SIMULACIÓN DE DIFUSIÓN DE CARBONO EN ACEROS MEDIANTE LA IMPLEMENTACIÓN DE

MÉTODOS NUMÉRICOS.
Laura G. Torres Mejía1, a
Junio de 2021

Resumen
La difusión del carbono en la austenita es importante para el diseño y la implementación de
muchos procesos de tratamiento térmico del acero. Debido a la importancia económica, la
industria exige modelos matemáticos que permitan la predicción de perfiles de profundidad de
carburización y descarburaciones realistas. Las soluciones analíticas de la ley de Fick, sin
embargo, son de aptitud limitada, ya que no se puede considerar la dependencia de la
concentración del coeficiente de difusión del carbono en el acero.
El presente estudio propone la simulación de un modelo adaptado para la difusión de carbono
en austenita en aleaciones de hierro-carbono, así como para aceros aleados con una variedad
de elementos con un coeficiente de difusión variable, dependiente de la concentración,
mediante la utilización de un método numérico.
Palabras clave
Simulación, coeficiente de difusión, carburización, método numérico.
Abstract
Carbon diffusion in austenite is important to the design and implementation of many heat
treatment processes for steel. Due to the economic importance, the industry demands
mathematical models that allow the prediction of realistic carburization and decarburization
depth profiles. The analytical solutions of Fick's law, however, are of limited suitability, since
the concentration dependence of the diffusion coefficient of carbon in steel cannot be
considered.
The present study proposes the simulation of a model adapted for the diffusion of carbon in
austenite in iron-carbon alloys, as well as for steels alloyed with a variety of elements with a
variable diffusion coefficient, dependent on the concentration, by using a numerical method.
Keywords
Simulation, Diffusion coefficient, carburization, numerical method.

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
 I. INTRODUCCIÓN

El proceso de carburación es una técnica de endurecimiento superficial ampliamente utilizada

en la industria. Es uno de los procesos industriales más antiguos con carbono proporcionado
mediante un gas de aporte. El proceso generalmente se lleva a cabo entre 1500 ℉ y 1800 ℉
durante unas pocas horas a un día. Un proceso de carburación de gas típico como se presenta
en la Figura 1, puede incluir un paso de refuerzo que tiene un mayor potencial de carbono a una
temperatura más alta durante la cual, el carbono se difundirá a una velocidad alta. También
habrá un paso de transición que ayudará a que el carbono se difunda más en la masa. Seguido
de un paso de difusión que disminuye la temperatura sin cambiar el potencial de carbono. Es
una preparación para el proceso de tratamiento térmico posterior, como el templado

Figura 1: Etapas del proceso de carburización de un acero.

Ya en 1978, Goldstein y Moren fueron los primeros en simular procesos de carburación de gas
con la segunda ley de Fick [1]. El modelo inicial asumió una concentración de carbono en la
superficie constante, una difusividad de carbono constante y la condición de límite de semi-
infinito.
𝜕𝐶 𝜕 𝜕𝐶
𝜕𝑡
=
𝜕𝑥
(𝐷 )
𝜕𝑥
𝑥 𝜖 (0, 𝑏) 𝑡 𝜖[0, 𝑇] (1)

𝜕𝐶 𝜕2 𝐶
= (𝐷 ) (1.1)
𝜕𝑡 𝜕𝑥 2

Tomando como condición inicial (1.2), correspondiente a la distribución gaussiana

1 (1.2)
𝐶(𝑥, 0) = 𝑥 2 ; 0<𝑥<𝑏
(−0.25∗( ) )
(𝑠𝑖𝑔𝑚𝑎√(4𝜋)) ∗ 𝑒 𝑠𝑖𝑔𝑚𝑎

Y condiciones fronteras

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
 𝐶(0, 𝑡) = 0 0<𝑡≤𝑇 (1.3)

𝐶(𝑏, 𝑡) = 0 0<𝑡≤𝑇 (1.3)

Algunos casos (por ejemplo, baja concentración de C), D puede tomarse como una constante.
Entonces, el lado derecho de la ecuación de difusión (1) se convierte en D∇2C ecuación (1.1) y
las soluciones analíticas están disponibles en condiciones simplificadas. (1.4)

II. MODELO MATEMÁTICO PARA UN PROBLEMA CON COEFICIENTE DE DIFUSIÓN

CONSTANTE

Si inicialmente la concentración de la sustancia que va a difundir el carbono es constante es

contante en el material 𝐶0 , en el momento que se pone en contacto con el gas a una cierta
temperatura y se deja actuar durante un tiempo, el gas va difundiendo dentro del material y por
lo tanto la concentración dentro del material va variando desde el valor inicial constante, va
aumentando y es mayor conforme más cerca se está de la superficie.

Figura 2: Descripción difusión del carbono en austenita con respecto a la profundidad y el

tiempo.
Aplicando condiciones limites la solución analítica de la ecuación (1.1) es: [3]
𝐶𝑥 −𝐶0 𝑥
𝐶𝑠 −𝐶0
= 1 − 𝑓𝑒𝑟𝑟 (2 ) (1.4)
√𝐷𝑡

Donde
𝐶0 = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖ó𝑛 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑑𝑒 𝑐𝑎𝑟𝑏𝑜𝑛𝑜
𝐶𝑥 = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖ó𝑛 𝑎 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑥 𝑑𝑒 𝑙𝑎 𝑠𝑢𝑝𝑒𝑟𝑓𝑖𝑐𝑖𝑒
𝑥 = 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎
𝐷 = 𝑐𝑜𝑒𝑓𝑖𝑐𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑑𝑖𝑓𝑢𝑠𝑖𝑜𝑛 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑒𝑛 𝑒𝑙 𝑚𝑎𝑡𝑒𝑟𝑖𝑎𝑙
𝑡 = 𝑡𝑖𝑒𝑚𝑝𝑜.

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
𝐶𝑠 = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑐𝑖𝑜𝑛 𝑑𝑒 𝑐𝑎𝑟𝑏𝑜𝑛𝑜 𝑑𝑒𝑙 𝑔𝑎𝑠 𝑑𝑒 𝑐𝑒𝑚𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛.
𝑓𝑒𝑟𝑟 = 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑒 𝑒𝑟𝑟𝑜𝑟 𝐺𝑎𝑢𝑠𝑠𝑖𝑎𝑛𝑎

Los valores establecidos por la función de error Gaussiana se encuentran en la tabla 1.

Tabla 1: Valores de la función de error Gaussiana.

Donde el valor de z corresponde a todo aquello que se encuentra dentro del paréntesis.
𝑥
𝑧 = (2 ) (1.5)
√𝐷𝑡

En la figura 3 se muestra el comportamiento de la función C(x, t) para diferentes instantes de

tiempo. Por un problema de comodidad se ha tomado D=1. Si en un momento inicial la
concentración en todo el dominio es cero, excepto en el origen, donde vale infinito, entonces se
establece un flujo de sustancia hasta tanto la concentración se equilibre en todo el dominio.
Debido a lo anterior, a medida que el tiempo avanza, la concentración tiende a la función
idénticamente nula, lo cual ocurre en un tiempo teóricamente infinito. [2]

Figura 3: Gráfica de la función C(x,t) para varios instantes de tiempo.

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
II.I. MÉTODO NUMÉRICO
Es posible realizar una simulación mediante métodos numéricos de la ecuación (1), en este caso
utilizaremos el método de Crank Nicolson el cual es un método de diferencias finitas utilizado
para la resolución numérica de ecuaciones en derivadas parciales, y es un método de segundo
orden en tiempo, implícito y numéricamente estable. El método fue desarrollado por John
Crank y Phyllis Nicolson a mediados del siglo XX. [5]

La discretización de la ecuación (1) mediante el método de Crank Nicolson es:

𝐶𝑖𝑛+1 −𝐶𝑖𝑛 𝐷 𝑛+1
𝑘
= 2ℎ2 ((𝐶𝑖+1 − 2𝐶𝑖𝑛 + 𝐶𝑖−1
𝑛−1 𝑛
) + (𝐶𝑖+1 − 2𝐶𝑖𝑛 + 𝐶𝑖−1
𝑛
)) (2)

Tomando
𝐷∗𝑘
𝛼= (2.1)
2ℎ 2

La discretización bajo este método estaría representada bajo la siguiente ecuación

𝑛+1
−𝛼𝐶𝑖+1 + 2(1 + 𝛼)𝐶𝑖𝑛+1 − 𝛼𝐶𝑖−1
𝑛−1 𝑛
= 𝛼𝐶𝑖+1 + 2(1 − 𝛼)𝐶𝑖𝑛 + 𝛼𝐶𝑖−1
𝑛
(2.2)

Lo que corresponde a una matriz tridiagonal

Se obtiene la siguiente gráfica utilizando la discretizacion hecha .

Figura 4: Gráfica obtenida mediante la implementación del método Crank Nicolson

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
La línea en color rojo, corresponde a la distribución Gaussiana que describe el proceso en el
instante t=0, las líneas en color verde corresponden a la variación de la concentración con
respecto a la profundidad para cada instante de tiempo t.
En cuanto mayor es el tiempo de cementación, el porcentaje de carbono en la superficie
aumenta, siendo decreciente en cuanto más cerca se está del núcleo de la pieza, tendiendo a la
concentración inicial de carbono.

Figura 5: Gráfica de superficie obtenida en un intervalo de tiempo [-3,3], con un coeficiente de

difusión constante mediante la implementación del método numérico.
Se ha estimado que ocurren hasta 180 reacciones químicas de manera simultánea en una
atmósfera de cementación, de estas solo algunas son importantes y una sola reacción determina
la velocidad a la cual se adiciona el carbono a la superficie del metal a ser cementado. El carbono
es añadido rápidamente al principio del proceso cuando existen diferencias notables entre el
potencial de carbono de la atmósfera y el contenido de carbono en la superficie. A medida que
el porcentaje de carbono en la capa superficial se incrementa, la velocidad a la cual éste es
absorbido, disminuye [7]

III. MODELO MATEMÁTICO PARA UN PROBLEMA CON COEFICIENTE DE DIFUSIÓN

NO CONSTANTE
El trabajo experimental sobre difusión se ha ocupado en gran medida de las mediciones de un
coeficiente de difusión en sistemas para los que es razonable suponer que este coeficiente es
constante. De manera similar, las soluciones matemáticas formales de la ecuación de difusión
que se han desarrollado, al menos para el estado no estacionario, se limitan casi por completo
al caso especial de un coeficiente de difusión constante. En muchos sistemas, sin embargo, el
coeficiente de difusión es variable.

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
Muchos problemas industriales, requieren encontrar un valor exacto de concentración con
respecto a la capa cementada, siendo el coeficiente de difusión un factor de importancia que
describe el proceso de difusión, se hace necesario el formulamiento de modelos en los cuales
este valor de difusión tenga una dependencia de la concentración de carbono en cada instante
de tiempo, es así como la ecuación (1) se puede reescribir como:
𝜕𝐶 𝜕 𝜕𝐶
𝜕𝑡
= 𝜕𝑥 (𝐷(𝐶(𝑥, 𝑡)) 𝜕𝑥 ) (3)

El coeficiente de difusión del carbono en la austenita depende de la concentración de carbono

local.
𝐷 = 𝐷0 𝑓(𝐶) (3.1)
donde D(C) es la función que representa la dependencia del coeficiente de difusión con la
concentración. Los autores (Crank and Henry, 1949) [4] sugieren escoger la dependencia
funcional de forma tal que: 𝐷 = 𝐷0 𝑓(𝐶) donde 𝐷0 es el coeficiente de difusión en el medio
cuando la concentración de penetrante dentro de la matriz es igual cero y 𝑓(𝐶) = 1. El
coeficiente de difusión 𝐷0 caracteriza a la matriz debido a que es independiente de la
concentración de penetrante. Varias han sido las dependencias sugeridas en la literatura. Los
propios autores Crank y Henry (Crank and Henry, 1949) emplearon dependencias que
contienen de uno a tres parámetros de ajuste. La más sencilla de todas describe una relación
lineal entre el coeficiente de difusión y la concentración de penetrante 𝑓(𝐶) = 1 + 𝛼𝐶, donde α
es el parámetro de ajuste. [4]
Además, la constante 𝐷0 puede calcularse en función de los elementos de aleación que
componen al acero a cementar, siendo C la concentración de carbono en el instante t=0, 𝑅𝐶 =
constante de los gases Y 𝑇 = Temperatura en grados en K.

37000−6600𝐶
𝐷0 = 0.47 exp(−1.6C) . exp (− 𝑅𝐶 ∗𝑇
) [6] (3.2)

Donde 𝐷0 es el coeficiente de difusión en el medio cuando la concentración de penetrante dentro

de la matriz es igual cero y 𝑓(𝐶) = 1. [6]
La ecuación 5 puede reescribirse de la siguiente forma, aplicando regla de la cadena.
𝜕𝐶 𝜕 𝜕𝐷(𝐶) 𝜕2 𝐶
= + 𝐷(𝐶(𝑥, 𝑡)) (3.3)
𝜕𝑡 𝜕𝑥 𝜕𝑥 𝜕𝑥 2
Resolviendo las derivadas se obtiene
𝜕 𝜕𝐶 𝜕2 𝐶
𝐷(𝐶) + 𝐷(𝐶) (3.4)
𝜕𝑥 𝜕𝑥 𝜕𝑥 2

El primer término puede reescribirse.

𝜕 𝜕
𝜕𝑥
𝐷(𝐶) = 𝜕𝑥 (𝐷0 (1 + 𝛼𝐶) (3.5)

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
Solucionando la ecuación obtenemos
𝜕𝐶
= 𝐷0 𝛼 𝜕𝑥 (3.6)

El segundo término puede reescribirse.

𝜕𝐶 2
= 𝐷0 𝛼 (𝜕𝑥 ) (3.7)

𝜕2 𝐶 𝜕2 𝐶
𝐷(𝐶) = (𝐷0 (1 + 𝛼𝐶) (3.8)
𝜕𝑥 2 𝜕𝑥 2

Reemplazando en la ecuación inicial (3) obtenemos la ecuación (3.9).

𝜕𝐶 𝜕𝐶 2 𝜕2 𝐶
= 𝐷0 𝛼 ( ) + (𝐷0 (1 + 𝛼𝐶) (3.9)
𝜕𝑡 𝜕𝑥 𝜕𝑥 2

III.I MÉTODO NUMÉRICO

El método de diferencias finitas sirve para aproximar la solución de ecuaciones diferenciales
ordinarias y en derivadas parciales, las cuales van, por lo general, acompañadas de condiciones
iniciales o de frontera. Mediante un proceso de discretizaciones conjunto infinito de número
que representan la función o funciones incógnitas en el continuo, es reemplazado, por un
numero finito de parámetros incógnita, y este proceso requiere alguna forma de aproximación.
[8].
El cálculo sigue un esquema explícito hacia adelante en el que el perfil de composición en el
tiempo (t + ∆t) se calcula a partir del perfil calculado en el tiempo t con: [9]

2
𝐶𝑖𝑛+1 −𝐶𝑖𝑛 𝑛
𝐶𝑖+1 𝑛
−𝐶𝑖−1 𝑛
𝐶𝑖+1 −2𝐶𝑖𝑛 +𝐶𝑖−1
𝑛
= 𝛼𝐷0 ( ) + (𝐷0 (1 + 𝛼𝐶𝑖𝑛 ) ( ) (4)
𝑘 ℎ ℎ2

𝑘 𝑘
𝐶𝑖𝑛+1 = 𝐶𝑖𝑛 + (ℎ2 ) (𝐷0 (1 + 𝛼𝐶𝑖𝑛 )(𝐶𝑖+1
𝑛
− 2𝐶𝑖𝑛 + 𝐶𝑖−1
𝑛 𝑛
) + 𝛼𝐷0 ( 2 ) (𝐶𝑖+1
ℎ
− 𝐶𝑖𝑛 )(𝐶𝑖𝑛 − 𝐶𝑖−1
𝑛
)
(4.1)

Este esquema no es incondicionalmente estable; para asegurar la estabilidad, el paso de

tiempo fijo y el paso de distancia deben cumplir. [9]
𝑘 1
𝐷0 ℎ2 < 2 (4.2)

Tomando como condición inicial (1.2), correspondiente a la distribución gaussiana

1 (1.2)
𝐶(𝑥, 0) = 𝑥 2 ; 0<𝑥<𝑏
(−0.25∗( ) )
(𝑠𝑖𝑔𝑚𝑎√(4𝜋)) ∗ 𝑒 𝑠𝑖𝑔𝑚𝑎

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
Y condiciones fronteras

𝐶(0, 𝑡) = 0 0<𝑡≤𝑇 (1.3)

𝐶(𝑏, 𝑡) = 0 0<𝑡≤𝑇 (1.3)

𝛼 = 10 (Crank and Henry, 1949)

Figura 6: Gráfica obtenida en un intervalo de tiempo [-3,3] mediante la implementación del

método numérico.

Figura 7: Gráfica de superficie obtenida en un intervalo de tiempo [-3,3] mediante la

implementación del método numérico.

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
Figura 7: Gráfica de superficie lateral en un intervalo de tiempo [-3,3] obtenida mediante la
implementación del método numérico.

Figura 8: Gráfica de superficie lateral en un intervalo de tiempo [-3,3] obtenida mediante la

implementación del método numérico.

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
Figura 9: Gráfica de superficie superior en un intervalo de tiempo [-3,3] obtenida mediante la
implementación del método numérico.

Figura 10: Gráfica de superficie en un intervalo de tiempo [0,3]obtenida mediante la

implementación del método numérico.

El coeficiente de difusión aumenta uniformemente con respecto a la concentración, en cuanto

se aumenta el coeficiente de difusión que es quien define la rapidez de difusión de carbono en
austenita, entonces el proceso se efectúa de forma más rápida, en tanto que la concentración de
carbono tiende de forma mas rápida a la concentración inicial.
Esto se puede observar viendo los perfiles de difusión de la gráfica 5 correspondiente al
modelamiento con un coeficiente de difusión constante, comparados con los de la gráfica 8,
correspondiente al modelamiento con un coeficiente de difusión variable, donde puede

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
evidenciarse que al tener en cuenta una variación del coeficiente de difusión con respecto a la
concentración, la difusión de carbono se efectúa de forma más rápida.

IV. CONCLUSIONES
La función que define la variación del coeficiente de difusión con respecto a la concentración
describe una relación lineal. A la luz de los supuestos hechos en este modelo, la conclusión final
es que la ec. (3.3) es una forma especial de la segunda ley de Fick y, en la medida en que los
coeficientes de difusión son funciones lineales de las concentraciones, el flujo es linealmente
proporcional a los gradientes.

Los métodos numéricos son una herramienta útil que permite la simulación de fenómenos
ocurridos en distintas áreas de la ciencia y la ingeniería, y su uso permite la predicción de
valores que hacen más sencilla la optimización de procesos y la obtención de resultados
veraces.

V. REFERENCIAS
[1] Farkas, D., Ohla, K. Modeling of diffusion processes during carburization of alloys. Oxid
Met 19, 99–115 (1983).
[2] Rodríguez, David. Estudio de la difusión de humedad con coeficiente dependiente de la
concentración: Enfoques analítico y numérico. Santa Clara (2019).
[3] Hosseini, S. R. E. (2012). Simulation of Case Depth of Cementation Steels According to Fick’s
Laws. Journal of Iron and Steel Research, International, 19(11).
[4] Crank, J., & Henry, M. E. (1949). Diffusion in media with variable properties. Part I. The effect
of a variable diffusion coefficient on the rates of absorption and desorption. Transactions of the
Faraday Society, 45, 636.
[5] Crank, J.; Nicolson, P. (1947). "A practical method for numerical evaluation of solutions of
partial differential equations of the heat conduction type". Proc. Camb. Phil. Soc. 43 (1): 50–67.
[6] Lee, S.-J., Matlock, D. K., & Van Tyne, C. J. (2013). Comparison of two finite element
simulation codes used to model the carburizing of steel. Computational Materials Science, 68,
47–54.
[7]Salvador, Jesus.(2005).Cementación solida de aceros. Universidad Autónoma de Nuevo
León. México.
[8] Jimenez Hilda (2016). Solución numérica de la ecuación advección – difusión. Lima-Perú.

[9] Vallet, C. E., & Braunstein, J. (1977). Solution of electrochemical flux equations with variable
diffusion coefficient and transference number. The Journal of Physical Chemistry, 81(25),
2438–2443.

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
VI. ANEXOS (CÓDIGOS DE SIMULACIÓN)

Coeficiente de difusión constante

%Difusión de carbono con coeficiente de difusión constante
%%%%%%%%%%%%%%Laura Gabriela Torres Mejía %%%%%%%%%%%%
C=0.2; %%%concentración de carbono inicial
Rc=1.986; %%%constante de los gases
T=1223.5; %%%Temperatura en grados kelvin
D_0=((0.47*exp(-16*C))*(exp((-31000-6600*C)/(Rc*T))))*0+0.005
xini = -3;
xfin = 3;
tini = 0;
tfin = 4;
k=0.01; %%%tiempo
h = 0.2; %%%espapcio
sigma= xfin/16;
datoiniR = @(x) 1/(sigma*sqrt(2*pi))*exp(-0.5*(x/sigma).^2); %%distribución Gaussiana
b= (D_0*k)/(h*h) %%condicion de estabilidad
x=xini:h:xfin;
ix=length(x);
t=tini:k:tfin;
nt=length(t);
[T,X] = meshgrid(t,x);%%piso grafico 3D
R = zeros(ix,nt);
R(:,1) = datoiniR(x);
for n = 1:nt-1
for i = 2:ix-1
R(i,n+1)=R(i,n)+b*(R(i+1,n)-2*R(i,n)+R(i-1,n));
end
R(1,n+1) = R(1,n);
R(ix,n+1) = R(ix,n);
figure(1)
plot(x,datoiniR(x));
axis([0,1,0.2,1.0])
plot(x,R(:,n));
pause(0.1);
plot(x,R(:,1),'-',x,R(:,10),'-',x,R(:,30),'-',x,R(:,60),'-')
xlabel("x(profundidad)")
ylabel("Concentración de carbono")
figure(2)
surf(T,X,R(:,:))
grid on
xlabel("Tiempo")
ylabel("x(profundidad)")
zlabel("Concentración de carbono")

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
endfor
%%plot(x,R(:,nt))
%grid on
surf(T,X,R(:,:))

Coeficiente de difusión variable

%Difusión de carbono con coeficiente de difusión variable
%%%%%%%%%%%%%%Laura Gabriela Torres Mejía %%%%%%%%%%%%

alpha=10; %%%parámetro de ajuste.

C=0.2; %%%concentración de carbono inicial
Rc=1.986; %%%constante de los gases
T=1223.5; %%%Temperatura en grados kelvin
D_0=((0.47*exp(-16*C))*(exp((-31000-6600*C)/(Rc*T))))*0+0.005
xini = -3;
xfin = 3;
tini = 0;
tfin = 4;
k=0.01; %%%tiempo
h = 0.2; %%%espapcio
sigma= xfin/16;
datoiniR = @(x) 1/(sigma*sqrt(2*pi))*exp(-0.5*(x/sigma).^2); %%distribución Gaussiana
b= (D_0*k)/(h*h) %%condicion de estabilidad
x=xini:h:xfin;
ix=length(x);
t=tini:k:tfin;
nt=length(t);
[T,X] = meshgrid(t,x);%%piso grafico 3D
R = zeros(ix,nt);
R(:,1) = datoiniR(x);

for n = 1:nt-1
for i = 2:ix-1
R(i,n+1) =R(i,n)+ (b*((1+alpha*R(i,n)*(R(i+1,n)-2*R(i,n)+R(i-1,n))))+ alpha*b*((R(i+1,n)-
R(i,n))*(R(i,n)-R(i-1,n))));
end
R(1,n+1) = R(1,n);
R(ix,n+1) = R(ix,n);
figure(1)
plot(x,datoiniR(x));
axis([0,1,0.2,1.0])
plot(x,R(:,n));
pause(0.1);

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co
 plot(x,R(:,1),'-',x,R(:,10),'-',x,R(:,30),'-',x,R(:,60),'-')
xlabel("x(profundidad)")
ylabel("Concentración de carbono")
figure(2)
surf(T,X,R(:,:))
grid on
xlabel("Tiempo")
ylabel("x(profundidad)")
zlabel("Concentración de carbono")

endfor
%%plot(x,R(:,nt))
%grid on
surf(T,X,R(:,:))

1.Universidad Pedagógica y Tecnológica de Colombia.

a.laura.mejia01@uptc.edu.co