Metodos Numericos Enfoque en Competencias

1
Instituto Tecnolgico de Durango

Departamento de Desarrollo Acadmico

Reporte de ao sabtico

Elaboracin de libro para la asignatura Mtodos Numricos

Mtodos Numricos con Enfoque en Competencias

Carrera: Ingeniera Qumica
Clave de la asignatura: IQH-1014
SATCA1 1 - 3 - 4

Profesor: Jos Domingo Pope Solis

Periodo: 16 Enero 2012-15 Enero 2013
Dictamen: AS-1-090-2012
2

NDICE
Objetivo general del curso 3
Competencias especificas a desarrollar en el curso 3
Competencias genricas 7
Competencias instrumentales
Competencias interpersonales
Competencias sistmicas
Competencias previas 7
Sugerencias Didcticas 8
Sugerencias de Evaluacin 8

UNIDAD I. Importancia y errores tipo 9
1.1. Problemas matemticos y sus soluciones 9
1.2. Importancia de los mtodos numricos 11
1.3. Tipos de errores 12
1.4. Aplicaciones 12

Unidad II. Solucin de ecuaciones algebraicas 17
2.1. Teora de un mtodo iterativo 17
2.2. Raz de una ecuacin 17
2.3. Mtodos de intervalo 17
2.4. Mtodos de punto fijo 20
2.5. Otros mtodos 25

UNIDAD III. Solucin de sistemas de ecuaciones 36
3.1. lgebra matricial. 36
3.2. Mtodos de solucin de sistemas de ecuaciones lineales 40
3.3. Teora de sistemas de ecuaciones no lineales 53
3.4. Mtodos de solucin. 56

Unidad IV.- Ajuste de funciones 70
4.1. Fundamentos de estadstica 70
4.2. Interpolacin 70
4.3. Regresin de mnimos cuadrados 77

Unidad V. Diferenciacin e integracin numricas 94
5.1. Derivacin numrica 94
5.2. Integracin numrica 103
5.3. Integracin mltiple 111

Unidad VI. Solucin de ecuaciones diferenciales (Valor Inicial y valor en la frontera) 129
6.1. Fundamentos 129
6.2. Mtodos de un paso 129
6.3. Mtodos rgidos y de pasos mltiples 136
6.4. Mtodos multipaso 138
6.5. Mtodos de tamao de paso variable 141
6.6. Sistemas de ecuaciones diferenciales ordinarias 143
6.7. Solucin de ecuaciones diferenciales ordinarias de orden n 144
6.8. Mtodos generales para problemas con valores en la frontera, lineales y no-lineales 149
6.9. Clasificacin de ecuaciones diferenciales parciales 153
Bibliografa 162
3

Objetivo General del Curso
Resolver problemas relacionados con la ingeniera de procesos mediante la aplicacin de algoritmos numricos y el uso de
computadoras digitales.

Competencias especficas a desarrollar en el curso

Unidad I. Errores y tipos de Errores
En el desarrollo de los mtodos numricos se trabaja con nmeros, por lo que es necesario establecer la confiabilidad de un
nmero. Los trminos precisin y exactitud estn asociados con los errores que se generan en secuencias largas de
operaciones aritmticas.
La precisin se refiere al nmero de cifras significativas usadas para representar una cantidad mediante un nmero.
La exactitud se refiere a la representacin correcta de una cantidad mediante un nmero.
Los mtodos numricos deben ser lo suficientemente exactos y precisos para resolver un problema cientfico.

Tipos de errores
Errores por Redondeo. Estos se deben a que las computadoras o calculadoras solo pueden almacenar o representar
cantidades con un nmero finito de dgitos.
Errores de Truncamiento. Estos se deben a que el mtodo numrico es una aproximacin a un modelo matemtico exacto.
Error Numrico Total. Es la suma de los errores anteriores.
Errores Humanos. Estos se deben a equivocaciones o torpeza del ejecutor del mtodo.

Unidad II. Races de ecuaciones

Mtodos que usan intervalo: Biseccin y Regla falsa
Mtodos abiertos: Punto fijo, Newton y Secante

Unidad III. Solucin de ecuaciones algebraicas lineales y no lineales

Sistema lineal
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ ........+ a
1n
x
n
= b
1

a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ ........+ a
2n
x
n
= b
2

a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ ........+ a
3n
x
n
= b
3

.................................................................
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ ........+ a
nn
x
n
= b
n

f(x)
x
f(x) = 0
x = raz de la ecuacin
4

Para un sistema de dos ecuaciones:
a
11
x
1
+ a
12
x
2
= b
1

a
21
x
1
+ a
22
x
2
= b
2

Mtodos directos sistemas lineales: Eliminacin Gausiana y Gauss-Jordan
Mtodos iterativos sistemas lineales: Jacobi y Gauss-Seidel
Sistema no lineal

F (x) = 0
La solucin a este sistema, es el vector x =[x
1
, x
2
, x
3
,...x
n
] que hace que simultneamente todas las ecuaciones sean iguales
a cero.
Mtodos iterativos para sistemas no-lineales: Punto fijo, Newton
Unidad IV. Ajuste de funciones (Ajuste de curvas e interpolacin)

Regresin lineal, polinomial, lineal mltiple por mnimos cuadrados
Interpolacin: Usando polinomios de Newton y Lagrange
x
2
x
1
x
f(x
)
Polinomio de
interpolacin
f(x)=P
n
(x)
Ajuste de lnea recta
f(x) = a
0
+ a
1
x + error
error
( )
( )
( )
( ) 0
0
0
0
3 2 1
3 2 1 3
3 2 1 2
3 2 1 1
=
=
=
=
n n
n
n
n
x x x x f
x x x x f
x x x x f
x x x x f
,... , ,
,... , ,
,... , ,
,... , ,

5

Unidad V. Integracin y Derivacin Numrica

Derivacin por el Mtodo de: Tangentes, Ajuste de polinomios, Formulas de diferencias finitas, Igualacin de reas.
Integracin: Regla Trapezoidal, Simpson 1/3

VI. Solucin de ecuaciones diferenciales (valor inicial y valor en la frontera)

Valor inicial

error

Mtodo de Euler

Solucin de ecuaciones diferenciales ordinarias de la forma

Con valores iniciales: x = x
o
y = y
o

La solucin tiene la forma general

Valor actual valor anterior + funcin de incremento por tamao de paso

y
i+1
= y
i
+ | h

} }
~ =
b
a
b
a
n
dx x P dx x f I ) ( ) (
a b
x
I = rea
bajo
la curva
derivada la evalua se donde punto al tangente recta la
de pendiente la representa anterior ecuacin la mente geomtrica
0 cuando
) ( ) (
lim ) ( A
A
A +
= x
x
x f x x f
x f
dx
d
m
=
) (x f
dx
d
x=x
0

x
0

f(x
)
x
) , ( y x f
dx
dy
=
0 0
de valor el para funcin la de inicial valor x x y = ) (
x
i

x
i+1

y
i+1
= y
i
+ | h

y
i+1

Pendiente = |
y = f(x)
6

La forma de la funcin de incremento define el nombre del mtodo:

Euler, Euler-Gauss, Runge-Kutta(orden dos, tres y cuatro).
Sistema de ecuaciones diferenciales

Se extienden el uso de los mtodos para una sola ecuacin a un sistema de ecuaciones

Todo sistema de ecuaciones diferenciales puede representarse generalmente como

( )
( )
( )
n n
n
n
n
y y y x f
dx
dy
y y y x f
dx
dy
y y y x f
dx
dy
,... , ,
,... , ,
,... , ,
2 1
2 1 2
2
2 1 1
1
=
=
=

La solucin de este sistema requiere de n condiciones iniciales conocidas para un valor inicial de x.

Una ecuacin diferencial de orden superior puede escribirse como un sistema de ecuaciones diferenciales de primer orden.

Valor en la frontera

Ecuacin diferencial parcial parablica que gobierna el flujo de calor unidireccional en funcin de tiempo.
Donde o se denomina difusividad trmica.
Para aplicar el mtodo de diferencias finitas se construye una retcula
Retcula para evaluar diferencias finitas

t
T
x
T
c
c
=
c
c
2
2
o
(0, 0)
(i+1, j-1) (i, j-1) (i-1, j-1)
(i+1, j) (i, j) (i-1, j)
D
i
v
i
s
i
n

d
e
l

t
i
e
m
p
o

e
n

i
n
t
e
r
v
a
l
o
s

A
t

x
t
Divisin de la varilla en intervalos Ax
7

El mtodo explcito predice el valor en (i, j) a partir de (i-1, j-1), (i, j-1), (i+1, j-1).

El mtodo implcito, predice el valor en las (i, j) a partir de (i, j-1) mediante la generacin de un sistema de
ecuaciones, obtenidas de los nodos.

Competencias genricas:
Competencias instrumentales
Capacidad de anlisis y sntesis
Capacidad de organizar y planificar
Conocimientos bsicos de la carrera
Comunicacin oral y escrita
Habilidades bsicas de manejo de la computadora
Habilidad para buscar y analizar informacin proveniente de fuentes diversas
Solucin de problemas
Toma de decisiones.
Competencias interpersonales
Capacidad crtica y autocrtica
Trabajo en equipo
Habilidades interpersonales
Competencias sistmicas
Capacidad de aplicar los conocimientos en la prctica
Habilidades de investigacin
Capacidad de aprender
Capacidad de generar nuevas ideas (creatividad)

Competencias Previas
Aplicar pensamiento lgico matemtico
Representar las funciones matemticas
Aplicar integrales en problemas prcticos
Calcular funciones de varias variables
Aplicar ecuaciones diferenciales y transformadas de Laplace como una herramienta para la solucin de problemas
prcticos
Utilizar la computadora y los lenguajes de programacin

C
o
n
d
i
c
i
o
n
e
s

e
n

l
a

f
r
o
n
t
e
r
a

i
z
q
u
i
e
r
d
a

T
(
0
,

t
)

=

T
0

T(x, 0) = T
i
Condiciones inciales
T
(
x
,

t
)

=

T
n

C
o
n
d
i
c
i
o
n
e
s

e
n

l
a

f
r
o
n
t
e
r
a

d
e
r
e
c
h
a

x
t
8

Sugerencias Didcticas (desarrollo de competencias genricas)
El profesor debe:
Ser conocedor de la disciplina que est bajo su responsabilidad, conocer su origen y desarrollo histrico para considerar
este conocimiento al abordar los temas.
Desarrollar la capacidad para coordinar y trabajar en equipo; orientar el trabajo del estudiante y potenciar en l la
autonoma, el trabajo cooperativo y la toma de decisiones.
Mostrar flexibilidad en el seguimiento del proceso formativo y propiciar la interaccin entre los estudiantes.
Tomar en cuenta el conocimiento de los estudiantes como punto de partida y como obstculo para la construccin de
nuevos conocimientos.
Identificar y resolver problemas relacionados con la ingeniera de procesos mediante la aplicacin los algoritmos
numricos y el uso de computadoras digitales.
Propiciar actividades de metacognicin. Ante la ejecucin de una actividad, sealar o identificar el tipo de proceso
intelectual que se realiz: una identificacin de patrones, un anlisis, una sntesis, la creacin de un heurstico, etc. Al
principio lo har el profesor, luego ser el alumno quien lo identifique.
Propiciar actividades de bsqueda, seleccin y anlisis de informacin en distintas fuentes.
Fomentar actividades grupales que propicien la comunicacin, el intercambio argumentado de ideas, la reflexin, la
integracin y la colaboracin de y entre los estudiantes.
Relacionar los contenidos de esta asignatura con las dems del plan de estudios a las que sta da soporte para desarrollar
una visin interdisciplinaria en el estudiante.
Propiciar el desarrollo de actividades intelectuales de induccin-deduccin y anlisis -sntesis, que encaminen hacia la
investigacin.
Desarrollar actividades de aprendizaje que propicien la aplicacin de los conceptos, modelos y metodologas que se van
aprendiendo en el desarrollo de la asignatura.
Proponer problemas que permitan al estudiante la integracin de contenidos de la asignatura y entre distintas asignaturas,
para su anlisis y solucin.
Cuando los temas lo requieran, utilizar medios audiovisuales para una mejor comprensin del estudiante.

Sugerencias de Evaluacin
La evaluacin debe ser continua y formativa por lo que se debe considerar el desempeo en cada una de las actividades del
aprendizaje, haciendo especial nfasis en:
Exmenes escritos para comprobar el manejo de aspectos tericos y declarativos.
Revisin de los cdigos de los programas de cmputo con los algoritmos de los mtodos encargados extra clase.
Reportes escritos de investigaciones encargados como trabajo extra clase.
Evaluacin en la computadora de problemas seleccionados

9

UNIDAD I. Importancia y errores tipo

Competencia especifica a desarrollar en la unidad
Evaluar la solucin de un problema de ingeniera mediante mtodos numricos

1.1 Problemas matemticos y sus soluciones

Un mtodo numrico se usa para aproximar la solucin de un problema expresado matemticamente (una ecuacin o un
conjunto de ecuaciones). En el mundo real el problema matemtico se deriva de un sistema o fenmeno fsico sobre el cual
se han hecho algunas suposiciones para simplificarlo, de modo que se obtiene un modelo matemtico, que expresa las
caractersticas fundamentales del sistema o fenmeno considerado.

En cursos elementales de qumica nos encontramos con una ecuacin conocida como la ley del gas ideal:

PV = nRT

La cual, relaciona la presin P, el volumen V, la temperatura T, el nmero de moles n de un gas ideal, y la constante R
conocida como la constante universal de los gases.

En la obtencin de esta ecuacin se hicieron algunas suposiciones que restringen su uso para todos los gases, tales como:

1. Las distancias entre las molculas son lo suficientemente grande para que no interacten entre s excepto cuando
chocan.
2. Las molculas tienen disponible todo el volumen del recipiente que las contiene para ocuparlo.

En 1873 J. D. Van der Waals propuso la ecuacin siguiente que corrige en parte estas suposiciones.

( ) RT b v
v
a
P = |
.
|
\
|
+
2

Donde a y b son constantes positivas cuyo valor depende del gas en particular.

El trmino
2
v
a
tiene como objeto explicar las fuerzas de interaccin entre las molculas, que hace que la presin sea
menor que la que ejercera por ser gas ideal.

El termino b tiene como objeto dar margen para el tamao finito de las molculas, lo que hace que el volumen sea mayor
que el de un gas ideal.

Esta ecuacin es parte de los modelos propuestos para relacionar datos PVT, que se conocen como ecuaciones de estado
cuyo volumen es cbico.

Un modelo matemtico debe conducir a resultados predecibles, y por lo tanto sirve par evaluar el comportamiento del
sistema o fenmeno fsico que representa.

Si queremos conocer el volumen que ocupa cierto gas, conociendo la Temperatura y Presin a la que se encuentra,
tendramos que usar la ecuacin que mejor representa el comportamiento del gas y escribirla en forma explcita en trminos
de la variable a conocer. Sin embargo, para ecuaciones cubicas de estado esto no es posible, pero se puede hacer uso
de un mtodo numrico para aproximar la solucin.

Portafolio de evidencias
Investigar la obtencin de modelos matemticos para la solucin de problemas de Ingeniera.
10

Aplicacin
Volumen de una sustancia pura

Conceptos utilizados
Al aplicar los conceptos anteriores a la ecuacin de van der Waals, esta se representa en la forma:

2
v
a
P
RT
b v
+
+ =

y para establecer un proceso iterativo en volumen se tiene

2
1
i
i
v
a
P
RT
b v
+
+ =
+

Curso
Termodinmica, Fisicoqumica I

Problema
Calcular el volumen especfico del vapor de agua a 500 lb/pulg
2
y 700 F,

R = 8.3144x 10
3
J/kg-mol K Tc = 647.35 K Pc = 2.2118x10
7
Pa

Pc
Tc R
a
2 2
64
27
=
Pc
RTc
b
8
=

- Con los valores de las constantes: a = 5.5251x10
5
N m
4
/(kg-mol)
2
; b = 0.0304 m
3
/kgmol y R = 8.3149 10
3
J/kg-
mol K.

Solucin
Convirtiendo P y T a unidades SI se tiene:

P = 34.4737 10
5
N/m
2
T = 644.2611 K

y sustituyendo los datos en la ecuacin anterior:

2
5
5
1
10 5251 . 5
10 4737 . 34
49 . 5356644
0304 . 0
i
i
v
x
v
+
+ =
+

Para iniciar el proceso iterativo (i = 0), se propone un valor inicial v = RT/P = 1.5538, se sustituye en la ecuacin y
se determina v
1
= 1.4875 m
3
/kg-mol.

Pasos posteriores:
i = 1, se sustituye v
1
para determinar v
2

i = 2, se sustituye v
2
para determinar v
3
y as sucesivamente.

Se repite el procedimiento hasta que el valor anterior y el nuevo, sean iguales en un nmero determinado de cifras
significativas, hasta llegar al valor de 1.4781

Hacer un programa para evaluar el volumen especfico del vapor de agua a 500 lb/pulg
2
y 700 F,

11

Figura 1.1 Aproximaciones sucesivas

1.2 Importancia de los mtodos numricos.

Los mtodos que se tratan en el curso se conocen ya de algn tiempo atrs. Sin embargo, la popularidad y el crecimiento en
el uso de las computadoras personales, ha venido a darles un impulso sin precedentes.

El aprender mtodos numricos nos permitir:

1. Encontrar solucin numrica a algunos problemas de ingeniera.
2. Generar software propio para resolver problemas
3. Comprender los fundamentos matemticos de alguna rea especfica del conocimiento.
4. Usar inteligentemente el software disponible en le mercado.
5. Dar un uso eficiente a las computadoras personales.

12

1.3 Tipos de Errores

En el desarrollo de los mtodos numricos se trabaja con nmeros, por lo que es necesario establecer la confiabilidad de un
nmero. Los trminos precisin y exactitud estn asociados con los errores que se generan en secuencias largas de
operaciones aritmticas.
La precisin se refiere al nmero de cifras significativas usadas para representar una cantidad mediante un nmero.
La exactitud se refiere a la representacin correcta de una cantidad mediante un nmero.
Los mtodos numricos deben ser lo suficientemente exactos y precisos para resolver un problema cientfico.

a) Definicin de Error
Los errores estn asociados con el uso de los mtodos numricos, as como con el procesamiento de la informacin en las
computadoras o en las calculadoras de bolsillo.
A la diferencia del valor exacto (V
e
) y un valor aproximado (V
a
) se le llama error (E).

E = V
e
- V
a

El valor absoluto de este error presenta la ventaja de eliminar el signo, c = |V
e
- V
a
|. Pero no toma en cuenta las
dimensiones de las cantidades involucradas, por lo que es mejor definir un error relativo porcentual (c
r
).

100
=
e
a e
r
V
V V
c

Sin embargo, el valor exacto normalmente no se conoce. Ya que en algunos casos el mtodo numrico aproxima la solucin
mediante un proceso iterativo, por lo que es mejor definir un error aproximado (c
a
)

100
Actual on Aproximaci
Previa on Aproximaci - Actual on Aproximaci
=
a
c

Todo proceso iterativo requiere de un criterio de paro. Por lo que es necesario establecer la tolerancia (o error supuesto c
s
)
dentro de un valor aceptable para concluir el proceso, esto puede enfocarse hacia el nmero de cifras significativas entre la
aproximacin actual y la aproximacin previa. El siguiente criterio garantiza que al menos son iguales n cifras
significativas, c
s
= (0.5 10
2-n
) %

b) Errores por Redondeo. Estos se deben a que las computadoras o calculadoras solo pueden almacenar o representar
cantidades con un nmero finito de dgitos.
c) Errores de Truncamiento. Estos se deben a que el mtodo numrico es una aproximacin a un modelo matemtico
exacto.
d) Error Numrico Total. Es la suma de los errores anteriores.
e) Errores Humanos. Estos se deben a equivocaciones o torpeza del ejecutor del mtodo.

1.4 Aplicaciones
Errores por truncamiento y errores por redondeo

Conceptos utilizados: Serie de Taylor.
La serie de Taylor es una herramienta matemtica poderosa para predecir el valor de una funcin f (x
i+1
), alrededor de un
punto x
i
.
( ) ( )
( ) ( ) ( )
( )
( )
n
n
i
n
i i i
i i
R
n
h x f h x f h x f h x f
x f x f + + +
' ' '
+
' '
+
'
+ =
+
!
...
! 3 ! 2 ! 1
3 2
1

Donde h = x
i+1
- x
i.
,
1
1
)! 1 (
) (
+
+
+
=
n
n
n
h
n
f
R

y es un valor cualquiera de x entre = x
i+1
- x
i.

R
n
es muy importante en desarrollo de los mtodos numricos y se conoce como error por truncamiento.
13

Si x
1
= 0, se convierte en la Serie de Mclaurin.
( ) ( )
( ) ( ) ( )
( )
( )
!
0
...
! 3
0
! 2
0
! 1
0
0
3 2
n
h f h f h f h f
f x f
n n
+ +
' ' '
+
' '
+
'
+ =

Si f(x) = e
x

...
! 4 ! 3 ! 2
1
4 3 2
+ + + + + =
x x x
x e
x

Si f(x) = cos x, f'(x) = -sen x, f''(x) = -cos x, f''' (x) = sen x, f
(IV)
(x) = -cos x
...
! 8 ! 6 ! 4 ! 2
1 cos
8 6 4 2
+ + =
x x x x
x

Algunas funciones no pueden representarse en series de Maclaurin, ya que no estn definidas para x
i
= 0
Si f(x) = ln x, f'(x) = 1/x, f''(x) = -1/x
2
, f''' (x) = 2/x
3
, f
IV
(x) = -6/x
4
...
5 4 3 2
ln ln
5
5
4
4
3
3
2
2
1
+ + + =
+
x
h
x
h
x
h
x
h
x
h
x x
i i

Curso
Instrumentacin y Control
Problema
Utilizar la serie de Taylor para calcular el valor de ln (1.3) tomando como base el valor de x
i
= 1.
Orden Valor f(x
i+1
) c
r
c
a

0 ln (1) = 0 0 100 -
1 3 . 0
1
3 . 0
= =
x
h

0.3 14.3448 100
2
( )
( )
045 . 0
1 2
3 . 0
2
2
2
2
2
=
=
x
h

0.255 2.8069 17.647
3
( )
( )
009 . 0
1 3
3 . 0
3
3
3
3
3
= =
x
h

0.264 0.6235 3.4091
4
( )
( )
002025 . 0
1 4
3 . 0
4
4
4
4
4
=
=
x
h

0.261975 0.1484 0.7730
5
( )
( )
000486 . 0
1 5
3 . 0
5
5
5
5
5
= =
x
h

0.262461 0.0369 0.1852

Podemos observar que al truncar la serie, generamos un error por truncamiento, si adems redonderamos a dos dgitos
despus del punto tendramos:
Orden Valor f(x
i+1
) c
r
c
a

0 ln (1) = 0 0 100 -
1 3 . 0
1
3 . 0
= =
x
h

0.30 14.3448 100
2
( )
( )
04 . 0
1 2
3 . 0
2
2
2
2
2
=
=
x
h

0.26 0.9011 17.3846
3
( )
( )
01 . 0
1 3
3 . 0
3
3
3
3
3
= =
x
h

0.27 2.9104 3.7037
4
( )
( )
00 . 0
1 4
3 . 0
4
4
4
4
4
=
=
x
h

0.27 2.9104 0.0000

Se observa que el redondeo conduce a un resultado inexacto, aunque el mtodo est bien aplicado.
Hacer un programa que utilice la serie de Taylor para calcular el valor de e
0.5
tomando como base el valor de x
i
= 0.
Programa 1.1 Serie de Taylor
14

PRINT"*****************************************************************"
PRINT"* INSTITUTO TECNOLGICO DE DURANGO *"
PRINT"* DEPARTAMENTO DE INGENIERA QUMICA Y BIOQUMICA *"
PRINT"* CALCULO DEL LOGARITMO DE UN NUMERO *"
PRINT"* USANDO LA SERIE DE TAYLOR TOMANDO COMO BASE X
i
= 1 *"
PRINT"* INSTRUCTOR: JOS DOMINGO POPE SOLIS *"
PRINT"*****************************************************************"
INPUT "NMERO AL CUAL SE CALCULARA EL LOGARITMO ";X
INPUT "NUMERO DE CIFRAS SIGNIFICATIVAS ";N
INPUT "NUMERO MAXIMO DE TERMINOS ";NMI
ES = 0.5*10^(2.0-N)
EA = 1.1*ES: SUMA = 0: SUMA1 = 0
TERM = 1: I = 1: S = 1: H = X - 1
PRINT "TERMINO LN(X) ERROR"
WHILE (EA > ES) AND (I < NMI)
TERM = TERM *H
SUMA = SUMA + (S)*TERM/I
EA = ABS((SUMA - SUMA1) / SUMA)*100
SUMA1 = SUMA:I=I+1:S=(-1)*S
PRINT I,SUMA, EA
WEND
IF (I >= NMI)THEN
PRINT "NO SE ALCANZO CONVERGENCIA"
ELSE
PRINT "RESULTADO = ";SUMA
END IF

Ejecucin 1.1 Serie de Taylor
*****************************************************************
* INSTITUTO TECNOLGICO DE DURANGO *
* DEPARTAMENTO DE INGENIERA QUMICA Y BIOQUMICA *
* CALCULO DEL LOGARITMO DE UN NUMERO *
* USANDO LA SERIE DE TAYLOR TOMANDO COMO BASE X
i
= 1 *
* INSTRUCTOR: JOS DOMINGO POPE SOLIS *
*****************************************************************
NMERO AL CUAL SE CALCULARA EL LOGARITMO 1.3
NUMERO DE CIFRAS SIGNIFICATIVAS 4
NUMERO MAXIMO DE TERMINOS 12
TERMINO EXP(X) ERROR
2 0.3 100
3 0.255 17.6470588
4 0.264 3.40909091
5 0.261975 0.77297452
6 0.262461 0.18517037
7 0.2623395 0.46314032e-1
8 0.26237074 0.01190790
9 0.26236254 0.31259226e-2
RESULTADO = 0.26236254

Si la funcin es un polinomio, la serie de Taylor lo ajusta perfectamente, dado que un polinomio tiene un nmero finito de
derivadas.
Por lo que hemos observado, pareciera que la serie de Taylor es una panacea, pero no es as, ya que usa como punto de
referencia un solo valor de x, tambin como todas las series de potencias tiene su radio de convergencia; por lo que en el
curso no la usaremos para aproximar funciones, sino para derivacin de algunos mtodos numricos, as como para
analizar los errores.

15

Evaluacin Sumativa

Problema 1
Hacer un programa que calcule la distancia horizontal que viajara una pelota lanzada desde un punto con una
velocidad inicial v
o
y un ngulou. Determine adems el ngulo que maximiza la distancia recorrida.

Anlisis

Si suponemos que la friccin del aire es despreciable e ignoramos la curvatura de la tierra la trayectoria que seguira una
pelota que es lanzada desde un punto sera una parbola cuya altura despus de un cierto tiempo t estara determinada par la
ecuacin:
2
0
2
1
) (
0
gt t v y t y
y
+ + =
Donde:
y
o
es la altura inicial del objeto con respecto a la tierra
v
yo
es la componente vertical de la velocidad inicial de la pelota.
g aceleracin de la gravedad.
La distancia horizontal recorrida por la pelota despus de un tiempo t esta dada por la ecuacin:

t v x t x
x
0
0
) ( + =
Donde:
x
o
es la posicin horizontal inicial del objeto.
v
xo
es la componente horizontal de la velocidad inicial de la pelota.

Condiciones limite: y(t
inicial
) = 0, y(t
final
) = 0

La pelota esta en el suelo t
inicial
= 0, t
final
= ?

t gt v
y
|
.
|
\
|
+ =
2
1
0
0
t
final
=
g
v
y
0
2

x
v
v
x

v
y

u
y
Origen x Impacto
y
16

Recorrido de la pelota:

final x final
t v x t x
0
0
) ( + = Si la pelota la ubicamos en el origen (0,0)

|
|
.
|
\
|
+ =
g
v
v t x
y
x final
0
0
2
0 ) (
g
v v
t x
y x
final
0 0
2
) ( =
g
v v
t x
final
u u sin cos 2
) (
0 0
-
=
g
v
t x
final
u u sin cos 2
) (
2
0
-
=

Datos v
o
= 20 m/s; g = -9.81m/s
2

Para encontrar la distancia mxima variar el ngulo de tiro entre 0 y 90 incrementado en 1.

Problema 2
El aumento con el tiempo en el nmero de bacteria en un cultivo es directamente proporcional al nmero de
bacterias al inicio del intervalo de tiempo. En forma matemtica el nmero de bacteria puede expresarse como:

(
+ + + + + =
!
) 054 . 0 (
. ..........
! 3
) 054 . 0 (
! 2
) 054 . 0 (
! 1
054 . 0
1
3 2
n
t t t t
P P
n
o t

Donde P
t
= nmero de bacteria en un tiempo t, horas
P
o
= nmero de bacteria en algn tiempo inicial
t = tiempo en horas despus del tiempo inicial

Escriba un programa (diagrama de flujo y Seudocdigo) que calcule e imprima el nmero de bacterias para un
tiempo de 1 a 5 horas. Utilice los primeros 11 trminos de la serie, el calculo del termino entre corchetes puede terminar si
c
A
< 0.005

17

Unidad II. Solucin de Ecuaciones Algebraicas

Resolver ecuaciones no lineales mediante un algoritmo de programacin

Introduccin
En la unidad anterior se vio que un modelo matemtico, se puede expresar mediante una ecuacin que relacione las
distintas variables que intervienen en un fenmeno. Esta ecuacin puede tener una solucin analtica para la variable de
inters.
Sin embargo en muchos casos no es posible resolver analticamente la ecuacin general anterior, por lo que se habra de
proponer una solucin alterna, lo cual podra ser un mtodo grfico, o bien un mtodo numrico que permita aproximar la
solucin con una tolerancia aceptable, por medio de un proceso iterativo.

2.1 Teora de un Mtodo Iterativo
Un mtodo numrico iterativo es un mtodo tal que se elige un x
0
arbitrario y se calcula una sucesin de valores x
0
, x
1
, x
2
,....
de manera recurrente a partir de una relacin de la forma x
i+1
= g(x
i
) donde g(x) est definida dentro de algn intervalo que
contiene a x
0
.
Un riesgo en el proceso iterativo, es que la solucin del mtodo no converja al valor x
0
buscado, por lo que se debe
establecer siempre un criterio de paro para concluir el proceso si este no converge a la solucin, es decir el proceso iterativo
nos puede conducir a un alejamiento de la solucin (divergencia). Es conveniente, siempre que sea posible, establecer un
criterio de convergencia en los mtodos iterativos que trataremos en el curso.

2.2 Raz de una Ecuacin

En general una ecuacin se puede representar para el caso de una variable independiente x por f(x) = 0, la solucin de esta
ecuacin son los valores de x que hacen que la funcin sea cero, a los valores de x que solucionan la ecuacin se les
denomina races o ceros de la ecuacin, y grficamente representan los puntos donde la funcin f(x) cruza el eje de las x.

2.2.1 Fundamento Matemtico

En las matemticas de ingeniera, generalmente tienen que hallarse soluciones de ecuaciones de la forma

f(x) = 0

es decir, nmeros x
0
tales que f (x
0
) = 0. En la mayora de los casos tienen que usarse mtodos de aproximacin para
encontrar x
0
tal que satisfaga f (x
0
) ~ 0.

2.3 Mtodos de Intervalo

Estos mtodos se caracterizan por el hecho de que una funcin cambia de signo al cruzar el eje de la variable independiente.
Por ello es necesario proponer un intervalo donde suceda esto, es decir el intervalo propuesto debe contener la raz.

2.3.1 Mtodo de Biseccin.

Es el ms simple de los mtodos y consiste en proponer un intervalo que contenga la raz, acotando sta dividiendo a la
mitad el intervalo en subintervalos, localizando la mitad que contiene la raz, procediendo as sucesivamente hasta un valor
aceptable de la raz.

18

Algoritmo: Mtodos que usan intervalo (Biseccin)
Entrada. Tolerancia (c
s
), nmero mximo de iteraciones (NMI), proponer un intervalo
[x
1
, x
2
] de tal manera que f(x
1
) f(x
2
) < 0.
Paso 1 Calcular
x
x x
p
=
+
1 2
2
.
Paso 2 Tomar i = 2.
Paso 3 Mientras i s NMI seguir pasos 3 a 8.
Paso 4 Si f(x
1
) f(x
p
) < 0 Tomar x
2
= x
p

Si NO tomar x
1
= x
p
Paso 5 Tomar
x
x x
a
=
+
1 2
2
.
Paso 6 Si
s
a
p a
x
x x
c <
100

Salida raz aproximada x
r
Paso 7 Tomar x
p
= x
a
Paso 8 Tomar i = i+1
Salida No se alcanz convergencia x
p
Parar

2.3.2 Mtodo de la Regla Falsa

En este mtodo se supone que la funcin en el intervalo propuesto se comporta aproximadamente como una lnea recta.
El algoritmo es anlogo al mtodo de la biseccin, solo se cambia la ecuacin del mtodo:

( )( )
( ) ( )
2 1
2 1 2
2
x f x f
x x x f
x x
a

=

x1
x2
xa
y = f(x)
(x2 , f(x2))
(x1 , f(x1))
f(x2) - f(xa) f(xa) - f(x1) f(x2) - f(x1)
m = --------------- = -------------- = --------------
x2 - xa xa - x1 x2 - x1
f(xa) = 0
f(x2) f(x2) - f(x1)
--------------- = ---------------
x2 - xa x2 - x1
f(x2) (x2 - x1 )
xa = x2 -- -------------------
f(x2) - f(x1)
f(x2) (x1 - x2 )
xa = x2 -- -------------------
f(x1) - f(x2)
Deduccin de la ecuacin del mtodo de la regla falsa

Figura 2.1 Deduccin de la ecuacin del mtodo de la Regla Falsa

19

Ejemplo

Encontrar una raz de la funcin f(x
1
) = x
3
- 2x 1 en el intervalo [1, 2]

Figura 2.2 GUI Mtodo de la Biseccin

20

Figura 2.3 GUI Mtodo de la Regla Falsa
Portafolio de Evidencias
a) Hacer un programa (diagrama de flujo y seudocdigo) para resolver f(x)=x
3
- 8 usando los mtodos biseccin y
regla falsa. Codificar y ejecutar en scilab
b) Utilizar software matemtico para encontrar la raz de una ecuacin no lineal (Excel, Polymath, Matlab, etc.)

2.4 Mtodos de Punto Fijo
Estos mtodos se caracterizan por el uso de un valor inicial cercano a la raz, que es usado para encontrar un nuevo valor
que puede converger a la raz o divergir de sta.

2.4.1 Mtodo de Aproximaciones Sucesivas
Este mtodo se usa para encontrar la raz de f(x) = 0 expresando esta funcin de tal forma que x = g(x) para un intervalo
cerrado [x
1
, x
2
] donde ge [x
1
, x
2
] para toda xe [x
1
, x
2
], y | g' (x)| < 1 para toda xe [x
1
, x
2
].
Por ejemplo:
f(x) = x
3
- 2x - 1
x
x x
=

=
1
2
1
2
3 3
g e [1,2]
f(x) = x(x
2
- 2) - 1
x
x
=
1
2
2
g e [1,2]
f(x) = x
3
- 2x - 1 x x = + 2 1
3
g e [1,2]

( ) ( ) ( )
( )
' = + =
+
g x x
x
1
3
2 1 2
2
3 2 1
2
3
2
3

| g' (x)| < 0.32
Si las condiciones anteriores no se cumplen no se asegura convergencia.
El esquema iterativo que se aplica es x
i+1
= g(x
i
)
21

Algoritmo: Mtodos abiertos (Punto fijo)

Entrada. Aproximacin inicial a x
p
, tolerancia (c
s
), nmero mximo de iteraciones (NMI).
Paso 1 Tomar i = 1.
Paso 2 Mientras i s NMI seguir pasos 2 a 6.
Paso 3 Tomar x
a
= g(x
p
)

Paso 4 Si
x x
x
a p
a
s
< 100 c

Salida raz aproximada x
r
Paso 5 Tomar x
p
= x
o
Paso 6 Tomar i = i+1
Salida No se alcanz convergencia

Parar

Ejemplo

Encontrar una raz de la funcin f(x) = x
3
- 2x - 1
x x
a p
= + 2 1
3 x
p
= 1 c
s
= 0.005 NMI = 5

Figura 2.4 GUI Mtodo de Punto fijo

22

2.4.2 Mtodo de Newton

El algoritmo es anlogo al mtodo de punto fijo, solo cambia en el paso 3, donde la ecuacin para el mtodo de Newton es:

( )
( )
x x
f x
f x
a p
p
p
=
'

y = f(x)
x1 x2 r
( x1, f(x1))
f(x1) - f(x2)
m = ---------------- = f' (x1)
x1 - x2
f (x1)
x2 = x1 - --------
f' (x1)
f (xi)
xi+1 = xi - --------
f' (xi)
2 3
f'(xi)h f''(xi)h f'''(xi)h
f(xi+1)= f(xi) + --------- + ---------- + ---------- + ..........
1! 2! 3!
Truncando la serie de Taylor
f'(xi)h
f(xi+1)= f(xi) + --------- + Rn f(xi+1) = 0 en xi+1
1! como h = xi+1 - xi
f (xi)
xi+1 = xi - --------
f' (xi)
Deduccin del Mtodo de Newton
Usando la serie de taylor
Grficamente

Figura 2.5 Geometra del mtodo de newton

23

Ejemplo

Encontrar una raz de la funcin f(x) = x
3
- 2x - 1 f' (x) = 3x
2
2 x
p
= 1 c
s
= 0.005 NMI = 5

Figura 2.6 GUI Mtodo de Newton-Rhapson

24

2.4.3 Mtodo de la Secante

Este mtodo es semejante al de Newton, aunque no tiene su convergencia cuadrtica, ya que en lugar de calcular la
derivada de la funcin, se aproxima sta mediante una diferencia finita hacia adelante.
La ecuacin del mtodo es:
( )( )
( ) ( )
x x
f x x x
f x f x
a
=

2
2 1 2
1 2

Esta ecuacin es semejante a la del mtodo de la regla falsa, con la diferencia que en el mtodo de la secante la raz no
necesariamente se encuentra entre x
1
y x
2.

El algoritmo es semejante al de punto fijo, solo que en la entradas se proponen dos valores: x
1
y x
2
, y adems se cambia la
ecuacin del mtodo. El paso 5 se modifica tomando x
1
= x
2
y

x
2
= x
a
.

Ejemplo 2.4
f(x) = x
3
- 2x - 1 x
1
= 1, x
2
= 2 c
s
= 0.005 NMI = 5

Figura 2.7 GUI Mtodo de la Secante

Hacer un programa (diagrama de flujo y seudocdigo) para resolver f(x)=x
2
-4 usando los mtodos Punto fijo, Newton y
Secante. Codificar y ejecutar en scilab
25

2.5 Otros Mtodos

2.5.1 Mtodo de von Mises

El mtodo de Newton tiene algunas variantes que dan origen a otros mtodos, un caso especial en el cual el mtodo de
Newton puede presentar problemas en su aplicacin, es cuando los puntos x
i
estn muy alejados de la solucin o bien f`(x
i
)
es cercana a cero. Para resolver este problema von Mises propuso sustituir el denominador f`(x
i
) por f`(x
o
)
Por lo tanto la ecuacin del mtodo es

( )
( )
0
x f
x f
x x
p
p a
'
=

Ejemplo 2.5
f(x) = x
3
- 2x - 1 f' (x) = 3x
2
2

Figura 2.8 GUI Mtodo de Von Mises

No se alcanzo convergencia en cinco iteraciones, podemos observar que la convergencia es muy lenta utilizando
este mtodo, se requieren aproximadamente ochenta iteraciones para alcanzar convergencia con la tolerancia deseada.

26

2.6 Aplicaciones

Aplicacin: Clculo de Volmenes molares

Conceptos utilizados.
Uso de ecuaciones de Estado para el clculo de propiedades termodinmicas de sustancias puras.

Curso. Termodinmica, Fisicoqumica I

Problema.
Dado que la presin de vapor del Cloruro de Metilo a 60 C es de 13.76 bar, emplee la ecuacin de Redlich/Kwong para
calcular los volmenes molares del vapor y lquido saturados a esas condiciones.

Solucin
El desarrollo moderno de las ecuaciones cbicas de estado se inicio en 1949 con la publicacin de la ecuacin de
Redlich/Kwong.

) ( b V V T
a
b V
RT
P
+
=
2
1

c
c
P
T R
a
5 . 2 2
4278 . 0
=

c
c
P
RT
b
0867 . 0
=

T
c
= 416.3 K P
c
= 66.8 bar

R=83.14 cm
3
bar mol
-1
K
-1
, T= 333.15 K, P = 13.76 bar

a=1.56531x10
8
cm
6
bar mol
-2
K
1/2

b=44.922 cm
3
mol
-1

Esta ecuacin, tiene tres races para el volumen, de las cuales dos pueden ser complejas. Fsicamente, los valores de V son
reales, positivos y mayores que la constante b. Los volmenes de lquidos y vapores saturados estn dados por la raz menor
y mayor, respectivamente, cuando P es la presin de saturacin.

27

Solucin por el Mtodo de Punto fijo

Reacomodando la ecuacin:
P b V V T
b V a
b
P
RT
V
i i
i
i
) (
) (
2
1
1
+
+ =
+

Programa 2.1 Mtodo de Punto Fijo
PRINT "****************************************************************"
PRINT "* INSTITUTO TECNOLOGICO DE DURANGO *"
PRINT "* DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA *"
PRINT "* MTODOS NUMRICOS *"
PRINT "* RAIZ DE LA ECUACION DE REDLICH-WONG VAPOR SATURADO *"
PRINT "* METODO DE PUNTO FIJO *"
PRINT "* INSTRUCTOR: JOSE DOMINGO POPE SOLIS *"
PRINT "****************************************************************"

INPUT "NOMBRE DE LA ESPECIE QUIMICA "; COMPUESTO$
INPUT "TEMPERATURA(K) "; T: INPUT "PRESIN(BAR) "; P
INPUT "TEMPERATURA CRITICA "; TC: INPUT "PRESIN CRITICA "; PC
INPUT "TOLERANCIA "; ES
INPUT "NUMERO MAXIMO DE ITERACIONES "; NMI
PRINT: PRINT "VAPOR SATURADO"
R = 83.14
a=0.4278*R^2*TC^2.5/PC
b=0.0867*R*TC/PC
Vp=R*T/P

FOR NI = 1 TO NMI
Va = F(Vp,T,P,R,a,b)
IF Va = 0 THEN
Vp = Va
ELSE
EA = ABS((Va - Vp) / Va) * 100
IF EA <= ES THEN
PRINT: PRINT "VOLUMEN ESPECIFICO DEL ";COMPUESTO$;" = ";Va;" CM^3/MOL "
END
ELSE
Vp = Va
PRINT Va
END IF
END IF
NEXT NI
PRINT "NO SE ENCONTRO LA RAIZ"
NI = NI - 1
PRINT Va, EA, NI
END

FUNCTION F(Vp,T,P,R,a,b)
F = R*T/P+b-a*(Vp-b)/(T^0.5*Vp*(Vp+b)*P)
END FUNCTION

28

Ejecucin 2.1 Mtodo de Punto Fijo
*****************************************************************
* INSTITUTO TECNOLOGICO DE DURANGO *
* DEPARTAMENTO DE INGENIERIAS QUIMICA Y BIOQUIMICA *
* MTODOS NUMRICOS *
* RAIZ DE LA ECUACION DE REDLICH-WONG VAPOR SATURADO *
* METODO DE PUNTO FIJO *
* INSTRUCTOR: JOSE DOMINGO POPE SOLIS *
*****************************************************************
NOMBRE DE LA ESPECIE QUIMICA CLORURO DE METILO
TEMPERATURA(K) 333.15
PRESIN(BAR) 13.76
TEMPERATURA CRITICA 416.3
PRESIN CRITICA 66.8
TOLERANCIA 0.005
NUMERO MAXIMO DE ITERACIONES 12

VAPOR SATURADO
1761.7612
1721.69182
1714.27629
1712.86795
1712.59918

VOLUMEN ESPECIFICO DEL CLORURO DE METILO = 1712.54784 CM^3/MOL

29

Solucin por el Mtodo de la Biseccin
Reacomodando la ecuacin: P
b V V T
a
b V
RT
V f
+
=
) (
) (
2
1

Programa 2.2 Mtodo de la Biseccin
PRINT "****************************************************************"
PRINT "* RAICES DE LA ECUACION DE REDLICH-WONG *"
PRINT "* METODO DE LA BISECCIN *"
PRINT "* INSTRUCTOR: JOSE DOMINGO POPE SOLIS *"
PRINT "****************************************************************"
'ENTRADA DE DATOS
INPUT "NOMBRE DE LA ESPECIE QUIMICA "; COMPUESTO$
INPUT "TEMPERATURA(K) "; T: INPUT "PRESIN(BAR) "; P
INPUT "TEMPERATURA CRITICA "; TC: INPUT "PRESIN CRITICA "; PC
INPUT "NUMERO MAXIMO DE ITERACIONES "; NMI
INPUT "VAPOR SATURADO(TECLEA 1); LIQUIDO SATURADO(TECLEA 2) "; VAPOR
R = 83.14
a=0.4278*R^2*TC^2.5/PC
b=0.0867*R*TC/PC
Vo=R*T/P
IF VAPOR=1 THEN
PRINT: PRINT "VAPOR SATURADO"
V1=Vo+500: V2=Vo-500
ELSE
PRINT: PRINT "LIQUIDO SATURADO"
V1=b+50: V2=b+1
END IF

IF F(V1,T,P,R,a,b)*F(V2,T,P,R,a,b)> 0 THEN
PRINT "NO HAY RAIZ EN EL INTERVALO PROPUESTO":END
ELSE
Vp = (V1 + V2) / 2
FOR NI=1 TO NMI
IF (F(V1,T,P,R,a,b)*F(Vp,T,P,R,a,b))< 0 THEN
V2=Vp
ELSE
V1=Vp
END IF
Va = (V1 + V2) / 2
IF ABS ((Va-Vp)/Va)*100 < ES THEN EXIT FOR
Vp = Va
PRINT Va
NEXT NI
PRINT "VOLUMEN ESPECIFICO DEL ";COMPUESTO$;" = ";Va;" CM^3/MOL "
END IF
END
FUNCTION F(V,T,P,R,a,b)
F = R*T/(V-b) -a/(T^0.5*V*(V+b))-P
END FUNCTION

30

Ejecucin 2.2 Mtodo de la Biseccin para Liquido Saturado
*****************************************************************
* MTODOS NUMRICOS *
* RAICES DE LA ECUACION DE REDLICH-WONG *
* METODO DE LA BISECCIN *
*****************************************************************
PRESIN(BAR) 13.76
PRESIN CRITICA 66.8
TOLERANCIA .005
VAPOR SATURADO (TECLEA 1); LIQUIDO SATURADO (TECLEA 2) 2

LIQUIDO SATURADO
82.6719982
76.5469982
73.4844982
71.9532482
71.1876232
71.5704357
71.3790294
71.4747326
71.426881
71.4029552
71.3909923
71.3850109

31

Ejecucin 2.3 Mtodo de la Biseccin para Vapor Saturado
*****************************************************************
* MTODOS NUMRICOS *
* RAICES DE LA ECUACION DE REDLICH-WONG *
* METODO DE LA BISECCIN *
*****************************************************************
PRESIN(BAR) 13.76
PRESIN CRITICA 66.8
TOLERANCIA 0.005
VAPOR SATURADO(TECLEA 1); LIQUIDO SATURADO(TECLEA 2) 1

VAPOR SATURADO
1762.94266
1637.94266
1700.44266
1731.69266
1716.06766
1708.25516
1712.16141
1714.11453
1713.13797
1712.64969
1712.40555
1712.52762

32

Aplicacin: Disociacin del vapor de agua a temperaturas altas

Concepto utilizado
Uso de la constante de equilibrio para calcular la concentracin en el equilibrio de oxigeno e hidrogeno

Curso
Fisicoqumica II

Problema
En un proceso qumico, el vapor de agua (H
2
O) se calienta a una temperatura suficientemente alta para que una porcin
significativa del agua se disocie o se rompa en partes para formar oxgeno (O
2
) e hidrogeno(H
2
).

H
2
O H
2
+ O
2

Determinar el grado de disociacin del agua, para las condiciones siguientes.
P=2 atmsferas, K= 0.04568

Solucin
Para una reaccin qumica en equilibrio
[
=
i
v
i
a K
Donde K es la constante de equilibrio
a
i
es la actividad molar parcial del componente i en la mezcla reaccionante
v
i
es el coeficiente estequiomtrico de la especie i en la mezcla reaccionante
En fases gaseosas ideales
i i i i i
p P y f f a = = = =

Sustituyendo
P
PP
y
y y
K
O H
O H
2 1
2 1
2
2 2
/
/
=
La fraccin molar del componente i puede expresarse mediante la ecuacin
e +
e +
= =
v n
v n
n
n
y
i i
t
i
i
0
0

Donde e se denomina coordenada de reaccin
Cuando se alimenta estequiomtricamente x e= siendo x es el grado de conversin o disociacin

Balances Molares
e + =
2
2
0
H
n n
H

e + =
2
1
0
2
2 o
n n
o

e =
O H
n n
O H
2
2
0

v = Ev
i
=
Base mol n
O H
o
1
2
=
Sustituyendo
|
|
.
|
\
|
e +
e
|
|
.
|
\
|
e +
e
|
|
.
|
\
|
e +
e
=
2
1
2
1
2
1
2
1
1
1
1 1
2
1
2
1
P
K Reacomodando
e +
e
e
e
=
2
2
1
P
K

33

K
P
f
e +
e
e
e
= e
2
2
1
) ( Para las condiciones en que se efecta la reaccin

04568 . 0
2
4
1
) (
e +
e
e
e
= e f

Solucin por un mtodo que usa intervalo y uno abierto

Tabla 1.1 Mtodo de la Regla falsa en el intervalo [0.05, 0.15], NMI = 7, Tolerancia (c
s
=0.005)
Iteracin Raz Error aproximado
1 8.8081 x10
-2
--------------------
2 9.5024 x10
-2
7.3063
3 9.6107 x10
-2
1.1266
4 9.6272 x10
-2
0.1712
5 9.6297 x10
-2
0.0260
6 9.6300 x10
-2
0.0039

Tabla 1.2 Mtodo de la Secante en el intervalo x
1
=0.05, x
2
=0.15, NMI = 7, Tolerancia (c
s
=0.005)
Iteracin Raz Error aproximado
1 8.8081 x10
-2
43.2343
2 9.7921 x10
-2
10.0490
3 9.6255 x10
-2
1.7607
4 9.6301 x10
-2
0.0472
5 9.6300 x10
-2
0.0003

34

Evaluacin Sumativa

Problema 1
Una alimentacin de 100 kmol/h que contiene 10, 20, 30, y 40 moles % de propano (3), n-butano (4), n-pentano (5) y n-
hexano (6), respectivamente, entra a una columna de destilacin de 100 psia(689.5 kPa) y 200 F(366.5 K). Suponiendo
que existe equilibrio, Qu fraccin de la alimentacin entra como liquido y cuales son las composiciones del liquido y el
vapor. Datos K
3
=04.2, K
4
=1.75, K
5
=0.74, K
6
=0.34

Vaporizacin instantnea
Determinacin de la cantidad de vapor V (moles/hr) y la de lquido L (moles/hr) que se generan en una vaporizacin
instantnea.

Un balance de materia global: F = L + V

Un balance de materia para cada componente: F z
i
= L x
i
+ V y
i
i = 1, 2, 3, ,n
Las relaciones de equilibrio lquido-vapor establecen:
i
i
i
x
y
K = i = 1, 2, 3, ,n
Sustituyendo y combinando ecuaciones tenemos:
=
=
+

n
i i
i i
K V F
K Fz
1
0
) 1 (
) 1 (

El valor de V que satisface esta ecuacin esta comprendido entre 0 s V s F
Por lo tanto, proponer un valor inicial de V es bastante complicado ya que F puede ser muy grande.
Esta dificultad se puede reducir normalizando el valor de V, dividiendo el numerador y el denominador entre F.

=
=
+

=
n
i i
i i
K
K z
f
1
0
) 1 ( 1
) 1 (
) (
=
=
+

=
n
i
i
i i
K
K z
f
1
2
2
0
)] 1 ( 1 [
) 1 (
) ( '

Donde = V/F

F moles/hr
z
i

V moles/hr
y
i

L moles/hr
x
i

35

Problema 2
Encuentre el volumen molar del gas butano a 500 K y 50 bar.

La ecuacin cubica de estado genrica:

Puede ser modificada para Z (factor de compresibilidad) mediante sustituciones adecuadas
| |
|
| |

Donde |=O(Pr/Tr) y q=o(Tr)/ (OTr)

Los valores de los parmetros de esta ecuacin varan de acuerdo a la ecuacin cubica de estado que se utiliza, para la
ecuacin de Redlich-Wong o=1, c =0, O=0.8664, =0.42748, o(Tr)= Tr
-1/2

Para el caso de del butano a las condiciones dadas Tr = 1.176, Pr = 1.317, |=0.09703 y q=3.8689

Sustituyendo en la ecuacin tenemos

Resolver esta ecuacin por los mtodos numricos vistos en la unidad.

36

UNIDAD III. Solucin de sistemas de ecuaciones

Resolver sistemas de ecuaciones lineales y no lineales mediante un algoritmo de programacin

Introduccin
Muchos sistemas en ingeniera y en matemticas aplicadas pueden representarse adecuadamente mediante un sistema de
ecuaciones lineales. Por lo que, los mtodos numricos desarrollados en esta unidad, aparecern como herramientas en otras
unidades.

3.1 Algebra Matricial.

El lgebra matricial es una parte esencial en muchas reas del conocimiento, ya que las matrices representan herramientas
convenientes para considerar un arreglo de muchos nmeros mediante un solo smbolo, y por lo tanto, la sistematizacin de
clculos laboriosos, ya que proveen una notacin compacta para almacenar informacin y describir relaciones complicadas.

Una matriz es un conjunto de nmeros colocados como arreglos rectangulares y encerrados entre parntesis, los
componentes individuales de la matriz se llaman sus elementos.
La notacin a
ij
en una matriz, designa al elemento ene la i-sima fila, y en la j-sima columna. Los subndices se emplean
para indicar los elementos designando primero la fila y luego la columna.

Notacin Matricial
Definimos que una matriz consta de un arreglo rectangular de elementos representados por un smbolo simple

Generalmente se utiliza la expresin matriz de m n y escribimos matriz m n para referirnos a una matriz de m filas y
n columnas.
Al conjunto horizontal de elementos se le llama rengln
Al conjunto vertical de elementos se le llama columna

Las matrices con dimensin m =1 en el rengln se les llama vectores rengln.

[ 3, -1, 2, 0, 5, 4 ] Vector rengln de seis columnas

Las matrices con dimensin n =1, se les conoce como vector columna.
A las matrices donde m = n se les llama cuadradas.

Se le llama diagonal principal de la matriz a la diagonal consistente de los elementos a
11
, a
22
, a
33
, a
44
,...
| | | |
n
b b b B , , ,
2 1
=
| |
(
(
(
(
=
n
c
c
c
C
2
1
| |
(
(
(
(
(
(
=
mn m m m
n
n
n
a a a a
a a a a
a a a a
a a a a
A
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
37

Reglas de Operacin sobre Matrices
La suma de dos matrices [A] y [B], se realiza sumando los elementos correspondientes de cada matriz. Los elementos de la
matriz [C] resultante se calculan como:

c
ij
= a
ij
+ b
ij
para i = 1,2,3,.., m j =1,2,3,.,n

Para multiplicar dos matrices se requiere que el nmero de columnas sea igual al nmero de renglones de la otra, la
dimensin de la matriz resultante ser el nmero de renglones y el nmero de columnas de la otra
La multiplicacin no es conmutativa

[A][B]=[C] [A]
mn
[B]
np
=[C]
mp
=
=
n
k
kj ik ij
b a c
1

Transpuesta
Comprende la transformacin de sus renglones en columnas

| |
(
(
(
(
=
41
31
21
11
c
c
c
c
C
entonces [C]
T
= [c
11
, c
21
, c
31
, c
41
,]
Tipos de Matrices
Simtrica
Para toda i y para toda j a
ij
= a
ji

Diagonal
Todos los elementos fuera de la diagonal principal son iguales a cero

Identidad
Es una matriz diagonal donde todos los elementos de la diagonal principal son igual a 1

(
(
(
(
=
44
33
22
11
0 0 0
0 0 0
0 0 0
0 0 0
a
a
a
a
A] [
(
(
(
(
=
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
] [I
| |
(
(
(
(
(
(
=
9 1 5 8 3
1 3 3 6 1
5 3 8 9 2
8 6 9 4 7
3 1 2 7 5
A
38

Triangular Superior Derecha
Todos los elementos bajo la diagonal principal son cero.

Aumentada
Es el resultado de aumentarle una columna (o ms columnas) a la matriz original.

(
(
(
(
=
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
a a a a
a a a a
a a a a
a a a a
A] [
si se desea aumentar con una matriz identidad
(
(
(
(
(
=
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
a a a a
a a a a
a a a a
a a a a
A] [

Utilizar software matemtico Matlab o Scilab para desarrollar las operaciones matriciales de suma, resta y multiplicacin de
arreglos o vectores.
3.1.1 Teora de los Sistema Lineales.

La forma general de un sistema de ecuaciones algebraicas lineales es:

Donde las a
ij
son coeficientes constantes, las C son constantes y n es el nmero de ecuaciones.

Un sistema de ecuaciones algebraicas lineales se puede representar en forma matricial como

[A] [X] = [C]
| |
(
(
(
(
(
(
+
+
+
+
=
mn m m m
n
n
n
a a a a
a a a a
a a a a
a a a a
A
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11

donde [A] es una matriz cuadrada de n por n
[C] es un vector columna n 1 de constantes | | | |
4 3 2 1
c c c c C
T
=
[X] es un vector columna de n 1 incgnitas | | | |
4 3 2 1
x x x x X
T
=
Si c
1
, c
2
, c
3
, c
n
son cero, se dice que el sistema es homogneo, en este caso tiene por lo menos la solucin trivial x
1
= x
2
=
x
3
= x
n
= 0, tiene ms soluciones si y solo si, D = 0.
n n nn n n n n
n n
n n
n n
C
C
C
C
x a x a x a x a
x a x a x a x a
x a x a x a x a
x a x a x a x a
3
2
1
3 3 2 2 1
3 3 33 2 32 1 31
2 3 23 2 22 1 21
1 3 13 2 12 1 11
= + + + +
= + + + +
= + + + +
= + + + +
(
(
(
(
=
44
34 33
24 23 22
14 13 12 11
0 0 0
0 0
0
a
a a
a a a
a a a a
A] [
39

Si por lo menos c
1
o cualquier otra c
n
no es cero, se dice que el sistema es no homogneo. Entonces si D es distinto de cero,
el sistema tiene precisamente una solucin que puede obtenerse por algn mtodo analtico o numrico.

Determinantes

Los determinantes surgen en relacin con los sistemas de ecuaciones lineales.
Por ejemplo en el sistema
a
11
x
1
+ a
12
x
2
= b
1

a
21
x
1
+ a
22
x
2
= b
2
(1)
en el que las incgnitas son x
1
, y x
2
.

Para resolver este sistema, puede multiplicarse la primera ecuacin por a
22
, la segunda por
-a
12
y sumar, encontrando

(a
11
a
22
- a
21
a
12
) x
1
= b
1
a
22
b
2
a
12

Entonces se multiplica la primera ecuacin de (1) por -a
21
, la segunda por a
11
y se suma nuevamente, encontrando

(a
11
a
22
- a
21
a
12
) x
2
= a
11
b
2
a
21
b
1

Si a
11
a
22
- a
21
a
12
no es cero, puede dividirse y obtener el resultado deseado

12 21 22 11
12 2 22 1
1
a a a a
a b a b
x
=

12 21 22 11
21 1 11 2
2
a a a a
a b a b
x
=
(2)

La expresin de los denominadores se escribe en la forma

22 21
12 11
a a
a a

y se llama determinante de segundo orden. Entonces

22 21
12 11
a a
a a
= a
11
a
22
- a
21
a
12

Los cuatro nmeros a
11
, a
12
, a
21
, a
22
se llaman elementos del determinante. Se dice que los elementos en una lnea
horizontal forman un rengln y que los elementos en una lnea vertical forman una columna del determinante.
Ahora puede escribirse la solucin (2) del sistema (1) en la forma
D
D
x
1
1
=

D
D
x
2
2
=
(D = 0)
donde
22 21
12 11
a a
a a
D =

22 2
12 1
1
a b
a b
D =

2 21
1 11
2
b a
b a
D =

Esta frmula se llama Regla de Cramer. Ntese que D
1
se obtiene reemplazando la primera columna de D por la columna
con elementos b
1
, b
2
y D
2
se obtiene reemplazando la segunda columna de D por esa columna.

Una forma distinta de evaluar el determinante de un sistema de ecuaciones se basa en el hecho de que el determinante de
una matriz triangular se puede calcular simplemente con el producto de los elementos de su diagonal

D = a
11
a
22
a
33
... a
nn

40

3.2 Mtodos de Solucin de Sistemas de Ecuaciones Lineales

Estos generalmente son de dos tipos: mtodos directos y mtodos que usan tcnicas iterativas

3.2.1 Eliminacin Gaussiana

El mtodo de eliminacin de Gauss se usa para resolver conjuntos de ecuaciones lineales.
Un sistema de ecuaciones lineales puede representarse como:

a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ ........+ a
1n
x
n
= b
1

a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ ........+ a
2n
x
n
= b
2

a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ ........+ a
3n
x
n
= b
3

.................................................................
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ ........+ a
nn
x
n
= b
n

Escrito en forma matricial:
A x = b
Algoritmo: Eliminacin gaussiana

El mtodo consiste de dos fases: la eliminacin de incgnitas y su solucin mediante sustitucin hacia atrs.

Eliminacin de incgnitas.

1. Para aplicar el mtodo se divide la ecuacin pivote por el elemento que corresponde a la diagonal principal, llamado
elemento pivote

A este proceso se le conoce como normalizacin.

2. Se multiplica esta ecuacin por el elemento que se quiere eliminar en la ecuacin correspondiente

3. La ecuacin resultante se resta de la ecuacin que contiene el trmino a eliminar

a
22
x
2
+ a
23
x
3
+........+ a
2n
x
n
= b
2

(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
n n nn n n n
n
n
n
b
b
b
b
x
x
x
x
a a a a
a a a a
a a a a
a a a a
... ...
...
... ... ... ... ...
...
...
...
3
2
1
3
2
1
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
11
1
11
1
11
3 13
11
2 12
11
1 11
a
b
a
x a
a
x a
a
x a
a
x a
n n
= + + + + ...
11
1
21
11
1
21
11
3 13
21
11
2 12
21
11
1 11
21
...
a
b
a
a
x a
a
a
x a
a
a
x a
a
a
x a
a
n n
= + + + +
|
|
.
|
\
|
=
|
|
.
|
\
|
+ +
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
.
|
\
|
11
1
21 2
11
1
21 2 1
11
13
21 23 2
11
12
21 22 1
11
11
21 21
a
b
a b x
a
a
a a x
a
a
a a x
a
a
a a x
a
a
a a
n
n
n
...
41

El sistema lineal queda

a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ ........+ a
1n
x
n
= b
1

a
22
x
2
+ a
23
x
3
+........+ a
2n
x
n
= b
2

a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ ........+ a
3n
x
n
= b
3

.................................................................
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ ........+ a
nn
x
n
= b
n

El procedimiento se repite hasta que se elimina la primera incgnita de las ecuaciones restantes, y despus la segunda,
tercera y hasta la n-1esima incgnitas

a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ ........+ a
1n
x
n
= b
1

a
22
x
2
+ a
23
x
3
+ ........+ a
2n
x
n
= b
2

a
33
x
3
+ ........+ a
3n
x
n
= b
3

................................................
a
n-1
nn
x
n
= b
n-1
n

Que representado en forma matricial generara una matriz triangular superior derecha.

Sustitucin hacia atrs.

La ltima ecuacin resultante se puede resolver a para x
n
, este resultado se sustituye en la ecuacin inmediata anterior, y
as sucesivamente

+ =
= =
n
i j
j ij i i
n n i x a b x
1
1 2 1 ,... ,
42

Ejemplo

Dado el problema
-12

x
1
+ x
2
- 7

x
3
= -80
x
1
-

6x
2
+ 4

x
3
= 13
-2

x
1
-

x
2
+ 10

x
3
= 92
Encontrar los valores de x
1
, x
2
, x
3
.

Escrito en forma matricial

Figura 3.1 GUI Mtodo de Gauss

(
(
(
=
(
(
(
(
(
(

92
13
80

10 1 2
4 6 1
7 1 12
3
2
1
x
x
x
43

Eliminacin de incgnitas
Para aplicar el mtodo de eliminacin gaussiana simple se forma la siguiente matriz ampliada

Se repite el procedimiento hasta formar una matriz triangular superior derecha haciendo ceros los elementos bajo la
diagonal principal.

-12

x
1
+ x
2
- 7

x
3
= -80
- 5.9167 x
2
+ 3.4167

x
3
= 6.3333
10.493

x
3
= 104.0845

Sustitucin hacia atrs

(
(
(

0845 104 493 10 0 0
3333 6 4167 3 9167 5 0
80 7 1 12
. .
. . .
( ) 0
9167 5
9167 5
1667 1 1667 1 =

.
.
. .

( ) 493 10
9167 5
4167 3
1667 1 1667 11 .
.
.
. . =

( ) 0845 104
9167 5
3333 6
1667 1 3333 105 .
.
.
. . =

(
(
(

92 10 1 2
13 4 6 1
80 7 1 12
Ecuacin Pivote
Elementos a eliminar
(
(
(

3333 105 1667 11 1667 1 0
3333 6 4167 3 9167 5 0
80 7 1 12
. . .
. . .
Nueva Ecuacin Pivote
Elemento a eliminar
(
(
(

3333 105 1667 11 1667 1 0
3333 6 4167 3 9167 5 0
80 7 1 12
. . .
. . .
( ) 0
12
12
2 2 =

( ) 1667 1
12
1
2 1 . =

( ) 1667 11
12
7
2 10 . =

( ) 3333 105
12
80
2 92 . =

( ) 0
12
12
1 1 =

( ) 9167 5
12
1
1 6 . =

( ) 4167 3
12
7
1 4 . =

( ) 3333 6
12
80
1 13 . =

9194 9
493 10
0845 104
3
.
.
.
= = x
( )( ) | |
6577 4
9167 5
9194 9 4167 3 3333 6
2
.
.
. . .
=
= x
x
3
( ) | | { }
2684 1
-12
9194 9 7 6577 4 80
1 .

. .
=

= x
x
2
x
3
44

3.2.2 Matriz Inversa
Si una matriz A es cuadrada no singular (det A = 0), hay otra matriz A
-1
llamada inversa de A tal que
A A
-1
= A
-1
A = I
3.2.3 Gauss-Jordan (Inversin de Matrices)
Ejemplo 3.2
Dado el problema
-12

x
1
+ x
2
- 7

x
3
= -80
x
1
-

6x
2
+ 4

x
3
= 13
-2

x
1
-

x
2
+ 10

x
3
= 92
1
, x
2
, x
3
.
Escrito en forma matricial

Figura 3.2 GUI Mtodo de Gauss-Jordan(Matriz Inversa)

Algoritmo: Mtodo de Gauss-Jordan
Para aplicar el mtodo de eliminacin Gauss-Jordan simple se forma una matriz ampliada y se aplican los siguientes pasos
A x I
(
(
(
=
(
(
(
(
(
(

92
13
80

10 1 2
4 6 1
7 1 12
3
2
1
x
x
x
(
(
(

1 0 0 92 10 1 2
0 1 0 13 4 6 1
0 0 1 80 7 1 12
Ecuacin pivote
45

1. Normalizar la ecuacin pivote, dividindola entre el elemento pivote (el elemento correspondiente a la diagonal
principal)
2. Multiplicar la ecuacin pivote por el elemento que se quiere hacer cero en la columna del elemento pivote y se resta
esta ecuacin de la ecuacin que contiene el elemento a eliminar

3. Se repiten los pasos 1. y 2. hasta formar una matriz identidad en el lado izquierdo de la matriz ampliada, el lado
derecho es la matriz inversa.

(
(
(

1 0 0 92 10 1 2
0 1 0 13 4 6 1
0 0 0833 0 6667 6 5833 0 0833 0 1 . . . .
1
12
12
=

0833 0
12
1
. =

5833 0
12
7
. =

6667 6
12
80
. =

0833 0
12
1
. =

(
(
(

0953 0 0188 0 0175 0 9195 9 1 0 0
055 0 1690 0 0242 0 6577 4 0 1 0
051 0 0141 0 0752 0 2684 1 0 0 1
. . . .
. . . .
. . . .
Nueva
ecuacin pivote.
Resultado de
dividir segunda
ecuacin entre
10.4930
Resultado de restar a la
primera ecuacin la ecuacin pivote
multiplicada por 0.5352
segunda ecuacin la ecuacin pivote
multiplicada por (-0.5775)
(
(
(

1 1972 0 1831 0 0845 104 4930 10 0 0
0 1690 0 0141 0 0704 1 5775 0 1 0
0 0141 0 0845 0 5775 6 5352 0 0 1
. . . .
. . . .
. . . .
Nueva
ecuacin pivote.
Resultado de
dividir segunda
ecuacin entre (-
5.9167)
primera ecuacin la ecuacin pivote
tercera ecuacin la ecuacin pivote
(
(
(

1 0 1667 0 3333 105 1667 11 1667 1 0
0 1 08333 0 3333 6 4167 3 9167 5 0
0 0 0833 0 6667 6 5833 0 0833 0 1
. . . .
. . . .
. . . .
2 (2)(1)= 0
1 (2)(0.0833)=1.1667
10 (2)(0.5833)= 11.1667
92 (2)(6.6667)= 105.3333
0 (2)( 0.0833)= 0.1667
0 (2)(0)= 0
1 (2)(0)= 1
1(1)(1) = 0
6 (1)(0.0833)= 5.9167
4 (1)(0.5833)= 3.4167
13 (1)(6.6667)= 6.3333
0 (1)(0.0833)= 0.0833
1(1)(0) = 1
0(1)(0) = 0
46

3.2.4 Regla de Cramer

Se define un determinante de tercer orden para el sistema

a
11
x
1
+ a
12
x
2
+ a
13
x
3
= b
1

a
21
x
1
+ a
22
x
2
+ a
23
x
3
= b
2

a
31
x
1
+ a
32
x
2
+ a
33
x
3
= b
3
(3)

por la ecuacin

23 22
13 12
31
33 32
13 12
21
33 32
23 22
11
33 32 31
23 22 21
13 12 11
a a
a a
a
a a
a a
a
a a
a a
a
a a a
a a a
a a a
D + = =
(4)

Si se desarrollan los determinantes de segundo orden en la ecuacin anterior se obtiene

D = a
11
a
22
a
33
- a
11
a
32
a
23
+ a
21
a
32
a
13
- a
21
a
12
a
33
+ a
31
a
12
a
23
- a
31
a
22
a
13

Los determinantes de segundo orden en (4), que se encuentran multiplicados por a
i1
, donde i = 1, 2 3, se obtienen de D
omitiendo la primera columna y el i-simo rengln de D.
Ntese que los elementos de D estn arreglados en el mismo orden en el que se presentan como coeficientes en el sistema
de ecuaciones (3), y D
j
donde j = 1, 2 3 se obtiene a partir de D reemplazando la j-sima columna por la columna con
elementos b
1
, b
2
, b
3
.

Si D = 0 entonces (3) tiene la solucin nica

D
D
x
1
1
=

D
D
x
2
2
=

D
D
x
3
3
=

Ejemplo
Dado el problema
-12

x
1
+ x
2
- 7

x
3
= -80
x
1
-

6x
2
+ 4

x
3
= 13
-2

x
1
-

x
2
+ 10

x
3
= 92
1
, x
2
, x
3
.

El determinante del sistema es

4 6
7 1
2
10 1
7 1
1
10 1
4 6
12
10 1 2
4 6 1
7 1 12
=

= D

D =
10 1 2
4 6 1
7 1 12

= -12(-6)(10) + 12(-1)(4) - 1(1)(10) + 1(-1)(-7)2(1)(4) + 2(-6)(-7)
D = 745

D
1
=
10 1 92
4 6 13
7 1 80

= 945 D
2
=
10 92 2
4 13 1
7 80 12

= 3470
47

D
3
=
92 1 2
13 6 1
80 1 12

= 7390

x
1
= 1.2685 x
2
= 4.6577 x
3
= 9.9195

a) Hacer un programa (diagrama de flujo y seudocdigo) para resolver un sistema de n ecuaciones lineales con n
incgnitas usando el mtodo de gauss simple. Codificar y ejecutar en scilab
b) Utilizar software matemtico para encontrar la inversa de una matriz (Excel, Polymath, Matlab, etc.)

3.2.5 Mtodos Iterativos

3.2.5.1 Jacobi

El sistema de ecuaciones lineales
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ ........+ a
1n
x
n
= b
1

a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ ........+ a
2n
x
n
= b
2

a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ ........+ a
3n
x
n
= b
3

.................................................................
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ ........+ a
nn
x
n
= b
n

puede representarse en forma matricial como A x = b.
Donde la matriz A puede representarse como la suma de dos matrices, una matriz diagonal D y otra matriz C de modo que
(D +C ) x =b, y reacomodando

Dx + Cx = b Dx = b - Cx

Esta ltima ecuacin se puede usar para aproximar la solucin mediante un proceso iterativo.
Ntese la semejanza con el mtodo de punto fijo desarrollado en la unidad anterior. El criterio de convergencia para este es
que los elementos de la diagonal principal de la matriz A sean dominantes, es decir

La aplicacin de la ecuacin del mtodo al sistema de ecuaciones sera entonces
( ) | |
( ) | |
( ) | |
( ) | |
n n
i n n n i n i n n
i n
i n n i i
i
i n n i i
i
i n n i i
i
a
x a x a x a b
x
a
x a x a x a b
x
a
x a x a x a b
x
a
x a x a x a b
x
,
, , , , , ,
,
, , , ,
,
, , , ,
,
, , , ,
,
...
...
...
...
1 1 2 2 1 1
1
33
3 2 32 3 31 3
1 3
22
2 3 23 1 21 2
1 2
11
1 3 13 2 12 1
1 1

+
+
+
+
+ + +
=
+ + +
=
+ + +
=
+ + +
=

( )
D
C x b
x

=
( )
D
C
i
i
x b
x

=
+1
48

Como en todos los procesos iterativos, se requiere dar una aproximacin inicial, que en este caso sera un vector solucin
inicial x
0
, as como un criterio de convergencia
Que deber cumplirse para cada elemento del vector actual y previo; tambin se dar el nmero mximo de iteraciones.
Ejemplo
Dado el problema

-12

x
1
+ x
2
- 7

x
3
= -80
x
1
-

6x
2
+ 4

x
3
= 13
-2

x
1
-

x
2
+ 10

x
3
= 92

1
, x
2
, x
3
por el mtodo de Jacobi.
x
0
= [0, 0, 0]. c
s
= 0.05. Nmero mximo de iteraciones = 5.

Figura 3.3 GUI Mtodo de Jacobi

=
>
j i
ij ii
a a
( )
s
i
i i
x
x x
c <
+
+
100
1
1
49

Primera iteracin

Segunda iteracin

Tercera iteracin

Cuarta iteracin

( ) | |
( ) | |
( ) | |
10
2 92
6
4 13
12
7 80
2 1
1 3
3 1
1 2
3 2
1 1
i i
i
i i
i
i i
i
x x
x
x x
x
x x
x

=

+
=

=
+
+
+
,
,
,
( ) ( ) | |
( ) ( ) | |
( ) ( ) | |
2 9
10
0 0 2 92
1667 2
6
0 4 0 13
667 6
12
0 7 0 80
1 3
1 2
1 1
.
.
.
,
,
,
=

=
=
+
=
=

=
x
x
x
x
1,0
= 0
x
2,0
= 0
x
3,0
= 0
( )
( )
( )
s
i
i i
a
s
i
i i
a
s
i
i i
a
x
x x
x
x x
x
x x
c c
c c
c c
<
=
<
=
<
=
+
+
+
+
+
+
100
100
100
1 3
3 1 3
3
1 2
2 1 2
2
1 1
1 1 1
1
,
, ,
,
, ,
,
, ,
c
a1
= c
a2
= c
a3
= 100
c
a i
< c
s
? NO
( ) ( ) | |
( ) ( ) | |
( ) ( ) ( ) | |
3167 10
10
1667 2 6667 6 2 92
0778 5
6
2 9 4 6667 6 13
1194 1
12
2 9 7 1667 2 80
2 3
2 2
2 1
.
. .
.
. .
.
. .
,
,
,
=

=
=
+
=
=

=
x
x
x
c
a1
= 495.5601
c
a2
= 142.67
c
a3
= 10.8242
c
a i
< c
s
? NO
( ) ( ) | |
( ) ( ) | |
( ) ( ) ( ) | |
9317 9
10
0778 5 1194 1 2 92
8977 4
6
3167 10 4 1194 1 13
0717 1
12
3167 10 7 0778 5 80
3 3
3 2
3 1
.
. .
.
. .
.
. .
,
,
,
=

=
=
+
=
=

=
x
x
x
c
a1
= 4.4509
c
a2
= 3.6772
c
a3
= 3.8765
c
a i
< c
s
? NO
( ) ( ) | |
( ) ( ) | |
( ) ( ) ( ) | |
9041 9
10
8977 4 0717 1 2 92
6361 4
6
9317 9 4 0717 1 13
2813 1
12
9317 9 7 8977 4 80
4 3
4 2
4 1
.
. .
.
. .
.
. .
,
,
,
=

=
=
+
=
=

=
x
x
x
c
a1
= 16.3584
c
a2
= 5.7111
c
a3
= 0.2887
c
a i
< c
s
? NO
50

Quinta iteracin

3.2.5.2 Gauss-Seidel
Este mtodo es una mejora del mtodo de Jacobi, la cual consiste en que los valores de cada aproximacin se usan
inmediatamente para el clculo de las aproximaciones sucesivas.
El sistema de ecuaciones se modificar entonces de la siguiente manera:

Ejemplo
Dado el problema
-12

x
1
+ x
2
- 7

x
3
= -80
x
1
-

6x
2
+ 4

x
3
= 13
-2

x
1
-

x
2
+ 10

x
3
= 92

1
, x
2
, x
3
x
0
= [0, 0, 0]. c
s
= 0.05. Nmero mximo de iteraciones = 5.
( ) ( ) | |
( ) ( ) | |
( ) ( ) ( ) | |
9199 9
10
6361 4 2813 1 2 92
6496 4
6
9041 9 4 2813 1 13
2756 1
12
9041 9 7 6361 4 80
5 3
5 2
5 1
.
. .
.
. .
.
. .
,
,
,
=

=
=
+
=
=

=
x
x
x
c
a1
= 0.4455
c
a2
= 0.2907
c
a3
= 0.1590
c
a i
< c
s
? NO
NMI ? SI
( ) | |
( ) | |
( ) | |
( ) | |
n n
n n n i n i n n
i n
i n n i i
i
i n n i i
i
i n n i i
i
a
x a x a x a b
x
a
x a x a x a b
x
a
x a x a x a b
x
a
x a x a x a b
x
,
, , , , , ,
,
, , , ,
,
, , , ,
,
, , , ,
,
...
...
...
...
1 1 1 1 1 2 2 1 1 1
1
33
3 1 2 32 1 1 31 3
1 3
22
2 3 23 1 1 21 2
1 2
11
1 3 13 2 12 1
1 1
+ + +
+
+ +
+
+
+
+
+ + +
=
+ + +
=
+ + +
=
+ + +
=

51

Figura 3.4 GUI Mtodo de Gauss-Seidel
Primera iteracin

( ) | |
( ) | |
( ) | |
10
2 92
6
4 13
12
7 80
1 2 1 1
1 3
3 1 1
1 2
3 2
1 1
+ +
+
+
+
+

=
+
=

=
i i
i
i i
i
i i
i
x x
x
x x
x
x x
x
, ,
,
,
,
,
( ) ( ) | |
( ) ( ) | |
( ) ( ) ( ) | |
4278 10
10
0556 1 667 6 2 92
0556 1
6
0 4 667 6 13
667 6
12
0 7 0 80
1 3
1 2
1 1
.
. .
.
.
.
,
,
,
=

=
=
+
=
=

=
x
x
x
x
1,0
= 0
x
2,0
= 0
x
3,0
= 0
( )
( )
( )
s
i
i i
a
s
i
i i
a
s
i
i i
a
x
x x
x
x x
x
x x
c c
c c
c c
<
=
<
=
<
=
+
+
+
+
+
+
100
100
100
1 3
3 1 3
3
1 2
2 1 2
2
1 1
1 1 1
1
,
, ,
,
, ,
,
, ,
c
a1
= c
a2
= c
a3
= 100
c
a i
< c
s
? NO
52

Segunda iteracin

Tercera iteracin

Cuarta iteracin

Quinta iteracin

Hacer un programa (diagrama de flujo y seudocdigo) para resolver un sistema de n ecuaciones lineales con n incgnitas
usando el mtodo de Gauss-Seidel, el programa debe incluir un procedimiento para verificar si el sistema es diagonalmente
dominante. Codificar y ejecutar en scilab

( ) ( ) | |
( ) ( ) | |
( ) ( ) ( ) | |
7859 9
10
8678 4 4958 0 2 92
8678 4
6
4278 10 4 4958 0 13
4958 0
12
4278 10 7 0556 1 80
2 3
2 2
2 1
.
. .
.
. .
.
. .
,
,
,
=

=
=

+
=
=

=
x
x
x
c
a1
= 1244.6349
c
a2
= 121.6854
c
a3
= 6.5594
c
a i
< c
s
? NO
( ) ( ) | |
( ) ( ) | |
( ) ( ) ( ) | |
9312 9
10
5846 4 3638 1 2 92
5846 4
6
7859 9 4 3638 1 13
3638 1
12
7859 9 7 8678 4 80
3 3
3 2
3 1
.
. .
.
. .
.
. .
,
,
,
=

=
=
+
=
=

=
x
x
x
c
a1
= 63.6457
c
a2
= 6.1772
c
a3
= 1.4631
c
a i
< c
s
? NO
( ) ( ) | |
( ) ( ) | |
( ) ( ) ( ) | |
9174 9
10
6634 4 2555 1 2 92
6634 4
6
9312 9 4 2555 1 13
2555 1
12
9312 9 7 5846 4 80
4 3
4 2
4 1
.
. .
.
. .
.
. .
,
,
,
=

=
=
+
=
=

=
x
x
x
c
a1
= 8.6260
c
a2
= 1.6898
c
a3
= 0.1391
c
a i
< c
s
? NO
( ) ( ) | |
( ) ( ) | |
( ) ( ) ( ) | |
9197 9
10
6566 4 2701 1 2 92
6566 4
6
9174 9 4 2701 1 13
2701 1
12
9174 9 7 6634 4 80
5 3
5 2
5 1
.
. .
.
. .
.
. .
,
,
,
=

=
=
+
=
=

=
x
x
x
c
a1
= 1.1495
c
a2
= 0.1460
c
a3
= 0.0232
c
a i
< c
s
? NO
NMI ? SI
53

3.3 Teora de Sistemas de Ecuaciones no Lineales

La forma general de un sistema de ecuaciones no lineales es

Definiendo una funcin F

F(x
1
, x
2
, x
3
,...x
n
) = [f
1
(x
1
, x
2
, x
3
,...x
n
), f
2
(x
1
, x
2
, x
3
,...x
n
),
f
3
(x
1
, x
2
, x
3
,...x
n
), ..., f
n
(x
1
, x
2
, x
3
,...x
n
)]

Usando notacin vectorial para representar las variables x
1
, x
2
, x
3
,... x
n
; el sistema puede representarse por

F (x) = 0

La solucin a este sistema, es el vector x =[x
1
, x
2
, x
3
,...x
n
] que hace que simultneamente todas las ecuaciones sean iguales
a cero.

3.4 Mtodos de Solucin

3.4.1Iteracin Secuencial

Anteriormente se desarroll el mtodo de iteracin de punto fijo para resolver la ecuacin f(x)=0, transformando esta
ecuacin en una ecuacin de la forma x = g(x), usando el criterio de convergencia |g'(x)|< 1 en el intervalo [a, b] donde
g(x) e [a, b] para x e [a, b].
Para el caso de un conjunto de ecuaciones no lineales utilizaremos un procedimiento similar, extendindolo a todas las
ecuaciones, usando el criterio de convergencia
( ) c
c
g x
x
K
n
i
j
s
para toda j = 1, 2, 3...n y K< 1
con la propiedad de ( ) G x D e para x D e donde D = {(x
1
, x
2
,...x
n
)
t
| a
i
s x
i
s b
i
para i = 1, 2, ...n}.

Ejemplo
El sistema no lineal

x
1
2
- 10x
1
+ x
2
2
+ 8 = 0
x
1
x
2
2
+ x
1
- 10x
2
+ 8 = 0

puede transformarse al problema de punto fijo
Demuestre que
( ) G g g
t
=
1 2
, tiene un nico punto fijo en D = {(x
1
, x
2
)
t
| 0 s x
1
,x
2
s 1.5}.
a) Aplique la iteracin funcional para aproximar la solucin (Jacobi).
b) Acelera el mtodo de Seidel la convergencia?
( )
( )
( )
( ) 0
0
0
0
3 2 1
3 2 1 3
3 2 1 2
3 2 1 1
=
=
=
=
n n
n
n
n
x x x x f
x x x x f
x x x x f
x x x x f
,... , ,
,... , ,
,... , ,
,... , ,

( )
( )
10
8
10
8
1
2
2 1
2 1 2 2
2
2
2
1
2 1 1 1
+ +
= =
+ +
= =
x x x
x x g x
x x
x x g x
,
,
54

Solucin
a)
0.8 s g
1
(x
1
, x
2
) s 1.25
0.8s g
1
(x
1
, x
2
) s 1.2875
se cumple que ( ) G x D e siempre que x D e

c
c
g
x
x
1
1
1
2
10
0 3 = s .

325 . 0
10
1
2
2
1
2
s
+
=
x
x
g
c
c

c
c
g
x
x
1
1
1
2
10
0 3 = s .

c
c
g
x
x x
2
2
1 2
2
10
0 45 = s .

c
c
g
x
i
j
=s 0 45 .
se cumple con K = 0.9

b) Utilizando el vector solucin inicial:
x
0
= (0,0)
t

x
1
= (0.8,0.8)
t

x
2
= (0.928,0.931)
t

x
3
= (0.973,0.973)
t

x
4
= (0.989,0.989)
t

x
5
= (0.996,0.996)
t

c) Utilizando el vector solucin inicial:
x
0
= (0,0)
t

x
1
= (0.8,0.88)
t

x
2
= (0.941,0.967)
t

x
3
= (0.982,0.990)
t

x
4
= (0.994,0.997)
t

x
5
= (0.998,0.999)
t

3.4.2 Newton

Si escribimos la serie de Taylor truncada a partir de los trminos que contienen segundas derivadas parciales para cada una
de las ecuaciones tendremos:
Puesto que todas las ecuaciones deben ser cero en las races.

( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
i n i n
n
i n
i i
i n
i i
i n
i i n
i n i n
n
i
i i
i
i i
i
i i
i n i n
n
i
i i
i
i i
i
i i
i n i n
n
i
i i
i
i i
i
i i
x x
x
f
x x
x
f
x x
x
f
f f
x x
x
f
x x
x
f
x x
x
f
f f
x x
x
f
x x
x
f
x x
x
f
f f
x x
x
f
x x
x
f
x x
x
f
f f
, ,
,
, ,
,
, ,
,
, ,
, ,
,
, ,
,
, ,
,
, ,
, ,
,
, ,
,
, ,
,
, ,
, ,
,
, ,
,
, ,
,
, ,
...
...
...
...
c
c
+ +
c
c
+
c
c
+ =
c
c
+ +
c
c
+
c
c
+ =
c
c
+ +
c
c
+
c
c
+ =
c
c
+ +
c
c
+
c
c
+ =
+ + + +
+ + + +
+ + + +
+ + + +
1 2 1 2
2
1 1 1
1
1 1
1
3
2 1 2
2
3
1 1 1
1
3
1 1 3
1
2
2 1 2
2
2
1 1 1
1
2
2 1 2
1
1
2 1 2
2
1
1 1 1
1
1
1 1 1

55

Definiendo la matriz J(x) como:

Podemos escribir
F (x) + x
i
J(x) = x
i+1
J(x)
Dividiendo entre J(x) y reacomodando
x
i+1
= x
i
- J(x)
-1
F (x)

Esta es la ecuacin de Newton para sistemas no lineales.
Puesto que en cada iteracin se tiene que calcular la inversa de la matriz J(x) y esto implica un considerable esfuerzo de
clculo, para evitar este paso se utiliza el artificio de encontrar un vector y que satisfaga

J(x) y = -F (x)
Por lo que la ecuacin del mtodo quedara:

x
i+1
= x
i
- J(x)
-1
F (x) = x
i
- J(x)
-1
(-J(x) y) = x
i
+ y

( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) 0
0
0
0
1 2 1 2
2
1 1 1
1
1
1
3
2 1 2
2
3
1 1 1
1
3
1
1
2
2 1 2
2
2
1 1 1
1
2
2
1
1
2 1 2
2
1
1 1 1
1
1
1
=
c
c
+ +
c
c
+
c
c
+
=
c
c
+ +
c
c
+
c
c
+
=
c
c
+ +
c
c
+
c
c
+
=
c
c
+ +
c
c
+
c
c
+
+ + +
+ + +
+ + +
+ + +
i n i n
n
i n
i i
i n
i i
i n
i
i n i n
n
i
i i
i
i i
i
i
i n i n
n
i
i i
i
i i
i
i
i n i n
n
i
i i
i
i i
i
i
x x
x
f
x x
x
f
x x
x
f
f
x x
x
f
x x
x
f
x x
x
f
f
x x
x
f
x x
x
f
x x
x
f
f
x x
x
f
x x
x
f
x x
x
f
f
, ,
,
, ,
,
, ,
,
,
, ,
,
, ,
,
, ,
,
,
, ,
,
, ,
,
, ,
,
,
, ,
,
, ,
,
, ,
,
,
...
...
...
...

n
i n
i n
i n
i
i n
i
n
i n
i n
i n
i
i n
i i n
n
i
i n
i
i
i
i
n
i
i n
i
i
i
i i
n
i
i n
i
i
i
i
n
i
i n
i
i
i
i i
n
i
i n
i
i
i
i
n
i
i n
i
i
i
i i
x
f
x
x
f
x
x
f
x
x
f
x
x
f
x
x
f
x f
x
f
x
x
f
x
x
f
x
x
f
x
x
f
x
x
f
x f
x
f
x
x
f
x
x
f
x
x
f
x
x
f
x
x
f
x f
x
f
x
x
f
x
x
f
x
x
f
x
x
f
x
x
f
x f
c
c
+ +
c
c
+
c
c
=
c
c
+ +
c
c
+
c
c
+
c
c
+ +
c
c
+
c
c
=
c
c
+ +
c
c
+
c
c
+
c
c
+ +
c
c
+
c
c
=
c
c
+ +
c
c
+
c
c
+
c
c
+ +
c
c
+
c
c
=
c
c
+ +
c
c
+
c
c
+
+ + +
+ + +
+ + +
+ + +
,
,
,
,
,
,
,
,
,
,
,
, ,
,
,
,
,
,
,
,
,
,
,
,
, ,
,
,
,
,
,
,
,
,
,
,
,
, ,
,
,
,
,
,
,
,
,
,
,
,
, ,
... ...
... ...
... ...
... ...
1
2
1 2
1
1 1
2
2
1
1
3
1
2
3
1 2
1
3
1 1
3
2
3
2
1
3
1 3
2
1
2
2
1 2
1
2
1 1
2
2
2
2
1
2
1 2
1
1
2
1
1 2
1
1
1 1
1
2
1
2
1
1
1 1

( )
(
(
(
(
(
(
(
(
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
=
n
i n i n i n
n
i i i
n
i i i
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
J
, , ,
, , ,
, , ,
...
... ... ... ...
...
...
x
2 1
2
2
2
1
2
1
2
1
1
1
x
i+1
= x
i
- y
56

Ejemplo
Encuentre una solucin al siguiente sistema no lineal usando el mtodo de Newton.
Itere hasta quex
(i)
- x
(i-1)

< 10
-5

x
1
2
- 10x
1
+ x
2
2
+ 8 = 0
x
1
x
2
2
+ x
1
- 10x
2
+ 8 = 0

Figura 3.5 GUI Mtodo de Newton

Solucin: Corrida de escritorio

Resolviendo para y en el sistema que establece el mtodo de Newton

J(x)y = -F(x) (1)

donde J(x) es el jacobiano del vector de funciones:

y F(x) es el vector de funciones:

( )
(
=
(
(
(
(
=
10 2 1
2 10 2
2 1
2
2
2 1
2
2
1
2
2
1
1
1
x x x
x x
x
(x) f
x
(x) f
x
(x) f
x
(x) f
J
c
c
c
c
c
c
c
c
i x
( )
(
+ +
+ +
=
x - x x x
x x - x
8 10
8 10
2 1
2
2 1
2
2 1
2
1
x F
57

se establece un esquema iterativo donde cada nueva aproximacin se obtiene como:

x
(k+1)
= y + x
(k)

Al resolver el sistema tomando como valores iniciales (x
1
, x
2
) =

(0, 0) se tiene:

que por el sistema (1) resulta:

resolviendo

y el primer valor en la iteracin de (x
1
, x
2
) genera:

El esquema de iteracin genera los siguientes resultados:

(x
(1)
) =

(0.8, 0.88)

(x
(2)
) =

(0.9918, 0.9917)

(x
(3)
) =

(1.0000, 1.0000)

(x
(4)
) =

(1.0000, 1.0000)

( )
( ) ( )
( ) ( )( )
(
=
(
=
(
=
10 1
0 10
10 0 0 2 1 0
0 2 10 0 2
10 2 1
2 10 2
,
2
2 1
2
2
2 1
2 1
x x x
x x
x x J
( )
( ) ( ) ( )
( )( ) ( ) ( )
(
=
(
+ +
+ +
=
(
+ +
+ +
=
8
8
8 0 10 0 0 0
8 0 0 10 0
8 10
8 10
x
2
2 2
2 1
2
2 1
2
2 1
2
1
x - x x x
x x - x
F
(
=
(
8
8

10 1
0 10
2
1
y
y
(
=
(
88 0
8 0
2
1
.
.
y
y
( )
( )
( )
(
=
(
+
(
=
88 0
8 0
88 0
8 0
0
0
1
2 1
.
.
.
.
,
t
x x
( )
( )
(
=
592 . 8 7744 . 1
76 . 1 4 . 8
1
x J
( )
( )
(
=
6195 . 0
4144 . 1
x
1
F
( )
( ) (
=
(
1117 . 0
1918 . 0
1
2
1
1
y
y
( )
( )
(
=
0329 . 8 9835 . 1
9834 . 1 0164 . 8
2
x J
( )
( )
(
=
0502 . 0
0491 . 0
x
2
F
( )
( ) (
=
(
0083 . 0
0082 . 0
2
2
2
1
y
y
( )
( )
(
=
8 2
2 8
1
x J
( )
( )
(
=
0
0
x
3
F
( )
( ) (
=
(
0000 . 0
0000 . 0
1
2
1
1
y
y
58

3.4.3 Otros Mtodos Mejorados

Como es de observarse en el mtodo de Newton que hemos desarrollado se requiere un gran cantidad de operaciones en
cada iteracin por lo cual se han propuesto modificaciones a este mtodo, una de las cuales ya tratamos; el mtodo de la
secante el cual puede implementarse tambin para un sistema de ecuaciones no lineales. La otra modificacin se plantea
enseguida.

3.4.3.1 Mtodo de Newton Modificado

Esta modificacin consiste en aplicar el mtodo de Newton desarrollado para una variable en la unidad anterior, a cada
variable del sistema, manteniendo sin cambio las otras, hasta alcanzar convergencia, lo cual no siempre ocurre,
representado esto una de las desventajas de la modificacin.

Ecuacin del mtodo:
i
k k
i
k k
i k
i
k
i
x
f
f
x x
c
c
=
+
+
+
) , (
) , (
1
1
1
x x
x x

Ejemplo

Encuentre una solucin al siguiente sistema no lineal usando el mtodo de Newton modificado
.
| |
T
0 , 0
0
= x , Itere hasta quex
(i)
- x
(i-1)

< 2.5x10
-3

0 8 10 ) , (
0 8 10 ) , (
2 1
2
2 1 2 1 2
2
2 1
5
1 2 1 1
= + + =
= + + =
x x x x x x f
x x x x x f

1
2 1 1
2 1 1
1
1
1
) , (
) , (
x
x x f
x x f
x x
k k
k k
k k
c
c
=
+

2
2
1
1 2
2
1
1 2
2
1
2
) , (
) , (
x
x x f
x x f
x x
k k
k k
k k
c
c
=
+
+
+

10 2
) , (
1
1
2 1 1
=
c
c
x
x
x x f
10 2
) , (
2 1
2
2 1 2
=
c
c
x x
x
x x f

Primera iteracin

8 . 0
10
8
0
) , (
) , (
1
0
2
0
1 1
0
2
0
1 1 0
1
1
1
=
=
c
c
=
x
x x f
x x f
x x 88 . 0
10
8 . 8
0
) , (
) , (
2
0
2
1
1 2
0
2
1
1 2 1
2
1
2
=
=
c
c
=
x
x x f
x x f
x x

Segunda iteracin
9684 . 0
4 . 8
4144 . 1
8 . 0
) , (
) , (
1
1
2
1
1 1
1
2
1
1 1 1
1
2
1
=
=
c
c
=
x
x x f
x x f
x x 9907 . 0
2957 . 8
9183 . 0
88 . 0
) , (
) , (
2
1
2
2
1 2
1
2
2
1 2 2
2
2
2
=
=
c
c
=
x
x x f
x x f
x x
59

Tercera iteracin
9976 . 0
0632 . 8
2353 . 0
9684 . 0
) , (
) , (
1
2
2
2
1 1
2
2
2
1 1 2
1
3
1
=
=
c
c
=
x
x x f
x x f
x x
9994 . 0
0234 .. 8
0697 . 0
9907 . 0
) , (
) , (
2
2
2
3
1 2
2
2
3
1 2 3
2
3
2
=
=
c
c
=
x
x x f
x x f
x x

Cuarta iteracin
9998 . 0
0048 . 8
0180 . 0
9976 . 0
) , (
) , (
1
3
2
3
1 1
3
2
3
1 1 3
1
4
1
=
=
c
c
=
x
x x f
x x f
x x
9999 . 0
0016 . 8
0044 . 0
9994 . 0
) , (
) , (
2
3
2
4
1 2
3
2
4
1 2 4
2
4
2
=
=
c
c
=
x
x x f
x x f
x x

a) Hacer un programa (diagrama de flujo y seudocdigo) para resolver un sistema de n ecuaciones no lineales con n
incgnitas usando el mtodo de Newton. Codificar y ejecutar en scilab
b) Utilizar software matemtico para encontrar la solucin de un sistema de ecuaciones no lineales (Excel, Polymath,
Matlab, etc.)

60

3.5 Aplicaciones:

Sistemas lineales

Aplicacin: Destilacin Flash

Cuando un lquido a una presin y temperatura dadas, es alimentado a un destilador que se encuentra a una presin menor a
la de alimentacin, el lquido bulle muy rpidamente, a esto se llama flash. Si el lquido est compuesto de varias especies
qumicas, el vapor y el lquido en equilibrio que sale del destilador tienen una composicin distinta. Esta operacin puede
repetirse en otro destilador comprimiendo el lquido que sale de la primera unidad de destilacin flash y alimentndolo a
otra unidad a una presin menor, separando las especies ms voltiles en el vapor y las menos voltiles en el lquido.

Curso
Balances de Materia y Energa, Operaciones Unitarias II

Problema
Para el tren de destilacin flash que se muestra en la figura encontrar el flujo msico en las corrientes de salida.

Balances de masa por especie

Metanol 0.716 D
1
+ 0.533 D
2
+ 0.086 R
2
= 300

Butanol 0.268 D
1
+ 0.443 D
2
+ 0.388 R
2
= 400

Etilen glicol 0.016 D
1
+ 0.024 D
2
+ 0.526 R
2
= 300

8.6 % Metanol
38.8 % Butanol
52.6 % Etilen glicol
F = 1000 Kg/hr

30 % Metanol
40 % Butanol
30 % Etilen glicol

71.6 % Metanol
26.8 % Butanol
1.6 % Etilen glicol
53.3 % Metanol
44.3 % Metanol
2.4 % Etilen glicol
D
1

R
1

D
2

R
2

61

Programa 3.1 Mtodo de Gauss-Seidel
PRINT "*****************************************************************"
PRINT "* DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA *"
PRINT "* MTODOS NUMERICOS *"
PRINT "* MTODO DE GAUSS-SEIDEL *"
PRINT "* INSTRUCTOR: JOS DOMINGO POPE SOLIS *"
PRINT "*****************************************************************"
'ENTRADA DE DATOS
INPUT "NUMERO DE ECUACIONES ";N
DIM A(N,N+1),X(N),XP(N)
INPUT "TOLERANCIA ";ES
INPUT "NUMERO MAXIMO DE ITERACIONES ";NMI
PRINT: PRINT "ENTRADA DE COEFICIENTES"
FOR I=1 TO N
FOR J=1 TO N
PRINT"A(";I;",";J;")= ";:INPUT A(I,J)
NEXT J
PRINT"B(";I; ")= ";:INPUT A(I,N+1)
NEXT I
FOR I=1 TO N
PRINT"X(";I; ")= ";:INPUT X(I)
NEXT I
FOR I= 1 TO NMI
PRINT: PRINT "ITERACION ";I
SEAL=0
FOR J = 1 TO N
XP(J)=X(J)
SUMA=A(J,N+1)
FOR K= 1 TO N
IF J <> K THEN
SUMA = SUMA-A(J,K)*X(K)
END IF
NEXT K
X(J) = SUMA / A(J,J)
IF ABS((X(J)-XP(J))/X(J))*100 > ES THEN SEAL = 1
PRINT"X(";J; ")= "; X(J)
NEXT J
IF SEAL=0 THEN
PRINT "NUMERO DE ITERACIONES ";I
FOR J=1 TO N
PRINT"X(";J; ")= ";X(J)
NEXT J
END
END IF
NEXT I
PRINT "NO SE ALCANZO CONVERGENCIA"
END

62

Ejecucin 3.1 Mtodo de Gauss-Seidel
"****************************************************************
* DEPARTAMENTO DE INGENIERIAS QUMICA Y BIOQUMICA *
* MTODOS NUMERICOS *
* MTODO DE GAUSS-SEIDEL *
*****************************************************************
NUMERO DE ECUACIONES 3
TOLERANCIA 0.005
63

ENTRADA DE COEFICIENTES
A(1,1)= ?0.716
A(1,2)= ?0.533
A(1,3)= ?0.086
B(1)= ?300
A(2,1)= ?0.268
A(2,2)= ?0.443
A(2,3)= ?0.388
B(2)= ?400
A(3,1)= ?0.016
A(3,2)= ?0.024
A(3,3)= ?0.526
B(3)= ?300
X(1)= ?100
X(2)= ?300
X(3)= ?500

ITERACION 1
X(1)= 135.614525
X(2)= 382.969091
X(3)= 548.743174

ITERACION 2
X(1)= 67.9965944
X(2)= 381.184111
X(3)= 550.881437

ITERACION 3
X(1)= 69.0685268
X(2)= 378.662838
X(3)= 550.96387

ITERACION 4
X(1)= 70.9354951
X(2)= 377.461187
X(3)= 550.961908

ITERACION 5
X(1)= 71.8302559
X(2)= 376.921605
X(3)= 550.959311

ITERACION 6
X(1)= 72.2322398
X(2)= 376.680694
X(3)= 550.958075

ITERACION 7
X(1)= 72.4117261
X(2)= 376.573192
X(3)= 550.95752

ITERACION 8
X(1)= 72.491818
X(2)= 376.525225
X(3)= 550.957273

ITERACION 9
X(1)= 72.527555
X(2)= 376.503823
X(3)= 550.957162

ITERACION 10
X(1)= 72.5435009
X(2)= 376.494273
X(3)= 550.957113

ITERACION 11
X(1)= 72.5506159
X(2)= 376.490012
X(3)= 550.957091

ITERACION 12
X(1)= 72.5537905
X(2)= 376.48811
X(3)= 550.957081

NUMERO DE ITERACIONES 12
D
1
= 72.5537905 Kg/hr
D
2
= 376.48811 Kg/hr
R
2
= 550.957081 Kg/hr

64

Sistemas no lineales
Aplicacin: Composicin de la salida de un reactor
Para un sistema reaccionante donde ocurre mas de una reaccin la constante de equilibrio se expresa como:
[
=
j i
v
i j
a K
,

Donde K
j
es la constante de equilibrio en la reaccin j
a
i
es la actividad molar parcial del componente i en la mezcla reaccionante
v
i,j
es el coeficiente estequiomtrico de la especie i en la reaccin j de la mezcla reaccionante
En fases gaseosas ideales
i i i i i
p P y f f a = = = =

Sustituyendo
PP
PP
y y
y y
K
B A
D C
=
1

PP
P
y y
y
K
C A
E
2 2
1
=
La fraccin molar del componente i puede expresarse mediante la ecuacin
e +
e +
= =
j
j j
j
j j i i
t
i
i
v n
v n
n
n
y
0
, 0

Donde e
j
se denomina coordenada de reaccin para la reaccin j y v
j
= Ev
i,j

Curso
Fisicoqumica II, Diseo de Reactores
Problema
En un reactor a una temperatura dada, se efectan las siguientes reacciones en fase gaseosa:
A + B C + D K
1
= 2.6
A + C 2E K
2
= 3.1
Las composiciones iniciales son 2 mol/litro de A y 1 mol/litro de B.

Calcule la composicin a la salida del reactor, asumiendo que se alcanza el equilibrio.
Solucin
Moles de A = 2 e
1
e
2
Moles de B = 1 e
1

Moles de C = e
1
e
2

Moles de D = e
1

Moles de E = 2e
2

__________________________
Moles totales = 3
Sustituyendo
2.6 =
( )( )
( )( )
1 2 1
1 2 1
1 2 e e e
e e e
3.1=
( )
( )( )
2 1 2 1
2
2
2
2
e e e e
e

Por comodidad e
i
= x
i
, desarrollando
65

0 2 . 6 2 . 6 1 . 3 9 . 0
0 2 . 5 8 . 7 6 . 2 6 . 3 6 . 1
1 2
2
1
2
2
1 2 2 1
2
1
= + +
= + +
x x x x
x x x x x

Que es un sistema de dos ecuaciones no lineales en dos incgnitas,

Solucin numrica por el mtodo de Newton
| |
T
4 . 0 , 8 . 0
0
= x , NMI = 7, Tolerancia(e
s
= 0.0005)

Programa 3.2 Mtodo de Newton sistemas no lineales
PRINT "****************************************************************
PRINT "* SISTEMAS DE ECUACIONES NO LINEALES METODO DE NEWTON *"
PRINT "*******************************************************"********
PRINT

INPUT "NUMERO DE ECUACIONES "; N
DIM A(N, N + 1), X(N), XP(N)
INPUT "NUMERO MAXIMO DE ITERACIONES ";IM

CALL ENTRADA N, XP

FOR K = 1 TO IM
SEAL = 0
CALL JACOBIANA XP, A

CALL GAUSS N, X, A

FOR J = 1 TO N
IF ABS(X(J)) > ES THEN SEAL = 1
NEXT J
IF SEAL = 1 THEN
FOR W = 1 TO N
XP(W) = XP(W) + X(W)
PRINT XP(W)
NEXT W
ELSE
PRINT " "; K-1; " ITERACIONES"

CALL SALIDA N, XP
END
END IF
NEXT K
PRINT "NO ALCANZO CONVERGENCIA"

CALL SALIDA N, XP

END
66

SUB ENTRADA N, BYREF XP
PRINT : PRINT "ENTRADA DE VALORES INICIALES"
FOR I = 1 TO N
PRINT "X0("; I; ")="; : INPUT XP(I)
NEXT I
END SUB
SUB GAUSS N, BYREF X, BYREF A
FOR K = 1 TO N - 1
PRINT
FOR I = K + 1 TO N
QT = A(I, K) / A(K, K)
FOR J = K + 1 TO N + 1
A(I, J) = A(I, J) - QT * A(K, J)
NEXT J
NEXT I
FOR I = K + 1 TO N
A(I, K) = 0
NEXT I
NEXT K
X(N) = A(N, N + 1) / A(N, N)
FOR NX = 1 TO N - 1
SUM = 0
I = N - NX
FOR J = I + 1 TO N
SUM = SUM + A(I, J) * X(J)
NEXT J
X(I) = (A(I, N + 1) - SUM) / A(I, I)
NEXT NX
END SUB

SUB JACOBIANA XP, BYREF A
A(1, 1) = 3.2 * XP(1) +3.6 * XP(2)- 7.8
A(1, 2) = 3.6 * XP(1) - 2.6
A(1, 3) = (-1)*(1.6*XP(1)^2 + 3.6*XP(1)*XP(2) - 2.6*XP(2) - 7.8*XP(1) + 5.2)
A(2, 1) = 6.2*XP(1) - 6.2
A(2, 2) = 1.8*XP(2) + 6.2
A(2, 3) = (-1)*(0.9*XP(2)^2 + 3.1*XP(1)^2 + 6.2*XP(2) - 6.2*XP(1))
END SUB

SUB SALIDA N, BYREF XP

PRINT : PRINT "SALIDA DE VALORES FINALES"
FOR I = 1 TO N
PRINT "XP("; I; ")="; XP(I)
NEXT I
END SUB

67

Ejecucin 3.2 Mtodo de Newton sistemas no lineales
"****************************************************************
* MTODOS NUMRICOS *
* SISTEMAS DE ECUACIONES NO LINEALES METODO DE NEWTON *
*******************************************************"*********

NUMERO DE ECUACIONES 2
TOLERANCIA 0.0005

ENTRADA DE VALORES INICIALES
X0(1)=?0.8
X0(2)=?0.4

0.82939943
0.45613516

0.83143706
0.45565657

2 ITERACIONES

SALIDA DE VALORES FINALES
XP(1)=0.83143706
XP(2)=0.45565657

Tabla 3.1 Coordenada de reaccin
Iteracin e
1
e
2

0 (Valor inicial) 0.8 0.4
1 0.8294 0.4561
2 0.8314 0.4557

Tabla 3.2 Composicin del sistema
Especie Moles en el equilibrio Composicin
A 0.7129 0.2376
B 0.1686 0.0562
C 0.3757 0.1252
D 0.8314 0.2771
E 0.9114 0.3038

68

Evaluacin Sumativa

Problema 1
Sistema de reactores tipo tanque con agitacin

Considere el siguiente sistema de reactores tipo tanque donde:
Q = Flujo volumtrico en metros cbicos por minuto
c = concentracin en miligramos por metro cbico
Flujo msico = Q c =
min min
3
3
mg
m
mg m
=

Balance de Materia (Ley de conservacin de la materia)

Acumulacin = Entradas Salidas

En el estado estacionario la Acumulacin es igual a cero

Entradas = Salidas

Balance en el reactor 1
Entradas = Q
01
c
01
+ Q
31
c
3
= (5)(10) + (1) c
3
= 50 + c
3

Salidas = Q
12
c
1
+ Q
15
c
1
= (3) c
1
+ (3) c
1
= 6 c
1

50 + c
3
= 6 c
1
6 c
1
- c
3
= 50

C
1
C
2
C
4

C
5

C
3

Q
03
= 8
c
03
= 20
Q
01
= 5
c
01
= 10
Q
15
= 3
Q
25
= 1
Q
12
= 3
Q
31
= 1
Q
54
= 2
Q
55
= 2
Q
44
= 11 Q
24
= 1
Q
34
= 8
Q
23
= 1
69

Realizando balances para los dems reactores, tenemos:
Reactor 1: + 6 c
1
- c
3
= 50
Reactor 2: - 3 c
1
+ 3 c
2
= 0
Reactor 3: - c
2
+ 9 c
3
= 160
Reactor 4: - c
2
- 8 c
3
+ 11 c
4
- 2 c
5
= 0
Reactor 5: -3 c
1
- c
2
+ 4 c
5
= 0

Sistema de ecuaciones lineales: Resolver con paquetes de software comercial

Problema 2
Parmetros de interaccin molecular

La ecuacin de Wilson ha sido usada para determinar los parmetros de interaccin molecular en sistemas fuertemente no
ideales pero miscibles. En su forma binaria

Componente 1
+

Componente 2
+

Calcular los parmetros de interaccin binaria
para el sistema etanol-n-hexano dados los siguientes datos

x
E
= 0.332
x
H
= 0.668
E
= 2.348
H
= 1.430

70

UNIDAD IV.- Ajuste de Funciones

Evaluar una funcin que describa un conjunto de datos experimentales mediante herramientas de ajuste

4.1 Fundamentos de Estadstica

4.1.1 Conjunto de mediciones experimentales
La importancia de la estadstica matemtica en la ingeniera est aumentando, en particular en el anlisis de los datos
experimentales. Es importante en la evaluacin de experimentos y algunos parmetros importantes en el anlisis estadstico
de datos, obtenidos a partir de experimentos.

4.1.2 Media y desviacin estndar
El valor medio de una muestra x
1
, x
2
, ..., x
n
, o brevemente, media de la muestra se denota por x y se define por la frmula
( )
n
n
j
j
x x x
n
x
n
x + + + = =

=
...
1 1
2 1
1

Es la suma de todos los valores de la muestra, dividido entre el tamao de la muestra.

La variancia de una muestra x
1
, x
2
, ..., x
n
, o brevemente, variancia de la muestra se denota por s
2
y se define por la frmula
( )
=
n
j
j
x x
n
s
1
2 2
1
1

Es la suma de los cuadrados de las desviaciones de los valores de la muestra respecto a la media, dividido entre n-1.

La desviacin estndar es la raz cuadrada positiva de la variancia s
2
y se denota por s.
( )
=
n
j
j
x x
n
s
1
2
1
1

4.2 Interpolacin

Si se da una tabla de valores de una funcin f(x), con frecuencia es necesario obtener valores de f(x) para valores de x
intermedios entre los valores tabulados. La solucin a este problema se llama interpolacin.

Los mtodos usuales de interpolacin se basan en la suposicin de que en la vecindad del valor en cuestin x, f(x) pueda
aproximarse por un polinomio P(x), y por lo tanto el valor encontrado de P(x) ser una aproximacin al valor verdadero de
f(x).

4.2.1 Polinomio de interpolacin con diferencias divididas de Newton

Sea y = f(x) definida en forma tabular, para la cual se desconoce la expresin analtica.

Tabla 4.1 Diferencias finitas.
x
i
y
i
= f(x
i
) A f(x
i
) A
2
f(x
i
) A
3
f(x
i
) A
4
f(x
i
)
x
0
y
0
= f(x
0
)
f(x
1
) - f(x
0
)
x
1
y
1
= f(x
1
) f(x
2
)-2f(x
1
)+f(x
0
)
f(x
2
) - f(x
1
) f(x
3
)-3f(x
2
)+3f(x
1
)-f(x
0
)
x
2
y
2
= f(x
2
) f(x
3
)-2f(x
2
)+f(x
1
) f(x
4
)-4f(x
3
)+6f(x
2
)-4f(x
1
)+f(x
0
)
f(x
3
) - f(x
2
) f(x
4
)-3f(x
3
)+3f(x
2
)-f(x
1
)
x
3
y
3
= f(x
3
) f(x
4
)-2f(x
3
)+f(x
2
)
f(x
4
) - f(x
3
)
x
4
y
4
= f(x
4
)

71

Tabla 4.2 Diferencias divididas finitas

x
i
y
i
= f(x
i
) f`[x
i
, x
i - 1
] f`[x
i
, x
i - 1
, x
i - 2
] f`[x
i
, x
i - 1
, x
i 2
, x
i - 3
]
x
0
y
0
= f(x
0
)

| |
0 1
0 1
0 1
x x
) ) - f(x f(x
x x f
= ,

x
1
y
1
= f(x
1
)
| |
| | | |
0 2
0 1 1 2
0 1 2
x x
x x - f x x f
x x x f
=
, ,
, ,

| |
1 2
1 2
1 2
x x
) ) - f(x f(x
x x f
= ,

| |
| | | |
0 3
0 1 2 1 2 3
0 1 2 3
x x
x x x - f x x x f
x x x x f
=
, , , ,
, , ,
x
2
y
2
= f(x
2
)
| |
| | | |
1 3
1 2 2 3
1 2 3
x x
x x - f x x f
x x x f
=
, ,
, ,

| |
2 3
2 3
2 3
x x
) ) - f(x f(x
x x f
= ,

| |
| | | |
1 4
1 2 3 2 3 4
1 2 3 4
x x
x x x - f x x x f
x x x x f
=
, , , ,
, , ,
x
3
y
3
= f(x
3
)
| |
| | | |
2 4
2 3 3 4
2 3 4
x x
x x - f x x f
x x x f
=
, ,
, ,

| |
3 4
3 4
3 4
x x
) ) - f(x f(x
x x f
= ,

x
4
y
4
= f(x
4
)

Tabla 4.3 Diferencias divididas finitas (continuacin)

x
i
y
i
= f(x
i
) f`[x
i
, x
i - 1
, x
i 2
, x
i - 3
] f`[x
i
, x
i - 1
, x
i 2
, x
i - 3
, x
i - 4
]
x
0
y
0
= f(x
0
)

x
1
y
1
= f(x
1
)

| |
| | | |
0 3
0 1 2 1 2 3
0 1 2 3
x x
x x x - f x x x f
x x x x f
=
, , , ,
, , ,
x
2
y
2
= f(x
2
)
| |
| | | |
0 4
0 1 2 3 1 2 3 4
0 1 2 3 4
x x
x x x x - f x x x x f
x x x x x f
=
, , , , , ,
, , , ,

| |
| | | |
1 4
1 2 3 2 3 4
1 2 3 4
x x
x x x - f x x x f
x x x x f
=
, , , ,
, , ,

x
3
y
3
= f(x
3
)

x
4
y
4
= f(x
4
)

La frmula general de un polinomio de n-simo orden es:

f
n
(x) = a
0
+ a
1
x + a
2
x
2
+... + a
n
x
n

este polinomio puede escribirse en la forma

f
n
(x) = b
0
+ b
1
(x x
0
) + b
2
(x x
0
) (x x
1
) + b
3
(x x
0
) (x x
1
) (x x
2
) +...
... + b
n
(x x
0
) (x x
1
) (x x
2
)... (x x
n - 1
)
Los coeficientes b
0
, b
1
, b
2
,... , b
n
se pueden determinar a partir de los datos tabulados sustituyendo en el polinomio los
valores de x
i
para cada par ordenado.
72

Para x = x
0
f(x
0
) = b
0
b
0
= f(x
0
)
Para x = x
1
f(x
1
) = f(x
0
) + b
1
(x
1
x
0
)
( ) ( )
| |
0 1
0 1
0 1
1
x x f
-x x
x f x f
b , =
=

Para x = x
2

( ) ( )
( ) ( )
( ) ( )( )
1 2 0 2 2 0 2
0 1
0 1
0 2
x x x x b x x
-x x
x f x f
x f x f +
+ =

Como
( ) ( )
( )
( ) ( ) ( ) ( )
( )
0 1
0 1
1 2
0 2
0 1
0 1
1 2
0 1
x x
x f x f
x x
x x
-x x
x f x f
x x
x f x f
=
|
|
.
|
\
|

Entonces
( ) ( )
( )
( ) ( )
( )
( )
0 2 2
0 1
0 1
1 2
1 2
x x b
x x
x f x f
x x
x f x f
=

| | | |
| |
0 1 2
0 2
0 1 1 2
2
, ,
, ,
x x x f
x x
x x f x x f
b =
=

Continuando de la misma manera b
n
= f[x
n
, x
n -1
, x
n -2
,... , x
1
, x
0
]
Por lo que el polinomio puede escribirse en la forma

f
n
(x) = f(x
0
) + f[x
1
, x
0
] (x x
0
) + f[x
2
, x
1
, x
0
] (x x
0
) (x x
1
) + ...
... + f[x
n
, x
n -1
,... , x
1
, x
0
] (x x
0
) (x x
1
) (x x
2
) ... (x x
n -1
)

Esta expresin recibe el nombre de frmulas de interpolacin de Newton y es aplicable para cualquier valor de x
correspondiente o no a la tabla.

Para el caso en que las x
0
, x
1
, x
2
,... , x
n
se acomoden consecutivamente y estn igualmente espaciadas, el polinomio de
interpolacin de Newton se puede expresar de un modo distinto

h = x
i+1
- x
i
x = x
0
+ kh x x
i
= (x
0
+ kh) (x
0
+ ih) = kh ih = (k - i)h
f
n
(x) = f(x
0
) + f[x
1
, x
0
]kh + f[x
2
, x
1
, x
0
]k(k - 1)h
2
+ f[x
3
, x
2
, x
1
, x
0
]k(k - 1)(k - 2)h
3
+ ...
... + f[x
n
, x
n -1
,... , x
1
, x
0
] k(k - 1)(k - 2)...(k (n 1))h
n

Se puede demostrar que
! n
f
]h , x ,... , x , x f[x
n
n
n - n
A
=
0 1 1

Por lo que
Esta expresin recibe el nombre de frmulas de interpolacin de Newton con incrementos constantes y es aplicable para
cualquier valor de x correspondiente o no a la tabla.

( ) ( )
( ) ( )
( ) ( )( )
1 2 0 2 2 0 2
0 1
0 1
0 2
x x x x b x x
-x x
x f x f
x f x f +
=
( ) ( ) ( ) ( )
( ) ( )
( ) ( )( )
1 2 0 2 2 0 2
0 1
0 1
0 1 1 2
x x x x b x x
-x x
x f x f
x f x f x f x f +
= +
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
0 2 2
1 2
0 2
0 1
0 1
1 2
0 1
1 2
1 2
x x b
x x
x x
-x x
x f x f
x x
x f x f
x x
x f x f
=
|
|
.
|
\
|
( ) ( ) ( ) ( )( ) ...
! ! !
+
A
+
A
+
A
+ =
3
2 1
2
1
1
3 2
0
f
k k k
f
k k
f
k x f x f
n
( )( ) ( ) ( )
!
...
n
f
n k k k k
n
A
+ 1 2 1
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
0 2 2
1 2
0 2
0 1
0 1
1 2
0 1
1 2
1 2
x x b
x x
x x
-x x
x f x f
x x
x f x f
x x
x f x f
+
|
|
.
|
\
|
73

4.2.1.1 Interpolacin lineal

Aplicando para un polinomio de primer orden.

f
n
(x) = f(x
0
) + f[x
1
, x
0
] (x x
0
) como
( ) ( )
| |
0 1
0 1
0 1
, x x f
-x x
x f x f
=

Entonces
( ) ( )
) ( ) ( ) (
0
0 1
0 1
0
x x
-x x
x f x f
x f x f
+ =

4.2.1.2 Interpolacin Cuadrtica

Aplicando para un polinomio de segundo orden.

f
n
(x) = f(x
0
) + f[x
1
, x
0
] (x x
0
) + f[x
2
, x
1
, x
0
] (x x
0
) (x x
1
)

Como
( ) ( )
| |
0 1
0 1
0 1
, x x f
-x x
x f x f
=
y
| | | |
| |
0 1 2
0 2
0 1 1 2
, ,
, ,
x x x f
x x
x x f x x f
=

( ) ( )
) ( ) ( ) (
0
0 1
0 1
0
x x
-x x
x f x f
x f x f
+ =
+
( ) ( )
( )
( ) ( )
( )
0 2
0 1
0 1
1 2
1 2
x x
x x
x f x f
x x
x f x f
|
|
.
|
\
|
(x x
0
) (x x
1
)

4.2.2 Interpolacin de Lagrange

La formula general de un polinomio de n-esimo orden es:

y = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
+ .................... + a
m
x
m

Este polinomio puede escribirse en la forma:

f
n
(x) = b
0
(x - x
1
) (x x
2
) (x x
3
)...... (x x
n
) + b
1
(x x
0
) (x x
2
) (x x
3
)...... (x x
n
)
+ b
2
(x x
0
) (x x
1
) (x x
3
)...... (x x
n
) + b
3
(x x
0
) (x x
1
) (x x
2
)...... (x x
n
)
+............................... .........+ b
n
(x x
0
) (x x
1
) (x x
2
)...... (x x
n-1
)

Los coeficientes b
0
,b
1
,b
2
,........, b
n
se pueden determinar a partir de los datos tabulados sustituyendo en el polinomio los
valores de cada par ordenado.

Para x = x
0

f
n
(x
0
)= b
0
(x
0
- x
1
) (x
0
x
2
) (x
0
x
3
)...... (x
0
x
n
)

) ).......( )( )( (
) (
0 3 0 2 0 1 0
0
0
n
x x x x x x x x
x f
b

=

Para x = x
1

f
n
(x
1
)= b
1
(x
1
x
0
) (x
1
x
2
) (x
1
x
3
)...... (x
1
x
n
)

b
f x
x x x x x x x x
n
1
1
1 0 1 2 1 3 1
=

( )
( )( )( ).......( )

74

Procediendo de la misma manera.

Para x = x
n

f
n
(x
n
)= b
n
(x
n
x
0
) (x
n
x
1
) (x
n
x
2
)...... (x
n
x
n-1
)

b
f x
x x x x x x x x
n
n
n n n n n
=

( )
( )( )( ).......( )
0 2 2 1

Sustituyendo los valores de los coeficientes en el polinomio.

) (
) ).......( )( )( (
) ..( )......... )( )( (
.........
) (
) ).......( )( )( (
) ..( )......... )( )( (
) (
) ).......( )( )( (
) ..( )......... )( )( (
) (
1 2 1 0
1 3 2 1
1
1 3 1 2 1 0 1
3 2 0
0
0 3 0 2 0 1 0
3 2 1
n
n n n n n
n
n
n
n
n
n
x f
x x x x x x x x
x x x x x x x x
x f
x x x x x x x x
x x x x x x x x
x f
x x x x x x x x
x x x x x x x x
x f

+
+

+

=

Una forma de escribir este polinomio es
:
f x L x f x L x
x x
x x
n i i i
j
i j j
i j
n
i
n
( ) ( ) ( ) ( ) = =

=
=
=
[
0 0

4.2.2.1 Interpolacin lineal

Aplicando para un polinomio de primer orden.

f
1
(x)= L
0
(x) f(x
0
) + L
1
(x) f(x
1
) como
L
x x
x x
0
1
0 1
=

L
x x
x x
1
0
1 0
=

Entonces f
1
(x)=
x x
x x
1
0 1
f(x
0
) +
x x
x x
0
1 0
f(x
1
)

4.2.2.2 Interpolacin Cuadrtica

Aplicando para un polinomio de segundo orden.

f
1
(x)= L
0
(x) f(x
0
) + L
1
(x) f(x
1
) + L
2
(x) f(x
2
)

Como
L
x x x x
x x x x
0
1 2
0 1 0 2
=

( )( )
( )( )

L
x x x x
x x x x
1
0 2
1 0 1 2
=

( )( )
( )( )

L
x x x x
x x x x
2
0 1
2 0 2 1
=

( )( )
( )( )

Entonces f
2
(x) =
( )( )
( )( )
x x x x
x x x x

1 2
0 1 0 2
f(x
0
) +
( )( )
( )( )
x x x x
x x x x

0 2
1 0 1 2
f(x
1
) +
( )( )
( )( )
x x x x
x x x x

0 1
2 0 2 1
f(x
2
)

75

Ejemplo

Dados los datos de la siguiente tabla:

x 1 3 5 7
y -2 1 2 -3

Calcular el valor de y en x=3.77

Figura 4.1 GUI Mtodo de LaGrange

76

Figura 4.2 GUI Mtodo de Interpolacin de Newton y LaGrange

c) Hacer un programa (diagrama de flujo y seudocdigo) para interpolar valores en una tabla usando interpolacin
lineal y cuadrtica por los mtodos de Newton y Lagrange. Codificar y ejecutar en scilab
d) Utilizar software matemtico para interpolar datos en una tabla (Polymath, Matlab, Matcad, etc.)

77

4.3 Regresin por Mnimos Cuadrados

Si en una funcin y = f (x) definida en forma tabular, para la cual se desconoce la expresin analtica, se observa una
tendencia definida al graficar los puntos, entonces es posible ajustar una curva mediante regresin por mnimos cuadrados.

4.3.1 Regresin Lineal (usando mnimos cuadrados)

Una recta es un polinomio de orden uno: y = a
0
+ a
1
x

Para cada punto definido por el par ordenado ( x
i
, y
i
) se puede escribir : y
i
= a
0
+ a
1
x
i

Sin embargo, si la recta no pasa por todos los puntos habr una diferencia entre el valor dado por a
0
+ a
1
x
i
y el valor
real y
i
.
Para determinar los valores de a
0
, a
1
que nos proporcionen la menor diferencia, se utiliza la regresin lineal por mnimos
cuadrados.
A la diferencia entre el valor proporcionado por a
0
+ a
1
x
i
y el valor real y
i
se le llama error.

E = y
i
- ( a
0
+ a
1
x
i
) = y
i
- a
0
- a
1
x
i

Si elevamos los errores al cuadrado nos evitaramos que al sumarlos se pudieran anular entre si.

E
2
= [y
i
- ( a
0
+ a
1
x
i
)]
2
= (y
i
- a
0
- a
1
x
i
)
2

Si sumamos todos los errores
S
r
= E
2
= (y
i
- a
0
- a
1
x
i
)
2

donde la sumatoria opera para i = 1,2,3, ..... , n

Para determinar los valores de a
0
y a
1
que nos proporcionen el error mnimo se deriva la ecuacin
S
r
= E
2
= (y
i
- a
0
- a
1
x
i
)
2
con respecto a a
0
y a
1
y se iguala a cero.

c
c
S
a
y
0
= 2 (y
i
- a
0
- a
1
x
i
)(-1) = (-2) (y
i
- a
0
- a
1
x
i
) = 0
c
c
S
a
y
1
= 2 (y
i
- a
0
- a
1
x
i
)(-x
i
) = (-2) [ (y
i
- a
0
- a
1
x
i
)(x
i
)] = 0
0 = (y
i
- a
0
- a
1
x
i
) = y
i
- a
0
- a
1
x
i
= y
i
- n a
0
- a
1
x
i

0 = (y
i
- a
0
- a
1
x
i
)x
i
= y
i
x
i
- a
0
x
i
- a
1
x
i

2

n a
0
+ x
i
a
1
= y
i

x
i
a
0
+ x
i

2
a
1
= y
i
x
i

Estas ecuaciones se conocen como ecuaciones normales, y se pueden resolver por algn mtodo adecuado.
Si usamos la regla de Cramer

El valor de a
0
se puede obtener a partir de la ecuacion n a
0
+ x
i
a
1
= y
i
dividindola entre n y despejando a
0
:

( )
a
y x
x y x
n x
x x
y x x x y
n x x
i i
i i i
i
i i
i i i i i
i i
0
2
2
2
2
2
= =

a
0
= y
media
- a
1
x
media
( )
a
n y
x x y
n x
x x
n x y x y
n x x
i
i i i
i
i i
i i i i
i i
1
2
2
2
= =

78

4.3.1.1 Cuantificacin del error en la regresin lineal

La medida ms comn de la dispersin de una muestra alrededor de un valor medio es la desviacin estndar, la cual se
define como:
S
S
n
y
t
=
1
donde
=
=
n
i
i t
y y S
1
2
) (
donde S
t
es la suma total de los cuadrados de los residuos entre los valores de la muestra y la media.
Se puede observar que existe una similitud entre esta ecuacin y la ecuacin

=
+ =
n
i
i i r
x a a y S
1
2
1 0
)] ( [

En la cual se representan los residuos al cuadrado de la distancia vertical entre los datos y una medida de la tendencia
central La lnea recta
Esta analoga se acenta mas en los siguientes casos:
1.- La dispersin de los puntos alrededor de la recta es de una magnitud similar a lo largo del rango entero de los
datos.
2.- La distribucin de estos puntos alrededor de esta lnea es normal.
Si este criterio se cumple la regresin por mnimos cuadrados proporciona la mejor aproximacin de a
0
y a
1

Una desviacin estndar de la lnea de regresin se puede determinar como:

S
S
n
y x
r
/
=
2

donde S
y/x
se llama error estndar de la aproximacin

4.3.1.2 Cuantificacin del ajuste

Para cuantificar la eficiencia del ajuste se procede de la siguiente manera:
De los datos originales se determina la suma de los cuadrados alrededor de la media(S
t
) para la variable dependiente y.
Despus de llevar a cabo la regresin lineal, se calcula S
r
.
La diferencia entre estas dos cantidades, cuantifica la reduccin del error debido al modelo de la lnea recta.

Se puede normalizar el error mediante: r
S S
S
t r
t
2
=

Donde r
2
se denomina coeficiente de determinacin

Donde r se denomina coeficiente de correlacin

Para un ajuste perfecto S
r
= 0 y r
2
= 1, Si r
2
= 0 el ajuste no sirve.

4.4 Ajuste de Curvas Mediante Regresin por Mnimos Cuadrados

Para cualquier anlisis de regresin, se trazan y visualizan los datos, para decidir si es correcto o aceptable aplicar el
modelo lineal, ya que algunos conjuntos de datos se representan pobremente mediante una lnea recta. En estos casos, se
recurre a otra tcnica para ajustar los datos a alguna curva mas adecuada.

79

4.4.1 Algoritmo para linealizacin de ecuaciones.
Un mtodo alterno es usar una transformacin que exprese los datos de manera que sean compatibles con una lnea recta.
Si se tiene un conjunto de puntos (x
i
, y
i
) al cual se representa pobremente mediante una lnea recta, es posible encontrar
ecuaciones de transformacin u = u (x , y) y v = v (x , y) tal que el conjunto generado (u
i
, v
i
) se
ajuste a la lnea recta v = a
0
+ a
1
u.

Modelo exponencial
y = a e
b x
sacando logaritmos ln y = ln a + b x
haciendo la transformacin
u = x v = ln y a
0
= ln a a
1
= b
obtenemos la ecuacin de la lnea recta v = a
0
+ a
1
u

Modelo de la potencia
y = a x
b
sacando logaritmos ln y = ln a + b ln x
haciendo la transformacin
u = ln x v = ln y a
0
= ln a a
1
= b
obtenemos la ecuacin de la lnea recta v = a
0
+ a
1
u
La gama de posibles transformaciones es muy amplia, aqu solo se dan dos casos.
Estos modelos en sus estados transformados, se ajustan usando regresin lineal por mnimos cuadrados para evaluar los
coeficientes a
0
y a
1
despus se pueden transformar a su estado original y usarse para propsitos predictivos.

4.4.2 Regresin polinomial (ajustar una polinomio al conjunto de puntos)

El procedimiento que usamos, para regresin lineal se puede extender para ajustar un polinomio de grado m-esimo o menor
a un conjunto de m + 1 puntos.
y = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
+ .................... + a
m
x
m

En este caso, la suma de los cuadrados de los residuos es:

S
r
= ( y
i
- a
0
- a
1
x
i
- a
2
x
i

2
- a
3
x
i

3
- .................... - a
n
x
i

m
)
2

Derivando con respecto a cada uno de los coeficientes del polinomio tenemos:
c
c
S
a
y
0
= 2 (y
i
- a
0
- a
1
x
i
- a
2
x
i

2
- a
3
x
i

3
- .................... - a
n
x
i

m
)(-1 )
c
c
S
a
y
1
= 2 (y
i
- a
0
- a
1
x
i
- a
2
x
i

2
- a
3
x
i

3
- .................... - a
n
x
i

m
)(-x
i
)
c
c
S
a
y
2
= 2 (y
i
- a
0
- a
1
x
i
- a
2
x
i

2
- a
3
x
i

3
- .................... - a
n
x
i

m
)(-x
i

2
)
...............................................................................................................
...............................................................................................................
c
c
S
a
y
m
= 2 (y
i
- a
0
- a
1
x
i
- a
2
x
i

2
- a
3
x
i

3
- .................... - a
n
x
i

m
)(-x
i

m
)
Igualando a cero y reordenando tenemos:
(-2) (y
i
- a
0
- a
1
x
i
- a
2
x
i

2
- a
3
x
i

3
- .................... - a
n
x
i

m
) = 0

(-2) (y
i
- a
0
- a
1
x
i
- a
2
x
i

2
- a
3
x
i

3
- .................... - a
n
x
i

m
)x
i
= 0

(-2) (y
i
- a
0
- a
1
x
i
- a
2
x
i

2
- a
3
x
i

3
- .................... - a
n
x
i

m
)x
i

2
= 0

(-2) (y
i
- a
0
- a
1
x
i
- a
2
x
i

2
- a
3
x
i

3
- .................... - a
n
x
i

m
)x
i

3
= 0
.........................................................................................................
.........................................................................................................
(-2) (y
i
- a
0
- a
1
x
i
- a
2
x
i

2
- a
3
x
i

3
- .................... - a
n
x
i

m
)x
i

m
= 0
80

Desarrollando las operaciones indicadas y reordenando
a
0
n + a
1
x
i
+ a
2
x
i

2
+ .................... + a
n
x
i

m
= y
i

a
0
x
i
+ a
1
x
i

2
+ a
2
x
i

3
+ .................... + a
n
x
i

m+1
= x
i
yi

a
0
x
i

2
+ a
1
x
i

3
+ a
2
x
i

4
+. ................... + a
n
x
i

m+2
= x
i

2
y
i

a
0
x
i

3
+ a
1
x
i

4
+ a
2
x
i

5
+ .................... + a
n
x
i

m+3
= x
i

3
y
i

..................................................................................................................
..................................................................................................................
a
0
x
i

m
+ a
1
x
i

m+1
+ a
2
x
i

m+2
+ .................... + a
n
x
i

2m
= x
i

m
y
i

Las m + 1 ecuaciones son lineales y tienen m + 1 incgnitas.
Por lo tanto, el problema de determinar polinomios de grado m con mnimos cuadrados es equivalente a resolver un sistema
de m + 1 ecuaciones lineales simultaneas.
El error en la regresin polinomial se puede cuantificar mediante el error estndar de aproximacin
S
S
n m
y x
r
/
( )
=
+1
siendo m el grado del polinomio y el coeficiente de correlacin
r
S S
S
t r
t
2
=

4.4.3 Regresin lineal mltiple

En algunos casos la variable independiente y depende de varias variables x
1
, x
2
, ..., x
n

Por lo que se puede establecer la relacin mediante
y = a
0
+ a
1
x
1
+ a
2
x
2
+ ........+ a
m
x
m

En este caso, la suma de los cuadrados de los residuos es:
S
r
= ( y
i
- a
0
- a
1
x
1i
- a
2
x
2i
- a
3
x
3i
- .................... - a
n
x
mi
)
2

Derivando con respecto a cada uno de los coeficientes del polinomio tenemos.
c
c
S
a
r
0
= 2 (y
i
- a
0
- a
1
x
1i
- a
2
x
2i
- a
3
x
3i
- .................... - a
n
x
mi
)(-1 )
c
c
S
a
r
1
= 2 (y
i
- a
0
- a
1
x
1i
- a
2
x
2i
- a
3
x
3i
- .................... - a
n
x
mi
)(-x
1i
)
c
c
S
a
r
2
= 2 (y
i
- a
0
- a
1
x
1i
- a
2
x
2i
- a
3
x
3i
- .................... - a
n
x
mi
)(-x
2i
)
...............................................................................................................
...............................................................................................................
c
c
S
a
r
m
= 2 (y
i
- a
0
- a
1
x
1i
- a
2
x
2i
- a
3
x
3i
- .................... - a
n
x
mi
)(-x
mi
)

Igualando a cero y reordenando tenemos.

(-2) (y
i
- a
0
- a
1
x
1i
- a
2
x
2i
- a
3
x
3i
- .................... - a
n
x
mi
) = 0

(-2) (y
i
- a
0
- a
1
x
1i
- a
2
x
2i
- a
3
x
3i
- .................... - a
n
x
mi
)x
1i
= 0

(-2) (y
i
- a
0
- a
1
x
1i
- a
2
x
2i
- a
3
x
3i
- .................... - a
n
x
mi
)x
2i
= 0

(-2) (y
i
- a
0
- a
1
x
1i
- a
2
x
2i
- a
3
x
3i
- .................... - a
n
x
mi
)x
3i
= 0
............................................................................................................
............................................................................................................
(-2) (y
i
- a
0
- a
1
x
1i
- a
2
x
2i
- a
3
x
3i
- .................... - a
n
x
mi
)x
mi
= 0
81

Desarrollando las operaciones indicadas y reordenando

a
0
n + a
1
x
1i
+ a
2
x
2i
+ .................... + a
n
x
mi
= y
i

a
0
x
1i
+ a
1
x
1i

2
+ a
2
x
2i
x
1i
+ .................... + a
n
x
mi
x
1i
= x
1i
y
i

a
0
x
2i
+ a
1
x
1i
x
2i
+ a
2
x
2i

2
+. ................... + a
n
x
mi
x
2i
= x
2i
y
i

a
0
x
3i
+ a
1
x
1i
x
3i
+ a
2
x
2i
x
2i
+ .................... + a
n
x
mi
x
3i
= x
3i
y
i

..................................................................................................................
..................................................................................................................
a
0
x
mi
+ a
1
x
1i
x
mi
+ a
2
x
2i
x
mi
+ .................... + a
n
x
mi

2
= x
mi
y
i

Las m + 1 ecuaciones son lineales y tienen m + 1 incgnitas.

Por lo tanto, el problema de determinar polinomios lineales con mnimos cuadrados es equivalente a resolver un sistema de
m+1 ecuaciones lineales simultaneas.

El error en la regresin polinomial se puede cuantificar mediante el error estndar de aproximacin

S
S
n m
y x x x
r
m
/ , ,..,
( )
1 2
1
=
+
siendo m el nmero de variables.

El coeficiente de correlacin
r
S S
S
t r
t
2
=

Una aplicacin importante de esta tcnica es encontrar los valores de a
0
,a
1
,a
2
,........, a
m
en la ecuacin de potencias.
m
a
m
a a a
x x x x a y ....
3 2 1
3 2 1 0
=

La cual se puede transformar tomando logaritmos en:

ln y = ln a
0
+ a
1
ln x
1
+ a
2
ln x
2
+ a
3
ln x
3
+......., a
m
ln x
m

Haciendo v = ln y, a
0
= ln a
0
, u
1
=ln x
1
, u
2
=ln x
2
, .........., u
m
=ln x
m

v = a
0
+ a
1
u
1
+ a
2
u
2
+ a
3
u
3
+......., a
m
u
m

A estas ecuaciones se le puede aplicar la tcnica de regresin lineal mltiple para encontrar los valores de a
0
,a
1
,a
2
,........, a
m

en la ecuacin de potencias.
82

Ejemplo
Regresin lineal: x a a y
1 0
+ =
x 0 0.2 2 6 10 14 20
y 1 0.99 0.91 0.77 0.672 0.603 0.536

Figura 4.3 GUI Regresin lineal

Tabla 4.4 Ajuste de una lnea recta a un conjunto de pares ordenados (x,y)
x y x
2
x y
0 1 0 0
0,2 0,99 0,04 0,198
2 0,91 4 1,82
6 0,77 36 4,62
10 0,672 100 6,72
14 0,603 196 8,442
20 0,536 400 10,72
E 52,2 5,481 736,04 32,52
Media 7,45714286 0,783
83

02411 . 0
2 . 52 04 . 736 * 7
481 . 5 * 2 . 52 52 . 35 * 7
2
1
=
= a 9628 . 0 4571 . 7 * ) 02411 . 0 ( 783 . 0

0
= = a

Ejemplo

Regresin polinomial

Figura 4.4 GUI Regresin polinomial por mnimos cuadrados

Ajuste de una parbola:
2
2 1 0
x a x a a y + + =
Tabla 4.5 Ajuste de una parbola a un conjunto de pares ordenados (x,y)
x y x
2
x
3
x
4
x y x
2
y
0 1 0 0 0 0 0
0,2 0,99 0,04 0,008 0,0016 0,198 0,0396
2 0,91 4 8 16 1,82 3,64
6 0,77 36 216 1296 4,62 27,72
10 0,672 100 1000 10000 6,72 67,2
14 0,603 196 2744 38416 8,442 118,188
20 0,536 400 8000 160000 10,72 214,4
Sumatoria 52,2 5,481 736,04 11968,008 209728,002 32,52 431,1876
Media 7,45714286 0,783
84

Sistema de ecuaciones Resultados

7 52,2 736,04 5,481 a
0
= 0,99575
52,2 736,04 11968,008 32,52 a
1
= -0,042199
736,04 11968,008 209728,002 431,1876 a
2
= 0,0009694
Ejemplo : Ajuste de una ecuacin exponencial:
bx
ae y =

Figura 4.5 GUI Regresin lineal con trasformaciones
Tabla 4.6 Ajuste de una ecuacin exponencial a un conjunto de pares ordenados (x,y)
x y u=x v = lny u
2
u v
0 1 0 0 0 0
0,2 0,99 0,2 -0,01005034 0,04 -0,00201007
2 0,91 2 -0,09431068 4 -0,18862136
6 0,77 6 -0,26136476 36 -1,56818858
10 0,672 10 -0,39749694 100 -3,97496938
14 0,603 14 -0,50583808 196 -7,08173315
20 0,536 20 -0,62362112 400 -12,4724224
Sumatoria 52,2 5,481 52,2 -1,89268192 736,04 -25,2879449
Media 7,45714286 0,783 7,45714286 -0,27038313
03222 . 0
2 . 52 04 . 736 * 7
) 893 . 1 ( * 2 . 52 ) 288 . 25 ( * 7
2
1
=

= a b = a
1
= -0.03222
030147 . 0 4571 . 7 * ) 03222 . 0 ( 27038 . 0
0
= = a 96946 . 0
030147 . 0
= =

e a

85

a) Hacer un programa (diagrama de flujo y seudocdigo) para ajustar una curva a un conjunto de datos usando
Regresin por Mnimos Cuadrados (lineal, polinomial, linealizar ecuaciones no lineales y lineal mltiple).
Codificar y ejecutar en scilab
b) Utilizar Excel para ajustar datos a una curva.
4.5 Aplicaciones: Interpolacin

4.5.1 Calculo de propiedades termodinmicas a partir de tablas de vapor

Una de las aplicaciones ms importantes de las tablas de vapor de agua es calcular las propiedades termodinmicas bajo
ciertas condiciones de temperatura y presin.

Curso
Termodinmica, Balances de Materia y Energa, Operaciones Unitarias

Problema
Calcular la Entalpa del vapor de agua saturado a una temperatura de 157 C

Tabla 4.6 Extracto de tabla de vapor saturado: tabla de temperatura (sistema SI)
T, C Entalpa, kJ/kg
140 2733.9

150 2746.4

160 2758.1

170 2768.7

Tabla 4.7 Diferencias fintas divididas usadas en la interpolacin de Newton
T, C Entalpa, kJ/kg f[x
1
, x
0
] f[x
2
, x
1
, x
0
] f[x
3
,x
2
, x
1
, x
0
]
140 2733.9
1.25
150 2746.4 -.0040
1.17 -0.00005
160 2758.1 -.0055
1.06
170 2768.7

Lineal f
n
(x) = f(x
0
) + f[x
1
, x
0
] (x x
0
)

Tabla 4.8 Diferencias fintas divididas usadas en la interpolacin de lineal
1
, x
0
] f[x
2
, x
1
, x
0
] f[x
3
,x
2
, x
1
, x
0
]
140 2733.9
1.25
150 2746.4 -.0040
1.17 -0.00005
160 2758.1 -.0055
1.06
170 2768.7

H(157) = 2746.4 + 1.17(157-150) = 2754.59
86

Cuadrtica f
n
(x) = f(x
0
) + f[x
1
, x
0
] (x x
0
) + f[x
2
, x
1
, x
0
] (x x
0
) (x x
1
)

Tabla 4.9 Diferencias fintas divididas usadas en la interpolacin de cuadrtica
1
, x
0
] f[x
2
, x
1
, x
0
] f[x
3
,x
2
, x
1
, x
0
]
140 2733.9
1.25
150 2746.4 -.0040
1.17 -0.00005
160 2758.1 -.0055
1.06
170 2768.7

H (157) = 2746.4 + (1.17)(157-150) +(-0.0055)(157-150)(157-160) = 2754.71
Lagrange

Lineal f
1
(x)=
x x
x x
1
0 1
f(x
0
) +
x x
x x
0
1 0
f(x
1
)

H(157) = (157-160)(2746.4)/(150-160) + (157-150)(2758.1)/(160-150) = 2754.59

Cuadrtica

f
2
(x) =
( )( )
( )( )
x x x x
x x x x

1 2
0 1 0 2
f(x
0
) +
( )( )
( )( )
x x x x
x x x x

0 2
1 0 1 2
f(x
1
) +
( )( )
( )( )
x x x x
x x x x

0 1
2 0 2 1
f(x
2
)

H (157) = (157-160)(157-170)(2746.4)/[(150-160)(150-170)] + (157-150)(157-170)(2758.1)/[(160-150)(160-170)] + (157-
150)(157-160)(2768.7)/[(170-150)(170-160)]= 535.548 + 2509.871 - 290.7135 = 2754.71

Programa 4.1 Interpolacin por el mtodo de Lagrange
PRINT "*******************************************************************"
PRINT "* INTERPOLACION POR EL MTODO DE LAGRANGE *"
PRINT "*******************************************************************"

'ENTRADA DE DATOS
INPUT "NUMERO DE PARES ORDENADOS ";N
DIM X(N),Y(N)
PRINT: PRINT "ENTRADA DE PARES ORDENADOS (X, Y)"
FOR I=1 TO N
PRINT: PRINT"PAR ";I
PRINT"X(";I; ")= ";:INPUT X(I)
PRINT"Y(";I; ")= ";:INPUT Y(I)
NEXT I
INPUT "INTRODUCE EL VALOR DE X PARA EL CUAL DESEAS CONOCER Y ";XI
YI=0
FOR I=1 TO N
PNUM=1:PDEN=1
FOR J=1 TO N
IF I<>J THEN
87

PNUM=PNUM*(XI-X(J))
PDEN=PDEN*(X(I)-X(J))
END IF
NEXT J
YI = YI + (PNUM/PDEN)*Y(I)
NEXT I
PRINT: PRINT "T(C) H(Kj/Kg)"
PRINT XI, YI
END

Ejecucin 4.1 Interpolacin por el mtodo de Lagrange
* INTERPOLACION POR EL MTODO DE LAGRANGE *

NUMERO DE PARES ORDENADOS 4

ENTRADA DE PARES ORDENADOS (X,Y)

PAR 1
X(1)= 140
Y(1)= 2733.9

PAR 2
X(2)= 150
Y(2)= 2746.4

PAR 3
X(3)= 160
Y(3)= 2758.1

PAR 4
X(4)= 170
Y(4)= 2768.7

INTRODUCE EL VALOR DE X PARA EL CUAL DESEAS CONOCER Y 157

T H(Kj/Kg
157 2754.69185

88

4.5 Aplicaciones: Regresin por mnimos cuadrados

4.5.2 Energa de Activacin de una Reaccin Qumica

La energa de activacin Ea se utilizarse para denominar la energa mnima necesaria para que se produzca una reaccin
qumica dada. Para que ocurra una reaccin entre dos molculas, stas deben colisionar en la orientacin correcta y poseer
una cantidad de energa mnima. A medida que las molculas se aproximan, sus nubes de electrones se repelen. Esto
requiere energa (energa de activacin) y proviene del calor del sistema, es decir de la energa traslacional, vibracional,
etctera de cada molcula. Si la energa es suficiente, se vence la repulsin y las molculas se aproximan lo suficiente para
que se produzca una reordenacin de los enlaces de las molculas.
La ecuacin de Arrhenius proporciona la base cuantitativa de la relacin entre la energa de activacin y la velocidad a la
que se produce la reaccin.

Curso
Fisicoqumica II, Diseo de Reactores Qumicos

Problema
La constante de velocidad de segundo orden de la descomposicin en fase gaseosa del xido nitroso

N
2
O N
2
+ O
Se ha medido a distintas temperaturas
Tabla 4.10 T-k
T C k (1/M*s)
600 0.00187
650 0.0113
700 0.0569
750 0.2440

Determine la energa de activacin para esta reaccin

Solucin
La dependencia de la constante especfica de velocidad de una reaccin respecto a la temperatura se expresa
excelentemente por medio de la ecuacin de Arrhenius.

RT
Ea
Ae k

=

Donde
A se domina factor preexponencial
Ea es la energa de activacin de la reaccin en J/mol
R es la constante universal de los gases (8.314 J/mol K)
T es la temperatura absoluta
e es la base de los logaritmos naturales

La ecuacin de Arrhenius puede linealizarse tomando logaritmos en ambos lados de la ecuacin

|
.
|
\
|
|
.
|
\
|
+ =
T R
Ea
A k
1
ln ln
Haciendo
|
.
|
\
|
= |
.
|
\
|
= = =
T R
Ea
A k y
1
x , a , ln a , ln
1 0

Tenemos la ecuacin de la lnea recta y = a
o
+ a
1
x
89

Tabla 4.11 Ajuste de una recta usando algoritmo para linealizar ecuaciones
T K k x = 1/T y = ln T x
2
x y
873,15 0,00187 0,00114528 -6,28181685 1,31166E-06 -0,00719443
923,15 0,0113 0,00108325 -4,48295255 1,17343E-06 -0,00485615
973,15 0,0569 0,00102759 -2,86645994 1,05594E-06 -0,00294555
1023,15 0,244 0,00097737 -1,41058705 9,5526E-07 -0,00137867
Sumatoria 0,00423349 -15,0418164 4,49629E-06 -0,0163748
Media 0,00105837 -3,7604541

a
1
= -29015,0739
a
0
= 26,9483078

Ea = - a
1
R = -(-29015.0739) 8.314 = 241231.3244 J/mol

Programa 4.2 Regresin lineal con transformaciones
PRINT "*************************************************************** *"
PRINT "* INSTITUTO TECNOLGICO DE DURANGO *"
PRINT "* REGRESIN LINEAL CON TRANSFORMACIONES *"
PRINT "*****************************************************************"
'ENTRADA DE DATOS
INPUT "NUMERO DE PARES ORDENADOS ";N
DIM X(N),Y(N)
PRINT: PRINT "ENTRADA DE PARES ORDENADOS (X,Y)"
FOR I=1 TO N
PRINT: PRINT"PAR ";I:PRINT
PRINT"X(";I; ")= ";:INPUT X(I): PRINT"Y(";I; ")= ";:INPUT Y(I)
NEXT I
SUMAU = 0: SUMAV = 0: SUMAU2= 0: SUMAUV= 0
INPUT"TRANSFORMACION: NINGUNA(1), EXP(2), POT(3), SAT(4), ARRENHIUS(5) ";T
SELECT CASE T
CASE 1
FOR I = 1 TO N
U(I) = X(I): V(I) = Y(I)
NEXT I
CASE 2
FOR I = 1 TO N
U(I) = X(I): V(I) = LOG(Y(I))
NEXT I
CASE 3
FOR I = 1 TO N
U(I) = LOG(X(I)): V(I) = LOG(Y(I))
NEXT I
CASE 4
FOR I = 1 TO N
U(I) = X(I): V(I) = 1/Y(I)
NEXT I
CASE 5
FOR I = 1 TO N
U(I) = 1/X(I): V(I) = LOG(Y(I))
90

NEXT I
END SELECT
FOR I = 1 TO N
SUMAU = SUMAU + U(I): SUMAV = SUMAV + V(I)
SUMAU2 = SUMAU2 + U(I)^2: SUMAUV = SUMAUV + U(I)*V(I)
NEXT I
A0 = (SUMAU2*SUMAV-SUMAU*SUMAUV)/(N*SUMAU2-SUMAU^2)
A1 = (N*SUMAUV-SUMAU*SUMAV)/(N*SUMAU2-SUMAU^2)
IF T=1 THEN PRINT"Y = ";A0;" + ";A1;" X ": IF T=2 THEN PRINT"Y = ";EXP(A0);" E (";A1;" X)"
IF T=3 THEN PRINT"Y = ";EXP(A0);" X^ ";A1: IF T=4 THEN PRINT"Y = ";A0;" / (";A1;" + X )"
IF T=5 THEN
PRINT"Y = ";EXP(A0);" E (";A1;"/X)"
EA = A1*(-8.314)
PRINT "ENERGIA DE ACTIVACIN = ";EA; "J/MOL"
END IF
END

Ejecucin 4.2 Regresin lineal con transformaciones
*******************************************************************
* REGRESIN LINEAL CON TRANSFORMACIONES *
*******************************************************************
NUMERO DE PARES ORDENADOS 4

ENTRADA DE PARES ORDENADOS (X,Y)

PAR 1

X(1)= ?873.15
Y(1)= ?0.00187

PAR 2

X(2)= ?923.15
Y(2)= ?0.0113

PAR 3

X(3)= ?973.15
Y(3)= ?0.0569

PAR 4

X(4)= ?1023.15
Y(4)= ?0.244

TRANSFORMACION: NINGUNA(1), EXP(2), POT(3), SAT(4), ARRENHIUS(5) 5

Y = 5.05244235e11 E (-29015.0739/X)

ENERGIA DE ACTIVACIN = 241231.324J/MOL

91

4.5.3 Constante especifica de velocidad de una Reaccin Qumica


La ley de accin de masas dice que la velocidad de una reaccin qumica (aA + bB Productos) es proporcional a la
concentracin de los reactivos elevados a una potencia. Por lo tanto, la velocidad de desaparicin de la especie A puede
expresarse mediante la ecuacin diferencial:

| o
B A
A
C kC
dt
dC
=

Curso
Fisicoqumica II, Diseo de Reactores Qumicos

Problema
Considere la siguiente reaccin qumica

aA + bB Productos

a partir de los siguientes datos, obtenidos a una temperatura dada, determine el orden de la reaccin y la constante
especifica de velocidad.

Tabla 4.12 Velocidades iniciales
Concentracin inicial de A
(M = moles/litro)
Concentracin inicial de B
(M = moles/litro)
Velocidad inicial de desaparicin de A
(M/s)
0.1 0.5 0.053
0.2 0.3 0.127
0.4 0.6 1.02
0.2 0.6 0.254
0.4 0.3 0.509

Solucin

El mtodo de velocidades iniciales para determinar el orden de una reaccin se basa en calcular la velocidad inicial de la
reaccin.

| o
Bo Ao
A
C kC
dt
dC
= |
.
|
\
|
0

Esta ecuacin se puede linealizar si tomamos logaritmos en ambos lados de la ecuacin para hacer la transformacin a una
ecuacin lineal mltiple.

Bo Ao
A
C C k
dt
dC
ln ln ln ln
0
| o + + =
(
|
.
|
\
|

92

Si hacemos
Bo
Ao
A
C
C
k
dt
dC
v
ln u
a
ln u
a
ln a
ln
2
2
1
1
0
0
=
=
=
=
=
(
|
.
|
\
|
=
|
o

Tenemos: u a u a a v
2 1 1 0
+ + =
Donde el orden de la reaccin n = o + | = a
1
+ a
2
y
o
a
e k =

Tabla 4.13 Orden de la reaccin usando regresin lineal mltiple con transformaciones
x
1
x
2
y u
1
u
2
v
0,1 0,5 0,053 -2,302585093 -0,69314718 -2,93746337
0,2 0,3 0,127 -1,609437912 -1,2039728 -2,06356819
0,4 0,6 1,02 -0,916290732 -0,51082562 0,01980263
0,2 0,6 0,254 -1,609437912 -0,51082562 -1,37042101
0,4 0,3 0,509 -0,916290732 -1,2039728 -0,67530726
E -7,354042382 -4,12274404 -7,02695721

u
1
2
u
2
2
u
1
u
2
u
1
v u
2
v
5,30189811 0,48045301 1,59603037 6,763759356 2,03609445
2,59029039 1,44955051 1,93771948 3,321184884 2,48447998
0,83958871 0,26094282 0,46806478 -0,018144964 -0,01011569
2,59029039 0,26094282 0,82214213 2,205607533 0,70004617
0,83958871 1,44955051 1,10318912 0,618777786 0,81305158
E 12,1616563 3,90143968 5,92714587 12,89118459 6,02355649

Sistema de ecuaciones
5 -7,35404 -4,12274 -7,02696
-7,35404 12,16166 5,92715 12,89118
-4,12274 5,92715 3,90144 6,02356

Matriz inversa
3,75099537 1,29589749 1,99500694
1,29589749 0,76446346 0,2080152
1,99500694 0,2080152 2,04846355 Resultado
a
0
= 2,36459732
a
1
= 2,00160828
a
2
= 1,00177049

o = 2 | = 1 n = 3 k = e
ao
= e
2.3646
= 10.6398

Ecuacin cintica:
1 2
6398 . 10
B A
A
C C
dt
dC
=

93

Evaluacin Sumativa

Problema 1

En el clculo de las entalpias y entropas residuales mediante correlaciones generalizadas se tienen las siguientes
ecuaciones

( ) ( )
c
R
c
R
c
R
RT
H
RT
H
RT
H
1 0
e + =
( ) ( )
R
S
R
S
R
S
R R R
1 0
e + =

Donde
( )
c
R
RT
H
0
se reporta en tablas para T
R
y P
R
conocidas

Encontrar los valores de
( )
c
R
RT
H
0
, por interpolacin cuadrtica para
Tr = 1.127 y Pr= 1.731 a partir de los datos de la siguiente tabla

Valores de
( )
c
R
RT
H
0

P
r
1.2 1.5 2.0
T
r

1.10 -1.487 -2.203 -2.965
1.15 -1.239 -1.719 -2.479
1.20 -1.076 -1.443 -2.079

Problema 2

El ritmo al que un gas difunde a travs de una membrana semipermeable se determina por la difusividad D (cm
2
/ s). D
vara con la temperatura de la membrana T (K) de acuerdo a la ley de Arrhenius segn:
D = D
0
exp
(-E/ RT)

Donde D
0
es el factor preexponencial
E es la energa de activacin para la difusin
R es la constante universal de los gases

La difusividad del SO
2
en un tubo de fluorosilicon se midi a distintas temperaturas con, los siguientes resultados:

T (K) D (cm
2
/ s ) 10
-6

347.0 1.34
374.2 2.50
396.2 4.55
420.7 8.52
447.7 14.07
471.2 19.99

Encontrar los valores de D
0
y E, utilizando regresin lineal con transformaciones.

94

Unidad V. Diferenciacin e Integracin Numrica

Aplicar un mtodo numrico para diferenciar e integrar una funcin

5.1 Derivacin Numrica

La derivada de una funcin es una de las herramientas ms poderosas en las matemticas. Aparecen en mltiples reas del
conocimiento y su utilizacin es indispensable para investigaciones no elementales tanto en las ciencias naturales, como en
las ciencias sociales y las humanidades.
En esta parte del curso desarrollaremos cuatro mtodos para determinar en forma aproximada la derivada de una funcin
generalmente dada en forma tabular.
La derivada es el lmite del cociente de diferencias, y en esto generalmente se restan dos cantidades grandes y se dividen
entre una pequea; por lo que debemos tener cuidado con la aplicacin de los mtodos, ya que si el mtodo aproxima la
funcin mediante un polinomio P(x), la diferencia en los valores de la funcin puede ser pequea, pero las derivadas
pueden diferir considerablemente.

5.1.1 Mtodo de las tangentes

Dada la funcin, para obtener la derivada en puntos especficos, se grafica la funcin dibujando una curva suave a
travs de los puntos dados y se trazan las tangentes, evalundose la pendiente de las rectas tangentes en los puntos donde se
desea conocer la derivada de la funcin.

5.1.2 Mtodo de ajuste de curvas.

Dada la funcin, para obtener la derivada en puntos especficos, se ajusta la mejor curva posible a los datos;
derivando la curva ajustada y evaluando esta nueva funcin en los puntos en donde se desea conocer la derivada.
5.1.3 Mtodo de derivacin por frmulas

Se pueden obtener frmulas para derivacin numrica desarrolladas a partir de la serie de Taylor, operadores de
diferencias y derivando polinomios de interpolacin. Estas frmulas tienen una aplicacin muy importante en la solucin de
ecuaciones diferenciales ordinarias y parciales.

Desarrollo a partir de la serie de Taylor.
Serie de Taylor

( ) ( )
( ) ( ) ( )
( )
( )
!
...
! 3 ! 2 ! 1
3 2
1
n
h x f h x f h x f h x f
x f x f
n
i
n
i i i
i i
+ +
' ' '
+
' '
+
'
+ =
+
(A)
donde h = x
i+1
- x
i.

Si truncamos la serie de Taylor a partir del trmino
( )
2
! 2
1
h x f
i
' '
.

f(x
i+1
) = f(x
i
) + f(x
i
) h + (o) h
2

Resolviendo para f(x
i
)

( )
( ) ( )
( )h o
h
x f x f
x f
i i
i
+
= '
+1

Si expandimos la serie de Taylor alrededor de x
i
para calcular el valor de la funcin en x
i-1

( ) ( ) ( )( ) ( )( ) ( )( ) ...
! 3
1
! 2
1
3 2
1
+ ' ' ' + ' ' + ' + =
h x f h x f h x f x f x f
i i i i i

95

( ) ( ) ( ) ( ) ( ) ...
! 3
1
! 2
1
3 2
1
+ ' ' ' ' ' + ' =
i i i i i
(B)

( )
2
! 2
1
h x f
i
' '

( ) ( ) ( ) ( )
2
1
h o h x f x f x f
i i i
+ ' =

i
)
( )
( ) ( )
( )h o
h
x f x f
x f
i i
i
+
= '
1

Si restamos (B) de (A)
( ) ( ) ( ) ( ) ...
! 3
1
2 2
3
1 1
+ ' ' ' + ' =
+
h x f h x f x f x f
i i i i

Si truncamos la serie a partir del trmino
( )
3
! 3
1
2 h x f
i
' ' '

( ) ( ) ( ) ( ) ... 2
3
1 1
+ + ' =
+
h o h x f x f x f
i i i

i
)
( )
( ) ( )
( )
2 1 1
2
h o
h
x f x f
x f
i i
i
+
= '
+

Si sumamos (A) y (B)
( ) ( ) ( ) ( ) ( ) ...
12
1
2
4 2
1 1
+ + ' ' + = +
+
h x f h x f x f x f x f
i
IV
i i i i

Restando 2f(x
i
) en ambos lados de la serie anterior:

( ) ( ) ( ) ( ) ( ) ...
12
1
2
4 2
1 1
+ + ' ' = +
+
i
IV
i i i i

( )
3
12
1
h x f
i
IV

( ) ( ) ( ) ( ) ( )
4 2
1 1
2 h o h x f x f x f x f
i i i i
+ ' ' = +
+

i
)
( )
( ) ( ) ( )
( )
2
2
1 1
2
h o
h
x f x f x f
x f
i i i
i
+
+
= ' '
+

Se pueden obtener frmulas de derivacin utilizando ms puntos:

( )
3
! 3
1
h x f
i
' ' '
y resolvemos para f(x
i
):

( )
( ) ( )
( ) ( )
2 1
! 2
1
h o h x f
h
x f x f
x f
i
i i
i
+ ' '
= '
+
(C)

Si expandimos la serie de Taylor para f(x
i+2
)

96

( ) ( ) ( ) ( )( ) ( )( ) ... 2
! 3
1
2
! 2
1
2
3 2
2
+ ' ' ' + ' ' + ' + =
+
i i i i i

Si multiplicamos la serie de Taylor por 2

( ) ( ) ( ) ( ) ( ) ... 2
! 3
1
2
! 2
1
2 2 2
3 2
1
+ ' ' ' + ' ' + ' + =
+
i i i i i

Si restamos estas dos ltimas series:

( ) ( ) ( ) ( ) ( ) ...
! 3
1
6
! 2
1
2 2
3 2
1 2
+ ' ' ' + ' ' + =
+ +
i i i i

( )
3
! 3
1
6 h x f
i
' ' '
y resolvemos para f(x
i
):

( )
( ) ( ) ( )
( )
2
2
1
2
h o
h
x f x f x f
x f
i i i
i
+
+
= ' '
+ +

Si introducimos este valor en (C) y reordenamos

( )
( ) ( ) ( )
( )
2 1 2
2
3 4
h o
h
x f x f x f
x f
i i i
i
+
+
= '
+ +

Para el caso de datos tabulados no igualmente espaciados, se puede aproximar la derivada mediante la frmula de
interpolacin cuadrtica de Lagrange:

( )
( )( )
( )( )
( )
( )( )
( )( )
( )
( )( )
( )( )
( )
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
x f
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
x f

+

+

=

Derivando:

( )
( )( )
( )
( )( )
( )
( )( )
( )
2
1 2 0 2
1 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
2 2 2
x f
x x x x
x x x
x f
x x x x
x x x
x f
x x x x
x x x
x f

+

+

= '

Para el caso de funciones de varias variables, las frmulas anteriores se pueden adecuar para su uso de la siguiente manera:

( ) ( )
f
x x
y x x f y x x f
f
x
c
c
=
A
A A +
=
2
, ,

( ) ( ) ( )
f
x x
y x x f y x f y x x f
f
xx
2
2
2
, , 2 ,
c
c
=
A
A + A +
=

Las frmulas deducidas son tan solo algunas de las muchas frmulas disponibles para derivar numricamente. Existen
reportadas en la bibliografa frmulas adicionales que se debern utilizar en caso necesario.

97

5.1.4 Derivacin por igualacin de reas

De la definicin de derivada
( ) x f
x
y
lim
dx
dy
x
=
A
A
=
A 0

que al integrar queda
( )
}

=
A
|
|
.
|
\
|
A
A
A
= =
n
i
x
x
n
i
i
i
x
n
x
x
y
lim
dx x f y y
1
1
0
1

=
|
|
.
|
\
|
A
A
A
~
n
i
i
i
n
x
x
y
y y
1
1

El mtodo de igualacin de reas hace un intento por estimar
dx
dy
de manera que
x d
dx
dy
y y
n
x
x
n
}
=
1
1

haciendo que el rea bajo
x
y
A
A
sea la misma que el rea bajo
dx
dy
, siempre que sea posible.

Mediante el procedimiento que se describe ms abajo, encontraremos la derivada de (y) con respecto a (x).
1. Tabule los datos (x
i
, y
i
) como se muestra en la tabla.

x
i
y
i
Ax Ay
x
y
A
A

dx
dy

x
1
y
1

x
2
x
1
y
2
y
1

2
|
.
|
\
|
A
A
x
y

2
|
.
|
\
|
dx
dy

x
2
y
2

x
3
x
2
y
3
y
2
3
|
.
|
\
|
A
A
x
y

3
|
.
|
\
|
dx
dy

x
3
y
3

x
4
x
3
y
4
y
3
4
|
|
.
|
\
|
A
A
x
y

4
|
.
|
\
|
dx
dy

x
4
y
4

x
5
x
4
y
5
y
4
5
|
.
|
\
|
A
A
x
y

5
|
.
|
\
|
dx
dy

x
5
y
5

2. Para cada intervalo, calcule Ax
n
= x
n
- x
n-1
y Ay
n
= y
n
- y
n-1
.
3. Calcule
n
n
x
y
A
A
como un estimado de la pendiente promedio en el intervalo de x
n-1
a x
n
.
4. Grafique estos valores como un histograma contra x
i
. El valor entre x
2
y x
3
, por ejemplo, es
( )
( )
2 3
2 3
x x
y y
. Tome
como referencia la figura.
5. A continuacin, dibuje la curva suave que mejor aproxime el rea bajo el histograma. Esto es, intente que en cada
intervalo la reas se igualen, tal como las reas marcadas A y B en la figura, pero cuando esta aproximacin no sea
posible, iguale reas sobre varios intervalos, tal como lo muestran las reas marcadas C y D.
6. Lea las estimaciones de
dx
dy
en la curva para los puntos que corresponden a los datos x
1
, x
2
, etc. y complete la tabla
anterior.

98

Figura 5.1 Igualacin de reas

En contraste con la integracin numrica, la cual no es afectada demasiado por las inexactitudes de los valores de la
funcin, debido a que la integracin es esencialmente un proceso suavizador.
Por esto no es recomendable derivar funciones analticas obtenidas numricamente o a travs de tablas usando nicamente
mtodos de ajuste de polinomio y frmulas de derivacin. Por estas consideraciones es que se recomienda el mtodo de
derivacin por igualacin de reas.

Los mtodos anteriores se desarrollan en el siguiente ejemplo.

x
x
y
A
A
2
|
.
|
\
|
dx
dy
3
|
.
|
\
|
A
A
x
y
5
|
.
|
\
|
dx
dy
x
7
x
6
x
5
x
4
x
3
x
2
x
1
B
A
C
D
A
D
C
B
99

Ejemplo
Dada la siguiente tabal de datos:
x 2 3 4 5 6 7
y 2.079 3.296 4.159 4.828 5.375 5.838
Calcular la derivada en x = 4

Figura 5.2 GUI Deriva usando polinomios de orden n

Derivacin ajustando polinomios de: orden 2 orden 3 orden 4
Valor exacto
x y dy/dx dy/dx dy/dx dy/dx
2 2,07944154 1,5 1,1837 1,381 1,4553
3 3,29583687 1 1,0039 1,0278 1,0156
4 4,15888308 0,75 0,8241 0,761 0,7565
5 4,82831374 0,6 0,6443 0,5806 0,618
6 5,37527841 0,5 0,4645 0,4866 0,5401
7 5,83773045 0,42857143 0,2847 0,479 0,4628

Polinomio Orden 2 y = -0,0899x
2
+ 1,5433x - 0,5998
Polinomio Orden 3 y = 0,0144x
3
- 0,2846x
2
+ 2,3466x - 1,5863
Polinomio Orden 4 y = -0,0025x
4
+ 0,0601x
3
- 0,5756x
2
+ 3,1165x - 2,2908

100

Figura 5.3 GUI Derivacin usando
formulas de derivacin

Tabla 5.2 Derivacin usando formulas de
derivacin
Derivacin con formulas hacia: Adelante Centrales Atrs
dy/dx dy/dx dy/dx
1,39306988
0,959854 1,03972077
0,73066365 0,76623844 0,68637166
0,58922099 0,60819766 0,57262287
0,50470835 0,48573168
0,42019572

Tabla 5.3 Derivacin trazando tangentes en la curva
Derivacin por tangentes dy/dx
1,5
1
0,75
0,6
0,5
0,43

101

Figura 5.4 Derivacin por el mtodo de las tangentes

Tabla 5.4 Derivacin por igualacin de reas
Derivacin por igualacin de reas

Valor exacto
x y dy/dx
delta y / delta
x
dy/dx por igualacin de
reas
2 2,07944154 1,5 1,5 1,5
3 3,29583687 1 1,216395324 1
4 4,15888308 0,75 0,863046217 0,75
5 4,82831374 0,6 0,669430654 0,6
6 5,37527841 0,5 0,54696467 0,5
7 5,83773045 0,42857143 0,462452039 0,43

Funcin y = 3*ln x
0
1
2
3
4
5
6
7
0 2 4 6 8
x
y
102

Figura 5.5 Derivacin por el mtodo de igualacin de reas

e) Utilizar software matemtico para derivar datos en una tabla (Polymath, Matlab, Matcad, etc.)
f) Utilizar derivacin por igualacin de reas para encontrar la derivada en un punto en un conjunto de datos de
velocidad para una reaccin qumica.

0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
0 2 4 6 8
delta x
delta y
103

5.2 Integracin Numrica

El problema de la integracin numrica es la evaluacin de la integral definida:

( )
}
=
b
a
dx x f I

donde a y b estn dados, y f(x) es una funcin dada mediante una expresin analtica o bien empricamente mediante una
tabla de valores.

En ingeniera frecuentemente se presentan problemas que se expresan matemticamente mediante integrales, de las que el
integrando es una funcin complicada o bien emprica, dada por una tabla, y entonces puede usarse un mtodo numrico de
integracin aproximada, donde I es el rea de la regin acotada por la curva entre a y b.

5.2.1 Obtencin de formulas de integracin numrica

Dada la funcin y = f(x) se aceptar como aproximacin de la funcin el polinomio de interpolacin de Newton, que pasa
por los n + 1 puntos x = x
0
, x
1
,... , x
n
, todos ellos igualmente espaciados.

De esta manera se podr obtener una aproximacin a:
De la frmula de interpolacin de Newton se tiene que:

Donde
h
x x
k
0
=

Integrando en el intervalo [x
0
, x
n
= x
0
+ nh]

Haciendo el cambio de variables
x = x
0
+ kh; dx = h dk;
si x = x
0
; k = 0;
y si x =x
n
.

Entonces
x
n
= x
0
+ nh x
n
- x
0
= nh n
h
x x
k
n
=
=
0

( )
}
n
x
x
dx x f
0
( ) ( )
( ) ( )( ) ( )( )
0
3
0
2
0 0
!
) 1 ....( 2 1
......
! 3
2 1
! 2
1
f
n
n k k k k
f
k k k
f
k k
f k x f x f
n
A
+
+ + A

+ A
+ A + =
( ) ( )
( ) ( )( ) ( )( )
dx f
n
n k k k k
f
k k k
f
k k
f k x f dx x f
n n
x
x
n
x
x
} } (
A
+
+ + A

+ A
+ A + =
0 0
0 0
3
0
2
0 0
!
) 1 ....( 2 1
.....
! 3
2 1
! 2
1
( ) ( ) hdk f
k k k
f
k k
f k x f dx x f
n x
x
n
} } (
+ A
+
+ A
+ A + =
0
0
3
2 3
0
2
2
0 0
...
6
2 3
2
0
( ) ( )
n
x
x
f
k k k
f
k k
f
k
x kf h dx x f
n
0
0
3
2 3 4
0
2
2 3
0
2
0
6 6 24 4 6 2 0
(
+ A
|
|
.
|
\
|
+ + A
|
|
.
|
\
|
+ A + =
}
...
( ) ( )
(
+ A
|
|
.
|
\
|
+ + A
|
|
.
|
\
|
+ A + =
}
...
0
3
2 3 4
0
2
2 3
0
2
0
6 6 24 4 6 2 0
f
n n n
f
n n
f
n
x nf h dx x f
n
x
x
104

Esta forma general se puede particularizar, para polinomios de distinto orden que mejor se adapten a la funcin que
sustituyen.
Si la interpolacin se limita al primer orden y la integral solo se calcula entre los dos primeros valores de x es decir, entre x
0

y x
1
, se obtiene
( )
|
|
.
|
\
|
A + =
}
0
2
0
2
1 1
0
y y h dx x f
x
x
Ay
0
= y
1
y
0
( ) |
.
|
\
| +
= |
.
|
\
|
+ = |
.
|
\
|
+ =
}
2 2 2 2
1 0 0 1
0
0 1
0
1
0
y y
h
y y
y h
y y
y h dx x f
x
x
Regla Trapezoidal

Si la interpolacin se limita al segundo orden, la integral solo se calcula entre los tres primeros valores de x, es decir entre
x
0
, x
1
, y x
2
. Se obtiene
( )
(
+ +
=
}
3
4
2 1 0
2
0
y y y
h dx x f
x
x
Regla de Simpson 1/3

Si la interpolacin se limita al tercer orden, la integral solo se calcula entre los cuatro primeros valores de x, es decir entre
x
0
, x
1
, x
2
y x
3
. Se obtiene

( ) | |
3 2 1 0
3 3
8
3 3
0
y y y y h dx x f
x
x
+ + + =
}
( )
(
A
|
|
.
|
\
|
+ A + =
}
0
2
2 3
0
2
0
4
2
6
2
2
2
2
2
0
y y y h dx x f
x
x
( )
(
+ + A + =
(
A + A + =
0 1 2 0 0 0
2
0 0
2
3
1
2 2
6
6
6
8
2 2 y y y y y h y y y h
( )
(
+ + +
=
3
2 6 6
0 1 2 0 1 0
y y y y y y
h
( )
n
x
x
y y y y h dx x f
0
0
3
2 3 4
0
2
2 3
0
2
0
6
3
6
3
24
3
4
3
6
3
2
3
3
3
0
(
A
|
|
.
|
\
|
+ + A
|
|
.
|
\
|
+ A + =
}
n
y y y y h
0
0
3
0
2
0 0
6
9
6
27
24
81
4
9
6
27
2
9
3
(
A |
.
|
\
|
+ + A |
.
|
\
|
+ A + =
n
y y y y h
0
0
3
0
2
0 0
24
36 108 81
12
27 54
2
9
3
(
A |
.
|
\
| +
+ A |
.
|
\
|
+ A + =
n
y y y y h
0
0
3
0
2
0 0
24
9
12
27
2
9
3
(
A |
.
|
\
|
+ A |
.
|
\
|
+ A + =
n
y y y y h
0
0
3
0
2
0 0
8
3
4
9
2
9
3
(
A |
.
|
\
|
+ A |
.
|
\
|
+ A + =
( ) ( ) ( )
(
+ |
.
|
\
|
+ + |
.
|
\
|
+ + =
0 1 2 3 0 1 2 0 1 0
3 3
8
3
2
4
9
2
9
3 y y y y y y y y y y h
( )
(
+ |
.
|
\
|
+ |
.
|
\
|
+ + |
.
|
\
|
+ =
}
3 2 1 0
8
3
8
9
4
9
8
9
2
9
2
9
8
3
4
9
2
9
3
3
0
y y y y h dx x f
x
x
(
+ + + =
3 2 1 0
8
3
8
9
8
9
8
3
y y y y h
105

5.2.1.1 Aplicacin en segmentos mltiples
Regla Trapezoidal
( ) ( ) | |
1 0
2
x f x f
h
I + =

Esta regla se puede mejorar dividiendo el intervalo en n segmentos de igual anchura
La integral total se representa por

( ) ( ) ( ) | |
2 1 0
4
3
x f x f x f
h
I + + =

Esta regla se puede mejorar dividiendo el intervalo en n segmentos de igual anchura
La integral total se representa por
Sustituyendo la Regla de Simpson 1/3
n
a b
h

=
( ) ( ) ( )
} } }

+ + +
n
n
x
x
x
x
x
x
dx x f dx x f dx x f
1
2
1
1
0
...
( ) ( ) | | ( ) ( ) | | ( ) ( ) | | ( ) ( ) | |
n n
x f x f
h
x f x f
h
x f x f
h
x f x f
h
I + + + + + + + + =
1 3 2 2 1 1 0
2 2 2 2
...
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) | |
n n
x f x f x f x f x f x f x f x f
h
I + + + + + + + + =
1 3 2 2 1 1 0
2
...
( ) ( ) ( ) ( ) ( ) ( ) | |
n n
x f x f x f x f x f x f
h
I + + + + + + =
1 3 2 1 0
2 2 2 2
2
...
( ) ( ) ( ) ( ) ( ) | | ( ) { }
n n
x f x f x f x f x f x f
h
I + + + + + + =
1 3 2 1 0
2
2
...
( ) ( ) ( )
|
|
.
|
\
|
+ +
=
n
n
i
i
x f x f x f
n
a b
I
1
1
1 0
2
2
n
a b
h

=
( ) ( ) ( )
} } }

+ + +
n
n
x
x
x
x
x
x
dx x f dx x f dx x f
2
4
2
2
0
...
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) | |
n n n
x f x f x f x f x f x f x f x f x f
h
I + + + + + + + + + =
1 2 4 3 2 2 1 0
4 4 4
3
...
( ) ( ) ( ) | | ( ) ( ) ( ) | | ( ) ( ) ( ) | |
n n n
x f x f x f
h
x f x f x f
h
x f x f x f
h
I + + + + + + + + + =
1 2 4 3 2 2 1 0
4
3
4
3
4
3
...
( ) ( ) ( ) ( ) | | ( ) ( ) ( ) | | ( ) { }
n n n
x f x f x f x f x f x f x f x f
h
I + + + + + + + + + =
2 4 2 1 3 1 0
2 4
3
... ...
( ) ( ) ( ) ( )
|
|
.
|
\
|
+ + +
=

=
=
2
6 4 2
1
5 3 1
0
2 4
3
n
i
n i
n
i
i
x f x f x f x f
n
a b
I
, , , ,
106

Ejemplo
Encontrar
}
+
1
0 2
) 1 ( x
dx
usando la regla trapezoidal y la regla de Simpson 1/3 usando 6, 8 y 10 subintervalos

Figura5.6 GUI Integracin usando Regla Trapezoidal
107

Figura5.7 GUI Integracin usando Regla Simpson 1/3

Tabla 5.5 Integracin numrica para datos igualmente espaciados obtenidos de la funcin

Limite superior 1 1 1
Limite inferior 0 0 0
No. Intervalos 6 8 10
h = 0,16666667 0,125 0,1

k x f(x) x f(x) x
0 0 1 0 1 0 1
1 0,166666667 0,98639392 0,125 0,99227788 0,1 0,99503719
2 0,333333333 0,9486833 0,25 0,9701425 0,2 0,98058068
3 0,5 0,89442719 0,375 0,93632918 0,3 0,95782629
4 0,666666667 0,83205029 0,5 0,89442719 0,4 0,92847669
5 0,833333333 0,76822128 0,625 0,8479983 0,5 0,89442719
6 1 0,70710678 0,75 0,8 0,6 0,85749293
7 0,875 0,75257669 0,7 0,81923192
8 1 0,70710678 0,8 0,78086881
9 0,9 0,74329415
10 1 0,70710678

108

Integracin usando regla Trapezoidal
n = 6 I = 0,8805549
n = 8 I = 0,88091314
n = 10 I = 0,88107892
Integracin usando regla Simpson 1/3
n = 6 I = 0,88137464
n = 8 I = 0,88137393
n = 10 I = 0,88137373

Ejemplo
Encontrar
}
9
1
) ( dx x f para el conjunto de datos (x, y) dados en la tabla

x 0 1 2 3 4 5 6 7 8
y 0 2.08 3.3 4.16 4.83 5.38 5.84 6.24 6.59

Figura5.8 GUI Integracin usando Regla Trapezoidal para datos tabulados

109

Datos igualmente espaciados
k x y = f(x)
0 1 0 Integracin usando regla Trapezoidal
1 2 2,08 n = 8 I = 35,125
2 3 3,3
3 4 4,16
4 5 4,83 Integracin usando regla Simpson 1/3
5 6 5,38 n = 8 I = 35,3233333
6 7 5,84
7 8 6,24
8 9 6,59 Valor exacto 35,3251

Ejemplo

Encontrar
}
1 . 8
1 . 0
) ( dx x f para el conjunto de datos (x, y) dados en la tabla

Tabla 5.5 Integracin numrica datos desigualmente espaciados dados en una tabla

Datos no igualmente espaciados
k x y = f(x)
0 0,1 -6,91
1 0,5 -2,08 Regla Trapezoidal entre X
0
y X
1
-1,798
2 1 0 Regla Trapezoidal entre X
1
y X
2
-0,52
3 2 2,08
4 3 3,3 Regla Simpson 1/3 entre X
2
y X
4
3,87333333
5 3,5 3,76
4
y X
6
3,75
7 5 4,83
8 6 5,38
6
y X
9
15,23625
10 8,1 6,28 Regla Trapezoidal entre X
9
y X
10
6,666
I = 27,2075833
Valor exacto 27,5232

110

Figura5.9 GUI Integracin usando Regla Trapezoidal para datos tabulados

a) Hacer un programa (diagrama de flujo y seudocdigo) para integrar funciones o valores en una tabla usando los
mtodos de la regla Trapezoidal y Simpson 1/3. Codificar y ejecutar en scilab

111

5.4 Integracin Mltiple
5.4.1 Regla Trapezoidal para Integrales Dobles
( ) ( ) ( ) ( ) dy y x f y x f y x f
m
a b
dy dx y x f
d
c
m
m
i
i
d
c
b
a
}

} } |
|
.
|
\
|
(
+ +
= |
.
|
\
|

=
, , , ,
1
1
0
2
2
( ) ( ) ( ) dy y x f y x f y x f
m
a b
d
c
m
m
i
i
}
(
+ +
=

=
, , ,
1
1
0
2
2
( ) ( ) ( ) +
|
|
.
|
\
|
(
+ +
=
1
1
1
1
0
2
2
2
m
i
n i
n
j
j i i
y x f y x f y x f
n
c d
, , ,
( ) ( ) dy dx y x f dxdy y x f
d
c
b
a
d
c
b
a
} } } }
|
.
|
\
|
= , ,
( ) ( ) ( ) ( )
(
+ +
=

}

=
y x f y x f y x f
m
a b
dx y x f
m
m
i
i
b
a
, , , ,
1
1
0
2
2
( ) ( ) ( )
(
+ +
=
}
} }

=
dy y x f dy y x f dy y x f
m
a b
d
c
m
m
i
d
c
i
d
c
, , ,
1
1
0
2
2
( ) ( ) ( ) ( )
(
+ +
=

}

=
n
n
j
j
d
c
y x f y x f y x f
n
c d
dy y x f , , , ,
0
1
1
0 0 0 0
2
2
( ) ( ) ( ) ( )
(
+ +
=

}

=
n i
n
j
j i i
d
c
i
y x f y x f y x f
n
c d
dy y x f , , , ,
1
1
0
2
2
( ) ( ) ( ) ( )
(
+ +
=

}

=
n m
n
j
j m m
d
c
m
y x f y x f y x f
n
c d
dy y x f , , , ,
1
1
0
2
2
( ) ( ) ( ) ( ) +
+ +

= |
.
|
\
|

} }

=
n
n
j
j
d
c
b
a
y x f y x f y x f
n
c d
m
a b
dy dx y x f , , , ,
0
1
1
0 0 0
2
2 2
( ) ( ) ( )

)
+ +
=
n m
n
j
j m m
y x f y x f y x f
n
c d
, , ,
1
1
0
2
2
( ) ( ) ( ) ( ) ( )

=
=
+ +
+ + |
.
|
\
|
|
.
|
\
|
=
1
1
1
1
1
1
0 0
1
1
0 0 0
4 2 2
2 2
m
i
n
j
j i
m
i
i n
n
j
j
y x f y x f y x f y x f y x f
n
c d
m
a b
I , , , , ,
( ) ( ) ( ) ( )
)
`
+ + + +

=
1
1
1
1
0
, , 2 , , 2
m
i
n m
n
j
j m m n i
y x f y x f y x f y x f
( ) ( ) ( ) ( ) ( ) ( )

=
=
+ + +
+ + =
1
1
1
1
1
1
1
1
0 0
1
1
0 0 0
, 2 , 4 , 2 , , 2 ,
4
m
i
n i
m
i
n
j
j i
m
i
i n
n
j
j
y x f y x f y x f y x f y x f y x f
hk
I
( ) ( ) ( )
(
(
+ + +

=
n m
n
j
j m m
y x f y x f y x f , , ,
1
1
0
2
112

Ejemplo
Resolver
dy dx xy
} }
2 2
1 2
4 1
3 1
2
.
.
.
.

Tabla 5.8 Espaciamiento de las x y las y
025 . 0
4
3 . 1 4 . 1
=
=
m
a b
h

025 0
4
1 2 2 2
.
. .
=
=
n
c d
k

x
i
= a + ih y
i
= c + jk
x
0
=1.3 + 0(0.025) = 1.3 y
0
= 2.1 + 0(0.025) = 2.1
x
1
=1.3 + 1(0.025) = 1.325 y
1
= 2.1 + 1(0.025) = 2.125
x
2
=1.3 + 2(0.025) = 1.35 y
2
= 2.1 + 2(0.025) = 2.15
x
3
=1.3 + 3(0.025) = 1.375 y
3
= 2.1 + 3(0.025) = 2.175
x
4
=1.3 + 4(0.025) = 1.4 y
4
= 2.1 + 4(0.025) = 2.2
x
4
=1.3 + 4(0.025) = 1.4 y
4
= 2.1 + 4(0.025) = 2.2

113

f(x, y) = xy
2

f(x
0
, y
0
) = 5.7330

f(x
0
, y
1
) = 5.8703
f(x
0
, y
2
) = 6.0093
f(x
0
, y
3
) = 6.1498
( )
=
=
1
1
0
0294 18
n
j
j
y x f . ,

f(x
0
, y
4
) = 6.2920

f(x
1
, y
0
) = 5.8433
f(x
2
, y
0
) = 5.9535
f(x
3
, y
0
) = 6.0638
( )
=
=
1
1
0
8606 17
m
i
i
y x f . ,

f(x
1
, y
1
) = 5.9832
f(x
2
, y
1
) = 6.0961
f(x
3
, y
1
) = 6.2090

f(x
1
, y
2
)= 6.1248
f(x
2
, y
2
)= 6.2404
f(x
3
, y
2
)= 6.3559

f(x
1
, y
3
)= 6.2681
f(x
2
, y
3
)= 6.3863
f(x
3
, y
3
)= 6.5046
( )
=
=
1
1
1
1
1684 56
m
i
n
j
j i
y x f . ,

f(x
1
, y
4
)= 6.4130
f(x
2
, y
4
)= 6.5340
f(x
3
, y
4
)= 6.6550
( )
=
=
1
1
6020 19
m
i
n i
y x f . ,

f(x
4
, y
0
) = 6.1740

f(x
4
, y
1
)= 6.3219
f(x
4
, y
2
)= 6.4715
f(x
4
, y
3
)= 6.6229
( )
=
=
1
1
4163 19
n
j
j m
y x f . ,

f(x
4
, y
4
) = 6.7760

Figura5.10 GUI Integrales dobles

I = 0.0624
114

5.4.2 Regla de Simpson 1/3 para integrales dobles

| | | |
(
(
(
(
(
(
(
(
(
(
+ + +
+
(
+ + +
+ + + +
+ + + +
=

=
2
,.. 6 . 4 , 2
1
,.. 5 , 3 , 1
2
,.. 6 , 4 , 2
0
1
,.. 5 , 3 , 1
1
,.. 5 , 3 , 1
2
,.. 6 . 4 , 2
0
2
,.. 6 , 4 , 2
0
1
,.. 5 , 3 , 1
0
0 0 0 0
) , ( ) , ( 2 ) , ( 4 ) , ( 2
) , ( ) , ( 2 ) , ( 4 ) , ( 4
) , ( ) , ( 2 ) , ( ) , ( 4
) , ( ) , ( ) , ( ) , (
9
m
i
n i
n
j
n
j
j i j i i
m
i
n
j
n i
n
j
j i j i i
n
j
j m j
n
j
j m j
n m m n
hk
I
115

Regla de Simpson 1/3 simple para integrales triples
( ) ( ) dydz dx z y x f dxdydz z y x f
f
e
d
c
b
a
f
e
d
c
b
a
} } } } } }
|
.
|
\
|
= , , , ,
( ) ( ) ( ) ( ) | | z y x f z y x f z y x f
a b
dx z y x f
b
a
, , , , , , , ,
2 1 0
4
6
+ +
=
}
( ) ( ) ( ) | | dydz z y x f z y x f z y x f
a b
f
e
d
c
} }
)
`
+ +
, , , , , ,
2 1 0
4
6
( ) ( ) ( ) | | dz dy z y x f z y x f z y x f
a b
f
e
d
c
} }
)
`
+ +
= , , , , , ,
2 1 0
4
6
( ) ( ) ( ) ( ) | | z y x f z y x f z y x f
c d
dy z y x f
d
c
, , , , , , , ,
2 0 1 0 0 0 0
4
6
+ +
=
}
( ) ( ) ( ) ( ) | | z y x f z y x f z y x f
c d
dy z y x f
d
c
, , , , , , , ,
2 1 1 1 0 1 1
4
6
+ +
=
}
( ) ( ) ( ) ( ) | | z y x f z y x f z y x f
c d
dy z y x f
d
c
, , , , , , , ,
2 2 1 2 0 2 2
4
6
+ +
=
}
( ) ( ) ( ) | |
+ + +

= z y x f z y x f z y x f
c d a b
, , , , , ,
2 0 1 0 0 0
4
6 6
( ) ( ) ( ) | | dy z y x f z y x f z y x f
a b
d
c
}
)
`
+ +
, , , , , ,
2 1 0
4
6
( ) ( ) ( ) | |
)
`
+ +
z y x f z y x f z y x f
c d
, , , , , ,
2 2 1 2 0 2
4
6
( ) ( ) ( ) | |+ + +
c d
, , , , , ,
2 1 1 1 0 1
4
6
4
( ) ( ) ( ) ( ) | + + + + |
.
|
\
|
|
.
|
\
|
= z y x f z y x f z y x f z y x f
c d a b
, , , , , , , ,
0 1 2 0 1 0 0 0
4 4
6 6
( ) ( ) ( ) ( ) ( )| z y x f z y x f z y x f z y x f z y x f , , , , , , , , , ,
2 2 1 2 0 2 2 1 1 1
4 4 16 + + + +
( )
} } }
f
e
d
c
b
a
dxdydz z y x f , ,
( ) ( ) ( ) ( ) ( )|dz z y x f z y x f z y x f z y x f z y x f , , , , , , , , , ,
2 2 1 2 0 2 2 1 1 1
4 4 16 + + + +
( ) ( ) ( ) | ( ) + + + + |
.
|
\
|
|
.
|
\
|
=
}
z y x f z y x f z y x f z y x f
c d a b
f
e
, , , , , , , ,
0 1 2 0 1 0 0 0
4 4
6 6
( ) ( ) ( ) ( ) | |
}
+ +
=
f
e
e f
dz z y x f
2 0 0 1 0 0 0 0 0 0 0
4
6
, , , , , , , ,
( ) ( ) ( ) ( ) | |
}
+ +
=
f
e
e f
dz z y x f
2 1 0 1 1 0 0 1 0 1 0
4
6
, , , , , , , ,
( ) ( ) ( ) ( ) | |
}
+ +
=
f
e
e f
dz z y x f
2 2 0 1 2 0 0 2 0 2 0
4
6
, , , , , , , ,
( ) ( ) ( ) ( ) | |
}
+ +
=
f
e
e f
dz z y x f
2 0 1 1 0 1 0 0 1 0 1
4
6
, , , , , , , ,
( ) ( ) ( ) ( ) | |
}
+ +
=
f
e
e f
dz z y x f
2 1 1 1 1 1 0 1 1 1 1
4
6
, , , , , , , ,
116

( ) ( ) ( ) ( ) | |
}
+ +
=
f
e
e f
dz z y x f
2 2 1 1 2 1 0 2 1 2 1
4
6
, , , , , , , ,
( ) ( ) ( ) ( ) | |
}
+ +
=
f
e
e f
dz z y x f
2 0 2 1 0 2 0 0 2 0 2
4
6
, , , , , , , ,
( ) ( ) ( ) ( ) | |
}
+ +
=
f
e
e f
dz z y x f
2 1 2 1 1 2 0 1 2 1 2
4
6
, , , , , , , ,
( ) ( ) ( ) ( ) | |
}
+ +
=
f
e
e f
dz z y x f
2 2 2 1 2 2 0 2 2 2 2
4
6
, , , , , , , ,
( )
} } }
f
e
d
c
b
a
dxdydz z y x f , ,
( ) ( ) ( ) | | ( ) |
0 1 0 2 2 0 1 1 0 0 0 0
6
4 4
6 6 6
z y x f
e f
e f c d a b
, , , , , , , ,

+ + +

|
.
|
\
|
|
.
|
\
|
=
( ) ( )| ( ) ( ) ( ) | | + + +
+ + +
2 2 0 1 2 0 0 2 0 2 1 0 1 1 0
4
6
4 z y x f z y x f z y x f
e f
z y x f z y x f , , , , , , , , , ,
( ) ( ) ( ) | | ( ) ( ) |
1 1 1 0 1 1 2 0 1 1 0 1 0 0 1
4
6
16 4
6
4 z y x f z y x f
e f
e f
, , , , , , , , , , +
+ + +
( )| ( ) ( ) ( ) | | ( ) |
0 0 2 2 2 1 1 2 1 0 2 1 2 1 1
6
4
6
4 z y x f
e f
e f
z y x f , , , , , , , , , ,

+ + +
+ +
( ) ( )| ( ) ( ) ( ) | | + + +
+ + +
2 1 2 1 1 2 0 1 2 2 0 2 1 0 2
4
6
4 4 z y x f z y x f z y x f
e f
z y x f z y x f , , , , , , , , , ,
( ) ( ) ( ) | |
2 2 2 1 2 2 0 2 2
4
6
e f
, , , , , , + +
( )
} } }
f
e
d
c
b
a
dxdydz z y x f , ,
( ) ( ) ( ) | ( ) + + + + |
.
|
\
|
|
.
|
\
|
|
.
|
\
|
=
0 1 0 2 0 0 1 0 0 0 0 0
4 4
6 6 6
e f c d a b
, , , , , , , ,
( ) ( ) ( ) ( ) ( ) + + + + +
2 2 0 1 2 0 0 2 0 2 1 0 1 1 0
4 4 16 z y x f z y x f z y x f z y x f z y x f , , , , , , , , , ,
( ) ( ) ( ) ( ) ( ) + + + + +
1 1 1 0 1 1 2 0 1 1 0 1 0 0 1
64 16 4 16 4 z y x f z y x f z y x f z y x f z y x f , , , , , , , , , ,
( ) ( ) ( ) ( ) ( ) + + + + +
0 0 2 2 2 1 1 2 1 0 2 1 2 1 1
4 16 4 16 z y x f z y x f z y x f z y x f z y x f , , , , , , , , , ,
( ) ( ) ( ) ( ) ( ) + + + + +
2 1 2 1 1 2 0 1 2 2 0 2 1 0 2
4 16 4 4 z y x f z y x f z y x f z y x f z y x f , , , , , , , , , ,
( ) ( ) ( )|
2 2 2 1 2 2 0 2 2
4 z y x f z y x f z y x f , , , , , , + +
( )
} } }
f
e
d
c
b
a
dxdydz z y x f , ,
( ) ( ) ( ) { ( ) + + + + |
.
|
\
|
|
.
|
\
|
|
.
|
\
|
=
2 2 0 0 2 0 2 0 0 0 0 0
6 6 6
e f c d a b
, , , , , , , ,
( ) ( ) ( ) ( ) ( ) ( ) |
0 1 0 1 0 0 2 2 2 0 2 2 2 0 2 0 0 2
4 z y x f z y x f z y x f z y x f z y x f z y x f , , , , , , , , , , , , + + + + +
( ) ( ) ( ) ( )| ( )}
1 1 1 1 1 2 1 2 1 2 1 1 0 1 1
, , 64 , , , , , , , , z y x f z y x f z y x f z y x f z y x f + + + +
( ) ( ) ( ) ( ) ( ) ( ) + + + + + + +
2 2 1 0 2 1 2 0 1 0 0 1 1 2 0 2 1 0
z y x f z y x f z y x f z y x f z y x f z y x f , , , , , , , , , , , ,
( ) ( ) ( ) ( )| ( ) ( ) | + + + + + +
1 0 1 1 1 0 1 2 2 2 1 2 0 1 2 1 0 2
16 z y x f z y x f z y x f z y x f z y x f z y x f , , , , , , , , , , , ,
117

Ejemplo
Use la regla de Simpson para aproximar la integral
} } }
1
0
2
1
5 0
0
.
dxdydz e
xyz

Tabla 5.9 Espaciamiento de las x, y las z
25 0
2
0 5 0
2
.
.
=
=
a b
h

5 0
2
1 2
2
. =
=
c d
k

5 0
2
0 1
2
. =
=
e f
l

x
i
= a + ih y
i
= c +ik z
i
= e +il
x
0
=0 y
0
= 1 z
0
= 1
x
1
=0.25 y
1
= 1.5 z
1
= 0.5
x
2
=0.5 y
2
= 2 z
2
= 0

f(x
0
, y
0
, z
0
) = 1
f(x
0
, y
0
, z
2
) = 1
f(x
0
, y
2
, z
0
) = 1
f(x
0
, y
2
, z
2
) = 1
f(x
2
, y
0
, z
0
) = 1.6487
f(x
2
, y
0
, z
2
) = 1
f(x
2
, y
2
, z
0
) = 2.7183
f(x
2
, y
2
, z
2
) = 1

f(x
0
, y
0
, z
1
) = 1
f(x
0
, y
1
, z
0
) = 1
f(x
0
, y
1
, z
2
) = 1
f(x
0
, y
2
, z
1
) = 1
f(x
1
, y
0
, z
0
) = 1.2840
f(x
1
, y
0
, z
2
) = 1
f(x
1
, y
2
, z
0
) = 1.6487
f(x
1
, y
2
, z
2
) = 1
f(x
2
, y
0
, z
1
) = 1.2840
f(x
2
, y
1
, z
0
) = 2.1170
f(x
2
, y
1
, z
2
) = 1
f(x
2
, y
2
, z
1
) = 1.6487
f(x
0
, y
1
, z
1
) = 1
f(x
1
, y
0
, z
1
) = 1.1331
f(x
1
, y
1
, z
0
) = 1.4550
f(x
1
, y
1
, z
2
) = 1
f(x
1
, y
2
, z
1
) = 1.2840
f(x
2
, y
1
, z
1
) = 1.4550

f(x
1
, y
1
, z
1
) = 1.2062

I = 0.6105
118

Figura5.11 GUI Integrales Triples

a) Utilizar software matemtico para integracin mltiple de funciones matemticas ( Matlab, Matcad, etc.)

119

5.4 Aplicaciones

5.4.1 Calculo de Propiedades Termodinmicas

En el calculo de las propiedades termodinmicas fundamentales entalpa y entropa a partir de propiedades residuales se
requiere el calculo de las integrales
1

P
dP
T
Z
P
P
}
|
.
|
\
|
c
c
0
y
}

P
P
dP
Z
0
) 1 (
Curso
Fisicoqumica I, Fisicoqumica II, Operaciones Unitarias

Problema
Evaluar el valor de estas integrales para el caso del isobutano a 360 K a partir de la informacin dada en la siguiente tabla.
Tabla 5.10 Datos del factor de compresibilidad a distintas temperaturas y presiones
Factores de compresibilidad Z para el isobutano
P/bar 340 K 350 K 360 K 370 K 380 K
0,1 0,997 0,99719 0,99737 0,99753 0,99767
0,5 0,98745 0,9883 0,98907 0,98977 0,9904
2 0,95895 0,96206 0,96483 0,9673 0,96953
4 0,92422 0,93069 0,93635 0,94132 0,94574
6 0,88742 0,89816 0,90734 0,91529 0,92223
8 0,84575 0,86218 0,87586 0,88745 0,897413
10 0,79659 0,82117 0,84077 0,85695 0,87061
12 - 0,7731 0,80103 0,82315 0,84134
14 - - 0,75506 0,78531 0,80923
15,41 - - 0,71727 - -
Solucin
Tabla 5.11 Evaluacin de las derivadas con formulas de derivacin numrica
Clculo de derivadas con diferencias centrales Clculo de derivadas con diferencias hacia delante

P=0.1 bar 0,1 P=0.1 bar 0,1
T Z (dZ/dT)/P T Z (dZ/dT)/P
340 0,997 340 0,997 0,000195
350 0,99719 0,000185 350 0,99719 0,00019
360 0,99737 0,00017 360 0,99737 0,00017
370 0,99753 0,00015 370 0,99753
380 0,99767 380 0,99767

P=0.5 bar 0,5 P=0.5 bar 0,5
T Z (dZ/dT)/P T Z (dZ/dT)/P
340 0,98745 340 0,98745 0,000178
350 0,9883 0,000162 350 0,9883 0,000161
360 0,98907 0,000147 360 0,98907 0,000147
370 0,98977 0,000133 370 0,98977
380 0,9904 380 0,9904

P=2 bar 2 P=2 bar 2

1
Smith, Van Ness y Abbot
120

T Z (dZ/dT)/P T Z
340 0,95895 340 0,95895 0,000164
350 0,96206 0,000147 350 0,96206 0,000146
360 0,96483 0,000131 360 0,96483 0,0001295
370 0,9673 0,0001175 370 0,9673
380 0,96953 380 0,96953

P=4 bar 4 P=4 bar 4
T Z (dZ/dT)/P T Z
340 0,92422 340 0,92422 0,00017187
350 0,93069 0,000151625 350 0,93069 0,00015013
360 0,93635 0,000132875 360 0,93635 0,00013112
370 0,94132 0,000117375 370 0,94132
380 0,94574 380 0,94574

P=6 bar 6 P=6 bar 6
T Z (dZ/dT)/P T Z
340 0,88742 340 0,88742 0,000192
350 0,89816 0,000166 350 0,89816 0,00016325
360 0,90734 0,00014275 360 0,90734 0,00014092
370 0,91529 0,000124083 370 0,91529
380 0,92223 380 0,92223

P=8 bar 8 P=8 bar 8
T Z (dZ/dT)/P T Z
340 0,84575 340 0,84575 0,00022256
350 0,86218 0,000188188 350 0,86218 0,00018406
360 0,87586 0,000157938 360 0,87586 0,00015494
370 0,88745 0,000134813 370 0,88745
380 0,89743 380 0,89743

P=10 bar 10 P=10 bar 10
T Z (dZ/dT)/P T Z
340 0,79659 340 0,79659 0,0002707
350 0,82117 0,0002209 350 0,82117 0,0002131
360 0,84077 0,0001789 360 0,84077 0,0001744
370 0,85695 0,0001492 370 0,85695
380 0,87061 380 0,87061

P=12 bar 12 P=12 bar 12
T Z (dZ/dT)/P T Z
340 340
350 0,7731 350 0,7731 0,00025696
360 0,80103 0,000208542 360 0,80103 0,00020071
370 0,82315 0,00020155 370 0,82315
380 0,84134 380 0,84134

P=14 bar

14
121

T Z
340
350
360 0,75506 0,00023868
370 0,78531
380 0,80923

Tabla 5.11 Evaluacin de las derivadas por igualacin de reas:
P = 0,1 bar
T Z deltaZ/deltaT (dZ/dT)p
340 0,997 2,30E-05 2,05E-05
350 0,99719 1,9E-05 1,86E-05
360 0,99737 1,8E-05 1,70E-05
370 0,99753 1,6E-05 1,52E-05
380 0,99767 1,4E-05 1,36E-05

Figura 5.12 Mtodo de igualacin de reas

0,00E+00
5,00E-06
1,00E-05
1,50E-05
2,00E-05
2,50E-05
330 340 350 360 370 380 390
delta T
d
e
l
t
a

Z
122

Tabla 5.12 Evaluacin de las derivadas por igualacin de reas
P = 6 bar
T Z deltaZ/deltaT (dZ/dT)p
340 0,88742 0,00125 0,0012
350 0,89816 0,001074 0,00096
360 0,90734 0,000918 0,00084
370 0,91529 0,000795 0,00074
380 0,92223 0,000694 0,00069

Figura 5.13 Mtodo de igualacin de reas

0
0,0002
0,0004
0,0006
0,0008
0,001
0,0012
0,0014
330 340 350 360 370 380 390
delta T
d
e
l
t
a

Z
123

Tabla 5.13 Evaluacin de las derivadas por ajuste de polinomio
P = 0,1 bar P_orden 2
T Z (dZ/dT)p
340 0,997 2,02286E-05
350 0,99719 1,85143E-05
360 0,99737 1,68E-05
370 0,99753 1,50857E-05
380 0,99767 1,33714E-05

Figura 5.14 Ajuste de polinomio presin 0.1 bar

Tabla 5.13 Evaluacin de las derivadas por ajuste de polinomio
P = 8 bar
T Z (dZ/dT)p
340 0,84575 0,001714572
350 0,86218 0,00150043
360 0,87586 0,001286288
370 0,88745 0,001072146
380 0,89743 0,000858004

Figura 5.15 Ajuste de polinomio presin de 8 bar

Datos para P = 0,1 bar
y = -8,5714E-08x
2
+ 7,8514E-05x + 0,9802
R
2
= 1
0,9968
0,997
0,9972
0,9974
0,9976
0,9978
330 340 350 360 370 380 390
T
Z
Datos para P = 8 bar
y = -1,0707E-05x
2
+ 0,008995x - 0,9748
R
2
= 0,9999
0,84
0,86
0,88
0,9
0,92
330 340 350 360 370 380 390
T
Z
124

Tabla 5.13 Derivadas para evaluar las integrales
Clculo de las integrales

T sistema = 360
Base para extrapolar por Lagrange P (dZ/dT)/P (Z-1)/P
0 1,75E-04 2,59E-02
X
0
0,1 1,70E-04 2,47E-02
X
1
0,5 1,51E-04 2,19E-02
X
2
2 1,29E-04 1,76E-02
4 1,29E-04 1,59E-02
6 1,40E-04 1,54E-02
8 1,56E-04 1,55E-02
X
2
10 1,78E-04 1,59E-02
X
1
12 2,07E-04 1,66E-02
X
0
14 2,43E-04 1,75E-02
15,41 2,72E-04 1,84E-02

Figura 5.16 Polinomio de Integracin para la primera integral

Polinomio de orden 4
y = 1,3265E-08x
4
- 4,7838E-07x
3
+ 6,6882E-06x
2
- 3,1353E-05x
+0,0001712
R
2
= 0,9954
0,00E+00
5,00E-05
1,00E-04
1,50E-04
2,00E-04
2,50E-04
3,00E-04
0 5 10 15 20
P
(
d
Z
/
d
T
)
/
P
125

Figura 5.17 Polinomio de Integracin para la segunda integral

Tabla 5.14 Integracin numrica por regla Trapezoidal
Integracin por la regla Trapezoidal
Primera integral
I = 2,44E-03
Segunda integral
I = 2,31E-01

Tabla 5.15 Valores de la funcin para evaluar la primera integral por regla de Simpson 1/3
Xa = 0
Xb = 15,41
n = 10
h = 1,541

k x f(x)
0 0 0,0001712
1 1,541 0,00013709
2 3,082 0,00012529
3 4,623 0,00012799
4 6,164 0,00013917
5 7,705 0,00015461
6 9,246 0,00017189
7 10,787 0,00019038
8 12,328 0,00021125
9 13,869 0,00023745
10 15,41 0,00027374

Tabla 5.16 Integracin numrica por regla Simpson 1/3 primera integral
Integracin por la regla de Simpson 1/3
Ajustando un polinomio de orden 4
I = 0,00263524
Polinomio de orden 4
y = 1,9245E-06x
4
- 7,1746E-05x
3
+ 0,0009635x
2
- 0,0052795x +
0,025172
R
2
= 0,9849
0,00E+00
1,00E-02
2,00E-02
3,00E-02
0 5 10 15 20
P
(
Z
-
1
)
/
P
126

Tabla 5.17 Valores de la funcin para evaluar la segunda integral por regla de Simpson 1/3
k x f(x)
0 0 0,025172
1 1,541 0,0190726
2 3,082 0,01612587
3 4,623 0,01514722
4 6,164 0,01521252
5 7,705 0,01565811
6 9,246 0,01608076
7 10,787 0,01633774
8 12,328 0,01654674
9 13,869 0,01708594
10 15,41 0,01859397

Tabla 5.18 Integracin numrica por regla Simpson 1/3 segunda integral
Integracin por la regla de Simpson 1/3
Ajustando un polinomio de orden 4
I = 0,25935247

127

Evaluacin Sumativa

Problema 1
El estudio publicado sobre una reaccin qumica:
A P
indica que cuando un reactor contiene inicialmente A a la concentracin C
Ao
(g/L) y la temperatura, T, se mantiene
constante el orden de la reaccin es un entero. Y la constante especifica de velocidad varia con la temperatura.
Para comprobar este hecho, se lleva a cabo la reaccin en cuatro laboratorios distintos. Los datos experimentales reportados
son los siguientes.

Laboratorio 1
T = 275 C
C
Ao
= 4.83
Laboratorio 2
T = 275 C
C
Ao
= 12.2
Laboratorio 3
T = 275 C
C
Ao
= 5.14
Laboratorio 4
T = 275 C
C
Ao
= 3.69
t(s) C
P
(g/L) C
P
(g/L) C
P
(g/L) C
P
(g/L)
0 0.0 0.0 0.0 0.0
10 0.287 1.21 0.310 0.245
20 0.594 2.43 0.614 0.465
30 0.871 3.38 0.885 0.670
60 1.51 5.89 1.64 1.20
120 2.62 8.90 2.66 2.06
240 3.91 11.2 3.87 3.03
360 4.30 12.1 4.61 3.32
480 4.62 12.1 4.89 3.54
600 4.68 12.2 5.03 3.59

Encontrar el orden de la reaccin y la constante especifica de velocidad usando el mtodo diferencial

Solucin
La ley de accin de masas no indica que la velocidad de una reaccin es proporcional a la concentracin de la especie
elevada a una potencia
n
A
A
kC
dt
dC
=
Tomando logaritmos en ambos lados de la ecuacin

A
A
C n k
dt
dC
ln ln ln + = |
.
|
\
|

Esta ecuacin tiene la forma general de una lnea recta:
Donde
y = ln
dt
dC
A
a
0
= ln k a
1
= n y x = ln C
A

Para poder aplicar regresin lineal por mnimos cuadrados es necesario evaluar las derivadas de la concentracin con
respecto del tiempo.

128

Problema 2
A principios del siglo pasado, Lord Rayleigh resolvi el problema de la destilacin binaria simple (una etapa) por lotes, con
la ecuacin que ahora lleva su nombre

} }

=
f
i
f
i
x
x
L
L
x y
dx
L
dL

Donde L son los moles de la mezcla liquida en el hervidor, x las fracciones mol del componente mas voltil en la mezcla
liquida y y las fracciones mol de su vapor en equilibrio. Los subndices i y f se refieren al estado inicial y final.

Calcule que fraccin de un lote es necesario destilar en una mezcla binaria para que x cambie de x
i
= 0.7 a x
f
= 0.4. La
relacin de equilibrio esta dada por la ecuacin
x
x
y
) 1 ( 1 +
=
o
o

Donde es la volatilidad relativa de los componentes y es una funcin de x segn la siguiente tabla (para una mezcla dada).

x 0.70 0.65 0.60 0.55 0.50 0.45 0.40

2.20 2.17 2.13 2.09 2.04 1.99 1.94

129

Unidad VI. Solucin de ecuaciones diferenciales (Valor Inicial y valor en la
frontera)

Resolver una ecuacin diferencial y sistemas de ecuaciones diferenciales ordinarias y con valor en la frontera aplicando un
mtodo numrico y comparar con la solucin analtica.

6.1 Fundamentos

Las ecuaciones diferenciales tienen importancia fundamental en las ingenieras, debido a que muchas leyes y relaciones
fsicas se expresan matemticamente mediante estas relaciones.
Las siguientes ecuaciones son ejemplos de ecuaciones diferenciales:
0 4
2
2
= + y
dx
y d

xy
dx
dy
2 =

0 sec 4 3 2
2
= +
c
c
+
c
c
y z xy
y
z
x
z
x

Las dos primeras ecuaciones contienen derivadas ordinarias y por la forma en que estn escritas vemos que y = f(x); la
tercera contiene derivadas parciales y podemos ver que z = f(x, y). El orden de una ecuacin diferencial es el mximo orden
de las derivadas que contiene

En esta unidad desarrollaremos mtodos numricos para encontrar la solucin de ecuaciones diferenciales ordinarias a
partir de valores iniciales.
Un problema de valor inicial consiste en una ecuacin diferencial, y en una condicin que debe satisfacer la solucin (o
varias condiciones que se refieren al mismo valor de x, si la ecuacin es de orden superior.)

, y
0
= y(x
0
)
6.2 Mtodos de un Paso

Su aplicacin parte de y
0
= y(x
0
) y se avanza por pasos. En el primer paso se calcula un valor aproximado de y
1
de la
solucin y en x = x
0
+ h, en el segundo paso se calcula un valor aproximado de y
2
en x = x
0
+ 2h, y as sucesivamente.
En cada paso, los clculos e llevan a cabo mediante la misma frmula, y en ellas h es un valor fijo.

6.2.1 Forma General para Mtodos de un Paso

Deduccin a partir de la serie de Taylor
donde h = x
i+1
- x
i
.

f(x
i+1
) = f(x
i
) + f (x
i
) h + (0) h
2

( )
2
! 2
1
h x f
i
' '

f(x
i+1
) = f(x
i
) + f (x
i
) h + (o) h
2

Valor Actual = Valor Anterior + Pendiente Tamao del Paso + Error

Si hacemos | = f (x
i
)
y
i+1
= y
i
+ | h

( ) y x f
dx
dy
, =
( ) ( ) ( ) ( ) ( ) ...
! 3
1
! 2
1
3 2
1
+ ' ' ' + ' ' + ' + =
+
i i i i i
130

Figura 6.1 Mtodo de un solo paso

6.2.1.1 Mtodo de Euler

La primera derivada proporciona una aproximacin directa a la pendiente en xi

| = f (x
i
, y
i
)

donde f(x
i
, y
i
) es la ecuacin diferencial evaluada en (x
i
, y
i
)

y
i+1
= y
i
+ f (x
i
, y
i
) h

A esta frmula se le conoce como mtodo de Euler, o mtodo de Euler-Cauchy o de pendiente puntual.

Ejemplo

Hallar el valor de f(x) en x =2, s y(0) = 1

Analticamente

( ) 1
2 2
= = x y y yx
dx
dy

( ) 1
2
= x y
dx
dy

( )dx x
y
dy
1
2
=

( )
}
= 1 ln
2
x y d

C x
x
y + =
3
ln
3

x
x
Ae y

=
3
3

Dado que y(0) = 1, A = 1

x
x
e y

=
3
3

Entonces y(2) = 1.947734

x
i
x
i+1

y
i+1
= y
i
+ | h

y
i+1

pendiente = |
f(x)
tamao de paso
h= x
i+1
- x
i

y yx
dx
dy
=
2
131

Numricamente

Por el mtodo de Euler, usando h = 0.5, y(0) = 1.

Figura 6.2 GUI Mtodo de Euler h=0.125

Ecuacin del mtodo
y
i+1
=y
i
+f (x
i
, y
i
) h

x
i
= 0
y
i
= 1
f (x
i
, y
i
) = y
i
(x
i
2
- 1)
f (0, 1) = 1 (0
2
- 1) = -1

y
i+1
= 1+ (-1) (0.5) = 0.5
x
i+1
= x
i
+ h = 0 + 0.5 = 0.5

x
i
= 0.5
y
i
= 0.5
f (x
i
, y
i
) = f (0.5, 0.5) = 0.5 [(0.5)
2
1]
= -0.375

y
i+1
= 0.5 + (-0.375) (0.5) = 0.3125
x
i+1
= x
i
+ h = 0.5 + 0.5 = 1

x
i
= 1
y
i
= 0.3125
f (x
i
, y
i
) = f (1, 0.3125)
= 0.3125 [(1)
2
1] = 0

y
i+1
= 0.3125 + (0) (0.5) = 0.3125
x
i+1
= x
i
+ h = 1 + 0.5 = 1.5

x
i
= 1.5
y
i
= 0.3125
f (x
i
, y
i
) = f (1.5, 0.3125)
= 0.3125 [(1.5)
2
1] = 0.390625

y
i+1
=0.3125 +0.390625 (0.5)
= 0.5078125
x
i+1
= x
i
+ h = 1.5 + 0.5 = 2

132

Aplicando el mismo procedimiento para h = 0.25 y h = 0.125 se obtiene

Tabla 6.1 Valores de y para distintos valores de h con Euler
h = 0.5 h = 0.25 h = 0.125
x y x y x y
0.0 1.0000 0.00 1.0000 0.000 1.0000
0.125 0.8750
0.25 0.7500 0.250 0.7673
0.375 0.6774
0.5 0.5000 0.50 0.5742 0.500 0.6046
0.625 0.5480
0.75 0.4666 0.750 0.5062
0.875 0.4785
1.0 0.3125 1.00 0.4155 1.000 0.4645
1.125 0.4645
1.25 0.4155 1.250 0.4799
1.375 0.5137
1.5 0.3125 1.50 0.4740 1.500 0.5709
1.625 0.6601
1.75 0.6221 1.750 0.7954
1.875 1.0005
2.0 0.5078 2.00 0.9428 2.000 1.3151

Figura6.3 GUI Mtodo de Euler h=0.005
133

6.2.1.3 Mtodos de Runge-Kutta

En los mtodos de Euler y Heun se aplica la frmula de recurrencia: y
i+i
= y
i
+ | (x
i
, y
i
) h
Donde
| (x
i
, y
i
) = f (x
i
, y
i
) mtodo de Euler
| (x
i
, y
i
) =
2
1
[ f (x
i
, y
i
) + f (x
i+1
, y
i+1
)] mtodo de Heun

Estos dos mtodos tienen los siguientes puntos comunes:
1. Son mtodos de un paso, para determinar y
i+1
se necesita conocer nicamente los valores de x
i
y y
i

del punto anterior.
2. No requiere evaluar ninguna derivada, sino nicamente los valores de la funcin que representa a la
ecuacin diferencial.
Estas caractersticas dan origen a una gran variedad de mtodos conocidos como de Runge Kutta. La
diferencia entre ellos consiste en la forma como se define la funcin | (x
i
, y
i
):

Segundo Orden. (Mtodo de Ralston)
y
i+1
= y
i
+ (
3
1
k
1
+
3
2
k
2
) h
donde k
1
= f (x
i
, y
i
); k
2
= f (x
i
+
4
3
h, y
i
+
4
3
h k
1
)

Tercer Orden.
y
i+1
= y
i
+ [
6
1
(k
1
+ 4k
2
+ k
3
)] h

donde k
1
= f (x
i
, y
i
); k
2
= f (x
i
+
2
1
h, y
i
+
2
1
h k
1
); k
3
= f (x
i
+h, y
i
- hk
1
+2hk
2
)

Cuarto Orden.
y
i+1
= y
i
+ [
6
1
(k
1
+ 2k
2
+ 2k
3
+ k
4
)] h

donde k
1
= f (x
i
, y
i
); k
3
= f (x
i
+
2
1
h, y
i
+
2
1
hk
2
);
k
2
= f (x
i
+
2
1
h, y
i
+
2
1
h k
1
); k
4
= f (x
i
+ h, y
i
+ h k
3
);

Ejemplo
Resuelva la ecuacin diferencial de los ejemplos anteriores por los mtodos de Runge-Kutta de segundo,
tercer y cuarto orden; s y(0) = 1, utilizando h = 0.5
( ) 1
2
= x y
dx
dy

Segundo Orden
y
i+1
= y
i
+ (
3
1
k
1
+
3
2
k
2
) h

y
i
= y(0) = 1
k
1
= f (x
i
, y
i
) = f (0, 1) = 1(0
2
-1) =-1
k
2
= f (x
i
+ h, y
i
+ h k
1
)
x
i
+h = 0+ (0.5) = 0.375
y
i
+ h k
1
= 1 +(0.5)(-1) =
0.625
k
2
= f (0.375, 0.625) = 0.625(0.375
2
- 1)
= -0.5371
y
i+1
= y (0.5)
= 1 + ( (-1) + (-0.5371)) (0.5)
= 0.6543

y
i
= y (0.5) = 0.6543
k
1
= f (0.5, 0.6543) = -0.4907
x
i
+ h = 0.875
y
i
+ h k
1
= 0.4703
k
2
= f (0.875, 0.4703) = -0.1102
y
i+1
= y (1) = 0.5358
134

y
i
= y (1) = 0.5358
k
1
= f (1, 0.5358) = 0
x
i
+ h = 1.375
y
i
+ h k
1
= 0.5358
k
2
= f (1.375, 0.5358) = 0.4772
y
i+1
= y (1.5) = 0.6948

y
i
= y (1.5) = 0.6948
k
1
= f (1.5, 0.6948) = 0.8685
x
i
+ h = 1.875
y
i
+h k
1
= 1.0205
k
2
= f (1.875, 1.0205) = 2.5673
y
i+1
= y (2) = 1.6953

Tercer Orden
y
i+1
= y
i
+ [
6
1
(k
1
+ 4k
2
+ k
3
)] h

y
i
= y(0) = 1
k
1
= f (x
i
, y
i
) = f (0, 1) = 1(0
2
-1) = -1
k
2
= f (x
i
+ h, y
i
+ h k
1
)
x
i
+ h = 0+ (0.5) = 0.25
y
i
+ h k
1
= 1 + (0.5)(-1) = 0.75
k
2
= f (0.25, 0.75) = 0.625(0.375
2
- 1)
= -0.7031
k
3
= f (x
i
+h, y
i
- hk
1
+2hk
2
)
x
i
+h = 0 + 0.5 = 0.5
y
i
- hk
1
+2hk
2

= 10.5(-1)+2(0.5)(-0.7031)
= 0.7969
k
3
= f (0.5, 0.7969) = -0.5977
y
i+1
= y (0.5)
= 1 +
6
1
(-1 + 4(-0.7031) + 0.7969) (0.5)
= 0.6325

y
i
= y (0.5) = 0.6325
k
1
= f (0.5, 0.6325) = -0.4744
x
i
+ h = 0.75
y
i
+ h k
1
= 0.5139
k
2
= f (0.875, 0.4703) = -0.2248
x
i
+h = 1
y
i
- hk
1
+2hk
2
= 0.6448
k
3
= f (1, 0.6448) = 0
y
i+1
= y (1) = 0.5180

y
i
= y (1) = 0.5180
k
1
= f (1, 0.5180) = 0
x
i
+ h = 1.25
y
i
+ h k
1
= 0.5180
k
2
= f (0.875, 0.4703) = -0.2914
x
i
+h = 1.5
y
i
- hk
1
+2hk
2
= 0.8094
k
3
= f (1, 0.6448) = 1.0117
y
i+1
= y (1) = 0.6995

y
i
= y (1) = 0.6995
k
1
= f (1, 0.6995) = 0.8743
x
i
+ h = 1.75
y
i
+ h k
1
= 0.9180
k
2
= f (1.75, 0.9180) = 1.8934
x
i
+h = 2
y
i
- hk
1
+2hk
2
= 2.1557
k
3
= f (2, 2.1557) = 6.4672
y
i+1
= y (1) = 1.9424

Cuarto Orden
y
i+1
= y
i
+ [
6
1
(k
1
+ 2k
2
+ 2k
3
+ k
4
)] h

y
i
= y(0) = 1
k
1
= f (x
i
, y
i
) = f (0, 1) = 1(0
2
-1) = -1
k
2
= f (x
i
+ h, y
i
+ h k
1
)
x
i
+ h = 0+ (0.5) = 0.25
y
i
+ h k
1
= 1 + (0.5)(-1) = 0.75
k
2
= f (0.25, 0.75) = 0.625(0.375
2
- 1)
= -0.7031
k
3
= f (x
i
+ h, y
i
+ hk
2
)
x
i
+ h = 0+ (0.5) = 0.25
y
i
+ h k
2
= 1 + (0.5)(-0.7031)
= 0.8242
k
3
= f (0.25, -0.7031) = -0.7727
k
4
= f (x
i
+ h, y
i
+ h k
3
)
x
i
+ h = 0+ (0.5) = 0.5
y
i
+ h k
3
= 1 + (0.5)(-0.7727)
= 0.6136
k
4
= f (0.5, 0.6136) = -0.4602
y
i+1
= y (0.5)
= 1 +
6
1
[-1 + 2(-0.7031)
+ 2(-0.7727) + 4(-0.4602)] (0.5)
= 0.6323

y
i
= y(0.5) = 0.6323
k
1
= f (0.5, 0.6323) = -0.4743
x
i
+ h = 0.75
y
i
+ h k
1
= 0.5138
k
2
= f (0.75, 0.5138) = -0.2248
x
i
+ h = 0.75
y
i
+ h k
2
= 0.5761
k
3
= f (0.75, -0.5761) = -0.2521
135

x
i
+ h = 1
y
i
+ h k
3
= 0.5063
k
4
= f (1, 0.5063) = 0
y
i+1
= y (1) = 0.5133
y
i
= y(1) = 0.5133
k
1
= f (1, 0.5133) = 0
x
i
+ h = 1.25
y
i
+ h k
1
= 0.5133
k
2
= f (0.75, 0.5138) = -0.2889
x
i
+ h = 1.25
y
i
+ h k
2
= 0.5855
k
3
= f (0.75, -0.5761) = 0.3294
x
i
+ h = 1.5
y
i
+ h k
3
= 0.6780
k
4
= f (1, 0.5063) = 0.8475
y
i+1
= y (1.5) = 0.6870

y
i
= y(1.5) = 0.6870
k
1
= f (1.5, 0.6870) = 0.8587
x
i
+ h = 1.75
y
i
+ h k
1
= 0.9017
k
2
= f (1.75, 0.9017) = 1.8597
x
i
+ h = 1.75
y
i
+ h k
2
= 1.1519
k
3
= f (1.75, 1.1519) = 2.3758
x
i
+ h = 2
y
i
+ h k
3
= 1.8749
k
4
= f (2, 1.8749) = 5.6248
y
i+1
= y (2) = 1.933

g) Hacer un programa (diagrama de flujo y seudocdigo) para resolver una ecuacin diferencial
ordinaria con valores iniciales por el Mtodo de Euler y Runge-Kutta 4 Orden. Codificar y ejecutar
en scilab
h) Utilizar software matemtico para resolver ecuaciones diferenciales ordinarias con valores iniciales
(Polymath y Matlab)

136

6.3. Mtodos rgidos y de pasos mltiples

Los mtodos de un solo paso que hemos visto para solucionar ecuaciones diferenciales pueden extenderse a
sistemas de ecuaciones diferenciales, sin embargo, pueden dar soluciones errticas cuando la solucin exacta
de la ecuaciones del sistema contiene trminos de la forma
donde es un numero complejo con parte real

negativa, ya que este trmino se acerca a cero al aumentar t.
Los mtodos vistos no consideran esta posibilidad a menos que se les impongan restricciones en el tamao de
paso.
Los sistemas que presentan este tipo de comportamiento se llaman sistemas rgidos y aparecen en el anlisis
de sistemas de control as como en cintica qumica.

Ejemplo

Figura 6.4 Codificacin del Algoritmo Mtodo Implcito del Trapecio (races con Newton)

137

Figura 6.5 Corrida del Algoritmo Mtodo Implcito del Trapecio (races con Newton)

138

6.4 Mtodos Mltipaso

Una tcnica alterna para resolver Ecuaciones Diferenciales Ordinarias se puede desarrollar conociendo
informacin de la funcin en varios puntos, tomando estos como base para predecir el valor de la funcin en
los puntos subsiguientes.

separando variables e integrando entre los lmites i e i+1

( )dx y x f y y
i
i
x
x
i i
}
+
+ =
+
1
,
1

resolviendo la integral se pueden encontrar los valores de y
i+1
conociendo y
i
.

6.4.1 Mtodo de Heun (Euler-Gauss)

Un mtodo para mejorar la aproximacin a la pendiente implica el clculo de dos derivadas del intervalo, una
en el punto inicial y la otra en el punto final. Enseguida se promedian las dos derivadas y se obtiene una
aproximacin mejorada de la pendiente en el intervalo completo.

En el mtodo el Euler, la pendiente al principio del intervalo es

y
i
= f (x
i
, y
i
)
se usa para extrapolar linealmente a y
i+1
en x
i+1

y
i+1
= y
i
+ f (x
i
, y
i
) (Ecuacin predictora)h
Pero al final del intervalo se puede calcular una pendiente aproximada

y
i+1
= f (x
i+1
, y
i+1
)
Por la tanto se pueden combinar las dos pendientes y obtener una pendiente promedio en el intervalo:

( ) ( )
2
, ,
2

1 1 1 + + +
+
=
+
= '
i i i i i i
y x f y x f y y
y

por lo que
( ) ( )
h
y x f y x f
y y
i i i i
i i
2
, ,
1 1
1
+ +
+
+
+ =
(Ecuacin correctora)
Por ello, el mtodo de Heun es un esquema predictor-corrector.
Ntese que la ecuacin correctora tiene el trmino y
i+1
a ambos lados de la igualdad, y puede aplicarse para
corregir en un esquema iterativo hasta que se obtenga una y
i+1
mejorada para una tolerancia preestablecida.

Ejemplo
Resolver el ejemplo anterior utilizando el mtodo de Heun, y valores de h de 0.5, 0.25 y 0.125.
f (x
i
, y
i
) = y
i
(x
i
2
- 1)

h = 0.5

x
i
= 0, y
i
= 1

Predictor

f (x
i
, y
i
) = 1 [0
2
- 1] = -1
y
i+1
= y
i
+ f (x
i
, y
i
) h = 1+ (-1) (0.5) = 0.5

Corrector
x
i+1
= 0.5

y
i+1
= f (x
i+1
, y
i+1
) = f (0.5, 0.5)
= 0.5 [(0.5)
2
1] = -0.375
( ) y x f
dx
dy
, =
139

( ) ( )
h
y x f y x f
y y
i i i i
i i
2
, ,
1 1
1
+ +
+
+
+ =

( ) 65625 . 0 5 . 0
2
375 . 0 1
1 =

+ =

Corrector primera iteracin

( ) 62695 0 5 0
2
4923 0 1
1
1
. .
.
=

+ =
+ i
y

Corrector segunda iteracin
( ) 63245 0 5 0
2
47021 - 1 -
1
1
. . = + =
+ i
y

Corrector tercera iteracin
( ) 63142 0 5 0
2
0.4743 - 1 -
1
1
. . = + =
+ i
y

Corrector cuarta iteracin

( ) 63161 0 5 0
2
0.4736 - 1 -
1
1
. . = + =
+ i
y

Aplicando el mismo procedimiento para h = 0.25 y h = 0.125 se obtiene
Tabla 6.2 Valores de y para distintos valores de h con Heun
h = 0.5 h = 0.25 h = 0.125
x y x y x y
0.0 1.0000 0.00 1.0000 0.000 1.0000
0.125 0.8832
0.25 0.7832 0.250 0.7830
0.375 0.6995
0.5 0.6316 0.50 0.6322 0.500 0.6323
0.625 0.5806
0.75 0.5432 0.750 0.5436
0.875 0.5211
1.0 0.5132 1.00 0.5135 1.000 0.5134
1.125 0.5221
1.25 0.5523 1.250 0.5501
1.375 0.6030
1.5 0.7464 1.50 0.7006 1.500 0.6905
1.625 0.8296
1.75 1.0915 1.750 1.0499
1.875 1.4064
2.0 3.9174 2.00 2.1965 2.000 2.0031

6.4,2 Mtodo de Milne
Este es un mtodo predictor-corrector que utiliza informacin en los primeros cuatro Esta informacin se
puede obtener aplicando alguno de los mtodos vistos anteriormente.
Para resolver la integral se usa las formulas de integracin numrica vistas en la unidad anterior

Predictor
( ) ) , ( 2 ) , ( ) , ( 2
3
4
2 2 1 1 3 1 +
+ + =
i i i i i i i i
y x f y x f y x f
h
y y
Corrector
( ) ) , ( 2 ) , ( 4 ) , ( 2
3
1 1 1 1 1 1 + + +
+ + + =
i i i i i i i i
y x f y x f y x f
h
y y

Un tipo de frmulas que tienen la forma general descrita anteriormente son las frmulas de Adams

Frmula abierta de n-simo orden (Adams-Bashforth)
140

( )
1
1
0
1
+
=
+
+ + =

n
k i
n
k
k i i
h o f h y y |

Frmula abierta de n-simo orden (Adams-Moulton)
( )
1
1
1
0
1
+
+
=
+
+ + =

n
k i
n
k
k i i
h o f h y y |

donde |
k
son coeficientes reportados en la bibliografa.

Combinando estas dos frmulas en un esquema de predictor corrector se puede desarrollar un mtodo para
encontrar la solucin de las ecuaciones diferenciales ordinarias.
La informacin de los puntos necesarios para iniciar el procedimiento se obtiene generalmente a partir de un
mtodo de un solo paso, con un orden suficiente para que esta informacin sea confiable.

Ejemplo
Resolver por el mtodo de Adams de cuarto orden la ecuacin.

( ) 1
2
= x y
dx
dy

Predictor y
i+1
= y
i
+ h (|
0
f
i-0
+ |
1
f
i-1
+ |
2
f
i-2
+ |
3
f
i-3
)
|
.
|
\
|
+ + =
+ 3 2 1 1
24
9
24
37
24
59
24
55
i i i i i i
f f f f h y y

Corrector y
i+1
= y
i
+ h (|
0
f
i+1-0
+ |
1
f
i+1-1
+ |
2
f
i+1-2
+ |
3
f
i+1-3
)
|
.
|
\
|
+ + =
+ + 2 1 1 1
24
1
24
5
24
19
24
9
i i i i i i
f f f f h y y

Clculo de los puntos iniciales por el mtodo de Runge-Kutta de cuarto orden

Primer Paso
x
i
= 0, y
i
= 1
x
i - 1
= -0.5, y
i - 1
= 1.581052
x
i - 2
= -1, y
i - 2
= 1.947028
x
i - 3
= -1.5, y
i - 3
= 1.453834

Predictor
y (0.5) = 0.9709569
Corrector
y (0.5) = 0.5911456
y (0.5) = 0.6445565
y (0.5) = 0.6370456
y (0.5) = 0.6381018
y (0.5) = 0.6379533
y (0.5) = 0.6379742
Segundo Paso
x
i
= 0.5, y
i
= 0.6379742
x
i - 1
= 0, y
i - 1
= 1
x
i - 2
= -0.5, y
i - 2
= 1.581052
x
i - 3
= -1, y
i - 3
= 1.947028

Predictor
y (1) = 0.735548
Corrector
y (1) = 0.5319068

141

6.5 Mtodos de tamao de paso variable
Los mtodos desarrollados anteriormente tiene un tamao de paso fijo (puntos igualmente espaciados), sin
embargo, esto no permite tener un control sobre el error de truncamiento local en cada paso, ya que puede
darse el caso que la funcin tenga cambios bruscos en el intervalo de integracin.
Se han desarrollado tcnicas numricas para la estimacin local del error que permitan controlar el tamao de
paso ptimo para controlar el error global.

6.5.1 Mtodo de Runge Kutta-Fehlberg
La idea de este mtodo es usar el mtodo de Runge Kutta con error de truncamiento de orden cinco

Para estimar el error local de truncamiento de Runge Kutta cuarto orden

Donde

La ecuacin que se utiliza para el control del error es (
|
)

Donde q es positivo y no cercano a cero, para este mtodo se recomienda usar n=4

Ejemplo
Resuelva la ecuacin diferencial rgida
1 + + = t y
dt
dy
por el mtodo Runge Kutta Fehlberg, con tamao de
paso variable iteracin de Newton para encontrar las races. Si y(0)=1 , t
f
=1
Tomar hmax = 0.1 y hmin = 0.02
142

Figura 6.6 Codificacin: Algoritmo Mtodo de Runge Kutta Fehlberg

Figura 6.7 Corrida del Algoritmo Mtodo de Runge Kutta Fehlberg
143

6.6 Sistemas de Ecuaciones Diferenciales Ordinarias.

Todo sistema de ecuaciones diferenciales puede representarse generalmente como

( )
( )
( )
n n
n
n
n
y y y x f
dx
dy
y y y x f
dx
dy
y y y x f
dx
dy
,... , ,
,... , ,
,... , ,
2 1
2 1 2
2
2 1 1
1
=
=
=

La solucin de este sistema requiere de n condiciones iniciales conocidas para un valor inicial de x.

Una ecuacin diferencial de orden superior puede escribirse como un sistema de ecuaciones diferenciales de
primer orden.

Escsriba la ecuacin diferencial ordinaria y
(n)
= f (x, y, y, y, ..., y
(n - 1)
) como un sistema de ecuaciones de
primer orden haciendo las sustituciones

y
1
= y, y
2
= y, ..., y
n
= y
(n - 1)

Entonces:
y
1
= y
2
y
2
= y
3

y
n
= f (x, y
1
, y
2
, y
3
, ..., y
n
)

es un sistema de n ecuaciones diferenciales ordinarias.

Por ejemplo, considere el problema de valor inicial.

y -3y yy = 0 y (0) = 0 y (0) = 1 y (0) = -1

Despeje en la ecuacin diferencial, para su derivada de mayor orden escribiendo y en trminos de x y de
sus derivadas de orden menor y = 3y + yy. Si hacemos las sustituciones

y
1
= y y
2
= y y
3
= y

entonces
y
1
= y
2
y
2
= y
3

y
3
= 3y
3
+ y
2
y
1

con las condiciones iniciales

y
1
(0) = 0
y
2
(0) = 1
y
3
(0) = -1

144

Ejemplo
Resolver el problema de valores en la frontera definido por la ecuacin:

0
2
2
= + y
dx
y d

si y(0) = 1, y'(0) = 2; y calcular el valor de y(1).

Analticamente

Teorema.
Si la ecuacin auxiliar m
2
+ bm +c = 0 tiene las races complejas s ti, entonces la solucin general
de y'' + by' + cy = 0 es y = e
sx
(c
1
cos tx + c
2
sen tx)

En el ejemplo, para la ecuacin auxiliar b = 0 y c = 1 m
2
+ 1 = 0 m = i
Por ello, s = 0 y t = 1, y la solucin general queda:

y = e
(0)x
(c
1
cos (1)x + c
2
sen (1)x)
y = c
1
cos x + c
2
sen x
y' = c
2
cos x c
1
sen x

Sustituyendo las condiciones en la frontera

y(0) = c
1
cos (0) + c
2
sen (0) = 1 c
1
= 1
y' (0) = c
2
cos (0) c
1
sen (0) = 2 c
2
= 2

y = cos x + 2sen x
y(1) = cos (1) + 2sen (1) = 2.223244

Utilizando el paquete Polymath, para x =1, y= 2.2232

6.7 Solucin de ecuaciones diferenciales ordinarias de orden n

Usando el mtodo de Runge-Kutta de segundo orden (mtodo de Ralston) con h = 0.5, y(0) = 1, y'(0) = 2;

0
2
2
= + y
dx
y d

0
1
1
= + |
.
|
\
|
y
dx
dy
dx
d

2
1
y
dx
dy
=

1
2
1
2
0 y
dx
dy
y
dx
dy
= = +

Ecuaciones del mtodo:-

y
j, i+1
= y
j, i
+ ( k
1, j
+ k
2, j
) h

k
1, j
= f
j
(x
i
, y
1, i
, y
2, i
,..., y
n, i
);

145

k
2, j
= f
j
(x
i
+ h, y
1, i
+ h k
1, 1
, y
2, i
+ h k
1, 2
,..., y
n, i
+ h k
1, n
,)

x
i
= 0; y
1, i
= 1; y
2, i
= 2
k
1, 1
=f
1
(0, 1, 2) = 2
k
1, 2
=f
2
(0, 1, 2) = -1

x
i
+ h = 0 + (0.5) = 0.375
y
1, i
+ h k
1, 1
= 1 + (0.5)(2) = 1.75
y
2, i
+ h k
1, 2
= 2 + (0.5)(-1) = 1.625

k
2, 1
= f
1
(0.375, 1.75, 1.625) = 1.625
k
2, 2
= f
2
(0.375, 1.75, 1.625) = -1.75

y
1
(0.5) = 1 + ( (2) + (1.625) (0.5)
= 1.875
y
2
(0.5) = 2 + ( (-1) + (-1.75) (0.5)
= 1.25

x
i
= 0.5; y
1, i
= 1.875; y
2, i
= 1.25
k
1, 1
=f
1
(0.5, 1.875, 1.25) = 1.25
k
1, 2
=f
2
(0.5, 1.875, 1.25) = -1.875

x
i
+h = 0.5 + (0.5) = 0.875
y
1, i
+ h k
1, 1
= 1.875 + (0.5)(1.25)
= 2.34375
y
2, i
+h k
1, 2
= 1.25 + (0.5)(-1.875)
= 0.546875

k
2, 1
= f
1
(0.875, 2.34375, 0.546875)
= 0.546875
k
2, 2
= f
2
(0.875, 2.34375, 0.546875)
= -2.34375

y
1
(1) =
1.875 + [( (1.25) + (0.546875)](0.5)
= 2.265625
y
2
(1) =
1.25 + [ (-1.875) + (-2.34375)](0.5)
= 0.15625

Figura 6.8 Corrida del Algoritmo Mtodo Runge Kutta 2 orden h=0.5
146

Figura 6.9 Corrida del Algoritmo Mtodo Runge Kutta 2 orden h=0.1

Ejemplo
Usando el mtodo de Runge-Kutta de cuarto orden con h = 0.5, y las mismas condiciones iniciales
Ecuaciones del mtodo:

y
j, i+1
= y
j, i
+
(k
1, j
+ 2 k
2, j
+ 2 k
3, j
, + k
4, j
) h

k
1, j
= f
j
(x
i
, y
1, i
, y
2, i
,..., y
n, i
);

k
2, j
= f
j
(x
i
+ h, y
1, i
+ h k
1, 1
, y
2, i
+ h k
1,2
,... , y
n, i
+ h k
1, n
)

k
3, j
= f
j
(x
i
+ h, y
1, i
+ h k
2, 1
, y
2, i
+ h k
2, 2j
,... , y
n, i
+ h k
2, n
)

k
4, j
= f
j
(x
i
+ h, y
1, i
+ h k
3, 1
, y
2, i
+h k
3, 2
,... , y
n, i
+ h k
3, n
)

x
i
= 0; y
1, i
= 1; y
2, i
= 2
k
1, 1
=f
1
(0, 1, 2) = 2
k
1, 2
=f
2
(0, 1, 2) = -1

x
i
+ h = 0 + (0.5) = 0.25
y
1, i
+ h k
1, 1
= 1 + (0.5)(2) = 1.5
y
2, i
+ h k
1, 2
= 2 + (0.5)(-1) = 1.75
k
2, 1
= f
1
(0.25, 1.5, 1.75) = 1.75
k
2, 2
= f
2
(0.25, 1.5, 1.75) = -1.5
x
i
+ h = 0.25
y
1, i
+ h k
2, 1
= 1 + (0.5)(1.75) = 1.4375
y
2, i
+ h k
2, 2
= 2 + (0.5)(-1.5) = 1.625
k
3, 1
= f
1
(0.25, 1.4375, 1.625) = 1.625
k
3, 2
= f
2
(0.25, 1.4375, 1.625) = -1.4375

x
i
+ h = 0.5
y
1, i
+ h k
3, 1
= 1 + (0.5)(1.625) = 1.8125
y
2, i
+h k
3, 2
= 2 + (0.5)(-1.4375) = 1.28125
k
4, 1
= f
1
(0.5, 1.8125, 1.28125 = 1.28125
147

k
4, 2
= f
2
(0.5, 1.8125, 1.28125) = -1.8125

y
1
(0.5)
=1+
[2+2(1.75)+2(1.625)+1.28125](0.5)
= 1.835938
y
2
(0.5)
=2+
[-1+2(-1.5)+2(-1.4375)-1.8125](0.5)
= 1.276042
^^^
x
i
= 0.5; y
1, i
= 1.835938; y
2, i
= 1.276042
k
1,1
= f
1
(0.5, 1.835938, 1.276042)
= 1.276042
k
1,2
= f
2
(0.5, 1.835938, 1.276042)
= -1.835938

x
i
+ h = 0.5 + (0.5) = 0.75
y
1,i
+ hk
1,1
=1.835938 + (0.5)(1.276042)
= 2.154948
y
2,i
+ hk
1,2
=1.276042+ (0.5)(-1.835938)
= 0.817057
k
2, 1
= f
1
(0.75, 2.154948, 0.817057)
= 0.817057
k
2, 2
= f
2
(0.75, 2.154948, 0.817057)
= -2.154948

x
i
+ h = 0.75
y
1,i
+ hk
2,1
=1.835938+ (0.5)(0.817057)
= 2.040202
y
2,i
+ hk
2,2
=1.276042+ (0.5)(-2.154948)
= 0.737305
k
3,1
= f
1
(0.75, 2.040202, 0.737305)
= 0.737305
k
3, 2
= f
2
(0.75, 2.040202, 0.737305)
= -2.040202

x
i
+ h = 1
y
1, i
+ h k
3, 1
= 1.835938 + (0.5)(0.737305)
= 2.204590
y
2, i
+h k
3, 2
= 1.276042 + (0.5)(-2.040202)
= 0.255941
k
4, 1
= f
1
(1, 2.204590, 0.255941)
= 0.255941
k
4, 2
= f
2
(1, 2.204590, 0.255941)
= -2.204590

y
1
(1)
= 1.835938 +
[1.276042 + 2(0.817057)
+ 2(0.737305) + 0.255941](0.5)
= 2.222663
y
2
(1)
=1.276042 +
[-1.835938 + 2(-2.154948)
+ 2(-2.040202) -2.204590](0.5)
= 0.240139
148

a) Hacer un programa (diagrama de flujo y seudocdigo) para resolver una sistema de ecuaciones diferenciales
ordinarias con valores iniciales por el Mtodo de Euler y Runge-Kutta 4 Orden. Codificar y ejecutar en scilab
b) Utilizar software matemtico para resolver sistemas de ecuaciones diferenciales ordinarias con valores iniciales
(Polymath y Matlab)

149

6.8 Mtodos generales para problemas con valores en la frontera, lineales y no-lineales

En el caso, en que las condiciones para la variable dependiente, estn definidos para distintos valores en el rango de la
variable independiente (normalmente en los extremos), tenemos una ecuacin diferencial con valores en la frontera.

6.8.1 Mtodo de disparo
Este mtodo se basa en la conversin de un problema de valores en la frontera a su equivalente de un problema de valores
iniciales, implementndose un esquema de prueba y error para alcanzar una solucin adecuada.

6,8.1.1 Solucin de una ecuacin diferencial lineal.
Una ecuacin diferencial es lineal; si en ella no aparecen potencias de la variable dependiente y sus derivadas, ni productos
de la variable dependiente por sus derivadas o productos entre derivadas.

Ejemplo:

Resolver la ecuacin diferencial
20 4 16 8
2
2
= + y
dx
dy
dx
y d
con la condicin de frontera y(0) = 5 y y(20)=2

Transformacin
Si y = y
1
entonces 20 4 16 8
1
1 1
= + |
.
|
\
|
y
dx
dy
dx
dy
dx
d

Si
2
1
y
dx
dy
= entonces 20 4 16 8
1 2
2
= + y y
dx
dy

8
20 16 4
2 1 2
+
=
y y
dx
dy

Implementacin del esquema de prueba y error

x y
1
y
2

0 5 Desconocido
20 2 Desconocido
Primer disparo 0 5 0 (supuesto)
20 808.41783 182.81149
Segundo disparo 0 5 -10 (supuesto)
20 442.79486 100.6396
Tercer disparo 0 5 -20 (supuesto)
20 77.171891 18.467711
Cuarto disparo 0 5 -30 (supuesto)
20 -288.45108 -63.704177

Interpolacin lineal

Formula de Newton
( ) ( )
) ( ) ( ) (
0
0 1
0 1
0
x x
-x x
x f x f
x f x f
+ =

y
2
(2) = -20+(-30-(-20))/(-288.45108-77.171891)*(2-77.171891) = -22.05599475

150

6.8.1.2 Solucin de una ecuacin diferencial no-lineal
Una ecuacin diferencial es no-lineal; si en ella aparecen potencias de la variable dependiente y sus derivadas, productos de
la variable dependiente por sus derivadas o productos entre derivadas.

Ejemplo

|
.
|
\
|
+ |
.
|
\
|
=
dx
dy
y x
dx
y d
3
2
2
2 32
8
1
con la condicin de frontera y(1) = 17 y y(3)=
3
43

Transformacin

Si y = y
1
entonces |
.
|
\
|
+ |
.
|
\
|
= |
.
|
\
|
dx
dy
y x
dx
dy
dx
d
1
1
3 1
2 32
8
1

Si
2
1
y
dx
dy
= entonces ( )
2 1
3 2
2 32
8
1
y y x
dx
dy
+ |
.
|
\
|
=

Implementacin del esquema de prueba y error

x y
1
y
2

1 17 Desconocido
3 14.3333 x Desconocido
Primer disparo 1 17 0 (supuesto)
3 21.018501 3.4514128
Segundo disparo 1 17 -5 (supuesto) f(x
0
)
3 18.91181 x
0
3.7089641
Tercer disparo 1 17 -10 (supuesto) f(x
1
)
3 16.525478 x
1
3.9942859
Cuarto disparo 1 17 -15 (supuesto) f(x
2
)
3 13.733708 x
2
4.2740796

Interpolacin Cuadrtica

( ) ( )
) ( ) ( ) (
0
0 1
0 1
0
x x
-x x
x f x f
x f x f
+ =
+
( ) ( )
( )
( ) ( )
( )
0 2
0 1
0 1
1 2
1 2
x x
x x
x f x f
x x
x f x f
|
|
.
|
\
|
(x x
0
) (x x
1
)

y
2
(1) = -5 + (-10-(-5))/( 16.525478-18.91181)*(14.3333-18.91181) +
((-15-(-10))/( 13.733708-16.525478)-(-10-(-5))/(16.525478-18.91181))/(13.733708-18.91181)*(14.3333-
18.91181)*(14.3333-16.525478) = -14.00338412

a) Utilizar software matemtico Polymath para resolver ecuaciones diferenciales ordinarias no lineales con valores en
la frontera por el Mtodo de disparo

151

6.8.2 Mtodo de Diferencias Finitas

La solucin numrica ms comn para resolver ecuaciones diferenciales en la frontera, se basa en el uso de ecuaciones de
diferencia finita para evaluar las derivadas, ya que sustituyendo estas por su equivalente en la ecuacin diferencial, esta se
transforma en una ecuacin algebraica en diferencias. La tcnica incluye la construccin de una retcula donde se ubican los
puntos que representan el fenmeno a estudiar.

6.8.2.1 Solucin de una ecuacin diferencial lineal

Ejemplo
20 4 16 8
2
2
= + y
dx
dy
dx
y d
con la condicin de frontera y(0) = 5 y y(20)=2

Construccin de la retcula

y
0
(0)=5 y
1
(2)=? y
2
(4)=? y
3
(6)=? y
4
(8)=? y
5
(10)=? y
6
(12)=? y
7
(14)=? y
8
(16)=? y
9
(18)=? y
10
(20)=2

20 4
2
16
2
8
1 1
2
1 1
= |
.
|
\
|
+ |
.
|
\
| +
+ +
i
i i i i i
y
h
y y
h
y y y

2
10
0 20
0
=
=
n
x x
h
n

20 4 4 4 2 4 2
1 1 1 1
= + +
+ + i i i i i i
y y y y y y

Ecuacin en diferencias
20 6 8 2
1 1
= +
+ i i i
y y y
Aplicndola a cada nodo en la retcula

Nodo 1: -2y
0
- 8y
1
+ 6y
2
= 20 : -2(5) - 8y
1
+ 6y
2
= 20 : - 8y
1
+ 6y
2
= 30
Nodo 2: -2y
1
- 8y
2
+ 6y
3
= 20
Nodo 3: -2y
2
- 8y
3
+ 6y
4
= 20
Nodo 4: -2y
3
- 8y
4
+ 6y
5
= 20
Nodo 5: -2y
4
- 8y
5
+ 6y
6
= 20
Nodo 6: -2y
5
- 8y
6
+ 6y
7
= 20
Nodo 7: -2y
6
- 8y
7
+ 6y
8
= 20
Nodo 8: -2y
7
- 8y
8
+ 6y
9
= 20
Nodo 9: -2y
8
- 8y
9
+ 6y
10
= 20 : -2y
8
- 8y
9
+ 6(2) = 20 : -2y
8
- 8y
9
= 8

Solucin del sistema en Polymath
y
1
= -6.996833
y
2
= -4.3291107
y
3
= -4.771092
y
4
= -4.4711595
y
5
= -4.2185767
y
6
= -3.7818221
y
7
= -3.1152884
y
8
= -2.0809919
y
9
= -0.479752
a) Utilizar software matemtico Polymath para resolver ecuaciones diferenciales ordinarias lineales con valores en la
frontera por el Mtodo de diferencias finitas
152

6.8.2.2 Solucin de una ecuacin diferencial no-lineal

Ejemplo
|
.
|
\
|
+ |
.
|
\
|
=
dx
dy
y x
dx
y d
3
2
2
2 32
8
1
con la condicin de frontera y(1) = 17 y y(3)=
3
43

Construccin de la retcula

y
0
(1)=17 y
1
(1.2) y
2
(1.4) y
3
(1.6) y
4
(1.8) y
5
(2.0) y
6
(2.2) y
7
(2.4) y
8
(2.6) y
9
(2.8) y
10
(3)=14.333

|
.
|
\
|
+ =
+
+ +
h
y y
y x
h
y y y
i i
i
i i i
2
2 32
8
1 2
1 1 3
2
1 1

2 . 0
10
1 3
0
=
=
n
x x
h
n

1 1
3
1 1
5 . 2 5 . 2 25 . 0 4 25 50 25
+ +
+ + = +
i i i i i i i
y y y y x y y y

Ecuacin en diferencias

0 4 25 . 0 5 . 2 5 . 2 25 50 25
3
1 1 1 1
= + +
+ +
x y y y y y y y
i i i i i i i

Aplicndola a cada nodo en la retcula

Nodo 1: 25y
2
- 50y
1
+ 25y
0
+ 2.5y
1
y
2
- 2.5y
1
y
0
- 0.25(1.2)
3
- 4 = 0
Nodo 2: 25y
3
- 50y
2
+ 25y
1
+ 2.5y
2
y
3
- 2.5y
2
y
1
- 0.25(1.4)
3
- 4 = 0
Nodo 3: 25y
4
- 50y
3
+ 25y
2
+ 2.5y
3
y
4
- 2.5y
3
y
2
- 0.25(1.6)
3
- 4 = 0
Nodo 4: 25y
5
- 50y
4
+ 25y
3
+ 2.5y
4
y
5
- 2.5y
4
y
3
- 0.25(1.8)
3
- 4 = 0
Nodo 5: 25y
6
- 50y
5
+ 25y
4
+ 2.5y
5
y
6
- 2.5y
5
y
4
- 0.25(2.0)
3
- 4 = 0
Nodo 6: 25y
7
- 50y
6
+ 25y
5
+ 2.5y
6
y
7
- 2.5y
6
y
5
- 0.25(2.2)
3
- 4 = 0
Nodo 7: 25y
8
- 50y
7
+ 25y
6
+ 2.5y
7
y
8
- 2.5y
7
y
6
- 0.25(2.4)
3
- 4 = 0
Nodo 8: 25y
9
- 50y
8
+ 25y
7
+ 2.5y
8
y
9
- 2.5y
8
y
7
- 0.25(2.6)
3
- 4 = 0
Nodo 9: 25y
10
- 50y
9
+ 25y
8
+ 2.5y
9
y
10
- 2.5y
9
y
8
- 0.25(2.8)
3
- 4 = 0

Solucin del sistema en Polymath

Variable Valor f(x) valor inicial
y
1
13.029863 1.599E-14 15
y
2
13.629162 3.573E-10 15
y
3
13.616443 6.201E-08 15
y
4
13.703484 -6.532E-08 15
y
5
13.781989 2.899E-09 14
y
6
13.870421 5.693E-11 14
y
7
13.967719 1.496E-12 14
y
8
14.076046 5.329E-15 14
y
9
14.197164 5.773E-14 14
a) Utilizar software matemtico Polymath para resolver ecuaciones diferenciales ordinarias no lineales con valores en
la frontera por el Mtodo de diferencias finitas
153

6.9 Clasificacin de ecuaciones diferenciales parciales

Si una variable U depende de ms de una variable independiente, las derivadas de U con respecto de una o ms variables
independientes, se llaman derivadas parciales.
Las derivadas parciales tienen un amplio campo de aplicacin en ingeniera, en especial la ecuacin diferencial parcial de
segundo orden, para dos variables independientes, cuya frmula general es:

Donde A, B y C son funciones de x y y, y D es funcin de x, y,
x
U
c
c
y
y
U
c
c
.

Dependiendo de la relacin entre los coeficientes A, B y C se clasifican en:

Elptica s B
2
4AC < 0
0
2
2
2
2
=
c
c
+
c
c
y
u
x
u
Ecuacin de Laplace

Parablica s B
2
4AC = 0
t
u
x
u
k
c
c
=
c
c
2
2
Ecuacin de conduccin de calor.

Hiperblica s B
2
4AC > 0
2
2
2
2
2
t
u
x
u
c
c
c
=
c
c
Ecuacin de onda.

6.9.1 Ecuaciones diferenciales parciales parablicas.

Estas ecuaciones aparecen en ingeniera cundo se estudian los fenmenos de conduccin de calor en estado transitorio, as
como en el estudio de la difusin molecular en el seno de un fluido, etc.

Ejemplo. Conduccin del calor en una varilla aislada, cuyos extremos libres se encuentran a distintas temperaturas.

Figura Varilla aislada con conduccin de calor

Haciendo un balance de energa, se encuentra la ecuacin que gobierna el flujo de calor.
Donde o se denomina difusividad trmica.
0
2
2 2
2
2
= +
c
c
+
c c
c
+
c
c
D
y
U
C
y x
U
B
x
U
A
T
0
T
n
aislamiento
t
T
x
T
c
c
=
c
c
2
2
o
154

Para aplicar el mtodo de diferencias finitas se construye una retcula
Figura 7.2 Retcula para evaluar diferencias finitas

El mtodo explcito predice el valor en (i, j) a partir de (i-1, j-1), (i, j-1), (i+1, j-1).

El mtodo implcito, predice el valor en las (i, j) a partir de (i, j-1) mediante la generacin de un sistema de ecuaciones,
obtenidas de los nodos.

a) Hacer un programa (diagrama de flujo y seudocdigo) para solucionar una Ecuacin Diferencial Parcial Parablica
por el Mtodo Explicito. Codificar y ejecutar en scilab

(0, 0)
(i+1, j-1) (i, j-1) (i-1, j-1)
(i+1, j) (i, j) (i-1, j)
D
i
v
i
s
i
n

d
e
l

t
i
e
m
p
o

e
n

i
n
t
e
r
v
a
l
o
s

A
t

x
t
Divisin de la varilla en intervalos Ax
C
o
n
d
i
c
i
o
n
e
s

e
n

l
a

f
r
o
n
t
e
r
a

i
z
q
u
i
e
r
d
a

T
(
0
,

t
)

=

T
0

T(x, 0) = T
i
Figura 7.3 Condiciones iniciales
T
(
x
,

t
)

=

T
n

C
o
n
d
i
c
i
o
n
e
s

e
n

l
a

f
r
o
n
t
e
r
a

d
e
r
e
c
h
a

x
t
155

6.10 Aplicaciones

6.10.1 Ley de Newton del enfriamiento

Aplicando la primera ley de la termodinmica a la esfera, y suponiendo que el calor fluye tan rpidamente en la esfera que
la temperatura es prcticamente la misma en todos los puntos de la misma, el calor disipado por la esfera se puede expresar
analticamente por medio de la ecuacin diferencial homognea:

0 ) ( = +

T T
cV
hA
dt
dT

Donde

h = coeficiente de transferencia de calor
A = rea de la esfera para la transferencia de calor
= densidad de la esfera
V = volumen de la esfera
c = calor especifico de la esfera

Curso
Fenmenos de Transporte II

Problema
Una esfera de aluminio de 3 cm. de dimetro se calienta hasta una temperatura de 200 C. Entonces, en el instante t = 0, se
coloca en aire que se mantiene a una temperatura de 30 C. Si el coeficiente promedio de transferencia de calor es de 20
W/m C, calcule el tiempo necesario para que la esfera alcance una temperatura de 150 C.

Suponga las siguientes propiedades del aluminio:

k = 210 W / m C
c = 0.895 J / g C
= 2.72 g / cm
3

Solucin

1 4
2 3 3
3
2
10 43 . 16
10 5 . 1 * 10 895 . 0 * 10 75 . 2
20 * 3 3
)
3
4
(
) 4 (

= = = = s x
x x x cR
h
R c
R h
cV
hA
t
t

C T t
T x
dt
dT
200 , 0
) 30 ( 10 43 . 16
4
= =
=

156

Programa 6.1 Mtodo de Euler
PRINT "****************************************************************"
PRINT "* DEPARTAMENTO DE INGENIERA QUMICA Y BIOQUMICA *"
PRINT "* SOLUCIN DE ODE MTODO DE EULER *"
PRINT "****************************************************************"
' ENTRADA DE DATOS
INPUT "tf "; tf
INPUT "H "; H
READ t, T
DATA 0, 200
N = (tf - t) / H
PRINT: PRINT "t T "
PRINT t, T
FOR I = 1 TO N
T = T + H * F(t, T)
t = t + H
PRINT t, T
NEXT I
END

FUNCTION F(t, T)
F = (-16.43e-4)*(T - 30)
END FUNCTION

Ejecucin 6.1 Mtodo de Euler h = 5
*****************************************************************
* DEPARTAMENTO DE INGENIERA QUMICA Y BIOQUMICA *
* SOLUCIN DE ODE MTODO DE EULER *
*****************************************************************

VALOR FINAL DE TIEMPO 10
INTERVALO H 0.5
Tabla 6.3 Resultados de correr el programa 6.1 ordenados en forma tabular
t seg. T C t seg. T C t seg. T C t seg. T C
0 200.00 65 182.713308 130 167.184438 195 153.234643
5 198.60 70 181.458768 135 166.057468 200 152.22227
10 197.22 75 180.214534 140 164.939756 205 151.218214
15 195.84 80 178.980522 145 163.831225 210 150.222407
20 194.48 85 177.756647 150 162.731802 215 149.23478
25 193.13 90 176.542826 155 161.64141 220 148.255266
30 191.79 95 175.338977 160 160.559976 225 147.283799
35 190.46 100 174.145017 165 159.487426 230 146.320313
40 189.14 105 172.960866 170 158.423687 235 145.364741
45 187.84 110 171.786442 175 157.368686 240 144.41702
50 186.54 115 170.621667 180 156.322352 245 143.477084
55 185.25 120 169.46646 185 155.284614 250 142.54487
60 183.98 125 168.320743 190 154.255401
157

6.10.2 Modelo bsico Depredador-Presa

La teora bsica de las interacciones depredador-presa fue propuesta en las dcadas de los veinte y treinta por los pioneros
Alfred Lotka y Vito Volterra. Lotka propuso sus ecuaciones haciendo una analoga con ciertas reacciones qumicas, en
tanto que Volterra se inspir en un problema sobre pesqueras en el mar Adritico. Las ecuaciones, sin embargo, resultaron
idnticas. El modelo de depredador-presa propuesto por Lotka y Volterra no tiene ms que una importancia histrica. En la
actualidad, los modelos generales de depredador-presa son modificaciones o extensiones de las ecuaciones de Lotka-
Volterra. En trminos generales, dichos modelos son particularizaciones del siguiente:
Tasa de crecimiento de la presa =
Tasa de crecimiento de la presa
en ausencia del depredador
-
Tasa de mortalidad debida a la
presencia del depredador
qxy px
dt
dx
=

La ecuacin anterior corresponde a la dinmica de la poblacin de las presas, con una ecuacin correspondiente para los
depredadores.

Tasa de crecimiento del
depredador
=
Tasa de crecimiento del
depredador en ausencia de las
presas de la ecuacin anterior
+
Incremento en la tasa de
crecimiento del depredador
debido a la presencia de las
presas de la ecuacin anterior

rxy sy
dt
dy
+ =

Los detalles biolgicos correspondientes a un sistema o clase de sistemas en particular se traducirn en una forma
especfica para las ecuaciones anteriores en funcin de los valores de p, q, r y s. Por ejemplo, la ecuacin para las presas
ser diferente si se trata de felino-gacela que cuando se trata de pjaro-oruga.

Curso
Desarrollo Sustentable

Problema
Para un sistema dado, el sistema de ecuaciones se puede expresar como:

1 , 0 en 9 . 0
2 , 0 en 2 . 1 2
= = + =
= = =
y t xy y
dt
dy
x t xy x
dt
dx

Resolver el sistema para t = 10 con h = 0.5 usando el mtodo de Runge-Kutta cuarto orden

158

Programa 6.2 Mtodo de Runge-Kutta cuarto orden
PRINT "******************************************************************************"
PRINT "* MODELO BSICO DEPREDAROR-PRESA *"
PRINT "* SOLUCIN DEL SISTEMA POR EL MTODO DE RUNGE-KUTTA CUARTO ORDEN *"
PRINT "******************************************************************************"

INPUT "VALOR FINAL DE TIEMPO "; Tf
READ T, X, Y
DATA 0, 2, 1
INPUT "INTERVALO H "; H
N = (Tf - T) / H
PRINT T, X, Y
FOR I = 1 TO N
K11 = F(T, X, Y)
K12 = G(T, X, Y)
K21 = F(T + .5 * H, X + .5 * H * K11, Y + .5 * H * K12)
K22 = G(T + .5 * H, X + .5 * H * K11, Y + .5 * H * K12)
K31 = F(T + .5 * H, X + .5 * H * K21, Y + .5 * H * K22)
K32 = G(T + .5 * H, X + .5 * H * K21, Y + .5 * H * K22)
K41 = F(T + H, X + H * K31, Y + H * K32)
K42 = G(T + H, X + H * K31, Y + H * K32)
X1 = X + H * (1 / 6) * (K11 + 2 * K21 + 2 * K31 + K41)
Y = Y + H * (1 / 6) * (K12 + 2 * K22 + 2 * K32 + K42)
T = T + H
X = X1
PRINT T, X, Y
NEXT I
END

FUNCTION F(T, X, Y)
F = 2*X - 1.2*X*Y
END FUNCTION

FUNCTION G(T, X, Y)
G = (-1)*Y + 0.9*X*Y
END FUNCTION

159

Ejecucin 6.2 Mtodo de Runge-Kutta cuarto orden para t = 10 con h = 0.5
*******************************************************************************
* MTODOS NUMRICOS *
* MODELO BSICO DEPREDAROR-PRESA *
* SOLUCIN DEL SISTEMA POR EL MTODO DE RUNGE-KUTTA CUARTO ORDEN *
*******************************************************************************

VALOR FINAL DE TIEMPO 10
INTERVALO H 0.5

Tabla 6.4 Resultados de correr el programa 6.2 ordenados en forma tabular
t (tiempo) x (presa) y (depredador)
0 2 1
0.5 2.48753405 1.7209284
1 1.71540573 2.78769076
1.5 0.79674181 2.91807071
2 0.44787062 2.30396979
2.5 0.37178288 1.669793
3 0.42991085 1.20772636
3.5 0.62162002 0.92274406
4 1.01547679 0.80177991
4.5 1.68624889 0.88508871
5 2.4019644 1.36576392
5.5 2.13221144 2.41497402
6 1.07269346 3.00432733
6.5 0.53680762 2.56092812
7 0.38428791 1.89411688
7.5 0.39639645 1.36319352
8 0.53242309 1.01397804
8.5 0.83859212 0.83091722
9 1.4011262 0.82589839
9.5 2.17139134 1.11973653
10 2.40097536 1.98437432

160

Evaluacin Sumativa

Problema 1
Sistema de reactores tipo tanque con agitacin

Considere el siguiente sistema de reactores tipo tanque donde:
Q = Flujo volumtrico en metros cbicos por minuto
c = concentracin en miligramos por metro cbico
Flujo msico = Q c =
min min
3
3
mg
m
mg m
=

Balance de Materia (Ley de conservacin de la materia)

Acumulacin = Entradas Salidas
Acumulacin =
dt
dc
V

V = volumen del reactor

dt
dc
V = Entradas Salidas; reacomodando
V
Salidas Entradas
dt
dc
=

Realizando balances para el sistema tenemos:
C
1

C
2

C
4

C
5

C
3

Q
03
= 8
c
03
= 20
Q
01
= 5
c
01
= 10
Q
15
= 3
Q
25
= 1
Q
12
= 3
Q
31
= 1
Q
54
= 2
Q
55
= 2
Q
44
= 11 Q
24
= 1
Q
34
= 8
Q
23
= 1
161

Reactor 1:
1
1 3 1
6 50
V
c c
dt
dc +
=
Reactor 2:
2
2 1 2
3 3
V
c c
dt
dc
=
Reactor 3:
3
3 2 3
9 160
V
c c
dt
dc +
=
Reactor 4:
4
5 4 3 2 4
2 11 8
V
c c c c
dt
dc + +
=
Reactor 5:
5
5 2 1 5
4 3
V
c c c
dt
dc +
=
Suponiendo que en tiempo igual a cero, la concentracin de todos los reactores es cero, resuelva el sistema tomando: V
1
=
50; V
2
= 20; V
3
= 40; V
4
= 80; V
5
= 100

Problema 2
Ley de la dinmica del crecimiento bacteriano

En el estudio cintico de la fermentacin bacteriana se utiliza la ley logstica

) 1 (
2
1
1 1
1
k
y
y k
dt
dy
=

Para describir la dinmica del crecimiento celular. Esta ecuacin es una modificacin de la ley logartmica

1 1
1
y k
dt
dy
=
El trmino ) 1 (
2
1
k
y
en la ley logstica explica el cese del crecimiento debido a la limitacin del nutriente.
La ley logstica ha sido usada exitosamente en los modelos de crecimiento de penicillium chrysogenum un organismo
productor de penicilina.
La velocidad de produccin de la penicilina puede ser cuantificada a partir de la ecuacin
2 4 1 3
2
y k y k
dt
dy
=

La cantidad de penicilina (y
2
) obtenida es proporcional a la concentracin celular (y
1
) y es afectada por la degradacin
hidrlitica a una velocidad que depende de la concentracin de la penicilina misma.

1. Mostrar que k
2
es equivalente a la mxima concentracin celular, la cual es alcanzada bajo las condiciones dadas.

2. Encontrar la concentracin celular y de penicilina para un rango de tiempo: 0 s t s 212 hr.
En t = 0 y
1
= 5.0 y y
2
= 0
Usar las siguiente condiciones: k
1
= 0.0312; k
2
= 47.70, k
3
= 3.374; k
4
= 0.01268

162

Bibliografa

1. Burden, .L. y Faires D.J., Anlisis Numrico. Iberoamericana
2. Chapras, S.C. y Canale, R., Numerical Methods for Engineering, McGraw-Hill
3. Constantinides, A. Applied Numrical Methods with Personal Computers. McGraw-Hill
4. Conte, S.D. y de Boor, C., Anlisis Numrico Elemental. McGraw-Hill
5. Luthe, Olivera y Schultz, Mtodos Numricos. Limusa
6. Mathews, J. y Fink, C.D. Mtodos Numricos con MATLAB, Prentice-Hall
7. Nakamura, S., Mtodos Numricos aplicados con Software. Prentice-Hall
8. Nieves A. y Domnguez F. Mtodos Numricos Aplicados a Ingeniera C.E.C.S.A.
9. Scraton, R.E., Mtodos Numricos Bsicos. McGraw-Hill
10. Smith J. y Walford, Mtodos Numricos Aplicados a la Computacin Digital. Representaciones y Servicios de
Ingeniera Editores.

Metodos Numericos Enfoque en Competencias

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Metodos Numericos Enfoque en Competencias

Uploaded by

Copyright:

Available Formats

1

Instituto Tecnolgico de Durango

para el sistema etanol-n-hexano dados los siguientes datos

= a 9628 . 0 4571 . 7 * ) 02411 . 0 ( 783 . 0

donde es un numero complejo con parte real

You might also like