(𝒙𝒊 ) + 𝒇(𝒙𝒏 )] … ( 5)
𝟑
𝒂 𝒊=𝟏 𝒊=𝟐
La cual se conoce
𝒊=𝒊+𝟐como Regla de Simpson 1/3.
𝒊=𝒊+𝟐
209
5.1.1.4 MÉTODO DE SIMPSON 3/8
De manera similar a la Regla del Trapecio y a la Regla de Simpson 1/3, se
puede ajustar un polinomio de tercer orden a cuatro puntos.
El primer paso consiste en dividir el intervalo de interés [a,b] en un
número de subintervalos que sea múltiplo de tres.
A continuación se aproximan los cuatro primeros puntos a través de un
polinomio de tercer grado para calcular el área bajo la curva correspondiente.
De manera similar se toman los siguientes cuatro puntos y se genera otro
polinomio de tercer grado para calcular el área bajo la curva y así sucesivamente.
La suma de estas áreas dará como resultado la aproximación de la integral.
La fórmula general está dada por:
𝒏
𝒃 𝒏/𝟑 −𝟏
𝟑
𝟑
∫ 𝒇(𝒙)𝒅𝒙 = 𝒉 [𝒇(𝒙𝟎 ) + 𝟑 ∑{𝒇(𝒙𝟑𝒊−𝟐 ) + 𝒇(𝒙𝟑𝒊−𝟏 )} + 𝟐 ∑ 𝒇(𝒙𝟑𝒊 ) + 𝒇(𝒙𝒏 )]
𝟖
𝒂 𝒊=𝟏 .…(6) 𝒊=𝟏
La cual se conoce como Regla de Simpson 3/8 y es aplicable para n = 3, 6,
9, …, etc.
210
Ejemplo 5.1.1.1
Utilice la Regla del Trapecio con n = 10 para aproximar el valor de la siguiente
integral:
2
𝟏
∫ 𝒅𝒙
𝒙
1
Solución:
a=1
b=2
n = 10
2−1
x = = 0.1
10
Aplicando la ec. (3):

𝟐
𝟏 𝟎. 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏
∫ 𝒅𝒙 = [ +𝟐 +𝟐 +𝟐 +𝟐 +𝟐 +𝟐 +𝟐 +𝟐
𝒙 𝟐 𝟏 𝟏. 𝟏 𝟏. 𝟐 𝟏. 𝟑 𝟏. 𝟒 𝟏. 𝟓 𝟏. 𝟔 𝟏. 𝟕 𝟏. 𝟖
𝟏
𝟏 𝟏
+𝟐 + ]
𝟏. 𝟗 𝟐
2𝟏
∫1 𝒅𝒙 = 0.6938
𝒙
211
Ejemplo 5.1.1.2
Utilice la Regla de Simpson 1/3 con n = 10 para aproximar el valor de la siguiente
integral:
2
𝟏
∫ 𝒅𝒙
𝒙
1
Solución:
a=1
b=2
n = 10
2−1
x = = 0.1
10

𝟐
𝟏 𝟎. 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏
∫ 𝒅𝒙 = [ +𝟒 +𝟐 +𝟒 +𝟐 +𝟒 +𝟐 +𝟒 +𝟐
𝒙 𝟑 𝟏 𝟏. 𝟏 𝟏. 𝟐 𝟏. 𝟑 𝟏. 𝟒 𝟏. 𝟓 𝟏. 𝟔 𝟏. 𝟕 𝟏. 𝟖
𝟏
𝟏 𝟏
+𝟒 + ]
𝟏. 𝟗 𝟐
2𝟏
∫1 𝒅𝒙 = 0.6932
𝒙
212
Ejemplo 5.1.1.3
Utilice la Regla de Simpson 3/8 con n = 3 para aproximar el valor de la siguiente
integral:
2
𝟏
∫ 𝒅𝒙
𝒙
1
Solución:
a=1
b=2
n=3
2−1
x = = 0.3333
3

𝟐
𝟏 𝟑 𝟏 𝟏 𝟏 𝟏
∫ 𝒅𝒙 = (𝟎. 𝟑𝟑𝟑𝟑) [ + 𝟑 +𝟑 + ]
𝒙 𝟖 𝟏 𝟏. 𝟑𝟑𝟑𝟑 𝟏. 𝟔𝟔𝟔𝟕 𝟐
𝟏
𝟐𝟏
∫𝟏 𝒙 𝒅𝒙 = 0.6937
213
214
Problema 5.1.1.1
Las torres de enfriamiento son equipos ampliamente utilizados en la industria
para reutilizar el agua de servicio empleada en la disipación de calor en diversos
procesos. Su principio se basa en la evaporación e intercambio de calor sensible
al mezclar dos corrientes (agua-aire) a diferentes temperaturas, la altura Z de
la torre para efectuar el enfriamiento deseado está dada por:

𝑮 𝒉𝟐 𝒅𝒉
Z = ∫𝒉
𝑲𝒀𝒂 𝟏 𝒉𝒊−𝒉
Donde:
G = Flujo másico de aire [Kg/h m2]
KYa = Coeficiente global de transferencia de masa [Kg/h m3]
h1 = Entalpía de entrada del aire a la torre [Kcal/Kg]
h2 = Entalpía de salida del aire a la torre [Kcal/Kg]
hi = Entalpía del aire en la interfase [Kcal/Kg]
Para enfriar 5 m3/h de agua desde 45ºC hasta 30ºC se emplea una torre
de enfriamiento (que opera a contracorriente) a la que entran 10,000 Kg/h m 2
de aire a condiciones tales que su entalpía de entrada es de 15.15 Kcal/Kg y sale
de la torre con un valor entálpico de 28.3 Kcal/Kg. Para las condiciones de
operación se ha determinado que el valor del coeficiente global de transferencia
de masa KYa es de 2,500 Kg/h m3. Debido al uso de agua tratada (bajo contenido
en sólidos) la resistencia a la transferencia de calor y masa reside en la fase
gaseosa y los valores de la entalpía del aire en la interfase en función de la
temperatura se muestran en la siguiente tabla:
215
T (ºC) 12 16 22 26 31 34 37 40 46
hi 10.7 16.6 19.2 25 29.2 34 39.6 53.4

8.75
(Kcal/Kg)
Usando 6 segmentos calcule la altura de la torre mediante el Método de
Simpson 1/3.
Problema 5.1.1.2
Calcule el cambio de entalpía específica que sufre el aire al pasar de 430ºC a
100ºC:
𝑻𝟐
∆H = ∫𝑻 𝑪𝑷 (𝑻)𝒅𝑻
𝟏
La Capacidad Calorífica a presión constante del aire en este rango de
temperaturas está dada por:
CP = 0.02894 + 0.4147x10-5 T + 0.3191x10-8 T2 – 1.965x10-12 T3
donde T = [ºC] y CP = [KJoule/mol ºC]
Use para su cálculo la Regla de Simpson 1/3.
Solución: H=-9.9796 KJoule/mol
Problema 5.1.1.3
Aproxime el área bajo la curva de la función dada por la siguiente tabla en el
intervalo a= 500, b = 1800 usando el Método de Simpson 1/3:
Puntos 0 1 2 3 4 5
f(x) 9.0 13.4 18.7 23.0 25.1 27.2
x 500 900 1400 1800 2000 2200
Solución: Área=20800 para n=2
216
Problema 5.1.1.4
T tiempo (minutos)
(ºC)
0 1 2 3 4 5 6 7 8
40 0 0.0629 0.1198 0.1711 0.2175 0.2593 0.2969 0.3309 0.3614
55 0 0.2295 0.3692 0.4502 0.4928 0.5106 0.5125 0.5045 0.4903
60 0 0.3144 0.4450 0.4831 0.4762 0.4487 0.4130 0.3752 0.3384
70 0 0.4206 0.3581 0.2485 0.1618 0.1033 0.0655 0.0412 0.0258
Utilizando el Método de Simpson 3/8 calcule:

𝟖
∫ 𝑪𝑴𝑪𝑩 𝒅𝒕
𝟎
a una temperatura T=60ºC
Problema 5.1.1.5
Evalúe el coeficiente de fugacidad () del Argón a 80 atm y 300K utilizando la
Regla de Simpson 3/8 :

𝑷
𝒁−𝟏
𝐥𝐧() = ∫ 𝒅𝑷
𝟎 𝑷
Donde:
Z = 0.999 – 0.001 P + 5x10-6 P2

𝒁−𝟏
𝐥𝐢𝐦 ( ) = - 0.0006 atm
𝑷→𝟎 𝑷
Solución: 0.9401
217
Problema 5.1.1.6
La longitud de un intercambiador de calor de tubos concéntricos cuando se usa
vapor saturado a una temperatura Ts para calentar fluido está dada por:
𝑻𝟐
𝒎 𝑪𝒑
𝑳= ∫ 𝒅𝑻
𝑫𝝅 𝒉(𝑻𝒔 − 𝑻)
𝑻𝟏
𝟎. 𝟎𝟐𝟑 𝒌 𝟒𝒎 𝟎.𝟖 𝑪𝒑 𝟎.𝟑𝟑

𝒉= [ ] [𝝁 ]
𝑫 𝝅𝑫𝝁 𝒌
𝑪𝒑 = 𝟎. 𝟓𝟑 + 𝟎. 𝟎𝟎𝟎𝟔𝑻 − 𝟔. 𝟐𝟓𝒙𝟏𝟎−𝟔 𝑻𝟐 [BTU/lb °F]
𝝁 = 𝟑𝟎 + 𝟎. 𝟎𝟗 𝑻 − 𝟎. 𝟎𝟎𝟎𝟗𝟓 𝑻𝟐 [lb/pie h]
k = 0.153 BTU/h pie °F m = 1500 lb/h Ts = 320 °F D = 0.25 pie
¿Cuál será la longitud de los tubos para calentar este fluido desde 25
hasta 55 °F?
Utilice los métodos de Simpson 1/3 y Simpson 3/8.
Solución: Simpson 1/3: 20.8175 pies

Simpson 3/8: 20.8175 pies
Problema 5.1.1.7
Calcule el cambio de Entropía S que sufre un gas ideal a presión constante al
cambiar su temperatura de 280 a 400 °K. Utilice el método de Simpson 1/3 y
los datos que se muestran a continuación si se sabe que:

𝑻𝟐
𝑪𝒑 𝒅𝑻
∆𝑺 = ∫
𝑻
𝑻𝟏
T 280 310 340 370 400

(°K)
Cp 4.87 5.02 5.16 5.25 5.30
(cal/mol °K)
Solución: 1.827 cal/mol
218
Problema 5.1.1.8
El cambio de entropía de 1 lb mol de un gas ideal que inicialmente se
encuentra a 120°F y 10 atm y que se expande irreversiblemente hasta una
presión P2 y una temperatura T2 puede considerarse de 3.95 BTU/(lbmol R).
Considere que la Cp molar para dicho gas es de 7 BTU/(lbmol °F). Considere
también que el cambio de entropía total es la suma de los cambios de entropía
isotérmico e isobárico, es decir:
Proceso isotérmico:
𝑷𝟏
∆Sa = R ln 𝑷𝟐
Proceso isobárico:
𝑻 𝑪𝒑
∆Sb = ∫𝑻 𝟐 𝒅𝑻
𝟏 𝑻
Calcule:
a) La temperatura del estado final de la expansión utilizando la Regla de
Simpson 3/8.
b) La presión alcanzada en la expansión.
Se sabe que R = 1.987 BTU/(lbmol R) ó R = 0.7302 pie3/(atm lbmol R)
Se cuenta además con la siguiente información:
P [atm] 10 3.74 2.269 1.612 1.239 1
V [pie3] 42.352 111.283 180.214 249.144 318.075 387.006
T [°F] 120 110 100 90 80 70
219
Problema 5.1.1.9
Un método para encontrar la aproximación numérica a la integral de una función
es el de Simpson 3/8, el cual pertenece a la familia de fórmulas de Newton-
Cotes. Este método puede describirse como se menciona a continuación para tres
intervalos:
𝒙𝟏
𝟑
∫ 𝒇(𝒙)𝒅𝒙 = 𝒉 [𝒇(𝒙𝟎 ) + 𝟑𝒇(𝒙𝟏 ) + 𝟑𝒇(𝒙𝟐 ) + 𝒇(𝒙𝟑 )]
𝟖
𝒙𝟎
Donde:
𝒙𝟑 −𝒙𝟎
h = 𝟑
xi+1 = xi + h
Calcule el valor de la conversión a la que se deberá llegar en un reactor con el fin
de que el tiempo espacial  alcance un valor de 25, si éste se define como:

𝑪𝟎.𝟓 𝒙 𝟏+𝒙 𝟎.𝟓
 = 𝟎 𝒇
∫𝒙𝒊 (𝟏−𝒙) 𝒅𝒙
𝟎.𝟎𝟏
𝑚𝑜𝑙
Considere x como la conversión del reactivo y C0 = 0.075 𝑙
Además xi = 0
Una partícula de masa m que se desplaza por un fluido está sujeta a una
resistencia viscosa R, la cual es una función de la velocidad v. La relación entre
la resistencia R, la velocidad v y el tiempo t está dada por la ecuación:

𝒗𝒇 𝒎
t= ∫𝒗 𝒅𝒗
𝒊 𝑹
Suponga que R=-v√v para determinado fluido, donde R está dado en Newtons y v
está dado en metros/segundo. Si m=10 kg y v(0)=10 m/s, aproxime el tiempo que
la partícula tarda en reducir su velocidad a 5 m/s usando el método de Simpson
3/8.
Solución: t = 2.6255 segundos (n = 3)
220
Problema 5.1.1.10
Para calcular la radiación entre dos placas paralelas que se encuentran a
diferente temperatura se utiliza la siguiente expresión:

𝒘/𝟐
𝑹 = 𝜺𝟏 𝝈 𝑻𝟒𝟏 + (𝟏 − 𝜺𝟏 ) ∫−𝒘/𝟐 𝒇(𝒙) 𝒅𝒙 …( 1 )
𝟏 𝒅𝟐
𝒇(𝒙) = …(2)
𝟐 [𝒅𝟐 +(𝟐𝒙−𝒙+ ∆𝒙)𝟐 ]𝟑/𝟐
Donde:
ε1 = Emisividad de la placa inferior = 0.8

𝐵𝑇𝑈
σ = Constante de Stefan – Boltzman = 1.712 X 10-9
ℎ𝑟 𝑓𝑡 2
T1 = Temperatura de la placa inferior = 1000 °R
w = Longitud de las placas = 1 ft
d = Separación entre las placas = 1 ft

𝒘
∆x = Espaciamiento entre los puntos donde se calculará la radiación =
𝟐𝒏
n = Número de intervalos = 2
Calcule la radiación que se emite de la placa inferior hacia la placa superior (ec.
1 ) con los datos que se proporcionan y usando el Método de Simpson 1/3.
Solución: R = 1369.7
Problema 5.1.1.11
Calcule el valor de la siguiente integral mediante el Método de Simpson
1/3 y dos intervalos:

𝟐 𝒅𝒙
I = ∫𝟏 𝟐
𝒙
221
Problema 5.1.1.12
La expansión de Fourier de una función g(x) está dada por:
𝑔(𝒙) = ∑∞ ∞
𝒎=𝟎 𝒄𝒎 𝒄𝒐𝒔(𝒎𝒙) + ∑𝒎=𝟎 𝒅𝒎 𝒔𝒆𝒏(𝒎𝒙) … ( 1 )
Donde:
𝒄𝒎= 𝟏 ∫𝝅 …(2)
𝒄𝒐𝒔(𝒎𝒙)𝒅𝒙
𝝅 −𝝅
𝒅𝒎= 𝟏 ∫𝝅 …(3)
𝐬𝐞𝐧(𝒎𝒙)𝒅𝒙
𝝅 −𝝅
Calcule el coeficiente cm para un valor de m = 19 usando el Método de
Simpson 3/8 para 3 intervalos.
Solución: cm = 0.7854
Problema 5.1.1.13
Obtenga el valor numérico de la siguiente integral:

𝟐
𝒙𝟑 𝒅𝒙
𝑰= ∫
𝟏 + 𝒙𝟏/𝟐
𝟏
mediante el Método de Simpson 1/3 con n = 2
Problema 5.1.1.14
3/8 y tres intervalos:

𝟏
I = ∫𝟎 𝒙𝟐 𝒆𝒙 𝒅𝒙
222
Problema 5.1.1.15
1/3:
𝟏
I = ∫𝟎 √𝟏 + 𝒙𝟑 𝒅𝒙
Problema 5.1.1.16
3/8:
𝟏 𝒔𝒆𝒏(𝒙)
I = ∫𝟎 𝒅𝒙
𝒙
Problema 5.1.1.17
Calcule el área bajo la curva de la siguiente función:
x 0 0.5 1
f(x) 1 1.0607 1.4142
Mediante el método de Simpson 1/3
Problema 5.1.1.18
Dada la siguiente tabla:
x 0.393 0.785 1.178 1.571 1.963 2.356 2.749 3.1416
f(x) 0.974 0.9 0.784 0.637 0.471 0.3 0.139 0
Calcule el valor numérico de la integral entre x=0.393 y x=3.1416 usando
el método de Simpson 3/8.
223
Problema 5.1.1.19
Calcule el valor de la siguiente integral usando el método de Simpson 1/3
con h=0.5:
𝟏
𝟐
𝑰 = ∫ 𝒆𝒙 𝒅𝒙
𝟎
Problema 5.1.1.20
Calcule el valor de la siguiente integral usando el método de Simpson 3/8:

𝟒
𝑰 = ∫ 𝒆𝟐 𝒍𝒏(𝒙)𝒅𝒙
𝟏
224
5.1.2 CUADRATURA DE GAUSS
Una característica que poseen los métodos de Newton-Cotes radica en
que la estimación de la integral se basa en valores igualmente espaciados de la
función y como consecuencia, la localización de los puntos que se usan al aplicar
las fórmulas son predeterminados, sin embargo, el hecho de usar los puntos
extremos puede ocasionar errores de gran magnitud en el cálculo.
Supóngase que se elimina la restricción de los puntos fijos y que ahora se
tiene la libertad de evaluar el área bajo una línea recta que una dos puntos
cualesquiera de la curva. El poder ubicar estos puntos en una posición adecuada
permite trazar una línea recta que equilibra los errores negativo y positivo, tal
como se ilustra en la siguiente figura:
La estrategia que realiza este tipo de cálculos se conoce como Cuadratura de
Gauss.
225
Gauss-Legendre
El objetivo de la cuadratura de Gauss consiste en determinar los
coeficientes de una ecuación de la forma:
I = c0 f(x0) + c1 f(x1) … ( 7 )
Donde las ci’s son coeficientes desconocidos.
La Fórmula de Gauss-Legendre para dos puntos está dada por.
I = f(-0.5774) + f(0.5774)
… (8)
El uso de la ecuación anterior hace necesario hacer un cambio de variable
para transformar los límites de integración, el cual está dado por:

𝒃+𝒂+(𝒃−𝒂)𝒙𝒅
𝒙= …( 9 )
𝟐
Cuya derivada está dada por:

𝒃−𝒂
𝒅𝒙 = 𝒅𝒙𝒅 …( 10 )
𝟐
226
Ejemplo 5.1.2.1
Calcule la integral de:
f(x) = 0.2 + 25x – 200x2 + 675x3 – 900x4 + 400x5…(1)
Entre los límites x = 0 y x = 0.8 usando el método de Cuadratura de Gauss.
Solución:
a=0
b = 0.8
De ( 9 ):
𝟎.𝟖+𝟎+(𝟎.𝟖−𝟎)𝒙𝒅 𝟎.𝟖+𝟎.𝟖 𝒙𝒅
𝒙= = = 𝟎. 𝟒 + 𝟎. 𝟒 𝒙𝒅 … (2)
𝟐 𝟐
De ( 10 ):
𝟎.𝟖−𝟎 𝟎.𝟖
𝒅𝒙 = 𝒅𝒙𝒅 = 𝒅𝒙𝒅 = 𝟎. 𝟒 𝒙𝒅… (3)
𝟐 𝟐
(2) y (3) en (1):

0.8
∫0 (𝟎. 𝟐 + 𝟐𝟓𝒙 – 𝟐𝟎𝟎𝒙𝟐 + 𝟔𝟕𝟓𝒙𝟑 – 𝟗𝟎𝟎𝒙𝟒 + 𝟒𝟎𝟎𝒙𝟓 )𝒅𝒙 =
1
∫−1[𝟎. 𝟐 + 𝟐𝟓(𝟎. 𝟒 + 𝟎. 𝟒𝒙𝒅 ) − 𝟐𝟎𝟎(𝟎. 𝟒 + 𝟎. 𝟒𝒙𝒅 )𝟐 + 𝟔𝟕𝟓(𝟎. 𝟒 + 𝟎. 𝟒𝒙𝒅 )𝟑 −
𝟗𝟎𝟎(𝟎. 𝟒 + 𝟎. 𝟒𝒙𝒅 )𝟒 + 𝟒𝟎𝟎(𝟎. 𝟒 + 𝟎. 𝟒𝒙𝒅 )𝟓 𝟎. 𝟒𝒙𝒅
Pero:
xd = -0.5774
Entonces:
{𝟎. 𝟐 + 𝟐𝟓[𝟎. 𝟒 + 𝟎. 𝟒(−𝟎. 𝟓𝟕𝟕𝟒)] − 𝟐𝟎𝟎[𝟎. 𝟒 + 𝟎. 𝟒(−𝟎. 𝟓𝟕𝟕𝟒)]𝟐 + 𝟔𝟕𝟓[𝟎. 𝟒 +

𝟎. 𝟒(−𝟎. 𝟓𝟕𝟕𝟒)]𝟑 − 𝟗𝟎𝟎[𝟎. 𝟒 + 𝟎. 𝟒(−𝟎. 𝟓𝟕𝟕𝟒)]𝟒 + 𝟒𝟎𝟎[𝟎. 𝟒 + 𝟎. 𝟒(−𝟎. 𝟓𝟕𝟕𝟒)]𝟓 } 𝟎. 𝟒
= 0.5167
Ahora para:
xd = 0.5774
227
Entonces:
{𝟎. 𝟐 + 𝟐𝟓[𝟎. 𝟒 + 𝟎. 𝟒(𝟎. 𝟓𝟕𝟕𝟒)] − 𝟐𝟎𝟎[𝟎. 𝟒 + 𝟎. 𝟒(𝟎. 𝟓𝟕𝟕𝟒)]𝟐 + 𝟔𝟕𝟓[𝟎. 𝟒 +
𝟎. 𝟒(𝟎. 𝟓𝟕𝟕𝟒)]𝟑 − 𝟗𝟎𝟎[𝟎. 𝟒 + 𝟎. 𝟒(𝟎. 𝟓𝟕𝟕𝟒)]𝟒 + 𝟒𝟎𝟎[𝟎. 𝟒 + 𝟎. 𝟒(𝟎. 𝟓𝟕𝟕𝟒)]𝟓 } 𝟎. 𝟒 =
1.3058
De (8):
I = 0.5167 + 1.3058 = 1.8225
228
Problema 5.1.2.1
La ecuación de diseño para la esterificación de ácido acético en fase líquida en
un reactor intermitente operado a 100°C con ácido sulfúrico como catalizador
es la siguiente:
𝟎.𝟓 𝒅𝒙
t = CA0∫𝟎 𝟐
𝒌𝑪𝑨𝟎 (𝟏−𝒙)𝟐
Calcule el tiempo requerido para obtener una conversión del 50% de ácido
acético si se tiene una constante de velocidad de reacción (k) en cm 3/gmol min
definida por:
x 0 0.1 0.2 0.3 0.4 0.5
k 15.91 16.14 16.74 17.11 17.36 17.57
para una concentración inicial de ácido igual a 0.0021 gmol/cm3
Utilice Cuadratura de Gauss de 3 puntos.
Solución: t=28 min
229
Problema 5.1.2.2
El cambio de entropía de 1 lb mol de un gas ideal que inicialmente se encuentra
a 120ºF y 10 atm y se expande irreversiblemente hasta 1 atm y una temperatura
T2, puede considerarse de 3.95 BTU/lb mol ºR. Considere que la capacidad
calorífica molar (Cp) para dicho gas es de 7 BTU/lb mol ºF. Considere también
que el cambio de entropía total es la suma de los cambios de entropía isotérmico
e isobárico, es decir:
Para el proceso isotérmico se tiene:

𝑷𝟏
∆𝑺𝒂 = 𝑹 𝒍𝒏
𝑷𝟐
y para el proceso isobárico:
𝑻𝟐
𝑪𝑷
∆𝑺𝒃 = ∫ 𝒅𝑻
𝑻𝟏 𝑻
Calcule:
a) La temperatura del estado final de la expansión utilizando
Cuadratura de Gauss de 2 puntos
b) Si el volumen inicial es de 42.352 pie3/lb-mol calcule el volumen
final de la expansión. Considere que R = 1.987 BTU/lb mol ºR
Solución: a) T2=110°C
b) V2 = 416.214 pie3/lb-mol
Problema 5.1.2.3.- Para una reacción con ecuación cinética – r = 0.01 C0.5, el
tiempo espacialnecesario para alcanzar una conversión de 0.6 está dado por:
𝑪𝟎 𝟎.𝟓 𝟎.𝟔 𝟏 + 𝒙 𝟎.𝟓

𝝉= ∫ ( ) 𝒅𝒙
𝟎. 𝟎𝟏 𝟎 𝟏−𝒙
donde x es la conversión del reactivo. Calcule para C0 = 0.075 mol/lt, con el
Método de Cuadratura de Gauss de 2 puntos.
230
Problema 5.1.2.4
Usando los siguientes datos:
y  ’
0.0 0.3000 0.0000
0.1 -0.0998
0.2950
0.2 0.2800 -0.1953
0.3 0.2559 -0.2789
0.4 0.2242 -0.3433
Calcule la distancia en la que se cumple la siguiente expresión:

𝑦𝑓 =0.4
∫𝑦 =0 𝑑𝑦 = 0.13
𝑖
Usando para ello Cuadratura de Gauss-Legendre de 3 puntos
231
Problema 5.1.2.5
Calcule el cambio de entalpía de un proceso de compresión de Amoníaco si el
sistema termodinámico es adiabático y cerrado, utilizando para su cálculo la
siguiente expresión:
𝑷𝒇
𝑯𝒇 − 𝑯𝟎 − 𝟔. 𝟐𝐱𝟏𝟎𝟒 ∫ 𝒗 𝒅𝑷 = 𝟎
𝑷𝟎
Donde el valor 6.2x104 es la constante de conversión de unidades [=]
J/cm3 atm Kg
El sistema está definido para las siguientes condiciones iniciales:
H0 = 1609764 J/Kg T0 = 313 K P0 = 15.35 atm
y se somete a compresión hasta llegar a una presión final de
Pf= 15.95 atm
Además se dispone de la siguiente información:
v (cm3) 1674.1 1665.5 1662.2 1650.5 1625.4 1605.0
P (atm) 15.34 15.41 15.45 15.50 15.80 16.00
Utilice el Método de Cuadratura de Gauss-Legendre con 3 puntos.
Solución: H = 6.0732 x 107 J/Kg
232
Problema 5.1.2.6
Un paracaidista con una masa m de 68.1 Kg salta de un globo aerostático fijo. La
velocidad antes de que se abra el paracaídas está dada por:

𝒄
𝒈𝒎
𝒗(𝒕) = (𝟏 − 𝒆−(𝒎)𝒕 ) … ( 1 )
𝒄
El coeficiente de resistencia c es igual a 12.5 Kg/seg. La aceleración
debida a la gravedad g tiene un valor de 9.81 m/seg2. Se desea saber qué tan
lejos ha caído el paracaidista después de un tiempo t = 10 segundos si la distancia
está dada por:

𝒕
𝒅 = ∫𝟎 𝒗(𝒕)𝒅𝒕 … ( 2 )
Donde:
d = [m]
Solución: d = 26 m
Problema 5.1.2.7
Una partícula de 10Kg de masa se mueve a través de un fluido con una velocidad
inicial de 10 m/s y con una resistencia R, la cual es función de la velocidad. La
relación entre la resistencia, la velocidad y el tiempo está dada por:

𝒗𝟏
𝒎
𝒕= ∫ 𝒅𝒗
𝑹
𝒗𝟎
Suponga que R = −𝒗 √𝒗 + 𝟎. 𝟎𝟎𝟎𝟏para cierto fluido. Aproxime el tiempo
requerido para que la partícula reduzca su velocidad final a 5 m/s usando el
método de Cuadratura de Gauss con 2 puntos.
233
Problema 5.1.2.8
Las torres de enfriamiento son equipos muy comunes en las plantas industriales
donde es necesario reutilizar el agua de servicio empleada en disipar el calor.
Su principio se basa en la evaporación e intercambio de calor sensible al
mezclar dos corrientes (agua-aire) a diferentes temperaturas.
La altura de la torre Z para efectuar el enfriamiento deseado está dada
por:
𝒉𝟐
𝑮 𝒅𝒉
𝒁= ∫
𝒌𝒀𝒂 𝒉𝒊 − 𝒉
𝒉𝟏
Donde:
G = Masa velocidad del aire (Kg/h m2)
kYa= Coeficiente global de transferencia de masa (Kg/h m2)
h1= Entalpía de entrada del aire a la torre (Kcal/Kg)
h2= Entalpía de salida del aire a la torre (Kcal/Kg)
hi= Entalpía de entrada del aire en la interfase (Kcal/Kg)
Para enfriar 5 m3/h de agua desde T2= 45°C hasta T1=30°C se emplea
una torre de enfriamiento (que opera a contracorriente) de 2 m de altura a la
que entra aire a condiciones tales que su entalpía de entrada es de
h1=15.15Kcal/Kg y sale de la torre con una entalpía de h2= 28.3 Kcal/Kg.
Para las condiciones de operación se ha determinado que el valor del
coeficiente global de transferencia de masa KYa es de 2500 Kg/h m3.
Debido al uso de agua tratada (bajo contenido de sólidos) la resistencia a
la transferencia de calor y masa reside en la fase gaseosa.
En la siguiente tabla se muestran los valores de la entalpía del aire en la
inter-fase en función de la temperatura:
234
T (°C) 26 30 31 34 37 40 46
hi(Kcal/Kg) 19.20 23.72 25.00 29.20 34.00 39.60 53.40
h (Kcal/Kg) 11.643 28.656 29.177
Usando Cuadratura de Gauss de 3 puntos determine la masa velocidad de
aire empleado.
Solución: G=367.6626 Kg/h m2
235
Problema 5.1.2.9
Una máquina de combustión interna opera en un ciclo Diessel mediante un gas
que es sometido a un proceso adiabático seguido de uno isobárico, otro
adiabático y uno isocórico. El trabajo total desarrollado por el gas (que se
comporta casi idealmente) se describe con la siguiente expresión:

𝟕𝟎 𝑻𝑩 =? 𝟒𝟎
𝑾 = − ∫ 𝑪𝒑 𝒅𝑻 + ∫ 𝑪𝒗 𝒅𝑻 + ∫ 𝑪𝒗 𝒅𝑻
𝟒𝟎 𝟕𝟎 𝟏𝟔
y es igual a 252.756 J/mol.
Con los datos de la siguiente Tabla determine TB utilizando el método de
Cuadratura de Gauss Legendre de 2 puntos:

T 16 20 24 28 32 36 40 45 50 55
°C
Cp
J/mol 29.099 29.099 29.101 29.103 29.106 29.110 29.115 29.125 29.136 29.148
K
Cv
J/mol 20.785 20.785 20.787 20.789 20.792 20.796 20.801 20.811 20.823 20.836
K
T 60 65 70 75 80 85 90 95 100 105
°C
Cp
J/mol 29.161 29.176 29.195 29.215 29.236 29.257 29.280 29.305 29.333 29.359
K
Cv
J/mol 20.849 20.864 20.882 20.902 20.923 20.944 20.966 20.991 21.017 21.044
K
236
Problema 5.1.2.10
función de la temperatura y del tiempo como se muestra en la siguiente Tabla:
T [°C]
t
[min] 40 45 50 55 60 65 70
2 0.12 0.20 0.29 0.37 0.45 0.41 0.36
4 0.22 0.31 0.40 0.49 0.47 0.32 0.16
6 0.30 0.37 0.44 0.51 0.42 0.25 0.07
8 0.37 0.41 0.45 0.49 0.34 0.19 0.03
10 0.42 0.43 0.44 0.45 0.27 0.14 0.01
12 0.47 0.45 0.43 0.41 0.22 0.11 0.002
Utilizando Cuadratura de Gauss de 2 puntos calcule:

𝑻
∫𝑻𝒊 𝑪𝑴𝑪𝑩 𝒅𝑻 = ? @ t = 9 min, Ti = 45°C, Tf = 65°C
𝒇
237
Problema 5.1.2.11
t [min]
T [°C]
0.0 1.0 2.0 3.0 4.0 5.0
40 0.7000 0.4939 0.3485 0.2459 0.1735 0.1224
55 0.7000 0.4793 0.3282 0.2248 0.1054
60 0.7000 0.4614 0.3041 0.2005 0.1321 0.0871
70 0.7000 0.4395 0.2759 0.1732 0.1087 0.0683
Calcule el valor de CBf con el Método de Cuadratura de Gauss de 3 puntos para
T = 55°C y k=0.4205:
𝑪𝑩𝒇 𝒕𝒇 =𝟒
𝒅𝑪𝑩
∫ = −𝒌 ∫ 𝒅𝒕
𝑪𝑩
𝑪𝑩𝒊 =𝟎.𝟕 𝒕𝒊 =𝟎
Solución: CBf = 0.1290
238
5.2 ECUACIONES DIFERENCIALES
ORDINARIAS
Como se mencionó con anterioridad, una ecuación diferencial es aquélla
que contiene una variable dependiente y sus derivadas respecto a una o
más variables independientes.
Sea:
y = f ( x )… ( 1 )
y su derivada:
𝒅𝒚
…(2)
𝒅𝒙
Una ecuación diferencial es ordinaria si solo tiene una variable independiente,
por lo que todas las derivadas que tiene son ordinarias o totales. En el caso
anterior x es la variable independiente y y es la variable dependiente. La solución
es una función
y = F ( x )
que satisface la ecuación.
El orden de una ecuación diferencial es el orden de la derivada de más alto
orden en ella.
Generalmente cuando nos referimos a una ecuación diferencial ordinaria lo
hacemos como EDO o bien ODE por sus siglas en inglés.
239
5.2.1 MÉTODOS DE EULER
Las técnicas numéricas de solución de ecuaciones diferenciales pueden ser
con Valor Inicial o con Valores en la Frontera.
De igual manera también se dividen en: a) Extrapolación, b) Ponderación de
Pendientes, c) Proceso de Integración.
Dentro de los métodos de Extrapolación podemos mencionar los de Euler y
Taylor.
La derivada
𝒅𝒚
𝒅𝒙
se puede interpretar como la velocidad de cambio de y con respecto a x.
Método de Euler
La fórmula iterativa del Método de Euler está dada por:
yi+1 = yi + hf(xi,yi)
240
MÉTODO DE EULER MODIFICADO
En el Método de Euler se asume que la derivada en todo el intervalo es la
misma. El método de Euler Modificado trata de minimizar este error usando una
derivada promedio y consta de los siguientes pasos:
1. Se parte de (x0,y0) y se aplica el Método de Euler para calcular el valor
de y1 correspondiente a x1, el cual se denota como ̅̅̅

𝑦1
2. Se evalúa la derivada usando la ecuación diferencial ordinaria del PVI que
se esté resolviendo, se calcula la media aritmética entre esta derivada y
la derivada en el punto inicial, es decir:

1
[f(x0,y0) + f(x1,𝑦
̅̅̅)]
1 = derivada promedio
2
3. Se calcula el nuevo valor de yi+1 :

𝑥𝑖+1 −𝑥𝑖
yi+1 = yi + [f(x0,y0) + f(xi+1,𝑦̅𝑖+1 )]
2
La Fórmula Iterativa del Método de Euler Modificado está dada por:
̅i+1 = yi + hf(x0,y0)
𝒚
xi+1 = xi + h
𝒙 −𝒙
yi+1 = yi + 𝒊+𝟏𝟐 𝒊[f(x0,y0) + f(xi+1,𝒚
̅𝒊+𝟏 )]
241
Formulación del Problema de Valor Inicial
Sea la ecuación diferencial ordinaria (EDO) de primer orden:
𝒅𝒚
= 𝒇(𝒙, 𝒚)… ( 1 )
𝒅𝒙
En la teoría de las EDO se establece que la solución general debe contener
una constante arbitraria c, de tal manera que la solución general de la ec. (1) es:
F(x,y,c) = 0 … ( 2 )
Donde las F representan una familia de curvas. Cada curva F1, F2, … ,Fn
corresponde a una solución particular de la EDO (1). Las constantes c1, c2, … , cn
se obtienen exigiendo que la solución de esa ecuación pase por algún punto (x0,y0),
esta característica es la que se conoce como establecer un valor inicial.
Generalmente el Problema de Valor Inicial se plantea de la siguiente manera:

𝒅𝒚
= 𝒇(𝒙, 𝒚)
𝒅𝒙
PVI y (x0) = y0
y (xf) = ?
242
Ejemplo 5.2.1.1
Resuelva el siguiente Problema de Valor Inicial (PVI):

𝒅𝒚
=𝒙−𝒚
𝒅𝒙
PVI 𝒚(𝟎) = 𝟐
𝒚(𝟏) = ?
mediante el Método de Euler.
Solución:
n = 1
𝒙𝒇 − 𝒙𝟎 𝟏−𝟎
𝒉= = =1
𝒏 𝟏
y0 = 2
f(x0,y0) = 0 – 2 = -2
y1=2 – 2 = 0
243
244
Problema 5.2.1.1
La velocidad de formación del KOH en la reacción:
2 K2Cr2O7 + 2 H2O + 3 S → 4 KOH + 2 Cr2O3 + 3 SO2
está dada por la ecuación cinética:
𝒅𝒙 𝒙 𝒙 𝟐 𝟑𝒙 𝟑
= 𝟔. 𝟐𝟐𝑿𝟏𝟎−𝟏𝟗 (𝒏𝟏 − ) (𝒏𝟐 − ) (𝒏𝟑 − )
𝒅𝒕 𝟐 𝟐 𝟒
en la cual x es el número de moles de KOH formadas y t es el tiempo en segundos.
Calcule el número de moles iniciales de S (n3) requeridas para formar 15.1 moles
de KOH en el tiempo t = 0.2 segundos. Las moles iniciales de K2Cr2O7 y H2O (n1)
y (n2) son 1800 moles ambas. Tome un paso de integración h = 0.05 segundos
usando el Método de Euler.
Solución: n3=2760 moles
Problema 5.2.1.2
Resuelva el siguiente problema de valor inicial con el Método de Euler:

𝒅𝒚 𝒕𝟑 −𝟐𝒚
=
𝒅𝒕 𝒕
PVI y(1) = 4.2
y(3) = ?
Use un paso de integración h = 1
245
Problema 5.2.1.3
Una barrera de protección se sitúa al final de un circuito con el objetivo de parar
coches que han perdido el control. Esta barrera se ha diseñado de tal forma que
la fuerza que la barrera aplica al coche está dada en función de la velocidad v y
del desplazamiento x de la parte frontal de la barrera de acuerdo a la siguiente
expresión:
F = Kv3(x+1)3
Donde K = 30 Kg s/m5 es una constante.
Un coche con una masa m = 1500 Kg se impacta contra la barrera de
protección a una velocidad de 90 Km/h. Calcule la velocidad que tendrá el coche
después de haberse impactado contra la barrera y recorrido una distancia de 3
m. La desaceleración del coche después de chocar contra la barrera está dada
por la Segunda Ley de Newton:
ma = -Kv3(x+1)3
Donde la aceleración está dada por:

−𝑲𝒗𝟑 (𝒙 + 𝟏)𝟑
𝒂=
𝒎
La velocidad está dada en función de x por la siguiente expresión:
v dv = a dx
De donde:
𝒅𝒗 −𝑲𝒗𝟐 (𝒙 + 𝟏)𝟑
=
𝒅𝒙 𝒎
Que es la ecuación diferencial por resolver.
Aplique el Método de Euler y utilice un paso de integración h = 0.5
metros.
Solución: v(3)=0.5 m/s
246
Problema 5.2.1.4
Resuelva el siguiente problema de valor inicial con el Método de Euler:

𝒅𝒚 𝒙𝟐 − 𝟐𝒙 + 𝟑
=
𝒅𝒙 𝒚𝟐
y(0.5) = 2
y(3) = ?
Utilice un paso de integración h = 0.5
Problema 5.2.1.5
Calcule el tiempo necesario para que el nivel de un líquido contenido dentro de
un tanque esférico que tiene un radio r=5m, pase de 4m a 3m. La velocidad de
salida por el orificio del fondo es v= 48.95√𝒂 m/seg, el diámetro d de dicho
orificio es de 10 cm. Use el Método de Euler Modificado con un paso de tiempo
de 20 seg:
𝒅𝒂 −𝒗 𝒅𝟐
=
𝒅𝒕 𝟒(𝟏𝟎𝒂 − 𝒂𝟐 )
Problema 5.2.1.6
Considere el siguiente problema de valor inicial:
y’ = ty
PVI y(1) = 2
y(1.8) = ?
Resuélvalo aplicando el Método de Euler para un paso de integración h = 0.2
Solución: y(1.8) = 5.0282
247
Problema 5.2.1.7
Encontrar una solución al problema de valor inicial (PVI):
x’ = x tan(t+ 3)
PVI x(−3) = 1.
x(-2) = ?
Utilice el Método de Euler con un paso de integración h = 1
Problema 5.2.1.8
Encontrar una solución al problema de valor inicial (PVI):
y’ = 2xy
PVI y(0) = 1.
y(0.5) = ?
Utilice el Método de Euler con un paso de integración h = 0.1
248
1.1.1 MÉTODOS DE RUNGE-KUTTA
Los Métodos de Runge-Kutta (R-K) logran la exactitud del
procedimiento de la Serie de Taylor sin la necesidad de calcular derivadas de
orden superior. Existen numerosas variantes, pero todas tienen la siguiente
forma generalizada:
yi+1 = yi + (xi , yi , h) h …. (1)
Donde:
(xi , yi , h) se conoce como función incremento y se puede

interpretar como una pendiente representativa en el intervalo.
La función incremento se escribe en forma general como:
 = a1k1 + a2k2 + … + ankn…. (2)
Donde:
ai= constantes
y las ki están dadas por:
k1 = f(xi,yi)
k2 = f(xi+p1h , yi+q1,1k1h)
k3 = f(xi+p2h , yi+q2,1k1h + q2,2k2h)
kn = f(xi+pn-1h , yi+qn-1,1k1h+qn-1,2k2h+…+qn-1,n-1kn-1h)
Donde:
pi
constantes
qi,j
Las ki son relaciones de recurrencia, es decir, para poder calcular
k2es necesario calcular k1; para calcular k3 se debe calcular primero k2 y así
249
sucesivamente, esta recurrencia hace que los métodos de Runge-Kutta sean
fáciles de programar.
En general, los Métodos de Runge-Kutta se definen como sigue:
Runge-Kutta de Segundo Orden:
y0 = y(x0)
𝒉
yi+1 = yi + [k1 + k2]
𝟐
k1= f(xi , yi)
k2 = f(xi + h , yi + hk1)
Runge-Kutta de Tercer Orden:
y0 = y(x0)
𝒉
yi+1 = yi + [k1 + 4k2 + k3]
𝟔
k1= f(xi , yi)

𝒉 ℎ
k2= f(xi + , yi + 𝑘1 )
𝟐 2
k3 = f(xi + h , yi +2hk2 – hk1)
Runge-Kutta de Cuarto Orden:
y0 = y(x0)
𝒉
yi+1 = yi + [k1 + 2k2 + 2k3 + k4]
𝟔
k1= f(xi , yi)

𝒉 𝒉
k2= f(xi + , yi + 𝟐 𝒌𝟏 )
𝟐
𝒉 𝒉
k3= f(xi + , yi + 𝟐 𝒌𝟐 )
𝟐
k4 = f(xi + h , yi +hk3)
250
Ejemplo 5.2.2.1
Un reactor CSTR que se estaba llenando con reactivos, de repente presenta
una fuga. Este fenómeno puede simularse de acuerdo con la siguiente EDO:
𝒅𝑽
= 0.04 – 0.0035 t ….(1)
𝒅𝒕
Si la fuga se presenta en el momento en el que se alcanza un volumen de 0.8
m3, ¿Cuál será el volumen máximo alcanzado bajo estas condiciones y en qué
tiempo se dará este? Utilice RK2 y un paso de integración de 10 segundos.
Solución:
𝒅𝑽
= 𝟎. 𝟎𝟒 − 𝟎. 𝟎𝟎𝟑𝟓 𝒕
𝒅𝒕
PVI 𝑽(𝟎) = 𝟎. 𝟖
𝑽(𝒕𝒇 ) = ?
h = 10 seg
A continuación se presenta una tabla con los resultados:
n t V k1 t+h V+hk1 k2
0 0.0000 0.8 0.04 10 1.2 0.005
1 10 1.025 0.005 20 1.075 -0.030
2 20 0.9 -0.030 30 0.600 -0.065
Es decir, el volumen máximo será de 1.1125m3 y se presentará en un tiempo
de 10 segundos.
251
252
Problema 5.2.2.1
Resuelva el siguiente PVI:

𝒅𝒚 𝒙𝟐 − 𝟐𝒙 + 𝟑
=
𝒅𝒙 𝒚𝟐
y(0.5) = 2
y(3) = ?
Aplicando el Método de Runge-Kutta de Cuarto Orden y h = 0.5
Problema 5.2.2.2

𝒅𝒚
= 𝟎. 𝟐𝒙𝒚 + 𝟎. 𝟓𝒚𝟐
𝒅𝒙
y(0) = -0.5
y(4) = ?
Aplicando el Método de Runge-Kutta de Cuarto Orden y h = 0.5
Problema 5.2.2.3
y’ – y tan(x) = 0
y(0) = 1
y(4) = ?
Aplicando el Método de Runge-Kutta de Cuarto Orden y h = 1
253
Problema 5.2.2.4
Un depósito de agua con forma de cono truncado e invertido tiene un orificio
circular en la parte lateral inferior. Según la Ley de Torricelli, la velocidad v con
la que el agua sale del depósito a través del orificio está dada por:
v = √𝟐𝒈𝒉 … (1)
donde h es la altura del agua y g= 9.81 m/s2 es la aceleración de la gravedad.
La relación que representa el cambio de la altura y del agua del depósito a medida
que ésta va saliendo está dada por:
𝒅𝒚 −√𝟐𝒈𝒚𝒓𝟐𝒉
= …(2)
𝒅𝒕 (𝟐−𝟎.𝟓𝒚)𝟐
donde rh es el radio del orificio.
Resuelva la ecuación diferencial para “y” aplicando RK4. El valor inicial de la
altura del agua es y=2m. Use h=0.7 s. Calcule el tiempo en el que se vacía el
depósito si el diámetro del orificio es de 0.2 metros.
Problema 5.2.2.5
y’ = y x
y(0) = 1
y(4) = ?
254
Problema 5.2.2.6
Un aeroplano utiliza un paracaídas además de otros medios de frenado para
detenerse en tierra después del aterrizaje. Su aceleración está dada por:
𝒂 = −𝟎. 𝟎𝟎𝟑𝟓𝒗𝟐 − 𝟑 (m/s2) … (1)
Pero:
𝒅𝒗
𝒂= … (2)
𝒅𝒕
(2) en (1):
𝒅𝒗
= −𝟎. 𝟎𝟎𝟑𝟓𝒗𝟐 − 𝟑 …(3)
𝒅𝒕
Considere un aeroplano con una velocidad de 300 Km/h que abre su paracaídas y
comienza su desaceleración en el instante t=0 s. Calcule el tiempo en el que el
aeroplano se detiene, usando para ello el Método de Runge-Kutta de Cuarto
Orden.
Problema 5.2.2.7
Aplique el método de Runge-Kutta de Cuarto Orden para resolver el siguiente
problema de valor inicial:
y’ =2xy
PVI y(0) = 1
y(0.5) = ?
Utilice un paso de integración h = 0.1
255
Problema 5.2.2.8
En la siguiente tabla se muestra la concentración de Benceno (CB) con respecto
al tiempo a diferentes temperaturas en la reacción de cloración de Benceno:
T t [min]
[°C] 0. 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
40 0.7 0.588 0.4939 0.4149 0.3485 0.2927 0.2459 0.2066 0.1735 0.1458 0.1224
55 0.7 0.5793 0.4793 0.3966 0.3282 0.2248 0.1860 0.1539 0.1274 0.1054
60 0.7 0.5683 0.4614 0.3746 0.3041 0.2469 0.2005 0.1628 0.1321 0.1073 0.0871
70 0.7 0.5546 0.4395 0.3482 0.2759 0.2186 0.1732 0.1372 0.1087 0.0862 0.0683
Utilizando el Método de Runge-Kutta de Orden 2 calcule el valor de la constante

de reacción en la siguiente ecuación:
𝒅𝑪𝑩
= - k CB
𝒅𝒕
Solución: k = 0.167
Problema 5.2.2.9
t [min]
T [°C]
0.0 1.0 2.0 3.0 4.0 5.0
40 0.7000 0.4939 0.3485 0.2459 0.1735 0.1224
55 0.7000 0.4793 0.3282 0.2248 0.1054
60 0.7000 0.4614 0.3041 0.2005 0.1321 0.0871
70 0.7000 0.4395 0.2759 0.1732 0.1087 0.0683
Utilizando el Método de Runge-Kutta de Orden 3 calcule el valor faltante de la

tabla para el siguiente modelo matemático:
𝒅𝑪𝑩
= −𝒌 𝑪𝑩
𝑪𝑩
Sabiendo que la constante de reacción es k = 0.4205
Solución: CB(4,55) = 0.1474
256
Problema 5.2.2.10
Para la reacción de cloración de Benceno la ecuación cinética se puede escribir
como sigue:
𝒅𝑪𝑩
= 𝒌 𝑪𝑩
𝒅𝒕
Si se cuenta con la siguiente información, determine el valor de la constante k.
Puede utilizar el método de Runge-Kutta de Orden 2:
CB [mol/L] 0.6000 0.4512 0.3393
t [s] 0.00 0.50 1.00
Solución: k = -3.4199
Problema 5.2.2.11
Resuelva el siguiente problema de valor inicial por el método de Runge-
Kutta de Cuarto Orden y un ancho de paso igual a 1:

1 1
y’’ = -𝑥 𝑦 ′ + (𝑥 2 − 1) 𝑦
PVI y(1) = 1
y’(1) = 2
y(3) = ?
Problema 5.2.2.12
La población P de un municipio en un estado de la República Mexicana en un
instante cualquiera está regida por:

𝒅𝑷
= 𝑷 (𝟏𝟎−𝟏 − 𝟏𝟎−𝟕 𝑷) … (1)
𝒅𝒕
Si la población en el tiempo inicial P(0) es de 5000 personas, calcule cuántos
habitantes habrá después de 4 años asumiendo que h = 1 año. Utilice el Método
de Runge-Kutta de Cuarto Orden.
257
Problema 5.2.2.13
En un reactor se transforma Plutonio 239 a Uranio 238, el cual es relativamente
más estable para uso industrial. Después de 15 años el 0.0043 por ciento de la
cantidad inicial de Plutonio (A0) se ha desintegrado. Determine la vida de este
isótopo si la rapidez de desintegración está dada por:
x’ = x … (1)
Asuma que x(0) = A0 = 0.99
 = -0.0003
Considere que la vida del isótopo (t) es el valor para el que se cumple lam
condición x(t) = A0 / 2
Utilice el método de RK-4 y un paso de integración h = 1.
Problema 5.2.2.14
x’ + 3x = e-3t
PVI x(1) = 5
x(5) = ?
Problema 5.2.2.15

𝟏 𝒙
x’ = 𝟐 +
𝟏+𝒕 𝒕
PVI
x(2) = 0
x(5) = ?
258
Problema 5.2.2.16
x’ = cosh(t)x + esenh(t)
PVI x(0) = 1
x(5) = ?
Problema 5.2.2.17
x’ = x2 + t2
PVI x(1) = 2
x(5) = ?
Problema 5.2.2.18
x’ + 3x = e-3t
PVI x(1) = 5
x(5) = ?
Problema 5.2.2.19
3x2 + 4xy + (2x2 + 2y) y’ = 0
y(1) = 1
y(4) = ?
259
Problema 5.2.2.20
y’ + y cos(x) = sen(x) cos(x)
y(0) = 1
y(4) = ?
Problema 5.2.2.21
y’ + 2y = x2 + 2y
y(3) = 0
y(4) = ?
Problema 5.2.2.22
x + y cos(x) = -y’ sen(x)
y(π/2) = 2
y(π) = ?
Aplicando el Método de Runge-Kutta de Cuarto Orden y h = π/2
260
Problema 5.2.2.22

𝒚𝟑
y’ =
𝟏−𝟐𝒙𝒚𝟐
y(0) = 1
y(4) = ?
Problema 5.2.2.23
y + y e-x y’ = 0
y(0) = 1
y(4) = ?
Problema 5.2.2.24

𝟐𝒙
= y’
𝒚+ 𝒙𝟐 𝒚
y(0) = 2
y(4) = ?
261
Problema 5.2.2.25
y’ = 2xy2
y(0) = 1
y(4) = ?
Problema 5.2.2.25
y’ – y = 2xe2x
y(0) = 1
y(4) = ?
Problema 5.2.2.26

𝟐 𝒄𝒐𝒔 (𝒙)
y’ + y =
𝒙 𝒙𝟐
y(π) = 0
y(2π) = ?
Aplicando el Método de Runge-Kutta de Cuarto Orden y h = π
262
Problema 5.2.2.27
xy’ + 2y = sen(x)
y(π/2) = 1
y(π) = ?
Aplicando el Método de Runge-Kutta de Cuarto Orden y h = π/2
Problema 5.2.2.28
La Ley de Enfriamiento de Newton establece que la temperatura superficial de
un cuerpo inerte que no produce calor de manera autosuficiente varía de manera
proporcional a la diferencia de temperatura entre el objeto y su entorno. La
variación de la temperatura con el tiempo (dy/dt) está dada por la siguiente
ecuación diferencial:
y’ = K (T – y) … (1)
Donde K es una constante de proporcionalidad y T es la temperatura ambiente.
Si se sirve una taza de café a 95°C y después de un minuto la temperatura del
mismo es de 85°C ¿en qué tiempo se podrá tomar el café si la temperatura idónea
para ello es de 65°C? Asuma que la temperatura ambiente es de 20°C y la
constante de proporcionalidad del café es de -0.0621 min-1. Utilice el método de
RK-4 y un paso de integración h = 1 minuto.
263
Problema 5.2.2.29
Mientras los empleados de una tienda departamental están trabajando, el aire
acondicionado mantiene la temperatura de la tienda a 20°C. Al mediodía se apaga
el aire acondicionado. La temperatura exterior permanece constante a 35°C. Si
la constante de tiempo del edificio es de 4 horas, ¿cuál será la temperatura
interior a las 2 de la tarde? ¿En qué momento la temperatura en el interior de
la tienda será de 27°C? Utilice la siguiente ecuación diferencial:

𝒅𝑻 𝟏
= (𝟑𝟓 − 𝑻)
𝒅𝒕 𝟒
Problema 5.2.2.30
Un calentador solar de agua consta de un tanque de agua y de un panel solar. El
tanque se encuentra bien aislado y tiene una constante de tiempo de 64 horas.
El panel solar genera 2000 kilocalorías por hora durante el día y el tanque tiene
una capacidad calorífica de 2°C por cada 1000 kilocalorías. Si el agua se
encuentra inicialmente a 30°C y la temperatura ambiente es de 20°C, ¿cuál será
la temperatura del tanque después de 12 horas de luz solar? La ecuación
diferencial que modela este fenómeno es:

𝒅𝑻 𝟏
= (𝟐𝟎 − 𝑻) + 𝟒 …(1)
𝒅𝒕 𝟔𝟒
264
Problema 5.2.2.31
Un tanque contiene originalmente 400 litros de agua limpia. Se vierte en
el tanque una solución que contiene 0.05 kilogramos de sal por cada litro a una
velocidad de 8 litros por minuto y la mezcla sale del recipiente a la misma
velocidad. Se desea calcular la cantidad de salmuera que habrá en el recipiente
después de 20 minutos. La cantidad de solución dentro del recipiente por unidad
de tiempo está definida por:

𝒅𝒚
= 𝒗𝒆 − 𝒗𝒔 …(1)
𝒅𝒕
ve y vs son las velocidades de entrada y salida de la solución
respectivamente, además:
ve = b e …(2)
𝒚
vs = …(3)
𝑽
V = V0 + et – ft…(4)
V0 es el volumen de disolución en el recipiente por unidad de tiempo, de
tal manera que la ecuación por resolver está dada por:

𝒅𝒚 𝒚
= 𝒃𝒆 + 𝒇
𝒅𝒕 𝑽𝟎 +𝒆𝒕−𝒇𝒕 …(5)
y(0) = X0 = 0
265
Problema 5.2.2.32
El isótopo radioactivo del Torio 234 se desintegra a una rapidez
proporcional a la cantidad existente en ese instante de tiempo de auerdo a la
siguiente ecuación diferencial:

𝒅𝒚
= 0.4 – 6y …(1)
𝒅𝒕
Si 100 miligramos de este material se reducen a 97.4 miligramos en una
semana, ¿cuánto Torio habrá después de tres semanas? ¿en cuánto tiempo la
cantidad de Torio se reducirá a la mitad? Aplique el método de RK-4 con un paso
de integración h = 1 semana.
Problema 5.2.2.33
Entre los alumnos de esta asignatura se ha extendido el rumor de que el
próximo examen será muy difícil. Si 1000 alumnos están inscritos y el rumor se
extiende de manera proporcional de acuerdo al siguiente modelo:

𝒅𝒂
= 0.4 – 19.2a …(1)
𝒅𝒕
¿cuántos días tardarán en saberlo 848 alumnos si se sabe que a los dos
días lo saben 962 alumnos? Aplique el método de RK-4 y un paso de integración
h = 1 día.
266
FORMULACIÓN DEL PROBLEMA DE VALORES EN LA FRONTERA
Un problema de valores en la frontera (PVF) para ecuaciones diferenciales
ordinarias puede estar dado, por ejemplo, por una EDO de segundo orden y dos
condiciones de frontera: CF1 y CF2:

𝒅𝟐 𝒚
EDO: = 𝒇(𝒙, 𝒚, 𝒚′ )
𝒅𝒙𝟐
CF1: y(x0) = y0
PVF
CF2: y(xf) = yf
y(x) = ? parax0< x <xf
La información proporcionada corresponde a dos puntos distintos por
donde pasa la curva desconocida y’, que es la solución de la EDO, es decir,
conocemos el valor de y correspondiente a dos abscisas distintas x0 y xf y
deseamos conocer el valor de y en el intervalo (x0,xf).
Método del Disparo
Consideremos el siguiente problema:
y’’(x) = y
y(0) = 0
PVF
y(1) = 2
y(x) = ? para 0 < x < 1
Para resolverlo podemos usar cualquiera de los métodos vistos con
anterioridad, para lo cual propondremos un valor inicial 0 = y’(0), a partir del
cual podemos formular el siguiente PVI:
267
y’’(x) = x
y(0) = 0
y’(0) = 0
y(1) = ?
Es decir:
y’ = z
z’ = y
PVI y(0) = 0
z(0) = 0
y(1) = ?
Procedimiento:
1. Suponer un valor de y(x) = y1
2. Aplicar un método de solución de EDO hasta obtener un valor de
y(xf) = yf,1
3. Comparar el valor calculado yf,1 con el valor real yf, si yf,1 < yf, entonces
suponer un valor de y(x)=y2 < y1, en caso contrario, suponer un valor de
y(x)=y2 > y1 y aplicar el Método para calcular otra y(xf) = yf,2
4. Si el valor de yf,2 ≠ yf, entonces interpolar entre y1 y y2 paraobtener un
valor de y(x) = y3 y volver a aplicar el método.
El procedimiento anterior se repite un número máximo de iteraciones o hasta
que |yi – yi-1| ≤ ε, donde ε es una tolerancia fijada previamente.
268
Ejemplo 5.2.5.2
Resuelva el siguiente PVF con una tolerancia ε= 1x10-4 y un máximo de 10
iteraciones, usando para ello el Método del Disparo:
y’’(x) = y
y(0) = 0
PVF
y(1) = 2
y(x) = ? para 0 < x < 1
Utilice un tamaño de paso h = 0.1
Solución:
1) Proponer un valor inicial de y’(0) = 0= 1.5
2) Resolver el siguiente PVI:
y’ = z
z’ = y
PVI y(0) = 0
z(0) = 0= 1.5
y(1) = ?
Aplicando el Método de Euler se obtiene un valor de y(1;0)= 1.6838
3) Suponiendo ahora un valor de 1= 2.5 y resolviendo con Euler el PVI
y’ = z
z’ = y
PVI y(0) = 0
z(0) = 1= 2.5
y(1) = ?
se obtiene un valor de y(1;1)= 2.8063
269
4) Interpolando entre 0 y 1 para obtener un nuevo valor de 2:
𝒚(𝟏;𝜶𝟏 )−𝒚(𝟏)
2 = 1 – (1- 0)𝒚(𝟏;𝜶
𝟏 ) −𝒚(𝟏;𝜶𝟎 )
Es decir:
𝟐.𝟖𝟎𝟔𝟑−𝟐
2 = 2.5 – (2.5 – 1.5)𝟐.𝟖𝟎𝟔𝟑−𝟏.𝟔𝟖𝟑𝟖 = 1.7817
5) Aplicando el Método de Euler al siguiente PVI:
y’ = z
z’ = y
y(0) = 0
PVI
z(0) = 2= 1.7049
y(1) = ?
se obtiene un valor de y(1;2)= 2, que es el valor al que queríamos llegar.
A continuación se presenta la tabla de resultados:
METODO DE EULER PARA UNA ECUACIÓN DIFERENCIAL DE SEGUNDO

ORDEN
TABLA DE RESULTADOS
i x y z
0 0 0 1.7817
1 0.1 0.1782 1.7817
2 0.2 0.3563 1.7995
3 0.3 0.5363 1.8352
4 0.4 0.7198 1.8888
5 0.5 0.9087 1.9608
6 0.6 1.1048 2.0516
7 0.7 1.3099 2.1621
8 0.8 1.5261 2.2931
9 0.9 1.7554 2.4457
10 1 2
270
1.1.2 MÉTODOS PREDICTOR-CORRECTOR
Los métodos vistos con anterioridad suponen que la derivada en el intervalo
de interés tiene el mismo valor.
Una técnica para mejorar la estimación de la pendiente consiste en la
estimación de dos derivadas en el intervalo (una en el punto inicial y otra en el
punto final), las cuales se promedian posteriormente con la finalidad de obtener
una mejor estimación de la pendiente en todo el intervalo.
Los métodos que hacen uso de esta técnica reciben el nombre de Métodos
Predictor-Corrector y poseen la característica de tener un Paso de
Inicialización, un Paso de Predicción y un Paso de Corrección.
271
272
EJERCCIOS RESUELTOS
Ejemplo 5.2.3.1
Resuelva el siguiente Problema de Valor Inicial utilizando el siguiente Corrector:

ℎ
yi+1 = yi + 3 [𝑓(𝑥𝑖−1 , 𝑦𝑖−1 ) + 4𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓(𝑥𝑖+1 , 𝑦𝑖−1 )]
y el Método de Euler Modificado como Inicializador y como Predictor:

𝒅𝒚
=𝒙−𝒚
𝒅𝒙
PVI y(0) = 2
y(1) = ?
Utilice un paso de integración h=0.2
Solución:
Iniciador:
0
𝑓(𝑥𝑖 ,𝑦𝑖 )+𝑓(𝑥𝑖+1 ,𝑦𝑖+1 )
𝑦̅𝑖+1 = 𝑦𝑖 + ℎ…(1)
2
y0i+1 = yi + f(xi,yi) h… (2)
Predictor:
y0i+1 = yi + f(xi,yi) h… (3)
Corrector:
ℎ
yi+1 = yi + 3 [𝑓(𝑥𝑖−1 , 𝑦𝑖−1 ) + 4𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓(𝑥𝑖+1 , 𝑦𝑖−1 )]… (4)
Primera Iteración:
Iniciador:
i=0
De (2):
y01 = y0 + f(x0,y0) h
y01 = 2 + (0-2) 0.2
y01 = 1.6
273
De (1):
ℎ
𝑦̅1 = y0 + 2[f(x0,y0) + f(x1,y01)]
0.2
𝑦̅1 = 2 + [(0-2) + (0.2-1.6)]
2
𝑦̅1 = 1.66
Predictor:
i=1
De (3):
y02 = y1 + f(x1,y1) h
y02 = 1.66 + (0.2-1.66) 0.2
y02 = 1.368
De (1):
ℎ
𝑦̅2 = y1 + 2[f(x1,y1) + f(x2,y02)]
0.2
𝑦̅2 = 1.66 + [(0.2-1.66) + (0.4-1.368)]
2
𝑦̅2 = 1.4172
Corrector:
De (4):
ℎ
y2 = y0 + 3[f(x0,y0) + 4f(x1,y1) + f(x2,𝑦̅2 )
0.2
y2 = 2 + [(0-2) + 4(0.2-1.66) + (0.4-1.4172)]
3
y2 = 1.4095
Segunda Iteración:
Predictor:
i=2
De (1):
ℎ
𝑦̅3 = y2 + 2[f(x2,y2) + f(x3,y2+hf(x2,y2))]
ℎ
𝑦̅3 = 1.4095 + 2[(0.4-1.4095) + (0.6-1.2076)]
274
𝑦̅3 = 1.2478
Corrector:
De (4):
ℎ
y3 = y1 + 3[f(x1,y1) + 4f(x2,y2) + f(x3, 𝑦̅3)]
0.2
y3 = 1.66 + [(0.2-1.66) + 4(0.4-1.4095) + (0.6-1.2478)]
3
y3 = 1.2503
En la siguiente tabla se muestran los resultados:
TABLA DE RESULTADOS
i xi yi fi y0i+1 f 0i ̅i+1
𝒚 fi-1 𝒇̅i yi+1
0 0 2.0000 -2.0000 1.6000 -- 1.6600 -- -- 1.6600
1 0.2 1.6600 -1.4600 1.3680 -0.9680 1.4172 -2.0000 -1.0172 1.4095
2 0.4 1.4095 -1.0095 1.2076 -0.6076 1.2478 -1.4600 -0.6478 1.2503
3 0.6 1.2503 -0.6503 1.1207 -0.3207 1.1532 -1.0095 -0.3532 1.1452
4 0.8 1.1452 -0.3452 1.0762 -0.0762 1.1031 -0.6503 -0.1031 1.1080
5 1.0 1.1080
Es decir:
y(1) = 1.1080
275
276
Problema 5.2.3.1
La reacción:
A B
se lleva a cabo en un reactor tipo tanque agitado con chaqueta de enfriamiento.
La temperatura de la reacción ( T ) se mantiene en un valor promedio de 300 K.
Del balance de masa se obtiene la siguiente EDO:
𝒅𝑪𝑨 −𝟐𝟐𝟓𝟎𝟎
= 𝟎. 𝟎𝟎𝟓(𝟓 − 𝑪𝑨 ) − 𝟖 𝑿 𝟏𝟎𝟏𝟐 𝒆 𝟏.𝟗𝟖𝟕 𝑻 𝑪𝑨
𝒅𝒕
Si CA(0) = 5 gmol/lt y h = 5 segundos, calcule CA(15) = ? utilizando el Método
de Runge-Kutta de 2do orden como Iniciador y como Predictor, además del
siguiente algoritmo como Corrector:

𝒉
𝒚𝒊+𝟏 = 𝒚𝒊−𝟏 + [𝒇(𝒙𝒊−𝟏 , 𝒚𝒊−𝟏 ) + 𝟒 𝒇(𝒙𝒊 , 𝒚𝒊 ) + 𝒇(𝒙𝒊+𝟏 , 𝒚
̅𝒊+𝟏 )]
𝟑
277
Problema 5.2.3.2
El vaciado de un tanque esférico de radio r = 5 m puede modelarse mediante la
siguiente EDO:
𝑑𝑎 −0.0122375 𝑎0.5
=
𝑑𝑡 (100 𝑎 − 𝑎2 )
Si al inicio la altura del líquido es de 4 metros, ¿qué altura tendrá el tanque
pasados 40 segundos? Considere el paso de integración de 10 segundos. Aplique
dos correctores.
Iniciador: Runge-Kutta de cuarto orden

𝟒𝒉
Predictor: yi+1 = yi-3 + [ fi – fi-1 + 2fi-2 ]
𝟑
𝒉
Corrector: yi+1 = yi + 𝟐𝟒[ 9fi+1 + 19fi - 5fi-1 + fi-2]
Problema 5.2.3.3
Del estudio de la cinética de deshidrogenación de Benceno en fase gaseosa se
llega a la siguiente ecuación diferencial en la que xB es la conversión de Benceno
y  es el tiempo de residencia:
𝒅𝒙𝑩
= 𝟔. 𝟐𝟑[(𝟏 − 𝒙𝑩 )𝟐 − 𝟎. 𝟖𝟎𝟏𝒙𝑩 𝟐 ]
𝒅𝝉
Utilice RK3 como iniciador y el siguiente esquema Predictor-Corrector
para calcular xB(0.7) con un paso de integración de 0.1 sabiendo que xB=0.041
cuando =0.3:
𝒉
Predictor: ̅𝒊+𝟏 = 𝒚𝒊 +
𝒚 [−𝟗𝒇𝒊−𝟑 + 𝟑𝟕𝒇𝒊−𝟐 − 𝟓𝟗𝒇𝒊−𝟏 + 𝟓𝟓𝒇𝒊 ]
𝟐𝟒
𝒉
Corrector: 𝒚𝒊+𝟏 = 𝒚𝒊 + [𝒇𝒊−𝟐 − 𝟓𝒇𝒊−𝟏 + 𝟏𝟗𝒇𝒊 + 𝟗𝒇𝒊+𝟏 ]
𝟐𝟒
278
Problema 5.2.3.4
Utilizando el Método de Runge-Kutta de tercer orden como Predictor y el
siguiente algoritmo como Corrector calcule los valores solicitados en la tabla:

𝒉
yi+1 = yi-1 + [fi-1 + 4fi + fi+1]
𝟑
𝒅𝑪𝟏
= 15 – 0.3C1
𝒅𝒕
C1(0) = 20
h = 1
t C1 ̃𝟏
𝑪
2 ? ?
Solución: C1(2) = 33.534; 𝑪

̃𝟏 (2) = 33.534
279
1.1.3 ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR
Cuando en el problema de valor inicial aparecen una ecuación
diferencial de orden n, n condiciones especificadas en un punto x0 y un punto xf,
donde hay que encontrar el valor de y(xf), se tiene el siguiente problema de valor
inicial general:
𝒅𝒏 𝒚
= 𝒇(𝒙, 𝒚, 𝒚′ , … , 𝒚(𝒏−𝟏) )
𝒅𝒙𝒏
PVI
y(x0) = y0 ; y’(x0) = y’0 , … , y(n-1)(x0) = y(n-1)0
Para resolver la ecuación anterior no se desarrollan nuevos
métodos, sino que se emplea una extensión de los estudiados con anterioridad,
para lo cual es necesario pasar la ecuación diferencial ordinaria a un sistema de
n ecuaciones diferenciales simultáneas de primer orden cada una, es decir:
Sea:
𝑑𝑛 𝑦
𝑛
= 𝑓(𝑥, 𝑦, 𝑦 ′ , 𝑦 ′′ , … . 𝑦 (𝑛−1) )
𝑑𝑥
El primer paso consiste en realizar el siguiente cambio de variable:
y1 = y
y2 = y’
y3 = y’’
y4 = y’’’
:
yn = y(n-1)
Se deriva miembro a miembro la primera ecuación y se substituye
en la segunda, con lo que se obtiene:

y 1’ = y 2
Al derivar la segunda ecuación y substituir en la tercera resulta:

y 2’ = y 3
El procedimiento se repite hasta llegar al siguiente sistema de n
ecuaciones de primer orden:
280
y 1’ = y 2
y 2’ = y 3
y 3’ = y 4
yn-1’ = yn
𝒅𝒏 𝒚
yn’ = = f(x,y,y’,y’’,…,y(n-1)) = f(x,y1,y2,y3,…,yn)
𝒅𝒙𝒏
Puesto que al hacer el cambio de variable se genera una nueva
ecuación, en este case deberemos calcular un valor de k1 para cada ecuación, de
tal manera que, por ejemplo, para una ecuación diferencial de segundo orden
empleando el Método de Runge-Kutta de Cuarto Orden, las fórmulas a utilizar
están dadas por:
y0 = y(x0)
z0 = z(x0)
𝒉
yi+1 = yi + [k1,1 + 2k2,1 + 2k3,1 + k4,1]
𝟔
𝒉
zi+1 = zi + [k1,2 + 2k2,2 + 2k3,2 + k4,2]
𝟔
k1,1= f1(xi , yi , zi)
k1,2= f2(xi , yi , zi)

𝒉 𝒉 𝒉
k2,1= f1(xi + , yi + 𝟐k1,1 , zi +𝟐k1,2)
𝟐
𝒉 𝒉 𝒉
k2,2= f2(xi + , yi + 𝟐k1,1 , zi +𝟐k1,2)
𝟐
𝒉 𝒉 𝒉
k3,1= f1(xi + , yi + 𝟐k2,1, zi +𝟐k2,2)
𝟐
𝒉 𝒉 𝒉
k3,2= f2(xi + , yi + 𝟐k2,1, zi +𝟐k2,2)
𝟐
k4,1 = f1(xi + h , yi +hk3,1 , zi + hk3,2)
k4,2 = f2(xi + h , yi +hk3,1 , zi + hk3,2)
281
282
Ejemplo 5.2.4.1
Resuelva el siguiente problema con el Método de RK de Cuarto Orden:

𝒅𝟐 𝒚 𝒅𝒚
+ 𝟎. 𝟓 +𝟕𝒚 =𝟎 … (1)
𝒅𝒙𝟐 𝒅𝒙
Donde y(0)=4 y y’(0)=0. Resuelva desde x=0 hasta x=5 con h=0.5
Solución:
Haciendo:
𝑑𝑦
𝑑𝑥
= 𝑧 … (2)
Las ecuaciones por resolver son:

𝑑𝑦
= z = f1(x,y,z)
𝑑𝑥
𝑑𝑧
= -0.5 z – 7 y = f2(x,y,z)
𝑑𝑥
Y(0) = 4
PVI
z(0) = 0
y(5) = ?
z(5) = ?
h = 0.5
k1,1 = f1(x,y,z)
k1,2 = f2(x,y,z)
1 1 1
k2,1 = f1(x+ h ,y+ hk1,1 ,z+ hk1,2)
2 2 2
1 1 1
k2,2 = f2(x+2h ,y+2hk1,1 ,z+2hk1,2)
1 1 1
k3,1 = f1(x+2h ,y+2hk2,1 ,z+2hk2,2)
1 1 1
k3,2 = f2(x+2h ,y+2hk2,1 ,z+2hk2,2)
k4,1 = f1(x+h ,y+hk3,1 , z+hk3,2)
k4,2 = f2(x+h ,y+hk3,1 , z+hk3,2)
283
xi+1 = xi + h
ℎ
yi+1 = yi + 6[k1,1 +2(k2,1 + k3,1) + k4,1]
ℎ
zi+1 = zi + 6[k1,2 +2(k2,2+ k3,2) + k4,2]
i = 0
xi = 0 yi = 4 zi = 0
k1,1= f1(x,y,z) = z = 0
k1,2= f2(x,y,z) =-0.5z – 7y = -0.5(0) – 7(4) = -28

1 1 1
k2,1 = f1(x+2h ,y+2hk1,1 ,z+2hk1,2) = f1(0.25,4,-7) = z = -7
1 1 1
k2,2 = f2(x+2h ,y+2hk1,1 ,z+2hk1,2) = f2(0.25,4,-7) = -0.5 (-7) – 7 (4) = -24.5
1 1 1
k3,1 = f1(x+2h ,y+2hk2,1 ,z+2hk2,2) = f1(0.25,2.25,-6.125) = z = -6.125
1 1 1
k3,2 = f2(x+2h ,y+2hk2,1 ,z+2hk2,2) = f2(0.25,2.25,-6.125) = -0.5 (-6.125) – 7 (2.25)
= -12.6875
k4,1 = f1(x+h , y+hk3,1 , z+hk3,2) = f1(0.5,0.9375,-6.3438) = z = -6.3438
k4,2 = f2(x+h,y+hk3,1,z+hk3,2)=f2(0.5,0.9375,-6.3438)=-0.5(-6.3438) – 7(0.9375)
= -3.3906
x1 = x0 + h = 0 + 0.5 = 0.5
ℎ 0.5
y1 = y0 + 6[k1,1 +2(k2,1 + k3,1) + k4,1] = 4+ 6 [0+2(-7-6.125)-6.3438)] = 1.2839
ℎ 0.5
z1 = z0 + 6[k1,2 +2(k2,2+ k3,2) + k4,2] = 0+ 6 [-28+2(-24.5-12.6875)-3.3906)]
= -8.8138
A continuación se presenta la Tabla de Resultados correspondiente:
284
TABLA DE RESULTADOS
i x y z k1,1 k1,2 k2,1 k2,2 k3,1 k3,2

0 0.0 4.0000 0.0000 0.0000 -28.000 -7.0000 -24.500 -6.1250 -12.688
1 0.5 1.2839 -8.8138 -8.8138 -4.5801 -9.9588 11.4166 -5.9597 11.4208
2 1.0 -2.3623 -4.2706 -4.2706 18.6716 0.3973 23.8112 1.6822 15.0000
3 1.5 -2.1025 4.5067 4.5067 12.4643 7.6228 3.1095 5.2616 -1.2530
4 2.0 0.7438 5.3700 5.3700 -7.8915 3.3971 -16.303 1.2944 -11.7986
5 2.5 1.9291 -0.7605 -0.7605 -13.1233 -4.0413 -10.1520 -3.2985 -4.7820
6 3.0 0.3798 -4.3750 -4.3750 -0.4709 -4.4928 7.2443 -2.5640 6.4859
7 3.5 -1.2553 -1.5525 -1.5525 9.5631 0.8383 11.0846 1.2187 6.7105
8 4.0 -0.8916 2.5120 2.5120 4.9851 3.7583 -0.0341 2.5035 -1.5876
9 4.5 0.5046 2.3754 2.3754 -4.7196 1.1955 -8.2867 0.3038 -5.7760
10 5.0 0.9097 -0.7232
i k4,1 k4,2
0 -6.3438 -3.3906
1 -3.1034 13.4235
2 3.2294 9.0339
3 3.8802 -5.6380
4 -0.5293 -9.4721
5 -3.1515 -0.3831
6 -1.1321 6.8815
7 1.8028 3.6201
8 1.7182 -3.3802
9 -0.5125 -4.3380
10
285
286
Problema 5.2.4.1
Kutta de Cuarto Orden con un paso de integración h = 1:

1 1
y’’ = -𝑥 𝑦 ′ + (𝑥 2 − 1) 𝑦
y(1) = 1
y’(1) = 2
y(3) = ?
Solución: y(3)=1.5783
Problema 5.2.4.2
El proceso conocido como recubrimiento en cortina para una hoja delgada
de líquido viscoso que emerge de una ranura en la base de un canal puede
modelarse mediante la siguiente EDO:

𝟏 ′ 𝟐
′′ − ( ) −  ′ + 𝒆−𝟎.𝟎𝟏𝒚 = 𝟎

Donde  es la velocidad de la hoja y y es la distancia vertical de la ranura.
Calcule (0.6) y ’(0.6) con un paso de integración h=0.1 y la siguiente
información:
y  ’
0.0 0.3000 0.0000
0.1 0.2950 -0.0998
0.2 0.2800 -0.1953
0.3 0.2559 -0.2789
0.4 0.2242 -0.3433
Utilice el Método de Runge-Kutta de orden 2
287
Problema 5.2.4.3
Resuelva la siguiente ecuación diferencial ordinaria de segundo orden:

𝟐
−𝟐 + 𝟐𝒚 = 𝟎
𝒅𝒕 𝒅𝒕
y(0) = 1
𝒅𝒚
| =𝟎
𝒅𝒕 𝒕=𝟎
y(0.7) = ?
Utilice el método de Runge-Kutta de segundo orden con un paso de
iteración de 0.1
Solución: y(0.7) = 0.25
Problema 5.2.4.4
Resuelva la siguiente ecuación diferencial ordinaria de segundo orden:

𝒅𝟐 𝒚
− 𝟒𝒚 = 𝟓
𝒅𝒙𝟐
y(0) = 0
𝒅𝒚
| =𝟏
𝒅𝒙 𝒙=𝟎
y(0.1) = ?
Utilice el método de Runge-Kutta de cuarto orden con un paso de iteración
de 0.01
Solución: y(0.1) = 0.1258
Problema 5.2.4.5
Resuelva el siguiente Problema de Valor Inicial:
y’’ – 4y = 12x, y(0) = 4, y’(0) = 1, y(1) = ?, y’(1) = ?
Solución: y(1)=13; y’(1)=25
288
Problema 5.2.4.6
Resuelva el siguiente Problema de Valor Inicial:

− − 𝟐𝒚 = 𝟎
𝒅𝒙𝟐 𝒅𝒙
y(0) = 2
PVI y’(0) = 1
y(5) = ?
y’(5) = ?
Utilice el método de RK-4 con h = 1
Problema 5.2.4.7
Resuelva el siguiente problema de valor inicial:
y’’ + 2y’ + y = x2
y(0) = 0
PVI y’(0) = 1
y(5) = ?
y’(5) = ?
Aplique el método de RK-4 con un paso de integración h = 1
289
Problema 5.2.4.8
y’’ + y’ - 2y = 0
y(0) = 1
PVI y’(0) = 2
y(5) = ?
y’(5) = ?
Problema 5.2.4.9
y’’ - 4y’ - 12y = 0
y(0) = 0
PVI y’(0) = 1
y(5) = ?
y’(5) = ?
Problema 5.2.4.10
y’’ - 2y’ + y = 1
y(1) = 0
PVI y’(1) = 0
y(5) = ?
y’(5) = ?
290
Problema 5.2.4.11
y’’ - 4y’ + y = x
y(1) = 1
PVI y’(1) = 0
y(5) = ?
y’(5) = ?
Problema 5.2.4.12
y’’ + 2y’ + y = x2
y(0) = 0
PVI y’(0) = 1
y(5) = ?
y’(5) = ?
Problema 5.2.4.13
y’’ + y = cos(x)
y(0) = 0
PVI y’(0) = 0
y(5) = ?
y’(5) = ?
291
Problema 5.2.4.14
y’’’ - y’’ + 2y’ - 2y = x
y(0) = 1
PVI y’(0) = 0
y’’(0) = 1
y(5) = ?
Problema 5.2.4.15
y’’ + y = sen(x)
y(0) = 1
PVI y’(0) = -1
y(5) = ?
y’(5) = ?
Problema 5.2.4.16
y’’ - y’ - 2y = cos(x)
y(0) = 1
PVI y’(0) = -1
y(5) = ?
y’(5) = ?
292
1.1.4 SISTEMAS DE ECUACIONES DIFERENCIALES ORDINARIAS
En algunas ocasiones la solución de un problema de ingeniería química requiere
el planteamiento de más de una ecuación diferencial, en este caso deberemos
resolver un sistema de ecuaciones diferenciales por alguno de los métodos vistos
con anterioridad.
Un sistema de ecuaciones diferenciales ordinarias es un conjunto de una o
más ecuaciones diferenciales ordinarias en las que aparecen una o más funciones
incógnita, donde todas ellas dependen de una sola variable independiente, el cual
se puede expresar de la siguiente manera:
y1’(x) = f1(x,y1,y2,…yn)
y2’(x) = f1(x,y1,y2,…yn)
yn’(x) = f1(x,y1,y2,…yn)
Donde las derivadas de las variables dependientes deben aparecer
despejadas.
Cabe aclarar que, al igual que en el caso de ecuaciones diferenciales de
orden superior, también es necesario calcular un valor de ki para cada función.
293
294
Ejemplo 5.2.5.1
Resuelva el siguiente sistema de ecuaciones diferenciales con el método
de Runge-Kutta de cuarto orden suponiendo que en x=0, y1=4 y y2= 6. Integre
hasta x=2 con un tamaño de paso igual a 0.5 :

𝒅𝒚𝟏
= −𝟎. 𝟓𝒚𝟏
𝒅𝒙 …(1)
𝒅𝒚𝟐
= 𝟒 − 𝟎. 𝟑𝒚𝟐 − 𝟎. 𝟏𝒚𝟏
𝒅𝒙
Solución:
𝒅𝒚𝟏
= −𝟎. 𝟓𝒚𝟏 = 𝒇𝟏 (𝒙, 𝒚𝟏 , 𝒚𝟐 )
𝒅𝒙
𝒅𝒚𝟐
= 𝟒 − 𝟎. 𝟑𝒚𝟐 − 𝟎. 𝟏𝒚𝟏 = 𝒇𝟐 (𝒙, 𝒚𝟏 , 𝒚𝟐 )
𝒅𝒙
y1(0) = 4
PVI
y2(0) = 6
y1(2) = ?
y2(2) = ?
h = 0.5
k1,1 = f1(x,y1,y2)
k1,2 = f1(x,y1,y2)
𝟏 𝟏 𝟏
k2,1 = f1(x+𝟐h , y1+𝟐hk1,1 ,y2+𝟐hk1,2)
𝟏 𝟏 𝟏
k2,2 = f2(x+𝟐h , y1+𝟐hk1,1 ,y2+𝟐hk1,2)
𝟏 𝟏 𝟏
k3,1 = f1(x+𝟐h , y1+𝟐hk2,1 ,y2+𝟐hk2,2)
𝟏 𝟏 𝟏
k3,2 = f2(x+𝟐h , y1+𝟐hk2,1 ,y2+𝟐hk2,2)
k4,1 = f1(x+h , y1+hk3,1 , y2+hk3,2)
k4,2 = f2(x+h , y1+hk3,1 , y2+hk3,2)
𝒉
y1,i+1 = y1,i + 𝟔
[k1,1 + 2(k2,1 + k3,1) + k4,1 ]
295
𝒉
y2,i+1 = y2,i + 𝟔
[k1,2 + 2(k2,2 + k3,2) + k4,2 ]
A continuación se presentan los resultados en forma de tabla:
TABLA DE RESULTADOS
i x y1 y2 k1,1 k1,2 x+h/2 y1+h/2*k1,1
1 0.0 4.0000 6.0000 -2.0000 1.8000 0.25 3.5000
2 0.5 3.1152 6.8577 -1.5576 1.6312 0.75 2.7258
3 1.0 2.4262 7.6321 -1.2131 1.4678 1.25 2.1229
4 1.5 1.8895 8.3269 -0.9448 1.3130 1.75 1.6533
5 2.0 1.4716 8.9469
i y2+h/2*k1,2 k2,1 k2,2 y1+h/2*k2,1 y2+h/2*k2,2 k3,1 k3,2
1 6.4500 -1.7500 1.7150 3.5625 6.4288 -1.7812 1.7151
2 7.2655 -1.3629 1.5478 2.7745 7.2447 -1.3873 1.5492
3 7.7291 -1.0615 1.3880 2.1608 7.7091 -1.0804 1.3902
4 8.6552 -0.8267 1.2381 1.6828 8.6364 -0.8414 1.2408
i x+h y1+hk3,1 y2+hk3,2 k4,1 k4,2
1 0.5 3.1094 6.8576 -1.5547 1.6318
2 1.0 2.4216 7.6323 -1.2108 1.4682
3 1.5 1.8860 8.0572 -0.9430 1.3132
4 2.0 1.4688 8.9473 -0.7344 1.1689
296
Ejemplo 5.2.5.2
Dos grandes tanques de 100 litros cada uno se encuentran
interconectados por medio de tubos. El líquido fluye del tanque A hacia el tanque
B con una velocidad de 3l/min y del tanque B hacia el tanque A a razón de 1 l/min.
El líquido contenido en el interior de cada tanque se mantiene bien agitado. Una
solución de salmuera con una concentración de 2 Kg/l fluye del exterior hacia el
tanque A a razón de 6 l/min. La solución diluida fluye hacia el exterior del tanque
A a razón de 4 l/min y del tanque B con una velocidad de 2 l/min. Si inicialmente
el tanque A contenía agua pura y el tanque B 200 Kg de sal, determine la cantidad
de sal en cada tanque durante los primeros 10 minutos.
Solución:
6 l/min
3 l/min
2 Kg/l
A B
1 l/min
4 l/min 2 l/min
Solución:
Las cantidades de sal en cada instante en los tanques A y B están dadas
por sA y sB respectivamente.
La variación de la cantidad de sal en A y B está dada por:

𝒅𝒔𝑨
= 𝒗𝒆 − 𝒗𝒔 … (1)
𝒅𝒕
𝒅𝒔𝑩
= 𝒗𝒆 − 𝒗𝒔 …(2)
𝒅𝒕
297
Donde:
ve = velocidad de entrada de sal
vs = velocidad de salida de sal
Tanque A:
𝑙 𝐾𝑔 𝑙 𝑠𝐵 𝑲𝒈
ve = 6 𝑚𝑖𝑛 * 2 + 1 𝑚𝑖𝑛 * = 12 + 0.01 sB
𝑙 100 𝒎𝒊𝒏
𝑙 𝑠 𝑙 𝑠
vs = 4 𝑚𝑖𝑛 * 100
𝐴
+ 3 𝑚𝑖𝑛 * 100
𝐴
= 0.07 sA
De donde la ecuación diferencial está dada por:

𝒅𝒔𝑨
= -0.07 sA + 0.01
𝒅𝒕
298
Problema 5.2.5.1
Dos tanques se encuentran interconectados. El segundo tanque se llena
con el primero, el cual a su vez desahoga a otro equipo. La altura que ocupa el
fluído del primer tanque está determinada por h2 y la altura del tanque 2 es
h 1. Las ecuaciones que describen el vaciado de dichos tanques
interconectados son las siguientes:

𝒅𝒉𝟏
= 𝟎. 𝟎𝟔(𝒉𝟐 − 𝒉𝟏 )
𝒅𝒕
𝒅𝒉𝟐
= 𝟎. 𝟎𝟔(𝒉𝟏 − 𝒉𝟐 ) − 𝟎. 𝟎𝟔𝒉𝟐
𝒅𝒕
h1(0) = 0 , h2(0) = 1000, h = 1
Utilizando el Método de Runge-Kutta de orden 2 calcule los valores
faltantes en la Tabla:
t h1 h2 k1,1 k1,2 k2,1 k2,2
0 0 1000 60 ? 49.2 -102
1 54.6 ? 50.06 -103.4 40.86 ?
2 ?
Solución: H1(2)=100.06; H2(1)=889; k1,2(0)=-120; k2,2(1)= -87.9917
299
Problema 5.2.5.2
Se conecta un inductor (inductancia) de 0.4 henries en serie con una
resistencia de 8 ohms, un capacitor de 0.015 faradays y un generador de
corriente alterna dada por la función 30sen(5t) volts para t0. Calcule la carga
para tiempos de 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8 y 0.9 seg usando el método
de Runge-Kutta de cuarto orden con h=0.1
La caída de voltaje en la resistencia es 8I, en la inductancia es 0.4 dI/dty
en la capacitancia Q/0.015 = 66.6666 Q
Según las Leyes de Kirchoff:

𝑑𝐼
8 𝐼 + 0.4 + 66.6666 𝑄 = 30 𝑠𝑒𝑛(5𝑡)
𝑑𝑡
𝑑2𝑄 𝑑𝑄
0.4 + 8 + 66.6666 𝑄 = 30 𝑠𝑒𝑛(5𝑡)
𝑑𝑡 2 𝑑𝑡
Solución:
Q(0.1)=0.0309;Q(0.2)=0.1695;Q(0.3)=0.3307;Q(0.4)=0.4255;
Q(0.5)=0.4147;Q(0.6)=0.3;Q(0.7)=0.1108;Q(0.8)=-0.1056;
Q(0.9)=-0.2961
300
Problema 5.2.5.3
El mezclado imperfecto en un reactor continuo de tanque perfectamente
agitado se puede modelar como dos o más reactores con recirculación entre
ellos. En este sistema se lleva a cabo una reacción isotérmica irreversible del
tipo A k B de orden 1.8 con respecto al reactante A. Con los datos
que se dan a continuación calcule la concentración del reactante A en los dos
reactores 1 y 2 (CA1 y CA2 respectivamente) durante el tiempo necesario para
alcanzar el régimen permanente. Ensaye diferentes tamaños de paso de
integración y compare los resultados.
Datos:
F=25 L/min CA0=1 mol/L
FR=100 L/min CA1(0)=0.0 mol/L
CA2(0)=0.0 mol/L k=0.2 (L/mol)0.8 min-1
Después de realizar un balance del componente A en cada uno de los
reactores, se llega al siguiente sistema de ecuaciones diferenciales:

𝒅𝑪𝑨𝟏 𝟐𝟓 𝟏𝟐𝟓
= 𝟏. 𝟐𝟓𝑪𝑨𝟐 + − 𝑪 − 𝟎. 𝟐𝑪𝑨𝟏 𝟏.𝟖
𝒅𝒕 𝟖𝟎 𝟖𝟎 𝑨𝟏
𝒅𝑪𝑨𝟐 𝟏𝟐𝟓
= (𝑪𝑨𝟏 − 𝑪𝑨𝟐 ) − 𝟎. 𝟐𝑪𝑨𝟐 𝟏.𝟖
𝒅𝒕 𝟐𝟎
NOTA.- El régimen permanente se alcanza cuando ya no hay variación en
las concentraciones.
301
Problema 5.2.5.4
En un reactor tipo tanque perfectamente agitado se lleva a cabo una reacción
química exotérmica, cuya temperatura se controla por medio de un líquido que
circula por medio de una chaqueta que se mantiene a una temperatura uniforme
Tj. Calcule la temperatura T y la concentración CA de la corriente de salida
cuando el reactor trabaja a régimen transitorio y hasta que alcanza el régimen
permanente para el caso de una reacción de primer orden.
Use los siguientes datos:
CA0 = CA(0) = Concentración del reactante A en el flujo de alimentación

= 5 gmol/L
T(0) = 300 K
F = Gasto de alimentación al reactor = 10 ml/s
V = Volumen del reactor = 2000 ml
T0 = Temperatura del flujo de alimentación = 300 K
H = Calor de reacción = - 10000 cal/gmol
U = Coeficiente Global de transmisión de Calor = 100 cal/°C s m2
A = Área de transmisión de calor = 0.02 m2
k = Constante de velocidad de reacción = 8 X 1012exp(-22500/1.987 T) s-1
Tj = Temperatura del líquido que circula por la chaqueta = 330 K
Cp = Calor específico de la masa reaccionante = 1 Kcal/Kg °C
 = Peso específico de la masa reaccionante = 1 Kg/L
Balance de materia para el reactante A:
𝒅𝑽𝑪𝑨
= 𝑭𝑪𝑨𝟎 − 𝑭𝑪𝑨 − 𝒌𝑽𝑪𝒏𝑨
𝒅𝒕
𝒅𝑽𝝆𝑪𝒑𝑻
= 𝑭𝝆𝑪𝒑(𝑻𝟎 − 𝑻) − ∆𝑯𝒌𝑽𝑪𝒏𝑨 − 𝑼𝑨(𝑻 − 𝑻𝒋 )
𝒅𝒕
𝒅𝑪𝑨 𝟐𝟐𝟓𝟎𝟎
= 𝟎. 𝟎𝟎𝟓(𝟓 − 𝑪 𝑨 ) − 𝟖 𝑿 𝟏𝟎𝟏𝟐 𝒆𝒙𝒑 (− ) 𝑪𝑨
𝒅𝒕 𝟏.𝟗𝟖 𝑻
𝒅𝑻 𝟐𝟐𝟓𝟎𝟎
= 𝟎. 𝟎𝟎𝟓(𝟑𝟎𝟎 − 𝑻) + 𝟖 𝑿 𝟏𝟎𝟏𝟑 𝒆𝒙𝒑 (− 𝟏.𝟗𝟖 𝑻 ) 𝑪𝑨 − 𝟎. 𝟎𝟎𝟏(𝑻 − 𝟑𝟑𝟎)
𝒅𝒕
PVI
CA(0) = 5 gmol/L
T(0)= 300 K
302
Problema 5.2.5.5
En una reacción de cloración se encontró que la cinética de la reacción obedece

a las siguientes ecuaciones:
𝒅𝒙𝑨
= −𝟏. 𝟓𝟓 𝒙𝑨
𝒅𝒕
𝒅𝒙𝑩
= 𝟏. 𝟓𝟓 𝒙𝑨 − 𝟎. 𝟒𝟓 𝒙𝑩
𝒅𝒕
Calcule los valores de xA(1.4) y xB(1.4) si se sabe que xA(1) = 0.1486 y
xB(1) = 0.4195 con h = 0.2 utilizando el Método de Runge-Kutta de Cuarto
Orden.
Solución: xA(1.4) = 0.0799

xB(1.4) = 0.4126
Problema 5.2.5.6
𝒅𝒙
= y
𝒅𝒕
𝒅𝒚
= 2x
𝒅𝒕
PVI
x(0) = 1
y(0) = 1.4142
Calcule hasta x(5) y y(5) con un paso de integración h=1 y aplique el
método de Runge-Kutta de Cuarto Orden.
303
Problema 5.2.5.7
Dos tanques interconectados se encuentran en funcionamiento, donde el
flujo de entrada Q1 se ajusta mediante un controlador proporcional integral
(PI). La acción del controlador está dada por:
𝟏
𝑸𝟏 = 𝑸𝒎𝒂𝒙 {𝟎. 𝟓 − 𝑲𝑪 [(𝑯𝟐 − 𝑯𝒅 ) + ∫(𝑯𝟐 − 𝑯𝒅 ) 𝒅𝒕]}
𝝉𝟏
Donde:
H2 = Nivel del agua en el segundo tanque [ft]
Hd = Nivel deseado de agua (punto de ajuste) en el segundo tanque [ft]
KC = Ganancia proporcional del controlador proporcional [ft-1]
1 = Tiempo integral [minutos]
Qmax = Velocidad máxima del flujo de entrada del agua Q1 [ft3/min]
Q1 = Velocidad ajustada del flujo de entrada del agua [ft3/min], donde
0 ≤ Q1 ≤ Qmax
El sistema de control debería conducir el sistema a un estado estacionario,
donde H2 = Hd en el tiempo más corto. El flujo inicial comienza cuando los dos
tanques están vacíos y el nivel en cualquier tanque no puede exceder de las
alturas de los tanques, dadas por H1max y H2max.
Los balances de masa en estado estacionario en cada tanque dan lugar a
las siguientes ecuaciones:
𝒅𝑯𝟏 𝟒
= (𝑸𝟏 − 𝑸𝟐 )
𝒅𝒕 𝝅 𝒅𝟐
𝒅𝑯𝟐 𝟒
= (𝑸𝟐 − 𝑸𝟎 )
𝒅𝒕 𝝅 𝒅𝟐
Donde Q2 y Q0 son velocidades del flujo del agua a través de válvulas
manuales [ft3/min]. Estas velocidades de flujo se pueden calcular a partir de las
ecuaciones de orificio de las válvulas manuales:
Q2 = C2 √𝐻1 − 𝐻2
Q0 = C0 √𝐻2
Donde C2 y C0 son factores de capacidad para las válvulas manuales
[ft3/min ◦ ft1/2]. Los siguientes parámetros son aplicables a este caso: Hd = 5
ft; d de cada tanque = 10 ft; H1max = H2max = 15 ft; Qmax = 500 ft3/min,
304
C2 = 63.2 y C0 = 31.6.
Calcule el nivel del agua en los dos tanques después de 15 minutos.
Utilice el Método de Runge-Kutta de Cuarto Orden y un paso de integración
h = 5 minutos.
Asuma un valor de KC = 0.48
Problema 5.2.5.8
La oxidación de Alcohol Etílico (EtOH) a Ácido Acético (AA) se lleva a cabo
mediante reacciones consecutivas en donde primero se forma Acetaldehído (Ac).
El cambio en la concentración del Alcohol y del Acetaldehído con respecto al
tiempo está descrito según las siguientes EDO’s:
𝒅𝑪𝑬𝒕𝑶𝑯
= −𝟎. 𝟔 𝑪𝑬𝒕𝑶𝑯
𝒅𝒕
𝒅𝑪𝑨𝒄
= 𝟎. 𝟔 𝑪𝑬𝒕𝑶𝑯 − 𝟎. 𝟐𝟓 𝑪𝑨𝒄
𝒅𝒕
Si CEtOH(0) = 1 y CAc(0) = 0 en gmol/L
a) Calcule la concentración de EtOH y Ac a los 4 minutos utilizando el Método
de Runge-Kutta de Segundo Orden y un paso de integración de 1 minuto.
b) Utilizando el criterio de los Mínimos Cuadrados determine el punto en que
ambas concentraciones son iguales y el tiempo en que esto sucede.
c) Utilizando derivación numérica mediante el Polinomio de Lagrange de
Primer Orden calcule el valor de la concentración máxima de Ac y el
tiempo en que sucede, así como:
d) Utilizando Simpson 3/8 calcule:
𝟒
∫ 𝑪𝑬𝒕𝑶𝑯 𝒅𝒕
𝟎
Solución: CEtOH(4) = 0.1132
305
Problema 5.2.5.9
𝒅𝒙
= y
𝒅𝒕
𝒅𝒚
= 2y – z
𝒅𝒕
𝒅𝒛
PVI = -x + y + z
𝒅𝒕
x(0) = 2
y(0) = 3
z(0) = 4
Calcule hasta x(5), y(5) y z(5) con un paso de integración h=1 y aplique el
Problema 5.2.5.10
𝒅𝒙
= y
𝒅𝒕
𝒅𝒚
= -x
PVI 𝒅𝒕
x(0) = y(0) = 1
x(5) =?; y(5) = ?
306
Problema 5.2.5.11
𝒅𝒙
= -4(x+y)
𝒅𝒕
𝒅𝒚
x’ +4 = -4y
PVI 𝒅𝒕
x(0) = 1; y(0)=0
x(5) = ?; y(5) = ?
Problema 5.2.5.12
𝒅𝒙
= 3x + 8y
𝒅𝒕
𝒅𝒚
= -3y -x
𝒅𝒕
PVI
x(0) = 6; y(0) = -2
x(5) = ?; y(5) = ?
307
Problema 5.2.5.13
𝒅𝒙
= x - z
𝒅𝒕
𝒅𝒚
= 2y
𝒅𝒕
𝒅𝒛
PVI = x + z
𝒅𝒕
x(0) = -2; y(0) = 2; z(0) = -1
x(5) = ?; y(5) = ?; z(5) = ?;
x’(5) = ?; y’(5) = ?; z’(5) = ?;
Problema 5.2.5.14
𝒅𝒙
= y + z
𝒅𝒕
𝒅𝒚
= -x + z
𝒅𝒕
𝒅𝒛
PVI = -x - y
𝒅𝒕
x(0) = -1; y(0) = -1; z(0) = -1
x(5) = ?; y(5) = ?; z(5) = ?;
x’(5) = ?; y’(5) = ?; z’(5) = ?;
308
Problema 5.2.5.15
x’ = y + te2t
y’ = -2x + 3y + e2t
PVI x(0) = 1; y(0) = -1
x(5) = ?; y(5) = ?
x’(5) = ?; y’(5) = ?
Problema 5.2.5.16
x’ = -2x - 5y + t
y’ = x + 2y + t2
PVI x(0) = 1; y(0) = 0
x(5) = ?; y(5) = ?
x’(5) = ?; y’(5) = ?
Calcule hasta x(5) y y(5) con un paso de integración h=1 y aplique el método
de Runge-Kutta de Cuarto Orden.
309
Problema 5.2.5.17
x’ = 2x + y - z
y’ = -3x - y + z + t
z’ = 9x + 3y – 4z
PVI x(0) = 0; y(0) = 3; z(0) = 0
x(5) = ?; y(5) = ?; z(5) = ?
310
1.2 ECUACIONES DIFERENCIALES
PARCIALES
Las ecuaciones diferenciales parciales (EDP) involucran una función de más
de una variable independiente y sus derivadas parciales. Prácticamente en todos
los fenómenos que se presentan en ingeniería aparecen más de dos variables y
su modelación matemática con frecuencia conduce a ecuaciones diferenciales
parciales.
En General:
𝟐 𝑼 𝟐 𝑼 𝟐 𝑼 𝝏𝑼 𝝏𝑼
𝑨(𝒙, 𝒚) 𝒙𝟐 + 𝑩(𝒙, 𝒚) 𝒙𝒚 + 𝑪 𝒚𝟐 = 𝑭 (𝒙, 𝒚, 𝝏𝒙 , 𝝏𝒚 ) …(1)
Donde A(x,y), B(x,y) y C(x,y) son funciones continuas de x y de y.
Dependiendo de los valores de A(x,y), B(x,y) y C(x,y)en algún punto particular
(x,y), la ecuación (1) puede ser elíptica, parabólica o hiperbólica:
311
1.2.1 MÉTODO EXPLÍCITO
El método explícito involucra la resolución de un problema de valores en la
frontera (PVF) en el que es necesario construir una malla dentro de los límites
de las variables a considerar como se muestra en la siguiente figura:
Nodos para el Método Explícito

0.04
0.035
0.03
0.025
0.02
t
0.015
0.01
0.005
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
La temperatura en cada nodo se calcula de la siguiente manera:
Til+1 = Til + (Ti+1l – 2Til + Ti-1l) … (5.3.1)
312
Ejemplo 5.3.1.1
Con el Método Explícito calcule la distribución de temperatura en una barra larga
y delgada que tiene una longitud de 10 cm y los siguientes valores: k’=0.49 cal/(s
cm °C); x= 2 cm; y t=0.1 s. En t=0 la temperatura de la barra es cero y las
condiciones de frontera se fijan para todos los tiempos en T(0)=100°C y
T(10)=50°C. Considere que la barra es de aluminio con C=0.2174 cal/(g °C) y =2.7
g/cm3. Por lo tanto, k=0.49/(2.7*0.2174)=0.835 cm2/s y =0.835*(0.1)/22
=0.020875
Solución:
Aplicando la ecuación (5.3.1):
T11=0+0.020875(0-2*0+100) = 2.0875
Aplicando la misma ecuación a los puntos interiores X=4, 6 y 8 cm:
T21=0+0.020875(0-2*0+0) = 0
T31=0+0.020875(0-2*0+0) = 0
T41=0+0.020875(50-2*0+0) = 1.0438
En t=0.2 s, los valores que se obtienen para los cuatro nodos interiores son:
T12=2.0875+0.020875(0-2*2.0875+100) = 4.0878
T22=0+0.020875(0-2*0+2.0875) = 0.0436
T32=0+0.020875(1.0438-2*0+0) = 0.0218
T42=1.0438+0.020875(50-2*1.0438+0) = 2.0439
De manera similar se realizan los siguientes cálculos, los resultados obtenidos a
tiempos de 3, 6, 9 y 12 s se ilustran en la siguiente figura:
313
120.0
100.0
80.0
3.0
60.0 6.0
9.0
40.0 12.0
20.0
0.0
0.00 2.00 4.00 6.00 8.00 10.00
314
Problema 5.3.1.1.- Calcule la temperatura en el nodo T(0.6,0.03) de una barra
aislada de 1.6 pie de longitud utilizando el Método Explícito. Se sabe que ∆t =
0.01 hr, ∆x = 0.2 pie y  = 0.95 pie2/hr. Las condiciones inicial y en las fronteras
pueden resumirse como se indica a continuación:

𝝏𝑻 𝝏𝟐 𝑻
= 𝜶
𝝏𝒕 𝝏𝒕𝟐
T(x,0) = 35 + 23x [ºF]
T(0,t) = 100–100t [ºF]
T(L,t) = 120 + 40t [ºF]
Resuelva el siguiente problema de Valor en la Frontera utilizando el
Método Explícito:
𝝏𝑻 𝝏𝟐 𝑻
= 𝜶
𝝏𝒕 𝝏𝒙𝟐
T(x,0) = 25(1+10x2) ºF 0 ≤ x ≤ L
T(0,t) = 100(1-2t) ºF t > 0
T(L,t) = 100(1+2t) ºF t ≥ 0
 = 1 pie2/ h L = 1.6 pie tmax = 1 h
∆x = 0.2 pie ∆t = 0.01 h T(0.4,0.03) = ?
315
1.2.2 MÉTODO IMPLÍCITO
El método implícito de solución de ecuaciones diferenciales
parciales es similar al método explícito, con la diferencia de que en este caso es
necesario resolver un sistema de ecuaciones lineales tridiagonal en cada
iteración.
316
Ejemplo 5.3.2.1
Calcule la temperatura como una función de x y t en una barra aislada de longitud
unitaria (en pies) sujeta a las siguientes condiciones inicial y de frontera:
CI T(x,0) = 50 sen(x) 0<x1
CF1 T(0,T) = 100 °F
CF2 T(1,t) = 50 °F t>0
 = 1 pie2 / h
Solución:
El problema de valores en la frontera queda definido como sigue:

𝝏𝑻 𝟐 𝑻
= 𝜶
𝝏𝒕 𝒙𝟐
T(x,0) = 50 sen( x)
PVF
T(0,t) = 100 °F
T(1,t) = 50 °F
La barra se divide en n = 8 segmentos o sub-intervalos, de tal manera que se
tiene un total de 9 nodos en cada fila, de los cuales 7 son interiores, de donde:
𝒏 𝟖
a= = = 0.125
𝒏𝟐 𝟖𝟐
El fenómeno se estudiará durante media hora y se dividirá este tiempo de
interés en m = 100, que da:

𝟏 𝟏
b= = = 0.005 horas
𝟐𝒎 𝟐∗𝟏𝟎𝟎
 = 0.32
El primer sistema lineal que permite calcular las temperaturas en la barra a
t = 0.005 horas es:
317
+ 1.64 T1,1 – 0.32 T2,1 = 51.1342
-0.32 T1,1 + 1.64 T2,1 – 0.32 T3,1 = 35.3553
- 0.32 T2,1 + 1.64 T3,1 – 0.32 T4,1 = 46.1940
- 0.32 T3,1 + 1.64 T4,1 – 0.32 T5,1 = 50.0000
- 0.32 T4,1 + 1.64 T5,1 – 0.32 T6,1 = 46.1940
- 0.32 T5,1 + 1.64 T6,1 – 0.32 T7,1 = 35.3553
- 0.32 T6,1 + 1.64 T7,1 = 35.1342
La solución del sistema anterior es:
T1,1 = 38.56 T2,1 = 37.84 T3,1 = 44.90 T4,1 = 47.93 T5,1 = 44.50
T6,1 = 35.78 T7,1 = 28.41
El segundo sistema lineal que permite calcular las temperaturas en la barra a
t = 0.005 horas es:
+ 1.64 T1,1 – 0.32 T2,1 = 70.5636
-0.32 T1,1 + 1.64 T2,1 – 0.32 T3,1 = 37.8445
- 0.32 T2,1 + 1.64 T3,1 – 0.32 T4,1 = 44.9041
- 0.32 T3,1 + 1.64 T4,1 – 0.32 T5,1 = 47.9329
- 0.32 T4,1 + 1.64 T5,1 – 0.32 T6,1 = 44.5021
- 0.32 T5,1 + 1.64 T6,1 – 0.32 T7,1 = 35.7840
- 0.32 T6,1 + 1.64 T7,1 = 44.4055
La solución del sistema anterior es:
T1,1 = 51.17 T2,1 = 41.76 T3,1 = 44.58 T4,1 = 46.40 T5,1 = 43.40
T6,1 = 36.98 T7,1 = 34.29
Los resultados obtenidos se muestran en la siguiente Tabla:
318
x (pies)
t
(horas) 0.000 0.125 0.250 0.375 0.500 0.625 0.750 0.875 1.000
0.000 50 19.13 35.36 46.19 50.00 46.19 35.56 19.13 25
0.005 100 38.56 37.84 44.90 47.93 44.50 35.78 28.41 50
0.010 100 51.17 41.76 44.58 46.40 43.40 36.98 34.29 50
0.015 100 59.67 45.89 45.00 45.42 42.81 38.35 38.15 50
0.020 100 65.60 49.74 45.92 44.97 42.62 36.65 40.75 50
0.025 100 69.89 53.17 47.15 44.96 42.72 40.82 42.57 50
0.030 100 73.08 56.15 48.54 45.28 43.05 41.85 43.88 50
0.050 100 80.31 64.65 54.36 48.48 45.60 45.06 46.73 50
0.100 100 86.83 74.90 65.13 57.94 53.31 50.87 50.02 50
0.150 100 89.62 79.90 71.37 64.38 59.00 55.07 52.24 50
0.200 100 91.21 82.82 75.14 68.40 62.66 57.85 53.73 50
0.300 100 92.77 85.70 78.89 72.45 66.39 60.70 55.27 50
0.400 100 93.37 86.80 80.34 74.02 67.84 61.80 55.87 50
0.500 100 93.60 87.23 80.90 74.62 68.40 62.23 56.10 50
319
320
Problema 5.3.2.1
La ecuación:
𝟐 𝒖 𝟐 𝒖
+ (𝟏 − 𝒚𝟐 ) = 0
𝒙 𝟐 𝒙𝟐
describe la conducción de calor en una lámina delgada (espesor despreciable) y
aislada, además de que permite calcular la temperatura en cualquier punto de la
lámina, a cualquier tiempo, en régimen transitorio. Si las condiciones inicial y de
frontera son las mostradas en la siguiente figura:
T(x,LM,t)=g2(x,t)
T(x,y,0)=f(x,y)
x
LN
T(x,0,t)=g1(x,t)
Establezca el problema de valor en la frontera y encuentre el algoritmo
correspondiente al método implícito y resuelva con  = 0.01 y las siguientes
condiciones inicial y de frontera:
CI: T(x,y,0)=20°C; 0 ≤ x ≤ 0.1 m; 0 ≤ y ≤ 0.2 m
CF1: T(x,0,t)=100°C; 0 ≤ x ≤ 0.1 m; 0 ≤ t ≤ 1 hora
CF2: T(x,0.2,t)=50°C; 0 ≤ x ≤ 0.1 m; 0 ≤ t ≤ 1 hora
321
CF3: T(0,y,t)=100°C; 0 ≤ y ≤ 0.2 m; 0 ≤ t ≤ 1 hora
CF4: T(0.1,y,t)=50°C; 0 ≤ x ≤ 0.2 m; 0 ≤ t ≤ 1 hora
Problema 5.3.2.2
Resuelva el siguiente PVF por el método implícito:
𝝏𝑻 𝟐 𝑻
EDP: = 
𝝏𝒕 𝒙𝟐
CI: T(x,0) = 20 sen(x)  = 1 pie2/h
CF1: T(0,t) = 100 °C L = 1 pie
CF2: T(L,t) = 50 °C tmax = 1 hora
Solución:
=0.01
x (pies)
t (hrs)
0.00 0.25 0.50 0.75 1.00
0.0 100.00 4.95 9.59 13.63 50.00
1.0 100.00 63.47 42.86 40.67 50.00
5.0 100.00 86.87 74.10 61.87 50.00
10.0 100.00 87.49 75.00 62.49 50.00
322
BIBLIOGRAFÍA
1. Chapra, Canale. “Métodos Numéricos para ingenieros”. 4ª Ed. McGraw-

Hill. México (2008)
2. Constantinides, Mostoufi, “Numerical Methods for Chemical Engineers
with MATLAB Applications”. Prentice Hall, USA (2000)
3. Cutlip, Michel B. and Shacham, Mordechai. “Resolución de problemas en
Ingeniería Quimica y Bioquímica con POLYMATH, Excel y MATLAB”.
2ª Ed. Prentice Hall (2008)
4. Dorn, W. S. “Operations Research” 9, 95 (1961)
5. Gilat, Amos. “Matlab. Una introducción con ejemplos prácticos”.
Editorial Reverté. España (2006)
6. Nieves H. A., Domínguez S. F. “Métodos Numéricos Aplicados a la
Ingeniería”. 4ª Ed., Grupo Editorial Patria, México (2012)
7. Thomas, F. E. and Himmelblau, M. D. “Optimization of Chemical
Processes”. McGraw-Hill, EUA (2001)
323

Problemario 2020 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Problemario 2020 PDF

Cargado por

Copyright:

Formatos disponibles

P R O B L E M A R I O

El presente trabajo es un compendio de ejercicios correspondientes a la

Unidad de Aprendizaje Métodos Numéricos que se imparte en el Primer Nivel de

la carrera de Ingeniería Química Industrial en la ESIQIE.

Se presentan ejemplos resueltos de cada uno de los temas del curso y se

en clase y, lo que es más importante, que desarrollen su capacidad para resolver

diferentes tipos de problemas.

Los problemas propuestos se han incluido después de cada tema y no al

Se han incluido las respuestas de algunos de los problemas propuestos con

la finalidad de que el alumno compruebe su solución con la presentada aquí.

Asimismo, se han incluido algunos temas que no están contemplados en el

programa, pero se considera que pueden ser de utilidad.

Se presentan dos tipos de problemas:

a) Problemas teóricos (Donde se practican conceptos teóricos)

b) Problemas de aplicación (Donde se aplican conceptos a problemas

En cada problema se presenta un ícono que indica de qué tipo de problema

segunda etapa se pretenden incluir problemas de aplicación de Software

Matemático, como MATLAB, MATHCAD y MATEMATICA.

aportaciones de los profesores integrantes de la Academia de Matemáticas Aplicadas,

quienes con agrado han compartido su experiencia y conocimientos, en particular del

importante y desinteresado apoyo del Prof. Federico Domínguez Sánchez (q.e.p.d.),

comentarios y consejos. Deseo expresar mi más profundo agradecimiento al Prof.

Rogelio Márquez Nuño por su inagotable paciencia, su desinteresada disposición y su

importante contribución en la elaboración de este Material.

Gracias al Instituto Politécnico Nacional y a la ESIQIE que me brindaron el

cursan la asignatura de Métodos Numéricos.

de su fresca juventud y sus inquietantes preguntas, aliciente en la búsqueda incansable

Grecia Elizabeth Vázquez Camarillo

“El pesimista se queja del viento,

el optimista espera que cambie,

el realista ajusta las velas”

William George Ward

dejado huella en mi formación académica, a mis compañeros que han enriquecido mi

mencionar nombres por temor a olvidar alguno de ellos.

A Elva, Diego y Alonso, quienes han llenado mi vida.

Rogelio Márquez Nuño

"El trabajo duro es el precio que debemos pagar por el éxito"

Proporcionar los fundamentos teóricos y metodológicos de los métodos

exactos o analíticos, en la solución de problemas matemáticos que se presentan

Identificar los métodos numéricos distinguiendo entre una solución

numéricos y de las herramientas necesarias para su aplicación.

Aplicar la metodología más adecuada para la solución de problemas reales

del criterio de los mínimos cuadrados y el ajuste exacto de interpolación a

Utilizar los métodos de derivación y optimización numérica seleccionando

la metodología más adecuada para la solución de problemas reales que involucren

Emplear los métodos numéricos que resuelven ecuaciones diferenciales

para obtener la solución más pertinente.

1.1 Introducción a los Tipos de Soluciones .……………………………………………………… 1

1.1.1 Soluciones exactas…………………………………………………………………………………… 2

1.1.2 Soluciones aproximadas…………………………………………………………………………… 3

1.1.3 Implementación de Soluciones Numéricas …………………………………………… 3

II. SOLUCIÓN DE ECUACIONES MEDIANTE MÉTODOS ITERATIVOS

2.1 Sistemas de ecuaciones lineales…………………………………………………………………… 5

2.1.1 Método de Jacobi……………………………………………………………………………………… 9

2.1.2 Método de Gauss-Seidel………………………………………………………………………… 17

2.1.3 Otros métodos…………………………………………………………………………………………… 31

2.2 Sistemas de Ecuaciones no lineales……………………………………………………………… 37

2.2.1 Método de Punto Fijo Multivariable ……………………………………………………. 37

2.2.2 Métodos de Newton ………………………………………………………………………………… 53

2.2.2.1 Método de Newton-Raphson Multivariable …………………………………… 53

2.2.2.2 Método de Newton-Raphson Modificado ………………………………………. 69

III. INTERPOLACIÓN Y AJUSTE DE DATOS

3.1 Aproximación funcional e interpolación ……………………………………………………… 75